面向5G的无线资源管理技术研究

罗晓哲

摘要：目前，随着移动通信技术的快速进步，虽然无线资源管理已经存在多年，但仍然是移动通信工程中的关键构成，也需要适应新的技术和标准。特别是目前正处于4G向5G迈进的关键时期，更加先进技术的出现使得通信场景也得到了进一步拓展，以往的无线资源管理模式在新技术和新场景的条件下已经难以适应其要求，例如MIMO系统向大规模MIMO系统的发展，无线资源管理用户分组及调度也要充分考虑这些变化所带来的影响。对此本文便围绕5G移动通信技术的无线资源管理展开论述，探讨了有关的技术与方法。

关键词：5G移动通信技术;无线资源管理;技术与建议

分类号：TN929.5

引言：目前，第五代移动通信网络也就是5G技术的发展使得万物互联等业务得到了实现，而“新基建”计划的全面落实使得5G网络即将在我国实现全面覆盖。在这一背景下，对移动通信无线资源管理技术也提出了新的要求，更加高效的无线资源管理是全面发挥5G网络优势的重点，而如今大规模天线和网络切片等技术的涌现，无线资源管理中现存的问题也越来越复杂。

一、无线网络虚拟化技术

无线网络虚拟化技术能够在5G系统中划分多个虚拟网络，从而满足用户的多元化要求，而且无线网络虚拟化还能更加有效的运用可用资源，为用户带来更佳的服务，提高服务质量水平。在无线网络虚拟化中，无线资源管理所存在的最关键问题便是在物理资源中建立虚拟网络，而利用频谱层面切片的方式或将成为解决问题的有效路径。无线网络虚拟化的应用也对无线资源管理带来了全新的评断标准，例如根据虚拟网络的吞吐量以及物理设施中的网络资源利用率等。为了能够让无线资源管理达到无线网络虚拟化的要求，无限资源管理技术也需要根据多种虚拟网络来实现针对化的配置及管理。而在无线网络虚拟化中频谱切片的方式来分析无线资源管理，以无线网络虚拟化技术的基本特性，不同虚拟网络在需求方面也存在显著差异，比如效率更高、时延更小、稳定性更强等。为达到这些要求，不同的虚拟网络资源分配数量就成为了最关键的条件。若其中一个虚拟网络分配的资源块数比较多，那么性能方面则相较于其他虚拟网络更强，整体上的运行状态也会更加稳定。但整体资源块数有限且不是持续供应的，所以怎样才能有效平衡这些虚拟网络分配资源块数则成为了一个新的问题。针对这一问题的研究可以大大提高系统资源的利用效果，以更灵活多样的方式对虚拟网络的不同需求设计针对性的对策与方案。

二、异构网络

异构网络技术指的是在多种网络和终端的条件下，无论哪一时间段的用户都需要具有无缝业务能力，这时易购无线资源管理则需要具备无线频谱和一定的接入权，这也使得异构网络资源管理与以往的无线资源管理存在明显的区别，具体表现在以下几点：1）资源本身的含义可能会受其影响而产生变化;2）资源取值区间及资源的关系也要实现进一步的延伸;3）在此基础上，单凭借原本的一维变量来体现资源分配状态并非易事，需要以多维角度进行分析，为异构网络介入网络的差异以及资源分配的实现提供必要的条件支持。

由于异构网络整体上越来越密集，资源管理也需要重点解决好资源分配问题，同时还可能会面临着公平性与严谨性的干扰问题等。也就是说密集化的异构网络也为无线网络系统的资源管理带来了更高的要求，转变成了一个需要深入探索的问题。针对无线通信系统进行性能参数的评估，需要应用无线资源管理技术来实现不同参数的针对性评估判断。如系统信道资源分布的公平性判断、小区覆盖规模及用户量判断等。这些指标若想同时做到最優化具有非常大的难度，因此需要对以下几点进行全方位的考量，必要时需要进行折中：1）小区覆盖范围与用户服务水平的影响，针对用户服务水平进行考量，用户接近基站时服务水平更佳，反之亦然。小区边沿的用户QoS相较于基站附近的用户服务质量相对较差，所以需要根据小区边沿用户的QoS标准进行覆及规模的判断;2）系统容量与小区覆盖制约。根据小区覆盖的方向分析，基站高功率传送可以达到更好的覆盖效果，但这也必须要考虑到周边因素可能会带来的干扰，这些干扰会对系统容量带来不利影响;3）容量与公平性。若信道资源向信道较好用户分配时，系统容量也会提高，但这却可能会影响公平性。合理运用无限资源管理技术，能够充分协调这些指标，从而达到一种协调平衡的状况[1]。

