面向移動云計算接入網絡的高能效無線資源管理*

趙國剛 ，趙力強 ，楊 鯤

（1.西安電子科技大學綜合業務網理論及關鍵技術國家重點實驗室 西安710071；（2.埃塞克斯大學計算機科學與電子工程學院 科爾切斯特 CO4 3SQ）

1 引言

在剛過去的幾年中，傳統的桌面計算以飛快的速度向云端轉移。此外，由于無線通信與移動智能終端技術的快速發展，下一代無線接入網絡和云服務的一體化融合將成為可能，隨之產生的“移動云計算”概念也應運而生，相關的研究將成為一項迫切的任務。針對移動云計算的研究主要針對以下兩個方面。首先，解決如何調整當前的無線接入網絡體系架構使之能夠適應移動云應用及其支持平臺的具體特點。例如，在移動終端應用程序的云端卸載過程中，無線接入網絡必須以更多的帶寬在盡可能低的時延下，來滿足云用戶的服務體驗質量（quality of experience，QoE）。更重要的是通過進一步優化無線接入網絡的協議和算法來滿足日益增長的移動云用戶服務需求。此外，以上云端卸載過程還可能涉及云應用的識別問題，云應用和網絡算法之間的通信問題。因此，如何提高無線網絡的信息承載能力來高效地支持云應用實現是一大挑戰。同樣，事物的作用都是相互的。另一方面，無線接入網絡如何利用云計算技術的優勢來提升自身性能？這種策略的實質是：在一個基于云計算的無線接入網絡管理體系結構中，把一些無線接入網絡中的控制功能轉移到遠程云端來實現，此部分不在本文討論范圍內。移動云計算的宏觀體系架構如圖1所示。

為了實現云計算和寬帶無線接入技術的融合，無疑將面臨許多新的挑戰。在移動云計算系統中，資源約束的移動終端必須通過無線網絡接入遠方的云端資源。然而，無線傳輸中變化的信道質量和數據速率會大大降低用戶的體驗質量。同時，由于系統頻譜資源和終端功率資源的嚴重受限，僅僅利用當前的同構無線接入網絡來保證移動云計算用戶的體驗質量幾乎是不可能的。很顯然，需要給出新的移動云計算接入網絡體系結構，提供令人滿意的移動云服務。換言之，此網絡架構應該能夠為云用戶提供更高更穩定的傳輸速率和無縫的室內覆蓋，同時改善終端能量受限的問題。需要強調的是，信息科技和工業的能源消耗在全球范圍的能源消耗中所占的比例不斷增加，很長時間以來一直是一個棘手的問題。然而，高吞吐量的云計算無線接入網絡必將產生更多的能源消耗，這在經濟上也是不可持續的。綜上可知，下一代移動云計算接入網絡必須是高能效的。

無線通信的高能效評估標準作為 “綠色無線通信技術”的基礎理論問題，已被廣泛關注，雖然是一個公開的學術問題，但是現在研究人員已經有了一個普遍的共識，即它應該是低功耗系統的代名詞。同時，被廣泛接受的描述無線通信效率的準則也是一個開放的問題。因此，本文涉及了多種當前的效率指標，如頻譜效率（bit/（s·Hz））、能量效率（bit/（s·Hz·W））、功率效率（bit/TENU）[1]和提出的空間傳輸效率（（bit·m）/（s·Hz·W））。

雙層宏蜂窩/小蜂窩網絡原本是用來解決室內信號覆蓋問題的。值得注意的是，此網絡結構通過縮短用戶和基站之間的距離大幅降低了能源消耗，同時大大增加了頻譜資源利用率，從而形成了下一代高能效無線接入網絡的基礎體系結構[2]。眾所周知，宏基站覆蓋范圍大，可以支持高移動性的宏蜂窩用戶設備（MUE），同時不得不以更高的輻射功率為室內用戶設備（UE）提供服務。但是無線信號在穿透現代辦公建筑的金屬涂層障礙物時，可能經受高達30 dB的損耗，這可能會使宏基站（eNB）的能量消耗增加高達1 000倍！相反，小蜂窩基站不僅實現了室內無線覆蓋，而且由于成倍地增加了頻譜的復用度，因此可以大大提高系統吞吐量和用戶的長期平均速率。同時，由于其覆蓋范圍小，小蜂窩基站能夠大幅度降低用戶設備（FUE）的發送功率。

