[论文解读] Resource Optimization with Flexible Numerology and Frame Structure for Heterogeneous Services

Lei You, Qi Liao+2 more|arXiv (Cornell University)|Jan 6, 2018

Satellite Communication Systems被引用 5

一句话总结

本文提出了一种基于线性规划与拉格朗日对偶性的可扩展优化算法，用于5G NR中的二维资源分配，利用灵活的子载波间隔（numerology）与帧结构，以提升频谱效率并满足多样化服务需求。结果表明，时频联合灵活性显著提升了弹性服务的吞吐量，并在严格时延约束下保证了可行性，所提方法实现了近似最优性能（最优性差距 <10%）。

ABSTRACT

We explore the potential of optimizing resource allocation with flexible numerology in frequency domain and variable frame structure in time domain, in presence of services with different types of requirements. We analyze the computational complexity and propose a scalable optimization algorithm based on searching in both the primal space and dual space that are complementary to each other. Numerical results show significant advantages of adopting flexibility in both time and frequency domains for capacity enhancement and meeting the requirements of mission critical services.

研究动机与目标

• 解决5G NR系统中异构服务在不同时延与吞吐量需求下的资源分配优化挑战。
• 在时域与频域中联合建模灵活的子载波间隔（numerology）与可变TTI结构（帧结构），构建二维资源分配问题。
• 证明在灵活子载波间隔与帧结构下，二维资源分配问题为NP难问题。
• 基于原始空间与对偶空间技术，设计一种可扩展的优化算法，以平衡计算效率与解的质量。
• 评估灵活资源分配相较于固定结构方案在吞吐量与时延约束下可行性方面的性能增益。

提出的方法

• 使用时频网格建模系统，其中每个基本单位代表一个资源块，并根据TTI时长与子载波间隔定义具有不同形状的候选资源块。
• 建立整数规划问题，以最大化弹性服务（$\mathcal{K}^{(c)}$）的吞吐量，同时满足对关键任务服务（$\mathcal{K}^{(\text{\ell}})$）的时延与数据需求约束。
• 对整数规划问题应用线性规划（LP）松弛，获得可处理的对偶问题，通过拉格朗日对偶性（LD）实现对偶分解。
• 利用LD得到的对偶变量估计块-服务效用，从而提升解的质量，优于标准LP松弛方法。
• 结合LP松弛与LD估计的块分配策略（LP+LD），以进一步减小最优性差距。
• 基于3GPP NR规范，利用考虑循环前缀长度、保护带与符号间干扰的信道模型，预先计算资源块吞吐量值 $r_{b,k}$。

实验结果

研究问题

• RQ1 时域（TTI时长）与频域（子载波间隔）的联合灵活性如何影响5G NR中的频谱效率与服务满足度？
• RQ2 在灵活子载波间隔与帧结构下，二维资源分配问题的计算复杂度与可解性如何？
• RQ3 结合LP与LD的可扩展优化算法是否能够实现近似最优性能且保持较低的最优性差距？
• RQ4 在不同时间延迟约束下，所提方法相较于固定结构方案（如0.25ms-30kHz、0.5ms-15kHz）在吞吐量与可行性方面表现如何？
• RQ5 对偶空间中的效用估计相较于原始空间或直接基于速率的分配方法（BA(φ, r)）在多大程度上提升了解的质量？

主要发现

• 证明了在灵活子载波间隔与帧结构下，二维资源分配问题为NP难问题。
• 所提LP+LD算法在所有测试场景中均实现了低于10%的最优性差距，表现出近似最优性能。
• 灵活资源分配显著优于固定结构方案，尤其在严格时延约束下（如τ = 0.25 ms），固定结构方案常因不可行而失效。
• 在非灵活方案中，0.25ms-30kHz结构表现最佳，因其在时域与频域灵活性之间实现了良好平衡。
• 采用对偶空间效用估计（LD）相比LP松弛或直接基于速率的分配（BA(φ, r)）可显著减小最优性差距。
• LP与LD相结合的块分配策略（LP+LD）表现最佳，证实了原始空间与对偶空间优化方法的互补性。