软件定义超蜂窝网络中的通信与计算协同设计与优化

众所周知，蜂窝架构是移动通信系统提高频谱效率有效的手段，它通过不断缩小蜂窝小区的大小，大幅提高网络容量，这种方法成功地支撑了移动通信40多年的飞速发展。但进一步缩小蜂窝小区的大小不仅会增加网络覆盖的成本，还会引起严重的小区间干扰，导致网络运行成本和能耗成本大幅攀升。与此同时，未来5G及其后续演进还需要针对物联网应用提供超大链接和超低时延的服务，现有硬性覆盖的蜂窝架构也是难以应对的。因此，如何将现有蜂窝架构改造得更加节能和更加智能是移动通信可持续发展亟待解决的关键科学问题。
基于我国首个绿色通信领域的国家重点基础研究计划（“973计划”）项目“能效与资源优化的超蜂窝移动通信系统基础研究”，清华大学牛志升教授课题组创新性地提出了一种永远在线的控制覆盖与按需部署的业务覆盖分离，并可在时域和空域上独立进行动态调整的超蜂窝网络新架构，它可以在保证蜂窝网络无缝覆盖和频谱效率的同时，引入基站的动态休眠和资源调度，从而大幅度降低整体能耗，解决了传统蜂窝架构的绿色可持续发展问题。这是移动通信网络架构在40多年来的次重大转变，并有望成为5G及其后续演进的关键技术。
与此同时，随着计算技术和机器学习的快速发展，超蜂窝网络可通过在控制基站或业务基站处大量部署计算资源，实现通信基带处理的集中化和资源共享，是下一代蜂窝网络的重要使能技术之一。刘景初博士敏锐地抓住了这个机会，创新性地将云计算、软件定义网路以及机器学习的思想引入超蜂窝网络中，提出了一种基于云化接入、前传网动态分组交换以及网络功能虚拟化的软件定义超蜂窝网络架构，使得超蜂窝网络根据实际业务需求进行动态重构成为可能。同时，给出了其通信资源与计算资源协同设计与优化的理论与方法，进一步提高了超蜂窝网络的灵活性和智能化水平。
具体来讲，本书的主要学术贡献可以概括为以下三点：
(1) 提出了一种软件定义超蜂窝网络架构，并基于排队模型给出了通信与计算资源双重约束下虚拟基站池部署规模的低复杂度递归解法，以及虚拟基站池规模较大时的近似闭式表达式。理论分析与数值结果显示：统计复用增益随虚拟基站池规模的增加而迅速递减，因此部署中等规模的基站池更加经济。
(2) 面向前传带宽压缩，提出了一种基于包交换技术的软件定义前传(fronthaul)网架构及两套基带功能分布式部署算法，使得用户可以根据设计偏好进行灵活的计算和前传成本折中设计。
(3) 提出了一种基于深度学习的网络休眠控制框架，包括负责长时间尺度的接入控制和短时间尺度的休眠控制。两组模型分别通过有监督学习和强化学习方式进行训练，并针对无线信道与移动流量的特性改进训练流程。仿真与数据驱动模拟实验显示：该框架可以通过跨小区信道预测，大量节省接入控制阶段的信道信息获取开销，并在短时休眠控制阶段给出显著优于已有研究结果的休眠策略。
基于上述成果，可使超蜂窝架构的高能效与灵活性以及云化无线接入网的协作通信与低成本得到互补与增强，并且可以在无线资源与计算资源相互耦合的场景中，获得更高的资源部署效率。与此同时，在无线通信资源与计算资源的双重约束下，通过灵活休眠可实现计算资源的动态缩放与优化配置，进一步提升系统运行的能量效率。
总之，软件定义超蜂窝网络将云化无线接入的优势引入超蜂窝架构，通过将控制基站与业务基站的主要信号处理功能集中放置，使得其可以进行高带宽低时延的互联协作。同时，控制基站可有效收集各个业务基站处的网络状态信息，获得对网络运行的全局感知，并作为中央控制实体对各业务基站进行功能控制，实现协作传输与休眠等功能。其次，在云化架构中，控制覆盖和业务覆盖仅仅具有逻辑上的意义，即无线远端设备(RRH)可以被配置为传输控制基站或数据基站的空口射频信号，甚至可以同时传递信令和数据基站的信号（具体的信号传递内容由RRH与虚拟基站的逻辑连接决定）。因为RRH与基站间映射关系灵活，基站的休眠也只具有逻辑上的意义。后，控制基站和业务基站的信号处理任务都主要在虚拟基站云以软件的方式进行，它们共享同一套通用计算资源，因此可大幅提高系统的物理资源利用率，进一步增强能量效率。

