雾无线接入网中的边缘缓存方法研究文献综述

1. 文献综述（或调研报告）：
2. 雾无线接入网络

与第四代无线通信相比，第五代无线通信系统应实现至少1000倍的系统容量增长，至少10倍的能效增长。为了实现这些目标，已经提出了云无线接入网络（Cloud Radio Access Networks）。云无线接入网络将无线技术和信息技术结合，并将云计算技术融入到无线接入网络中。云无线计入网络的优势在于它的集中式处理单元（Baseband Unit）池可以实现集中处理。但是实现集中处理的先决条件是前传链路拥有高带宽和低延迟。实际情况中，前传链路通常收到容量和时延的限制，这导致云无线接入网络的谱效和能效均大幅度下降。

为了克服前传链路容量受限的缺点，异构云无线接入网络（Heterogeneous Cloud Radio Access Networks）被提出。随着基于位置的社交应用变得越来越流行，H-CRAN中连接远端射频头（Remote Radio Unit）和集中式BBU池之间的前传链路传输的冗余信息越来越多。H-CRAN不具备使用边缘设备（如远程无线电头（Remote Radio Heads）、终端用户设备）处理和存储能力，前传链路只能频繁的传输重复的内容，重复传输导致前传负载不断上升、逐渐逼近容量上限。此外，应用H-CRAN还需要运营商部署大量的固定RRH以及高功率节点（High Power Nodes），从而满足峰值容量需求。当系统中交付量不够时，这样的部署又会产生严重的浪费。

为了解决这些挑战，雾无线接入网络（Fog Radio Access Networks）应运而生。F-RAN从异构网络和C-RAN演进而来，集成了雾计算和边缘缓存功能。雾计算也被成为边缘云计算，即将大量的存储功能、通信功能、控制功能、配置功能、测量功能和管理功能部署到网络边缘，而不再集中式地部署在远端云中心，从而将传统的云计算扩展到网络边缘。

雾无线接入网络的机构如图1所示，其中包含了基带处理单元（BBU）池和高功率节点（HPN），以及雾无线接入节点（Fog Access Point）。所有的信号处理单元集中在BBU池中来共享整体的信令，数据和信道状态信息。HPN主要用来实现控制平面的功能，为所有的F-AP提供控制信令和小区特定参考信号，并为高频移动的用户提供比特速率的基本覆盖。F-AP通过前传链路与BBU相连接，邻近的F-AP之间可以互相通信。BBU池通过集中式大规模协同多点（CoMP）传输技术进行联合处理和调度，抑制F-AP和HPN层间干扰。[1]

图 1 雾无线接入网的系统架构

F-AP也具备协作无线信号处理（CRSP）和协同无线资源管理（CRMM）功能，相邻的F-AP可以互相通信连接并形成不赞同种类的拓扑结构来实现本地分布式CRSP。相比于网状拓扑结构，树状拓扑结构可以节省网络部署和维护成本，更加适合雾无线接入网的架构。同时F-AP还可以缓存一些流行文件，使得用户可以直接从F-AP处下载，有效缓解了网络前传链路和BBU池的开销负担，降低了传输时延。

1. 雾无线接入网中的缓存研究

现有的缓存方法研究主要分为：非协作缓存和协作缓存两种方法。

2.1 非协作缓存

缓存这一观点最早是二十世纪60年代提出的，近10年Web缓存的研究也逐渐变得热门。起初，研究者将缓存引入通信系统通常建模为成本最低优化问题模型[7]。这类模型大都假设缓存节点服从随机分布，并将成本函数描述为距离的函数（缓存节点到用户的距离）。后来研究者提出了内容服务器、缓存节点、用户三者之间的最优匹配模型，并建模成多对多博弈问题。所谓多对多博弈就是多个基站和多个内容服务器之间的博弈匹配。一旦获得了稳定的配对关系，就可以定期将服务器中内容预置到相应的基站进行缓存[8]。虽然可以证明这种博弈关系趋向于稳定配对，但是由于用户的移动性，每个基站的用户群体随时间更新，该模型需要不断地建立新的博弈匹配，而每次的博弈匹配都是极其复杂的，这将导致时延较大、缓存有效性较差。选址问题已经提出了很多求解方法。我们可以套用现有的求解方法解决缓存相关的问题。但是，选址问题是一个NP-hard 问题，求解该问题的算法的复杂度通常都很高。

不同于早期研究，最近的研究大都以时延或前传卸载量为优化目标建立优化问题。文献[9]构建了缓存决策量与时延之间的函数关系，将内容部署优化问题建模为0-1 整数规划问题，并将原始优化问题等价转化为线性规划优化问题，提出分布式次优算法解决。不足之处是，该优化问题仅考虑存储空间约束，与传输相关、并影响时延的其他参数均被忽略，所得到的解具有很大的局限性。文献[10]构建了感知回程的时延最低优化问题，该研究指出在回程状态较宽松、下行链路时延不高的情况下，应当优先缓存那些预测概率高的内容，并且提高这部分内容在所有缓存节点中的比例，从而提高缓存命中率；在回程处于拥塞状态，下行链路时延很高的情况下，应当尽可能多的缓存不同内容，以提高缓存多样性。理论分析和仿真结果均证明这种缓存机制能够有效降低通信时延。不足之处是，作者仅考虑单用户情况，多用户多基站的最优缓存方案还需要更深入的分析研究。除此之外，也有研究将缓存和资源优化问题联系起来。文献[11]提出优先使用风能、太阳能等绿色可再生能源用于缓存工作，若可再生能源不能支持缓存的进行，再消耗电网中的能源。