吳杜成，翟維維，馮叢叢，張亮

（中國人民解放軍61858部隊，陜西 西安 710000）

1 引言

5G異構(gòu)蜂窩網(wǎng)絡(luò)具有容量高、覆蓋深、成本低、能效高和負(fù)載均衡等優(yōu)點，被認(rèn)為是實現(xiàn)無線通信網(wǎng)絡(luò)容量1 000倍提升的最關(guān)鍵技術(shù)。5G異構(gòu)蜂窩網(wǎng)絡(luò)的資源除了傳統(tǒng)意義上的頻譜資源（信道、帶寬和功率）外，還包括基站接入點（小蜂窩基站和中繼等）、緩存和射頻天線等資源。5G異構(gòu)蜂窩網(wǎng)絡(luò)的資源管理就是根據(jù)用戶業(yè)務(wù)的需求和分布，合理調(diào)整和分配上述資源，實現(xiàn)用戶業(yè)務(wù)需求和無線通信服務(wù)的最佳匹配，提高各種網(wǎng)絡(luò)資源的利用效率，并減少服務(wù)過程中異構(gòu)網(wǎng)絡(luò)產(chǎn)生的消耗代價（功率及成本花費等）[1]。5G異構(gòu)蜂窩網(wǎng)絡(luò)資源管理面臨著包括性能指標(biāo)、頻譜和干擾管理[2]、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、基站負(fù)載管理、鏈路管理、主動緩存管理、多天線和預(yù)編碼管理等多個方面的問題和挑戰(zhàn)。而5G異構(gòu)蜂窩網(wǎng)絡(luò)資源管理決策按照決策結(jié)構(gòu)可以分為集中式?jīng)Q策、分簇決策（半集中式?jīng)Q策）和分布式?jīng)Q策。

2 管理性能指標(biāo)

在5G異構(gòu)蜂窩網(wǎng)絡(luò)資源管理和優(yōu)化之前，需要確定合適的系統(tǒng)或網(wǎng)絡(luò)性能指標(biāo)，以便于比較不同設(shè)計和資源分配方案的優(yōu)劣。若性能指標(biāo)選取不恰當(dāng)，網(wǎng)絡(luò)資源的分配和優(yōu)化找不到正確的方向，網(wǎng)絡(luò)的實際性能就不佳。網(wǎng)絡(luò)性能的評估指標(biāo)可以粗略的分為兩類：QoS（Quality of Service，服務(wù)質(zhì)量）指標(biāo)和QoE（Quality of Experience，體驗質(zhì)量）指標(biāo)[3]。

2.1 QoS指標(biāo)

QoS指標(biāo)包括帶寬、信道速率和時延等面向物理網(wǎng)絡(luò)性能的客觀指標(biāo)。對照“信源—信道—信宿”的簡化通信模型，QoS指標(biāo)反映了信道的服務(wù)質(zhì)量，而在5G異構(gòu)蜂窩網(wǎng)絡(luò)資源管理的研究中，其主要反映了蜂窩網(wǎng)絡(luò)的服務(wù)質(zhì)量[4]。對蜂窩網(wǎng)絡(luò)而言，比較重要的兩個網(wǎng)絡(luò)客觀性能指標(biāo)為中斷/覆蓋概率和頻譜效率。

在5G異構(gòu)蜂窩網(wǎng)絡(luò)中，網(wǎng)絡(luò)接入點和通信信道數(shù)量較多，用戶的業(yè)務(wù)服務(wù)質(zhì)量取決于在特定時延下用戶獲得的應(yīng)用層數(shù)據(jù)速率，則5G異構(gòu)蜂窩網(wǎng)絡(luò)的中斷概率不僅與SINR有關(guān)，還要受到其他因素的影響，如網(wǎng)絡(luò)負(fù)載和用戶接入沖突等。所以在5G異構(gòu)蜂窩網(wǎng)絡(luò)中，“中斷”可以定義為沒有一個基站（網(wǎng)絡(luò)接入點）或一組基站能夠提供給用戶大于確定閾值的通信速率。

傳統(tǒng)蜂窩網(wǎng)絡(luò)中另一個重要客觀性能指標(biāo)就是頻譜效率，其單位是bits/s/Hz，但在超密集5G異構(gòu)蜂窩網(wǎng)絡(luò)中，一個更好的指標(biāo)是區(qū)域頻譜效率，即將頻譜效率根據(jù)蜂窩小區(qū)進(jìn)行歸一化處理，單位是bits/s/Hz/cell。例如，在一個干擾受限的區(qū)域，可以部署的半徑為R的小蜂窩數(shù)量是半徑為2R小蜂窩數(shù)量的4倍，其頻譜效率基本相同，但前者的區(qū)域頻譜利用效率是后者的4倍，因此可以服務(wù)更多的用戶，承擔(dān)更多的負(fù)載。

當(dāng)然，還有其他一些比較重要的QoS指標(biāo)，如吞吐量、能耗和吞吐量-能量效率（組合指標(biāo)），其本質(zhì)上都與SINR、網(wǎng)絡(luò)負(fù)載和擁塞情況有關(guān)。

