第五代移动通信系统5G标准化展望与关键技术研究
ＩＳＳＮ １００４－９０３７，ＣＯＤＥＮ ＳＣＹＣＥ４
Ｊｏｕｒｎａｌ ｏｆ Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ Ｐｒｏｃｅｓｓｉｎｇ Ｖｏｌ．３０，Ｎｏ．４，Ｊｕｌ．２０１５，ｐｐ．７１４－７２４ＤＯＩ：１０．１６３３７／ｊ．１００４－９０３７．２０１５．０４．００２
２０１５ｂｙ Ｊｏｕｒｎａｌ ｏｆ Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ Ｐｒｏｃｅｓｓｉｎｇ
ｈｔｔｐ：／／ｓｊｃｊ．ｎｕａａ．ｅｄｕ．ｃｎＥ－ｍａｉｌ：ｓｊｃｊ＠ｎｕａａ．ｅｄｕ．ｃｎＴｅｌ／Ｆａｘ：＋８６－０２５－８４８９２７４２
第五代移动通信系统５Ｇ标准化展望与关键技术研究＊
周一青１ 潘振岗２ 翟国伟１ 田 霖１
（１．北京市移动计算与新型终端重点实验室，中国科学院计算技术研究所，北京，１００１９０；２．中国移动研究院，北京，１０００５３）
摘 要：随着第四代移动通信系统（Ｔｈｅ ｆｏｕｒｔｈ ｇｅｎｅｒａｔｉｏｎ ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍ，４Ｇ）长期演进技术（Ｌｏｎｇ ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ，ＬＴＥ）在全球商用的成功展开和移动数据的爆发式增长，对第五代移动通信系统（Ｔｈｅ ｆｉｆｔｈ ｇｅｎｅｒａｔｉｏｎ ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍ，５Ｇ）的研发提上日程。本文首先分析了５Ｇ发展的两个驱动力，介绍了国际电联（Ｉｎｔｅｒｎａｔｉｏｎａｌ ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ ｕｎｉｏｎ，ＩＴＵ）对５Ｇ标准化的规划和最新进展，总结了通信业界与学术界公认的５Ｇ关键技术，并对其中的无线网络相关技术，超密集蜂窝（Ｕｌｔｒａ ｄｅｎｓｅ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋ，ＵＤＮ）和集中式蜂窝架构的研究进行了深入的分析介绍。最后总结了５Ｇ的发展趋势和未来的研究动向。
关键词：５Ｇ；标准化；超密集蜂窝；集中式蜂窝架构；通信与计算融合
中图分类号：ＴＮ９１５ 文献标志码：Ａ
Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ ａｎｄ Ｋｅｙ Ｔｅｃｈｎｏｌｏｇｉｅｓ ｆｏｒ Ｆｕｔｕｒｅ Ｆｉｆｔｈ Ｇｅｎｅｒａｔｉｏｎ ｏｆ Ｍｏｂｉｌｅ Ｃｏｍｍｕｎｉ－ｃａｔｉｏｎ Ｓｙｓｔｅｍｓ
Ｚｈｏｕ Ｙｉｑｉｎｇ１，Ｐａｎ Ｚｈｅｎｇａｎｇ２，Ｚｈａｉ Ｇｕｏｗｅｉ １，Ｔｉａｎ Ｌｉｎ１
（１．Ｂｅｉｊｉｎｇ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｍｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｐｅｒｖａｓｉｖｅ Ｄｅｖｉｃｅ，Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｃｏｍｐｕｔｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ，１００１９０，Ｃｈｉｎａ；２．Ｃｈｉｎａ Ｍｏｂｉｌｅ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ，Ｂｅｉｊｉｎｇ，１０００５３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｓ ｔｈｅ ｌｏｎｇ ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ（ＬＴＥ）ｏｆ ｔｈｅ ｆｏｕｒｔｈ ｇｅｎｅｒａｔｉｏｎ ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍ（４Ｇ）ｉｓ ｓｕｃｃｅｓｓｆｕｌｌｙ ｃｏｍｍｅｒｃｉａｌｉｚｅｄ ｇｌｏｂａｌｌｙ ａｎｄ ｍｏｂｉｌｅ ｄａｔａ ａｒｅ ｉｎｃｒｅａｓｅｄ ｅｘｐｌｏｓｉｖｅｌｙ，ｔｈｅ ｒｅｓｅａｒｃｈ ａｎｄ ｄｅｖｅｌ－ｏｐｍｅｎｔ ｏｎ ｔｈｅ ｆｉｆｔｈ ｇｅｎｅｒａｔｉｏｎ ｏｆ ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍ（５Ｇ）ｂｅｃｏｍｅ ｔｈｅ ｆｏｃｕｓ ｏｆ ｂｏｔｈ ｉｎｄｕｓｔｒｙａｎｄ ａｃａｄｅｍｉａ．Ｈｅｒｅ，ｔｈｅ ｔｗｏ ｄｒｉｖｅｒｓ ｔｏ ｄｅｖｅｌｏｐ ５Ｇａｒｅ ｆｉｒｓｔｌｙ ａｎａｌｙｚｅｄ．Ｔｈｅｎ ｔｈｅ ｉｎｔｅｒｎａｔｉｏｎａｌ ｔｅｌｅｃｏｍ－ｍｕｎｉｃａｔｉｏｎ ｕｎｉｏｎ（ＩＴＵ）ｔｉｍｅｌｉｎｅ ｆｏｒ ｇｌｏｂａｌ ｓｔａｎｄａｒｄｉｚａｔｉｏｎ ｏｆ ５Ｇｉｓ ｐｒｅｓｅｎｔｅｄ ａｎｄ ｔｈｅ ｍｏｓｔ ｒｅｃｅｎｔ ｕｐｄａｔｅｓａｒｅ ｄｅｓｃｒｉｂｅｄ．Ｓｕｂｓｅｑｕｅｎｔｌｙ，ｗｉｄｅｌｙ ｒｅｃｏｇｎｉｚｅｄ ｋｅｙ ｔｅｃｈｎｏｌｏｇｉｅｓ ｆｏｒ ５Ｇａｒｅ ｐｒｅｓｅｎｔｅｄ．Ｓｐｅｃｉｆｉｃａｌｌｙ，ｋｅｙｗｉｒｅｌｅｓｓ ｎｅｔｗｏｒｋ ｔｅｃｈｎｏｌｏｇｉｅｓ，ｉｎｃｌｕｄｉｎｇ ｔｈｅ ｕｌｔｒａ ｄｅｎｓｅ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋ（ＵＤＮ）ａｎｄ ｔｈｅ ｃｅｎｔｒａｌｉｚｅｄ ｒａ－ｄｉｏ ａｃｃｅｓｓ ｎｅｔｗｏｒｋ，ａｒｅ ｄｅｓｃｒｉｂｅｄ ｉｎ ｄｅｔａｉｌ．Ｆｉｎａｌｌｙ，ｃｏｎｃｌｕｓｉｏｎｓ ａｒｅ ｄｒａｗｎ ａｎｄ ｏｐｅｎ ｐｒｏｂｌｅｍｓ ａｒｅ ｄｉｓ－ｃｕｓｓｅｄ．
Ｋｅｙ ｗｏｒｄｓ：５Ｇ；ｓｔａｎｄａｒｄｉｚａｔｉｏｎ；ｕｌｔｒａ ｄｅｎｓｅ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋ；ｃｅｎｔｒａｌｉｚｅｄ ｒａｄｉｏ ａｃｃｅｓｓ ｎｅｔｗｏｒｋ；ｃｏｎｖｅｒ－ｇｅｎｃｅ ｏｆ ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ ｃｏｍｐｕｔｉｎｇ
＊〗基金项目：国家自然科学基金重点（６１４３１００１）资助项目。
收稿日期：２０１５－０６－１０；修订日期：２０１５－０７－２０
１ ５Ｇ发展背景：
两个驱动力近年来，第五代移动通信系统（Ｔｈｅ ｆｉｆｔｈ ｇ
ｅｎｅｒａｔｉｏｎ ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍ，５Ｇ）成为通信业界和学术界探讨的热点。５Ｇ的发展主要有两个驱动力。一方面以长期演进技术（Ｌｏｎｇ ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ，ＬＴＥ）为代表的第四代移动通信系统（Ｔｈｅ ｆｏｕｒｔｈ ｇｅｎｅｒａｔｉｏｎ ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙ
