虛擬實時服務：構架、算法及演進路徑

陳 巍

（清華大學電子工程系 北京 100084）

1 引言

不斷提升頻譜效率和能量效率，是無線網絡演化進程中人們矢志不渝的追求[1～3]。特別是，近年來隨著移動互聯網的普及，各類新興的移動互聯服務如雨后春筍般涌現，導致指數增長的無線業務量和逐漸分配殆盡的無線頻譜資源之間的矛盾日益凸顯。與此同時，隨著調制階數的提升、基站密度的增加，無線網絡也逐漸成為高能耗企業的信息服務基礎設施，社會各界對其節能化、綠色化的呼聲日益高漲。

在這一應用背景下，研究人員從如下3個層面著手解決無線網絡演進需求與頻譜、能量效率限制之間的矛盾。第一，研發先進的物理層傳輸技術，將已有頻譜和常規能源的利用效率不斷提升到其理論性能極限，代表性技術包括OFDM、LDPC（low density parity check code，低密度奇偶校驗碼）以及近年來興起的物理層多播等技術[4～6]；第二，拓展無線資源及其空間復用維度，尋求新的用于無線通信的頻譜資源、復用維度，以緩解常用頻譜資源和復用維度的效率壓力，代表性技術包括毫米波通信、無線光通信、MIMO、干擾校準、極化復用和立體復用等技術[7～15]；第三，在現有的固定頻率分配、常規能源支持之外，發掘空閑的用于無線傳輸的頻譜資源、可再生能源，代表性技術為認知無線電技術[16]、能量收割通信技術[17]。

本文著重探討了如何綜合發揮認知無線電、能量收割和物理層多播技術的聯合增益，以提升能量和頻譜效率。回顧已有的研究工作，上述3種技術雖然有較大的潛在譜效和能效增益，但是在實際應用中的核心困難是——難以對實時業務提供服務質量保障。具體來說：首先，認知無線電技術利用主系統（授權系統）的空閑時隙進行通信，因此當主系統持續繁忙時，次級用戶系統（非授權系統）中等待傳輸的業務就會有較大的排隊時延[18]；其次，能量收割系統利用非平穩到達的可再生能源進行通信，一方面業務排隊等待能量的到達會產生額外的時延，另一方面當業務需求量較少時，會導致累積的收割能量超過電池容量而被浪費掉[19,20]；最后，在物理層多播系統中，不同用戶對相同內容的索取時刻不同，若要獲得多播增益就必須對齊它們的傳輸時刻，同樣會造成部分用戶的等待時延[21]。究其原因，本質上都是具有較高頻譜和能量效率的時機與業務需求的時刻不匹配，從而對實時性要求較高的業務來說，無法有效地保障其服務質量，換言之，此類業務無法有效地利用認知無線電、能量收割和物理層多播技術來提升頻譜和能量效率。

首席科學家

陳巍 男，博士，清華大學電子工程系教授、博士生導師（工學、工程）、副系主任、教學委員會主任、清華大學“電子與通信工程”學位評定分委員會副主席，中國通信學會青年工作委員會副主任委員，中國電子學會教育工作委員會青年工作組副主任委員，北京市通信學會青年工作委員會委員，IEEE Transactions on Education、IEEE Wireless Communication Letters、China Communications等國際期刊編委，“全國五一勞動獎章”、“北京市優秀青年人才”、“北京市優秀教師”榮譽稱號獲得者，國家重點基礎研究發展計劃（“973”計劃）首席科學家，國家自然科學基金優秀青年科學基金、第十四屆霍英東高校青年教師獎一等獎、第十七屆茅以升北京青年科技獎獲得者，IEEE高級會員，國家中青年科技創新領軍人才計劃、教育部新世紀優秀人才支持計劃、北京市科技新星計劃和清華大學“221”人才計劃入選者。主要研究方向為無線通信、信息論、移動互聯網。

為了克服上述局限性，在之前研究工作的基礎上，提出了一種基于虛擬實時服務的新型服務體制[22]，通過將推送機制和認知無線電、能量收割和物理層多播等技術相結合，能夠有效緩地緩解上述業務需求時刻和（頻譜、能量）資源供給時刻不匹配的問題。其核心思想是，通過提前預測用戶的需求，在用戶發起業務請求之前的負時間軸上發起業務推送，這樣不僅可以充分利用分布在負時間軸上的大量空閑時隙（包括系統內的空閑時隙和系統外的空閑時隙），提升頻譜效率，還有足夠的時間可以通過合理時延、對齊不同用戶的推送時刻，來獲取物理層多播的能效和譜效增益，同時，對于具有能量收割功能輔助的通信系統，能夠在更大的時間尺度上收集和利用可再生能源[23]，從而避免了因電池容量不足而導致的能量浪費。上述頻譜和能量效率的增益都是在無需付出業務時延的條件下獲得的，因此，預先推送可以用非實時的傳輸，使用戶獲得虛擬實時的服務體驗。