2.2 QoE指標(biāo)

QoE是一種面向用戶主觀體驗，以用戶認(rèn)可和偏好程度為標(biāo)準(zhǔn)評價網(wǎng)絡(luò)服務(wù)的指標(biāo)[5]。在“信源—信道—信宿”的簡化通信模型，QoE體現(xiàn)了信宿對通信服務(wù)的感受。提升用戶的體驗質(zhì)量是5G通信系統(tǒng)的一個明確目標(biāo)，也是當(dāng)前研究的一個熱點問題。用戶的QoE指標(biāo)沒有QoS指標(biāo)直觀，也沒有明確的物理單位。對于用戶QoE的評估存在幾個挑戰(zhàn)：

（1）主觀性；QoE反映的是用戶主觀偏好與認(rèn)可程度，難以建?？坍?。

（2）多樣性；對于同一用戶，多種QoS參數(shù)會聯(lián)合影響用戶的QoE，且不同業(yè)務(wù)的QoE模型不相同。由于用戶（業(yè)務(wù)、通信環(huán)境、個人偏好等）的個性化，QoE難以統(tǒng)一模型。

（3）系統(tǒng)性；根據(jù)大數(shù)定理，單個或同一類型業(yè)務(wù)的QoE可以粗略地用同一QoE模型來刻畫，但異構(gòu)網(wǎng)絡(luò)中含有眾多的不同用戶和業(yè)務(wù)類型，如何刻畫整個網(wǎng)絡(luò)系統(tǒng)的QoE依然是個難題。

目前對5G異構(gòu)蜂窩網(wǎng)絡(luò)QoE指標(biāo)的研究工作遵循從簡單到復(fù)雜的思路，模型中簡化了部分因素的影響，對QoE的建模的方法主要有：1）兩類別法。用戶打分，將QoE分為可接受與不可接受。2）成對比較法[7]。即用戶對樣本數(shù)據(jù)兩兩進(jìn)行比價，記錄比較結(jié)果，用Bradley-Terry-Luce（BTL）模型處理數(shù)據(jù)，得到最終的樣本平分。3）MOS（Mean Opinion Score，平均評估分值）。MOS是由國際電信聯(lián)盟（ITU）提出的，將主觀的QoE感受分為五個級別：優(yōu)、良、中、次、劣。4）QoS-QoE映射。針對不同業(yè)務(wù)類型，將主觀QoE建模為某一個或多個客觀QoS參數(shù)的函數(shù)。ITU-T和ITU-R聯(lián)合設(shè)立的專家組對視頻、音頻、文件質(zhì)量進(jìn)行標(biāo)準(zhǔn)化及性能測試，得到了MOS與QoS之間的映射關(guān)系，如圖1所示。

3 網(wǎng)絡(luò)資源管理

3.1 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

5G異構(gòu)蜂窩網(wǎng)絡(luò)與傳統(tǒng)宏蜂窩網(wǎng)絡(luò)的一個明顯區(qū)別就是網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和小區(qū)覆蓋分布情況。傳統(tǒng)宏蜂窩網(wǎng)絡(luò)中基站分布均勻，一般位于六邊形網(wǎng)格上，其服務(wù)的區(qū)域與網(wǎng)格中的六邊形對應(yīng)。而5G異構(gòu)蜂窩網(wǎng)絡(luò)中，小蜂窩基站是不規(guī)則分布的，其服務(wù)的區(qū)域也是不均勻的。如圖2所示，通常情況下，小蜂窩基站分散或聚集分布在宏蜂窩網(wǎng)絡(luò)之中，以補充和支持邊緣區(qū)域或熱點區(qū)域的通信服務(wù)。

圖1 MOS與QoS之間的映射關(guān)系

圖2 5G異構(gòu)蜂窩網(wǎng)絡(luò)分布示意圖

由于小蜂窩基站的部署信息難以獲得，5G異構(gòu)蜂窩網(wǎng)絡(luò)中基站分布的空間模型依然是一個開放性問題。盡管人們可以構(gòu)建一系列重疊的不同密度的網(wǎng)格，但以往的網(wǎng)格模型已經(jīng)不再適用于多層5G異構(gòu)蜂窩網(wǎng)絡(luò)[8]。在缺乏用戶業(yè)務(wù)分布先驗信息的條件下，小蜂窩基站的部署一般被認(rèn)為服從均勻分布，在二維平面上對應(yīng)一個泊松點過程，是一種完全隨機的分布模型[9]。某些場景下5G異構(gòu)蜂窩網(wǎng)絡(luò)的泊松分布特點已經(jīng)被工業(yè)界通過場地實驗和數(shù)據(jù)仿真確認(rèn)。泊松點過程的基站分布模型具有以下特點：

（1）當(dāng)網(wǎng)絡(luò)中增加新的基站時，雖然新基站會產(chǎn)生干擾，但由于基站的增多，用戶與鄰近基站的平均距離減少，相應(yīng)目標(biāo)信號的強度增大，新基站產(chǎn)生干擾影響能被完全抵消。

（2）增加小蜂窩基站時，5G異構(gòu)蜂窩網(wǎng)絡(luò)中整體的SINR基本保持不變，而網(wǎng)絡(luò)擁塞程度有所降低，網(wǎng)絡(luò)整體容量增加。