ｓｔｅｍ，４Ｇ）已全面商用，
对下一代技术的讨论提上日程；另一方面，移动数据的需求爆炸式增长，现有移动通信系统难以满足未来需求，亟需研发新一代５Ｇ系统。
目前ＬＴＥ系统已在全球范围内得到高速的发展，据全球移动供应商联盟（Ｔｈｅ ｇ
ｌｏｂａｌ ｍｏｂｉｌｅ ｓｕｐｐｌｉ－ｅｒ
ａｓｓｏｃｉａｔｉｏｎ，ＧＳＡ）统计［１］
，截至２０１５年４月，全球有１３８个国家３９３个运营商已经提供了ＬＴＥ商用业务，有３９个国家的６４个运营商更提供了增强型ＬＴＥ（ＬＴＥ－Ａｄｖａｎｃｅｄ，ＬＴＥ－Ａ）商用业务。ＬＴＥ的用户在２０１４年底达到４．９７亿，增速超过以往任何一代移动通信系统。中国早在２０１３年底就向中国移动、中国联通和中国电信正式颁发了分时长期演进技术（Ｔｉｍｅ ｄｉｖｉｓｉｏｎ ｄｕｐｌｅｘ－ＬＴＥ，ＴＤ－ＬＴＥ）经营许可，三大运营商获得的频段如表１所示。中国大力支持发展的ＴＤ－ＬＴＥ技术在全球范围内也有良好发展，目前共有３４个国家的５４个运营商提供了ＴＤ－ＬＴＥ商用服务。其中部分运营商由于原来的移动网络是就是基于ＴＤＤ（分时）技术的，比如全球微波互联接入（Ｗｏｒｌｄｗｉｄｅ ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ
ｆｏｒ ｍｉｃｒｏｗａｖｅ ａｃｃｅｓｓ，Ｗｉｍａｘ），因此相比分频长期演进技术（Ｆｒｅｑｕｅｎｃｙ ｄｉｖｉｓｉｏｎ ｄｕｐｌｅｘ－ＬＴＥ，ＦＤＤ－ＬＴＥ），更容易升级到ＴＤ－ＬＴＥ系统。另外也有部分ＦＤＤ－ＬＴＥ运营商同时建设了ＴＤ－
ＬＴＥ网络来进一步增强其移动宽带网络能力。随着ＬＴＥ在全球成功展开商用化，业界和学术界开始考虑下一代５Ｇ技术的研发。
表１ ＬＴＥ频谱分配
Ｔａｂｌｅ １ Ｓｐ
ｅｃｔｒｕｍ ａｌｌｏｃａｔｉｏｎ ｆｏｒ ＬＴＥ运营商ＬＴＥ频谱／ＭＨｚ
总带宽／ＭＨｚ
中国移动１８８０～１９００，２３２０～２３７０，２５７５～２６３５
１３０中国联通２３００～２３２０，２５５５～２５７５
４０中国电信
２３７０～２３９０，２６３５～２６５５
４０
除了ＬＴＥ成功商用的推动，５Ｇ的发展也来自于对移动数据日益增长的需求。随着移动互联网的发展，越来越多的设备接入到移动网络中，新的服务和应用层出不穷，全球移动宽带用户在２０１８年有望达到９０亿，到２０２０年，预计移动通信网络的容量需要在当前网络容量的基础上增长１ ０００倍。移动数据流量的暴涨将给网络带来严峻的挑战。首先，
如果按照当前移动通信网络发展，容量难以支持千倍流量的增长，网络能耗和比特成本难以承受；其次，流量增长必然带来对频谱的进一步需求，而移动通信频谱稀缺，
可用频谱呈大跨度、碎片化分布，难以实现频谱的高效使用；此外，要提升网络容量，必须智能高效利用网络资源，例如针对业务和用户的个性进行智能优化，但目前这方面的能力不足；最后，未来网络必然是一个多网并存的异构移动网络，要提升网络容量，必须解决高效管理各个网络，简化互操作，增强用户体验的问题。为了解决上述挑战，满足日益增长的移动流量需求，亟需发展新一代５Ｇ移动通信网络。
综合未来市场趋势、用户和业务需求，未来５Ｇ网络面临的性能挑战包括用户永远要求的更高体验速率、
接近零时延的传输（如车联网中安全信息的传输）、支持海量设备连接（如无线传感网中大量传感节点的连接）、支持高流量密度的传输（如人流密集的车站场景），以及支持高速移动下的传输（如高铁以及飞机上的移动宽带传输）。另外，从移动通信网络的可持续发展考虑，未来５Ｇ必须提升频谱、能源与经济多方面的效率。其中更高频谱效率是５Ｇ提供千倍网络容量所必需的；而近年来随着移动网络能耗增加，能效已经成为继谱效之后，移动通信发展关注的重点性能；此外，５Ｇ必须提供更低的单位比特
５
１７ 周一青等：
第五代移动通信系统５Ｇ标准化展望与关键技术研究
成本，为移动运营商创造赢利空间，才能驱动运营商积极部署５Ｇ网络。
２ ５Ｇ标准化展望
随着通信业界和学术界对发展５Ｇ逐步形成共识，国际电信联盟（Ｉｎｔｅｒｎａｔｉｏｎａｌ ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｕｎｉｏｎ
，ＩＴＵ）自２０１２年起启动对５Ｇ的标准化工作，具体进程如图１所示。沿袭３Ｇ（又称国际移动电话系统－２０００，Ｉｎｔｅｒｎａｔｉｏｎａｌ ｍｏｂｉｌｅ ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ－２０００，ＩＭＴ－２０００）和４Ｇ（又称增强型国际移动电话系统，ＩＭＴ－Ａｄｖａｎｃｅｄ）的命名规则，ＩＴＵ将５Ｇ称为ＩＭＴ－２０２０。首先，在２０１５年６月之前，通过需求分析明确５Ｇ的愿景，即通过研究潜在的市场需求、用户需求技术发展的趋势以及未来频谱发展动向等，规划５Ｇ网络的整体框架，给出其预期的能力。其次，在关键技术方面，２０１５年前要明确５Ｇ的技术发展趋势以及从未来网络关注的重点，包括频谱效率、带宽、业务、用户体验、节能、终端以及安全等，分析得到
５Ｇ技术应具备的能力。目前这方面的工作已经完成，发表了相关报告［２］
；从２０１５到２０１８年，
完成对关键技术的征集和遴选；２０１８到２０２０年，对５Ｇ技术进行验证和标准化。另外，在频谱方面，在２０１５年世
界无线电通信大会（Ｗｏｒｌｄ ｒａｄｉｏ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｃｏｎｆｅｒｅｎｃｅ－１５，ＷＲＣ－１５）之前完成对５Ｇ频谱需求的分析，２０１８年确定５Ｇ核心技术之前，明确５Ｇ的频谱分配。
图１ ＩＴＵ的５Ｇ标准化时间表
Ｆｉｇ
．１ Ｔｉｍｅｌｉｎｅ ｆｏｒ ５Ｇｓｔａｎｄａｒｄｉｚａｔｉｏｎ ｉｎ ＩＴＵ目前，ＩＴＵ已发布ＩＭＴ－
２０２０Ｖｉｓｉｏｎ报告［２］
，这是定义５Ｇ愿景和关键能力的官方文件，是５Ｇ研究的基础性文档。面向三类主要的５Ｇ应用场景，即增强型移动宽带、大规模机器间通信以及高可靠低时延通信，ＩＴＵ定义了８项５Ｇ的核心能力指标，
如表２所示。表２ ５Ｇ的核心能力指标
Ｔａｂｌｅ ２ Ｋｅｙ
ｐｅｒｆｏｒｍａｎｃｅ ｉｎｄｉｃａｔｏｒ ｆｏｒ ５Ｇ流量密度／（Ｔｂ·ｓ－１·ｋｍ－２）连接数／（Ｍ·ｋｍ－２）延时
／ｍｓ移动性／（ｋｍ·ｈ
－１
）能效用户体验速率
／（Ｇｂ·ｓ－１
）频谱效率峰值速率
／（Ｇｂ
·ｓ－１
）１０
１
１
５００
相对４Ｇ
提升１００倍
０．１～１
相对４Ｇ
提升３倍
２０
针对Ｉ
ＴＵ的５Ｇ标准化规划，国际标准化组织３ＧＰＰ已给出相应的５Ｇ演进计划。同时，有众多的行业和国家相关组织积极参与５Ｇ的标准化，比如５ＧＰＰＰ／ＭＥＴＩＳ是一个以欧洲企业为主体的行业组
６
１７数据采集与处理Ｊｏｕｒｎａｌ ｏｆ Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ Ｐｒｏｃｅｓｓｉｎｇ
Ｖｏｌ．３０，Ｎｏ．４，２０１５
织，对５Ｇ目标、挑战、场景、关键性能指标以及技术等有较系统的研究；ＮＧＭＮ是全球运营商为主题的行业组织，它已完成了５Ｇ需求和关键技术的白皮书，旨在形成运营商统一意见；而ＷＷＲＦ是华为牵头，以欧洲的高校和企业为主的国际组织，主要关注标准前的技术储备。此外，全球各大企业和研究机构如爱立信、华为、中移动等纷纷发表企业白皮书，阐述各自对５Ｇ的观点。
