智能反射面辅助OFDMA云接入网的资源分配方法

本文研究了智能反射面(IRS)辅助OFDMA(Orthogonal Frequency Division Multiple Access,正交频分多址接入)云无线接入网(C-RAN)的下行链路传输系统,其中基带处理单元(BBU)池通过多个远端射频头(RRH)与多个用户进行通信.RRH到用户的接入链路采用OFDMA接入技术.对于BBU池到RRH,采用无线前传链路,并且部署多个IRS以增强链路传输能力.在BBU池和每个RRH发射功率约束下,本文提出通过联合优化前传链路和接入链路资源配置使下行用户和速率最大化.由于该资源配置问题是非凸的,首先采用连续凸逼近(SCA)对目标以及约束条件进行转换.其次,将转换后的问题拆分成三个子问题来交替性求解.最后,计算机仿真结果显示了所提出的联合资源分配方法与其他基准方案相比具有显著的传输性能增益.

基于云接入网络的多目标资源分配算法设计

由于可以有效地提高频谱效率,能量效率与前程效率,云接入网络(C-RAN)被认为是未来第五代无线网络中的重要组成部分。不同于传统蜂窝网络,在云接入网络中,基带处理单元(BBU)被从基站分离,并聚合成一个中央计算云。无论如何,这些优化目标(频谱效率,能量效率,前程效率)在大多数情况下相互冲突,并且单个目标性能提升通常会导致其他目标性能的下降。据作者所知,在云接入网络中的多目标优化(MOO)问题,仍未被考虑过。在本文中,我们针对基于正交频分多址(OFDMA)的云接入网络,设计对应的联合优化算法以解决多目标优化问题。仿真结果显示,比起仅考虑单目标优化,本文提出的算法可以有效的解决不同优化目标之间的权衡,并且为云接入网络的资源分配提供一个新的方向。

带缓存的云接入网络中最小化传输时延设计

为了更好适应下一代通信网络以内容为中心的特性,在云接入网络(Cloud Radio Access Network,Cloud-RAN)中考虑射频拉远头(Remote Radio Heads,RRHs)具备缓存功能也变得必要。本文考虑在Cloud-RAN中设计优化算法,并通过有效设计缓存方案减少系统传输时延。基于混合式自动重传请求(hybrid automatic repeat request, HARQ)的重传机制,前程链路与下行链路频谱信道的正交性,系统采用马尔可夫链理论建立了最小化系统传输时延的优化问题。考虑只能通过递归方式得到优化目标函数表达式,头脑风暴优化(brain storm optimization, BSO)算法被引入解决非凸问题,仿真结果表明,该优化算法可以更有效地减少系统传输时延,满足未来通信需求。

基于带缓存的云接入网络最优能效设计

在云接入网络(Cloud-RAN)中,现有工作大多假定射频拉远头(RRH)不具备缓存功能。然而下一代通信网络具有以内容为中心的特性,因此在Cloud-RAN中考虑带缓存的RRHs也变得有必要。该文考虑在Cloud-RAN中有效设计缓存方案,并通过资源分配有效减轻前程链路负担。假设系统采用正交频分多址接入(OFDMA)技术,通过联合优化子载波(SC)分配,RRH选择与传输功率,最小化系统下行总功耗,并通过拉格朗日对偶分解转化非凸问题,获得最优分配方案。仿真结果表明,比起其它缓存方案,该文提出的优化算法可以有效地提升系统能效,满足未来通信需求。

云接入网络中基于能效的资源分配算法设计

为了提升云接入网络中用户端能量效率,采用前程容量约束,提出了一种联合资源分配算法.在正交频分多址接入的基础上,单用户上行传输场景中采用分数规划转化非凸问题,并引入拉格朗日对偶方法设计迭代算法;多用户上行传输场景中采用改进粒子群算法解决更复杂的非凸问题,避免单用户方案直接沿用带来的低效.通过有效的算法设计,在用户发射功率与前程容量约束下,使用户上行传输功率与射频拉远端头前程容量得到联合优化,用户端能量效率实现最大化.实验结果表明,所提算法可以有效提升云接入网络中用户端能量效率,进而降低系统功耗,符合未来绿色通信的要求.

云接入网络中基于容量最大化的射频拉远头选择算法设计

不同于传统的LTE-Advanced网络,云接入网络(C-RAN)通过前程链路将复杂数据处理从射频拉远头(RRH)转移至基带单元池(BBU Pool)。然而,由于C-RAN前程链路容量有限,系统总吞吐量并不一定能显著提升。在本文中,我们通过优化RRHs选择实现吞吐量的最大化。更准确地说,本文在前程容量约束条件下设计了一种选择活动RRHs集的优化算法,以实现系统容量的最大化。此外,本文分别推导了低信噪比(Low SNR)与高信噪比(High SNR)下,选择RRHs数目的渐进最优的闭合表达式。仿真结果表明,比起其他方案,本文所提出的RRH选择方案能够在有限的前程容量限制与任意给定RRHs数量下,有效实现吞吐量的提升。