（3）在干擾受限網(wǎng)絡(luò)中，假設(shè)用戶可以接入信號最好的基站（開放式接入），增加任何類型的小蜂窩基站（發(fā)射功率不同），不改變下行鏈路的SINR分布，下行功率控制不再是一個十分嚴(yán)峻的問題。

傳統(tǒng)基于網(wǎng)格的分布模型是一種規(guī)劃的完全確定的分布。5G異構(gòu)蜂窩網(wǎng)絡(luò)中的蜂窩基站分布處于網(wǎng)格分布和泊松點過程分布這兩種極端分布模型之間。實際中，小蜂窩基站的分布不是完全獨立的。由于基站分布完全獨立的假設(shè)性太強，5G異構(gòu)蜂窩網(wǎng)絡(luò)的泊松分布模型在很多情況下不再適用。

3.2 頻譜和干擾管理

與傳統(tǒng)蜂窩網(wǎng)絡(luò)靜態(tài)的頻譜復(fù)用不同，5G異構(gòu)蜂窩網(wǎng)絡(luò)中頻譜是動態(tài)共享使用的，不需要傳統(tǒng)頻譜規(guī)劃，因此5G異構(gòu)蜂窩網(wǎng)絡(luò)中的頻譜和干擾管理面臨著新的挑戰(zhàn)。例如偏置蜂窩關(guān)聯(lián)等技術(shù)一方面能增大整體網(wǎng)絡(luò)效用，另一方面又給5G異構(gòu)蜂窩網(wǎng)絡(luò)的干擾管理帶來了新的問題。

5G異構(gòu)蜂窩網(wǎng)絡(luò)需要比傳統(tǒng)宏蜂窩網(wǎng)絡(luò)更加靈活高效的頻譜使用方式。OFDMA（正交頻分多址）的部分頻分復(fù)用方式可以看作一種半靜態(tài)的頻譜分配方式，這種方式可以拓展到5G異構(gòu)蜂窩網(wǎng)絡(luò)之中[13]，這種理念也可以應(yīng)用在時域，如3GPP eICIC。區(qū)別于傳統(tǒng)宏蜂窩基站，5G異構(gòu)蜂窩網(wǎng)絡(luò)中小蜂窩基站可以使用某些特定的帶寬，而此時宏蜂窩不能使用這些帶寬資源服務(wù)移動性較高的用戶。同時，載波聚合技術(shù)也可以應(yīng)用到5G異構(gòu)蜂窩網(wǎng)絡(luò)中，根據(jù)用戶的業(yè)務(wù)類型，在時域和空域上合理分配信道，可以使得用戶同時使用多個信道帶寬。

在5G異構(gòu)蜂窩網(wǎng)絡(luò)中，由于無線信道的開放性，小蜂窩之間的互干擾是難以避免的。特別是5G移動通信網(wǎng)絡(luò)中，通信業(yè)務(wù)需求越來越大，異構(gòu)網(wǎng)絡(luò)架構(gòu)越來越復(fù)雜，熱點地區(qū)小蜂窩的分布越來越密集，頻譜資源“時-頻-空”多域復(fù)用情況更加復(fù)雜，通信網(wǎng)絡(luò)中的干擾更加嚴(yán)重復(fù)雜。以O(shè)FDMA（Orthogonal Frequency Division Multiple Access，正交頻分多址）小蜂窩網(wǎng)絡(luò)為例，在不影響通信運營商（宏蜂窩小區(qū)）的正常服務(wù)的情況下，小蜂窩基站可由終端用戶自己設(shè)計和部署，小蜂窩基站的部署無法得到上層網(wǎng)絡(luò)的控制。而其中，許多家庭基站可能隨機分布在周邊地區(qū)，與鄰近的家庭基站的覆蓋范圍重疊[14]，在小蜂窩基站覆蓋重疊的范圍內(nèi)，相同的時頻資源塊在分配給不同的終端用戶時就會產(chǎn)生嚴(yán)重干擾。

從網(wǎng)絡(luò)層級方面進(jìn)行分類，網(wǎng)絡(luò)之間的干擾可以分為同層干擾和跨層干擾。在同層干擾中，兩個互相干擾的節(jié)點處于同一網(wǎng)絡(luò)層級。例如，兩個覆蓋范圍重疊的小蜂窩基站利用相同的頻譜資源進(jìn)行信號傳輸時，基站之間就會產(chǎn)生同層干擾。特別是在熱點地區(qū)，當(dāng)小蜂窩基站大規(guī)模高密集的部署時，會產(chǎn)生嚴(yán)重的同層干擾[15]，使得動態(tài)資源分配中的干擾管理變得十分困難。在跨層異構(gòu)網(wǎng)蜂窩絡(luò)中，頻譜資源常常被共享分配給不同的網(wǎng)絡(luò)層，干擾節(jié)點也來自于不同的網(wǎng)絡(luò)層。5G異構(gòu)蜂窩網(wǎng)絡(luò)的跨層干擾抑制問題一直是一個研究熱點，其中，雙層的LTE Femtocell（家庭蜂窩）網(wǎng)絡(luò)是研究最多的一個典型的網(wǎng)絡(luò)模型，宏蜂窩基站和家庭蜂窩基站之間的干擾成為影響網(wǎng)絡(luò)性能的重要因素。兩層異構(gòu)蜂窩無線網(wǎng)絡(luò)干擾示意圖如圖3所示：