三、基于数字优化法的5G无线资源管理技术

（1）基于数字优化法的物理层技术

物理层是5G系统中的重要构成，为了能够应用更宽的频谱，毫米波段成为了关键的通信波段，由于其波长更短，因此仅需较小的天线就能够实现正常运作，天线能够设计在一个更小的空间中实现信号传输，也就是大规模天线阵列。大规模天线阵列与传统MIMO技术具有显著差异，最主要的差异便是每个天线都不会分配到一个专用的射频链路，避免FD设计提高系统整体造价的情况。在毫米波段与大规模天线系统中，最重要的技术便是混合波束形成技术，同时沿用一个射频预编码及基带数字与棉麻实现多个天线的波束形成。有关学者提出了MIMO混合波束形成的概念，并且将其视为一个稀疏重建的问题，而利用模型算法分析，如基追踪算法得到解。利用交替最小化的算法来交替优化模型及数字预编码，在问题求解方面利用流行优化算法来处理混合预编码相位产生的约束。同时还有学者提出了在有干扰的多用户系统中设计优化算法，如基于原始对偶分解算法，把一个有K个用户的混合编码问题转变为一个简单的子问题，子问题又能分解成对应数量的独立问题，满足了离散相位处理的需求[2]。

除却预编码外，大规模天线技术的运用针对其余物理层技术也带来了新的要求，例如在有限反馈信道带宽之下，怎样才能保证信道信息的可靠性，而压缩感知技术则具有显著优势。虽然压缩感知技术需要预估的信道维度较大，但多径数量却不多，因此仅需顾及一个稀疏矩阵即可。根据这些特点，稀疏矩阵优化算法的优势在于，能够运用更少的信息来恢复较高维度的信道信息。

（2）基于数字优化法的接入层技术

5G移动通信网络最主要的特征便是能够在既定的范围内可以同时有更多设备，可以是寻常的移动终端，而且也可以是物联网设备。据有关预测分析，预计子啊2030年，每1000m2区域内就可以有千万数量级的无线设备，这些设备可以随时接入5G网络，因此在接入网络设计方面就需要分析如何降低功耗，或实现大批次数量的设备接入。这与以前的无线通信网络具有显著差异，5G接入网设计方面有了更多的新技术需要设计且进行算法优化。大规模随机接入设计方面，虽然假定的设备数量很多，但实际上物联网设备并非需要全程接入5G网络，因此基站需要对用户的信息发送情况进行检测。针对信息发送检测来说，可以通过设备活动情况来建设稀疏活跃矩阵来实现，由叠加的用户信息中获得最稀疏的矩阵作为活跃矩阵。在系统运作方面，多数条件下用户信道也具有一定的不确定性，因此信道估计需要和用户监测同步实现，而AltMin算法在这一方面则可以提供良好帮助，使得计算效率大大增强。

非正交多址接入（）能够让多个用户同时应用一个载波，从而实现系统频谱利用率的进一步提升。有关学者将吞吐优化问题进行建模，使其成为一个系列的非凸优化问题，并分析最优解的具体特征，以定量的形式表明系统相较于正交多址介入所具备的优点和应用意义。在此基础上，也有学者提出了结合无线信息与能量传输，从而提升系统能量效率的论题，总结出了基于算法实现信息传输效率、接收能量的一种优化方法[3]。

