經濟和定價模型在5G用戶關聯中的應用

董春利 王莉

摘 要：文章回顧了經濟和定價模型在5G用戶關聯中的應用，討論了吞吐量最大化的用戶關聯，采用分布式拍賣或采用價格更新方案的分布式算法，來實現低復雜度的目標。除了吞吐量的改進之外，用戶關聯中還需要考慮基站（BS）間的負載均衡和用戶的公平性。諸如分布式拍賣，一般定價，效用最大化和擁塞定價等定價模式可很好地滿足要求。

關鍵詞：5G網絡；異構無線網絡；資源管理；經濟和定價模型

異構和無線設備的密集部署，使5G能夠在頻譜、功率和緩存存儲方面提供無線資源。但是，這提出了無線資源管理問題，例如用戶關聯，資源分配和干擾管理。因此，需要為這些問題設計復雜的無線電資源管理方案。

經濟和定價模型被有效地采用來解決上述問題[1]。在數據傳輸開始前，用戶關聯機制被執行，以確定哪個用戶被分配給哪個基站（Base Station，BS）。用戶關聯機制必須設計為用以優化如吞吐量、負載均衡和能源效率。例如集中式的解決方案[2]，往往需要大量的信令，并且計算復雜度高，這對大規模網絡來說不是一個可行的解決方案，特別是對于HetNets。此外，經濟和定價模型可提供分布式解決方案以優化上述指標，計算復雜度低。

本文所討論的經濟和定價模型在5G用戶關聯中的應用，是根據用戶關聯機制旨在實現的性能指標進行分類的[2]，即吞吐量最大化、負載均衡和公平性、能源效率優化。需要注意的是，每個度量標準可用不同的技術來考慮，例如，大規模多輸入多輸出系統（Multiple-Input Multiple-Output，MIMO）、毫米波和HetNets。例如，由于天線的能耗很大，因此，在設計大規模MIMO網絡中的用戶關聯時，能源效率可被認為是一個主要要求。相反，由于BS的超密集和非計劃部署，吞吐量最大化和負載均衡的BS層，可分別作為毫米波網絡和HetNets中用戶關聯的主要需求。本文討論吞吐量最大化的用戶關聯和負載均衡和公平性的用戶關聯。

1 吞吐量最大化

該網絡的共同目標是最大化5G中所有用戶的總吞吐量。采用分布式拍賣或采用價格更新方案的分布式算法，來實現低復雜度的目標。

對毫米波網絡，基于分布式拍賣的第一項工作在文獻[3]中進行了調查。其中用戶作為投標人，即買方，而BS是賣方。最初，BS將連接價格設置為零，并將其廣播給所有用戶。每個用戶根據價格和所需的吞吐量，計算其效用和支付，然后用戶選擇產生最大效用的最佳BS。用戶將其所需的吞吐量作為出價發送給BS。BS選擇具有最高出價和高于舊價格支付的用戶。BS增加它的價格，然后將新價格反饋給用戶。當只有一個請求用戶，并且該用戶與BS相關聯時，拍賣終止。仿真結果表明，與基于RSSI的關聯方案[4]相比，該方案可將網絡吞吐量提高12%左右。除了提高吞吐量之外，所提出的方案還考慮操作波束寬度的優化，以解決耳聾問題。相應地，當波束寬度較窄時，所提出的方案的網絡吞吐量增加。然而，窄波束寬度會導致明顯的調整開銷，因為需要多個方向進行搜索。未來的工作可在招標過程優化中考慮這種影響。

2 負載均衡和公平性

除了吞吐量的改進之外，用戶關聯中還需要考慮BS間的負載均衡和用戶的公平性。諸如分布式拍賣，一般定價，效用最大化和擁塞定價等定價模式可很好地滿足要求。

2.1 分布式拍賣

Shokrighadikolaei等[3]在考慮基站負載均衡的情況下，研究了毫米波網絡中的聯合關聯和中繼問題。該模型涉及多個BS和多個用戶。用戶可通過一個充當中繼的其他用戶與某個BS關聯。聯合關聯和中繼問題一般沒有封閉形式的解。因此，該問題可等價地轉化為最小成本流問題，然后通過分布式拍賣解決。投標人是用戶，即買方，賣方是中繼。當一個中繼的請求用戶數量足夠大時，所提出的方案被證明能夠快速收斂，原因是中繼設置的價格增高，與請求接入中繼的用戶數量成正比。因此，對于大量用戶而言，與其他中繼相比，一個中繼在短時間內會變得太貴，并且只有很少的用戶能夠接受價格。但是，大量的用戶使得該方案的整體收斂速度變慢，這可能不符合毫米波信道條件的快速變化。

2.2 一般定價

Xu等[4]提出了一種通過拉格朗日對偶分解，來實現用戶關聯的分布式算法，以實現負載均衡和毫米波網絡的公平性。該模型由多個BS組成，即賣家，每個BS可服務于多個移動用戶，即買家。為了實現負載均衡和公平，引入了信道利用度量，即用戶所需數據速率與信道容量的比率。該問題是減小最大化的BS利用率。這里，BS利用率是信道利用率的總和。首先，拉格朗日對偶問題應用于用戶支付BS的服務價格的乘數。然后，采用價格更新的次梯度方法。通常，每個用戶在本地確定其BS，以便最小化其支付，并且BS間彼此通信，更新價格以調節用戶的請求，并均衡BS之間的信道利用。仿真結果表明，該方案在通過Jain公平性指數測量的BS間收斂性和公平性方面，優于RSSI方案。但是，在每次迭代中更新價格會顯著增加該方案的通信開銷。

2.3 效用最大化

Athanasiou等[5]提出的價格更新可與該問題相結合，在大規模MIMO網絡中，實現公平性和負載均衡。每個BS（即賣方）可服務于多個用戶，并且每個用戶（即買方）可同時與多個BS相關聯，以實現其期望的數據速率。其目標是最大化所有用戶的總效用。在這里，效用由對數函數表示，它允許分配實現比例公平。效用是一個凹函數，問題是凸優化。文獻[5]中的價格更新再次用于解決這個問題。然而考慮到BS的服務價格，每個用戶選擇一組BS和相應的資源比例，以最大化其總的按次降價。BS向用戶提供的按次降價定義為分配給用戶的速率與用戶支付給BS的費用之比的最大化。

2.4 基于擁塞的定價

根據當前網絡負載設置連接價格，可用于實現所提出的負載均衡[5]。所考慮的模型是HetNets，其包括一個MBS用戶，即MUEs和多個SBS，即毫微微小區。該問題是確定SBS分配給MUES的帶寬，以便最大化用戶的總效用和MBS向SBS支付的總成本之間的差別。為解決這個問題，采用分布式算法的拉格朗日對偶問題。然而，乘數是與速率和帶寬相關的陰影價格，它們通過梯度下降法進行更新。在每次迭代中，給定SBS的陰影和擁塞價格，每個用戶選擇最好的SBS以最大化速率與SBS提供的價格之和的比率。有多個MBS更普遍的情況，需要進一步調查。然而，MBS和SBS之間的交互可能更復雜。