圖3 兩層異構(gòu)蜂窩無線網(wǎng)絡(luò)干擾示意圖

3.3 基站負(fù)載管理

在傳統(tǒng)蜂窩網(wǎng)絡(luò)中，一般假設(shè)移動用戶接入提供最佳SINR的一個基站。這一假設(shè)也依然應(yīng)用在某些5G異構(gòu)蜂窩網(wǎng)絡(luò)場景下，在所有蜂窩基站滿載的情況下，即基站時頻資源塊被用戶充分利用，每個基站服務(wù)其SINR最高的用戶能實現(xiàn)網(wǎng)絡(luò)整體吞吐量的最大化。但這種基站負(fù)載接入方式存在兩個明顯的問題。首先，最大化網(wǎng)絡(luò)整體吞吐量不是一個特別實用的指標(biāo)，會忽略小區(qū)邊緣用戶的數(shù)據(jù)服務(wù)質(zhì)量。即使所有用戶平均使用時頻資源（例如Round-Robin或其他比例公平的協(xié)議），最大化用戶吞吐量之和依然會使用戶與最佳SINR的基站連接。實際上，第二個更加重要的問題是上述基站接入方式會使網(wǎng)絡(luò)負(fù)載不均衡，其中大多數(shù)用戶都競爭接入功率較大的宏蜂窩，使宏蜂窩負(fù)載較重，而大部分小蜂窩基站覆蓋范圍小，其負(fù)載很輕，基站接入點的利用效率低下。

在5G異構(gòu)蜂窩網(wǎng)絡(luò)中，小蜂窩基站往往只服務(wù)幾個用戶，大數(shù)定理不再適用，小蜂窩基站的負(fù)載變化隨時間變化劇烈。因此，需要一種智能基站負(fù)載管理方法，保障用戶具有最佳的接入速率，該接入速率不僅與SINR有關(guān)，還受到基站負(fù)載的影響。同時，最大化所有用戶接入速率之和是一個非常復(fù)雜的問題，窮搜最佳的基站負(fù)載接入方式是一個NP難問題，有限的時間內(nèi)是難以計算最佳基站負(fù)載接入的。因此，不少研究工作通過適當(dāng)放松物理假設(shè)條件來尋找特定網(wǎng)絡(luò)場景下的基站負(fù)載管理能達(dá)到的網(wǎng)絡(luò)速率上界。

3.4 鏈路管理

5G中的鏈路管理主要包括終端設(shè)備與網(wǎng)絡(luò)接入點、終端設(shè)備與中繼節(jié)點、以及中繼節(jié)點之間的連接管理。其中，終端設(shè)備與網(wǎng)絡(luò)接入點之間的連接管理與基站的負(fù)載管理有相互重合的部分。在未來大規(guī)模部署、密集化協(xié)同的5G通信場景下，單個移動通信設(shè)備功率受限導(dǎo)致傳輸距離有限，往往需要通過中繼節(jié)點進(jìn)行協(xié)同合作，進(jìn)而實現(xiàn)網(wǎng)絡(luò)接入與信息傳輸。但節(jié)點大規(guī)?；?、網(wǎng)絡(luò)分布式自組織化等特點使得中繼節(jié)點選擇成為一個難題。此外，動態(tài)復(fù)雜外部通信環(huán)境也可能導(dǎo)致中部分繼節(jié)點無法使用?？紤]到網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)挠行院头€(wěn)定性，需要對5G網(wǎng)絡(luò)鏈路進(jìn)行穩(wěn)健可靠的管理優(yōu)化。

3.5 主動緩存管理

隨著硬件存儲設(shè)備的小型化，存儲容量和速度的迅速增大，主動緩存技術(shù)已能夠在基站和移動終端實現(xiàn)，并且成為提高5G通信服務(wù)能力最重要的技術(shù)之一。一方面，隨著人類日?；顒拥淖兓瑹o線移動傳輸業(yè)務(wù)在時間上具有“潮汐”效應(yīng)：在熱點區(qū)域和時段，如小區(qū)商場等人流密集地區(qū)和白天傍晚等活躍時間，無線業(yè)務(wù)流量需求巨大；而在其他時間段，如凌晨，無線業(yè)務(wù)流量需求較小。因此，可以在夜晚等業(yè)務(wù)需求低的時間將數(shù)據(jù)內(nèi)容緩存到基站和移動設(shè)備終端，以減小熱點時間內(nèi)網(wǎng)絡(luò)的流量負(fù)載壓力和通信時延，提高服務(wù)質(zhì)量。另一方面，由于用戶之間具有廣泛的社交關(guān)系鏈接，用戶之間往往具有相同內(nèi)容的數(shù)據(jù)業(yè)務(wù)傳輸需求，大量的用戶都對少量相同的熱點數(shù)據(jù)內(nèi)容感興趣，因此可以通過主動緩存方式共享信息。特別是在數(shù)據(jù)中心網(wǎng)絡(luò)和內(nèi)容分發(fā)網(wǎng)絡(luò)中，緩存已成為繼網(wǎng)絡(luò)、基站和頻譜后的又一重要資源，異構(gòu)無線網(wǎng)絡(luò)管理的決策維度更高，形式更加多樣，設(shè)備之間的社交耦合關(guān)系更加復(fù)雜，網(wǎng)絡(luò)不僅需要優(yōu)化分析用戶的行為特征、緩存內(nèi)容的流行程度，還要優(yōu)化緩存內(nèi)容的選擇、更新以及緩存節(jié)點和鏈路的配對。網(wǎng)絡(luò)局部的緩存選擇和管理可以利用邊緣計算技術(shù)，在本地邊緣計算層優(yōu)化求解。