（3）基于数字优化法的网络层技术

5G移动通信网络的发展具有非常广阔的空间，而实际上5G的发展应用场景也呈多元化的方向发展，如车联网、万物互联、虚拟现实等，构建多服务的网络体。这使得网络对多种服务需要进行可靠的“切片”，这是一种网络功能虚拟化的过程，可以在某一物理网络之上建立多个逻辑网络，不同的逻辑网络相对不同的网络服务。在这一条件下，不同的服务通过对应的服务功能构成，也就是功能链。每个网络节点具有不同的服务功能，因此网络资源管理需要能满足不同服务要求，并且在此基础上确保各网络节点不会出现过载问题。这在计算方面也面临着一定问题，如通常需要离散变量来确定服务及物理节点等关系。有关学者提出了一个服务功能在多个节点中完成的方向，而且也探索乐有限性约束的大规模优化问题，利用交替乘子法来计算求解。利用混合整数优化模型体现网络切片与服务链问题，从整体上来看，网络切片问题具有明显的复杂性，因此在数学建模方面需要把控好模型的精确度，尽量采用更高效的算法来降低计算难度[4]。

四、基于机器学习的无线资源管理

如今，移动通信网络技术的不断发展，迭代数值优化也有效改善了无线通信及信号处理任务等方面的运行效果。对于迭代运算来说，问题参数的优化是算法的输入环节，如果进行了较多次数的迭代，那么最终计算出的结果则是迭代算法的输出。若为优化较多且规模较大，尤其是矩阵求逆这些大规模运算，那么迭代计算相比之下复杂性会进一步提高，可能不能达到5G通信系统的任务实时性需求。而DNN却有着非常强的函数逼近特征，可以进一步接近迭代算法的性能，从而有效减少计算过程的难度。以有关学者的研究为例，全面探究DNN在无线资源管理中的应用，以及应用方向，具体的流程可以总结为以下几步：1）针对一类无线资源管理问题来设计迭代资源优化算法;2）运用迭代算法的优势来设计深度神经网络。通常情况下，迭代算法输入参数当作神经网络的输入，那么迭代算法的输出也将会成为神经网络的输出;3）针对不同问题的解决和计算来说，运用迭代自愿优化算法能够得出最佳的资源管理解，从而建立训练样本集;4）在选择损失函数之后，训练神经网络可以建立对应的网络模型;5）针对新问题的求解，可以选择神经网络模型计算资源管理对策。根据这些设计环节，基本上能够将大多数无线资源优化的问题进行有效解决，包括具有较高复杂性的随机优化问题等，同时还能进一步加强资源分配的计算效率。在神经网络类别的选择方面，除却应用较为广泛的前馈神经网络，同时还可以尝试着采用卷积神经网络，如果输入为信道矩阵的情况下效果较为理想，此外图神经网络经过实践总结已经得知，可以对整数规划等问题实现有效解决。在神经网络设计方面，需要注重以下几点：其一，通常无线资源优化问题的目标函数为系统效用，例如能效，所以针对无限资源管理的神经网络来说，不仅能将均方误差函数当作神经网络损失函数，同时还可以直接采用系统效用函数，将其当作神经网络的损失函数;其二，运用无线资源优化问题的最佳解的构成，先把算法检验信息结合到神经网络的设计过程，在降低神经网络输入输出设计难度的同时，在加速神经网络训练效率，并在这一基础上进一步加强神经网络逼近迭代算法的整体效果[5]。

结束语：目前，移动通信技术的快速发展，今后用户也将会针对各种数据业务提出更新更高的要求，因此无线资源管理技术也需要迎合人们的需求，不断优化无线资源管理的机制，提升移动通信系统的完善性和功能性，为人们带来更好的移动数据业务服务。5G移动通信系统的优化，以及基站建设依然处于不断完善中，网络结构建设进度与5G标准化技术的研究豆浆会使系统功能无线资源管理技术得到新的提升空间。

参考文献：

[1]史清江，洪明毅，罗智泉. 面向5G/B5G通信的智能无线资源管理技术[J]. 中国科学基金，2020，34（02）：142-149.

[2]张宏宇. 关于5G移动通信系统无线资源调度探讨[J]. 通讯世界，2019，26（08）：101-102.

[3]常昆，王禄生，李小喜，张帅，汪晏如. 5G高密度网络中无线资源管理的仿真方案设计[J]. 合肥工业大学学报（自然科学版），2019，42（08）：1064-1071.

[4]金艷，柴松，孔庆珊. 浅析移动通信技术5G关键技术[J]. 信息技术与信息化，2020（12）：137-138.

[5]杨峰义，谢伟良，张建敏. 5G无线网络及关键技术[J]. 电信科学，2017，33（12）：213.

1475501186392