基于定價(jià)的異構(gòu)網(wǎng)絡(luò)無(wú)線資源管理研究.pdf

1、當(dāng)今用戶的通信質(zhì)量要求日益提高，對(duì)于無(wú)線資源的需求也隨之增加。由于無(wú)線資源的匱乏和網(wǎng)絡(luò)容量的有限，移動(dòng)數(shù)據(jù)量的激增給傳統(tǒng)的蜂窩網(wǎng)絡(luò)架構(gòu)帶來(lái)嚴(yán)峻的挑戰(zhàn)。異構(gòu)網(wǎng)絡(luò)的出現(xiàn)在一定程度上解決了資源緊缺的問(wèn)題。通過(guò)在傳統(tǒng)的宏蜂窩的基礎(chǔ)上部署不同類(lèi)型的通信網(wǎng)絡(luò)，系統(tǒng)容量和室內(nèi)覆蓋的能力得到明顯的改善。然而多種通信方式的共存使網(wǎng)絡(luò)環(huán)境變得更加復(fù)雜，導(dǎo)致了同頻干擾、負(fù)載分布不均、用戶服務(wù)質(zhì)量得不到保障等問(wèn)題。如何將異構(gòu)網(wǎng)絡(luò)中的無(wú)線資源進(jìn)行合理有效的管理,

2、仍然是亟需解決的問(wèn)題。本文從定價(jià)的角度，分別針對(duì)四種不同的異構(gòu)網(wǎng)絡(luò)場(chǎng)景的無(wú)線資源分配問(wèn)題進(jìn)行研究，包括基于擁塞定價(jià)的蜂窩選擇和頻譜分配、基于激勵(lì)補(bǔ)償?shù)牧髁啃遁d，云異構(gòu)網(wǎng)絡(luò)的無(wú)線資源管理以及蜂窩網(wǎng)-車(chē)載網(wǎng)模式選擇和資源分配。通過(guò)對(duì)資源定價(jià),既能夠緩解網(wǎng)絡(luò)擁塞，提高用戶的滿意程度，又能使各網(wǎng)絡(luò)實(shí)體效用得到保障。本文的研究方法包括凸優(yōu)化、微觀經(jīng)濟(jì)學(xué)、博弈論、系統(tǒng)仿真等方法。
　　首先提出了異構(gòu)網(wǎng)絡(luò)中基于效用最大化的蜂窩選擇和頻譜分配方案

3、。策略式的蜂窩選擇方式會(huì)造成負(fù)載不均、資源利用率低下等問(wèn)題?；谛в米畲蠡姆涓C選擇方法不但可以使用戶總滿意度最大，而且能實(shí)現(xiàn)系統(tǒng)容量的提升和負(fù)載均衡。針對(duì)femtocell工作在開(kāi)放模式的場(chǎng)景，提出了對(duì)數(shù)效用最大化的蜂窩選擇機(jī)制并設(shè)計(jì)了基于影子價(jià)格調(diào)控的分布式迭代算法。仿真結(jié)果表明，該機(jī)制能夠?qū)ο到y(tǒng)吞吐量帶來(lái)較大提升。針對(duì)femtocell工作在混合模式的場(chǎng)景，提出了基于網(wǎng)絡(luò)效用最大化的機(jī)會(huì)主義的蜂窩選擇方案，同時(shí)第三方采用擁塞定價(jià)策

4、略來(lái)控制蜂窩間的負(fù)載均衡。設(shè)計(jì)了基于影子價(jià)格和負(fù)荷價(jià)格調(diào)控的分布式迭代算法。仿真結(jié)果表明該方案能在擁塞情況下提高吞吐增益，負(fù)載均衡也得到改善。
　　其次設(shè)計(jì)了異構(gòu)網(wǎng)絡(luò)中基于激勵(lì)補(bǔ)償策略的流量卸載方案。首先針對(duì)運(yùn)營(yíng)商和第三方共存的場(chǎng)景下，設(shè)計(jì)了一個(gè)激勵(lì)定價(jià)機(jī)制。該機(jī)制下運(yùn)營(yíng)商補(bǔ)償給第三方補(bǔ)償以換取頻譜共享。設(shè)計(jì)了一種激勵(lì)定價(jià)函數(shù)，補(bǔ)償會(huì)隨著共享頻譜比例的增加而非線性增加，激勵(lì)因子可以控制補(bǔ)償?shù)牧Χ取Ｋ顾瞬癫┺姆治龃_定最優(yōu)的激勵(lì)因

5、子和最優(yōu)共享頻譜比例。分析表明，采用激勵(lì)定價(jià)機(jī)制提供補(bǔ)償，運(yùn)營(yíng)商和每個(gè)femtocell持有者的效用都得到了較大提升。此外針對(duì)蜂窩網(wǎng)和物聯(lián)網(wǎng)共存的異構(gòu)網(wǎng)絡(luò)中，設(shè)計(jì)了一個(gè)用戶補(bǔ)償機(jī)制流量卸載方案，運(yùn)營(yíng)商向用戶提供補(bǔ)償激勵(lì)用戶變成D2D(device-to-device)簇頭對(duì)周邊用戶提供D2D服務(wù)，被補(bǔ)償?shù)挠脩舴窒硌a(bǔ)償后決定復(fù)用頻譜的比例。斯塔克伯格博弈分析確定最優(yōu)運(yùn)營(yíng)商補(bǔ)償值和D2D簇頭用戶的最優(yōu)復(fù)用頻譜比例。分析表明，該方案能實(shí)現(xiàn)運(yùn)營(yíng)

6、商和D2D簇頭用戶的共贏。
　　再次提出了云異構(gòu)網(wǎng)絡(luò)中基于定價(jià)調(diào)控的資源管理方案。首先提出了基于干擾定價(jià)的蜂窩休眠和用戶接入方案。在該方案中，基站的工作狀態(tài)由云計(jì)算中心控制。提出了一種分布式的啟發(fā)式算法使得用戶總效用最大化。該算法中云計(jì)算中心為每個(gè)基站分配價(jià)格，該價(jià)格與基站所提供的干擾成正比，用戶在對(duì)系統(tǒng)容量干擾最少的基站中進(jìn)行選擇，云計(jì)算中心對(duì)沒(méi)有被用戶選擇的閑置基站進(jìn)行休眠。仿真結(jié)果表明,該方案在相同的能耗下實(shí)現(xiàn)了系統(tǒng)吞吐量的

7、較大提升，在大規(guī)模網(wǎng)絡(luò)中增益更為明顯。此外設(shè)計(jì)了基于流量預(yù)測(cè)的蜂窩選擇方案。該方案利用了云平臺(tái)中的數(shù)據(jù)分析模塊，云計(jì)算中心對(duì)用戶的流量需求進(jìn)行預(yù)測(cè)，提前掌握用戶的流量需求的變化規(guī)律。設(shè)計(jì)了基于系統(tǒng)吞吐最大化的蜂窩選擇算法，對(duì)基站業(yè)務(wù)負(fù)載進(jìn)行定價(jià)，迭代過(guò)程中用戶盡量避免接入業(yè)務(wù)量較重的基站進(jìn)行接入。仿真結(jié)果表明，該方案可以實(shí)現(xiàn)吞吐量增益的提升，滿意用戶的數(shù)量也有所增加。
　　最后設(shè)計(jì)了在蜂窩網(wǎng)-車(chē)載網(wǎng)異構(gòu)網(wǎng)絡(luò)中優(yōu)化的接入模式選擇和資