相對于傳統通信體制中，由用戶請求發起的“拉式通信”，虛擬實時服務將其模式變為“推式通信”，即以空閑頻譜資源、收割到的能量以及多播機會來驅動發起推送行為。虛擬實時服務需要計算、存儲、通信等各單元之間的多元協同，以消耗存儲空間為代價，換取能量和頻譜效率的提升。為了適應虛擬實時服務的定量化建模，提出了一種新的信息度量單元——內容。回顧不同層次的信息傳輸系統，它們都有建模時常用的基本單元，在傳輸過程中不分割討論，如點到點傳輸的基本傳輸單元bit，通信網的基本傳輸單元分組或者幀。為討論虛擬實時服務，定義了一種基本單元——內容。內容可以是一篇文章、一段視頻等，其信息量尺度高于bit和分組，但是從服務的角度來說，對用戶具有一定的不可分割性，必須作為整體推送完成。目前，微信、新聞閱讀器等應用中的一篇文章、一段視頻等就可以近似看作一條內容。

由于虛擬實時服務的推送不是由用戶需求發起的，因此內容的傳送完成時刻和用戶需要此內容的時刻之間會有時間差，在這段時間中內容需要存放在用戶緩存中，消耗有限的存儲資源；更甚者，若推送的內容根本不是用戶所需要的，會導致存儲資源的浪費，對提升頻普和能量效率也無貢獻[24,25]。因此，推送并非越早越好、越多越好，而是要準確預測用戶的需求，并在合適的時機發起，既不消耗過多存儲資源，又使得推送的內容盡量為用戶所用。因此，如何設計實用的虛擬實時服務協議與算法，一方面有效地利用用戶終端有限的存儲空間，另一方面最大化頻譜效率和能量效率的增益，是本文需要解決的問題。

針對上述問題，提出了一種基于虛擬實時服務的實用協議構架，可以“半透明”地使用用戶存儲終端中的剩余空間，以最小的存儲代價獲取頻譜和能量效率增益。為此，首先提出了一種定量化描述用戶對內容的需求行為的模型；在此基礎上，提出了一種計算當前時刻用戶對某個內容的需求度的方法，該用戶通過對不同內容的需求度進行比較，決定此刻在有限的緩存區中應保存的內容。基于用戶端的緩存區內容保留選擇算法，進一步提出了基站端通過預測和反饋，了解用戶緩存區占用情況的方法，并在此基礎上判斷當前需求度最高的內容，決定這一內容是否值得推送。由半定量分析可以看出，在虛擬實時服務中，存在能量效率和頻譜效率的基本折中關系，同時，在線的需求學習和預測算法設計，對系統的性能也有重要的影響。

項目簡介

本項目針對高層建筑室內高速、可靠、實時無線覆蓋的需求，針對當前移動互聯網業務激增和無線通信頻譜資源稀缺之間的內在矛盾，探索了通過多域協同、跨層設計、智能認知，大幅度提升無線網絡的公平性、實時性和業務容量的方法。在基礎理論研究層面，突破了國際上發展5G后高層建筑室內移動互聯網的若干難題，提出了面向高層建筑內多層頻譜復用的理論框架和性能測度，闡明了整體性能極限及逼近方法；在應用基礎研究層面，力爭占據在5G后多層建筑室內移動互聯網的技術發展源頭和戰略制高點，提出、設計和優化了可有效提升層間頻譜復用異構無線網絡服務質量的多種網絡協議與通信算法。

根據信息論基本原理，頻譜和能量資源是決定無線通信網絡容量的根本因素，而頻譜還能換取能效的大幅度提升。在信息論提出之后的60多年中，國際上無線通信的研究始終圍繞如下兩條思路展開：提升已有無線資源的利用率；發掘全新的無線資源或維度。

近年來的工作熱點，都可以歸入上述兩條思路。圍繞第一條思路所開展的具體工作包括高階調制、編碼調制（TCM）、逼近Shannon（香農）界的信道編碼（LDPC、Turbo）等傳統工作。從20世紀90年代末期開始通信領域又著眼于第二條思路。

2 虛擬實時服務的基本假設和協議構架

本節首先給出了設計虛擬實時服務協議的3個基本假設，在此基礎上對收發端協議的整體構架進行了介紹。

2.1 假設一——可預測準則

在虛擬實時服務中，系統必須可以預測用戶的需求，從而能夠在合適的時機推送合適的內容。盡管已有的研究工作對內容被需求的概率已經有刻畫，但是本文關注的是用戶對某一內容提出需求的時延特性，而不僅僅是是否需求的二元特性。這是因為：即使是被用戶需要的內容，如果過早推送而在用戶的緩存區內停留太長時間，同樣也會造成存儲資源的嚴重浪費。

