下载掌阅APP，畅读海量书库
立即打开
（1）如何为用户提供超宽带的数据传输服务？
根据各个行业的需求，当前无线频谱资源采用静态分配策略进行统筹，无线频谱资源已然分配殆尽，几乎没有任何运营商拥有单一的、连续的、100 MHz带宽的无线频谱资源。而在异步分配的过程中，产生了大量的频谱碎片，其信道容量难以支持业务需求，从而浪费了宝贵的无线频谱资源。为了解决现有无线通信系统架构不足以提供超宽带的数据传输服务的难题，频谱聚合（Spectrum Aggregation，SA）应运而生。频谱聚合可以将分散的频谱以及频谱碎片聚合为完整的、信道容量足够大的频谱，从而支持更加多元化的业务，提高频谱利用率。此外，异构频谱聚合一方面能够聚合频率相距较远的频谱，以实现系统层面的频率选择性分集，从而充分利用不同频谱路径损耗的衰落的异质性、优化资源分配、提升系统性能；另一方面可以利用免许可频段，例如工业科学医疗（Industrial Scientific Medical，ISM）频段来克服频谱稀缺性。理论分析和实验结果表明，SA可以显著提升系统性能并且降低能耗 [9] 。第三代合作伙伴计划（3rd Generation Partnership Project，3GPP）第十三版本（Release 13）提出了授权协助接入、长期演进（Long Term Evolution，LTE）、无线保真（Wireless-Fidelity，Wi-Fi）链路聚合 [10-11] ，这些技术提供了在工业界用于访问异构频谱聚合的共享信道的不同接入方法。最近，SA成为5G标准化的增强型移动宽带的关键提案之一。
然而，一方面，目前接收机射频前端的混频器、滤波器，发射机的功率放大器以及数字信号处理器等技术水平都难以达到宽频段频谱聚合的要求，因此无线通信系统设备的频谱聚合能力受到限制，而受限的频谱聚合能力意味着只能为有紧急需求的用户分配有限数量的信道，这会给系统的稳定性带来极大的影响；另一方面，通过SA，异构系统可以共享信道，从而实现系统层面的频率选择性分集，进一步提升系统性能。但是不同系统的多个用户之间通常不能交换信息，如何实现异构系统和谐共存是一个难题，过度地使用共享信道会显著影响其他系统的稳定性。
（2）如何支持海量高速数据传输？
2012年开始，移动视频通信应用以75%的年均增长率逐年递增，截至2013年年底，移动视频流量已经占据了网络中总流量的50%以上。用户对视频的兴趣呈非常集中的分布，即绝大部分用户的请求都集中在少数流行的视频上。为了解决现有无线通信系统架构难以支持海量数据高速传输的难题，协作多播中继技术应运而生。多播是一种频谱有效的传输模式，服务供应商通过多播同时向多个用户发送多媒体数据，实现无线信道上一对多传输，从而有效减少传输内容 [12] ；协作中继技术利用空间分集对抗路径损耗和信道衰落，从而有效扩大覆盖范围，提供更可靠的传输，为用户提供更优质的QoS [13-14] 。因此，协作中继技术在无线通信系统中有其独特的价值。高级国际移动通信（International Mobile Telecommunications-Advanced，IMT-A）系统采用了协作中继技术，通过在用户与BS之间布置中继节点以协助用户和BS通信，从而保证边缘用户的QoS [15] 。
然而，一方面，协作多播中继为减少传输内容、实现更高的系统容量提供了额外的自由度，具有提升系统性能的潜力，但是不恰当的协作中继选择方案将导致比非协作中继传输模型更低的数据速率，从而显著降低通过减少传输内容带来的性能增益，进而对系统的稳定性带来极大的影响；另一方面，不同的多播中继节点通常采用不同的正交信道以避免中继之间产生干扰。但是，在许多协议中，如电气和电子工程师协会（Institute of Electrical and Electronics Engineers，IEEE）802.11 [16] 协议，可用信道的数量是相当有限的，这对协作多播中继系统稳定性带来的影响是显著的。
（3）如何提供与用户紧密相连的计算与存储服务？
传统的计算与数据传输服务严重依赖远程服务器，因此用户与远程服务器的上下行通信成为进一步提升系统性能的瓶颈，严重制约着无线通信系统的数据传输与计算。为了解决现有无线通信系统架构中计算与存储资源过度集中且远离用户的难题，移动边缘计算与内容边缘存储网络应运而生。移动边缘计算与内容边缘存储网络是基于5G演进的架构，并将移动接入网与互联网业务深度融合的一种新兴技术。移动边缘计算（Mobile Edge Computing，MEC）通过卸载计算任务到MEC服务器，可显著缓解计算密集型应用和资源受限的移动设备之间的紧张关系，是处理爆炸性增长的计算需求的最有前景的技术之一 [17-19] 。云计算系统依赖远程云计算服务器，这可能导致巨大的计算与通信时延。与传统的云计算系统不同，MEC服务器具有与移动设备紧密相连的计算能力。内容边缘存储采用分布式转发存储机制，将存储资源部署在靠近用户的边缘节点上，即将热门内容存储在基站（Base Station，BS）、中继节点以及移动设备上，并允许用户从附近的存储节点请求其期望的内容，从而避免重复传输内容，显著缓解网络压力，并根据用户的需求提供本地化的服务 [20-21] 。将计算与存储能力拉近到网络边缘后，可以创造出一个具备高性能、低时延与高带宽的电信级服务环境，加速网络中各项内容、服务及应用的分发和下载，实现更佳的数据传输与计算质量。
然而，一方面，当多个用户将计算任务卸载到同一个MEC服务器时，由于MEC服务器计算任务的数量非常大，这些计算任务并不能在短时间内计算完成，与此同时计算卸载也受信道质量影响，计算能力和通信能力的折中关系对系统的稳定性带来至关重要的影响；另一方面，在将传输、存储业务本地化的时候，很难在本地获取全网数据请求和网络拥塞信息，而在分布式联合优化数据转发和缓存的过程中，信息估计的准确性会对算法性能产生极大的影响，不准确的估计会显著影响系统的稳定性。