基于随机几何理论的泛在异构无线网络QoE资源优化技术研究

Coexistence of different wireless networks is a common phenomenon in today's smart communication infrastructure. Now, the big issue is to explore benefits from the heterogeneous nature of ubiquitous communication technology. Resource optimization among the ubiquitous heterogeneous wireless networks (UHWN) is the primary goal of this research. Resource optimization without considering quality of service and users experience merely inadequate in convergence of resource utilization and grade of service. This research focuses on the issues of resource optimization of stochastic geometry (SG) theory in the multimedia communications of ubiquitous heterogeneous wireless networks, and investigates the self-learning resource optimization based on the flexible context awareness component. Consequently, the best-bandwidth access and the optimal load balance can be developed using a combination of two-level dual-decomposition methodology and Karush-Kuhn-Tucker (KKT) condition constraint, to improve the efficiency of distributed resource allocation and achieve the target of network utility maximization (NUM) for ubiquitous heterogeneous networks. The research for the project has great significance toward achieving network-wide quality of experience (QoE) performance optimization as well as transmission control strategy of future ubiquitous heterogeneous wireless networks. Furthermore, the research can also promote the development of the network integration technology and the application of multimedia communications in wireless heterogeneous networks.

在当今的智能通信突飞猛进的发展和普及中，各种无线网络共存已成为一种普遍现象。如何从异构的网络通信技术特征中探索有益的资源优化已成为当今网络通信最大的问题所在。在泛在的异构无线网络中，没有考虑服务质量和用户体验的资源优化往往是不充分的，尤其是对于资源利用和服务等级的保障。本课题利用随机几何理论研究在一定的资源分配约束条件下的基于上下文感知的自主学习资源优化算法，通过构建基于二级对偶的分解算法和KKT条件优化最大化实现泛在异构网络中的最佳带宽接入和最优负载平衡，满足泛在异构网络的资源效用最大化，提高多网络融合的分组重传随机编码效率，改善基于用户的全网QoE性能。本课题的研究对于异构无线网络的QoE与网络整体性能最优问题、无线多媒体流的联合资源优化设计分析以及未来泛在异构网络最优传输控制策略的发展具有重要理论意义，将推动网络融合技术的发展和无线异构网络环境下的多媒体通信的实际应用。

在当今的智能通信突飞猛进的发展和普及中，各种无线网络共存已成为一种普遍现象。如何从异构的网络通信技术特征中探索有益的资源优化已成为当今网络通信最大的问题所在。本课题主要研究泛在异构网络环境下的资源优化技术，探索利用随机几何的数学理论优化有限的网络资源，实现面向服务的资源预测、传输控制与QoE保障。首先，为了实现无线多媒体在高负载率业务下的资源预测和QoE优化，本课题研究利用概率预测的容量感知模型探测MAC层的重传信息，通过动态感知无线链路的状态，实现高负载业务下的统计的信道容量概率预测，并利用随机优化技术，提出基于位置的容量感知路由优化算法，实现统计的QoE网络资源预留以及分组转发，提高网络资源利用率；其次，通过研究自由连通状态下的车载通信多车道连通概率分析模型，基于随机过程统计分析理论推导出多车道的道路连通概率，提出基于连通度概率感知的资源优化选择算法，快速地将数据包从路段入口传输到路段出口，提高数据分发效率；最后，通过研究异构网络下的分组碰撞概率和退避时间的相互关系计算分组的重叠概率，提出利用网络节点感知信道剩余可用带宽，来综合考虑流内和流间干扰，以此计算路径可行的发送速率和路径代价函数，实现最佳分组转发路径的选择和QoE的用户保障。通过本课题的研究，探索完成了泛在异构网络环境下的可用资源的几何预测和动态优化，实现了面向快速移动网络（以车联网为例）的不同QoS映射下的性能保障，为研究面向下一代泛在异构网络的体系结构设计和网络优化提供了理论基础和重要参考。