[论文解读] Green OFDMA Resource Allocation in Cache-Enabled CRAN

Reuben George Stephen, Rui Zhang|arXiv (Cornell University)|Dec 13, 2016

Caching and Content Delivery参考文献 9被引用 5

一句话总结

本文提出一种基于拉格朗日对偶的算法，用于在OFDMA架构的缓存增强型云无线电接入网络（CRAN）中联合优化用户-RRH关联、RRH选择与功率分配，以最小化总发射功率。该方法利用RRH缓存热门内容所支持的协作传输，相较于非缓存系统，可实现高达40%的节能效果，尤其在前回程链路容量受限时表现更优。

ABSTRACT

Cloud radio access network (CRAN), in which remote radio heads (RRHs) are deployed to serve users in a target area, and connected to a central processor (CP) via limited-capacity links termed the fronthaul, is a promising candidate for the next-generation wireless communication systems. Due to the content-centric nature of future wireless communications, it is desirable to cache popular contents beforehand at the RRHs, to reduce the burden on the fronthaul and achieve energy saving through cooperative transmission. This motivates our study in this paper on the energy efficient transmission in an orthogonal frequency division multiple access (OFDMA)-based CRAN with multiple RRHs and users, where the RRHs can prefetch popular contents. We consider a joint optimization of the user-SC assignment, RRH selection and transmit power allocation over all the SCs to minimize the total transmit power of the RRHs, subject to the RRHs' individual fronthaul capacity constraints and the users' minimum rate constraints, while taking into account the caching status at the RRHs. Although the problem is non-convex, we propose a Lagrange duality based solution, which can be efficiently computed with good accuracy. We compare the minimum transmit power required by the proposed algorithm with different caching strategies against the case without caching by simulations, which show the significant energy saving with caching.

研究动机与目标

• 通过在CRAN中于RRH处集成内容缓存，解决下一代无线网络日益增长的能耗与回传容量需求。
• 在满足用户速率需求与前回程容量限制的前提下，最小化OFDMA架构CRAN中RRH的总发射功率。
• 在已知RRH缓存状态的条件下，联合优化用户-RRH关联、RRH选择与功率分配。
• 评估在不同前回程与缓存大小条件下，不同缓存策略（最热门内容、概率性缓存与无缓存）的能效增益。

提出的方法

• 建立一个非凸优化问题，用于联合优化用户-RRH关联、RRH选择与功率分配，以最小化总发射功率。
• 应用拉格朗日对偶方法对问题进行分解，并推导出一种渐近最优且计算高效的对偶基算法。
• 系统模型包含M个RRH、K个用户、N个子载波与F个缓存内容，缓存状态{c_{m,f}}与用户请求{u_{k,f}}在中心处理器（CP）处已知。
• 将每个RRH的独立前回程容量约束与每个用户的最小速率要求作为硬约束纳入模型。
• 采用泽普夫分布建模内容流行度，采用瑞利衰落信道结合路径损耗与阴影衰落进行真实信道建模。
• 采用逐子载波的功率分配策略，并结合服务于同一用户的多个RRH的联合波束成形增益。

实验结果

研究问题

• RQ1 在OFDMA架构CRAN中，RRH缓存热门内容对总发射功率有何影响？
• RQ2 在前回程容量与用户速率约束下，最优的联合用户-RRH关联与功率分配策略为何？
• RQ3 在能效方面，确定性缓存（最热门内容）与概率性缓存相比表现如何？
• RQ4 与非缓存基线相比，缓存带来的节能增益是多少，尤其是在前回程容量受限时？
• RQ5 每个RRH的缓存大小如何影响总发射功率与能效？

主要发现

• 与非缓存系统相比，RRH缓存最热门内容可将总发射功率降低高达40%，尤其在前回程容量受限时效果显著。
• 所提出的基于拉格朗日对偶的算法在计算复杂度较低的前提下实现接近最优性能，具备实际部署潜力。
• 由于在RRH之间提供了更多协作传输机会，最热门内容的确定性缓存优于概率性缓存。
• 当前回程容量较高时，缓存带来的发射功率节省会减少，因为前回程本身已能支持协作传输而无需依赖缓存。
• 即使每个RRH仅缓存一个文件，也能实现显著的节能效果，表明在密集网络中微规模缓存具有重要价值。
• 系统在保持每个用户最低20 Mbps速率的同时，总发射功率随缓存大小与前回程容量的增加而呈有利趋势增长。