云接入网中无速率编码上行传输方案

本文考虑云接入网(C-RAN)中基于无速率编码(Rateless code)的单用户上行传输系统。系统是由单用户,多个射频拉远头(RRH)以及基带处理单元(BBU)池组成。用户将要发送的信息采用无速率码进行编码并经过调制后发送;覆盖该用户的各个RRH将收到的信号进行量化后通过高速链路传输给BBU池; BBU池将收到的量化信号利用置信传播(BP)算法进行联合解压缩以及译码。为了进一步提升系统性能,本文利用外信息传递(EXIT)分析对用户无速率码度数分布进行了优化。仿真结果表明,经过度数分布优化的无速率码相较于删除信道最优度数分布在误码率(BER)和吞吐量上均有所提升,且接近理论上限。

高铁场景下基于缓存的无线云接入预下载机制研究

云接入网(Cloud Radio Access Network,C-RAN)中有限带宽的前程链路无法有效应对高铁场景下乘客大量集中式的网络资源请求.针对这一不足,本文对C-RAN架构中的射频拉远头(Remote Radio Head,RRH)配置缓存设备使其具有存储转发资源的功能,利用列车运行信息可预知的先验条件,针对乘客数据通信提出基于缓存机制的预下载方案以提升网络系统的吞吐量.仿真结果表明,在前程链路拥挤情况下,基于缓存的预下载方案可明显提升资源的平均传输速率和高铁通信网络的吞吐量,进而提升了乘客的在途通信服务质量(Quality of Service,QoS).

电信运营商的多云接入网络架构及其技术实现

本文分析了当前云接入存在的缺点,探讨了基于数据中心互联和软件定义网络技术的运营商多云一线接入技术方案以及实现方式.通过本文的研究,以期为运营商的云网融合发展提供相关技术参考.

一种基于5G云接入网络架构下的能耗获取方法

本文给出一种5G云接入网架构下能耗"读取/获取"的具体方式,通过"采集—存储—读取—计算"几个步骤,新增采集装置、计算装置及数据库几个功能单元,解决了按照预设时间周期,对目标网络子单元进行灵活的能耗读取和获取问题,能够按需、灵活输出云接入无线接入网各子单元的能耗数据。能够配合现有技术,实现CU和DU网络子单元的能效评估。

面向5G的云接入网组网技术及资源管理方法研究

随着移动通信系统的不断更新,5G网络的接入由于对4G的需求不断增加,对4G的突出问题比目前更加关注。用户的高数据量和快速到达时间已经超过了低成本。设备的大规模连通性和用户体验的质量是系统的目标。大量的基站会导致大量的功耗。资本支出/运营支出网络逐年增加,这种情况下接入网面临着低成本、低容量传输的问题。

面向云无线接入网的通信感知一体化:应用和挑战

通信感知一体化作为6G的关键技术之一,与云无线接入网的结合是目前的研究热点。首先对通信感知一体化技术和云无线接入网进行了简要介绍,进而从网络架构、信号设计、网络协议设计三方面对面向云无线接入网的通信感知一体化技术进行了深入探讨和总结分析,最后对该技术的挑战进行了阐述。

基于深度强化学习的异构云无线接入网自适应无线资源分配算法

为了满足无线数据流量大幅增长的需求,异构云无线接入网(H-CRAN)的资源优化仍然是亟待解决的重要问题。该文在H-CRAN下行链路场景下,提出一种基于深度强化学习(DRL)的无线资源分配算法。首先,该算法以队列稳定为约束,联合优化拥塞控制、用户关联、子载波分配和功率分配,并建立网络总吞吐量最大化的随机优化模型。其次,考虑到调度问题的复杂性,DRL算法利用神经网络作为非线性近似函数,高效地解决维度灾问题。最后,针对无线网络环境的复杂性和动态多变性,引入迁移学习(TL)算法,利用TL的小样本学习特性,使得DRL算法在少量样本的情况下也能获得最优的资源分配策略。此外,TL通过迁移DRL模型的权重参数,进一步地加快了DRL算法的收敛速度。仿真结果表明,该文所提算法可以有效地增加网络吞吐量,提高网络的稳定性。

虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法

针对现有研究中缺乏云无线接入网络(C-RAN)场景下对网络切片高效的动态资源分配方案的问题,该文提出一种虚拟化C-RAN网络下的网络切片虚拟资源分配算法。首先基于受限马尔可夫决策过程(CMDP)理论建立了一个虚拟化C-RAN场景下的随机优化模型,该模型以最大化平均切片和速率为目标,同时受限于各切片平均时延约束以及网络平均回传链路带宽消耗约束。其次,为了克服CMDP优化问题中难以准确掌握系统状态转移概率的问题,引入决策后状态(PDS)的概念,将其作为一种"中间状态"描述系统在已知动态发生后,但在未知动态发生前所处的状态,其包含了所有与系统状态转移有关的已知信息。最后,提出一种基于在线学习的网络切片虚拟资源分配算法,其在每个离散的资源调度时隙内会根据当前系统状态为每个网络切片分配合适的资源块数量以及缓存资源。仿真结果表明,该算法能有效地满足各切片的服务质量(QoS)需求,降低网络回传链路带宽消耗的压力并同时提升系统吞吐量。

