面向5G的分层异构融合网络资源管理研究

发布时间：2020-05-28 07:52

【摘要】：随着移动互联网、物联网等新技术的迅猛发展,全球移动数据流量呈几何速率爆炸式增长,且空-时域分布极不均匀,超高清视频、虚拟现实等服务质量(Quality of Service,QoS)需求多样化的新兴业务呈井喷式涌现,不断挑战无线网络的容量极限。网络为了承载海量数据,不断增加基站数量和类型,密集化组网提升容量。同时,为了满足非均匀、多样化业务需求,在宏基站覆盖范围内进一步分层部署小小区基站、Wi-Fi等低功率异构无线接入点,形成重叠覆盖、高密度的分层异构网络,引入多制式无线接入网融合,通过资源共享和动态分配提高利用率,适配用户需求。然而,密集化组网导致小区覆盖面积更小,小区间干扰更加复杂且强度大,从而限制网络容量提升。另一方面,传统分层异构网络组网模式简单,层间垂直独立,松耦合共存方式缺乏有效的协调互通机制,造成系统间干扰严重,资源利用率低,无法保证端到端无缝QoS需求,用户业务体验差。这些对第五代移动通信系统(The Fifth Generation mobile communication system,5G)网络组网带来了巨大挑战。本文围绕以下三方面挑战开展面向5G的分层异构融合网络资源管理研究:(1)密集组网引入复杂动态干扰严重制约网络容量的持续提升,实际部署缺乏理论指导;(2)异构多网静态叠加、垂直独立的现状严重制约无线资源的高效利用;(3)现有网络追求高速率宽带通信,难以支撑大规模设备的差异化QoS需求。本文主要的研究工作和创新点总结如下:(1)在工作于授权频谱的超密集网络(Ultra Dense Network,UDN)中,由于基站密度大,基站业务负载极不均衡,业务引入的干扰随机性加剧,这使得传统无线容量分析因较少考虑随机业务干扰和业务QoS难以精确刻画UDN网络性能。本文突破此现状,通过构建密集网络的随机干扰模型,求解多重积分下的干扰分布,推导出基于随机干扰的超密集网络有效容量,揭示了容量与带宽、基站密度、业务QoS之间的尺度规律。又进一步基于所得出的有效容量,构建业务不饱和度的非合作博弈模型,提出了一种流量控制算法来最大化UDN保证业务QoS需求下的总平均到达速率。仿真结果还表明所提出的算法相对于饱和业务发送方案相比,实现了33%的容量提升。(2)在工作于未授权频谱的UDN中,由于未授权频谱采用随机竞争接入机制,密集化部署导致未授权频谱接入冲突问题更加严重,无法保证用户QoS。本文将授权频谱辅助接入(Licensed-Assisted Access,LAA)网络的无线接入过程建模为四状态半马尔可夫模型,推导出基于随机接入的超密集分布式网络有效容量,给出未授权频谱保障QoS需求下网络容量极限。基于所得出的有效容量,提出两种不同的功率控制算法分别最大化在保障用户QoS需求下的有效容量和有效能效。最后采用数值和蒙特卡洛仿真验证所提理论的准确性,给出了超密集分布式网络的容量-时延域。仿真结果表明所提出的算法与现有经典方案在有效容量和有效能效方面分别提高了62.7%和171.4%。(3)在异构融合网络中不同制式的无线接入网络在工作参数、传输能力、组网模式、保障QoS需求的能力等存在很大差异,例如工作于授权频段的长期演进技术(Long Term Evolution,LTE)网络和工作于非授权频段的Wi-Fi和LAA站点,高发射功率的宏基站和低发射功率的小小区基站等。如何统一量化多种接入网络异构资源的容量和保证QoS能力是当前5G组网研究中待解决的难题。本文首先针对LTE与Wi-Fi聚合(LTE and Wi-Fi Aggregation,LWA)网络,提出一种基于有效容量的理论框架,将数据流分流、QoS解耦,并映射到不同空口中,从而满足用户端到端QoS需求。进一步提出了一种基于块坐标下降(Block Coordinated Descent,BCD)和凸差规划的多频谱资源分配算法。仿真结果表明,相对于序列决策方案和静态映射方案,所提出的算法在保证用户QoS需求下,分别节省了 16.89%和30.2%的授权频谱带宽。针对LAA系统,提出一种基于李雅普洛夫优化的自适应频谱接入和功率分配算法,在保证队列稳定性约束下,最小化异构融合系统平均功耗。理论分析和仿真结果表明,调节控制参数V可以在功耗和延迟之间达到[(?)(1/V),(?)(v)]的折衷关系。所提出的算法在同等的时延保证下可减少73.3%的能耗。(4)在传统蜂窝网络中,随机接入过程与数据传输过程相对独立,难以支撑大规模接入需求与差异化的QoS需求。针对该难题,本文构建了基于优先级队列的接入等级控制(Access Class Barring,ACB)模型,提出了一种混合的随机接入和数据传输协议来保证不同业务类型的端到端QoS。在考虑随机接入和短包传输的情况下,推导出该协议下大规模机器通信(Massive Machine Type Communications,mMTC)的有效容量。利用所提出的有效容量,将接入策略建模为非合作博弈模型,分别设计了分布式算法与动态价值算法来最大化网络效用。仿真显示所提出的分布式算法相比于设备全激活方案,网络总的有效容量提升一倍;所提出的动态价值算法相比于分布式算法,网络总的有效容量提升了 35.5%。
【图文】：

