多層異構(gòu)無(wú)線通信網(wǎng)絡(luò)中的資源分配方案研究.pdf

1、隨著智能移動(dòng)終端數(shù)量的不斷增多和新穎的移動(dòng)數(shù)據(jù)服務(wù)的不斷涌現(xiàn)，對(duì)無(wú)線通信流量的需求正在以一個(gè)爆炸式的速度增長(zhǎng)。多層異構(gòu)網(wǎng)絡(luò)的出現(xiàn)雖然在一定程度上滿足了急速增加的移動(dòng)終端對(duì)數(shù)據(jù)的需求，但也使得對(duì)頻譜等有限資源的使用越來(lái)越捉襟見肘。無(wú)線資源越來(lái)越有限同人們對(duì)移動(dòng)業(yè)務(wù)要求越來(lái)越嚴(yán)格的矛盾日益突出，同時(shí)資源的重復(fù)利用會(huì)導(dǎo)致嚴(yán)重的干擾和資源的不合理分配又弱化了網(wǎng)絡(luò)的性能。因此，亟需對(duì)無(wú)線資源進(jìn)行高效的管理、控制和調(diào)度，以滿足各種業(yè)務(wù)需求，保證服務(wù)

2、質(zhì)量（Quality of Service，QoS），提高資源利用率和緩解資源緊缺的情況。隨著5G的到來(lái)，多種網(wǎng)絡(luò)的融合和多種新技術(shù)的融入使得干擾的場(chǎng)景更加復(fù)雜，需要分配的資源類型更多，資源分配方案的研究將會(huì)更加迫切。
　　本論文深入研究了“多層異構(gòu)無(wú)線通信網(wǎng)絡(luò)中的資源分配方案研究”這一課題，針對(duì)含小小區(qū)和端到端(Device-to-Device，D2D)通信的多層異構(gòu)網(wǎng)絡(luò)，考慮基于吞吐量、能效、中斷性能、用戶關(guān)聯(lián)和回程節(jié)省等資源

3、分配問題，研究了多層異構(gòu)無(wú)線通信網(wǎng)絡(luò)中的高效資源分配方案。本論文研究的內(nèi)容包括面向異構(gòu)網(wǎng)絡(luò)上行吞吐量的聯(lián)合基站選擇和資源分配方案、面向異構(gòu)網(wǎng)絡(luò)下行中斷性能的資源分配方案、面向D2D和小基站通信網(wǎng)絡(luò)吞吐量的聯(lián)合信道分配和功率控制方案設(shè)計(jì)、面向火車車廂異構(gòu)通信網(wǎng)絡(luò)能效的聯(lián)合子載波和功率分配方案、面向異構(gòu)云接入網(wǎng)絡(luò)和速率的聯(lián)合用戶關(guān)聯(lián)和功率控制方案設(shè)計(jì)、面向空地通信網(wǎng)絡(luò)多目標(biāo)優(yōu)化的緩存方案和部署方案設(shè)計(jì)。具體研究?jī)?nèi)容和主要貢獻(xiàn)如下:
　

4、　1.針對(duì)基于正交頻分多址接入的異構(gòu)蜂窩網(wǎng)絡(luò)(Heterogeneous Cellular Network，HCN)，提出了面向網(wǎng)絡(luò)吞吐量最大化的聯(lián)合基站關(guān)聯(lián)和資源分配方案，設(shè)計(jì)了兩種基于勢(shì)博弈的分布式學(xué)習(xí)算法，并理論證明和分析了收斂到兩種均衡解的性能。系統(tǒng)吞吐量最大化問題是一個(gè)NP-hard問題，首先引用權(quán)重變量將原優(yōu)化問題轉(zhuǎn)化為一個(gè)易于處理的形式，再將轉(zhuǎn)化后的問題建模成一個(gè)完全勢(shì)博弈并證明了存在一個(gè)最優(yōu)納什均衡點(diǎn)是原問題的一個(gè)近似最