时分波分无源光网络与云无线接入网联合架构中负载平衡的用户关联与资源分配策略

在时分波分无源光网络(TWDM-PON)与云无线接入网(C-RAN)的联合架构中,由于无线域的负载不均衡问题,限制了网络整体的传输效率。为了充分利用TWDM-PON与C-RAN联合架构的网络资源,并保证用户的服务质量(QoS),该文提出一种负载平衡的用户关联与资源分配算法(LBUARA)。首先根据不同用户的服务质量需求以及分布式无线射频头端(RRH)的负载对用户的影响,构建用户收益函数。进而,在保证用户服务质量的前提下,根据网络状态建立随机博弈模型,并基于多智能体Q学习提出负载均衡的用户关联和资源分配算法,从而获得最优的用户关联与资源分配方案。仿真结果表明,所提的用户关联和资源分配策略能够实现网络的负载均衡,保证用户的服务质量,并提高网络吞吐量。

异构云无线接入网下基于功率域NOMA的能效优化算法

针对异构云无线接入网络的频谱效率和能效问题,该文提出一种基于功率域-非正交多址接入(PDNOMA)的能效优化算法。首先,该算法以队列稳定和前传链路容量为约束,联合优化用户关联、功率分配和资源块分配,并建立网络能效和用户公平的联合优化模型;其次,由于系统的状态空间和动作空间都是高维且具有连续性,研究问题为连续域的NP-hard问题,进而引入置信域策略优化(TRPO)算法,高效地解决连续域问题;最后,针对TRPO算法的标准解法产生的计算量较为庞大,采用近端策略优化(PPO)算法进行优化求解,PPO算法既保证了TRPO算法的可靠性,又有效地降低TRPO的计算复杂度。仿真结果表明,该文所提算法在保证用户公平性约束下,进一步提高了网络能效性能。

异构云无线接入网架构下面向混合能源供应的动态资源分配及能源管理算法

针对面向混合能源供应的5G异构云无线接入网(H-CRANs)网络架构下的动态资源分配和能源管理问题,该文提出一种基于深度强化学习的动态网络资源分配及能源管理算法。首先,由于可再生能源到达的波动性及用户数据业务到达的随机性,同时考虑到系统的稳定性、能源的可持续性以及用户的服务质量(QoS)需求,将H-CRANs网络下的资源分配以及能源管理问题建立为一个以最大化服务提供商平均净收益为目标的受限无穷时间马尔科夫决策过程(CMDP)。然后,使用拉格朗日乘子法将所提CMDP问题转换为一个非受限的马尔科夫决策过程(MDP)问题。最后,因为行为空间与状态空间都是连续值集合,因此该文利用深度强化学习解决上述MDP问题。仿真结果表明,该文所提算法可有效保证用户QoS及能量可持续性的同时,提升了服务提供商的平均净收益,降低了能耗。

能耗和时延感知的虚拟化云无线接入网络资源分配机制

针对现有虚拟化云无线接入网络(C-RAN)资源利用率低、能耗高、用户服务质量无法得到保证等问题,该文提出一种能耗和时延感知的虚拟化资源分配机制。根据虚拟化C-RAN的网络特点及业务流量特征,考虑资源约束和比例公平,建立能耗和时延优化模型。进而,利用启发式算法为不同类型虚拟C-RAN和用户虚拟基站分配资源,完成资源的全局优化配置。仿真结果表明,所提资源分配机制在提高网络资源利用率的同时,不但使能耗节省了62.99%,还使时延降低了32.32%。

异构云无线接入网络:原理、架构、技术和挑战

为了缓解密集异构无线网络节点间严重的干扰,提高节点间分布式协作处理增益,同时解决云无线接入网络控制信息传输复杂、无法和已有移动通信网络融合等问题,提出了异构云无线接入网络(H-CRAN)作为5G移动通信系统的接入网解决方案。所提H-CRAN的核心是将云无线接入网络与密集异构无线网络融合,将控制平面功能从云无线接入网络中抽离,通过已存的异构大功率节点实现控制平面功能和全网的无线覆盖,利用无线射频单元实现热点区域海量业务的大容量传输。介绍了H-CRAN的系统架构、关键技术组织和研究技术挑战等。

云无线接入网络的下行链路能效的优化

在下行云接入网络(C-RANs)中,核心网络内基站处理单元(BBU)通过前向回传线路向远端无线电头端(RRH)传输数据,然后RRHs通过无线接入链路转发数据。目前,C-RANs的下行链路的能效是C-RANs的研究热点。为此,对C-RANs下行链路能效进行研究,其目的在于最大下行链路的能效。通过对联合用户分配(UA)、RRH激活、数据率分配和信号预编码约束,建立能效最大化表述式,再利用基于逐次凸二次规划的迭代算法求解混合整数非线性问题。仿真结果表明,提出的联合优化设计提高了C-RANs的能效。