3.6 基站射頻構(gòu)架

將傳統(tǒng)宏蜂窩基站的射頻天線和基帶數(shù)字處理單元分離，射頻天線可以布置在較遠(yuǎn)的區(qū)域，一個基帶數(shù)字處理中心可以遙控多個射頻天線工作。這種由基帶數(shù)字處理中心遙控的只包含射頻的蜂窩基站被稱作RRH（Remote Radio Head，射頻拉遠(yuǎn)頭）。RRH與基帶數(shù)字處理中心之間可以通過光纖相連，這種構(gòu)架更容易部署，能夠減少基站機房數(shù)量，減少能耗，提升既有信號傳輸效率，擴(kuò)大網(wǎng)絡(luò)覆蓋率。C-RAN（Centralized-Radio Access Network）技術(shù)就是將上述理念擴(kuò)展到網(wǎng)絡(luò)的規(guī)模，主要有集中化處理（Centralized Processing）、實時云計算構(gòu)架（Real-time Cloud Infrastructure）和協(xié)作式無線電（Collaborative Radio）等網(wǎng)絡(luò)功能構(gòu)件組成。另外，在射頻天線端，可以利用CDU（Combining and Distribution Unit）將多個收發(fā)信機共享天線，通過容量需求，靈活地配置CDU類型和參數(shù)，實現(xiàn)能量與射頻資源的最佳利用。

3.7 多天線和預(yù)編碼管理

集中式大規(guī)模天線（MIMO）技術(shù)能夠利用大量天線增強波束傳輸?shù)姆较蛐裕峁┖芨叩目臻g復(fù)用增益，是一種高能效的技術(shù)，而且可以根據(jù)用戶業(yè)務(wù)的分布優(yōu)化天線的數(shù)目、功率和角度等參數(shù)以及高能效協(xié)作預(yù)編碼方法，實現(xiàn)5G異構(gòu)網(wǎng)絡(luò)的多天線的管理。

4 常用網(wǎng)絡(luò)資源管理決策方法

網(wǎng)絡(luò)資源的不同5G蜂窩網(wǎng)絡(luò)的資源分配決策問題按照不同的規(guī)則和側(cè)重點可以產(chǎn)生不同的劃分，除了從性能指標(biāo)和具體資源管理問題方面劃分外，還可以從優(yōu)化方法和決策結(jié)構(gòu)方面劃分，如圖4所示。按照決策優(yōu)化方法來分，可分為凸優(yōu)化、馬爾科夫決策、強化學(xué)習(xí)、多臂老虎機和博弈論等；按照網(wǎng)絡(luò)決策結(jié)構(gòu)，可以分為集中式?jīng)Q策、分簇決策（半集中式?jīng)Q策）和分布式?jīng)Q策。

圖4 5G蜂窩網(wǎng)絡(luò)資源分配類型劃分

下面以異構(gòu)蜂窩網(wǎng)絡(luò)中頻譜資源與干擾管理為例，從決策結(jié)構(gòu)方面，簡要闡述網(wǎng)絡(luò)資源管理的集中式?jīng)Q策、分簇決策和分布式?jīng)Q策的特點。

