蜂窝D2D异构网络Any-cast混合业务无线资源管理关键技术研究

For the needs of a large number of high-speed downlink data services in the future of systems with intelligent terminals, we research for data transmission by cellular D2D collaborative of Any-cast mixed services, to achieve efficient wireless resource utilization and reliable data reception. Based on wireless multicast, unicast and broadcast regarded as the special cases in the researches. We study hypergraph-based theory of random walk algorithm to establish a stable cooperative clustering model; on the basis, study cooperative transmission strategies and resource dynamically allocating based on cognitive D2D links in MIMO-OFDM systems, and adopt collaborative Q-learning algorithms among D2D terminals to reduce the computation complexity and solve the problem of multicast cooperative transmission and packet loss repair; using dynamic MIMI-OFDM beamforming optimization algorithm to achieve multicast diversity/multiplexing tradeoff, improve reliability while improving throughput; in the case of heavy traffic load of Any-cast mixed services, study sub-carrier resource random scheduing algorithm by smoothly upgrade-downgrade QoS of unicast users, based on mulitcast groups alliance cooperative and competitive game with the conditions of QoS and GoS performance, in order to admit the maximum number of users while improve the multicast capacity; finally, study cooperative chnanel measure and efficient feedback algorithms based on compressed sensing theory.

针对未来系统中智能终端大量下行高速数据业务的需求，从无线资源管理角度，研究面向未来基于D2D异构蜂窝系统的协同Any-cast混合业务数据传输问题，达到高效无线资源利用和可靠的数据接收的目的。以无线多播为主，将单播和广播视作其特殊情况，研究基于超图理论的随机游走算法，建立稳定的协同分簇模型；在此基础上，研究MIMO-OFDM系统中基于感知的D2D链路间协同传输策略与资源动态分配；采用协作Q-learning算法降低计算复杂度，解决多播协同传输与丢包恢复问题；采用动态MIMO-OFDM波束成形优化算法实现多播分集/复用折中，保证可靠性的同时提高吞吐量；在Any-cast混合业务高负载情况下，以保证QoS与GoS性能为条件，研究基于QoS升降级带宽借用的多播组联盟合作竞争博弈随机子载波资源调度算法，提高多播容量的同时接纳最大用户数；最后研究基于压缩感知理论的协同信道测量、高效反馈策略与算法。

提高频谱利用率是在有限的无线资源条件下提升移动用户业务传输体验的一个有效途径。D2D和无线多播 Multicast等多种传输方式Any-cast通过频谱重用能有效提高频谱利用率。项目组依据计划书，对基于D2D异构蜂窝系统的协同Any-cast混合业务数据传输开展了以下七方面的研究工作：(1)以无线多播为主，将单播和广播视作其特殊情况，研究基于三角形面积差的算法构建协同分簇模型，精确定位室内簇头，消除室内环境中NLOS误差，建立了更合理的分簇模型；(2)研究了D2D链路间协同传输策略与资源动态分配算法，采用两种信道分配方法与联合功率分配结合的方案，减少蜂窝通信到多播组的干扰；(3)为提高多播通信中传输可靠性，通过新型网络编码算法与传输策略，降低多播通信中编码块间的依赖，削弱D2D传输中两次中继的误差扩散，解决误差传播问题，实现高可靠性通信；(4)为建立大规模MIMO-OFDM系统模型，提高多播分集增益，通过基于最小均方误差的混合预编码算法和基于粒子群蚁群优化的混合预编码算法，以低复杂度的算法有效保证用户吞吐量；(5)针对D2D业务不同服务质量要求的混合共享模式，研究基于Dy-HySOU在混合业务之间的功率和子信道动态资源分配算法，通过拉格朗日对偶函数和次梯度算法实现最佳功率分配，最优化认知无线电D2D系统的总吞吐量；(6)为实现用户在认知无线电网络中D2D的高效传输，采用基于频谱感知理论的协同信道测量算法，改善基于特征值的网络检测器性能，提升频谱利用率；(7)研究了异构网络场景中资源动态分配算法，采用基于拉格朗日对偶分解的优化算法，合理分配小区间时频资源，在最优化能效的同时增强覆盖性能。项目研究为5G技术发展做了一定的理论和技术探索性工作。在项目支持下共发表论文21篇，申请发明专利3项。