Advanced

Indoor Radio Propagation Modelling with Antenna Placement Optimization

Ågren, Fabian (2017) FMS820 20171
Mathematical Statistics
Abstract
The use of wireless communication has grown rapidly over the last three decades. The Swedish Post and Telecom Authority estimates that more than 80% of all mobile traffic is received or transmitted from within buildings and the number is expected to reach over 90% in the near future. Meanwhile, the number of energy efficient buildings on the Swedish housing market has increased. This type of buildings blocks nearly all electromagnetic waves and makes it difficult to rely on outdoor antennas to provide sufficient coverage indoors. Subsequently, the need for indoor antenna systems has arisen.

In this master’s thesis, a new antenna placement optimization algorithm is pro-posed. The algorithm aims to minimize the number of antennas required... (More)
The use of wireless communication has grown rapidly over the last three decades. The Swedish Post and Telecom Authority estimates that more than 80% of all mobile traffic is received or transmitted from within buildings and the number is expected to reach over 90% in the near future. Meanwhile, the number of energy efficient buildings on the Swedish housing market has increased. This type of buildings blocks nearly all electromagnetic waves and makes it difficult to rely on outdoor antennas to provide sufficient coverage indoors. Subsequently, the need for indoor antenna systems has arisen.

In this master’s thesis, a new antenna placement optimization algorithm is pro-posed. The algorithm aims to minimize the number of antennas required to provide sufficient indoor coverage, thus minimizing the cost of equipment and installation work. The semi-deterministic dominant path model was utilized
by the optimization algorithm to predict coverage. Finding the most adequate dominant paths is essential to get accurate predictions using the dominant path model. This master’s thesis proposes a new method of finding the dominant path by employing the path finding algorithms, A* and Θ*. The resulting algorithms were tested and evaluated at three test sites. (Less)
Popular Abstract (Swedish)
Att planera trådlösa nätverk inomhus är en komplicerad uppgift. Flera intressen står i konflikt med varandra så som praktiska och estetiska samt kostnader och täckningskrav. Där det är praktiskt fördelaktigt att sätta en antenn är inte alltid godtagbart ur ett estetiskt perspektiv och en extra antenn för att säkra täckningen kan slå mot budgeten. En metod för att optimera täckningen efter dessa intressen har därför tagits fram.
I takt med att uppförandet av energieffektiva hus och lasten på mobilnäten ökar riskerar allt fler svenskar att drabbas av dålig täckning inomhus. Även WiFi-nätverk som ofta byggs som okoordinerade radiosändare, dvs. grannar tar inte hänsyn tillvarandra när de sätter upp antenner vilket ger störningar och... (More)
Att planera trådlösa nätverk inomhus är en komplicerad uppgift. Flera intressen står i konflikt med varandra så som praktiska och estetiska samt kostnader och täckningskrav. Där det är praktiskt fördelaktigt att sätta en antenn är inte alltid godtagbart ur ett estetiskt perspektiv och en extra antenn för att säkra täckningen kan slå mot budgeten. En metod för att optimera täckningen efter dessa intressen har därför tagits fram.
I takt med att uppförandet av energieffektiva hus och lasten på mobilnäten ökar riskerar allt fler svenskar att drabbas av dålig täckning inomhus. Även WiFi-nätverk som ofta byggs som okoordinerade radiosändare, dvs. grannar tar inte hänsyn tillvarandra när de sätter upp antenner vilket ger störningar och stabilitetsproblem. Samtidigt är samhället mer beroende än någonsin av att dessa system fungerar och för de personer som har otur och hamnar i radioskugga kan både arbete och fritid begränsas av att inte ha tillgång till nätverket. Som ett led i att förbättra täckningen och samtidigt behålla energieffektiviteten i våra byggnader placeras därför fler basstationer och accesspunkter inomhus vilket skapat ett behov av en enkel och standardiserad metod för placering och modellering av antennerna, samt hur detta relaterar till olika byggmetoder och byggnadsmaterial.

