在经济与环境两方面压力的驱使下,经过学术界与产业界在绿色无线通信领域十几年的研究,降低传统石化能源(Brown energy)消耗量、提升能量效率(Energy eff1ciency,EE)已经成为设计无线通信系统的主要考量因素。事实上,EE已经成为第五代(The 5th Generation,5G)移动通信系统无线接入新技术(New Radio,NR)的主要性能指标之一。从不同的角度出发,提升无线通信系统EE的途径主要包括网络部署、可再生能源供电和系统设计等。在由宏基站(Macrocell base station,MBS)覆盖的宏蜂窝的边缘以及热点区域,部署由能耗和成本较低的小基站(Smallcell base station,SBS)覆盖的小蜂窝,所构成的异构蜂窝网络(Heterogeneous cellular network,HetNet),可以在一定程度上降低传统能耗;采用可再生能源为基站(蜂窝网络中最主要的能耗设备)供电,同时基站之间可以进行可再生能源的协作使用,能够有效降低传统能耗;执行EE最大化的资源分配算法可以有效提升网络EE。基于以上观察并综合考虑以上三个方面,本课题研究可再生能源供电的HetNet场景下,能源协作管理策略以及资源分配算法,旨在提升网络的可再生能源利用率以及网络EE。具体研究工作与贡献归纳如下:1.绿色HetNet中可再生能源协作管理策略研究蜂窝网络中的基站使用可再生能源供电,可以有效降低传统石化能源消耗量以及由此带来的碳排放和经济成本。然而,可再生能源(太阳能、风能等)产生量在时间与空间上动态变化,供电具有不稳定性;可再生能源产生设备和存储可再生能源的蓄电池的成本与使用传统能源相比较高。此外,网络中的负载量分布情况也在时域与空域上动态变化。因而,合理的可再生能源管理策略,对于网络中每个基站可再生能源供应量满足负载需求,至关重要。首先,作者综合考虑基站负载量的动态变化特性以及可再生能源存储成本,基于存储论设计了基站可再生能源最优存储策略,使基站以最低的存储成本存储能够满足负载需求的可再生能源量。在每一个时间周期,HetNet中所有基站根据可再生能源最优存储策略计算各自最优可再生能源存储量,基于最优存储量与实际产生量之间的差值,基站被分为有可再生能源剩余量的能源供应者、可再生能源供应不足的能源需求者以及可再生能源恰好满足需求的基站。其次,作者基于博弈论为可再生能源供应者和可再生能源需求者设计了可再生能源交易模型,以促进基站间的能源协作,提升网络中可再生能源利用率。最后,作者通过数值仿真分析了可再生能源存储成本较高和较低两种情况下,在任意时间周期,基站基于自身负载量得到的可再生能源最优存储量的差异。此外,对所提出的基站间能源交易模型的数值仿真的结果显示,与静态能源协作策略相比,本文基于博弈论设计的能源交易模型能够以更低的交易价格得到更高的可再生能源交易量,从而有效提升网络中可再生能源的利用率。2.绿色HetNet中基于资源协作的频谱效率与能量效率折中资源分配算法研究频谱效率(Spectral eff1ciency,SE)和EE是5G NR的两个主要的性能指标。蜂窝网络中的基站具有可再生能源捕获与传输能力可以有效降低传统能源消耗量、提升EE,但是可再生能源供电的不稳定性也为网络同时保证EE和SE带来了挑战。作者考虑MBS和SBS由可再生能源供电的绿色HetHet中基于资源协作的同时保证EE和SE的资源分配算法。通过引入资源效率(Resource efficiency,RE)的概念将EE与SE统一表示,联合优化EE与SE的资源分配问题被建模为非凸的分式规划问题。首先,利用Dinkelbach分式规划求解方法和拉格朗日对偶分解,作者提出了集中式资源分配算法。考虑到集中式资源分配算法的运算复杂度以及信令开销较大等不足之处,作者基于多智能体强化学习(Multi-agent reinforcement learning,MARL)提出了分布式资源分配算法。在每个资源分配算法执行周期,HetNet中每个基站与其它基站互动并交换可再生能源可用量以及频谱资源信息,以最大化网络RE为目标自行决定所服务用户的子载波与功率分配方式。仿真结果验证了所提出的集中式与分布式资源分配算法的收敛性。与作为对比的资源分配算法相比,本文所提的资源分配算法可以显著提升网络RE。此外,本文所提的集中式资源分配算法在优化网络RE的性能上优于所提的分布式算法,这一性能提升是以额外添加中心控制功能模块、增加运算复杂度以及信令开销为代价取得的。3.绿色HetNet中基于能源协作的能量效率最优资源分配算法研究以克服可再生能源供电不稳定性、最大化网络EE以及保证每个用户在资源分配过程中的公平性为目标,作者研究了可再生能源供电的HetNet中基于能源协作的资源分配算法。作者将目标函数定义为HetNet中所有链路EE的加权总和,将包括子载波分配与功率分配的资源分配问题建模为混合的组合与非凸优化问题。首先,通过迭代地求解子载波分配问题和功率分配问题,作者提出了集中式资源分配算法。其中,功率分配问题通过解析的求解其KKT条件并求解由此产生的注水问题(Water filling)得以求解。考虑到集中式资源分配算法需要添加中心控制模块,并且运算复杂度和信令开销较高,作者基于MARL提出了分布式资源分配算法。作者通过数值仿真验证了所提出的集中式与分布式资源分配算法的收敛性。仿真结果显示,本文所提的集中式与分布式资源分配算法与作为对比的资源分配算法相比,提升网络EE的性能显著。