[论文解读] Dynamic Joint Uplink and Downlink Optimization for Uplink and Downlink Decoupling-Enabled 5G Heterogeneous Networks

Qi Liao, Danish Aziz+1 more|arXiv (Cornell University)|Jul 19, 2016

Advanced MIMO Systems Optimization参考文献 28被引用 5

一句话总结

本文提出了一种用于5G异构网络（HetNets）中上下行解耦（DeUD）的动态联合上行与下行链路优化框架，采用定点迭代算法联合分配带宽与控制功率，以最大化最小服务质量（QoS）满足度。该方法在DeUD和耦合接入场景下均优于传统的比例公平方案，尤其在上下行流量不对称及真实干扰条件下表现更优。

ABSTRACT

The concept of user-centric and personalized service in the fifth generation (5G) mobile networks encourages technical solutions such as dynamic asymmetric uplink/downlink resource allocation and elastic association of cells to users with decoupled uplink and downlink (DeUD) access. In this paper we develop a joint uplink and downlink optimization algorithm for DeUD-enabled wireless networks for adaptive joint uplink and downlink bandwidth allocation and power control, under different link association policies. Based on a general model of inter-cell interference, we propose a three-step optimization algorithm to jointly optimize the uplink and downlink bandwidth allocation and power control, using the fixed point approach for nonlinear operators with or without monotonicity, to maximize the minimum level of quality of service satisfaction per link, subjected to a general class of resource (power and bandwidth) constraints. We present numerical results illustrating the theoretical findings for network simulator in a real-world setting, and show the advantage of our solution compared to the conventional proportional fairness resource allocation schemes in both the coupled uplink and downlink (CoUD) access and the novel link association schemes in DeUD.

研究动机与目标

• 解决5G异构网络（HetNets）中因社交与数据共享应用导致上行流量增长而引发的上下行流量不对称挑战。
• 在上下行解耦（DeUD）接入条件下，构建一种通用的联合上行与下行链路资源分配及功率控制优化框架，支持灵活的小区关联。
• 在满足一般功率与带宽约束的前提下，最大化所有用户链路的最小QoS满足度。
• 设计一种三步定点算法，以处理非线性、非单调的干扰算子，求解联合优化问题。
• 通过真实网络仿真，证明所提方案在DeUD与耦合上下行（CoUD）场景下均优于传统比例公平方案。

提出的方法

• 为支持DeUD的HetNets构建了一般性干扰模型，捕捉上下行链路中的小区间干扰。
• 提出一种基于定点理论的三步迭代算法，用于处理非线性算子，实现带宽分配与功率控制的联合优化。
• 采用基于缩放的定点迭代方法求解非凸、非单调的优化问题，确保收敛至最大化最小QoS满足度的解。
• 引入一个效用函数，用于捕捉所有链路中最小QoS满足度，同时施加每小区总功率与带宽的约束。
• 通过非线性算子的特征向量与特征值分析对问题进行重构，实现收敛性保证。
• 利用来自意大利罗马的真实流量轨迹验证算法，并在多种关联策略与干扰场景下评估性能。

实验结果

研究问题

• RQ1 在支持上下行解耦接入的5G HetNets中，如何联合优化上行与下行链路的资源分配与功率控制，以最大化最小QoS满足度？
• RQ2 所提联合优化算法相较于传统比例公平方案，在DeUD与CoUD场景下的性能增益如何？
• RQ3 在真实城市环境中观测到的时变、非对称上行与下行流量负载下，该算法表现如何？
• RQ4 不同的链路关联策略（如基于路径损耗、接收信号功率或负载）对整体系统效用与QoS公平性有何影响？
• RQ5 即使干扰算子为非单调情形，该定点迭代方法是否仍能收敛？收敛性如何证明？

主要发现

• 所提联合优化算法在DeUD与CoUD场景下，均实现了比传统比例公平方案更高的最小QoS满足度水平。
• 仿真结果表明，该算法在多种干扰与流量条件下均能可靠收敛，验证场景包含500个用户的实际城市无线网格。
• 在上行流量显著超过下行流量的非对称负载条件下，性能增益最为显著，验证了DeUD与动态资源分配的必要性。
• 在DeUD配置下，用户设备（UE）特定的功率控制相比小区特定的功率控制，能带来更高的效用与公平性。
• 该算法在不同关联策略下均保持高系统效用，当使用最优偏移参数时，超过80%的试验达到前三名的效用值。
• 通过动态带宽与功率分配，实现了节能型功率控制，降低了终端能耗，同时未牺牲QoS。