基于上述考慮，提出一種基于概率論的描述方法。內容以某種概率分布隨機產生并到達基站端，用非負整數序號i標識一條內容，定義Tik為用戶k對內容i提出使用需求的時延，即：內容i產生后過了Tik時間，被用戶k要求使用（閱讀、觀看等），Tik為非負隨機變量，其概率累積函數記為Fik(x)=Pr{Tik≤x}。這一分布對于基站和用戶雙方是已知的。任意一條內容i，都有一個簡短的標簽，使得用戶可以大致了解其特征，根據標簽決定是否、何時請求該內容，從而影響用戶對該內容的需求模式。目前，各新聞或視頻網站、微信等均具有類似功能，同時因標簽僅有數bit、類似于超鏈接，因此其傳輸、存儲的代價均可以忽略。通過學習標簽的內容、關鍵詞，系統可以對內容i進行歸類，并根據對此類內容之前統計的需求時延的經驗分布，得到本內容的需求時延的近似分布Fik(x)。對此，機器學習、人工智能和社交網絡等領域已經有一定的研究基礎，有助于更好地進行分類和估計。對用戶群體可以進一步歸類，例如某類用戶具有相同的Fik(x)，則統計學習的收斂速度更快，準確性更高，調度算法更簡化。還需強調的是，內容是具有生命周期的，當超過這一周期后即被刪除，此時其序號i可以被釋放出來重復使用，類似于ARQ（automatic repeat request，自動重復請求協議）中幀序號的標記機制。

2.2 假設二——有效性準則

頻譜效率和能量效率是通信理論中的兩個重要指標，其計算離不開對“有效傳輸的數據量”的定義。在經典通信理論中，有效傳輸的數據量即正確接收的數據量，因為此時傳輸是用戶請求發起的，其正確接收的數據對用戶必然是有用的。而在推送模式下，由于用戶需求的不確定性，終端正確接收的數據未必被用戶使用。因此，需重新定義“有效傳輸的數據量”，即用戶提出傳輸請求后，能夠在其存儲單元中找到的數據。基于這一定義，可以進一步刻畫虛擬實時服務為頻譜效率和能量效率帶來的增益。由于虛擬實時服務使用的是空閑頻譜，因此只要用戶使用了存儲單元中的信息內容，就意味著節省了對頻譜的使用，所以把頻譜效率的增益定義為：單位時間、單位帶寬上，用戶從終端存儲單元讀取的數據量總和。需要注意的是，推送是以多播的形式進行的，因此在無線環境中增益巨大。類似地，把能量效率定義為：使用單位能量進行多播推送，能夠讓用戶從終端存儲單元中讀取的數據量總和。能量效率同樣也隨著多播組終端數量的提升而提升。當空閑時隙較多時，增大推送頻次始終能提升頻譜效率（因為空閑頻譜是“免費”的），但可能降低能量效率，這種折中關系在后面還會討論。此外，若采用能量收割技術允許基站使用可再生能源，則這部分能源不計入消耗的能量，即能效計算中的分母。

項目簡介

為了提升點到點通信的容量，利用多天線資源實現空間維度復用的MIMO技術從1998年開始成為無線通信的研究熱點。最近幾年，這種基于多天線思想，發掘空間資源的工作又被進一步推廣到中繼技術、干擾校準技術以及軌道角動量調制等，持續被學術界關注。然而，信息論和電磁場的交叉研究表明，即使空間資源得以充分開發，無線網絡容量從本質上還受制于帶寬，無法擴展。因此，國際學術界又開始從頻率維度發掘新的頻譜資源，典型的技術包括高頻段、太赫茲和無線光通信等。此外，近年來通信學界還與物理學進行深入交叉，從電磁場的其他自由度（如極化方向等）需求維度拓展，目前已有工作發表于《Nature》。

本項目中擬開展的研究工作源于第二條思路，希望系統地探索目前國際學術界尚未發現的無線資源維度。在空間維度，利用“平面之外的第3個維度”實現空間頻譜復用，提出創新的網絡構架——“密集立體覆蓋”；在時間維度，利用“負時間軸”上的空閑頻譜資源，提出創新的服務機制——“虛擬實時服務”。

2.3 假設三——透明化準則

希望用戶幾乎感覺不到此類服務是“虛擬實時”的，或者說，虛擬實時服務幾乎不對通信系統、存儲系統帶來任何易于察覺的影響，故用戶無法區分所接收的信息內容來自于即時的按需傳輸，還是預先的推送。為了滿足這一準則，在協議設計中需遵循如下兩點：對內容請求“即時響應后清除”；對終端存儲器“透明使用”。

“即時響應后清除”的目的，是為了避免改變用戶對網絡的使用和對內容的索取行為模式，從而造成系統內部的反饋不穩定。具體地說，當用戶提出內容傳輸請求，而其存儲單元中沒有該內容時，基站應通過實時服務鏈路向該用戶傳輸請求的內容，這和傳統網絡中基站對用戶需求的響應模式完全一致，因此，用戶幾乎無法分辨所獲得的內容是來自于預先推送，還是來自于即時的按需傳輸，從而感受到虛擬實時服務的透明性。