３ ５Ｇ关键技术研究
关于５Ｇ的发展，有两种主要的技术路线。一种是演进型路线，即在当前ＬＴＥ系统的基础上，
考虑后向兼容，引入增强型技术，提升系统容量。这个方向上关注的主要技术包括ＬＴＥ－Ｈｉ［３］
小型化基站相关技术（如高调制方式２５６ＱＡＭ，上行ＯＦＤＭ空口），３Ｄ－ＭＩＭＯ［４］
，增强型ＣｏＭＰ，增强型中继，ＦＤＤ和ＴＤＤ的融合［５］
。另一种路线是革命型路线，
即从网络架构到无线技术进行全面的创新，构建一个全新的移动通信网络。革命型路线的无线接入技术方面，研究人员提出了多种高谱效的技术，包括大规模天
线［６－
８］，全双工技术［９］，非正交接入（Ｎｏｎ－ｏｒｔｈｏｇｏｎａｌ ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ，ＮＯＭＡ）［１０］以及增强型多载波（Ｆｉｌ－ｔｅｒｂａｎｋ ｂａｓｅｄ ｍｕｌｔｉ ｃａｒｒｉｅｒ ｔｒａｎｓｍｉｓｓｉｏｎ，ＦＢＭＣ）［１１］
等。网络方面，未来５Ｇ可能采用新型网络拓扑和接入网架构，核心网则有望引入新型技术如软件定义网络（Ｓｏｆｔｗａｒｅ ｄｅｆｉｎｅ ｎｅｔｗｏｒｋ，ＳＤＮ）［１２］
，网络功能虚拟化（Ｎｅｔｗｏｒｋ ｆｕｎｃｔｉｏｎ ｖｉｒｔｕａｌｉｚａｔｉｏｎ，ＮＦＶ）［１３］
，移动内容分发网络（Ｍｏｂｉｌｅ ｃｏｎｔｅｎｔ ｄｉｓｔｒｉｂｕｔｅｄ ｎｅｔｗｏｒｋ，Ｍｏｂｉｌｅ
ＣＤＮ）［１４］
等。本文关注与无线相关的网络拓扑和接入网架构的研究。３．１ ５Ｇ网络拓扑：
超密集蜂窝移动通信网络从最初的第一代模拟蜂窝系统发展到４Ｇ［１
５］
，小区（蜂窝）半径一直在不断地缩小，小区密度在不断地增加。这种小区密集化机制已经为移动通信网络容量带来了１ ０００倍的增益。在未来５Ｇ网络中，研究人员相信，可以通过小区的进一步密集化，形成超密集蜂窝（Ｕｌｔｒａ ｄｅｎｓｅ ｃｅｌｌｕｌａｒ ｎｅｔ－ｗｏｒｋ，ＵＤＮ）网络，带来数十倍网络容量的增益。事实上，目前移动通信网络中，已经存在大量的小型无线接入点（包括各类小蜂窝（Ｓｍａｌｌｃｅｌｌ）如微蜂窝Ｍｉｃｒｏｃｅｌｌ、微微蜂窝Ｐｉｃｏｃｅｌｌ、家庭基站Ｆｅｍｔｏｃｅｌｌ
，以及中继（Ｒｅｌａｙ
）和分布式天线等），这些接入点可以对商场、体育馆等人流密集地区进行热点覆盖［１６－
１９］，与宏蜂窝一起构成异构网络，提供高速移动数据接入。未来这样需要高速数据接入的热点将会越来越多，
呈现出越来越强的致密性，现有的异构网络也将逐步发展成高速超密集异构蜂窝网络［２０］
，即由基本规
则的宏蜂窝以及高密度的非规则小蜂窝构成的异构网络。
与传统异构蜂窝网络相比，超密集蜂窝ＵＤＮ面临的一个重大挑战是异常严重的小区间干扰（Ｉｎｔｅｒ－ｃｅｌｌ ｉｎｔｅｒｆｅｒｅｎｃｅ，ＩＣＩ）。首先，ＵＤＮ网络拓扑的非规则性导致ＩＣＩ急剧上升，干扰管控至关重要。传统宏蜂窝网络基于网络规划部署，网络拓扑具有较强的规则性，可以采用频谱复用技术降低ＩＣＩ。但在ＵＤＮ中，小蜂窝等小型无线接入点的布置是按业务需求展开，它们的地理位置具有无规划性，工作时间随业务需求动态变化。因此，ＵＤＮ的小区拓扑结构复杂，呈现出越来越强的非规则性，并具有动态变化的特性。这种情况下，
很难高效地利用现有的频谱复用技术。同时，由于密集的、无规划的小蜂窝的存在，在邻近区域可能存在很多的基站（Ｂａｓｅ ｓｔａｔｉｏｎ，ＢＳ）和移动终端（Ｍｏｂｉｌｅ ｓｔａｔｉｏｎ，ＭＳ），因此ＩＣＩ异常严重，小区边缘的ＭＳ接收信号质量差，信干比（Ｓｉｇｎａｌ ｔｏ ｉｎｔｅｒｆｅｒｅｎｃｅ ｒａｔｉｏ，ＳＩＲ）极低。可见，ＵＤＮ中，高效多小区干扰管控必不可少，是决定未来５Ｇ网络基础性能的关键之一。
另一方面，由于ＵＤＮ网络与传统蜂窝网络的小区拓扑结构完全不同，ＩＣＩ统计特性存在很大差异，对干扰管控有不同的要求。对于具有规则、固定拓扑的传统蜂窝网络，研究中通常采用Ｗｙ
ｎｅｒ型蜂窝［２１］或者六边形蜂窝［２２］模型，其中ＢＳ的位置是确定的，ＭＳ的位置则在小区中服从均匀分布。基于六边形模型得到的ＩＣＩ集中在２～３个主要干扰，功率概率分布曲线形状陡峭。而ＵＤＮ的动态非规则网络拓扑，则需要基于随机几何理论，采用泊松点过程来模拟。这种模型下，ＩＣＩ集中效应降低，
功率分布７
１７ 周一青等：
第五代移动通信系统５Ｇ标准化展望与关键技术研究
曲线变得平坦，拖尾效应显著。可见，ＵＤＮ中ＩＣＩ与传统蜂窝网络中的不同，必须针对ＵＤＮ的干扰特性，对干扰管控技术进行创新研究。
目前针对ＵＤＮ已经展开了大量的研究。美国德克萨斯奥斯汀大学的Ｊ．Ｇ．Ａｎｄｒｅｗ教授团队最先将随机几何拓扑引入到蜂窝网络中，针对传统Ｗｙ
ｎｅｒ和六边形网络拓扑模型的缺陷和现有蜂窝网络日益异构化的特点，基于随机几何理论对ＵＤＮ展开了系统的研究［２３－
２４］。图２所示的是单层致密网络拓扑，即只考虑密集小蜂窝，未考虑规则宏蜂窝部署的网络。其中红点代表ＢＳ，蓝点代表ＭＳ，ＭＳ和所从
属的ＢＳ之间用蓝虚线表示，小区边缘用红实线表示。在基于随机几何构建的网络拓扑模型中，ＢＳ和ＭＳ的位置各自服从泊松点随机分布（Ｐｏｉｓｓｏｎ ｐｏｉｎｔ ｐ
ｒｏｃｅｓｓ，ＰＰＰ）。在这种架构下，可以利用随机几何理论，推导出网络全局信干比的闭式表达式，从理论上得到网络的基本性能。文献［２３］分析了基于随机几何拓扑的蜂窝网络性能，并将其与六边形拓扑下得到的性能和实际网络性能进行了比较。分析和仿真结果表明，
基于六边形拓扑和随机几何拓扑的性能分别是实际网络性能的上界和下界。随着蜂窝网络拓扑的非规则性日益增强，系统性能将逐渐向着下界靠拢。此外，文献［２４］利用随机几何理论分析了由不同类型无线接入点构成的多层致密同构网络的性能，
每层具有不同的基站发射功率、数据速率和部署密度，并与实际ＬＴＥ网络性能进行了比较，验证了随机几何理论在多层异构网络性能分析方面的有效性。进一步地，注意到实际蜂窝网络是由基本规则的宏蜂窝以及越来越多的非规则性小蜂窝构成的，文献［２５］提出了结合六边形规则拓扑和随机几何拓扑的致密异构混合模型来逼近实际网络拓扑，并通过仿真验证了模型的准确性。近年来国内通信学术界也开始关注致密网络。清华大学牛志升教授团队
采用随机几何理论分析了异构蜂窝网络中面向能效最优的基站分布密度［
２６］
。图２ 服从泊松分布的ＢＳ和ＭＳ构成的致密蜂窝网络架构模型
Ｆｉｇ．２ Ｔｏｐｏｌｏｇｙ
ｏｆ ｕｌｔｒａ ｄｅｎｓｅ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋｓ由于ＣｏＭＰ［２７］
是一种有效的小区间干扰控制技术，学术界已经对单层致密网络中的ＣｏＭＰ进行了
一定的研究。这些研究都采用随机几何ＰＰＰ模型来建模ＢＳ的分布，并采用高性能的ＣｏＭＰ机制如迫零波束赋形（Ｚｅｒｏ ｆｏｒｃｉｎｇ ｂｅａｍｆｏｒｍｉｎｇ，ＺＦＢＦ）、小区间干扰置零（Ｉｎｔｅｒ－ｃｅｌｌ ｉｎｔｅｒｆｅｒｅｎｃｅ ｎｕｌｌｉｎｇ，ＩＣＩＮ）等将协作簇内的小区间干扰进行完美抵消。其中文献［２８］中的ＣｏＭＰ机制采用规则六边形网格来建模
８
