面向未来移动通信的超蜂窝网络架构

提出了一种面向未来移动通信的超蜂窝网络架构设计,其核心技术包括:超蜂窝无线组网技术、接入网虚拟小区技术和云平台支撑技术。超蜂窝无线组网技术的特点是空口控制与业务覆盖的分离,进而演进为对空口资源和流程的重构;接入网虚拟小区技术的特点是处理逻辑与空口覆盖的分离,进而演进为以用户为中心、结合SDN(Software-defined networking,软件定义网络)技术的接入网处理重构;云平台支撑技术的特点是接入网处理与计算资源的分离,进而演进为面向运营、平台化和虚拟化的计算重构。超蜂窝网络架构的设计与大规模天线阵、高频段大带宽通信的新兴物理层传输技术有很好的统一性,并且衍生出了一些新颖的跨层跨域的统一研究方法。

超蜂窝网络的高能效基站部署及其动态控制

在控制覆盖和业务覆盖分离的超蜂窝网络架构下,负责数据传输的业务基站可根据业务量的动态变化灵活休眠或唤醒,或将业务转移到相邻业务基站或上层控制基站,以有效降低网络能耗.而如何优化超蜂窝网络部署,并根据用户服务质量要求和网络业务量变化动态调整业务基站部署密度、休眠方式及无线资源分配,是超蜂窝网络中十分重要且具有挑战性的问题.本文总结了该领域的一系列研究成果:在高能效网络部署方面,面向控制基站和业务基站功能及拓扑结构的差异性采用不同的网络模型进行分析,基于随机几何理论分析给出了业务基站和控制基站的最优部署密度;在高能效基站动态控制方面,提出了基于负载转移的高能效动态基站休眠和频谱资源分配机制,可在保证网络覆盖及用户服务质量的前提下有效降低网络能耗.

超蜂窝网络能效延时理论关系及最优基站休眠控制

超蜂窝架构通过控制覆盖与业务覆盖的适度分离,使得业务基站休眠成为可能,实现按需调节业务覆盖,提升网络能效.但业务基站休眠会对业务延时带来潜在影响.为此,定量分析基站休眠机制对系统能效、业务延时的影响,并权衡二者给出最优休眠机制成为重要的研究课题.本文总结了笔者课题组针对此问题的一系列研究成果:针对业务基站休眠场景,借助休假排队模型给出了系统平均功率与业务延时的闭式表达式,并总结二者存在折中的条件;进一步在给定延时约束下给出能效最优的基站休眠策略,由此得到最优能效延时折中关系,同时分析了探测能耗对能效延时折中关系的影响.同时,在突发业务到达模型下,给出基站休眠机制设计,并将其与功率匹配机制相结合;基于部分可观测的Markov决策过程(partially observable Markov decision process,POMDP),给出突发业务到达下的最优基站休眠策略.

超蜂窝网络分离方案设计与软件定义实现

针对移动通信网络数据业务急速增长带来的频谱资源紧张和系统能耗增加的问题,超蜂窝网络架构通过控制覆盖和业务覆盖的适度分离,引入基站的动态休眠和资源调度,从而大幅度提高网络的频谱效率和能量效率.但如何在不破坏用户终端协议栈的前提下实现蜂窝网络控制覆盖和业务覆盖的分离,是需要解决的问题.本文分析了GSM系统和LTE系统的主要信令流程及协议架构,提出了相应的超蜂窝网络设计方案,核心思路都是通过逻辑信道的划分实现基站功能的分离,进而实现控制覆盖和业务覆盖的分离.借助软件无线电设备,搭建了超蜂窝网络实验平台,对上述分离方案进行了初步的验证.本文还结合云计算技术和软件定义网络技术,设计了软件定义超蜂窝架构,并搭建了相应的云化超蜂窝网络演示平台.

利用信道学习获取超蜂窝网络休眠基站的信道信息

信道信息作为刻画无线信道状态的重要信息,在新一代基于大规模多天线技术的系统中扮演了极其重要的角色.而在超蜂窝架构中,业务基站需要动态休眠以提高系统的能效.当基站休眠时,传统的基于导频的信道信息获取方法无法使用.本文针对这一问题提出了基于机器学习的信道信息获取策略,通过活跃基站多维度的信道信息来推测休眠基站的信道信息.我们以用户选择业务基站为例,利用人工神经网络架构设计了一套具体的信道学习解决方案.与位置辅助信道估计方案不同,该方案采用控制基站侧的信道信息作为输入,避免了用户定位过程中存在的一些问题.通过基于随机地理散射物的信道模型,我们对该方案进行了仿真验证,发现其预测准确率优于K近邻等其他预测算法,性能接近于已知准确用户地理信息的位置辅助估计方案.

