要素

• 柔性 elastic

• 绿色 green; energy-efficient

• 意图驱动 intent-driven

• 资源块 resource block

• 负载均衡 load balancing(among multiple base stations)

• 干扰管理 interference management(among multiple access networks)

1.大环境：智简6G无线接入

1.1 IDN：意图转译 络intent-driven network

RAN：radio access network
ID-RAN：intent-driven RAN

IDN组成：

功能模块

①意图转译
②冲突解决
③ 络编排
④配置激活
⑤策略优化

关键技术

①无线意图转译
②意图冲突解决
③意图组 柔性构建
④意图组 实施
⑤意图组 性能评估与优化

1.2.1 无线意图转译

转译三步：step1: NLP提取关键（命名实体识别NER, name entity recognition, e.g. BiLSTM-CRF, IDCNN-CRF, FudanNLP, etc.）

无线意图语言模型

[结果，操作，对象]

结果

业务类型
性能指标
期望状态
时空约束

操作

拓扑结构
接入模式
资源分配
络约束

对象

物理节点
无线资源
缓存资源
计算资源

1.2.2 意图冲突解决

问题

元参数调节冲突
无线 络资源分配不足
络性能下降

本质：同种优先级对同种物理资源的争夺
目标：尽可能多满足意图多种 络优化目标（多目标联合优化）
算法：
①数值算法：多目标->单目标
<主要目标法、线性加权法、理想点法、分层序列法>
②智能算法：
<遗传算法、模拟退火算法、粒子群算法、
蚁群算法、Pareto 进化神经 络、模糊神经 络、
博弈论>
还有动态的多目标优化：
<非支配排序遗传算法、多目标粒子群优化算法>
(可以灵敏地检测环境的变化，并通过多样性引入机制、多样性保持机制、预测机制等应答方法有效响应环境变化，及时调整解集搜索方向，找到新环境下的 PS, Pareto Set解集）

1.2.3 意图组 柔性构建/h3>

功能模块中 络编排环节，结合无线 络资源现状和 络配置经验，将无线意图转译输出的结构

随着云计算技术的发展，无线 络的终端测量数据以及信 传输过程中的大数据可以得到有效的存储，利用数据挖掘和 AI 技术挖掘数据的内在特征，并通过专家学习系统，获得同等或者超过人工运维的智能组 水平。强化学习旨在通过与环境频繁交互获得的奖惩值指导智能体的行为选择，并采用“试错”方式使智能体做出能够得到最大环境奖励的决策。考虑无线 络的时变性对组 策略自适应度的要求，可利用深度强化学习（DRL, deep reinforcement learning），通过采集 络环境高维数据，根据优化参考目标制定匹配于用户需求的组 策略，实现ID-RAN 的柔性组 过程
（终端数据-联邦学习；奖惩值、采集高维数据replay bufferDQN；）

基于DRL的意图组 策略构建：

SDHCA设计基于空中接口分离、云RAN和SDN的深度融合。
它利用了云基础设施，云基础设施可以分为三个子系统:RRH 络、前运 络和虚拟BS (VBS)云。
为不同的用户流量类型提供了一个控制覆盖层和多个概念层。

2.2.1 关键特征

①控制数据分离。the separation lies in three aspects:
a. air interface空中接口: CBS(control base station) takes charge of control coverage;TBS(traffic base station)takes charge of traffic coverage
b.infrastructure基础设施: software in charge of the network functions is separated from the hardware that forwards or transmits the data,一个RRH可以被动态配置为充当CBS或TBS，甚至两者兼有(即，在充当CBS时处理一些流量)。
c.plane decoupling平面解耦: control planes and data planes of SDF network are decoupled（SDF: software-defined fronthaul)
②CBS作为RAN控制器
CBS 关注移动用户，控制fronthaul network，TBS则是其覆盖范围的基础，so that CBS can have a global view of the RAN in the local geographic area, optimize the on-demand configuration and activation of the TBS so that the network resources(including spectrum resources and energy resources)can match the dynamic traffic in an elastic way
When the traffic load changes, a CBS can also control the cell zooming behavior of active TBSs to balance the load控制活跃TBS的单元缩放行为br> ③通过虚拟化实现软件定义的 络功能
network functions e.g. air interface control空中接口控制, service analysis and aggregation服务分析和聚合, baseband sample generation基带采样生成, the fronthaul control plane前传控制平面 can be realized by virtual machines and the functions can be easily programmed and updated, allowing for felxible and efficient network operations, which potentially reduces computing energy consumption减少计算能源消耗

