论文部分内容阅读
近年来,随着移动终端的快速发展和各种以内容为中心的软件应用的出现,移动数据流量呈爆发式增长。巨大的移动数据流量使当前的无线网络面临从频谱资源到网络架构的挑战。为了应对快速增长的无线数据,本文考虑两种有前景的技术。一种是通过频谱共享来增加频谱利用率的认知无线电技术。另一种是让内容靠近用户的内容缓存技术。对于认知无线电技术,尽管国内外学者和研究机构在近年来进行了众多相关研究,但是这些研究还不足以将该技术商用化。对于内容缓存技术,全球对该技术的研究尚处于初期阶段,还不成熟。为了将这两种技术用于实际,我们还需要增加对这两种技术的理解。鉴于此,本论文主要研究认知无线电技术和内容缓存技术中的几个关键问题,主要工作和创新点如下:1)在叠加共享(Overlay)认知网络中,认知用户利用频谱感知技术判断某一个频段是否被主用户占用,然后决定是否传输认知数据。我们考虑了非完美频谱感知,并且研究频谱感知时间和认知发射功率对认知网络能量效率的影响。我们提出了两种联合优化频谱感知时间和发射功率的算法来最大化认知网络能效,并且分析了各自的计算复杂度。最后,我们通过仿真验证了算法的有效性。2)在衬垫共享(Underlay)认知网络中,只要认知用户能够准确地控制对主用户的干扰,认知用户可以和主用户同时使用授权频段,从而提高频谱利用率。为了准确地控制干扰,认知用户发送端需要获取到主用户接收端之间的信道增益,也称为交叉信道增益。我们提出了一种主动式交叉信道增益估计算法,得到了交叉信道估计的闭合表达式。同时,我们考虑了加性高斯白噪声对估计性能的影响,并且推导了估计器的上界和下界。另外,我们设计了认知用户发射端的位置,从而优化了认知用户发射端对主用户系统的影响。最后,我们通过仿真验证了算法的有效性。3)在设备直通(Device-to-Device,D2D)协作的无线缓存网络中,如果用户的请求内容已经被提前存放到本地,那么用户可以直接使用该内容;如果该内容没有被存放到本地,而是存放到附近设备,那么用户可以通过D2D传输获得该文件;如果该内容既没有被存放到本地,也没有被存放到附近设备,那么该用户直接向基站或者服务器发出请求。在这个网络中,我们通过仿真优化了分布式内容存放方法,提出了启发式D2D链路调度算法,和最优D2D功率分配算法,并且分析了各种算法的计算复杂度。仿真结果说明,我们提出的算法能够更加充分地利用网络节点的存储能力,降低基站或者服务器端的数据流量,提高D2D传输速率。4)在实际的无线网络中,网络拓扑往往是分层的树状结构,而且各层的网络节点都具有存储能力。在这种分层网络中,理论最优的缓存方案仍然是一个有待解决的问题。我们研究具有两层节点的网络,提出新的内容缓存方案,严格地分析了该缓存方案的性能极限,并且证明提出的缓存方案优于现有的缓存方案。