（1）集中式?jīng)Q策

在集中式頻譜資源分配決策構(gòu)架中，一個中心節(jié)點（例如宏基站）負(fù)責(zé)整個網(wǎng)絡(luò)中其他基站（小蜂窩基站、中繼節(jié)點）的頻譜資源分配決策。其中，所有的小蜂窩基站都需要與中心節(jié)點通信交互信息，以輔助中心節(jié)點決策，而中心節(jié)點則需要下發(fā)決策信息給各小蜂窩基站。通常異構(gòu)蜂窩網(wǎng)絡(luò)中集中式?jīng)Q策的信息交互是通過控制信道來完成。集中式?jīng)Q策的優(yōu)勢是中心決策節(jié)點具有全局網(wǎng)絡(luò)信息，能夠比較容易地實現(xiàn)全局目標(biāo)優(yōu)化，如最大化全網(wǎng)吞吐量、最小化全網(wǎng)干擾、保證網(wǎng)絡(luò)整體公平性等。文獻(xiàn)[16]研究了OFDMA Femtocell網(wǎng)絡(luò)中QoS約束條件下的資源塊分配問題，其目標(biāo)為最大化資源塊利用效率，并提出一種貪婪算法來解決該資源塊分配問題，其中利用家庭小蜂窩管理系統(tǒng)（Femtocell Management System）來輔助決策優(yōu)化。文獻(xiàn)[17]研究了OFDMA異構(gòu)蜂窩網(wǎng)絡(luò)中的干擾控制問題，提出了集中式和分布式兩種思路，利用拉格朗日對偶法優(yōu)化系統(tǒng)的最大吞吐量，其中，分布式方法也需要額外的合作干擾控制來輔助完成。類似地，大部分使用凸優(yōu)化或拉格朗日對偶法以及拍賣、斯坦博格（Stackelberg）博弈等方法來解決資源分配問題的研究中[18-19]，雖然初始問題能夠放松或解耦為多個子問題來分布式解決，但仍需要控制中心進(jìn)行輔助信息交互。集中式?jīng)Q策的一個重要缺點就是會產(chǎn)生大量的信息交互開銷，同時需要使用控制信道和損失額外的發(fā)射功率。但隨著網(wǎng)絡(luò)技術(shù)和云技術(shù)的發(fā)展，網(wǎng)絡(luò)節(jié)點之間的信息交互途徑也越來越多越來越方便，因此在異構(gòu)蜂窩網(wǎng)絡(luò)這種分布式網(wǎng)絡(luò)中，集中式?jīng)Q策依然能發(fā)揮優(yōu)勢與相應(yīng)的作用[20-21]。

（2）分簇決策

分簇決策是一種半集中式的決策方法，在每個簇中，由簇頭進(jìn)行決策或輔助簇成員決策[22]。其結(jié)合了分布式和集中式的優(yōu)點，一定程度上改善了兩者的不足。由于超密集異構(gòu)蜂窩網(wǎng)絡(luò)中蜂窩基站數(shù)量巨大，基于分簇的頻譜資源分配方法能將大規(guī)模的網(wǎng)絡(luò)節(jié)點分為多個小規(guī)模的簇。其中簇的成員是組成簇的所有蜂窩基站或用戶，每一個簇有一個簇頭作為簇內(nèi)信息交互中心或控制中心。簇內(nèi)一般使用凸優(yōu)化、博弈論、線性規(guī)劃等方法進(jìn)行簇內(nèi)資源分配。與集中式?jīng)Q策相比，分簇決策具有以下幾個優(yōu)點：1）由于每一個簇的規(guī)模較小，簇內(nèi)信息交互開銷較小，而且簇成員大多是距離較近的蜂窩基站，因此與集中式相比，大大減小了公共控制信道上所需的發(fā)射功率。2）不同簇內(nèi)的蜂窩基站和用戶能夠通過頻譜復(fù)用實現(xiàn)更高的頻譜利用率。3）比單控制中心決策更加穩(wěn)健，當(dāng)一個簇頭發(fā)生故障時，簇成員能夠分流到其他簇中。

分簇決策的一個不足是隨著網(wǎng)絡(luò)規(guī)模增大，分簇個數(shù)增多，簇頭對簇成員的廣播信息消耗增大。同時，簇間干擾也是需要協(xié)調(diào)和解決的一個問題。分簇決策適合大規(guī)模異構(gòu)蜂窩網(wǎng)絡(luò)的擴(kuò)展性、能量效率優(yōu)化、頻譜效率優(yōu)化等問題[23]。文獻(xiàn)[24]提出一種基于圖的動態(tài)分簇資源分配方法來解決OFDMA小蜂窩網(wǎng)絡(luò)中下行鏈路的干擾消除問題。文獻(xiàn)[25]采用分簇的思想，針對OFDMA異構(gòu)蜂窩網(wǎng)絡(luò)提出一種QoS約束條件下基于分簇的資源管理方法，其目標(biāo)是最大化滿意用戶的數(shù)目。文獻(xiàn)[26]提出一種基于分簇的半集中式（半分布式）的干擾管理方法，其將復(fù)雜的同層和跨層干擾消除的問題分解為兩個子問題，其中小蜂窩網(wǎng)關(guān)負(fù)責(zé)分簇，隨后簇內(nèi)進(jìn)行資源分配。

（3）分布式?jīng)Q策

分布式?jīng)Q策不需要控制中心，其由網(wǎng)絡(luò)節(jié)點獨自或與鄰居節(jié)點合作做出決策。由于分布式?jīng)Q策對網(wǎng)絡(luò)環(huán)境變化的適應(yīng)力較強，所以其在時變無線環(huán)境中具有較好的魯棒性和穩(wěn)健性。例如，在網(wǎng)絡(luò)局部環(huán)境發(fā)生變化時，集中式?jīng)Q策需要更新全體網(wǎng)絡(luò)節(jié)點的資源分配策略，而分布式?jīng)Q策只需更新受到環(huán)境改變影響的節(jié)點的策略。與集中式?jīng)Q策相比，分布式?jīng)Q策具有以下幾個優(yōu)點：1）在異構(gòu)蜂窩網(wǎng)絡(luò)中，由于可用頻譜資源隨時間變化，分布式?jīng)Q策更加適用。2）分布式?jīng)Q策中，決策節(jié)點只需與鄰居節(jié)點進(jìn)行信息交互，信息交互的損耗更小，同時單步?jīng)Q策的速度更快。3）公共控制信道，操作更方便。