2.2.2 技术

①空中接口的分离
极端分离 extreme separation
功能分离√ functionality separation
functionality: 络向移动用户提供的基本功能集
including: synchronization, broadcast of system information, paging, multicast(low-rate data transmission), unicast(high-rate data transmission)
CBS in charge of synchronization, broadcast of system information, paging, multicast
TBS in charge of synchronization and unicast
②绿色基站操作
③基站功能虚拟化

3.场景：ERON：一种用于毫米波5G无线接入 络的节能柔性射频光架构

ERON: an energy-efficient and elastic RF-optical architecture for mmWave 5G radio access networks

• 柔性 elastic
• 绿色 green; energy-efficient
• 意图驱动 intent-driven
• 资源块 resource block
• 负载均衡 load balancing(among multiple base stations)
• 干扰管理 interference management(among multiple access networks)

4.柔性RAN：一种适用于云无线接入 络的自适应多级柔性模型

Elastic-RAN: An adaptable multi-level elasticity model for Cloud Radio Access Networks

• 柔性 elastic
• 绿色 green; energy-efficient
• 意图驱动 intent-driven
• 资源块 resource block
• 负载均衡 load balancing(among multiple base stations)
• 干扰管理 interference management(among multiple access networks)

云柔性是实现云中动态数量的BBU池的技术之一。为了实现动态扩大或减少资源数量的好处，C-RAN柔性的采用带来了几个挑战：
（i）资源的编排，其中实例的每次添加或删除都需要流程重组和通信拓扑的更新[8]；
（ii）有效的负载平衡技术，用于在当前BBU之间分配负载，以提供敏捷处理和低基础设施成本[9,10]；br> （iii）不同的负载需求可能会受到负载突然尖峰或下降的影响，因此产生假阳性或假阴性柔性作用[8]；
（iv）柔性操作不会导致应用程序正常执行的性能下降，包括任务的分配和处理。
related paper:
[8] R. da Rosa Righi, V.F. Rodrigues, C.A. da Costa, G. Galante, L.C.E. De Bona, T. Ferreto, Autoelastic: Automatic resource elasticity for high performance applications in the cloud, IEEE Trans. Cloud Comput. 4 (1) (2016) 6–19.
[9] M.A. Marotta, N. Kaminski, I. Gomez-Miguelez, L.Z. Granville, J. Rochol, L. DaSilva, C.B. Both, Resource sharing in heterogeneous cloud radio access networks, IEEE Wirel. Commun. 22 (3) (2015) 74–82.
[10] T. Duan, M. Zhang, Z. Wang, C. Song, Inter-BBU control mechanism for load balancing in C-RAN-based BBU pool, in: Computer and Communications, ICCC, Chengdu, 2017.

[12] 根据负载动态映射资源 M. Qian, Y. Wang, Y. Zhou, L. Tian, J. Shi, A super base station based centralized network architecture for 5G mobile communication systems, Digit. Commun. Netw. 1 (2) (2015) 152–159.
[15] 呼叫接纳控制call admission control CAC算法 T. Sigwele, P. Pillai, Y.F. Hu, Call admission control in cloud radio access networks, in: International Conference on Future Internet of Things and Cloud, FiCloud, Barcelona, 2014.
[16] 负载分数用于决策（分布式集中式） H. Taleb, M.E. Helou, K. Khawam, S. Lahoud, S. Martin, Centralized and distributed RRH clustering in cloud radio access networks, in: Computers and
Communications, ISCC, Heraklion, 2017.
[7] 一种集中式框架 S. Bhaumik, S.P. Chandrabose, M.K. Jataprolu, G. Kumar, A. Muralidhar, P.
Polakos, V. Srinivasan, T. Woo, CloudIQ: A framework for processing base stations in a data center, in: Mobile Computing and Networking, Istanbul, 2012, pp. 125–136.
[19] 云资源管理模型 A. Al-Dulaimi, S. Al-Rubaye, Q. Ni, Energy efficiency using cloud management of LTE networks employing fronthaul and virtualized baseband processing pool,
IEEE Trans. Cloud Comput. PP (99) (2016) 1–12.
[20] 智能流量和弹性资源模型 T. Sigwele, P. Pillai, Y.F. Hu, iTREE: Intelligent traffic and resource elastic energy scheme for Cloud-RAN, in: Future Internet of Things and Cloud, FiCloud, Rome,
2015.
[21] 路由数据以实现 络负载平衡 M. Khan, R. Alhumaima, H. Al-Raweshidy, Quality of service aware dynamic BBU-RRH mapping in cloud radio access network, in: Emerging Technologies,
ICET, Peshawar, 2016.
[22] 启发式平衡负载 S. Scholz, H. Grob-Lipski, Reallocation strategies for user processing tasks
in future Cloud-RAN architectures, in: Personal, Indoor, and Mobile Radio Communications, PIMRC, Valencia, 2016.
[23] 云RRH：动态集中式任务调度算法 O. Chabbouh, S.B. Rejeb, N. Agoulmine, Z. Choukair, Service scheduling scheme based load balancing for 5G/HetNets Cloud RAN, in: Advanced Information Networking and Applications, AINA, Taipei, 2017.

