[论文解读] Distributed Resource Allocation in 5G Cellular Networks

Monowar Hasan, Ekram Hossain|arXiv (Cornell University)|Sep 8, 2014

Cooperative Communication and Network Coding被引用 24

一句话总结

本文提出三种用于5G异构网络的分布式无线资源分配算法——稳定匹配、基于因子图的消息传递和拍卖方法，旨在最大化频谱效率的同时最小化对宏用户造成的干扰。这些方法在信号开销低且时间复杂度为多项式级的前提下，实现了接近最优的性能，相较于集中式方案在密集网络中的可扩展性和实时可行性方面表现更优。

ABSTRACT

The 5G cellular wireless systems will have a multi-tier architecture consisting of macrocells, different types of licensed small cells and D2D networks to serve users with different quality-of-service (QoS) requirements in a spectrum efficient manner. Distributed resource allocation and interference management is one of the fundamental research challenges for such multi-tier heterogeneous networks. In this chapter, we consider the radio resource allocation problem in a multi-tier orthogonal frequency division multiple access (OFDMA)-based cellular (e.g., 5G LTE-A) network. In particular, we present three novel approaches for distributed resource allocation in such networks utilizing the concepts of stable matching, factor-graph based message passing, and distributed auction. We illustrate each of the modeling schemes with respect to a practical radio resource allocation problem. In particular, we consider a multi-tier network consisting a macro base station (MBS), a set of small cell base stations (SBSs) and corresponding small cell user equipments (SUEs), as well as D2D user equipments (DUEs). There is a common set of radio resources (e.g., resource blocks [RBs]) available to the network tiers (e.g., MBS, SBSs and DUEs). The SUEs and DUEs use the available resources (e.g., RB and power level) in an underlay manner as long as the interference caused to the macro tier (e.g., macro user equipments [MUEs]) remains below a given threshold. Followed by a brief theoretical overview of the modeling tools (e.g., stable matching, message passing and auction algorithm), we present the distributed solution approaches for the resource allocation problem in the aforementioned network setup. We also provide a brief qualitative comparison in terms of various performance metrics such as complexity, convergence, algorithm overhead etc.

研究动机与目标

• 解决因计算复杂度高和信号开销大，导致在密集5G异构网络中集中式资源分配面临的挑战。
• 为多层OFDMA架构的5G网络（宏小区、小小区、D2D链路）设计可扩展的去中心化无线电资源分配方案。
• 在对宏用户造成干扰受限的条件下，最大化小小区和D2D用户的频谱效率。
• 确保低复杂度、快速收敛的算法，适用于动态5G环境中实时部署。
• 从最优性、复杂度、收敛性和信号开销等方面，对比不同分布式方法的性能。

提出的方法

• 应用稳定匹配理论：每个发射机根据信道增益对可用资源块和功率等级进行排序，并通过去中心化匹配过程收敛至稳定分配。
• 使用基于因子图的消息传递：节点交换本地消息，通过信念传播计算边缘概率，并确定最优资源分配。
• 实施分布式拍卖：发射机根据信道质量与成本对资源出价，由MBS收集出价并将其分配给最高出价者。
• 将网络建模为多层系统，包含宏基站（MBS）、小小区基站（SBSs）和D2D用户设备（DUEs），共享同一资源块（RBs）池。
• 通过确保对宏用户（MUEs）造成的干扰低于预设阈值，强制执行干扰约束。
• 将信道状态信息（CSI）和SINR计算集成到每种算法中，以基于链路质量指导资源选择。

实验结果

研究问题

• RQ1 在5G异构网络中，如何通过分布式资源分配实现接近最优的频谱效率，同时将信号开销降至最低？
• RQ2 在稳定匹配、消息传递和拍卖方法中，最优性、收敛速度与计算复杂度之间的权衡关系如何？
• RQ3 与集中式最优方案相比，分布式算法在性能和可扩展性方面表现如何？
• RQ4 在实际干扰约束下，消息传递和基于拍卖的方法能否实现对近似最优分配的收敛？
• RQ5 网络密度和动态信道条件对去中心化资源分配的稳定性和性能有何影响？

主要发现

• 稳定匹配方法在多项式时间复杂度下实现弱帕累托最优，并在无需MBS掌握全局信道状态信息的情况下收敛至稳定分配。
• 消息传递方法在权重因子ω的约束下可提供最优解，通过迭代消息交换和边缘概率计算收敛至固定分配。
• 拍卖方法在Kε范围内收敛至最优解，每轮迭代的复杂度在N、L和K上呈线性关系，适用于大规模网络。
• 与具有O((NL)^K)复杂度的集中式最优方案（COS）相比，三种分布式方法显著降低了计算复杂度和信号开销。
• 拍卖方法在所有分布式方案中收敛速度最快，而消息传递方法在加权约束下提供了最高的最优性。
• 表2中的定性比较证实，分布式方法在密集5G网络中具备可扩展性和可行性，而集中式控制在此类场景下不切实际。