分布式?jīng)Q策也存在一些不足。首先，由于分布式?jīng)Q策一般依靠于網(wǎng)絡(luò)局部信息，難以實現(xiàn)全局網(wǎng)絡(luò)資源分配的最優(yōu)。若鄰居用戶的提供的信息不準(zhǔn)確，用戶決策結(jié)果反而會影響全網(wǎng)性能。其次，隨著決策者數(shù)目的增多，分布式?jīng)Q策需要較長的時間實現(xiàn)全局收斂。最后，分布式?jīng)Q策難以實現(xiàn)網(wǎng)絡(luò)全體節(jié)點（用戶）資源分配的公平性。一般來說，網(wǎng)絡(luò)業(yè)務(wù)負(fù)載量較輕時，分布式?jīng)Q策性能較好，此時局部基站和用戶變化的影響較明顯；而網(wǎng)絡(luò)業(yè)務(wù)負(fù)載量較重時，集中式?jīng)Q策性能較好，此時局部基站和用戶變化的影響較小。異構(gòu)蜂窩網(wǎng)絡(luò)資源分配的分布式?jīng)Q策中使用較多的方法有博弈論、凸優(yōu)化、強化學(xué)習(xí)等。文獻(xiàn)[27]提出了一種基于非合作博弈的分布式頻譜分配方法，其優(yōu)化目標(biāo)為最大化吞吐量速率。文獻(xiàn)[28]基于凸優(yōu)化和對偶分解理論，提出一種分布式無線資源和路徑聯(lián)合優(yōu)化的方法，最小化無線傳感網(wǎng)絡(luò)中的功率消耗。文獻(xiàn)[29]針對異構(gòu)蜂窩網(wǎng)絡(luò)中的頻譜資源分配問題提出基于強化學(xué)習(xí)的分布式資源配置方法。

5 結(jié)束語

急劇增長的數(shù)據(jù)流量需求也促進(jìn)了無線通信系統(tǒng)從4G到5G的轉(zhuǎn)變，5G異構(gòu)蜂窩網(wǎng)絡(luò)技術(shù)發(fā)展的主要目標(biāo)是實現(xiàn)無線通信網(wǎng)絡(luò)容量1 000倍的提升。為了實現(xiàn)這一宏大的目標(biāo)，需要對5G異構(gòu)蜂窩網(wǎng)絡(luò)中的各種資源進(jìn)行高效管理和優(yōu)化。本文首先總結(jié)了5G異構(gòu)蜂窩網(wǎng)絡(luò)資源管理和分配的主要性能指標(biāo)，分別分析了QoS和QoE兩類指標(biāo)的特點，隨后針對不同的異構(gòu)蜂窩網(wǎng)絡(luò)資源，從頻譜和干擾管理、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、基站負(fù)載管理、主動緩存管理、多天線和預(yù)編碼管理等五個方面的資源管理優(yōu)化問題進(jìn)行了總結(jié)。最后，從決策結(jié)構(gòu)為出發(fā)點，介紹了5G異構(gòu)蜂窩網(wǎng)絡(luò)資源管理的集中式?jīng)Q策、分簇決策（半集中式?jīng)Q策）和分布式?jīng)Q策方法。目前，針對頻譜、網(wǎng)絡(luò)設(shè)備、緩存等單維度資源的管理優(yōu)化已存在很多成果，然而針對網(wǎng)絡(luò)整體多維資源管理優(yōu)化的工作還不多，面向用戶和業(yè)務(wù)需求的5G蜂窩網(wǎng)絡(luò)多維資源管理優(yōu)化問題還需要進(jìn)行深入的研究。

參考文獻(xiàn)：

[1]Y Chen, J Zhang, Q Zhang. Utility-Aware Refunding Framework for Hybrid Access Femtocell Network[J].IEEE Transactions on Wireless Communications,2012,11(5)： 1688-1697.

[2]G Boudreau, J Panicker, N Guo, et al. Interference Coordination and Cancellation for 4G Networks[J]. IEEE Communications Magazine, 2009,47(4)： 74-81.

[3]J Mitola, J Guerci, J Reed, et al. Accelerating 5G QoE via public-private spectrum sharing[J]. IEEE Communications Magazine, 2014,52(5)： 77-85.

[4]SY Lien, YY Lin, KC Chen. Cognitive and gametheoretical radio resource management for autonomous femtocells with QoS guarantees[C]//IEEE Transactions on Wireless Communications, 2011,10(7)： 2196-2206.

[5]P Brooks, B Hestnes. User Measures of Quality of Experience： Why Being Objective and Quantitative is Important[J]. Network IEEE, 2010,24(2)： 8-13.

[6]JS Lee, FD Simone, T Ebrahimi. Subjective quality evaluation via paired comparison： Application to scalable video coding[J]. IEEE Transactions on Multimedia,2011,13(5)： 882-893.

