基于网络切片的5G物联网超低时延传输关键技术研究

This proposal targets on ultra-low latency transmission in 5G Internet-of-things. The main research contents are summarized as four scientific problems: resource management for single ultra-low latency air-interface slice, resource management for multiple heterogeneous slices coexisting, resource management for unified end-to-end slice, air-interface and EPC, and flow aggregation for massive terminals. It is the foundation for application, innovation and deployment in the next generation mobile Internet. With various resource virtualization techniques on bandwidth, RACH, cell, radio interface and cache, we formulate a lot of problems for the ultra-low latency transmission in 5G IoT by mathematical modeling and propose novel and efficient schemes and algorithms for admission control, random access, resource allocation and isolation, scheduling and flow aggregation.

本课题以5G物联网的超低时延传输为目标，主要研究单一超低时延空口切片资源管理、多异构切片资源管理、融合EPC和空口的端到端切片资源管理、海量终端流聚合等四个科学问题，从而为下一代移动互联网应用创新和部署奠定基础。通过对带宽资源，RACH资源，Cell资源，无线空口资源以及存储资源进行虚拟化，我们对5G物联网超低时延传输的诸多方面，包括接纳控制、随机接入、资源分配与隔离、调度、流聚合等，进行数学建模，并提出一系列的新颖高效的方案和算法。

本课题以5G物联网的超低时延传输为目标，针对单一超低时延空口切片资源管理问题，我们研究了切片资源定制、资源预留RRC信令、随机接入和物理资源映射、D2D场景紧急事件告警等方面，提出了一系列的信令方法和资源分配算法，从而为多异构切片资源管理方法提供支撑；针对异构切片共存问题，通过对RACH资源，Cell资源，空口RB资源虚拟化，我们研究了接纳控制、随机接入、资源分配与交易等问题。借助博弈模型、凸优化模型、图模型等理论视角，我们提出一系列的新颖高效的系统信令方法和算法。针对融合EPC/边缘计算和空口资源的端到端切片资源管理，通过对backhaul带宽资源，边缘计算/存储资源等进行虚拟化，以提高端到端时延和系统资源利用等多维度目标，我们综合运用并提出了基于联邦/深度强化学习、分布式多智能体等多种算法；针对海量终端流聚合问题，针对网络切片数据流自动识别、流调度、流聚合等问题进行分析和数学建模，我们提出了基于卷积神经网络、胶囊网络等方法，有效地解决物联网切片数据流管理问题，并部分尝试借鉴和发展了迁移学习、类脑智能方法等人工智能理论。综合而言，本课题成果有助于推动5G物联网超低时延传输技术的应用与发展，并为下一代AI驱动的6G移动互联网应用创新奠定理论基础。