從之前定義的能量和頻譜效率增益的角度來看，希望盡可能減少即時的按需傳輸，因為這一傳輸模式既難以利用空閑的時頻資源和可再生能源，又沒有多播增益，因此頻譜和能量效率較低。同時，也不允許用戶提出請求后等待內容的多播推送，因為這樣不僅會破壞服務質量，也會導致協議設計中的正反饋。

在虛擬實時服務中，推送到終端的內容需暫時緩存在其存儲單元內。在“透明使用”模式下，推送內容只能占用空閑的存儲空間，一旦空閑存儲空間縮小或不能滿足推送內容的存儲需求，存儲單元就必須刪除部分已推送的內容。在這一模式下，終端用戶感覺不到推送對設備存儲空間帶來的任何影響，因此是“透明”的。此時，對空閑存儲空間的使用類似于認知無線電中次級用戶對空閑頻譜的使用，不會產生任何額外代價。當然，可以專門劃分一部分空間用于存儲推送的內容，對于超出存儲需求的部分則采用上述透明使用模式，該模式稱為半透明存儲模式。類似地，“半透明”概念也適用于信道的使用，可以專門劃分一部分時頻資源，用來支持虛擬實時服務的推送，對于超出這部分時頻資源的傳輸需求，則以次級用戶的模式發掘空閑時頻資源進行復用，該模式也可稱為半透明傳輸模式。

項目簡介

本項目圍繞的核心內容是高層建筑室內可重配置異構云無線接入網絡。針對兩個突破層次（即任務層次，有效支持超高用戶密度超感官需求的數據接入需求；理論層次，高層建筑室內立體接入網絡的容量極限及逼近方法），提出3個創新方法：可有效適應于環境的立體頻譜復用架構；用戶自主部署網絡的認知協同受控自治；計算嵌入的分布式與精準無線資源管理。

由于室內容量需求巨大，預計2020年業務需求還將提升千倍，而室內業務量的增長超過90%，使得這一工作意義重大。在本項目中聚焦于3個“一”：一個場景，典型高層建筑的室內高速無線接入；一個對象，適應建筑環境的可重配置異構云無線網絡；一個問題，高層建筑室內通信的認知協同機理及性能極限。

緊扣適宜高層建筑室內覆蓋的無線網絡的3個關鍵特征開展如下研究工作：大規模立體分布式天；可重配置軟件定義網絡；基于認知的分布式協同。

2.4 虛擬實時服務的協議構架

基于上述3條假設，接下來對虛擬實時服務的協議構架進行介紹，如圖1所示。這一構架最大的特色是基站在本地，利用終端的緩存區內容保留選擇算法，結合終端的內容請求信息，預測最能產生推送效用，即在統計意義上用戶需求度最大的內容，并決定當前時刻是否發起推送。這一點借鑒了增量調制、差分編碼等信源編碼的設計思想。

在虛擬實時服務中，終端由存儲單元和用戶端緩存器的內容選擇單元組成，如圖1中虛線右邊所示。在終端存儲單元中，可供虛擬實施服務使用的空間由兩部分組成：一部分是確定的劃分給此類服務使用的專用空間；另一部分是存儲器中未被其他業務占用的空閑空間，其可用存儲容量可用隨機過程來描述，且此類隨機過程多數具有Markov性。兩類存儲空間的總容量決定了緩存內容量的上限，當存儲容量不足時，就需要終端設計一種算法，選擇保留哪些內容，丟棄哪些內容，此算法稱為用戶端的緩存器內容選擇算法。該算法根據用戶k對內容i的需求時延分布Fik（x）來預測該用戶對不同內容的需求度，從而決定不同內容需被保留的優先級。此外，由于Fik（x）常常需要通過學習來獲得，因此，有時還需輔助一個Fik（x）的學習算法模塊，為緩存器內容選擇算法提供決策參考。最后，假設用戶不會重復閱讀、觀看或使用同一內容，那么，當用戶提出傳輸請求后，若在存儲單元內找到了所需的內容，則該內容隨即被存儲單元刪除。

虛擬實時服務的基站構架如圖1中虛線左邊所示。基站端包含基站的存儲單元、推送決策模塊和以用戶端內容選擇算法為核心的本地預測模塊。這一構架的設計思想受到了增量調制等信源編碼的啟發，將接收端的算法放到發送端進行本地預測，結合用戶發來的內容請求，基站可以知道目前在終端的緩存區內有哪些內容，剩余空間還有多大。基于這一本地預測結果，推送決策模塊可扣除用戶緩存區已有的內容，分析預測每個用戶對每個內容的需求度，同時綜合考慮用戶的剩余空間情況，決定是否發起推送，推送哪條內容。推送內容緩存區負責緩存到達基站的內容，并在其生命周期結束后將其刪除，類似于信源編碼。建議應對用戶端的緩存內容選擇算法元建立行業標準，而開放推送內容選擇模塊的算法設計，留給不同系統自行開發。

