基于无线缓存的高维动态资源优化理论研究

In high-speed scenario which speed is not smaller than 350Km/h, the wireless data bandwidth for each user is scarce under the constraints of fast fading of wireless channels and the electromagnetic wave penetration attenuation of the carriages. Based on our preliminary researches on wireless communication technologies in high-speed scenarios, we propose a popular service cache-based converged wireless broadcasting and cellular network (PSC-CWBCN) scheme to improve the efficiency and capacity of the network. Multi-dimensional water filling algorithm will be adopted to remove the strong correlation between the allocated resources; the resources of relays will be modeled as that of users; then the resource dimensions will be reduced. The dynamical resources on the ground and the dynamical resources of users will be mapping onto the resources of the space; therefore, the dynamical optimization problem can be transferred into a static optimization problem. The optimizing objectives are non-linear for the reason of non-linearity of the service’s popularity, service’s size, and the large-scale fading of the wireless channels. Algorithms will be researched to make the non-linear problems become linear optimal problems. Finally, the evolutionary, particle swarm optimization, and ant colony optimization algorithms will be employed to minimize the generational distance (GD) between the solutions and the Pareto front. The efficiency and the capacity of the network will finally be effectively improved by optimally allocating the resources of the PSC-CWBCN. And this research will contribute to the wireless communication technology development in high-speed mobile scenarios of China.

在不小于350Km/h的高速移动场景下，受限于无线信道的快速衰落及车体损耗，用户所能享有的数据带宽资源稀缺。结合前期在高速移动通信领域的研究基础，提出了基于热点业务无线缓存的广播网与蜂窝网融合的技术方案，并对相关资源优化理论进行研究，以提高网络的效率和容量。拟采用多维注水原理稀疏表示强相关资源，并将中继资源等效表示为用户资源，以降低优化资源的维度；通过将动态地面资源和动态用户资源映射到空间资源之上，以将动态优化问题转化为静态优化问题；研究业务热度、业务大小、无线信号的大尺度衰落等模型在目标函数中的线性化表示，以将非线性的资源优化问题转化为线性优化问题。最后，在公平性、QoS等约束条件下，采用进化算法、粒子群和蚁群等优化算法以获得与Pareto前沿代距最小的非支配解集。项目最终将实现融合网络资源的优化配置，全面高效地提高网络的效率和容量，从而为我国高速移动通信技术的发展提供关键技术支撑。

在不小于350Km/h的高速移动场景下，受限于无线信道的快速衰落及车体损耗，用户所能享有的数据带宽资源稀缺。结合前期在高速移动通信领域的研究基础，提出了基于热点业务无线缓存的广播网与蜂窝网融合的技术方案，并对相关资源优化理论进行研究，以提高网络的效率和容量。. 为此，本项目研究了高铁业务预测技术，采用机器学习来预测业务量的大小，基于业务空间相关性的特征提取算法，并采用LSTM模型预测业务，该算法均衡系数(EC)值可以达到0.9783。研究了基于迭代干扰消除及压缩感知的信道估计技术，采用该算法可以进一步提升频谱的利用率，相关导频密度可以低至1%左右。. 项目重点研究了融合网络中的资源分配及优化技术，包括：在高速移动场景下多站点业务缓存技术，仿真表明：在多站点情况下，提出的推送策略可以有效地提高系统的等效吞吐量，尤其是在前一段旅程的人全部下车时情况下，等效吞吐量的提升可以达到145%。在用户均匀及非均匀分布下的分布式缓存技术，我们研究了用户均匀分布和非均匀分布情况下，热点业务的推送及存储算法，提出的分布式缓存机制优于传统融合网络的集中式缓存机制，缓存利用率提高了50%到70%。我们研究了基于反向拍卖的用户协作缓存技术。针对热点点播视频的协作缓存，仿真结果表明：与随机分配(RA)策略相比，我们所提出的策略在减少视频加载时间方面取得了至多33.3%的提升；与平均分配(AA)策略相比，取得了最多6.3%的提升。. 搭建了基于融合网络的业务智能推送软件及硬件平台，验证了热点业务爬取、推送、打包、用户接入等功能，并进行了缓存性能评估、用户协作缓存等试验。

内容获取失败，请点击重试