遺憾的是，雙層宏蜂窩/小蜂窩網絡無疑將對現有的宏蜂窩網絡產生負面影響，即跨層干擾。同時相鄰的宏基站和小蜂窩基站之間也會產生同層和跨層干擾，因此雙層宏蜂窩/小蜂窩網絡在沒有使用針對干擾的管理機制的情況下將無法高效工作[3]。針對移動云計算系統，本文首先給出了一個面向移動云計算系統的管理框架，為實現移動終端與云資源的高效信息交換提供了保證。進一步，為了提高移動云計算系統的能量效率，確保移動云用戶的體驗質量，擴大系統的最大可容用戶量，增強網絡覆蓋能力和實現網絡無縫覆蓋，本文針對移動云計算系統中的宏蜂窩/小蜂窩網絡，設計了高能效的無線資源管理算法，并且給出了快速收斂算法達到了能量效率最優解。仿真分析闡明了此資源管理算法實現了移動云計算接入網絡的能量效率和吞吐量的高效折中。

2 移動云計算管理體系結構

對于資源受限的移動終端來說，業務的遠程云端接入毋庸置疑是提高數據處理能力最有效的方式。一般而言，云端資源主要用于提供極其強大的存儲服務和數據處理服務。而移動云計算卸載技術是實現移動業務遠程云端處理的基本方法，可以將移動終端的云業務通過無線接入網絡轉移到遠方的云端，實現了移動云應用和云資源的結合，從而可以增強移動終端的數據處理能力，同時大大降低了移動終端的能量消耗。遺憾的是，在未來的實際移動云計算系統中，時變的無線信道和動態的網絡負載在很大程度上會影響和阻礙移動云計算卸載技術的高效實現。因此，必須提出基于LTE-A的宏蜂窩/小蜂窩網絡的移動云計算管理體系架構，高效地實現移動云計算系統對移動終端的服務。詳細地說，此管理架構應該根據當前的網絡狀態，同時進一步與移動終端進行協商，最終決定是否支持特定的云業務并且給出資源調度策略。在以上協商過程中，移動云計算系統必須要兼顧移動用戶的約束和無線接入網絡開銷這兩方面因素。一方面,移動終端的能量消耗約束和業務延遲要求是云端卸載最基本的約束條件。前者是指移動設備在卸載過程中所消耗的全部能量，比如上下行信號傳輸能耗；后者是指整個卸載過程的延遲，其中包括無線接入網絡上下行傳輸延遲、移動終端接收計算延遲和信息云端駐留時間。基于上述的業務服務質量約束參數，移動云計算管理架構根據網絡剩余無線資源和當前的網絡負載狀態通知用戶的服務基站來實現卸載任務或者拒絕。另一方面，以上協商過程會涉及多樣的系統優化目標，即系統效用，如系統吞吐量、系統能量效率或者系統能量消耗等。移動云計算管理架構工作原理和流程如圖2所示。

一旦無線接入網絡和移動云終端之間的卸載協議達成，那么無線資源分配算法將盡全力保證移動云用戶的服務質量。高效的無線資源分配算法將決定剩余無線時頻資源塊和云業務終端之間的匹配，同時決定在每個被調度資源塊上的功率分配。在LTE-A系統中，信號的空間傳輸是通過一個個時隙的操作實現的。在每個時隙中，無線資源分配算法會充分利用時變的無線信道狀態和業務延遲狀態信息來獲得最高的性能增益。需要說明的是，一個云業務卸載過程的延遲對應業務在無線接入網絡的駐留時間和上下行傳輸時間；而一個云端卸載過程的終端功率消耗對應了所有上下行信息傳輸的功率消耗。同時，系統的能量消耗和無線傳輸延遲在很大程度上是受到無線資源分配限制的。

3 無線通信效率評估準則

根據定義，效率是效用和所消耗資源的比率。顯然，效率的概念與效用以及資源的具體定義密切相關。在無線通信中，用戶的目標是在給定可用資源約束下以及特定服務質量（QoS）要求下，成功將其數據分組發送到一定距離的接收端。因此，無線效用指標應包括成功發送的數據分組量、QoS（如吞吐量（bit/s）、時延、時延抖動以及分組丟失率和傳輸距離）。資源指標應該包括所有消耗的無線資源，包括時域、頻域、空域、碼域、功率域等。