圖1 虛擬實時服務的總體協議構架

最后，介紹一下基站和終端之間的信令交互過程，下行鏈路主要以推送業務為主，上行鏈路主要傳遞用戶終端業務請求的信令，無論用戶請求的業務是否能夠在本地緩存中找到，都必須向基站發送該請求，以便基站能夠更新本地預測的緩存區情況，并統計用戶的需求時延概率分布。

從以上論述還可以看出，在虛擬實時服務中，若不劃定固定的通信時隙和存儲空間，則對用戶來說，整個實時服務的虛擬化過程是完全透明的，無法感受到此類服務和實際實時服務的差異。除了執行各種算法帶來的計算開銷外，也不會產生額外的信令開銷或存儲空間開銷。

項目簡介

圍繞具有分布天線、可重構、非集中控制特征的environment-aware heterogeneous C-RAN綜合各類先進通信算法與協議。引入數值計算、受控博弈、組合優化等數學工具，實現立體網絡的精準資源管理，嘗試學科范式的轉變。本項目擬重點突破如下科學任務，即超需求超密多層室內接入，通過突破關鍵性能參數的質變門限，向滿足人類通信終極需求而努力，其指標參數如下：

·超密集——高于室內典型人口密度（數量級～1人/m3）

·超需求——高于人眼分辨率高清視頻（8K UHDTV，100 Mbit/s）；

·若用戶全部激活，并且可用帶寬100 Mbit/s，則所需的單位體積頻譜效率約為1～10 bit/s/MHz/m3，高于5G系統提出的相關性能指標。

以此科學任務明確具體參數設置和性能指標，理論聯系實際，帶動科學問題研究。希望重點突破“立體網絡的精準資源管理”這一學科范式，從學術層面反思通信理論與工業應用的距離，提升對實際系統的描述精度和可應用性。

3 虛擬實時服務的關鍵模塊及算法

本節具體地細化介紹了虛擬實時服務中各個功能模塊的結構，并給出了示例算法；還從半定量的角度，對其性能特別是頻譜效率和能量效率增益進行了評估和分析。

3.1 用戶端的緩存內容保留選擇算法

主張和倡導對終端的緩存內容選擇算法建立工業標準，以便推送算法設計時有統一的標準。因此，該算法可以看作是整個系統實施的基準。圖2給出了用戶端的緩存區內容保留選擇算法，其中外掛了內容需求時延的統計特性的學習模塊，將在第3.3節重點介紹。如前文所述，新推送內容的到達、空閑緩存空間的減小，均可能導致用戶存儲單元的溢出。因此，用戶終端需要評估用戶對內容需求的程度，以便選擇保留哪些內容，舍棄哪些內容。為此，提出了一種用戶對內容的需求度評估方法，進而按需求度從高到低的順序保留內容，直到可用緩存空間不足時舍棄余下的內容。

接下來的問題就是：如何將用戶對內容的需求度進行量化評估？提出如下思路：通過用戶對內容的需求時延的概率分布，計算當前對該內容的需求度。此處，有兩點需要考慮：從當前時刻算起，未來越有可能被用戶提出使用請求的內容，其需求度應當越高；希望優先保留從當前時隙算起，“近期”需求的內容，避免某些很長時間以后才需要的內容對存儲空間的長期占用，并導致其他近期需要的內容因缺乏存儲空間而被丟棄。基于上述兩點考慮，定義用戶k對內容i的有效需求度dik的計算式為：

圖2 用戶端的緩存區內容保留選擇模塊

學術團隊

國家“973”計劃項目“密集立體覆蓋移動通信的基礎理論與方法”的研究任務由清華大學、北京郵電大學、東南大學共同承擔。

依托的實驗室包括：清華大學微波與數字通信國家重點實驗室、清華大學智能技術與系統國家重點實驗室、東南大學移動通信國家重點實驗室、北京郵電大學泛網無線通信教育部重點實驗室。

項目承研人員來自通信與信息系統領域（陳巍教授、彭木根教授、王東明副教授、王家恒副教授）和模式識別與智能系統領域（高飛飛副教授），能夠有效實現跨學科交叉研究。

其中， 表示該內容已產生的時間；加權函數w（t）是一個滿足的非負減函數，它表明更看重用戶的近期需求。若w（t）是一個從0到T的矩形窗，則式（1）表示內容i從當前時刻起，到時延T的未來時段內被用戶k提出使用請求的概率。定義了用戶k對內容i的需求度定量評估方法后，用戶終端可以對需要緩存的內容按照其需求度di的大小進行排序。若當前可用的存儲單元緩存空間只能存放I個內容，則選擇保留需求度為di且排在前列的M個內容，將其他需求度排序靠后的內容舍棄。

3.2 基站端的推送決策算法

基站端的內容推送決策模塊如圖3所示，它包含兩個主要的子模塊：基站端的內容需求度計算及排序算法；推送發起的決策模塊。其中，還外掛了信道空閑和能量到達的統計特性的學習算法模塊，將在第3.3節重點介紹。