１７数据采集与处理Ｊｏｕｒｎａｌ ｏｆ Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ Ｐｒｏｃｅｓｓｉｎｇ
Ｖｏｌ．３０，Ｎｏ．４，２０１５
ＣｏＭＰ协作基站簇中心位置。在协作簇内，
通过多天线波束赋形实现完美的干扰避免。对于簇边缘的用户，分配不同的频率资源，以避免簇间干扰。该文重点分析了随着单个簇内平均基站个数的增加，单个用户服务中断概率的变化情况。文献［２９］则将ＣｏＭＰ协作基站簇的簇头建模成泊松分布。在协作簇内，采用ＩＣＩＮ技术实现完美干扰抵消，但是簇间的小区干扰仍然存在。由于ＩＣＩＮ需要准确的信道信息，该文研究了ＣｏＭＰ基站之间能够共享完美信道和有限信道信息两种情况，得到了在完美信道信息下单个用户的平均吞吐量的下界，以及由于有限信道信息反馈导致的平均吞吐量损失的上界。同时，考虑到ＣｏＭＰ带来的信令开销，文献［３０］仅关注一个ＣｏＭＰ簇的场景，利用ＺＦＢＦ抵消簇内小区干扰，同时将信道信息变化的时间建模成ｇａｍｍａ分布，探讨了ＣｏＭＰ信令开销对系统吞吐量的影响。
中科院计算所无线中心则基于随机几何理论对ＣｏＭＰ干扰管控下单层ＵＤＮ网络的全网络覆盖性
能进行了探讨［３１］。基本思想是针对ＭＤ－ＣｏＭＰ［３２］，定义对协作小区个数归一化的ｇｏｏｄｐｕｔ［３３－
３４］作为性能指标
ＣｉＢ（）
ｉ＝ＧｉＢ（）
ｉＢｉ
（１
）式中：｜Ｂｉ｜代表用户ｉ所在ＣｏＭＰ协作小区集合中小区的个数，Ｇｉ（Ｂｉ）是用户ｉ的可解码平均信道容量，表示为
ＧｉＢ（）ｉ＝ｌｏｇ２１＋γ（）＊１－ｐｏｉγ＊，Ｂ（
）（）ｉ（２
）式中：γ＊是目标ＳＩＮＲ门限，接收ＳＩＮＲ只有高过γ＊信号才能被成功解码接收；ｐｏｉγ＊
，Ｂ（）ｉ＝Ｐ｛γｉＢ（）ｉ＜γ＊
｝
是用户ｉ的中断概率，取值依赖于协作小区的分簇情况和接收ＳＩＮＲ的分布。因此，为了计算出网络中的每个用户的归一化ｇｏｏｄｐｕｔ，必须先求ｐｏｉγ＊
，Ｂ（）ｉ。基于随机几何理论，可推导出单个用户ｉ的ＳＩＮＲ中断概率为［３
５］
ｐｏｉγ＊
，Ｂ（
）ｉ＝１－∑ｂ∈Ｂｉ
ｅ－γ＊σ２
ｚ
Ｐｂｌ
ｂ，ｉ
∏ｊ∈Ｂｉ
ｊ≠
ｂＰｂｌｂ，ｉＰｂｌ
ｂ，ｉ－Ｐｊｌｊ，ｉ∏ｋ∈Ｂ
Ω－Ｂｉ
Ｐｂｌｂ，ｉ
Ｐｋｌｋ，ｉγ＊＋Ｐｂｌｂ，（
）
ｉ（３
）式中：σ２
ｚ是高斯白噪声的方差；Ｐｂ是第ｂ个基站的发送功率；ｌｂ，ｉ是第ｂ个基站到用户ｉ的路径损耗。基
于ｐｏｉγ＊
，Ｂ（）ｉ，可以推导出整个致密网络的中断概率。当基站服从密度参数为λＢ的Ｐ
ＰＰ分布时，假定ＭＤ－ＣｏＭＰ采用｜Ｂ｜个相邻小区的分簇，
则整个网络的中断概率可表示为Ｐγ（）Ｂ＜γ｛｝
＊
＝１－２πλ（）ＢＢ
∫
∞
ｒ
｜Ｂ｜＝０
…
∫ｒ３
ｒ２＝
０∫
ｒ
２
ｒ１
＝０∑｜Ｂ｜
ｂ＝１ＬＩｒ｜Ｂ｜
μγ＊ｒη（）ｂｅ－μ
γ＊σ２ｚｒη
ｂ
∏ｊ＝［１，｜Ｂ｜］ｊ≠ｂ１－ｒ－η
ｊｒ－η
（）
烄烆烌烎
ｂｅ－πλＢｒ２
｜Ｂ｜
∏｜Ｂ｜
ｂ＝１
ｒ（
）ｂ
ｄｒ１
…ｄｒ｜Ｂ｜
（４
）式中：μ＝１ｐｂ
ｃ，ｃ是路径损耗常数，ＬＩｒ
｜Ｂ｜是接收到的干扰量Ｉｒ｜Ｂ｜的Ｌａｐｌａｃｅ转换。Ｐ（γ（Ｂ）＜ｒ２
｝可以用来评估整个网络的性能。基于ｐｏ
ｉ（ｒ＊，Ｂｉ）可以对每个用户遍历所有可能的分簇方式，计算归一化ｇｏｏｄ－ｐｕｔ，选择使ｇｏｏｄｐ
ｕｔ最大的分簇方式，获得用户为中心的自适应分簇方法。在上述分析的基础上，文献［３１］对比了ＣｏＭＰ在非规则拓扑的ＵＤＮ中和在规则六边形蜂窝拓扑网络中的性能。研究表明，由于ＵＤＮ中多小区干扰与规则六边形网络中的特性完全不同，以用户为中心的自适应ＣｏＭＰ分簇结果也呈现很大的差异。在规则六边形网络中，自适应ＣｏＭＰ的性能可以用下述简单的方法逼近，即将蜂窝分为小区中心和小区边缘，小区中心用户不采用ＣｏＭＰ，而小区边缘用户利用相邻３个基站（簇的大小为３）进行ＣｏＭＰ协作传输；而在非规则拓扑的ＵＤＮ中，
不存在这样的简单机制，以用户为中心的自适应分簇ＣｏＭＰ性能优于所有固定分簇的性能。从现有研究可以看到，基于随机几何理论，国内外已经逐步展开了对ＵＤＮ网络的性能研究，但多数研究考虑的是全部由非规则拓扑蜂窝组成的ＵＤＮ同构网络，对结合规则宏蜂窝拓扑的异构ＵＤＮ网
９
１７ 周一青等：
第五代移动通信系统５Ｇ标准化展望与关键技术研究
络研究较少，尚未能从理论上系统地分析干扰管控对ＵＤＮ的影响，因此在ＵＤＮ方向亟需进一步的深入研究。
３．２ ５Ｇ无线接入网：
集中式蜂窝网络架构虽然ＵＤＮ能够有效地提升网络容量，是公认的５Ｇ关键技术之一，但实现ＵＤＮ存在众多挑战，
除了前述小区间干扰的挑战，还有实际网络部署时面临的挑战。目前的移动蜂窝网络采用分布式基站架构，
即每个小区基站是互相独立的，基站的建立和维护都是分开独立进行的。在这样的网络架构下，要实现ＵＤＮ，即大量增加基站数目，将带来多方面的困难。首先，目前基站的站址已经成为稀缺的资源，如果未来要部署更多更密集的基站，获得合适的站址将成为一个巨大的问题。再者，目前移动网络的能源消耗和维护费用已经非常高，这些费用主要是用于每个基站的降温和日常维护，如果未来要进一步增加基站密度，能耗和维护成本将进一步提升，运营商难以承受。
为了降低未来网络的能耗，降低网络部署和维护的费用，研究人员提出了集中式蜂窝网络架
构［３６－
３７］。基本思想如图３所示，先对传统分布式基站的功能进行划分，分为射频接发模块和信号处理模
块。然后将所有基站的射频模块留在原站址上，
信号处理模块集中到一个中央处理中心。通过这样的射频拉远和集中式处理，可以解决未来网络部署大量基站面临的众多困难。一方面，由于无线接入从传统的基站缩减为一个射频天线，
更易获得合适的站址，另一方面，将所有传统基站的信号集中处理，有利于降低能耗，降低网络建设和维护成本。集中式网络架构也为多种先进无线技术提供了更好的实现平台，例如ＣｏＭＰ技术将不再受制于传统基站之间有限的信息交互，因为所有基站信息都集中在中央处理中心，可以高速灵活地进行共享
。
图３ 移动通信网络架构演进
Ｆｉｇ
．３ Ｅｖｏｌｖｅｍｅｎｔ ｏｆ ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｎｅｔｗｏｒｋ ａｒｃｈｉｔｅｃｔｕｒｅｓ目前国内外已经为移动通信网络提出了多种集中式架构，如中移动提出的ＣＲＡＮ（Ｃｅｎｔｒａｌｉｚｅｄ
ｒａｄｉｏａｃｃｅｓｓ
ｎｅｔｗｏｒｋｓ）架构［３８］，中科院计算所提出的超级基站架构［３９］
以及ＩＢＭ提出的无线云网架构等。基于超级基站架构，中科院计算所展开了通信与计算融合的研究。针对超级基站中通信协议由一个计算
资源池（ＣＰＵ池）集中处理的特点，研究计算资源ＣＰＵ的高效利用。每个小区协议处理所需的计算资源与小区的负载成正比，而小区的负载是随时间变化的，为了确保完成协议处理任务，分配给每个小区协议处理的计算资源应该按其负载最大值计算。研究注意到，移动通信网络相邻小区由于地理位置接近，其负载往往具有相似的变化趋势。如果将相邻小区的协议处理映射到一个ＣＰＵ上，由于计算资源按最大负载分配，而最大负载出现的时间段接近，该ＣＰＵ只有在小区都达到最大负载时可以得到高效利用，其他时间利用率不足。为了提升计算资源利用率，文献［４０
］利用移动通信网络负载的潮汐效应，０
