随着4G的规模商用,5G从2014年开始成为学术界和工业界的研究热点。“更大的容量”和“更低的时延”这两大贯穿了前几代移动通信系统的性能目标到了5G时代被赋予了新的内涵。随着下一代无线网络的不断发展,延迟、能耗敏感以及计算密集型的移动应用(例如增强/虚拟现实、高清视频、在线游戏以及低功耗大规模物联网应用),将会成为未来社会的重要组成部分。这些需求对5G网络来说,即要求更高的速率、更低的时延、更高的能效以及更智能的网络管理。除了传统的峰值速率、移动性、频谱效率之外,能量和计算的效率逐渐成为5G网络设计和优化的重要指标。本论文以能量效率为目标,研究5G网络中通信、计算和能量三大资源的相互流动和联合优化问题,进而实现网络效率的提升。具体的研究内容和贡献主要包括以下内容。一、通信—能量资源的联合优化1)基于梯度投影博弈算法的功率控制:考虑频谱资源与能量资源的联合优化。与大多数现有文献只考虑单授权用户或单信道不同,考虑了更符合实际的多授权用户多非授权用户多信道模型来解决更为复杂的非授权用户功率控制问题。首先,该问题被建模为一个具有耦合约束的非合作博弈。接着,为了找到功率控制博弈的纳什均衡,提出了基于梯度投影的动态模型,其平衡点等价于原模型的纳什均衡。然后,设计了一个基于梯度投影的集中式的算法来求解该动态模型的平衡点,即获得了非合作功控博弈的纳什均衡。最后仿真结果验证了算法的收敛性、有效性和鲁棒性。2)基于能量收集的频谱接入策略:考虑通过收集周围环境能量来供给的单用户频谱共享网络系统。为了寻找更优的感知和接入策略,提出了结合伺机频谱接入和衬垫式模式的混合频谱接入策略,以提升网络频谱效率。结合考虑授权用户峰值干扰功率和能量因果约束,将该混合接入策略求解建模成一个有约束的有限状态马尔可夫决策过程问题。然后,设计了基于贝尔曼方程的迭代优化算法,仿真结果证明了混合频谱接入策略相比单一模式的频谱接入策略具有更高的频谱效率。二、通信一计算一能量资源的联合优化3)基于动态加载协助者CPU的计算卸载随机控制:考虑一个具有随机信道和动态加载CPU的协助者的计算卸载系统中的高能效卸载控制策略。通过一定截止期限内控制每个时隙卸载和本地处理的数据量,使得在期限内完成任务计算的要求下最小化用户总能耗。通过将信道和协助者CPU状态过程都建模为马尔可夫链,把计算卸载控制问题转化为了一个有限状态的马尔可夫决策过程问题。基于动态规划的数值仿真解来量化策略结构,以此来设计不同缓冲区容量情况下基于反向归纳法的最优/次优策略,并理论分析了该模型下卸载控制策略的有趣特性。仿真结果验证了所提策略的接近最优性。4)基于恒定本地CPU频率的计算卸载随机控制:接着上一点内容的假设(可调本地CPU频率)进行扩展,考虑恒定本地CPU频率情况下的计算卸载随机控制,类似可调本地CPU的情况,将最小化用户期望能耗的卸载随机控制问题建模为一个马尔可夫决策过程问题。这一问题引入了两个新的约束,使得闭式形式的最优策略无法求得。因此,提出了一个基于松弛和截断的启发式次优随机控制策略,仿真表明了所提策略的能耗性能接近最优策略(动态规划求得)。最后,对本论文的研究内容作了一个简要的总结归纳,并展望了后续可行的研究方向。