当前位置:主页 > 科技论文 > 信息工程论文 >

雾无线接入网络的计算与通信协同技术研究

发布时间:2020-06-22 20:31
【摘要】:雾无线接入网(F-RAN,Fog Radio Access Network)是一种具有集中式管理和分布式计算能力的新型接入网络,具有协作无线通信和计算资源虚拟化的特点,可满足大容量、低时延、高能效的性能需求,已成为第五代移动通信网络(5G,Fifth Generation Mobile Network)及后5G的重要组成形式。F-RAN由三个关键部分组成:无线云中心、雾节点和传输网络。其中,无线云中心(主要由通用处理器构成)负责对网络全局信息的收集和管理,促使雾节点间的协作多点通信以及全网的资源(如通信、计算等)协同;雾节点(如由通用处理器和远端无线射频头组合而成的组件)则具有边缘计算能力和无线通信能力,负责快速高效的计算和通信响应;而传输网络则连接了无线云中心和雾节点。在F-RAN这种新型网络结构下,通过合理的资源虚拟化和分配,可以提高网络通信资源(包括无线资源和传输网络资源)和计算资源的利用率,降低网络的系统能耗,并为各种新兴业务提供服务质量保障。在F-RAN中,一方面雾节点间的协作多点通信可以改善链路可靠性,为数据密集型业务提供大容量的数据传输服务;另一方面无线云中心和雾节点间的分布式计算能够实现服务边缘化,为计算饥饿型业务提供低时延的应用级处理服务。因此,要想在降低系统能耗的同时保障多元化新兴业务的服务质量成为F-RAN必须解决的难题。其具体包括:1)移动业务服务过程中的处理与通信过程存在不同的依托关系。例如,数据密集型业务主要在于数据的分组传输,其处理过程服务于通信过程。而计算饥饿型业务主要在于应用级数据处理,其通信过程服务于处理过程。那么,通过虚拟化技术,应如何配置无线云中心和雾节点处的计算功能来支撑不同特性的移动业务?2)移动业务具有差异化的服务质量需求。例如,时延容忍的数据密集型业务需要保障的平均分组时延、时延敏感的数据密集型业务需要保障的传输速率而时延敏感的计算饥饿型业务需要保障的应用执行时延。那么,应如何建立能够刻画业务服务质量的计算与通信资源转换模型,并在此基础上,灵活配置网络资源,以在保障业务服务质量的同时有效降低系统能耗?鉴于此,本文旨在研究F-RAN在不同移动业务场景下所面临的计算与通信协同问题。具体研究内容如下:1.针对时延容忍的数据密集型业务,提出了基于虚拟机最小权重匹配和雾节点混合成簇的绿色计算与通信协同方法,在保障用户平均分组时延的同时,实现了系统功耗最小化。本文首先通过虚拟化技术,在F-RAN无线云中心和雾节点里协同部署用户级和小区级通信处理功能,即形成虚拟机来完成数据分组传输过程中的不同处理功能需求,以在减缓传输网络负担的同时实现雾节点间的协作多点通信;然后,采用串型队列排队模型来刻画无线云中心的用户级通信处理过程和雾节点的小区级通信处理过程及无线传输过程,并以数据分组的平均时延为基础,建立了F-RAN中计算与通信资源的转换模型;最后,结合虚拟机分配和雾节点成簇方法,灵活配置网络中的计算和通信资源,从而在保障用户平均分组时延的条件下最小化了系统功耗。仿真结果表明,所提出的方法能够权衡此消彼长的计算和通信功耗,从而有效降低系统功耗。2.针对时延敏感的数据密集型业务,提出了基于迭代类注水计算量分布算法和雾节点波束赋形的绿色计算和通信协同方法,在保障用户信干噪比(SINR,Signal-to-Interference-plus-Noise-Ratio)的同时,实现了系统功耗最小化。本文首先通过虚拟化技术,在F-RAN无线云中心和雾节点里形成虚拟机来分别完成数据分组传输过程中的用户级和小区级通信处理功能需求,以在减缓传输网络负担的同时实现雾节点间的协作多点通信;然后,通过Intel公司拟合的计算量-传输天线数-比特效率函数关系,并以用户的SINR为基础,建立了F-RAN中计算与通信资源的转换模型;最后,结合虚拟机放置和雾节点波束赋形方法,灵活配置网络中的计算和通信资源,从而在保障用户SINR的条件下最小化了系统功耗。仿真结果表明,所提出的方法能够有效降低所需激活的处理器数目,实现系统功率节省。3.针对时延敏感的计算饥饿型业务,提出了基于迭代调整虚拟机频率和无线传输功率的绿色计算与通信协同方法,在保障用户应用执行时延的同时,实现了系统能耗最小化。本文首先通过虚拟化技术,在F-RAN无线云中心和雾节点里均形成虚拟机来完成数据应用级处理过程中的数据通信处理和应用级处理功能需求,以实现无线云中心和雾节点间的并行计算,同时减轻传输网络负担;然后,根据计算饥饿型业务数据传输量和计算量已知的特点,并以用户的应用执行时延为基础,将计算和通信资源转换到统一的时间维度建立二者间的转换模型;最后,结合虚拟机频率调整和无线传输功率分配方法,灵活配置网络中的计算和通信资源,从而在保障用户应用执行时延的条件下最小化了系统能耗。仿真结果表明,所提出的方法不仅能改善最小可支持的应用执行时延,还能在满足应用执行时延需求时有效降低系统能耗。
【学位授予单位】:西安电子科技大学
【学位级别】:博士
【学位授予年份】:2019
【分类号】:TN92

