以用户为中心超密集组网下行信道资源分配关键技术的研究

With the rapid development of mobile internet in the past years, the hot-spot area, such as the metropolitan area, needs to support a massive amount of data traffic. How to satisfy such high data rate demand has become the key issue in the design of next-generation mobile communication system. To this end, the user-centric ultra dense network (UUDN) is a promising candidate to address this issue thanks to its flexibility, high-efficiency and eco-friendly. This project focus on the UUDN with the cloud radio-access-network (C-RAN) architecture. Based on the fact that the fronthaul links between the baseband unit (BBU) pool and the remote radio heads (RRHs) have limited communication capacity, how to improve the fronthaul communication efficiency and reduce the link load will be studied in this project. Specifically, this project will study how to efficiently compress the data in fronthaul link, how to perform group sparse precoding, and how to form virtual cells for the users based on imperfect channel state information, so that the performance of power consumption, energy efficiency and system computation complexity can be significantly improved. This project will provide solid theoretic foundation for addressing the high data traffic load issue in the hot-spot areas.

随着移动互联网技术的迅速发展，城市中心等热点区域对移动数据量的需求越来越高。如何满足热点区域的数据通信需求是下一代移动通信系统中亟待解决的关键问题。以用户为中心的超密集网络以其灵活、高效、绿色的优势，成为解决这类区域通信问题的重要解决方案。本项目基于云接入网架构，围绕基带单元池（BBU池）与射频拉远头（RRH）之间的前馈链路通信容量有限这一问题，从提高前馈链路通信效率、降低前馈链路通信负载的角度展开研究。本项目拟在研究有效压缩前馈链路通信量的基础上，研究群稀疏编码策略和基于不完全信道状态信息的虚拟小区组织策略，在保证用户服务质量的基础上，减少功率消耗，提高能源效率，降低系统计算复杂度。本项目的顺利实施将为热点区域高数据流量这一问题的解决打下坚实的理论基础。

移动通信系统中，随着移动流量需求的急速上升，如何使移动通信系统能够支持海量数据传输是该领域研究中的重要问题。本项目面向采用分布式基站的超密集网络展开研究，考虑到在这种网络架构下前馈链路的通信开销较大，主要研究前馈链路传输数据的压缩、下行稀疏预编码的设计、基于不完全信道状态信息的虚拟小区划分策略三个主要内容。针对前馈链路压缩问题，本项目利用这种网络架构下传输的信息具有频域和空间域稀疏性的特点，提出利用压缩感知技术进一步压缩前馈链路所需传输的数据量，并提出了在并提出了在非高斯噪声下的低复杂度压缩感知重建算法。针对下行预编码设计问题，本项目提出了联合设计天线选择和波束成形的群稀疏预编码方案，并提出了低复杂度的优化算法。针对虚拟小区划分策略问题，本项目提出了基于大尺度衰落信息实现遍历容量最大化的天线分配算法。本项目的研究成果有利于在保证用户服务质量的前提下减少功率消耗、提高能源效率。本项目的研究成果为以用户为中心的小区分配方式提供了重要的理论依据和实用化的低复杂度算法。