5、優(yōu)解。為了獲得原問題的最優(yōu)解，引入狀態(tài)空間將原問題重新建模為一個(gè)帶有狀態(tài)變量的普通勢(shì)博弈，并證明了存在一個(gè)最大化系統(tǒng)吞吐量的循環(huán)狀態(tài)均衡。其次，分別提出了Max-logit學(xué)習(xí)算法的兩個(gè)變體進(jìn)而獲得這兩種勢(shì)博弈的均衡點(diǎn):一個(gè)是用戶間較少信息交換的同步學(xué)習(xí)算法并被證明了能夠收斂到完全勢(shì)博弈的最優(yōu)納什均衡點(diǎn);另一個(gè)有效的學(xué)習(xí)算法被用于帶有狀態(tài)變量的普通勢(shì)博弈模型中并證明其能夠收斂到全局最優(yōu)解。最后，通過(guò)仿真實(shí)驗(yàn)，相關(guān)理論結(jié)果得到了驗(yàn)證。

6、r>　　2.在推導(dǎo)出HCN下行中斷概率表達(dá)式的情況下，針對(duì)基于系統(tǒng)中斷性能的優(yōu)化問題，提出了一個(gè)分布式資源分配方案，設(shè)計(jì)了基于匹配博弈的分布式算法以減輕網(wǎng)絡(luò)干擾和提高系統(tǒng)性能。在HCN中，部署的小小區(qū)基站與宏基站共享頻譜資源，導(dǎo)致了嚴(yán)重的跨層干擾和系統(tǒng)性能的損失。具體來(lái)說(shuō)，首先推導(dǎo)出系統(tǒng)中斷概率的閉合表達(dá)式。然后，提出了一個(gè)資源分配問題，進(jìn)一步降低網(wǎng)絡(luò)的中斷概率。為了實(shí)現(xiàn)用戶和資源塊之間有效的匹配，資源分配問題被建模為一個(gè)匹配博弈，其穩(wěn)

7、定的匹配被認(rèn)為是資源分配問題的解。最后，為了求解這個(gè)匹配問題，提出了一個(gè)可以收斂到穩(wěn)定匹配的分布式算法。分析和仿真結(jié)果表明，理論推導(dǎo)的正確性得到了驗(yàn)證和算法的應(yīng)用進(jìn)一步提高了HCN的整體性能。
　　3.針對(duì)蜂窩網(wǎng)絡(luò)中部署有D2D通信和小小區(qū)基站的上行通信網(wǎng)絡(luò)，提出了面向網(wǎng)絡(luò)吞吐量最大化的聯(lián)合功率控制和子信道分配方案，推導(dǎo)出了最優(yōu)功率解的閉合表達(dá)式并設(shè)計(jì)了兩種博弈學(xué)習(xí)算法用于求解耦合的子信道分配問題。對(duì)于多層異構(gòu)網(wǎng)絡(luò)吞吐量最大化的資

8、源分配問題，采用基于博弈論的學(xué)習(xí)方法來(lái)求解。然而，該資源分配問題是一個(gè)混合有整數(shù)的非凸問題，求解其最優(yōu)解具有高挑戰(zhàn)性。為了解決這個(gè)難題，首先通過(guò)預(yù)先設(shè)定子信道分配策略，推導(dǎo)出了各種情況下最優(yōu)功率的閉合表達(dá)式。其次，基于最優(yōu)功率控制的子信道分配問題構(gòu)造為一個(gè)博弈模型，并且定義了一個(gè)能夠反映優(yōu)化目標(biāo)最優(yōu)性能的福利函數(shù)。為了最大化福利，提出了一種分布式的試錯(cuò)學(xué)習(xí)算法，并證明其收斂到一個(gè)隨機(jī)穩(wěn)定狀態(tài)。由于收斂到的穩(wěn)定狀態(tài)并不能保證是最優(yōu)解，所以

9、將這個(gè)子信道分配問題重新構(gòu)造為一個(gè)完全勢(shì)博弈模型，并提出了另一種分布式學(xué)習(xí)算法，其能夠找到最優(yōu)的納什均衡且是問題的最優(yōu)解。為了加速算法收斂，通過(guò)剔除不可用的策略組合，文中進(jìn)一步改進(jìn)了這兩種算法。最后，仿真結(jié)果驗(yàn)證算法具有極快的收斂速度。
　　4.針對(duì)鐵路運(yùn)輸通信網(wǎng)絡(luò)的車廂通信部分，在車廂異構(gòu)通信網(wǎng)絡(luò)中含有能夠收集能量的D2D通信的場(chǎng)景下，提出了聯(lián)合子載波和功率分配方案，設(shè)計(jì)了基于博弈論的學(xué)習(xí)方法求解聯(lián)合優(yōu)化問題以優(yōu)化網(wǎng)絡(luò)的加權(quán)能量