針對無線通信效率的定義，當今的研究者已經做了很多工作，大部分都認為頻譜效率和能量效率是主要的效率評估指標[1]。頻譜效率區別于面積頻譜效率（bit/（s·MHz·km2）），后者考慮了蜂窩網的頻率復用因子。單鏈路頻譜效率定義為單位帶寬的比特傳輸速率，其對應單輸入單輸出（SISO）系統中的 bit/（s·Hz）。相比之下，對多輸入多輸出（MIMO）系統而言，其應該對應每天線bit/（s·Hz），即每根天線能夠提供的頻譜效率。面積頻譜效率（ASE）是指單位面積上蜂窩網絡能夠提供的頻譜效率。另一方面，許多針對擴頻通信的方法是通過犧牲頻譜效率（bit/（s·Hz））以獲取更高的能量效率（bit/（s·Hz·W））。此外，參考文獻[1]中的功率效率是單位熱噪聲信號能量提供的比特數（bit/TNEU），它可以被看作是一個增強型的能量效率度量。

國際無線通信標準化組織3GPP（3rd generation partnership project）指出，在蜂窩網絡中，不同的通信負載環境需要利用合理的系統性能準則來評估系統的能量效率。在用戶分布密集市區，運營商面臨的主要任務是在一定的系統能量資源約束下接入更多的用戶，從而最大化全局用戶的吞吐量性能，這時的評估準則是joule/bit。但是，針對用戶分布稀疏的市區邊緣，運營商面臨的主要問題轉變為在降低基站造價和系統能量的條件下盡可能擴充網絡的覆蓋面積，因此評估準則是W/m2。綜上可知，無線通信的目標同時包括網絡承載的信息量和信息傳輸的距離或者覆蓋面積，并且在不同的網絡負載條件下主要的通信目標會隨之改變。本文首先定義了無線單鏈路空間傳輸效率（（bit·m）/（s·Hz·W））[4]，即單位功率、帶寬和時間成功傳輸的比特數乘以傳輸距離。更進一步，無線單鏈路空間傳輸效率將會被擴展成為能夠反映用戶長期速率的度量準則。這一點將成為未來研究工作的重點。同時，未來大量小蜂窩基站的部署勢必會使基站造價這一因素顯露出來，并且成為移動運營商部署網絡的重要考慮因素，因此如何將空間傳輸效率的概念擴展到小蜂窩網絡中，并且作為能夠衡量網絡承載信息能力的度量準則也是值得研究的。

需要指出的是，任何一種無線通信效率度量決不能被歸類為低效率的，因為在合適的情況下，所有的效率度量都能提高整個網絡性能的一方面。然而，在一定的無線通信環境下，選擇不同的效率度量來優化整個網絡會對系統性能產生深遠的影響。因此，網絡優化應選擇動態和適宜的度量準則。此外，這些效率準則有不同的數學特性，并且這些特性在很大程度上決定了網絡基站部署策略和無線資源分配優化方法中效用函數的設計方法。

·頻譜效率ηs定義為單位帶寬的吞吐量，單位為bit/（s·Hz）。根據香農信息理論，一個無線單鏈路的頻譜效率為 ηs=lb(1+γs)，其中 γs是接收端的平均信噪比。

·能量效率ηe，即頻譜效率在總功耗中的比例，單位為 bit/（s·Hz·W）。在實際的基站系統中，總功耗包括功率放大器的功耗、信號處理以及基站散熱扇的功耗等。

·空間傳輸效率 ηg= ηs·d，單位為（bit·m）/（s·Hz·W），其中d為發送端與接收端之間的距離。

由于信噪比是發送功率Pt以及傳輸距離的函數，所有的上述4個效率都依賴于發送功率Pt和傳輸距離d。發射功率越高或者傳輸距離越短，接收機的信噪比越高，從而頻譜效率越高。能量效率是關于傳輸距離的單調減函數，同時是關于傳輸功率的凸函數，因此存在一個關于傳輸功率的極值點。功率效率是一個單調函數，同時傳輸功率越小傳輸距離越大，對應的功率效率越高。值得注意的是，空間傳輸效率是一個關于傳輸距離和發射功率的二維凸函數，并且存在唯一的全局極值點。然而，參考文獻[1]和參考文獻[4]對上述數學性質并沒有提供一個嚴格的證明。另一方面，在實際的通信方案中，各種度量性能的限制因素包括信道衰落、干擾以及等待時間和運算復雜性。實際可達到的帶寬、能量、功率以及空間傳輸效率遠遠低于預測理論值。但是，自適應調制編碼（AMC）對點對點無線鏈路接近理論效率是一個很有價值的解決方案[4]。然而，參考文獻[4]的作者沒有考慮如何逼近蜂窩網絡中的最優效率。

