基于定價的異構(gòu)網(wǎng)絡(luò)無線資源管理研究.pdf

1、當(dāng)今用戶的通信質(zhì)量要求日益提高，對于無線資源的需求也隨之增加。由于無線資源的匱乏和網(wǎng)絡(luò)容量的有限，移動數(shù)據(jù)量的激增給傳統(tǒng)的蜂窩網(wǎng)絡(luò)架構(gòu)帶來嚴(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題。通過在傳統(tǒng)的宏蜂窩的基礎(chǔ)上部署不同類型的通信網(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)量得不到保障等問題。如何將異構(gòu)網(wǎng)絡(luò)中的無線資源進(jìn)行合理有效的管理,

2、仍然是亟需解決的問題。本文從定價的角度，分別針對四種不同的異構(gòu)網(wǎng)絡(luò)場景的無線資源分配問題進(jìn)行研究，包括基于擁塞定價的蜂窩選擇和頻譜分配、基于激勵補償?shù)牧髁啃遁d，云異構(gòu)網(wǎng)絡(luò)的無線資源管理以及蜂窩網(wǎng)-車載網(wǎng)模式選擇和資源分配。通過對資源定價,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造成負(fù)載不均、資源利用率低下等問題?；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，而且能實現(xiàn)系統(tǒng)容量的提升和負(fù)載均衡。針對femtocell工作在開放模式的場景，提出了對數(shù)效用最大化的蜂窩選擇機(jī)制并設(shè)計了基于影子價格調(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)吞吐量帶來較大提升。針對femtocell工作在混合模式的場景，提出了基于網(wǎng)絡(luò)效用最大化的機(jī)會主義的蜂窩選擇方案，同時第三方采用擁塞定價策

4、略來控制蜂窩間的負(fù)載均衡。設(shè)計了基于影子價格和負(fù)荷價格調(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)計了異構(gòu)網(wǎng)絡(luò)中基于激勵補償策略的流量卸載方案。首先針對運營商和第三方共存的場景下，設(shè)計了一個激勵定價機(jī)制。該機(jī)制下運營商補償給第三方補償以換取頻譜共享。設(shè)計了一種激勵定價函數(shù)，補償會隨著共享頻譜比例的增加而非線性增加，激勵因子可以控制補償?shù)牧Χ取Ｋ顾瞬癫┺姆治龃_定最優(yōu)的激勵因

5、子和最優(yōu)共享頻譜比例。分析表明，采用激勵定價機(jī)制提供補償，運營商和每個femtocell持有者的效用都得到了較大提升。此外針對蜂窩網(wǎng)和物聯(lián)網(wǎng)共存的異構(gòu)網(wǎng)絡(luò)中，設(shè)計了一個用戶補償機(jī)制流量卸載方案，運營商向用戶提供補償激勵用戶變成D2D(device-to-device)簇頭對周邊用戶提供D2D服務(wù)，被補償?shù)挠脩舴窒硌a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)運營商補償值和D2D簇頭用戶的最優(yōu)復(fù)用頻譜比例。分析表明，該方案能實現(xiàn)運營

6、商和D2D簇頭用戶的共贏。
　　再次提出了云異構(gòu)網(wǎng)絡(luò)中基于定價調(diào)控的資源管理方案。首先提出了基于干擾定價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。該算法中云計算中心為每個基站分配價格，該價格與基站所提供的干擾成正比，用戶在對系統(tǒng)容量干擾最少的基站中進(jìn)行選擇，云計算中心對沒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)計了基于流量預(yù)測的蜂窩選擇方案。該方案利用了云平臺中的數(shù)據(jù)分析模塊，云計算中心對用戶的流量需求進(jìn)行預(yù)測，提前掌握用戶的流量需求的變化規(guī)律。設(shè)計了基于系統(tǒng)吞吐最大化的蜂窩選擇算法，對基站業(yè)務(wù)負(fù)載進(jìn)行定價，迭代過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)計了在蜂窩網(wǎng)-車載網(wǎng)異構(gòu)網(wǎng)絡(luò)中優(yōu)化的接入模式選擇和資