超蜂窝网络资源动态调度与优化方法

随着无线数据业务爆炸性增长,无线通信系统日益产生巨大的能耗,已成为全球能源消耗的主要来源之一.为降低无线通信系统能耗,重点探讨超蜂窝架构下,提高网络能效的资源动态调度与优化方法.具体包括两方面:首先建模分析超蜂窝网络分离架构的能效,同时给出基于能效优化的基站自适应休眠策略;之后阐述超蜂窝网络时延与能效的折中关系,并研究能效和时延同时优化的协作策略和资源分配方案.

软件定义超蜂窝网络中的通信与计算协同优化

近年提出的云无线接入网,通过集中化改善了小区为中心无线接入网在成本和灵活性方面的瓶颈.但是,云无线接入网需要通过前传网大范围汇聚带宽极高的前传采样,造成了过高的建设与运营成本.本文针对云无线接入网过度依赖前传通信资源的问题,依据控制与数据分离的思想设计了一种软件定义超蜂窝网络新型架构,并提出了在该架构下通过通信与计算协同的资源部署大幅降低前传汇聚带宽的具体方案.首先基于排队论给出了虚拟基站池中计算资源统计复用增益与池规模的定量关系,并依据统计复用增益边际效应迅速递减的性质得到了部署中等规模基站池更经济的指导方针.然后基于图聚类框架针对基带处理功能分割部署问题给出了一种遗传算法,该算法给出的分割方案可以根据设计偏好在前传带宽成本与计算代价间进行灵活折衷.

超密集小蜂窝网络移动性技术分析

蜂窝网络中移动性管理的目的是根据用户的位置查找、识别和跟踪用户,以向他们提供蜂窝服务。GSM和UMTS网络的主要功能是为其用户提供高质量的蜂窝服务。这意味着如果用户在靠近移动终端或在丘陵地区使用他们的设备,则这些设备都必须被GSM蜂窝网络覆盖。通信的稳定性、可靠性都是蜂窝网络中移动性管理的最终目标。文章讨论了5G超密集小蜂窝网络两种类型的移动性技术、位置管理和切换。

超密集蜂窝网络智能干扰协调算法

提出了一种面向超密集蜂窝网智能干扰协调的动态功率控制算法。从网络动态决策的角度出发,在动态干扰环境下,将超密集蜂窝网络中的小基站发送功率的动态调整问题建模为一个马尔科夫决策过程。在此基础上,设计了一种基于Actor-Critic(AC)方法的小基站功率智能控制算法,并通过仿真实验验证了所提算法的性能。仿真结果显示,与传统的干扰协调算法相比,所提出的智能功率控制算法能有效降低网络中基站间的干扰,提升网络传输性能。

新一代超密集异构蜂窝无线网络研究

近年来,随着移动互联网的蓬勃发展和智能终端的快速普及,对无缝网络覆盖和高速数据传输要求日趋增强,超密集异构蜂窝无线网络通过减小小区半径,增加低功率节点数量进行超密集组网,提高无线资源利用率和频谱效率,因而引起了国内外研究学者的广泛关注。然而,超密集异构蜂窝无线网络中愈发密集的网络部署也带来了各种严峻的问题,包括超密集异构蜂窝无线网络中的系统干扰问题、无线信息的安全传输问题、以及网络运营的能量供给问题等。为此,本文首先简单介绍了超密集异构蜂窝无线网络架构,接着从干扰管理、物理层安全和能量效率等方面,深入分析了超密集异构蜂窝无线网络中的关键技术和当前挑战,最后,进一步展望了超密集异构蜂窝无线网络的未来发展。

能效与资源优化的超蜂窝移动通信系统基础研究

移动通信网的发展正面临以受限的频谱与能量大幅度提高网络容量的严峻挑战,需要从系统和网络的角度探索频谱与能量的高效利用机理与方法。提出一种全新的超蜂窝体系架构,将网络中的控制信令与业务数据传输在覆盖上进行适度分离,实现资源与业务的弹性匹配,联合优化频谱和能量效率,满足未来移动通信网大容量和低能耗的双重需求。分别介绍了超蜂窝体系架构下的网络能效理论、高能效的传输与网络协作、业务建模与高能效服务,最后给出了超蜂窝系统的演示验证平台。

