[论文解读] Fog Radio Access Networks: Mobility Management, Interference Mitigation and Resource Optimization

Haijun Zhang, Yu Qiu+3 more|arXiv (Cornell University)|Jul 20, 2017

Advanced MIMO Systems Optimization参考文献 13被引用 9

一句话总结

本文提出了一种雾无线电接入网络（FRAN）架构，通过将信号处理、缓存和资源管理功能去中心化至网络边缘，以增强5G移动网络。通过采用基于非合作博弈的上行链路资源分配方案，结合干扰定价与缓存奖励机制，FRAN在密集部署场景下降低了回传链路负载和信令开销，同时将净效用提升高达30%，仿真结果验证了该方案在不同数量的小型基站和用户数下的有效性。

ABSTRACT

In order to make Internet connections ubiquitous and autonomous in our daily lives, maximizing the utilization of radio resources and social information is one of the major research topics in future mobile communication technologies. Fog radio access network (FRAN) is regarded as a promising paradigm for the fifth generation (5G) of mobile networks. FRAN integrates fog computing with RAN and makes full use of the edge of networks. FRAN would be different in networking, computing, storage and control as compared with conventional radio access networks (RAN) and the emerging cloud RAN. In this article, we provide a description of the FRAN architecture, and discuss how the distinctive characteristics of FRAN make it possible to efficiently alleviate the burden on the fronthaul, backhaul and backbone networks, as well as reduce content delivery latencies. We will focus on the mobility management, interference mitigation, and resource optimization in FRAN. Our simulation results show that the proposed FRAN architecture and the associated mobility and resource management mechanisms can reduce the signaling cost and increase the net utility for the RAN.

研究动机与目标

• 为解决集中式云无线接入网络（CRAN）和异构CRAN（HCRAN）架构的局限性，如高回传链路负载以及在用户移动性和密集部署场景下的可扩展性差问题。
• 通过采用雾计算原则，将计算、存储和控制功能移至网络边缘，以减少信令开销和回传负担。
• 通过在雾接入点（F-APs）实现分布式协作式无线电信号处理和本地缓存，提升频谱效率和用户公平性。
• 通过干扰感知的、基于博弈论的资源分配机制，缓解异构FRAN中的跨层干扰。
• 在真实移动性和流量条件下，评估FRAN在净效用、回传链路效率和信令成本方面的性能增益。

提出的方法

• 提出一种雾无线电接入网络（FRAN）架构，将基带处理、缓存和控制功能去中心化至边缘设备，如F-APs和用户设备（UE）。
• 引入F-APs之间的非合作博弈模型，每个F-AP优化自身的效用函数，其中包含干扰定价和缓存奖励机制。
• 采用迭代功率控制算法，收敛至纳什均衡，以最小化F-UEs对宏射频头端（MRRHs）的上行链路干扰，同时最大化用户效用。
• 引入净效用函数，综合考虑传输速率、干扰成本和缓存奖励，以指导分布式资源分配。
• 采用分布式切换信令过程，相比传统RAN，显著降低了信令开销。
• 在仿真中构建混合网络，包含F-APs、F-UEs和中心化MRRH，采用路径损耗与瑞利衰落信道模型对子信道进行建模。

实验结果

研究问题

• RQ1 与集中式CRAN和HCRAN架构相比，FRAN如何降低回传链路和回传负担？
• RQ2 在密集FRAN部署中，分布式计算和本地缓存对上行链路干扰和系统净效用有何影响？
• RQ3 非合作博弈论方法在FRAN中实现干扰抑制和资源优化方面的有效性如何？
• RQ4 所提出的移动性管理方案在FRAN中能将切换信令开销降低多少？
• RQ5 在效用函数中引入缓存奖励机制，对整体系统性能和回传链路卸载有何影响？

主要发现

• 所提出的FRAN架构通过在边缘实现本地移动性管理，显著降低了切换过程中的信令开销，优于传统RAN。
• 基于非合作博弈的资源分配方案能够收敛至纳什均衡，有效缓解F-UEs对MRRH的上行链路干扰。
• FRAN的总净效用随每个F-AP的F-UE数量和F-AP数量的增加而提升，表明其在密集网络中具备良好的可扩展性。
• 与非FRAN（类似LTE-A）系统相比，FRAN实现了高达30%的净效用增益，并在仿真中优于现有FRAN资源分配方案。
• 在效用函数中引入缓存奖励函数，显著减少了回传链路流量，有效激励F-APs进行本地内容缓存。
• 该方案在用户密度和网络复杂性持续增加的情况下仍保持高性能，证实其在真实部署场景下的鲁棒性。