非理想模型下超密集网络的绿色无线基础理论研究

The existing literature on green radio research focuses on the conventional heterogeneous networks, while the research results related to ultra dense network architecture in 5G communication systems are still in the initial stage. Guided by the four fundamental tradeoffs in green radio research, this project will focus on the fundamental theory research from green radio aspect in ideal ultra dense networks and figure out the key factors that affect the energy efficiency and the deployment efficiency of ultra dense networks. On top of that, we will further explore the fundamental green radio theory for ultra dense networks under non-ideal models, and the changing dynamics of four fundamental tradeoff relations with respect to non-ideal factors, such as various power amplifier models or network node deployment mechanisms. Through the theoretical as well as the experimental studies, we believe this project will help pave the way for the commercial deployment and the energy efficient network optimization of ultra dense networks, and lay a theoretical basis for further study.

绿色无线基础理论的研究成果目前主要集中在传统意义上的异构网络架构上，在5G通信系统的超密集网络架构上的研究目前还处于起步阶段。本项目将以绿色无线的四大基本折中关系为牵引，开展理想情况下超密集网络的绿色无线基础理论研究，并揭示影响超密集网络能量效率和部署效率的关键因素，进一步研究非理想模型下超密集网络的绿色无线基础理论，探索四大基本折中关系随不同的功率放大器模型、不同的站点部署方式等各类非理想因素的变化规律。通过基础理论的研究辅以实验验证，为支持超密集网络的商用部署、实现能量有效的超密集网络优化奠定理论基础。

本项目针对5G通信系统超密集网络下的高能耗问题，以绿色无线四大折中关系的基础理论为牵引，从理想和非理想能耗模型下超密级网络的基础理论、与新技术结合的非理想模型下超密集网络的绿色无线基础理论和支撑超密集网络的绿色无线基础理论的网络平台等方面开展深入研究。项目建立了以四大基本折中关系为基础的超密集网络绿色无线基础理论，并结合移动边缘计算，拓展了网络能耗、延时性能与部署策略之间的权衡关系。在此基础上，结合5G新型帧结构、突发敏感延迟需求、大规模天线阵列等场景，提出了高能效的资源管理方法和低复杂度信号处理算法。所提出的解决方案将深度学习与传统无线信号处理相结合，能够在保证接收性能的条件下，显著提升检测速度，降低能耗值。本项目的研究成果揭示了非理想模型下超密集网络绿色无线基础理论的变化规律，探索受非理想因素制约下高能效无线传输的解决方案，并建立了高能效超密集网络链路仿真平台、网络仿真平台和高能效无线大数据采集平台。项目的实施不仅为超密集网络的商用部署提供了指导，也为研究6G通信系统奠定了重要的理论基础。

内容获取失败，请点击重试