基于平均场博弈的超密集5G小蜂窝网络下行功率管理

研究了一个拥有大量小型基站(Small Base Stations,SBSs)和用户设备(User Equipments,UEs)的超密集5G小蜂窝网络(Ultra-Dense 5G Small Cellular Networks,UDN)的下行通信系统,并考虑了功率控制策略和队列状态信息(Queue State Information,QSI)的影响,研究了SBSs与其服务用户之间数据成功传输的概率和SBSs传输能量消耗问题。考虑SBSs之间的交互关系,将该问题建模为一个动态随机博弈(Dynamic Stochastic Game,DSG)。通过利用SBSs的超密集特性,DSG被进一步近似为平均场博弈(Mean Filed Game,MFG)。然后基于Lax-Friedrichs方案和拉格朗日松弛法开发有限差分方法来求解相应的MFG。在数据传输之前,通过所求解,每个小型基站可以独立地优化其控制策略从而最小化成本,而无需与其他SBS进行任何信息交换。仿真结果表明:所提出的控制策略能有效地提高数据传输成功的概率并减小相应成本。

动态超密集网络中的Markov预测切换

针对超密集蜂窝网络中大规模机器类通信所涉及的通信与计算问题,提出了一种基于Markov预测的切换方案。首先考虑半结构化的中心控制的异构网络设计,该设计中含有密集部署的虚拟节点,以实现低成本和高效率的覆盖。该网络可以根据用户的移动性及网络通信量动态调整接入点。其次构建Markov模型,引入负载感知思想,通过权衡信号质量与小区负载,有效地预测用户的下一个最优接入点。仿真实验结果证明了该方案用于小区切换预测的可行性与有效性。

超密集异构蜂窝网多维资源联合优化算法

作为5G的关键技术,超密集组网(UDN)可以大幅度提高网络容量和用户体验,但其性能严重受限于小区间干扰。针对超密集异构蜂窝网络的无线资源高效管理问题,提出了一种多维无线资源联合分配算法。为了在保障用户服务质量的前提下,最大化系统能效,将时频资源与功率资源的最优分配问题建模为有约束的组合优化问题。由于这是一个NP-hard问题,求解比较困难。因此,采用分步优化+迭代搜索策略:首先基于模拟退火算法进行时频资源优化分配,并引入粒子删减和回火升温过程以提高搜索速度和避免落入局部最优陷阱;然后采用拉格朗日乘子法进行功率最优分配;最后,通过多次迭代,逼近全局最优解。仿真结果表明,提出的联合资源分配算法能够保障用户间的公平性并且有效提高系统能效与网络吞吐量,同时具有更快的收敛速度和更高的收敛精确度。

面向“双碳”战略的绿色通信与网络:挑战与对策

面向国家"碳达峰"与"碳中和"的"双碳"战略需求,移动通信与网络需要在满足不断增长的业务需求前提下大幅度降低全网能耗,因此需要研究使用更少的能量传递更多信息(SMILE, send more information bits with less energy)的理论与技术。为了应对该挑战,仅靠无线传输技术的改进和硬件实现水平的提高是远远不够的,需要从系统和网络的角度探索能量的高效利用机理与方法。从能量的"节流"和"开源"2个维度展开,并针对日益增长的计算能耗给出解决方案。具体地,通过引入超蜂窝网络架构实现网络的柔性覆盖与弹性接入,使业务基站和边缘服务器在业务量较低时可以进入休眠状态,减少能量的浪费(即"节流")。同时,大量引入可再生绿色能源(即"开源"),通过能量流与信息流的智能适配,大幅降低电网的能耗。进一步地,通过网络功能虚拟化、通信与计算资源的高能效协同,以及移动智能体的分布式计算与协同等手段,实现绿色计算与人工智能算法。

宏基站和微基站群之间的预测性信道调度算法

针对5G超蜂窝网络的宏基站和微基站群之间的非实时业务传输,提出了一种新型预测性信道调度算法。首先,利用静止通信体之间无线信道的随机平稳过程特征,从古典概率论的角度为调度过程建立了一个离散信道状态概率空间并对其进行事件域分割;然后,通过各事件域的概率数值计算实现对多用户多非实时业务的高效调度。理论分析和仿真结果表明,所提算法计算复杂度低,和其他一些经典调度算法相比,所提算法可在更长时间维度上进行业务优化传输,在吞吐量性能上逼近最大信噪比算法,重负荷情况下系统吞吐量提升了约14%;同时通过精确量化计算实现了业务期望速率和实际调度速率的自适应匹配。

一种人与人和机器到机器共存下能效最大化的上行用户分配算法

针对5G超密集异构蜂窝网络中人与人(H2H)和机器到机器(M2M)共存场景下有服务质量(QoS)保障和负载均衡的上行用户分配问题,该文提出一种基于匹配理论的用户分配算法。该算法在用户分配过程中同时考虑不同类型节点的接入控制策略,在最大化网络能效的同时,实现节点QoS保障。仿真结果表明,与其他算法相比,该算法不仅能够在能效、负载均衡以及QoS保障方面获得更好的性能,并且能获得与穷举法相近的性能。此外,所提算法的收敛速度很快且不受节点和基站数目变化的影响,适合解决H2H和M2M共存场景中的用户分配问题。