[论文解读] Joint Scheduling and Power Allocations for Traffic Offloading via Dual-Connectivity

Yuan Wu, Yanfei He+4 more|arXiv (Cornell University)|Sep 30, 2015

Advanced MIMO Systems Optimization被引用 5

一句话总结

本文提出了一种针对移动用户通过宏蜂窝和小蜂窝网络进行双连接性流量卸载的联合调度与功率分配框架，旨在最小化总用户成本的同时管理干扰。该研究提出了一种集中式与分布式算法，实现了接近最优的性能，且计算复杂度显著降低，与不进行卸载相比，用户成本降低了75%以上。

ABSTRACT

With the rapid growth of mobile traffic demand, a promising approach to relieve cellular network congestion is to offload users' traffic to small-cell networks. In this paper, we investigate how the mobile users (MUs) can effectively offload traffic by taking advantage of the capability of dual-connectivity, which enables an MU to simultaneously communicate with a macro base station (BS) and a small-cell access point (AP) via two radio-interfaces. Offloading traffic to the AP usually reduces the MUs' mobile data cost, but often at the expense of suffering increased interferences from other MUs at the same AP. We thus formulate an optimization problem that jointly determines each MU's traffic schedule (between the BS and AP) and power control (between two radio-interfaces). The system objective is to minimize all MUs' total cost, while satisfying each MU's transmit-power constraints through proper interference control. In spite of the non-convexity of the problem, we design both a centralized algorithm and a distributed algorithm to solve the joint optimization problem. Numerical results show that the proposed algorithms can achieve the close-to-optimum results comparing with the ones achieved by the LINGO (a commercial optimization software), but with significantly less computational complexity. The results also show that the proposed adaptive offloading can significantly reduce the MUs' cost, i.e., save more than 75% of the cost without offloading traffic and 65% of the cost with a fixed offloading.

研究动机与目标

• 为解决在双连接性网络中最小化移动用户（MU）成本的挑战，其中将流量卸载至小蜂窝可降低数据成本，但会增加干扰。
• 联合优化宏蜂窝和小蜂窝基站之间的流量调度以及两个无线接口的功率分配，同时考虑单个MU的功率约束。
• 设计高效算法，以低计算复杂度求解非凸优化问题，同时保持接近最优的性能。
• 验证自适应卸载在降低总用户成本方面相对于固定卸载或不卸载的有效性。

提出的方法

• 在信干噪比（SINR）和发射功率约束下，构建整合了流量调度与功率控制的成本最小化问题。
• 通过数学变换，将非凸问题转化为等价的SINR分配问题。
• 设计一种两层集中式算法，利用隐藏单调性求解SINR分配问题。
• 在接入点（AP）带宽不小于基站（BS）带宽的条件下，提出一种分布式算法，利用隐藏凹最小化结构。
• 在两种算法中均使用线性搜索并自适应调整步长Δ_top，以平衡性能与计算时间。
• 从AP计算得到的SINR中推导出最优的流量调度与功率分配。

实验结果

研究问题

• RQ1 移动用户如何联合优化双连接性链路的流量卸载与功率分配，以最小化总成本？
• RQ2 多个用户共享小蜂窝AP所产生的干扰对卸载的成本效益有何影响？
• RQ3 与商业求解器（如LINGO）相比，集中式算法能否在计算复杂度显著降低的前提下实现接近最优的性能？
• RQ4 能否设计一种分布式算法，在保持性能的同时实现可扩展的实时部署？
• RQ5 在调整算法中搜索分辨率Δ_top时，性能增益与计算成本之间的权衡是什么？

主要发现

• 所提出的集中式与分布式算法实现了接近最优的性能，与LINGO求解结果非常接近，但计算复杂度显著降低。
• 在两种算法中使用Δ_top = 0.005时，平均性能损失仅为0.385%，相比Δ_top = 0.001，计算时间减少了78.76%。
• 所提出的自适应卸载相比不卸载使总用户成本降低超过75%，相比固定卸载降低65%。
• 分布式算法计算时间极低（例如，4个MU、每用户3 Mbps需求时，计算时间低于2秒），且在流量需求增加时具有良好的可扩展性。
• 数值结果证实，SINR分配问题中的隐藏凹最小化结构使得在带宽条件下实现有效的分布式优化成为可能。
• 当Δ_top从0.001增加到0.005时，算法在不同流量需求下均表现出鲁棒性，性能下降极小。