[论文解读] Backhaul Traffic Balancing and Dynamic Content-Centric Clustering Based on Beamforming in the Downlink of Fog Radio Access Network

Di Chen, Stephan Schedler+1 more|arXiv (Cornell University)|Feb 17, 2016

Caching and Content Delivery被引用 1

一句话总结

本文提出在雾无线电接入网络（F-RAN）中联合优化多播波束成形、动态聚类和回传链路负载均衡，以在确保用户服务质量（QoS）并平衡回传负载的同时最小化能耗。通过利用无线单元（RUs）的本地缓存，并根据文件请求和回传容量动态形成聚类，该方案减少了回传流量并提升了频谱效率。

ABSTRACT

Recently, an evolution of the Cloud Radio Access Network (C-RAN) has been proposed, named as Fog Radio Access Network (F-RAN). Compared to C-RAN, the Radio Units (RUs) in F-CAN are equipped with local caches, which can store some frequently requested files. In the downlink, users requesting the same file form a multicast group, and are cooperatively served by a cluster of RUs. The requested file is either available locally in the cache of this cluster or fetched from the Central Processor (CP) via backhauls. Thus caching some frequently requested files can greatly reduce the burden on backhaul links. Whether a specific RU should be involved in a cluster to serve a multicast group depends on its backhaul capacity, requested files, cached files and the channel. Therefore it is subject to optimization. In this paper we investigate the joint design of multicast beamforming, dynamic clustering and backhaul traffic balancing. Beamforming and clustering are jointly optimized in order to minimize the power consumed, while QoS of each user is to be met and the traffic on each backhaul link is balanced according to its capacity.

研究动机与目标

• 解决由于频繁的文件请求和有限的回传容量导致的F-RAN下行链路中回传流量过高和能量效率低下的问题。
• 通过利用无线单元（RUs）的本地缓存，使RUs能够本地服务多播组，从而减少回传负载。
• 根据回传容量和信道条件，动态形成RUs聚类，以协同服务请求相同文件的用户。
• 在链路间均衡回传流量，防止拥塞并提升网络效率。
• 在满足每个用户服务质量（QoS）要求的前提下，最小化总能耗。

提出的方法

• 构建一个联合优化问题，整合F-RAN中的多播波束成形、动态聚类和回传流量均衡。
• 利用波束成形向量将信号波束对准多播组，以最小化干扰和能耗。
• 根据本地缓存中的文件可用性、请求的文件以及回传容量约束，动态分配RUs到聚类中。
• 通过根据各RUs的回传容量分配文件传输请求，实现回传流量的均衡。
• 采用凸优化技术，通过迭代逼近和分解方法求解非凸问题。
• 通过在优化中施加SINR（信号与干扰加噪声比）约束，确保每个用户的QoS。

实验结果

研究问题

• RQ1 如何在F-RAN下行链路中有效均衡多条链路的回传流量，以防止拥塞？
• RQ2 如何最优地形成RUs的动态聚类，以在最小化能耗的同时服务多播组？
• RQ3 如何利用RUs的本地缓存减少回传负载并提升系统效率？
• RQ4 何种波束成形策略可确保所有用户的服务质量（QoS）同时最小化总发射功率？
• RQ5 如何高效地构建并求解聚类、波束成形和回传负载均衡的联合优化问题？

主要发现

• 所提出的联合优化方案通过利用RUs的本地缓存使多播组无需依赖核心处理器即可本地服务，显著减少了回传流量。
• 基于回传容量和文件可用性的动态聚类，实现了回传链路间更均衡的流量分布。
• 通过最小化激活的RUs数量并优化多播组的波束成形向量，该方案实现了显著的节能效果。
• 通过SINR约束确保了用户QoS，即使在存在干扰和容量限制的情况下也能保证可靠接收。
• 迭代优化方法收敛至一个可行解，有效平衡了能量效率、回传负载与QoS需求。