Environmental sustainability and the strongly raising energy bill of network operators demand the implementation of energy reduction strategies in future radio access systems. The sharp rise in energy consumption, mostly caused by the exponential increase of data traffic, demands the deployment of a huge number of additional base stations (BSs). As the BS consumes the largest share of the energy in a cellular network, they offer a high energy saving potential. Energy consumption can be reduced in a self-organized way by adapting the network capacity in response to the instantaneous traffic demand. Thus, cells are deactivated and reactivated in line with the changing traffic demand. In this thesis, we concentrate on the complex problem of how to identify cells to be reactivated in situations of rising traffic demand. Reliable cell identification under any given traffic condition is the key for the self-optimized energy saving approach. The fingerprint method is used to identify the best fitting cell to take over the increasing traffic volume from highly loaded neighbor cells. The first step is to generate the cell individual fingerprints. Cells are found to be characterized by the received signal strength (RSS) measured by mobile device as observed in the neighbor cells. Consequently, a fingerprint consists of the list of neighbor cells and the associated RSS metrics that map the neighbor cell RSS distributions. The second step is to identify and subsequently activate the most suitable sleeping cell to relieve the active cell in overload. Initially, the overloaded cell requests mobiles to measure the RSS of the active neighbor cells. The measurement samples are matched with each cell fingerprint representing a sleeping cell. The cell fingerprint that corresponds best to the sample is expected to provide the best radio conditions. Results show that the accuracy increases with traffic load and number of metrics used for the matching, both of which provide more matching events. Finally, a simple model is created to evaluate the energy saving potential of cell fingerprinting. Input for the model is the hit rate of the most suitable cell achieved during the preceding cell fingerprinting simulation studies. The saving potential approaches closely the optimum results, if the most suitable cell would have been known.
Ökologische Nachhaltigkeit, aber auch die steigenden Energiekosten, verlangen nach neuen Strategien zur Senkung des Stromverbrauchs zukünftiger Mobilfunknetze. Der Anstieg des Stromverbrauchs wird weitgehend durch das exponentiell wachsende Datenvolumen und den dadurch zusätzlich benötigten Basisstationen (BS) verursacht. Die BS bietet als größter Stromverbraucher eines Mobilfunknetzes ein hohes Einsparpotential. Durch selbstorganisierte Verfahren kann die verfügbare Netzkapazität kontinuierlich an die aktuell benötigte Kapazität angepasst werden, indem Funkzellen deaktiviert und bei Bedarf reaktiviert werden. Die zentrale Fragestellung dieser Arbeit ist, wie bei steigenden Datenverkehrsaufkommen geeignete, inaktive Zellen identifiziert und somit reaktiviert werden können. Voraussetzung dafür ist es, eine zuverlässige Zell-Identifizierung unter jeder beliebigen Verkehrsbedingung zu gewährleisten. Dafür wird das Fingerprinting-Verfahren eingesetzt. Als ersten Schritt generiert jede Zelle ihren individuellen "Fingerabdruck". Dafür messen die mobilen Endgeräte im gesamten Zellbereich die Empfangsfeldstärke der Nachbarzellen. Dementsprechend besteht der "Fingerabdruck" einer Zelle aus der Liste der Nachbarzellen und Metriken, die die Verteilung der Empfangsfeldstärke der jeweiligen Nachbarzelle abbilden. Als zweiter Schritt wird die inaktive Zelle identifiziert, die am besten geeignet ist, das zunehmende Datenvolumen zu übernehmen. Dafür fordert die überlastete Zelle Endgeräte auf, die Empfangsfeldstärke der aktiven Nachbarzellen zu messen. Diese Messwerte werden mit den Messwerten jedes "Fingerabdrucks" einer inaktiven Nachbarzelle verglichen. Die inaktive Zelle, deren "Fingerabdruck" am besten mit den Messwerten der Endgeräte übereingestimmt, verfügt über die besten Funkbedingungen, um Endgeräte der überlasteten Zelle zu bedienen. Die erzielten Ergebnisse zeigen, dass die Genauigkeit die passende Zelle zu identifizieren, sowohl von der Anzahl aktiver Nachbarzellen als auch von der Anzahl und Art der Metriken abhängt. Abschließend wird das Einsparpotential durch Einsatz von Fingerprinting berechnet. Als Input werden die in den vorangegangenen Simulationsstudien ermittelten Genauigkeiten der Zell-Identifizierung eingesetzt. Das Einsparpotential nähert sich dabei der maximal erzielbaren Stromeinsparung an.