    
清华大学电子工程系    
2020年7月19日     

本文提出了一种软件定义超蜂窝网络架构，并基于排队模型给出了通信与计算资源双重约束下虚拟基站池*部署规模的低复杂度求解方法。面向前传带宽压缩，提出了一种基于包交换技术的软件定义前传网架构及两套基带功能分布式部署算法，使得用户可以根据设计偏好进行灵活的计算和前传成本折衷设计。针对能耗优化问题，提出了一种基于深度学习的网络休眠控制框架，包括负责长时间尺度的接入控制和短时间尺度的休眠控制。

刘景初，清华大学电子工程系博士，导师牛志升教授。现就职于北京地平线信息技术有限公司，负责自动驾驶系统中的决策、规划、预测算法研发，研究兴趣包括强化学习以及随机系统的建模与资源管理。曾获博士生国家奖学金，清华大学优秀博士论文等奖项。

第1章  绪论  1 
1.1  蜂窝移动网络的演进和挑战  1 
1.1.1  移动通信业务的变迁 1 
1.1.2  蜂窝通信技术演进历史和目标  2 
1.1.3  以小区为中心的无线接入网  4 
1.2  云化无线接入网研究  6 
1.2.1  整体架构  6 
1.2.2  虚拟基站池实现及其资源管理  7 
1.2.3  前传网传输和带宽压缩  8 
1.3  超蜂窝网络架构及能效与资源的联合优化  9 
1.4  研究内容与结构安排  10 

第2章  软件定义超蜂窝网络及虚拟基站池部署规模分析  14 
2.1  引言  14 
2.2  软件定义超蜂窝网络架构 15 
2.2.1  数据平面  16 
2.2.2  控制平面  17 
2.2.3  软件定义服务 18 
2.3  虚拟基站池部署规模分析 18 
2.3.1  虚拟基站池模型  19 
2.3.2  阻塞概率分析 22 
2.3.3  统计复用增益分析  30 
2.3.4  数值结果  36 
2.4  本章小结  41 

第3章  面向前传网带宽压缩的基带计算功能分布式部署  42 
3.1  引言  42
3.2  基于低复杂度基带逆操作的基带压缩算法  44 
3.2.1  压缩算法原理 44 
3.2.2  压缩系统设计 47 
3.2.3  系统实现方案 49 
3.2.4  压缩效率测试结果  55 
3.3  基于图聚类的基带功能分布式部署  58 
3.3.1  基于图的基带功能分布式部署  58 
3.3.2  面向基带功能分布式部署的图聚类遗传算法 61 
3.3.3  仿真结果  64 
3.4  软件定义前传网络设计  70 
3.4.1  需求分析  70 
3.4.2  实现方式  72 
3.5  本章小结  75 

第4章  基于深度学习的软件定义超蜂窝网络休眠控制 77 
4.1  引言  77 
4.2  数据驱动的休眠控制框架 78 
4.2.1  接入控制中的信道信息获取  79 
4.2.2  复杂动态业务下的动态休眠  80 
4.2.3  整体框架  81 
4.3  信道预测与休眠控制算法设计  82 
4.3.1  信道学习：基于有监督深度学习的跨小区信道预测  83 
4.3.2  DeepNap：基于深度强化学习的短时休眠控制  87 
4.4  实验与仿真结果  95 
4.4.1  跨小区信道预测算法  95 
4.4.2  短时休眠控制算法  98 
4.5  本章小结  108 

第5章  总结与展望  110 
参考文献  113 
在学期间发表的学术论文与研究成果 122 
致谢 124

本文提出了一种软件定义超蜂窝网络架构，并基于排队模型给出了通信与计算资源双重约束下虚拟基站池*部署规模的低复杂度求解方法。面向前传带宽压缩，提出了一种基于包交换技术的软件定义前传网架构及两套基带功能分布式部署算法，使得用户可以根据设计偏好进行灵活的计算和前传成本折衷设计。针对能耗优化问题，提出了一种基于深度学习的网络休眠控制框架，包括负责长时间尺度的接入控制和短时间尺度的休眠控制。

刘景初，清华大学电子工程系博士，导师牛志升教授。现就职于北京地平线信息技术有限公司，负责自动驾驶系统中的决策、规划、预测算法研发，研究兴趣包括强化学习以及随机系统的建模与资源管理。曾获博士生国家奖学金，清华大学优秀博士论文等奖项。