目錄
序
前言
第1章5G網(wǎng)絡(luò)演進及業(yè)務(wù)遷移技術(shù)1
1.15G網(wǎng)絡(luò)架構(gòu)1
1.1.1移動網(wǎng)絡(luò)架構(gòu)演進2
1.1.25G網(wǎng)絡(luò)部署方式3
1.1.35G網(wǎng)絡(luò)架構(gòu)關(guān)鍵技術(shù)4
1.25G超密集網(wǎng)絡(luò)5
1.2.15G異構(gòu)密集網(wǎng)絡(luò)的演進過程5
1.2.25G異構(gòu)密集網(wǎng)絡(luò)的性能優(yōu)勢7
1.2.35G異構(gòu)密集網(wǎng)絡(luò)面臨的挑戰(zhàn)7
1.3雙連接及多連接技術(shù)8
1.3.1雙連接協(xié)議架構(gòu)8
1.3.2雙連接實現(xiàn)過程10
1.3.34G/5G雙連接/多連接部署場景11
1.3.44G/5G雙連接協(xié)議架構(gòu)12
1.3.54G/5G雙連接建立的觸發(fā)機制14
1.3.6分離式承載下的數(shù)據(jù)傳輸和流量控制15
1.4業(yè)務(wù)遷移技術(shù)16
1.4.1業(yè)務(wù)遷移技術(shù)的概念16
1.4.2業(yè)務(wù)遷移技術(shù)的研究現(xiàn)狀及挑戰(zhàn)17
1.4.3業(yè)務(wù)遷移技術(shù)流程19
1.4.4業(yè)務(wù)遷移技術(shù)的性能評估指標體系20
1.5章節(jié)內(nèi)容結(jié)構(gòu)21
1.6本章小結(jié)22
參考文獻22
第2章面向負載均衡的業(yè)務(wù)遷移技術(shù)24
2.1異構(gòu)密集網(wǎng)絡(luò)中的負載均衡24
2.1.1負載均衡目標25
2.1.2負載均衡技術(shù)研究現(xiàn)狀25
2.1.3負載均衡技術(shù)面臨的挑戰(zhàn)26
2.2面向負載均衡的業(yè)務(wù)遷移技術(shù)26
2.2.1基于遺傳算法的小區(qū)和用戶資源需求估計策略27
2.2.2QoS保障的密集異構(gòu)網(wǎng)絡(luò)負載均衡33
2.2.3多業(yè)務(wù)共存下的異構(gòu)網(wǎng)絡(luò)負載均衡技術(shù)40
2.3本章小結(jié)48
參考文獻48
第3章面向系統(tǒng)能效提升的業(yè)務(wù)遷移技術(shù)50
3.1綠色業(yè)務(wù)遷移技術(shù)50
3.1.1用戶主動的綠色業(yè)務(wù)遷移技術(shù)50
3.1.2主動綠色業(yè)務(wù)遷移研究現(xiàn)狀與目標51
3.2提升系統(tǒng)能效的綠色業(yè)務(wù)遷移策略52
3.2.1網(wǎng)絡(luò)模型52
3.2.2系統(tǒng)能量效率54
3.2.3基于拍賣理論的綠色業(yè)務(wù)遷移策略56
3.3本章小結(jié)59
參考文獻60
第4章基于協(xié)作通信的業(yè)務(wù)遷移技術(shù)62
4.1協(xié)作通信62
4.1.1CoMP技術(shù)62
4.1.2研究內(nèi)容與意義63
4.2基于協(xié)作通信的業(yè)務(wù)遷移技術(shù)63
4.2.1支持CoMP技術(shù)的業(yè)務(wù)遷移系統(tǒng)模型63
4.2.2基于CoMP技術(shù)的功率分配64
4.3性能評估68
4.3.1仿真環(huán)境及參數(shù)68
4.3.2仿真結(jié)果及分析68
4.4本章小結(jié)71
參考文獻72
第5章基于小區(qū)動態(tài)擴展的業(yè)務(wù)遷移技術(shù)74
5.1小區(qū)動態(tài)擴展技術(shù)74
5.1.1小區(qū)縮放與休眠技術(shù)74
5.1.2小區(qū)動態(tài)擴展技術(shù)研究現(xiàn)狀及內(nèi)容75
5.2基于單位面積功耗的自適應(yīng)小區(qū)縮放技術(shù)77
5.2.1網(wǎng)絡(luò)模型77
5.2.2用戶連接策略78
5.2.3自適應(yīng)小區(qū)縮放下的用戶連接概率79
5.2.4單位面積功率消耗82
5.2.5基于博弈論的*優(yōu)小區(qū)縮放83
5.2.6自適應(yīng)小區(qū)縮放性能評估86
5.3基于能量效率的小小區(qū)休眠及業(yè)務(wù)遷移策略91
5.3.1小小區(qū)休眠及業(yè)務(wù)遷移策略91
5.3.2小小區(qū)休眠性能評估94
5.4本章小結(jié)96
參考文獻96
第6章基于小區(qū)動態(tài)開關(guān)的業(yè)務(wù)遷移技術(shù)98
6.1小區(qū)動態(tài)開關(guān)技術(shù)98
6.2基于控制平面/用戶平面分離的高能效用戶附著與基站開關(guān)策略99
6.2.1網(wǎng)絡(luò)部署場景分析99
6.2.2系統(tǒng)模型100
6.2.3用戶附著與基站開關(guān)策略101
6.2.4性能評估與仿真結(jié)果105
6.3針對移動場景的高能效動態(tài)用戶附著技術(shù)與基站開關(guān)策略109
6.3.1場景分析109
6.3.2系統(tǒng)模型109
6.3.3高能效動態(tài)用戶附著與基站開關(guān)策略112
6.3.4性能評估與仿真結(jié)果116