２７数据采集与处理Ｊｏｕｒｎａｌ ｏｆ Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ Ｐｒｏｃｅｓｓｉｎｇ
Ｖｏｌ．３０，Ｎｏ．４，２０１５
即商业地区高负载出现在白天，而住宅地区高负载出现在晚上，提出将同一时间段具有不同负载变化特性的小区的协议处理映射到一个ＣＰＵ，利用同一时段不同小区通信负载的差异，提升计算资源的利用率。为了对计算资源的分配进行建模，首先需要分析在ＣＰＵ池中执行通信协议处理的多种功能所需的计算资源，
主要分为三部分。最主要的计算资源是用于实际通信网络负载对应的协议处理，比如上行和下行的数据处理，控制面无线资源控制（Ｒａｄｉｏ ｒｅｓｏｕｒｃｅ ｃｏｎｔｒｏｌ，ＲＲＣ）过程，无线资源管理和用户及数据通道调度等，这部分的计算资源可以表示为
Ｗｌｏａｄｉ，［
］ｊ＝∑ｖｂｓ＿ｎｕｍ［ｉ
］ｋ＝１
ｖ
ｂｓ＿ｌｏａｄｋ，ｊ
（５
）式中：Ｗｌｏａｄｉ，［］ｊ表示在时间段ｊ，ＣＰＵｉ上映射的各个小区对应的协议负载处理所需资源，ｖｂｓ＿ｎｕｍ［ｉ］表示ＣＰＵｉ上映射的小区的个数，ｖｂｓ＿ｌｏａｄｋ，ｊ表示编号为ｋ的小区在时间段ｊ的协议负载处理所需资源。
除了Ｗｌｏａｄｉ，［］ｊ，还要考虑ＣＰＵ内部调度不同小区协议任务所需的资源。当多个小区的协议处理映射到同一个ＣＰＵ后，这些协议对应的数据处理进程和控制相关进程会在ＣＰＵ中调度执行，这些调度本身也需要计算资源，
如多个小区协议进程切换时的进程激活，数据保存和同步过程所需要的计算资源，以及同一小区协议处理内部进程间调度时所需要的资源。这部分资源量可表示为
Ｗｓｃｈｅｄ［］ｉ＝ｓｔａｇｅ＿ｄｕｒａｔｉｏｎｓｃｈｅｄ＿ｐ
（）ｅｒｉｏｄ＊Ｔ＿ｎｕｍ［ｉ］＊ａｔｏｍ＿ｓｃｈｅｄ＿ｌｏａｄ（６
）式中：Ｗｓｃｈｅｄ［］ｉ表示ＣＰＵｉ内部调度所需资源，ｓｃｈｅｄ＿ｐｅｒｉｏｄ是ＣＰＵ进行协议处理进程调度的间隔，该值由小区对应的协议处理系统（即所使用的协议栈软件）的进程模型，以及具体操作系统中的进程调度
方法（如完全公平调度器（Ｃｏｍｐｌｅｔｅｌｙ
ｆａｉｒ ｓｃｈｅｄｕｌｅｒ，ＣＦＳ）［４１］
）共同决定；ｓｔａｇｅ＿ｄｕｒａｔｉｏｎ表示进行时间段划分时每个时间段的长度；Ｔ＿ｎｕｍ［ｉ］＝ｖｂｓ＿ｎｕｍ［］ｉ＊ｔａｓｋｓ＿ｐｅｒ＿ｖｂｓ表示映射到ＣＰＵｉ的对应的处理进程个数，ｔａｓｋｓ＿ｐｅｒ＿ｖｂｓ为每个小区协议处理所包含的处理进程个数，ａｔｏｍ＿ｓｃｈｅｄ＿ｌｏａｄ表示每次进行进程调度时所需的计算资源，该值可通过对实际ＬＴＥ基站协议栈软件的开发和测试等过程来确定。
最后还需要考虑各个小区协议处理资源调整时所需的计算资源。由于潮汐效应等原因，各个小区对应的负载处于时刻变化之中，
相应地，小区协议处理所需的计算资源也是动态变化的。因此在系统运行过程中，ＣＰＵ内部分配给每个小区协议处理的资源需要进行动态调整，可能出现将某些小区协议处理向其他ＣＰＵ迁移的情况，对此必须进行充分的资源预留。由于该调整所需资源与协议运行过程密切相关，难以精确预测，因此文献［４０
］采用了粗粒度的预测值Ｗａｄｊｉ，［
］ｊ＝∑
ｖｂｓ＿ｎｕｍ［ｉ
］ｋ＝１
（ｖｂｓ＿ａｄｊｋ，ｊ
Ｗｒｅｓｅｒｖｅ［
ｉ］）＊ａｔｏｍ＿ａｄｊ＿ｌｏａｄ（７
）式中：Ｗｍａｘ［ｉ，ｊ］表示ＣＰＵｉ在时间段ｊ的协议处理资源动态调整所需的计算资源，ｖｂｓ＿ａｄｊｋ，ｊ表示在时间段ｊ编号为ｋ的小区所增加的协议处理负载。ａｔｏｍ＿ａｄｊ＿ｌｏａｄ表示每次进行小区协议栈的ＣＰＵ间迁移所需的计算资源。Ｗｒｅｓｅｒｖｅ［
ｉ］表示ＣＰＵｉ上的平均剩余计算资源，表示为Ｗｒｅｓｅｒｖｅ［］ｉ＝Ｗｍａｘ［ｉ］－Ｗｌｏａｄｉ，［
］ｊｐ
ｒｏｃｅｓｓｏｒｎｕｍｉ（８
）式中：Ｗｍａｘ［
ｉ］表示ＣＰＵｉ上计算资源总数，ｐｒｏｃｅｓｓｏｒ＿ｎｕｍ［ｉ］表示ＣＰＵｉ上的处理器（核心）个数。在上述分析的基础上，可将超级基站的计算资源分配最优化问题建模如下
Ｍａｘ Ｅｆｆｉｃｉｅｎｃｙ＝
∑Ｍ
ｉ＝１∑Ｎ
ｊ＝１Ｗ
ｌｏａｄ
ｉ，［］
ｊＮ＊∑Ｍ
ｉ＝１
Ｗｍａｘ［］
ｉ（９
）ｓ．ｔ． Ｗｌｏａｄｉ，［］ｊ＋Ｗｓｃｈｅｄ［］ｉ＋Ｗａｄｊｉ，［
］ｊ＜Ｗｍａｘｉ，［］ｊ （对于任意ｉ，ｊ）１
２７ 周一青等：
第五代移动通信系统５Ｇ标准化展望与关键技术研究
式中：Ｍ表示一个ＣＰＵ中映射的小区协议栈个数，Ｎ代表时间段的个数。假设共有Ｋ个小区，
那么优化问题（９）理论上共有ＭＫ种映射可能，这可以用动态规划解决多维装箱问题的思想［４２－
４３］，通过递归的方式来找到最优解。研究表明，相比根据平均负载分配计算资源的方法，文献［４０］提出的利用负载差异性进行计算资源分配的机制利用率提升达到７０％。
通信与计算的一个重要差异是通信任务的处理往往有严格的实时性要求，而目前计算任务的处理遵循完全公平准则，不确保实时性。因此用ＣＰＵ处理通信系统任务时，实时性保障是一个关注的重点。在超级基站中，多个小区的协议可能映射到一个ＣＰＵ上处理，协议处理的实时性难以保证。比如在ＴＤＤ－
ＬＴＥ协议处理中，下行发送时隙到来前，必须将该时隙相应的协议数据处理好，否则，该时隙没有数据可传，资源就会浪费。另一方面，上行接收时隙之后，除非是在ＨＡＲＱ（Ｈｙｂｒｉｄ ａｕｔｏｍａｔｉｃ ｒｅｐ
ｅａｔ ｒｅ－ｑ
ｕｅｓｔ）等特殊情形下，上行数据的处理可以推迟几个时隙，没有严格的实时性要求。而在ＣＰＵ上处理多个小区的上下行协议数据时，对上下行的处理调度完全公平，无法确保下行数据的实时性。针对这个问题，文献［４４］提出下行帧处理动态提前策略，根据每个移动通信空口传输帧的模式获得上下行传输子帧比例，并计算出相应的下帧处理提前量，同时要求下行帧连续处理，避免计算资源空闲。研究表明，相比下行帧处理固定提前方法，
该算法可确保下行处理实时性，并有效提升计算资源的利用率。上述研究一方面利用了移动通信网络负载变化的特点，通过统计复用提升了计算资源的利用率，另一方面从通信处理的实时性需求出发，提出了动态的计算资源调度策略，两者都较好地体现了通信与计算的融合。针对超级基站等集中式架构，目前还有很多开放的问题尚未解决，比如基带处理的虚拟化、全局无线资源管理、Ｆｒｏｎｔｈｕａｌ的影响等，
都有待进一步的深入研究。４ 结束语
下一代移动通信系统５Ｇ将在２０２０年完成标准化。面向增强型移动宽带、
大规模机器间通信以及高可靠、低时延通信等应用场景，５Ｇ将提供高达１０Ｔｂｐ
ｓ／ｋｍ２流量密度、１Ｍ／ｋｍ２
海量连接数、１ｍｓ超低时延、支持超过５００ｋｍ／ｈ移动性和降低能耗１００倍等８项核心能力。为了实现这些性能目标，
需要深入研究５Ｇ网络和无线接入的关键技术。本文着重介绍了５Ｇ无线网络拓扑和架构方面的关键技术，即超密集蜂窝网络和集中式网络架构，有望为５Ｇ系统提升网络容量，降低能耗，并有效融合通信和计算技术，以提高资源利用率。参考文献：
［１］ ＧＳＡ．［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｇ
ｓａｃｏｍ．ｃｏｍ／，２０１５－０７－０１．［２］ ＩＴＵ．［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｉｔｕ．ｉｎｔ／ｐ
ｕｂ／Ｒ－ＲＥＰ－Ｍ．２３２０－２０１４，２０１５－０７－０１．［３］ 林言超，高月红，张欣，等．ＬＴＥ－Ｈｉ系统关键技术及发展方向［Ｊ］．现代电信科技，２０１３（１）：４９－