10、效率(Energy Efficiency，EE)。具體來(lái)說(shuō)，首先提出了一個(gè)新的能效指標(biāo)來(lái)評(píng)估網(wǎng)絡(luò)EE性能并優(yōu)化其下界。然而，聯(lián)合資源分配問題的可行域中混合有整數(shù)，這是一個(gè)難以處理的棘手問題。為此，通過(guò)交替固定子載波和功率分配簧略，將聯(lián)合優(yōu)化問題分解為兩個(gè)資源分配子問題。這兩個(gè)子問題被分別建模為兩個(gè)完全勢(shì)博弈，并且分析了它們均衡解的存在性和最優(yōu)性。接下來(lái)，分別提出了一個(gè)用于求解功率分配問題的虛擬分布式迭代學(xué)習(xí)算法，該算法具有較快的收斂速度

11、并推導(dǎo)出了均衡唯一性的存在條件，確保其能夠獲得全局最優(yōu)解（即，最優(yōu)的納什均衡），以及提出了一個(gè)用于求解子載波分配問題的完全分布式Max-logit迭代算法，并且驗(yàn)證了該算法僅需要交互局部信息就能以任意高概率獲得最優(yōu)的納什均衡解。通過(guò)兩種算法的交替迭代操作，最終能夠得到聯(lián)合資源分配問題的最優(yōu)分配策略。最后，數(shù)值仿真結(jié)果表明該方案與一些現(xiàn)有的資源分配方案相比具有顯著的性能優(yōu)勢(shì)。
　　5.在保證異構(gòu)云接入網(wǎng)絡(luò)中用戶QoS要求的情況下，提

12、出了面向和速率最大化的聯(lián)合用戶關(guān)聯(lián)和功率分配方案，根據(jù)構(gòu)造的Stackelberg博弈模型設(shè)計(jì)了基于變分不等式理論的分布式算法用于求解耦合的功率分配問題。然而，QoS限制的存在使得功率控制的策略空間之間是耦合的?；诖耍撀?lián)合優(yōu)化問題被建模為一個(gè)廣義的Stackelberg博弈，設(shè)計(jì)了一個(gè)集中-分布式算法，并且理論上證明了所提出的算法收斂到資源分配問題的最優(yōu)解。具體來(lái)說(shuō)，通過(guò)云端強(qiáng)大的計(jì)算能力求解用戶的關(guān)聯(lián)問題，并基于變分不等式理論提出

13、了一個(gè)分布式功率分配算法。最后，仿真結(jié)果驗(yàn)證了算法的收斂性，以及所提方案與窮舉方法具有相近的性能。
　　6.在降低傳輸時(shí)延和提供超高吞吐量方面，主動(dòng)緩存受歡迎內(nèi)容到基站端已經(jīng)成為了一個(gè)有前景的解決方案。在地面HCN中，通過(guò)規(guī)劃聯(lián)合服務(wù)提升和緩存內(nèi)容放置策略，提出了有效和速率和回程節(jié)省之間的最佳權(quán)衡方案，同時(shí)保證用戶終端的QoS要求和基站的回程流量約束。然而，在這個(gè)非線性優(yōu)化問題中存在有整數(shù)可行域這一棘手問題。為此，通過(guò)交替固定三類

14、變量中的兩個(gè)（即地面終端關(guān)聯(lián)，功率控制和內(nèi)容放置），將資源優(yōu)化問題分解為三個(gè)子問題。針對(duì)這三類子問題，分別將它們轉(zhuǎn)化為凸問題或松弛為易于處理的形式，并提出了相應(yīng)的迭代算法。進(jìn)而，提出了一個(gè)三層迭代算法，用于求解聯(lián)合地面終端關(guān)聯(lián)、功率控制和緩存放置問題。另外，當(dāng)?shù)孛嬗脩艚K端關(guān)聯(lián)不到地面基站時(shí)，裝置有具有緩存功能基站的無(wú)人機(jī)被部署，為這些終端提供通信服務(wù)。在保證QoS要求的情況下，提出了無(wú)人機(jī)的多目標(biāo)部署方案（例如傳輸功率、無(wú)人機(jī)數(shù)目、位置