5G认知小蜂窝网络中深度认知与资源分配技术研究

In order to meet the high energy efficiency, high spectrum efficiency, low latency and large capacity requirements of 5G networks, this project proposes a cognitive small cellular network architecture by combining cognitive radio and the traditional cellular network technology. The following three techniques will be studied. (1) Energy efficient deep sensing. An energy efficient spectrum sensing algorithm will be designed to provide multi-dimensional spectrum information to the cognitive base station, which can simultaneously sense the center frequency and bandwidth of the available channels, the transmit power level of the primary user and the future state of the primary user. (2) Multi-dimensional spectrum information reliable fusion. The spectrum sensing nodes attribute recognition method will be investigated and the spectrum information of each node will be handled according to its attribute. The reliable spectrum information will be fused to store in the spectrum database of the cognitive base station for resource allocation. (3) Energy and spectrum efficiency tradeoff over optimal resource allocation. Based on the information stored in the spectrum database, an optimal resource allocation scheme will be designed for the cognitive base station to maximize the energy and spectrum efficiency tradeoff of the cognitive small cellular network, while the user quality of service is guaranteed. In conclusion, this project will provide important theory and technique supports for the deployment of 5G network in the future.

课题针对5G网络的能量效率增高、频谱效率提升、网络时延降低以及用户容量扩充等方面的需求，将认知无线电与传统蜂窝网技术结合提出一种认知小蜂窝网络架构，从以下方面进行研究：（1）节能深度频谱感知。研究可同时感知可用信道中心频率、带宽、授权用户发送电平以及可对授权用户未来状态进行预测的节能深度感知算法，为认知基站提供多维频谱信息。（2）多维感知信息可信融合。对感知节点进行属性识别，根据其属性对其感知结果进行相应处理，将可信融合结果存入认知基站处的频谱数据库中，为网络资源分配提供可靠依据。（3）能效-谱效最佳均衡资源分配方案。认知基站根据用户服务质量要求，结合频谱数据库中信息对各用户进行资源分配，在满足用户服务质量的前提下，使得整个认知小蜂窝网络内的能量效率与频谱效率达到最佳均衡。课题的研究对未来5G网络的全面布设提供了重要的理论与技术支撑。

本项目针对5G网络的能量效率增高、频谱效率提升、网络时延降低以及用户容量扩充等方面的需求，将认知无线电与传统蜂窝网技术结合提出一种认知小蜂窝网络架构。重点突破了节能鲁棒频谱感知与资源分配技术、可信安全认知小蜂窝网络边缘计算技术与能效-谱效均衡认知小蜂窝网络资源分配技术，搭建了认知小蜂窝网络频谱感知与资源分配仿真验证平台。通过本项目的深入研究，发现当认知小蜂窝网络中的授权用户状态具有统计特性的情况下，可以利用其统计特性提升能量效率。同时，为了满足5G认知小蜂窝网络的低时延要求，本项目将边缘计算技术引入认知小蜂窝网络，提出认知边缘计算网络架构，为认知小蜂窝网络中的用户提供频谱接入与计算辅助服务。更进一步，为了对认知小蜂窝网络用户进行灵活深入的网络服务，本项目将认知小蜂窝网络的研究向空域扩展，提出一种无人机的辅助认知小蜂窝网络鲁棒资源优化技术方案。依托本项目理论研究成果，在国际权威期刊及会议上发表论文共计7篇，其中一作/通信6篇。在本项目基础上，作为课题负责人和主持人获批陕西省自然科学基础研究计划、陕西省教育厅项目各一项。在本项目研究过程中，共培养了硕士研究生12名。