５２．Ｌｉｎ Ｙａｎｃｈａｏ，Ｇａｏ Ｙｕｅｈｏｎｇ，Ｚｈａｎｇ Ｘｉｎ，ｅｔ ａｌ．Ｋｅｙ ｔｅｃｈｎｏｌｏｇｉｅｓ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ＬＴＥ－Ｈｉ ｓｙｓｔｅｍｓ［Ｊ］．Ｍｏｄｅｒｎ Ｓｃｉｅｎｃｅａｎｄ Ｔｅｃｈｎｏｌｏｇｙ
ｏｆ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１３（１）：４９－５２．［４］ Ａｕｅｒ Ｇ．３ＤＭＩＭＯ－ＯＦＤＭ ｃｈａｎｎｅｌ ｅｓｔｉｍａｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１２，６０（４）：９７２－９８５．［５］ ＧＴＩ ＴＤＤ／ＦＤＤ Ｃｏｎｖｅｒｇｅｎｃｅ，Ｗｈｉｔｅ Ｐａｐｅｒ Ｖ１．１［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｌｔｅ－ｔｄｄ．ｏｒｇ
／，２０１５－０７－０６．［６］ Ｌｕ Ｌｕ，Ｌｉ Ｙｅ，Ｓｗｉｎｄｌｅｈｕｒｓｔ Ａ，ｅｔ ａｌ．Ａｎ ｏｖｅｒｖｉｅｗ ｏｆ ｍａｓｓｉｖｅ ＭＩＭＯ：Ｂｅｎｅｆｉｔｓ ａｎｄ ｃｈａｌｌｅｎｇ
ｅｓ［Ｊ］．ＩＥＥＥ Ｊｏｕｒｎａｌ ｏｆ ＳｅｌｅｃｔｅｄＴｏｐｉｃｓ ｉｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｓｉｎｇ，２０１４，８（５）：７４２－７５８．［７］ 戚晨皓，黄永明，金石．大规模ＭＩＭＯ系统研究进展［Ｊ］．数据采集与处理，２０１５，３０（３）：５４４－
５５１．Ｑｉ Ｃｈｅｎｈａｏ，Ｈｕａｎｇ Ｙｏｎｇｍｉｎｇ，Ｊｉｎ Ｓｈｉ．Ｒｅｓｅａｒｃｈ ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ ｍａｓｓｉｖｅ ＭＩＭＯ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ Ｐｒｏ－ｃｅｓｓｉｎｇ
，２０１５，３０（３）：５４４－５５１．［８］ Ｘｉｎｇ
Ｃｈｅｎｇｗｅｎ，Ｍａ Ｓｈａｏｄａｎ，Ｚｈｏｕ Ｙｉｑｉｎｇ．Ｍａｔｒｉｘ－Ｍｏｎｏｔｏｎｉｃ ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ ＭＩＭＯ ｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎＳｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，２０１５，６３（２）：３３４－３４８．［９］ Ｌａｕｇｈｌｉｎ Ｌ，Ｂｅａｃｈ Ｍ Ａ，Ｍｏｒｒｉｓ Ｋ Ａ，ｅｔ ａｌ．Ｅｌｅｃｔｒｉｃａｌ ｂａｌａｎｃｅ ｄｕｐｌｅｘｉｎｇ
ｆｏｒ ｓｍａｌｌ ｆｏｒｍ ｆａｃｔｏｒ ｒｅａｌｉｚａｔｉｏｎ ｏｆ ｉｎ－ｂａｎｄ ｆｕｌｌ ｄｕ－ｐｌｅｘ［Ｊ］．ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｍａｇａｚｉｎｅ，２０１５，５３（５）：１０２－１１０．［１０］Ｓｔｉｔｏ Ｙ，Ｋｉｓｈｉｙａｍａ Ｙ，Ｂｅｎｊｅｂｂｏｕｒ Ａ，ｅｔ ａｌ．Ｎｏｎ－ｏｒｔｈｏｇｏｎａｌ ｍｕｌｔｉｐ
ｌｅ ａｃｃｅｓｓ（ＮＯＭＡ）ｆｏｒ ｃｅｌｌｕｌａｒ ｆｕｔｕｒｅ ｒａｄｉｏ ａｃｃｅｓｓ［Ｃ］／／２
２７数据采集与处理Ｊｏｕｒｎａｌ ｏｆ Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ Ｐｒｏｃｅｓｓｉｎｇ
Ｖｏｌ．３０，Ｎｏ．４，２０１５
２０１３ＩＥＥＥ ７７ｔｈ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ
Ｃｏｎｆｅｒｅｎｃｅ（ＶＴＣ Ｓｐｒｉｎｇ）．Ｄｒｅｓｄｅｎ，Ｇｅｒｍａｎｙ：ＩＥＥＥ，２０１３：１－５．［１１］Ｓｃｈａｉｃｈ Ｆ．Ｆｉｌｔｅｒｂａｎｋ ｂａｓｅｄ ｍｕｌｔｉ ｃａｒｒｉｅｒ ｔｒａｎｓｍｉｓｓｉｏｎ（ＦＢＭＣ）－ｅｖｏｌｖｉｎｇ ＯＦＤＭ［Ｃ］／／２０１０Ｅｕｒｏｐｅａｎ Ｗｉｒｅｌｅｓｓ Ｃｏｎｆｅｒｅｎｃｅ．Ｌｕｃｃａ，Ｉｔａｌｙ：ＩＥＥＥ，２０１０：１０５１－１０５８．［１２］Ｓｈｉｎ Ｍ Ｋ，Ｎａｍ Ｋ Ｈ，Ｋｉｍ Ｈ Ｊ．Ｓｏｆｔｗａｒｅ－ｄｅｆｉｎｅｄ ｎｅｔｗｏｒｋｉｎｇ（ＳＤＮ）：Ａ ｒｅｆｅｒｅｎｃｅ ａｒｃｈｉｔｅｃｔｕｒｅ ａｎｄ ｏｐ
ｅｎ ＡＰＩｓ［Ｃ］／／２０１２Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＩＣＴ Ｃｏｎｖｅｒｇｅｃｅ．Ｊｅｊ
ｕ Ｉｓｌａｎｄ，Ｋｏｒｅａ：ＩＥＥＥ，２０１２：３６０－３６１．［１３］Ｐａｇｌｉｅｒａｎｉ Ｐ．Ｈｉｇｈ ｐｅｒｆｏｒｍａｎｃｅ ｃｏｍｐｕｔｉｎｇ
ａｎｄ ｎｅｔｗｏｒｋ ｆｕｎｃｔｉｏｎ ｖｉｒｔｕａｌｉｚａｔｉｏｎ：Ａ ｍａｊｏｒ ｃｈａｌｌｅｎｇｅ ｔｏｗａｒｄｓ ｎｅｔｗｏｒｋ ｐｒｏｇｒａｍ－ｍａｂｉｌｉｔｙ［Ｃ］／／３ｒｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｂｌａｃｋ Ｓｅａ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｎｅｔｗｏｒｋｉｎｇ
．Ｃｏｎｓｔａｎｔａ，Ｒｏｍａｎｉａ：ＩＥＥＥ，２０１５：１－
５．［１４］Ｂｏｓｃｏｖｉｃ Ｄ，Ｖａｋｉｌ Ｆ，Ｄａｕｔｏｖｉｃ Ｓ，ｅｔ ａｌ．Ｐｅｒｖａｓｉｖｅ ｗｉｒｅｌｅｓｓ ＣＤＮ ｆｏｒ ｇｒｅｅｎｉｎｇ ｖｉｄｅｏ ｓｔｒｅａｍｉｎｇ
ｔｏ ｍｏｂｉｌｅ ｄｅｖｉｃｅｓ［Ｃ］／／２０１１Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｖｅｎｔｉｏｎ ＭＩＲＰＯ．Ｏｐａｔｉｊａ，Ｃｒｏａｔｉａ：ＩＥＥＥ，２０１１：６２９－６３６．［１５］Ｚｈｏｕ Ｙｉｑｉｎｇ，Ｗａｎｇ Ｊｉａｎｇｚｈｏｕ，Ｎｇ Ｔｕｎｇ－Ｓａｎｇ，ｅｔ ａｌ．ＯＦＣＤＭ：Ａ ｐｒｏｍｉｓｉｎｇ
ｂｒｏａｄｂａｎｄ ｗｉｒｅｌｅｓｓ ａｃｃｅｓｓ ｔｅｃｈｎｉｑｕｅ［Ｊ］．ＩＥＥＥＣｏｍｍｕｎｉｃａｔｉｏｎｓ Ｍａｇａｚｉｎｅ，２００８，４６：３９－４９．［１６］Ｈｕａｎｇ Ｌｉａｎｇ，Ｚｈｏｕ Ｙｉｑｉｎｇ，Ｈｕ Ｊｉｎｌｏｎｇ，ｅｔ ａｌ．Ｃｏｖｅｒａｇｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ ｆｅｍｔｏｃｅｌｌ ｃｌｕｓｔｅｒｓ ｕｓｉｎｇ ｍｏｄｉｆｉｅｄ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐ－ｔｉｍｉｚａｔｉｏｎ［Ｃ］／／２０１２ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＩＣＣ）．Ｏｔｔａｗａ，Ｃａｎａｄａ：ＩＥＥＥ，２０１２：１－