För att få en känsla för radioplaneringens svårigheter, tänk dig att du har dålig täckning i huset eller lägenheten och vill åtgärda detta med att sätta upp antenner inomhus, exempelvis genom WiFiantenner. Två naturliga frågor som uppkommer är: hur många antenner behöver jag och var ska de sättas för att täcka hemmet på ett så bra sätt som möjligt? Det första du gör är kanske att testa dig fram med en antenn och se om det fungerar. Är det fortfarande dålig täckning någonstans så flyttar du antennen till ett annat ställe för att kompensera. Löser inte heller det problemet så får du kanske överväga att köpa ytterligare en antenn och se om resultatet förbättras. Det här tillvägagångsättet för att bygga ett trådlöst nätverk kanske fungerar bra i någons privata bostad eller på ett litet kontor. Om nätverket däremot ska sättas upp i ett större affärskomplex, hotell, shoppingcenter eller flygplats där det kan krävas upp till ett hundratal, eller till och med tusental, antenner blir metodiken däremot mycket tidskrävande och därmed mindre användbar.

Det här problemet kan i framtiden komma att lösas med en enkel app i telefonen. På en vanlig planritning markerar man i appen ut alla möjliga platser där antenner kan placeras. För att kalibrera modellen sätter man ut några testantenner i byggnaden där nätverket ska sättas upp. Testantennerna bör vara en bråkdel i antal av det förväntade slutresultatet men minst en bör sättas ut i var sektion av byggnaden. Med hjälp av dessa antenner går man sedan runt och mäter täckningen i byggnaden med appen. Desto mer yta man täcker med mätningen desto säkrare slutresultat får man. Slutligen körs en optimeringsalgoritm i appen som då talar om hur många antenner som behövs och var de ska sitta i byggnaden för önskad täckning.

Optimeringsalgoritmen bygger på välkänd algoritm inom datorspelvärlden och robotiken kallad A* (Astar). A* används för att hitta rutter mellan två punkter. Inom optimeringsalgoritmen används den för att hitta vilken väg radiovågorna tar genom byggnaden och på så sätt lista ut vilka antennplaceringar som ger fördelaktigaste radiovågsutbredning. (Less)
Please use this url to cite or link to this publication:
author
Ågren, Fabian
supervisor
organization
course
FMS820 20171
year
type
H2 - Master's Degree (Two Years)
subject
keywords
radio propagation modelling, dominant path model, dominant path, A*, Astar, thetastar, indoor radio planning, radio planning
language
English
id
8905160
date added to LUP
2017-03-28 11:30:44
date last changed
2017-03-28 11:30:50
@misc{8905160,
  abstract     = {The use of wireless communication has grown rapidly over the last three decades. The Swedish Post and Telecom Authority estimates that more than 80% of all mobile traffic is received or transmitted from within buildings and the number is expected to reach over 90% in the near future. Meanwhile, the number of energy efficient buildings on the Swedish housing market has increased. This type of buildings blocks nearly all electromagnetic waves and makes it difficult to rely on outdoor antennas to provide sufficient coverage indoors. Subsequently, the need for indoor antenna systems has arisen.

In this master’s thesis, a new antenna placement optimization algorithm is pro-posed. The algorithm aims to minimize the number of antennas required to provide sufficient indoor coverage, thus minimizing the cost of equipment and installation work. The semi-deterministic dominant path model was utilized
by the optimization algorithm to predict coverage. Finding the most adequate dominant paths is essential to get accurate predictions using the dominant path model. This master’s thesis proposes a new method of finding the dominant path by employing the path finding algorithms, A* and Θ*. The resulting algorithms were tested and evaluated at three test sites.},
  author       = {Ågren, Fabian},
  keyword      = {radio propagation modelling,dominant path model,dominant path,A*,Astar,thetastar,indoor radio planning,radio planning},
  language     = {eng},
  note         = {Student Paper},
  title        = {Indoor Radio Propagation Modelling with Antenna Placement Optimization},
  year         = {2017},
}