[7]Kuan-Ta Chen, Chi-Jui Chang, Chen-Chi Wu. Quadrant of Euphoria： A Crowdsourcing Platform for QoE Assessment[J]. Network IEEE, 2010,24(2)： 28-35.

[8]HS Dhillon, RK Ganti, F Baccelli, et al. Modeling and Analysis of K-tier Downlink Heterogeneous Cellular Networks[J]. IEEE Journal on Selected Areas in Communications, 2012,30(3)： 550-560.

[9]F Baccelli, B Blaszczyszyn. Stochastic Geometry and Wireless Networks, Foundations and Trends in Networking[M]. USA： Now Publishers Inc., 2009.

[10]HS Dhillon, RK Ganti, F Baccelli, et al. Modeling and Analysis of k-Tier Downlink Heterogeneous Cellular Networks[J]. IEEE Journal on Selected Areas in Communications, 2012,30(3)： 550-560.

[11]A Ghosh, N Mangalvedhe, R Ratasuk, et al.Heterogeneous Cellular Networks： From Theory to Practice[J]. Communications Magazine IEEE,2015,50(6)： 54-64.

[12]A Damnjanovic, J Montojo, Y Wei, et al. A Survey on 3GPP Heterogeneous Networks[J]. Wireless Communications IEEE, 2011,18(3)： 10-21.

[13]TD Novlan, RK Ganti, A Ghosh, et al. Analytical Evaluation of Fractional Frequency Reuse for Heterogeneous Cellular Networks[J]. IEEE Transactions on Wireless Communications, 2011,10(12)： 4294-4305.

[14]P Kulkarni, W H Chin, T Farnham. Radio resource management considerations for LTE Femto cells[J].Acm Sigcomm Computer Communication Review,2010,40(1)： 26-30.

[15]HC Lee, DC Oh, YH Lee. Mitigation of inter-femtocell interference with adaptive fractional frequency reuse[C]//IEEE International Conference on Communications,2010： 1-5.

[16]YS Liang, WH Chung, GK Ni. Cooperative Interference Control for Spectrum Sharing in OFDMA Cellular Systems[J]. IEEE Transactions on Vehicular Technology,2012,61(5)： 2243-2255.

[17]B Da, R Zhang. Cooperative Interference Control for Spectrum Sharing in OFDMA Cellular Systems[C]//IEEE International Conference on Communications,2011,41(4)： 1-5.

[18]Z Niu, S Zhou, Y Hua, et al. Energy-Aware Network Planning for Wireless Cellular System with Inter-Cell Cooperation[C]//IEEE Transactions on Wireless Communications, 2012,11(4)： 1412-1423.

[19]H Tabrizi, B Peleato, G Farhadi, et al. Spatial Reuse in Dense Wireless Areas： A Cross-Layer Optimization Approach via ADMM[C]//IEEE Transactions on Wireless Communications, 2015： 7083-7095.

[20]H Tabrizi, B Peleato, G Farhadi, et al. Cloud technologies for flexible 5G radio access networks[C]//IEEE Transactions on Wireless Communications, 2015,14(12)：7083-7095.

[21]N Wang, E Hossain, VK Bhargava. Backhauling 5G small cells： A radio resource management perspective[C]//IEEE Wireless Communications,2015,22(5)： 41-49.

[22]Papadogiannis, D Gesbert, E Hardouin. A Dynamic Clustering Approach in Wireless Networks with Multi-Cell Cooperative Processing[C]//IEEE International Conference on Communications, 2008： 4033-4037.

[23]A Barbieri. Mitigating Uncoordinated Downlink Interference in Cluster-Based CoMP with Centralized Scheduling[C]//Information Theory and Applications Wksp., 2013.

[24]E Pateromichelakis, M Shariat, A Quddus, et al. Dynamic Clustering Framework for Multi-Cell Scheduling in Dense Small Cell Networks[J]. IEEE Communications Letters, 2013,17(9)： 1802-1805.

[25]A Hatoum, R Langar, N Aitsaadi, et al. Cluster-Based Resource Management in OFDMA Femtocell Networks With QoS, Guarantees[J]. IEEE Transactions on Vehicular Technology, 2014,63(5)： 2378-2391.

[26]A Abdelnasser, E Hossain, IK Dong. Clustering and resource allocation for dense femtocells in a two-tier cellular OFDMA network[C]//IEEE Transactions on Wireless Communications, 2014,13(3)： 1628-1641.

[27]C Xu, M Sheng, X Wang, et al. Distributed Subchannel Allocation for Interference Mitigation in OFDMA Femtocells： A Utility-Based Learning Approach[J].IEEE Transactions on Vehicular Technology, 2015,64(6)：2463-2475.

[28]M Leinonen, M Codreanu, M Juntti. Distributed Joint Resource and Routing Optimization in Wireless Sensor Networks via Alternating Direction Method of Multipliers[C]//IEEE Transactions on Wireless Communications, 2013,12(11)： 5454-5467.

[29]M Leinonen, M Codreanu, M Juntti. Self-Organization in Small Cell Networks： A Reinforcement Learning Approach[J]. IEEE Transactions on Wireless Communications, 2013,12(11)： 5454-5467. ★