５．［１７］Ｈｕａｎｇ Ｌｉａｎｇ，Ｚｈｏｕ Ｙｉｑｉｎｇ，Ｈａｎ Ｘｕｅ，ｅｔ ａｌ．Ｄｉｓｔｒｉｂｕｔｅｄ ｃｏｖｅｒａｇｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ ｓｍａｌｌ ｃｅｌｌ ｃｌｕｓｔｅｒｓ ｕｓｉｎｇ
ｇａｍｅ ｔｈｅｏｒｙ［Ｃ］／／２０１３ＩＥＥＥ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｎｅｔｗｏｒｋｉｎｇ Ｃｏｎｆｅｒｅｎｃｅ（ＷＣＮＣ）．Ｓｈａｎｇｈａｉ，Ｃｈｉｎａ：ＩＥＥＥ，２０１３：１－５．［１８］Ｄｕ Ｈｏｎｇｙａｎ，Ｚｈｏｕ Ｙｉｑｉｎｇ，Ｔｉａｎ Ｌｉｎ，ｅｔ ａｌ．Ａ ｌｏａｄ ｆａｉｒｎｅｓｓ ａｗａｒｅ ｃｅｌｌ ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ ｃｅｎｔｒａｌｉｚｅｄ ｈｅｔｅｒｏｇ
ｅｎｅｏｕｓ ｎｅｔｗｏｒｋｓ［Ｃ］／／２０１５ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＩＣＣ）．Ｌｏｎｄｏｎ，Ｕｎｉｔｅｄ Ｋｉｎｇｄｏｍ：［ｓ．ｎ．］，２０１５：１－５．［１９］Ｗａｎｇ Ｙｕａｎｙｕａｎ，Ｑｉａｎ Ｍａｎｌｉ，Ｈａｎ Ｘｕｅ，ｅｔ ａｌ．Ｇａｍｅ－ｔｈｅｏｒｅｔｉｃ ｐｏｗｅｒ ｃｏｎｔｒｏｌ ｆｏｒ ｉｎｔｅｒｆｅｒｅｎｃｅ ｍｉｔｉｇａｔｉｏｎ ｉｎ ｔｗｏ－ｔｉｅｒ ｓｍａｌｌ ｃｅｌｌｎｅｔｗｏｒｋｓ［Ｃ］／／２０１４ＩＥＥＥ ７９ｔｈ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｎｆｅｒｅｎｃｅ（ＶＴＣ Ｓｐｒｉｎｇ）．Ｓｅｏｕｌ，Ｋｏｒｅａ：ＩＥＥＥ，２０１４：１－５．［２０］Ａｎｄｒｅｗｓ Ｊ Ｇ．Ｓｅｖｅｎ ｗａｙｓ ｔｈａｔ ＨｅｔＮｅｔｓ ａｒｅ ａ ｃｅｌｌｕｌａｒ ｐａｒａｄｉｇ
ｍ ｓｈｉｆｔ［Ｊ］．ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｍａｇａｚｉｎｅ，２０１３，５１（３）：１３６－１４４．
［２１］Ｗｙｎｅｒ Ａ．Ｄ．Ｓｈａｎｎｏｎ－ｔｈｅｏｒｅｔｉｃ ａｐｐｒｏａｃｈ ｔｏ ａ ｇ
ａｕｓｓｉａｎ ｃｅｌｌｕｌａｒ ｍｕｌｔｉｐｌｅ－ａｃｃｅｓｓ ｃｈａｎｎｅｌ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｆｏｒｍａ－ｔｉｏｎ Ｔｈｅｏｒｙ，１９９４，４０（６）：１７１３－１７２７．［２２］Ｐａｒｋ Ｊ，Ｓｏｎｇ Ｅ，Ｓｕｎｇ Ｗ．Ｃａｐａｃｉｔｙ ａｎａｌｙｓｉｓ ｆｏｒ ｄｉｓｔｒｉｂｕｔｅｄ ａｎｔｅｎｎａ ｓｙｓｔｅｍｓ ｕｓｉｎｇ ｃｏｏｐｅｒａｔｉｖｅ ｔｒａｎｓｍｉｓｓｉｏｎ ｓｃｈｅｍｅｓ ｉｎ ｆａｄｉｎｇｃｈａｎｎｅｌｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍ，２００９，８（２）：５８６－５９２．［２３］Ａｎｄｒｅｗｓ Ｊ Ｇ，Ｂａｃｃｅｌｌｉ Ｆ，Ｇａｎｔｉ Ｒ Ｋ．Ａ ｔｒａｃｔａｂｌｅ ａｐｐｒｏａｃｈ ｔｏ ｃｏｖｅｒａｇｅ ａｎｄ ｒａｔｅ ｉｎ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１１，５９（１１）：３１１２－
３１３４．［２４］Ｄｈｉｌｌｏｎ Ｈ Ｓ，Ｇａｎｔｉ Ｒ Ｋ，Ｂａｃｃｅｌｌｉ Ｆ，ｅｔ ａｌ．Ｍｏｄｅｌｉｎｇ
ａｎｄ ａｎａｌｙｓｉｓ ｏｆ ｋ－ｔｉｅｒ ｄｏｗｎｌｉｎｋ ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥ Ｊｏｕｒｎａｌ ｏｎ Ｓｅｌｅｃｔｅｄ Ａｒｅａｓ ｏｆ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１２，３０（３）：５５０－
５６０．［２５］Ｊｒ Ｈｅａｔｈ Ｒ Ｗ，Ｋｏｕｎｔｏｕｒｉｓ Ｍ．Ｍｏｄｅｌｉｎｇ ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｎｅｔｗｏｒｋ ｉｎｔｅｒｆｅｒｅｎｃｅ ｗｉｔｈ ｕｓｉｎｇ
ｐｏｉｓｓｏｎ ｐｏｉｎｔ ｐｒｏｃｅｓｓｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，２０１３，６１（１６）：４１１４－４１２６．［２６］Ｃａｏ Ｄｏｎｇｘｕ，Ｚｈｏｕ Ｓｈｅｎｇ，Ｎｉｕ Ｚｈｉｓｈｅｎｇ．Ｏｐｔｉｍａｌ ｂａｓｅ ｓｔａｔｉｏｎ ｄｅｎｓｉｔｙ ｆｏｒ ｅｎｅｒｇｙ ｅｆｆｉｃｉｅｎｔ ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋｓ［Ｃ］／／２０１２ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＩＣＣ）．Ｏｔｔａｗａ，Ｃａｎａｄａ：ＩＥＥＥ，２０１２：１－
５．［２７］Ｉｒｍｅｒ Ｒ，Ｄｒｏｓｔｅ Ｈ，Ｍａｒｓｃｈ Ｐ，ｅｔ ａｌ．Ｃｏｏｒｄｉｎａｔｅｄ ｍｕｌｔｉｐｏｉｎｔ：Ｃｏｎｃｅｐｔｓ，ｐｅｒｆｏｒｍａｎｃｅ，ａｎｄ ｆｉｅｌｄ ｔｒｉａｌ ｒｅｓｕｌｔｓ［Ｊ］．ＩＥＥＥＣｏｍｍｕｎｉｃａｔｉｏｎ Ｍａｇａｚｉｎｅ，２０１１，４９，（２）：１０２－１１１．［２８］Ｈｕａｎｇ Ｋａｉｂｉｎ，Ａｎｄｒｅｗｓ Ｊ Ｇ．Ａ ｓｔｏｃｈａｓｔｉｃ－ｇｅｏｍｅｔｒｙ
ａｐｐｒｏａｃｈ ｔｏ ｃｏｖｅｒａｇｅ ｉｎ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋｓ ｗｉｔｈ ｍｕｌｔｉ－ｃｅｌｌ ｃｏｏｐｅｒａｔｉｏｎ［Ｃ］／／２０１１ＩＥＥＥ Ｇｌｏｂａｌ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｃｏｎｆｅｒｅｎｃｅ（ＧＬＯＢＥＣＯＭ２０１１）．Ｈｏｕｓｔｏｎ，ＵＳＡ：ＩＥＥＥ，２０１１：１－
５．［２９］Ａｋｏｕｍ Ｓ，Ｈｅａｔｈ Ｒ Ｗ Ｊｒ．Ｍｕｌｔｉ－ｃｅｌｌ ｃｏｏｒｄｉｎａｔｉｏｎ：Ａ ｓｔｏｃｈａｓｔｉｃ ｇｅｏｍｅｔｒｙ
ａｐｐｒｏａｃｈ［Ｃ］／／２０１２ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ Ａｄｖａｎｃｅｓ ｉｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＳＰＡＷＣ）．Ｃｅｓｍｅ，Ｔｕｒｋｅｙ：ＩＥＥＥ，２０１２：１６－２０．［３０］Ｘｉａ Ｐ，Ｌｉｕ Ｃ Ｈ，Ａｎｄｒｅｗｓ Ｊ Ｇ．Ｄｏｗｎｌｉｎｋ ｃｏｏｒｄｉｎａｔｅｄ ｍｕｌｔｉ－ｐｏｉｎｔ ｗｉｔｈ ｏｖｅｒｈｅａｄ ｍｏｄｅｌｉｎｇ ｉｎ ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１３，１２（８）：４０２５－
４０３７．［３１］Ｇａｒｃｉａ Ｖ，Ｚｈｏｕ Ｙｉｑｉｎｇ，Ｓｈｉ Ｊｉｎｇｌｉｎ．Ｃｏｏｒｄｉｎａｔｅｄ ｍｕｌｔｉｐｏｉｎｔ ｔｒａｎｓｍｉｓｓｉｏｎ ｉｎ ｄｅｎｓｅ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋｓ ｗｉｔｈ ｕｓｅｒ－ｃｅｎｔｒｉｃ ａｄａｐ