基站端的內容需求度計算及排序算法分兩步完成。第一步是評估各個不同的用戶對同一內容i的需求度，其思想和方法類似于終端的內容需求度分析算法，但是需要考慮兩個特殊因素：首先，用戶k終端中已有的內容或用戶已經請求過的內容，均無需重復進行推送，因此，若用戶k已經請求過或已經存儲了內容i，其需求度dik′=0；其次，需要考慮內容推送所需的傳輸時延α。假設推送傳輸一個內容需要S個時隙，若采用固定劃分的時隙及電網能量進行推送傳輸，則α為恒定常數S；若采用主系統的空閑時隙或者收割的可再生能源進行推送傳輸，則α為一非負隨機變量。為了定量刻畫傳輸時延α，在一個簡單情況下給出其概率分布函數。

假設主系統的空閑時隙或者收割的可再生能源在時間上獨立，服從一個伯努利過程，記主系統時隙空閑的概率，或者有一份能支撐本時隙傳輸的能量到達的概率為θ，此時α服從負二項分布，寫成連續時間的概率分布為：

其中，Δ為一個時隙的長度。若采用上述的半透明傳輸模式，則從所需的S個時隙中扣除固定劃分給虛擬實時服務的時隙數即可。此外，若所需的時隙數S較大，根據中心極限定理，也可將推送傳輸的時延近似為一個恒定值。

由式（2）可以進一步預測用戶k對內容i的平均需求度，如下：

圖3 基站端的推送決策模塊

在完成了預測用戶k對于內容i的平均需求度之后，內容需求度計算及排序算法進入其第二步。注意到即使對于相同的內容i，不同的用戶由于其時延分布函數、內容請求歷史等不同，具有不同的預測需求度dik′。如何根據需求度矩陣d′=[dik′]，綜合考慮用戶緩存區的剩余空閑空間，選出從時間集合和用戶集合雙重角度來看，平均需求度最高的內容i*，就是接下來要討論的問題。為此，定義內容i的加權總需求度為：

其中，Ikn表示用戶k在當前時隙為n時，存儲區中的空閑空間。ω(Ikn)是一個加權系數函數，值域為[0,1]，且是Ikn的增函數。這樣設定的目的是，傾向于給尚有較大存儲空間的用戶推送內容，盡可能避免推送的內容因緩存空間不足而被丟棄。考慮一個特殊情況，若用戶k的緩存區已滿，即Ikn=0，且dik′小于其緩存區中已有內容的需求度（或者其考慮隨機推送時延后的預測值），則即使向該用戶推送了內容i，也會以很大概率被丟棄，造成傳輸資源的浪費，此時應當設置ω(Ikn)=0。

推送發起決策模塊所做的決策是——是否推送這個最應當推送的內容i*。本文提出一種簡單的門限判別策略，即設定一個推送決策門限D，若>D，則推送內容i*；否則，基站當前不發起任何推送。

在門限判別策略中，閾值D越大，虛擬實時服務的推送越保守。此時，雖然減少了對空閑頻譜的使用，但是也避免了推送用戶不迫切需求的內容，或者推送內容過多導致緩存區溢出的情況，因此可以減少緩存區溢出丟棄內容而造成的能量浪費，其能量效率也得到了提高；與此相反，閾值D越小，虛擬實時服務的推送越激進。此時，基站抓住盡可能多的空閑時隙推送內容，但這樣會降低內容的命中率，推送出一些用戶需求度偏低的內容，并且因為推送量較大而更多地出現用戶緩存區溢出、內容被丟棄的情況。因此，雖然減小閾值D提升了頻譜利用率，但是其能量效率也相應降低了。

由上述定性分析可以看出，在虛擬實時服務體制中，頻譜效率和能量效率之間存在折中關系。當然，對于采用能量收割通信的多播推送，由于收割來的可再生能源是“免費”的，若不加利用反而是浪費。因此，閾值D的設計需要考慮電池的狀態進行動態調整。當電池能量較多時，應降低門限閾值D以進行更積極的推送；當電池能量較少甚至被消耗一空的時候，應提高門限閾值D以進行更為保守的推送。

從上面的討論中還可以發現，當各個用戶的剩余存儲空間總體上來說比較多的時候，基站會更積極地推送更多的內容，反之則減少推送的內容，這一點有些類似于TCP中的流量控制。此外，在內容的生命周期尚未結束時，被推送過的內容還需保留在基站的存儲單元中。這是因為不同用戶對同一內容的需求時延的概率分布函數不同，有可能出現這種情況——對某一內容的需求度在不同時刻多次出現峰值，使得該內容不止一次地被基站選擇推送。因此，有必要在基站緩存區中保留已經被推送過的業務。

3.3 各類統計特性的實時學習算法

在虛擬實時服務協議的實現中，涉及3個外掛的統計特性的學習模塊，分別是：用戶對內容的需求時延統計特性的學習模塊、終端空閑存儲空間的統計特性的學習模塊、信道空閑和能量到達的統計特性的學習模塊。其中，對于信道空閑和收割能量到達的統計特性的學習策略，在對認知無線電技術和能量收割通信技術的研究中，已經取得了較多成果[26,27]，這里不再贅述。