6.4本章小結(jié)120
參考文獻120
第7章基于時延感知的業(yè)務(wù)遷移技術(shù)123
7.1基于有效容量的業(yè)務(wù)與資源匹配技術(shù)123
7.1.1業(yè)務(wù)與資源匹配概述123
7.1.2業(yè)務(wù)與資源匹配研究現(xiàn)狀125
7.1.3基于有效容量的業(yè)務(wù)與資源匹配方案126
7.2多業(yè)務(wù)時延感知的資源分配策略128
7.2.1多業(yè)務(wù)時延感知的資源分配129
7.2.2用戶滿意度132
7.2.3多業(yè)務(wù)調(diào)度與業(yè)務(wù)遷移132
7.3性能評估與仿真結(jié)果133
7.4本章小結(jié)136
參考文獻137
第8章延時業(yè)務(wù)遷移技術(shù)139
8.1支持延時容忍的業(yè)務(wù)遷移技術(shù)139
8.1.1時延敏感型業(yè)務(wù)遷移技術(shù)140
8.1.2延時業(yè)務(wù)遷移技術(shù)研究現(xiàn)狀141
8.2基于有效容量的延時業(yè)務(wù)遷移方案143
8.2.1系統(tǒng)模型143
8.2.2延時業(yè)務(wù)遷移方案147
8.2.3性能評估與仿真結(jié)果154
8.3基于用戶激勵的延時業(yè)務(wù)遷移方案160
8.3.1系統(tǒng)模型160
8.3.2完全信息延時遷移方案162
8.3.3不完全信息延時遷移方案167
8.3.4性能仿真與評估170
8.4本章小結(jié)175
參考文獻175
第9章基于網(wǎng)絡(luò)功能虛擬化的業(yè)務(wù)遷移技術(shù)177
9.1NFV技術(shù)177
9.1.1NFV技術(shù)背景177
9.1.2NFV研究現(xiàn)狀178
9.1.3NFV存在的問題179
9.2基于NFV的業(yè)務(wù)遷移技術(shù)180
9.2.1基于流行度分布的VNF成簇部署方案180
9.2.2基于宏觀運動模型的SFC時延分析189
9.2.3基于微觀運動模型的SFC時延分析192
9.3本章小結(jié)195
參考文獻196
第10章融合計算遷移的業(yè)務(wù)遷移技術(shù)197
10.1基于移動邊緣計算的遷移技術(shù)197
10.1.1基于移動邊緣計算的遷移技術(shù)概念和特征197
10.1.2移動邊緣計算遷移步驟199
10.1.3移動邊緣計算遷移技術(shù)分類200
10.2移動邊緣計算遷移技術(shù)的關(guān)鍵問題200
10.2.1遷移決策201
10.2.2移動性管理202
10.3移動邊緣計算遷移與區(qū)塊鏈的結(jié)合203
10.3.1移動邊緣計算中業(yè)務(wù)遷移的安全問題203
10.3.2區(qū)塊鏈203
10.3.3車輛輔助傳輸記錄的存儲方法及裝置204
10.4本章小結(jié)206
參考文獻207
第11章針對移動過程中用戶的業(yè)務(wù)遷移技術(shù)208
11.15G車聯(lián)網(wǎng)場景下的業(yè)務(wù)遷移及分析208
11.2多車道混合V2V/V2I傳輸時間分析213
11.3多車道V2V傳輸場景下的業(yè)務(wù)遷移策略222
11.3.1系統(tǒng)模型及信道模型222
11.3.2基于*小單次下載時間(MSDT)的遷移策略225
11.4基于邊緣計算的RSU間多車道消息回傳策略230
11.4.1系統(tǒng)模型及問題描述230
11.4.2回傳策略性能分析231
11.4.3性能仿真與評估233
11.5本章小結(jié)237
參考文獻237
第12章基于車載邊緣計算的業(yè)務(wù)遷移技術(shù)239
12.1車載邊緣計算服務(wù)器239
12.1.1車載邊緣計算服務(wù)器的概述239
12.1.2計算任務(wù)遷移到車載移動計算服務(wù)器240
12.2基于深度強化學習的業(yè)務(wù)遷移方案241
12.2.1系統(tǒng)模型241
12.2.2先驗知識242
12.2.3基于強化學習的車載計算服務(wù)器遷移方案243
12.2.4仿真結(jié)果與分析245
12.3基于MAB的車載邊緣服務(wù)器任務(wù)遷移方案248
12.3.1系統(tǒng)模型248
12.3.2基于學習的CPU頻率變化感知的車輛邊緣計算任務(wù)遷移方案250
12.3.3仿真結(jié)果與分析253
12.4基于整數(shù)規(guī)劃的*小化時延遷移方案259
12.4.1系統(tǒng)模型259
12.4.2時延*小時空聯(lián)合計算遷移決策方案262
12.4.3仿真結(jié)果與分析266
12.5基于MDP的車載邊緣任務(wù)遷移方案269
12.5.1車載邊緣計算與MDP介紹269
12.5.2系統(tǒng)模型269
12.5.3基于馬爾可夫決策過程的車輛邊緣計算任務(wù)遷移方案273
12.5.4在非確定性轉(zhuǎn)移概率下對于車輛邊緣計算的任務(wù)遷移研究276
12.5.5仿真結(jié)果與分析279
12.6基于分布式學習的車載邊緣計算遷移方案287
12.6.1系統(tǒng)模型287
12.6.2分布式學習計算遷移方案289
12.6.3仿真結(jié)果與分析293
12.7本章小結(jié)295
參考文獻295
第13章業(yè)務(wù)遷移技術(shù)研究展望299
索引301
彩圖