ｔｉｖｅｃｌｕｓｔｅｒｉｎｇ［
Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１４，１３（８）：４２９７－４３０８．［３２］Ｐａｒｋ Ｊ，Ｓｏｎｇ Ｅ，Ｓｕｎｇ Ｗ．Ｃａｐａｃｉｔｙ ａｎａｌｙｓｉｓ ｆｏｒ ｄｉｓｔｒｉｂｕｔｅｄ ａｎｔｅｎｎａ ｓｙｓｔｅｍｓ ｕｓｉｎｇ
ｃｏｏｐｅｒａｔｉｖｅ ｔｒａｎｓｍｉｓｓｉｏｎ ｓｃｈｅｍｅｓ ｉｎ ｆａｄｉｎｇｃｈａｎｎｅｌｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２００９，８（２）：５８６－５９２．［３３］Ｇｏｌｄｓｍｉｔｈ Ａ．Ｗｉｒｅｌｅｓｓ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ［Ｍ］．Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅｒｓｉｔｙ
Ｐｒｅｓｓ（ＣＵＰ），Ｕ Ｋ，２００５．［３４］Ｌｏｐｅｚ－Ｐｅｒｅｚ Ｄ，Ｇｕｖｅｎｃ Ｉ，Ｄｅ Ｌａ Ｒｏｃｈｅ Ｇ，ｅｔ ａｌ．Ｅｎｈａｎｃｅｄ ｉｎｔｅｒｃｅｌｌ ｉｎｔｅｒｆｅｒｅｎｃｅ ｃｏｏｒｄｉｎａｔｉｏｎ ｃｈａｌｌｅｎｇｅｓ ｉｎ ｈｅｔｅｒｏｇｅｎｅｏｕｓｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１１，１８（３）：２２－３０．［３５］Ｇａｒｃｉａ Ｖ，Ｌｅｂｅｄｅｖ Ｎ，Ｇｏｒｃｅ Ｊ Ｍ．Ｃａｐａｃｉｔｙ ｏｕｔａｇｅ ｐｒｏｂａｂｉｌｉｔｙ ｆｏｒ ｍｕｌｔｉ－ｃｅｌｌ ｐｒｏｃｅｓｓｉｎｇ
ｕｎｄｅｒ ｒａｙｌｅｉｇｈ ｆａｄｉｎｇ［Ｊ］．ＩＥＥＥＣｏｍｍｕｎｉｃａｔｉｏｎｓ Ｌｅｔｔｅｒｓ，２０１１，１５（８）：８０１－
８０３．３
２７ 周一青等：
第五代移动通信系统５Ｇ标准化展望与关键技术研究
［３６］Ｃｈｅｃｋｏ Ａ，Ｃｈｉｒｓｔｉａｎｓｅｎ Ｈ Ｌ，Ｙａｎ Ｙ，ｅｔ ａｌ．Ｃｌｏｕｄ ＲＡＮ ｆｏｒ ｍｏｂｉｌｅ ｎｅｔｗｏｒｋｓ—ａ ｔｅｃｈｎｏｌｏｇｙ ｏｖｅｒｖｉｅｗ［Ｊ］．ＩＥＥＥ Ｃｏｍｍｕｎｉ－ｃａｔｉｏｎ Ｓｕｒｖｅｙｓ ａｎｄ Ｔｕｔｏｒｉａｌｓ，２０１５，１７（１）：４０５－４２６．
［３７］Ｃｈｉｈ－Ｌｉｎ Ｉ，Ｒｏｗｅｌｌ Ｃ，Ｈａｎ Ｓｈｕａｎｇｆｅｎｇ，ｅｔ ａｌ．Ｔｏｗａｒｄ ｇｒｅｅｎ ａｎｄ ｓｏｆｔ：Ａ ５Ｇｐｅｒｓｐｅｃｔｉｖｅ［Ｊ］．ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｍａｇａ－ｚｉｎｅ，２０１４，５２（２）：６６－７３．
［３８］Ｃｈｉｎａ Ｍｏｂｉｌｅ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ．Ｃ－ＲＡＮ ｔｈｅ ｒｏａｄ ｔｏｗａｒｄｓ ｇｒｅｅｎ ＲＡＮ［ＥＢ／ＯＬ］．Ｗｈｉｔｅ Ｐａｐｅｒ Ｖ２．５，ｈｔｔｐ：／／ｌａｂｓ．ｃｈｉｎａｍｏ－ｂｉｌｅ．ｃｏｍ／ｃｒａｎ／，２０１１．
［３９］Ｑｉａｎ Ｍａｎｌｉ，Ｗａｎｇ Ｙｕａｎｙｕａｎ，Ｚｈｏｕ Ｙｉｑｉｎｇ，ｅｔ ａｌ．Ａ ｓｕｐｅｒ ｂａｓｅ ｓｔａｔｉｏｎ ｂａｓｅｄ ｃｅｎｔｒａｌｉｚｅｄ ｎｅｔｗｏｒｋ ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ ５Ｇｍｏｂｉｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍｓ［Ｊ］．Ｄｉｇｉｔａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｎｅｔｗｏｒｋｓ，２０１５，１：１５２－１５９．
［４０］Ｚｈａｉ Ｇｕｏｗｅｉ，Ｔｉａｎ Ｌｉｎ，Ｚｈｏｕ Ｙｉｑｉｎｇ，ｅｔ ａｌ．Ｌｏａｄ ｄｉｖｅｒｓｉｔｙ ｂａｓｅｄ ｏｐｔｉｍａｌ ｐｒｏｃｅｓｓｉｎｇ ｒｅｓｏｕｒｃｅ ａｌｌｏｃａｔｉｏｎ ｆｏｒ ｓｕｐｅｒ ｂａｓｅ ｓｔａ－ｔｉｏｎｓ ｉｎ ｃｅｎｔｒａｌｉｚｅｄ ｒａｄｉｏ ａｃｃｅｓｓ ｎｅｔｗｏｒｋｓ［Ｊ］．Ｓｃｉｅｎｃｅ Ｃｈｉｎａ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅｓ，２０１４，５７（４）：１－１２．
［４１］Ｊｏｎｅｓ Ｍ Ｔ．Ｉｎｓｉｄｅ ｔｈｅ ｌｉｎｕｘ ２．６ｃｏｍｐｌｅｔｅｌｙ ｆａｉｒ ｓｃｈｅｄｕｌｅｒ［Ｊ］．ＩＢＭ Ｄｅｖｅｌｏｐｅｒ Ｗｏｒｋｓ Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ，２００９．
［４２］Ｋｏｓｔａ Ｓ，Ａｕｃｉｎａｓ Ａ，Ｈｕｉ Ｐ，ｅｔ ａｌ．Ｔｈｉｎｋａｉｒ：Ｄｙｎａｍｉｃ ｒｅｓｏｕｒｃｅ ａｌｌｏｃａｔｉｏｎ ａｎｄ ｐａｒａｌｌｅｌ ｅｘｅｃｕｔｉｏｎ ｉｎ ｔｈｅ ｃｌｏｕｄ ｆｏｒ ｍｏｂｉｌｅ ｃｏｄｅｏｆｆｌｏａｄｉｎｇ［Ｃ］／／２０１２Ｐｒｏｃｅｅｄｉｎｇｓ ＩＥＥＥ ＩＮＦＯＣＯＭ．Ｏｒｌａｎｄｏ，ＵＳＡ：ＩＥＥＥ，２０１２：９４５－９５３．
［４３］Ｄｅｎａｒｄｏ Ｅ Ｖ．Ｄｙｎａｍｉｃ ｐｒｏｇｒａｍｍｉｎｇ：Ｍｏｄｅｌｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ［Ｍ］．Ｃｏｕｒｉｅｒ Ｃｏｒｐｏｒａｔｉｏｎ ＮＪ，ＵＳＡ：Ｐｒｅｎｔｉｃｅ－Ｈａｌｌ，Ｅｎｇｌｅ－ｗｏｏｄ Ｃｌｉｆｆｓ，２０１２．
［４４］Ｚｈａｉ Ｇｕｏｗｅｉ，Ｔｉａｎ Ｌｉｎ，Ｚｈｏｕ Ｙｉｑｉｎｇ，ｅｔ ａｌ．Ｒｅａｌ－ｔｉｍｅ ｇｕａｒａｎｔｅｅｄ ＴＤＤ ｐｒｏｔｏｃｏｌ ｐｒｏｃｅｓｓｉｎｇ ｆｏｒ ｃｅｎｔｒａｌｉｚｅｄ ｓｕｐｅｒ ｂａｓｅ ｓｔａｔｉｏｎａｒｃｈｉｔｅｃｔｕｒｅ［Ｃ］／／２０１５ＩＥＥＥ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｎｅｔｗｏｒｋｉｎｇ Ｃｏｎｆｅｒｅｎｃｅ（ＷＣＮＣ）．Ｎｅｗ Ｏｒｌｅａｎｓ，ＵＳＡ：ＩＥＥＥ，２０１５：１－５．
作者简介：
周一青（１９７５－），女，研究员，研究方向：异构无线网络，Ｅ－ｍａｉｌ：ｚｈｏｕｙｉｑｉｎｇ＠ｉｃｔ．ａｃ．ｃｎ
。潘振岗（１９７５－），男，主任研
究员，研究方向：移动通信，
Ｅ－ｍａｉｌ：ｐａｎｚｈｅｎｇａｎｇ＠ｃｈｉ－
ｎａｍｏｂｉｌｅ．ｃｏｍ
。
翟国伟（１９８３－），男，博士研
究生，研究方向：通信系统
资源管理，Ｅ－ｍａｉｌ：ｚｈａｉｇｕｏ－
ｗｅｉ＠ｉｃｔ．ａｃ．ｃｎ
。
田霖（１９８０－），女，副研究
员，研究方向：通信系统资
源管理，Ｅ－ｍａｉｌ：ｔｉａｎｌｉｎｄｄ＠
ｉｃｔ．ａｃ．ｃｎ。
４
２
７数据采集与处理Ｊｏｕｒｎａｌ ｏｆ Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ Ｐｒｏｃｅｓｓｉｎｇ Ｖｏｌ．３０，Ｎｏ．４，２０１５