基站,小区,队列,模型示例

２．２基于随机干扰的超密集网络模型逡逑考虑一个超密集网络的下行链路，包含多个小小区基站及其服务的用户，如逡逑图２－１所示。令NB邋＝邋ｆｌ，．．．，７Ｖ丨表示小小区基站集合。由于本章重点在超密集网络的逡逑性能分析，因此假设小小区基站和用户之间的关联关系己经确定，且所有小小区基站逡逑工作在相同的信道中，因此每个小小区基站在该信道上只能服务一个相关联的用户。逡逑每个小小区基站均有一个先入先出（Ｆｉｒｓｔ邋Ｉｎｐｕｔ邋Ｆｉｒｓｔ邋Ｏｕｔｐｕｔ，邋ＦＩＦＯ）队列用于缓冲逡逑用户请求业务的数据包。业务数据包随机到达队列。假设队列足够长，因此队列既逡逑不会溢出，也不会造成数据包丢失。如果小小区基站的队列为空，且小小区基站并逡逑没有新到达的数据包，则小小区基站处于静默状态。处于静默状态的小小区基站不逡逑会干扰其他基站发送数据。令尸？表示第ｎ个小小区基站的静默概率

基站,小区,队列,概率

用户的欧式距离。每个数据点均为２０００次独立运行的平均值。每次独立运行时间为逡逑１０００００个时隙。逡逑图２－２采用蒙特卡洛仿真验证了在两个小小区基站情况下所提模型和理论的准确逡逑性，与饱和业务假设下全干扰模型相比，该理论更能精确地刻画网络容量，其中两逡逑个基站和相对应得用户之间的信道状况为０＝丨１０，１；２，，２０］邋ｄＢ。全干扰模型意味着第逡逑ｎ个小小区基站的干扰为除第ｎ个小小区基站之外的所有基站带来的干扰。队列ＱｏＳ逡逑违反概率的分析结果可以通过公式（２－９），邋（２－１５），邋（２－１６）和（２－３０）获得。随着业务流逡逑量增加，队列ＱｏＳ违反概率也会增加。可以看到，分析结果与蒙特卡洛仿真结果一逡逑致。同时，蒙特卡洛仿真结果与全干扰模型之间存在较大差异，这表明每个小小区逡逑基站业务随机到达产生的随机干扰会对有效容量和ＱｏＳ保证（即队列长度或时延保逡逑证）产生强烈影响。逡逑图２－３采用蒙特卡洛仿真验证了在ｉＶ个小小区基站情况下所提模型和理论的准确逡逑性。队列ＱｏＳ违反概率的分析结果可以通过（２－９），（２－２９）和（２－３０）获得。可以看到逡逑分析结果与蒙特卡洛仿真结果一致，且与全干扰模型之间也存在较大差异。随着小逡逑小区基站密度增加
【学位授予单位】：北京邮电大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TN929.5

【相似文献】