首先，介紹用戶對內容的需求時延的統計特性學習算法。上文中，一個基本的前提假設是，用戶k對內容i的需求時延的概率累計函數Fik(x)=Pr{Tik≤x}是已知的。滿足這一分布的內容i可以聚合為一類，并且使用某種內容標簽進行標識。在此基礎上，學習模塊可以記錄用戶k對屬于該類內容，并且排序在第l條產生的請求時延tl，初始化Fik(x)=0，則概率累積函數Fik(x)可估算為：

其中，H(x)表示單位階躍函數。

用戶空閑存儲空間的統計特性取決于用戶k對自身設備的使用習慣。一般來說，剩余空間的大小可以用一個Markov鏈進行描述，其更新方程為：

其中，Qkn為用戶k在第n個時隙的存儲量，取正值表示用戶向存儲單元中存入其他內容，取負值表示用戶從存儲單元中刪除其他內容。Qkn的概率分布函數記為Gkn(x)=Pr{Qkn≤x}，可估算為：

當引入在線的需求估計時，系統的內部狀態估計和運行控制相互作用，形成了類似Kalman濾波的更新迭代模式，在理論上具有較大的研究空間。由此可見，虛擬實時服務產生了很多新的理論問題，將在最后一節簡要介紹可能突破的理論問題。

最后，考慮一種特殊情況，即Fik(x)=H(x)，以驗證虛擬實時服務的合理性。顯然，Fik(x)=H(x)的業務就是即時通信業務，如語音電話、視頻電話、現場直播等，代入上述的算法和協議構架中可以看到：當業務產生時，就應當立刻發起傳輸，而由于即時通信的內容在產生后不久就會失去價值，到達用戶后也無需進行緩存。可見，虛擬實時服務可以在Fik(x)=H(x)的情況下退化為即時通信。

4 結束語

提出了一種基于虛擬實時服務的協議構架，對其關鍵模塊與算法進行了綜述和分析。為了分析用戶對內容的需求度，提出了一種基于用戶對內容需求時延的統計分布，定量化描述用戶需求的方法。在此基礎上，提出了用戶端對緩存內容需求度的定量分析和排序的方法，由此需求度排序實現緩存區的內容保留選擇算法。類似于增量調制等信源編碼的構架，建議對用戶端的緩存內容保留選擇算法進行標準化，在此基礎上設計基站端的推送決策算法，可利用標準化的用戶端的緩存內容保留選擇算法在基站形成本地預測反饋，從而避免因推送過多而產生大量內容丟棄或不必要的重復推送等情況，選擇實際需求度最大的內容進行推送。對上述算法進行了簡要的定量化描述，半定量分析了其中存在的能量和頻譜效率折中，并發掘了基站推送決策與TCP的類似之處。此外，還對系統中輔助的各類統計特性的實時學習算法進行了介紹。

在虛擬實時服務的演進過程中，尚有如下理論問題待解決。首先，用戶如何學習其對內容的需求時延的統計特性，是一個較困難的問題。第3.3節中提出的在線學習算法有一個基本前提——已經明確知曉內容的分類，即同一類的內容對于用戶k具有相同的統計特性，然而，如何對內容進行標簽和分類是一個更為困難的問題，涉及模式識別、人工智能以及內容（包括視頻、語音等）的提取與理解等多個方面；其次，由于基站端的推送內容決策模塊存在反饋回路，統計特性的學習模塊也會引起控制反饋，因此，系統的反饋控制穩定性有待闡明，特別是實時估算用戶的內容需求時延分布函數時，系統內部存在多個帶有誤差的反饋回路，其穩定性條件的理論分析具有廣闊的研究空間；第三，內容需求、信道空閑和可再生能源的時間非平穩特性對系統的運行會帶來影響。一般來說，凌晨時刻內容需求的時延較大，信道空閑的概率較大；而太陽能等可再生能源在白天較為充足，因此在較大的時間尺度上來看，它們的統計特性并非是時間平穩的；第四，由于用戶的信道條件、存儲空間等在實際中存在異構特性，公平性保障方法需要進一步研究。本文提出的算法，主要以提升能量和頻譜效率為目標，并沒有考慮公平性。而對于存在異構特性的情況，不應當簡單地對各個用戶的需求度采用相同的加權函數進行求和，而是應當考慮用戶的服務歷史以及緩存區大小不同的統計特性，對信道條件較差、緩存區相對較小、內容需求度與大眾差異較大的用戶給予適當傾斜；第五，物理層的時變特性，以及由此提供的自適應調制編碼等傳輸自由度，可以與虛擬實時服務進行跨層聯合優化；最后，本文所討論的虛擬實時服務主要集中于協議構架和算法層面，這一全新服務體制的諸多基礎理論性能分析問題，如頻譜和能量效率極限等問題還有待進一步探索。

