论文部分内容阅读
在5G通信愿景的推动下,对移动通信服务的需求激增。超密集中继网络(UltraDense Relay Network,UDRN)是5G的一项关键技术,它可以应对未来来自室内/拥挤区域的指数流量,以及确保由于传输距离的缩短而提高频谱效率和能量效率。然而,UDRN部署带来了新的技术挑战,例如负载不平衡,干扰严重,无线电资源共享不公平,无线电资源利用效率低,能耗高和服务质量下降。为了克服这些挑战并达到5G的性能要求,需要将UDRN与其他新一代通信关键技术相结合,例如无线缓存,移动边缘计算(Mobile Edge Computing,MEC),并采用稳定匹配等新一代分布式优化策略。缓存技术可以在高峰流量负载下满足用户的需求,减少无线和回程资源的负载。MEC和UDRN的结合不仅可以应对来自大众通信设备的访问,还可以为无线网络边缘的用户提供强大的计算能力。基于MEC的UDRN可以有效地处理计算密集型和数据密集型任务。本论文围绕UDRN系统的关键技术展开以下研究:首先,本文研究UDRN的效用优化和稳定匹配技术。考虑基于速率和能耗的效用,提出一种联合优化中继功率和用户中继稳定匹配方案来最大化系统效用。对用户和中继分簇,在簇内执行优化策略。将用户和中继分别建模为能源购买商和销售商,通过黄金分割法得到用户从中继购买的最优功使用户效用最大化,在此基础上获得用户和中继的互偏好矩阵,提出一种基于Gale-Shapley(GS)算法的改进的稳定匹配算法得到用户中继的稳定匹配方案。仿真结果表明,与常规算法相比,所提出的方案复杂度低,能效高,通信开销极低,且性能接近最优。然后,本文研究UDRN的中继缓存技术。为了最大化系统效用,提出一种基于用户偏好感知的优化算法。针对UDRN的大规模特性,对用户和中继分簇,在簇内执行优化策略。首先,基于用户缓存偏好和流行度设计缓存方案。接着,根据缓存结果,通过KarushKuhn-Tucker(KKT)条件获得用户从中继购买的最优功率,并获得用户和中继的互匹配偏好列表。然后,应用改进的稳定匹配算法得到用户中继的稳定匹配结果。仿真结果表明,缓存能使系统获得更好的性能,且考虑用户偏好可以为系统带来可观的性能增益。最后,本文研究UDNR的中继MEC技术。考虑基于时延和能耗的成本,提出一种联合优化任务缓存卸载和稳定匹配的算法来最小化系统成本。首先在匹配方案未知的条件下,提出改进的分支定界算法和低复杂度次优算法分别获得最优和次优解决方案,然后,根据个体成本最小化原则得到用户和中继的互偏好列表,应用改进的稳定匹配算法得到用户中继的稳定匹配结果。仿真结果表明,与无中继/缓存/MEC的系统相比,本章的系统可以有效降低系统成本;与其他常规算法相比,该算法可以带来可观的性能增益,且低复杂度次优算法可以在较短时间内获得接近改进的分支定界算法性能的方案。