C-RAN中基于虚拟资源映射的多媒体业务服务质量保证方法

Cloud Radio Access Network (C-RAN) is a novel mobile network which includes centralized processing, coordinated processing and real-time cloud computing technologies. It has great potential advantages of low-cost, high resource efficiency and energy-saving. C-RAN is considered as the most promising alternative technology in 5G networks. Existing researches on C-RAN are focusing on fronthaul capacity compressed, clustering optimization and coordinated pre-coding algorithm. Based on these research results, the problem of how to utilize the virtualization property of C-RAN to guarantee the quality of service (QoS) of multimedia traffic has attracted many interests. This subject concentrates on solving this problem by system resource allocation algorithm and source adaptive coding algorithm design. Specifically, In the first aspect, this project will use the concept of network virtualization to establish a virtual mapping framework for system resources abstraction. Then the conflict of interest between the content providers and the network service providers will be modeled to realize the optimal allocation of system resources. In the second, this project will propose methods mapping source coding to the capability of communication and computing or vice versa. Based on partially observable Markov decision model, source adaptive coding optimization will be achieved by using a combination of offline training and on-line decision. The research results of this project will benefit the deployment of C-RAN.

云无线接入网络(C-RAN)是基于集中化处理、协作式信号处理和实时云计算技术的新兴无线接入网架构。其具有部署成本低、系统资源利用率高、节约能耗等优势，是5G标准中最具前景的接入网备选方案。目前，对C-RAN的主要研究成果集中于网元间有线连接带宽控制、接入网络规模优化以及协作预编码等技术。在此基础上，如何充分利用C-RAN中网络功能虚拟化概念保证业务服务质量成为新兴的研究热点。本课题拟从系统资源分配以及信源自适应编码两个层面展开研究。在第一个层面，本课题将利用网络功能虚拟化概念构建系统资源虚拟映射框架，从内容提供商和网络服务提供商的利益冲突角度建模，实现系统资源优化配置。在第二个层面，本课题将提出信源编码与通信及计算能力之间的映射方法，基于部分可观测马尔科夫决策模型，通过线下训练和线上决策相结合的方式，实现信源编码自适应优化。本课题研究成果对C-RAN的研究与部署具有一定借鉴作用。

云无线接入网络（C-RAN）是基于集中化处理、协作式信号处理和实时云计算技术的新兴无线网络架构。在本项目进行过程中，3GPP R15协议已经完成了该网络架构的标准化工作。然而，针对该网络架构的协作式波束成形、计算资源建模和利用方案以及多媒体服务质量保证方法仍然处于研究阶段，尚未完成标准化工作。本课题针对以上关键技术展开研究，提出了在TDD模式下的动态资源分配方案，考虑多媒体服务质量的计算资源调度方案，以及基于机器学习的计算资源调度和协作式信号处理相结合的资源分配方案。本课题着眼于C-RAN提供的海量计算能力与基带信号处理所需计算资源之间的关系，通过资源虚拟映射和分配方法可以发挥该网络架构的优势，有效提升多媒体业务的服务质量。在此基础上本课题将C-RAN基带处理服务器和校园网络结合，搭建了C-RAN的数据处理平台，探索所提算法在工程中应用的前景。研究结果表明，本项目所提算法可以在时延、吞吐量以及系统容量方面较之传统LTE网络有明显的改善。基于上述研究内容，本项目发表学术论文11篇（其中SCI检索的高水平国际期刊论文3篇，EI检索学术论文8篇），申请发明专利9项，获得EAI SmartGift2018 会议的最佳论文奖。