1 Andrews J G,Buzzi S,Choi W,et al.What will 5G be.IEEE Journal on Selected Areas in Communications,2014,32(6):1065～1082

2 Hanzo L,Haas H,Imre S,et al.Wireless myths,realities,and futures:from 3G/4G to optical and quantum wireless.Proceedings of the IEEE Special Centennial Issue,2012:1853～1888

3 Kedar D,Arnon S.Urban optical wireless communication networks:the main challenges and possible solutions.Communications Magazine,2004,42(5):S2～S7

4 Richardson T J,Shokrollahi M A,Urbanke R L.Design of capacity-approaching irregular low-density parity-check codes.IEEE Transactions on Information Theory,2001,47(2):619～637

5 Cimini L J.Analysis and simulation of a digital mobile channel using orthogonal frequency division multiplexing.IEEE Transactions on Communications,1985,33(7):665～675

6 Liu J,Chen W,Zhang Y J,et al.A utility maximization framework for fair and efficient multicasting in multicarrier wireless cellular networks.IEEE/ACM Transactions on Networking,2013,21(1):110～120

7 Foschini G J.Layered space-time architecture for wireless communication in a fading environment when using multi-element antennas.Bell Labs Technical Journal,1996,1(2):41～59

8 Foschini G J,Gans M J.On limits of wireless communications in a fading environment when using multiple antennas.Wireless Personal Communications,1998,6(3):311～335

9 Gutierrez F,Agarwal S,Parrish K,et al.On-chip integrated antenna structures in CMOS for 60 GHz WPAN systems.IEEE Journal on Selected Areas in Communications,2009,27(8):1367～1378

10 Rappaport T S,Sun S,Mayzus R,et al.Millimeter wave mobile communications for 5G cellular:It will work.Access IEEE,2013(1):335～349

11 Cadambe V R,Jafar S A.Interference alignment and degrees of freedom of the-user interference channel.IEEE Transactions on Information Theory,2008,54(8):3425～3441

12 Andrews M,Mitra P.Tripling the capacity of wireless communications using electromagnetic polarization.Nature,2001,409(6818):316～318

13 陳巍,王東明,王家恒.密集立體覆蓋:未來移動通信的機遇和挑戰.電信科學,2013,29(6):2～9 Chen W,Wang D M,Wang J H.3-dimensional dense coverage:opportunities and challenges for future mobile communications.Telecommunications Science,2013,29(6):2～9

14 Wang D,Chen W,Wang J,et al.3-dimension coverage with ultra-densely distributed antenna systems:system design,rate analysis.Proceedings of IEEE International Conference on Communications(ICC),London,UK,2015

15 Yan S,Peng M,Chen W,et al.Downlink heterogeneous small cell networks with cell associations in k-floor indoor scenarios.Proceedings of IEEE International Conference on Communications(ICC),London,UK,2015

16 Haykin S.Cognitive radio:brain-empowered wireless communications.IEEE Journal on Selected Areas in Communications,2005,23(2):201～220

17 Ulukus S,Yener A,Erkip E,et al.Energy harvesting wireless communications:a review of recent advances.IEEE Journal on Selected Areas in Communications,2015,33(3):360～381

18 Liu J,Chen W,Cao Z,et al.Cooperative beamforming for cognitive radio networks:a cross-layer design.IEEE Transactions on Communications,2012,60(5):1420～1431

19 Liu J,Dai H,Chen W.Delay optimal scheduling for energy harvesting based communica tions.IEEE Journal on Selected Areas in Communications,2015,33(3):452～466

20 Zhou S,Cheng T,Chen W.Outage minimization for a fading wireless link with energy harvesting transmitter,receiver.IEEE Journal on Selected Areas in Communications,2015,33(3):496～511

21 Liu J,Chen W,Cao Z,et al.Dynamic power and sub-carrier allocation for OFDMA-based wireless multicast systems.Proceedings of IEEE International Conference on Communications,Beijing,China,2008:2607～2611

22 陳巍.非時齊多元協同通信:虛擬實時服務理論及應用.電信科學,2014,30(7):43～52 Chen W. Non-homogeneous multi-Unit collaborative communications:a theory and application for virtual real-time service.Telecommunications Science,2014,30(7):43～52

23 Zhou S,Gong J,Zhou Z,et al.Greendelivery:proactive content caching and push with energy harvesting based small cells.IEEE Communications Magazine,2015,53(4):142～149

24 Wang K,Chen Z,Liu H.Push-based wireless converged networks for massive multimedia content delivery.IEEE Transactions on Wireless Communications,2014,13(5):2894～2905

25 Ellison N B.Social network sites:definition,history,and scholarship.Journal of Computer-Mediated Communication,2007,13(1):210～230

26 Mitola J,Maguire G Q.Cognitive radio:making software radios more personal.Personal Communications,1999,6(4):13～18

27 Kansal A,Hsu J,Zahedi S,et al.Power management in energy harvesting sensor networks.ACM Transactions on Embedded Computing Systems(TECS),2007,6(4):1～35