[论文解读] 5G NR-LTE Coexistence: Opportunities, Challenges, and Solutions

Sneihil Gopal, David Griffith+2 more|arXiv (Cornell University)|Oct 8, 2022

Advanced MIMO Systems Optimization被引用 5

一句话总结

本文提出了一种新颖的、通用的5G NR-LTE共存谱共享方案，适用于公共安全、机器类型通信和V2X网络，利用统计需求建模（均值与方差）优化静态与动态资源分配。相比基于最大值的方法，该方法减少了资源饥饿与过度配置，在不同负载条件下实现了更公平、更高效的资源分配。

ABSTRACT

5G New Radio (NR) promises to support diverse services such as enhanced mobile broadband (eMBB), ultra-reliable low-latency communication (URLLC), and massive machine-type communication (mMTC). This requires spectrum, most of which is occupied by 4G Long Term Evolution (LTE). Hence, network operators are expected to deploy 5G using the existing LTE infrastructure while migrating to NR. In addition, operators must support legacy LTE devices during the migration, so LTE and NR systems will coexist for the foreseeable future. In this article, we address LTE-NR coexistence starting with a review of both radio access technologies. We then describe the contributions by the 3rd Generation Partnership Project (3GPP) to solving the coexistence issue and catalog the major coexistence scenarios. Lastly, we introduce a novel spectrum sharing scheme that can be applied to the coexistence scenarios under study.

研究动机与目标

• 解决在频谱迁移过程中5G NR与传统LTE网络共存的挑战。
• 分析公共安全、机器类型通信和V2X网络中的共存场景。
• 评估3GPP针对LTE-NR共存的技术方案，并识别当前方法中的不足。
• 提出一种新颖的、通用的谱共享方案，以优化静态与动态资源分配。
• 证明基于统计需求建模（均值与方差）的方法相较于基于最大值的分配，在减少资源饥饿与过度配置方面具有优越性。

提出的方法

• 使用统计分布（均值与方差）而非峰值值，对LTE与NR网络的资源需求进行建模。
• 建立一个资源分配优化问题，通过统计需求参数最小化资源短缺与过剩。
• 在不同资源池大小（Nr = 20, 60, 100）下，将所提出的统计优化方法与基于最大值的分配方法进行对比。
• 通过仿真评估在不同优先级级别（γ）下，公平性、短缺与过剩的表现。
• 将该方案应用于eMBB、mMTC与URLLC用例中的共存场景，特别是在公共安全与V2X场景中。
• 将该方法集成到调度器框架中，支持共存网络中的静态与动态资源分配。

实验结果

研究问题

• RQ1 基于统计需求建模（均值与方差）的方法与基于峰值需求（最大值）的方法相比，在优化LTE-NR谱共享方面有何差异？
• RQ2 资源池大小对LTE-NR共存中公平性、资源饥饿与过度配置的影响如何？
• RQ3 在何种场景下，所提出的方案在资源效率方面优于传统的基于最大值的分配方法？
• RQ4 所提出的谱共享方案如何应用于公共安全、MTC与V2X等实际用例？
• RQ5 在使用统计方法与峰值方法进行分配时，公平性与资源过度配置之间的权衡是什么？

主要发现

• 当资源池大小（Nr = 20）小于估计需求时，两个网络均出现显著的资源饥饿；统计方法在更广泛的优先级权重（γ）范围内减少了总饥饿量。
• 在Nr = 60时，统计方法在γ ≈ 0.55时实现了完全公平的资源分配，而基于最大值的分配仅在极端γ值（接近0或1）时表现公平，导致过度配置。
• 在Nr = 100时，该值超过最大总需求，基于最大值的分配导致过度配置与资源过剩，而统计方法的分配更接近均值需求，导致资源短缺。
• 统计方法在资源池大小接近峰值需求时，能在更广泛的γ值范围内实现更公平的资源分配。
• 所提出的方案通过将资源分配与实际统计需求对齐，而非基于最坏情况峰值，从而减少了资源饥饿与过度配置。
• 该方法具有通用性，适用于多种共存场景，包括公共安全与V2X网络中的eMBB、mMTC与URLLC。