未来超密集异构网络的理论分析与资源协同优化研究

The future ultra-dense networks (UDNs) are faced with two prominent trends simultaneously. For one thing, the wireless network becomes denser and more heterogeneous and the network topology shows a tendency with high irregularity and randomness. For another, driven by the emerging business and the maturity of virtualization-enabling technologies e.g., SDN/NFV, a new network paradigm is promoted which involves Communications, Caching and Computing (3C). These trends inevitably challenge the network modeling, theoretical analysis and wireless network resource scheduling in UDNs. Therefore, in this project, we focus on theoretical performance analyses and the design of effective resource allocation management and control methods in UDNs. The main research contents include: 1) In the case of mobile networks and cache-enabled networks, network modeling and performance analyses are conducted considering access points distribution, users’ movement behavior and caching characteristics in different cases, which aims to solve the control of mobility, caching and feedback issues adapting to various densities. 2) From the perspective of users, wireless resource optimization technologies for UDNs are studied based on statistical characteristics, low latency, robust QoS (Quality of Service) and Mean Field theory based interference simulating methods. 3) For the global energy optimization and 5G new computation-centric and content-centric services, the 3C network resources collaborative optimization technologies are investigated to enhance the comprehensive utilization efficiency of the network resources.

在未来超密集网络中，一方面，无线接入网向异构化、密集化方向演进，网络拓扑随之呈现高度不规则化、随机化的趋势；另一方面，新兴业务驱动及SDN/NFV等虚拟化使能技术的成熟促生出通信、计算、缓存（3C, Communications, Caching and Computing）融合的新网络形态。这些趋势对超密集网络的网络建模及理论分析、无线资源及网络资源调度等提出挑战，因此，本项目拟研究超密集异构网络的理论性能分析及资源协同优化技术，包括：1）针对移动和缓存场景，结合不同场景接入点分布、用户运动和缓存行为等进行建模及分析，解决不同密集程度下自适应移动性、缓存及反馈控制问题；2）以用户为中心，基于随机几何统计特性、时延感知、鲁棒QoS及平均场干扰模拟方法研究适用于超密集网络的无线资源优化技术；3）针对能量优化和5G新型计算类、内容类业务，研究3C网络资源协同优化技术，提升网络资源的综合利用率。

本课题执行时间为2018年1月至2021年12月，针对异构密集网络理论性能分析、新型无线及网络资源的协同优化技术展开研究探索。采用随机几何理论、随机过程、随机优化、凸优化、排队论等数学方法，以性能分析为研究基点，分析异构密集网络中不同场景下的网络性能，探索新型高效的无线资源及网络资源协同方案解决网络维度和计算灾难问题，对于加速超密集网络的研究和部署实施具有理论价值。受NSFC资助，相关研究成果包括：在影响重大的国际会议、期刊和国内期刊上共发表论文35篇（其中SCI检索论文14篇，EI检索论文21篇。2篇SCI论文获ESI“高被引论文”，1篇国际会议“最佳论文奖”），申请国内外专利12项，培养博士研究生5人，其中1人获电子教育学会“优博”，硕士研究生19人，超额完成预期指标。目前全部研究内容均已按期完成，并拓展了基于深度学习的性能优化相关理论研究，主要包括以下三个方面：1）分别针对移动非切换和移动切换场景研究移动感知的超密集异构网络的理论性能分析，分析多点协作技术的超密集网络中网络覆盖率，利用随机几何理论推导并研究不同协作簇大小和基站密度对于网络覆盖率的影响。讨论用户移动切换阈值对于切换概率和中断概率的影响；考虑过时CSI对上行测量和反馈的影响，提出了移动感知的CSI稀疏反馈机制，分析基于有限反馈的部分下行干扰消除效果。2）基于随机理论的无线资源优化技术，采用随机优化、群稀疏等理论减轻超密集网络对实时CSI的依赖，提出一系列新型无线资源管控方法，有效地提升频谱、功率、时域、空间等资源的利用效率。3）基于虚拟化的3C网络资源协同优化技术，综合无线信道以及计算任务的动态尺度差异，研究计算任务和传输联合调度的能量优化。考虑5G新型计算、内容类业务，设计满足新型业务QoS的无线、计算及缓存资源的协同优化方案。.本课题针对超密集异构网络性能分析及优化，综合网络/无线资源多维、随机、动态等特性，提出若干网络资源优化方案，并给予理论分析/证明及算法验证。基于随机几何的移动超密集网络相关性能分析，为低速及高速的网络设计、信道反馈机制等提供了理论依据。基于随机优化的的相关网络存、算、传资源分配理论为超密集网络情况及面向B5G的资源优化提供可行算法。部分优化方案已成功申请专利并获得授权，其中有三项已与相关产业技术公司实施技术转让。