4 網絡干擾

在廣泛采用雙層宏蜂窩/小蜂窩網絡之前，有幾個重要的問題必須得到有效的解決，如接入方法、時間同步、物理小區標識、相鄰小區列表創建、移動性管理等[3]。此外，隨著小蜂窩網絡的部署，無疑會對宏蜂窩網絡的性能造成損害。因此，減小干擾是最緊迫的挑戰之一。

在典型的雙層宏蜂窩/小蜂窩網絡中，假設小蜂窩基站與宏基站的時鐘是同步的，則干擾的分類如下。

·跨層干擾：小蜂窩基站與特定的宏基站用戶之間的干擾，屬于跨層干擾，兩者發生在不同的網絡層。在下行鏈路中，每個宏基站用戶受到附近的小蜂窩基站的強烈干擾，這是宏基站用戶性能提升的主要限制因素。然而，即使在宏小區基站覆蓋范圍內存在大量的家庭基站，宏基站用戶也應該具有更高的優先權，而不是家庭基站用戶。

·同層干擾：如小蜂窩基站干擾的相鄰家庭基站用戶，二者屬于相同的網絡層。當小蜂窩用戶隨機地安裝許多小蜂窩基站時，這些基站將處在一個高密集環境中，同時許多家庭基站處在同一個較小的區域內，很多小基站的接入點重疊。結果使密集環境中的家庭基站相互造成很強的層內干擾，這是其性能提升的主要限制因素。

為了克服干擾的影響，提出了干擾消除技術，其分類如下。

·波束成形技術：半波長間隔的天線能夠定向發射和接收波束，并且可以通過增加多用戶檢測的復雜度來減少干擾。

·無線資源管理[5]：功率控制技術和先進的資源調度策略是蜂窩網絡系統中減少干擾的常用手段。

5 LTE-A系統可用資源分析

到現在為止，全球許多地方正在推行可提供高QoE保證的LTE/LTE-A系統。然而，由于缺乏雙層宏蜂窩/家庭網網絡環境相關信息，沒有很好地解決干擾問題。

根據LTE/LTE-A標準，在下行鏈路中，雙層宏蜂窩/家庭網網絡采用正交頻分多址接入（OFDMA）技術，上行鏈路（UL）中采用單載波頻分多址（SC-FDMA）技術。無線資源調度器是每個宏基站的功能性實體，負責為上行鏈路共享信道（UL-SCH）和下行鏈路共享信道（DL-SCH）分配無線資源，以最大化頻譜效率、能量效率和用戶之間的公平性，同時確保不同通信服務的QoS。需要指出的是，每個基站的無線資源包括資源塊（RB）、特定的調制編碼方案（MCS）、功率分配方案以及天線選擇方案，這分別對應資源類別中的時域、頻域、碼域、空域資源。一個RB在頻域由12個連續的子載波組成，頻帶寬度180 kHz，在時域上是一個時隙，持續時間為0.5 ms。一個資源塊是最小的時頻資源分配單元。在下行鏈路中，一個時隙承載6或7個正交頻分復用（OFDM）符號；在上行鏈路中的一個時隙承載6或7個SC-FDMA符號。這使得筆者能夠采用類似矩陣的數學結構描述RB的分配過程。

此外，該網絡中還存在一個額外的無線資源，它是雙層宏蜂窩/小蜂窩網絡中宏基站和小基站同時協作形成的。首先，相鄰宏基站和小基站有能力相互合作，并且交流中繼信息，創建一個虛擬MIMO系統，最終基于多點協作實現空間分集。其基本概念也常常被稱為MIMO網絡、廣義分布式天線或協調多點傳輸/接收（CoMP）方案。其次，能夠通過適當安排宏基站和小基站之間的OFDMA的子信道以減少跨層干擾。有如以下幾個方法。

