多天线雾接入网络（F-RAN）的理论性能分析和多时间尺度优化设计

As a development of the cloud radio access network (C-RAN), the fog radio access network (F-RAN) can efficiently reduce the transmission latency and fronthaul transmission burden by introducing the caching resources at the edge notes of netwroks. Different from the traditional time, frequency, spatial space resources, caching resource is renewable and sustainable, which enable us to use it to meet the requirement of sending large volume data in 5G networks. In this project, we aim to investigate the F-RAN broadly and deeply from three points, i.e., theoretical performance analysis, small time-scale time physical layer design, and long time-scale caching resource allocation. In specific, to efficiently describe the performance of F-RAN, we propose to use relative transmission delay to identify the tradeoff among the caching size, backhaul capacity, transmission delay, and the data size. Further, different optimization techniques, such as difference of convex program, relaxed semidefinite programming, and alternating direction method of multipliers, are used to assist the physical layer design and caching resource allocation. The achievements of the project are expected to provide a deep understanding to F-RAN and make a positive contribution to practical application of F-RAN in 5G systems.

雾接入网络（Fog radio access network：F-RAN）作为云接入网络（Cloud radio access network：C-RAN）的升级，通过在网络边缘节点引入缓存资源，有效地解决了C-RAN网络传输时延长和回程链路负担大的缺陷。不同于时间、空间、频率等有限资源，缓存具有可再生性和可持续性，能有效满足5G网络中大体量数据传输需求。本课题拟从理论性能分析，小时间尺度物理层优化，和大时间尺度网络缓存优化三个角度对F-RAN网络展开全面研究。为合理表征F-RAN网络性能，本课题提出利用相对传输时延来刻画网络缓存大小，回程链路容量，传输时延，和传输数据量之间的折中关系，同时综合运用凸差分规划，松弛半正定规划，交替方向乘子算法等多种优化方法来求解F-RAN网络中的物理层优化和缓存优化。本课题的研究将为深层次理解F-RAN网络提供理论依据，并为F-RAN推广5G应用做出贡献。

雾接入网络（F-RAN）作为云接入网络（C-RAN）的升级，通过在边缘节点引入缓存资源，有效解决了C-RAN网络传输时延长和回程链路负担大的缺陷。利用缓存资源特有的可再生性和可持续性，有效满足5G网络中大体量数据传输需求。课题从理论性能分析，小时间尺度物理层优化，和大时间尺度网络缓存优化三个角度对F-RAN网络展开全面研究。性能分析旨在建立网络缓存、回程链路容量、传输时延和数据量之间的折中关系，刻画网络极限性能；通过研究小时间尺度条件下的物理层设计和大时间尺度上的缓存分配，从瞬时和统计两方面提升缓存带来的性能增益。.在性能分析方面，通过融合考虑收发硬件损伤、量化等因素，并引入当前热点智能反射面技术和全双工通信机制，研究了符合实际场景、以及多种不同网络拓扑结构下平均时延、网络传输容量、中断概率、自由度等可达性能指标的刻画。通过提出适用于任意网络配置条件下基于切割集理论和额外先验信息理论，探究网络性能边界。项目理论分析了网络基站侧缓存对可达性能问题中信号对齐方程和链路秩保持条件的影响，揭示了在不同缓存大小条件下回程链路容量对网络性能的瓶颈效应。在小尺度物理层设计方面，通过创新缓存对物理层设计影响的零范数建模，并在设计中融合终端的动态运动、基站端的智能中继模拟、信息和能量同步传输、低比特量化等新型约束，突破了传统ADMM最优子问题拆分、松弛半正定规划最优解存在条件刻画、分支界定迭代收敛次数推导等优化难题，系统解决了F-RAN网络中缓存约束下网络波束成形、功率分配等设计最优性求解问题。在大尺度缓存优化方面，综合考虑基站与用户分布、缓存分布、信道大小尺度衰落、传输策略等实际因素，推导出F-RAN网络的成功传输概率的闭式表达式，通过创新带约束的梯度下降算法、自主学习扩展多臂赌博机理论和分层稀疏奖励深度强化学习理论，实现了用户偏好未知和用户密度未知挑战下具备预测能力的内容推送与缓存的管理方法。.项目发表 IEEE 期刊文章 23 篇、SCI文章2篇、EI 国际会议文章 11 篇，授权专利10项，培养硕/博士研究生 18名，获得包括省部级一等科技奖在内奖项6项，完满完成预定目标。.