面向5G微蜂窝的频谱共享方法研究

Small cell network (SCN) has been regarded as the most promising approach to achieve 1000-fold network capacity and ubiquitous wideband wireless access in the fifth cellular networks (5G). The task of improving spectrum efficiency is key to SCNs. However, most existing spectrum sharing approaches mainly considered static scenarios and are implemented in a centralized manner, which can not address new challenges in SCNs. In this project, aiming at achieving matching optimization between spectrum resources and user demand, we will first explore the following new features and constraints in SCNs: ultra-dense deployment, huge wireless traffic and imperfect information. Then, three research tasks will be investigated: hybrid spectrum sharing for ultra-dense deployment, dynamic spectrum sharing for huge wireless traffic, and robust spectrum sharing under imperfect information constraints. By employing advanced decision methods including game models, complex networks and intelligent learning, efficient spectrum sharing models and approaches would be achieved for SCNs. This project would lead to three significant improvements for spectrum sharing: from small-scale networks with light density to large-scale networks with ultra-density, from throughput optimization to matching optimization between resource and demand, from ideal perfect information to practical imperfect information. Also, it would provide new approaches for resource optimization problems in 5G networks.

微蜂窝是实现5G网络容量提升1000倍和提供无处不在的宽带覆盖最具潜力的方法，其中如何提升微蜂窝的频谱效能是一个关键问题。然而，现有频谱共享方法主要考虑静态网络场景，且大部分是集中式的，不能应对微蜂窝网络的新挑战。本项目着眼于实现频谱资源和需求的匹配优化，从微蜂窝的超密集组网、大容量无线业务和不完全、动态决策信息等特点和约束出发，分别对超密集组网条件下的频谱共享，大容量业务条件下的频谱共享和不完全、动态条件下的稳健决策机制等三个内容展开深入研究，综合运用博弈论、复杂网络和智能学习等决策方法，着重研究面向5G微蜂窝的频谱共享模型、方法和性能评估，构建适用于微蜂窝的频谱共享理论和方法。本研究能实现频谱共享从小规模低密度网络到超密集组网，从吞吐量优化到需求和资源匹配优化，从完美信息约束到不完美信息支持的提升，能推动5G微蜂窝频谱共享相关理论和技术的发展，也将为5G网络资源优化问题提供新的方法。

本项目从微蜂窝的超密集组网、大容量无线业务和不完全、动态决策信息等特点和约束出发，探究面向5G微蜂窝的频谱共享模型、方法和性能评估，通过建立超密集组网条件下的频谱共享模型、大容量无线业务的时空分布模型和面向不完全和动态信息的频谱稳健决策模型，设计有效的频谱共享方法，实现了频谱共享从小规模低密度网络到超密集网络、从吞吐量优化到需求和资源匹配优化、从完美信息约束到不完美信息支持。.主要研究内容和结果如下：1、超密集组网条件下的频谱共享方法：从超密集网络的群体用频规律出发，针对微基站业务异构特性和信道感知造成通信低效的问题，分别提出了超图干扰模型、基于社交物理干扰图的分簇合作博弈模型、混合接入控制分层博弈模型以及数据驱动的部署与资源管控方法，提升了频谱利用率和网络通信效能；2、大容量业务条件下的频谱共享方法：从大业务容量的时空分布多样性出发，针对授权频谱共享和动态频谱聚合等问题，构建了情景知觉的频谱团购联盟形成博弈模型、基于市场机制的频谱效率优化模型和面向用户体验质量优化的博弈模型，提出了动态频谱双边拍卖方法、合作联盟交换方法和用户体验质量优化的分布式学习算法，有效提升了用户体验质量以及频谱共享效率；3、不完全信息和动态环境的稳健决策机制：从不完全信息和动态环境等约束条件出发，从恶意干扰存在以及动态业务需求等多个角度研究，构建了贝叶斯斯坦伯格博弈模型和动态频谱接入博弈模型，提出了分布式学习决策算法，实现了不完全信息和动态环境中的稳健分布式频谱资源优化。.本项目共发表SCI期刊论文24篇，其中IEEE期刊论文19篇，IEEE Trans论文5篇；授权国家发明专利3项，受理2项；项目负责人徐以涛获2018年军队科技进步一等奖（排名第8）、2020年军队科技进步二等奖（排名第1）；依托本项目的研究成果，项目负责人及课题组成员获批陆军某部军内科研项目1项、国家自然科学基金面上项目2项、青年项目3项，合同经费总计约310万元。