负载分数 Load Score计算方法
自适应纹理 adaptive grain
多级柔性 multi-level elasticity

4.2 柔性RAN评估方法

总执行时间、能量和成本分析

5.基于C-RAN的BBU池中用于负载平衡的BBU间控制机制

[10] T. Duan, M. Zhang, Z. Wang, C. Song, Inter-BBU control mechanism for load balancing in C-RAN-based BBU pool, in: Computer and Communications, ICCC, Chengdu, 2017.

• 柔性 elastic
• 绿色 green; energy-efficient
• 意图驱动 intent-driven
• 资源块 resource block
• 负载均衡 load balancing(among multiple base stations)
• 干扰管理 interference management(among multiple access networks)

“4 C”: centralized, cooperative radio, real-time cloud infrastructure, clean system
基于C-RAN的蜂窝系统打破了RRH和BBU之间的静态关系。此外，BBU池虚拟化技术使C-RAN能够处理动态调度和资源分配。特别是，由于集中式基带单元（BBU）池中的负载平衡能力，C-RAN可以解决蜂窝系统中流量分布不均匀的问题，例如潮汐的影响

5.1 C-RAN间BBU负载平衡的总体调度方案

a Controller takes charge of all BBUs in a BBU pool
this mechanism is divided into 3 steps:

1. initialize the user resource information
2. RRU receive the request signal from user and send it to BBU pool, then BBU pool can read the information of the request signal and send the information to the Controller, at last, the Controller read the information and queries the load threshold of its local BBU
3. Controller calculates the required load of UE, and compare it with the load threshold of the local BBU

首先，为了找到LSP建立请求r（s，d，b）的最佳路由路径，图2中所示的具体算法步骤如下：
1）检测链路路径请求。如果存在要到达的构建请求r（s、d、b），则执行步骤2）。

2） 确保整个 络中的链路满足需求带宽，并将小于需求带宽b的链路剩余带宽标记为“忙”。获得名为G t的剩余 络。

3） 通过类型1）计算 络G中每个链路的带宽利用率U（i，j）。

4） 根据链路带宽利用率和服务占用率作为链路（i，j）的权重，我们使用Dijkstra算法确定剩余 络G t中节点对（s，d）之间的最短路径。如果路径存在，则进入步骤5），否则拒绝LSP建立请求，返回到步骤1），为下一个LSP建立要求做好准备。

5） 沿着从s到d的最短路径构建带宽需求为b单位的LSP，更新链路上的剩余带宽。

6） 返回步骤1），准备下一个LSP请求。

5.3.2 从源BBU到目的BBU的资源调度

在确认目的BBU后，控制器将执行资源调度指令。程序描述如下：
1）首先，确定是否需要调度。如果需要，源BBU将按需信 消息传递给控制器，控制器为其寻找最佳目的BBU。建立链接。

2） 源BBU将负载信息传递给目的BBU。

3） 删除链接。更新剩余带宽。

4） 返回步骤1），为下一个调度请求做准备。

5.4 仿真和讨论

DLB: dynamic load balancing
NDLB
The constraint is that all the services arrive according to the Poisson distribution
Poisson arrival rate is defined as the number of arrived services per unit time.
Per service payload refers to the ratio of per arrival service occupying its local BBU capacity

声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！