超密集异构蜂窝网络中绿色无线携能通信关键技术研究

With the dramatic increase of huge mobile Internet data, high energy consumption is gradually becoming a serious challenge for the fifth generation of mobile communication (5G) recently, especially for the ultra-dense heterogeneous cellular networks (HCNs) due to the severe interference. In order to improve the system energy efficiency (EE) in HCNs, green communications has gained more and more attentions in both industries and academia. On the other hand, simultaneous wireless information and power transfer (SWIPT) can deliver information and transfer energy to mobile equipment such as cellphones concurrently, which can greatly promote the EE in 5G. However, how to efficiently combine green communications with SWIPT in HCNs to tackle the high energy consumption problem has been an urgent and key problem for green communications in 5G. In this project, aiming at gaining high EE in 5G, we firstly analyze the impacts of interference in HCNs on SWIPT, then investigate the relationship between information transmission efficiency (ITE) and energy harvesting efficiency (EHE), finally propose a high efficiency resource allocation mechanism while guaranteeing all users’ quality of service (QoS), which can create the win-win situation between information transmission and energy harvesting. These achievements of this project will provide advanced theoretical and key technical supports for green communications in 5G.

随着海量移动互联网数据的飞速增长，高能耗逐渐成为未来5G通信系统面临的一个严峻挑战，特别在干扰严重的超密集异构蜂窝网络中更为严峻。为了提高系统能量效率，绿色通信得到了产业界和学术界的广泛关注。另一方面，无线携能通信技术能够同时向移动终端（如手机用户）传输信息和提供额外能量，成为缓解能耗问题的一种有效途径。然而，如何将二者有机地结合起来实现绿色无线携能通信以解决高能耗问题成为未来5G系统亟需解决的一个关键问题。本项目旨在研究超密集异构蜂窝网络场景下绿色无线携能通信的关键技术，首先分析异构网络干扰对无线携能通信的影响，进而探索无线携能通信中信息传输效率和能量收集效率之间的耦合机理，提出一种具有QoS保障的高效能资源分配机制，以实现信息传输与能量传递的动态关联与互利共赢。本项目的研究将为5G通信系统的绿色通信提供先进的理论和关键技术支撑。

随着多媒体业务和各种应用的飞速发展，移动终端运行了越来越多的应用，其有限的能量已经成为网络应用的重要限制因素之一。因此，在移动网络中如何实现高效能和可靠传输已经成为未来移动通信系统面临的诸多严峻挑战之一，能量效率和成功投递率也成为未来无线通信网络的关键指标，也是本项目关注的研究问题。本项目首先研究了移动网络中高效的消息转发机制，针对网络中如何提升能量效率，采用学习自动机，设计了一种高效的消息转发方案，能够有效地减少节点能量消耗进而延长了网络生存期，而且能够提升数据包的投递率；进一步研究了如何结合社会属性，如兴趣、活跃度等，基于博弈论和马尔科夫决策过程，提出了几种进一步提高消息投递效率的消息转发机制；同时，针对无线传感器网络中如何降低节点能量消耗来高效地收集数据，通过移动蜂窝自动机模型来刻画节点的空时演化过程，使得节点能够选择具有较低能耗方向移动，能够有效地降低节点的能量消耗；接着，研究了移动网络中高效的信息扩散与控制机制，针对负信息在网络中有可能导致社会恐慌的问题，建立正负信息耦合扩散模型，提出了两种协同控制策略，能够说服用户去主动扩散正信息，同时建立了最优控制模型来最小化系统的开销；最后，探索了移动车联网中基于智能学习的高效资源分配方案，网络中每个节点通过一个深度神经网络来压缩其所观察到的信道信息，再将这些压缩后的信息反馈给决策节点，来进行高效的频谱分配，该方案不仅能够有效地降低网络中信道信息交互所需的巨大开销，还能够进一步显著频谱利用效率，达到近似最优频谱分配性能。本项目开展的相关研究为未来无线通信网络中面向高能效的可靠数据传输与交付以及高效的资源分配提供了一定的理论基础和相关技术支持，相关研究成果具有较为广泛的应用价值。