·正交信道分配：通過為宏基站和小基站分配正交信道完全消除跨層干擾。然而，這可能會導致兩層的帶寬減少，因而降低整個系統的傳輸容量。

·共道信道分配：宏基站和小基站在同一頻帶中工作，即兩層網絡都可以接入到全部頻譜。但是，這樣會產生非常嚴重的跨層干擾，尤其是在密集分布情況下。因此，雙層宏蜂窩/小蜂窩網絡中所有可用的資源應該有效地協同分配，從而以較少的干擾來增強系統整體性能。

·部分頻率復用分配：適用于小區邊緣用戶以避免載波間干擾。動態部分頻率復用能夠根據特定位置上的瞬時業務量調整其分配的帶寬。因此，在一些區域中，會保留宏蜂窩網絡并未使用的特定頻帶，以便其覆蓋范圍內的小基站有機會使用其空置頻譜來避免干擾。

因此，宏基站和小基站的協作是一個很有效的解決干擾和提升性能的方案。綜上可知，在此網絡情境下共存在5種無線資源，包括時頻資源塊、調制編碼方案、功率資源、天線和協作的基站。

6 資源分配數學模型

LTE/LTE-A標準并沒有明確地給定無線資源分配方案，這一點與其他的標準一致。這是因為不同的網絡服務提供商有不同的解決方案。此外，公開的標準體系為設計各種算法提供了可能性。表1給出了一部分成熟的算法，比如最大載干比（max C/I）分配算法、輪詢（RR）算法，最大最?。╩ax-min）值算法和比例公平（PF）算法。這些算法能夠最大化系統吞吐量或者公平性。為了最大化系統的效用，大部分有效的無線資源分配算法都可以建模為凸優化問題，但是必須滿足以下兩個約束條件。

·約束條件1（滿足用戶的最小QoE要求）：每個用戶獲得的數據速率應該大于用戶要求的最小數據速率，同時延遲、延遲抖動（延遲變化）或者分組丟失率都應該低于系統的最大可容忍值。

·約束條件2（滿足可用資源的約束條件）：每個用戶被分配的資源（時隙、子載波、天線或者傳輸功率）之和應當小于全部的系統資源總量。

表1 資源分配算法比較

假設不考慮約束條件，最佳的系統效用可以通過數學方法得到。但是此最佳結果在實際通信系統中是不適用的。比如通過數學求導方法獲得了最佳的系統效用和最佳的傳輸功率[8]?？墒谴俗罴压β手悼赡軙蔀樨撝祷蛘叽笥谧畲笙到y約束值。因此，所有的資源分配算法都應該遵守以上約束。

以上分析模型面臨兩個問題。

（1）效用函數設計

效用函數當且僅當是一個凸函數時，最佳解才會存在。因此系統效用函數的設計問題長期以來一直是一個挑戰性問題。幸運的是，博弈論能夠為以上問題提供很多可能的解決方案。

（2）快速收斂算法

以上的最優化問題已經證實是NP問題，即不能在多項式時間內找到全局理論最優解。因此，很多研究人員針對實際通信環境陸續提出了高效的達到次優解的算法。

7 高能效的效用函數

一個理想的目標函數應該考慮到系統的吞吐量、能量效率、用戶間公平性或者以上3種度量權衡的目標組合。比如，以上問題可以建模為(Pk-)[8]，其中 Uk是給定用戶 k的效用；rk和用戶的可達吞吐量和最小吞吐量；Pk和是用戶消耗的發射功率和最小要求的發射功率。根據以上的方法，首先所有的可用資源根據用戶的最小資源要求進行分配。然后，剩下的資源會以最大化系統能量效率為目標進行分配。通過以上方法，可以得到系統能量效率和吞吐量的折中。

根據博弈論，如果能量效率函數是一個凸函數或者是一個準凸函數，那么它就可以直接被作為效用函數來進行資源分配最優化。否則必須設計一個以能量效率為變量的效用函數來替代。

