论文部分内容阅读
由于持续增长的移动业务与有限的频谱资源之间的冲突,移动网络仍将面临着很大挑战。为了应对这些挑战,移动网络可以与无线保真(Wireless Fidelity,Wi Fi)系统共享免许可频段(例如5.8 GHz频谱)。这种新兴技术被称为免许可频段长期演进(Long Term Evolution-Unlicensed,LTE-U)技术。LTE-U可以帮助移动蜂窝网络提升其系统容量,改善用户体验。同时,与现有的Wi Fi网络相比,LTE-U技术可以显著提升免许可频段的频谱效率。然而,要部署LTE-U系统,关键是要解决LTE-U与Wi Fi网络的网络选择和资源分配问题,以均衡负载,保证LTE-U与Wi Fi的公平友好共存。针对这一问题,本文首先设计了一种中心式的方法,以解决LTE-U和Wi Fi共存系统中的多制式(multi-homing)网络问题。multi-homing是一种允许用户同时使用Wi Fi和LTEU两种网络的技术。在此背景下,需要处理用户是否接入某种网络、应该占据多少网络资源的问题。我们希望在保证用户服务质量和功率限制的前提下,最大化总系统吞吐量。通过分析模型,我们证明了用户仅选择使用LTE-U或Wi Fi进行传输的充分条件。由于该问题具有非确定性多项式(Non-deterministic Polynomial,NP)难度,我们提出了一种有效的启发式算法来进行网络选择和资源分配,算法性能接近具有指数级复杂度的最优算法。除了验证算法的有效性外,仿真结果还表明,与传统的单制式网络相比,multi-homing机制可以提高系统吞吐量。其次,本文提出了一种基于少数派博弈(Minority Game,MG)的分布式方法,该方法具有低计算复杂度、低信令开销的特点,并且无需任何信道状态信息(Channel State Information,CSI)。为了实现Wi Fi和LTE-U网络之间的负载均衡,该方法将网络选择与用户协调问题建模成一个少数派博弈问题,给出了少数派博弈模型中截断值的计算方法,并证明了截断值的唯一性。对于LTE-U中的先听后说(Listen Before Talk,LBT)和占空比(Duty-cycle Muting,DCM)两种共存机制,我们都进行了研究,证明了存在纳什均衡,并分析了其所在的位置。除了单Wi Fi接入点(Access Point,AP)场景之外,我们的方法也可适用于多Wi Fi AP场景。最后,我们提出了一种基于Q值学习(Q-learning)的分布式无线接入技术(Radio Access Technology,RAT)选择和用户协调方法,这种方法同样以少数派博弈模型为基础,但博弈过程中没有使用经典少数派博弈中的纯策略和混合策略,而是设计并使用了Q-learning算法。方法中的用户通过强化学习进行网络选择,在寻求各自自身利益的同时整体自组织地达到两种网络负载均衡的状态。仿真结果表明,Q-learning能够抑制少数派博弈中固有的“人群效应”,提升系统的稳定性。