【相似文献】

相关期刊论文 前10条

1 董薇;;数据密集型科研范式下馆员数据素养能力培养路径分析[J];数字图书馆论坛;2017年11期

2 黄鑫;邓仲华;;数据密集型科学交流研究与发展趋势[J];数字图书馆论坛;2016年05期

3 李亢;刘东;;面向海量数据处理的数据密集型计算发展研究[J];四川兵工学报;2015年07期

4 张凯勇;;数据密集型科学环境下的高校图书馆科学数据服务[J];图书馆学研究;2014年03期

5 刘艳红;罗健;;数据密集型科学环境下的情报服务与发展[J];图书与情报;2013年06期

6 宫学庆;金澈清;王晓玲;张蓉;周傲英;;数据密集型科学与工程:需求和挑战[J];计算机学报;2012年08期

7 刘艳红;;数据密集型科研环境下的高校图书馆发展与思考[J];图书与情报;2014年06期

8 邓仲华;王鹏;李立睿;;面向数据密集型科学研究的数据资源云平台构建[J];图书馆学研究;2015年10期

9 张婧婧;封晨;;多学科视域下教育密集型研究的机遇与挑战——基于美国《数据密集型教育研究》的解读[J];复旦教育论坛;2017年05期

10 姚啸华;;数据密集型科研环境下二次文献服务发展与思考[J];图书馆研究;2016年03期

相关会议论文 前3条

1 郑湃;崔立真;王海洋;徐猛;;云计算环境下面向数据密集型应用的数据布局策略与方法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

2 石京燕;臧冬松;程耀东;;高能物理海量数据迁移系统的设计与实现[A];第十五届全国核电子学与核探测技术学术年会论文集[C];2010年

3 张盛;张明华;刘雅杰;;云平台SaaS模式下位场数据处理软件设计与实现[A];2017中国地球科学联合学术年会论文集(四十二)——专题81:应用地球物理学前沿、专题82:工程结构性态化设计与地震韧性、专题83:地球重力场及其地学应用[C];2017年

相关重要报纸文章 前10条

1 记者 祝魏玮;数据密集型科学与发现学术会议举行[N];科学时报;2011年

2 刘润生;一种新的范式:数据密集型科学[N];学习时报;2013年

3 祁金华;安腾联盟推动解决方案创新[N];网络世界;2007年

4 记者 周源;大数据、百亿亿次计算成热点[N];网络世界;2012年

5 倪思洁;技管结合系好大数据“安全带”[N];中国科学报;2017年

6 本报记者 逄丹;高性能计算和云计算是否可以调和?[N];通信产业报;2011年

7 佟乐;NAS也要实现高性能[N];网络世界;2007年

8 中国保信执行董事、总裁 吴晓军 本报记者 王薇 整理;加强保险业大数据能力的建设[N];中国保险报;2015年

9 林小春;超级计算机能做什么?[N];光明日报;2013年

10 本报记者 陶春;大价值与大变革[N];学习时报;2013年

相关博士学位论文 前7条

1 郭坤;雾无线接入网络的计算与通信协同技术研究[D];西安电子科技大学;2019年

2 王绪;面向数据密集型计算的高效能可重构计算系统结构研究与设计[D];上海交通大学;2017年

3 黄鑫;数据密集型异构系统的若干关键技术研究[D];湖南大学;2015年

4 张潇璐;数据密集型计算环境下的多维资源分配与调度问题研究[D];云南大学;2017年

5 黄昱泽;数据密集型服务建模与管理方法研究[D];北京邮电大学;2017年

6 马冯;数据密集型计算环境下贝叶斯网的学习、推理及应用[D];云南大学;2013年

7 姜建华;数据网格几个关键技术的研究[D];吉林大学;2010年

相关硕士学位论文 前10条

1 金莎;数据密集型科学的运行机制研究[D];天津大学;2018年

2 张浩然;基于统计学习的数据密集型MapReduce程序执行时间预测方法的研究[D];哈尔滨工业大学;2018年

3 石飞燕;数据密集型计算中副本优化机制研究[D];武汉理工大学;2011年

4 杨玲;数据密集型计算中的副本优化策略研究[D];福州大学;2014年

5 陈亚丽;数据密集型计算环境下离群点挖掘算法的研究[D];山东理工大学;2014年

6 邓齐志;数据密集型计算环境下数据分类算法研究[D];山东理工大学;2013年

7 张树森;聚类分析算法研究及其在数据密集型计算环境下的实现[D];山东理工大学;2015年

8 赵冬;面向空间数据处理的广域数据密集型计算系统研究[D];清华大学;2013年

9 张钊宁;数据密集型计算中任务调度模型的研究[D];国防科学技术大学;2009年

10 钱鑫;数据密集型计算环境下聚类算法的研究[D];山东理工大学;2013年



本文编号:2726203

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2726203.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e4866***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com