8 多維聯合資源分配算法

此外，參考文獻[9]提出了多樣的集中式和分布式資源分配算法來達到最佳的系統效用。參考文獻[10]提出了基于TD-LTE網絡的低中高空平臺針對高功率效率的無線資源分配方案，該方案只是從資源塊以及功率這兩方面資源進行分配。參考文獻[11]基于TD-LTE網絡的低中高空平臺，針對免受災難這一目標，提出了無線資源分配方案，該方案也是從兩方面進行資源分配，使其容量達到最高。參考文獻[12]在雙層蜂窩網絡中針對綠色無線電提出了高能效的頻譜分配方案。參考文獻[13]從綠色無線通信的角度提出了一種高效的自適應調制編碼方案。但是，根據筆者的調研，針對宏蜂窩/小蜂窩網絡的聯合時—頻—功—協作域無線資源分配算法還沒有被涉及，雖然形式很復雜，但是很可能擁有更好的性能。本方案假設在一個宏蜂窩/小蜂窩網絡中，所有的宏基站用戶相對于小蜂窩用戶有更高的LTE資源塊接入優先權。這樣，所有的宏蜂窩用戶服務質量可以優先得到保證，而小蜂窩網絡僅僅能夠使用沒有被宏蜂窩使用的資源塊，層間干擾可以被完全消除，但是嚴重的小蜂窩間干擾依然存在。一般情況下，大部分網絡負載出現在室內，也就是說此系統模型具有可實現性。在系統模型中，不僅所有的在同一個宏基站下的宏蜂窩用戶之間競爭LTE時頻資源塊，而且所有的小蜂窩用戶在每個小基站下也會相互競爭LTE資源塊。結合聯合時—頻—功率域無線資源分配方法，協作無線資源調度可以進一步根據當前的網絡負載特點實時地獲得最佳的宏蜂窩/小蜂窩LTE資源塊劃分結果，最終實現整體網絡的能量效率最大化。相比于筆者之前的研究成果[8]，本方法針對宏蜂窩/小蜂窩網絡擬引入自適應協作資源調度的概念，實現宏蜂窩/小蜂窩網絡的能量效率最優?？紤]到本文的類型，下面給出主要的數學模型，詳細的數學建模和分析沒有給出，請參見參考文獻[10～13]。

高能效的問題可以數學化為以下最優問題：

其中X和 P表示資源塊和功率分配矩陣；N代表單小區中用戶的數量；rn代表第n個用戶的信干噪比。在資源分配矩陣中，如果第n行k列資源塊被分配給用戶n，那么有=1，同時分配到的功率是；否則有=0。很明顯知道同時，所有資源塊上的分配功率之和必須小于基站的總發射功率。

圖3給出了基于LTE-A的宏蜂窩/小蜂窩網絡聯合時—頻—功—協作域無線資源聯合優化流程。首先假設在一個傳輸時間間隔內無線信道狀態和每層網絡負載分布狀態不改變。一旦以上因素在下一個傳輸時間間隔改變，那么聯合優化算法會根據當前的信道和負載分布狀態，在保證宏基站用戶優先級的前提下最優化全局的能量效率。具體地，在給定的網絡環境下，宏蜂窩用戶首先接入LTE時頻資源塊。然后，各小蜂窩基站會在剩下的資源塊中進行功率分配，最終實現整個宏蜂窩/小蜂窩網絡的能量效率最大化。需要強調的是，一旦無線信道狀態或者網絡負載改變，以上迭代算法會繼續迭代循環，最終在每個傳輸時間間隔中總是可以在保證宏蜂窩用戶服務質量的前提下得到全網絡能量效率的最優解。綜上，相比于傳統的靜態頻譜劃分方案，協作資源調度使多維資源分配算法具有很強的自適應性。同時，由于迭代過程會在每個傳輸時間間隔中進行，因此完全避免了由負載變化導致的無線資源浪費，最終大大提高了系統性能。

雖然本文提出了一種高效的宏基站和小基站之間的協作機制，同時結合無線資源分配算法，但是針對宏蜂窩/小蜂窩網絡的協作域資源概念依然有待深入研究。基站之間的協作涉及的范圍很廣，不單單包括基站之間的頻譜劃分，如多基站干擾協調機制和網絡虛擬MIMO技術等。如何將協作機制與LTE宏蜂窩/小蜂窩網絡的無線資源分配結合和實現同步優化，是一個有價值的研究方法，相比于相對孤立的技術，聯合協作域的優化方法很可能獲得更高的系統性能增益。

9 性能評估

仿真采用LTE-Release 8中擴展典型城市信道模型（extended typical urban model），詳見 3GPP 協議 104、141附錄。仿真參數見表2。傳統的最大載干比（max C/I）分配算法總將資源塊分配給擁有最佳信道質量的用戶，實現了系統吞吐量的最大化。相比于其他的資源分配算法，它可以形成系統吞吐量的上界值，如圖4所示。遺憾的是，此算法擁有很低的用戶公平性和系統能量效率，如圖5和圖6所示。

