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

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

Caching and Content Delivery参考文献 8被引用 3

一句话总结

本文提出了一种联合优化框架，用于雾无线电接入网络（F-RAN）中的多播波束成形、动态聚类和回传流量平衡，以在确保服务质量（QoS）并尊重单个回传容量约束的前提下最小化能耗。通过根据回传容量和信道条件动态选择用于多播组的无线单元（RUs），并优化波束成形向量，该算法实现了均衡的回传负载和更低的能耗，优于以往假设共享回传容量的方法。

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

• 解决先前F-RAN设计中因假设共享回传容量而导致的回传流量不平衡问题。
• 联合优化F-RAN中的多播波束成形、动态聚类和回传流量平衡，以实现能效最大化。
• 在保证所有用户QoS并遵守单个RU回传容量限制的前提下，最小化总能耗。
• 开发一种智能算法，可排除低贡献RU以减少回传负载并提升效率。
• 证明单个回传容量约束对系统可行性与中断概率具有显著影响。

提出的方法

• 建立一个联合优化问题，以在QoS和单个回传容量约束下最小化总能耗。
• 引入一种动态聚类机制，基于回传容量和信道条件，排除对多播组贡献最小的RUs。
• 使用半定松弛（SDR）和连续凸逼近（SCA）求解非凸波束成形优化问题。
• 应用重加权ℓ1-最小化技术，以促进波束成形向量的稀疏性，从而实现对低贡献RUs的动态零迫。
• 采用一种迭代算法，交替进行波束成形优化与聚类优化，以收敛至次优解。
• 实施一种回传感知的聚类策略，确保无任何回传链路超过其单个容量。

实验结果

研究问题

• RQ1 在F-RAN中，如何在具有异构容量的单个RUs之间平衡回传流量？
• RQ2 单个回传容量约束对系统能耗和可行性有何影响？
• RQ3 动态聚类如何在维持QoS的同时提升F-RAN的能效？
• RQ4 在联合优化波束成形与聚类时，能耗与回传负载之间存在何种权衡？
• RQ5 动态排除低贡献RUs是否能减少回传拥塞并提升系统性能？

主要发现

• 与文献[6]中的基准方案相比，所提算法在回传负载不均衡方面表现更优，后者假设共享回传容量，导致流量拥塞。
• 在单个回传容量为70 Mbps且缓存2个文件的条件下，所提算法相比完全协作方案将能耗降低15%，同时保持QoS。
• 当回传容量从70 Mbps提升至104 Mbps，缓存文件数从2个增至3个时，中断概率从18%降至3%。
• 该算法在5至7次迭代内收敛至最优结果，表现出快速收敛性与实际可行性。
• 当回传容量较低且请求了大量未缓存文件时，18%的实例出现不可行解，凸显了单个容量约束的重要性。
• 动态聚类机制成功通过排除低信道增益和最小贡献的RUs，有效降低了回传负载，尤其在未缓存文件场景下表现显著。