表2 仿真參數

圖4 系統吞吐量

圖5 用戶公平性

圖6 系統能量效率

用戶間公平性被衡量為公平系數 （fairness index），在0～1變化。所以，用戶的公平系數越高，獲得的性能越高。輪詢（RR）分配算法循環地將資源塊分配給每個用戶，因此形成了所有算法的公平性上界。最大最小（max-min）值分配算法為信道質量差的用戶分配更多的無線資源，因而保證了用戶間的公平性，但是系統性能會很低。比例公平算法實現了系統吞吐吞吐量和公平性之間的有效折中。高能效的聯合時—頻—功—協作域資源分配算法（energy efficient resource allocation）在大大提高吞吐量的同時，兼顧較高的系統吞吐量性能，如圖4～圖6所示。

10 結束語

本文首先給出了一個移動云計算管理框架，為實現移動終端與云資源的高效信息交換提供了前提和保證。然后，在深入分析無線通信目標和能量消耗之間關系的基礎上，本文定義了無線單鏈路空間傳輸效率，比較和分析了多種單鏈路效率度量的含義和數學性質。在分析雙層蜂窩網絡中的干擾產生源和可用無線資源的基礎上，本文給出了基于 LTE-A （long term evolution-advanced）系統的無線資源分配分析模型，同時提出了一種高能效的無線資源管理算法。最后，設計了一個快速收斂的迭代算法獲得了系統能量效率的最優解。仿真分析說明了此資源管理算法可以實現移動云計算系統能量效率和吞吐量的高效折中。本文在總結當前研究現狀的同時指出了未來有價值的研究方向，其中包括能量效率評估準則的多樣性和高效的無線資源分配方法的設計問題。

1 Akhtman J,Hanzo L.Power versus bandwidth efficiency in wireless communications:the economic perspective.Proceedings of IEEE VTC Fall,Alaska,USA,2009

2 Zhang J,Roche de la G.Femtocells:Technologies and Deployment.Chichester:John Wiley&Sons,2010

3 Lopez-Perez D,Valcarce A,Roche de la G,et al.OFDMA femtocells: a roadmap on interference avoidance. IEEE Communications Magazine,2009,47(9):41～48

4 Zhao L,Cai J,Zhang H.Radio-efficient adaptive modulation and coding:green communication perspective.Proceedings of IEEE Vehicular Technology Conference,Budapest,Hungary,May 2011

5 Kulkarni P,Chin W H,Farnham T.Radio resource management considerations for LTE femtocells.ACM SIGCOMM Computer Commun Rev,2010,40(1):26～30

6 Han C,Harrold T,Armour S,et al.Green radio:radio techniques to enable energy efficient wireless networks.IEEE Communications Magazine,2011,49(6):46～52

7 Sarayd ar C U,Mandayam N B,Goodman D J.Efficient power control via pricing in wireless data networks.IEEE Transactions on Communications,2002,50(2):291～303

8 Zhao L,Wang Y,Yang K,et al.Nash bargaining solution based joint time-frequency-code-power resource management algorithm for TD-LTE systems.http://onlinelibrary.wiley.com/doi/10.1002/dac.2433/full,2012

9 Chandrasekhar V,Andrews J G,Muharemovic T,et al.Power control in two-tier femtocell networks.IEEE Transactions on Wireless Communications,2009,8(8):4316～4328

10 Zhao L Q,Zhang C,Hanzo L,et al.Power-efficient radio resource allocation for low-medium-altitude aerial platform based TD-LTE networks.Proceedings of IEEE Vehicular Technology Conference(VTC),Quebec City,Canada,Sep 2012

11 Zhao L Q,Yi J T,Fumiyuki Adachi,et al.Radio resource allocation for low-medium-altitude aerial platform based TD-LTE networks against disaster.Proceedings of IEEE Vehicular Technology Conference (VTC),Yokohama,Japan,May 2012

12 Cheng W C,Zhang H L,Zhao L Q.Energy efficient spectrum allocation for green radio in two-tier cellular networks.Proceedings of IEEE Global Communications Conference(GlobeCom),Miami,Florida,USA,Dec 2010:1～5

13 Zhao L Q,Cai J,Zhang H L.Radio-efficient adaptive modulation and coding:green communication perspective.Proceedings of IEEE Vehicular Technology Conference(VTC),Budapest,Hungary,May 2011