融合移動邊緣計算的未來5G移動通信網絡

齊彥麗 周一青 劉 玲 田 霖 石晶林

1(中國科學院大學 北京 100049) 2(中國科學院計算技術研究所無線通信技術研究中心 北京 100190) 3 (北京市移動計算與新型終端重點實驗室(中國科學院計算技術研究所) 北京 100080) (qiyanli@ict.ac.cn)

Fig. 1 Architecture of mobile edge computing systems圖1 MEC網絡架構

近年來，全球移動數據流量爆炸式增長，預計到2021年移動數據流量將達到49 EB，相比2016年增長7倍，其中視頻流量占比78%.同時，新型業務層出不窮，例如增強/虛擬現實(augmented reality/virtual reality, AR/VR)、工業物聯網、車聯網等低時延業務的涌現，給現有移動通信網絡帶來巨大挑戰.在現有架構下，業務流量需要流經整個接入網和核心網，通過基站、轉發設備等多重關鍵設備，即使無線側的傳輸帶寬得到提升，端到端業務仍然存在不可預知的擁塞，時延難以保證，嚴重影響業務體驗.為了有效滿足移動互聯網、物聯網高速發展所需的高回傳帶寬、低時延的要求，歐洲電信標準化協會(European Telecommunication Standard Institute, ETSI)于2014年提出了移動邊緣計算(mobile edge computing， MEC).

MEC通過將網絡側功能和應用部署能力下沉至距離用戶設備(user equipment， UE)最近的無線接入網(radio access network， RAN)邊緣，為應用開發商和內容供應商提供云計算能力和IT服務環境，使得應用部署更加靈活、網絡能力按需編排、業務處理更靠近用戶，更好地滿足高回傳帶寬、低時延等應用需求.其中，對于高清、超清視頻等高帶寬業務，通過將熱點內容緩存在網絡邊緣，可有效節約回傳帶寬資源，同時降低用戶訪問時延，有效提升業務體驗；對于低時延業務，運營商通過開放網絡邊緣使得已授權的第三方能夠為移動用戶、企業及垂直行業靈活、快速地部署應用及服務，有效降低端到端時延.目前工業界和學術界對MEC展開了深入廣泛的研究.2015年ETSI在全球首先發起了MEC標準化工作[1]，隨后移動通信國際標準化組織3GPP也將MEC接收為5G移動網絡架構的關鍵技術.5G與邊緣計算的協同發展已經成為業界共識.

1 MEC網絡架構

MEC網絡框架結構如圖1所示[2]，主要可分為2層：系統級和主機級.其中系統級結構由MEC系統級管理和用戶及第三方實體組成.MEC系統級管理用于對網絡中已部署的MEC主機、可利用的資源、可利用的MEC服務以及網絡拓撲進行整體把握；載入用戶或第三方應用程序包，包括檢查包的完整性和真實性、驗證應用程序的規則和需求，必要時對其進行調整以滿足運營商策略；記錄載入的數據包并為應用程序的進一步處理準備好虛擬基礎設施管理器，以便其根據應用程序處理的需求對虛擬化基礎設施進行管理，如分配、管理、釋放虛擬化基礎設施的虛擬化資源；基于時延、可用資源等為應用程序選擇或重選合適的MEC主機.

主機級結構主要包括MEC主機級管理和MEC主機，MEC主機級管理包括移動邊緣平臺管理器和虛擬化基礎設施管理器，而MEC主機由移動邊緣平臺(mobile edge platform)、移動邊緣應用(mobile edge application, ME app)及虛擬化基礎設施(virtualization infrastructure)三部分組成.MEC主機級管理主要進行移動邊緣平臺管理及虛擬化基礎設施管理；移動邊緣平臺和移動邊緣應用可以提供或使用彼此的服務，如移動邊緣應用發現并使用移動邊緣平臺所提供的無線網絡信息、UE等相關的位置信息、帶寬管理等服務，同時通知平臺自身能夠提供的服務并為UE提供服務；移動邊緣平臺則為移動邊緣應用提供運行環境，同時接收來自其管理器、應用程序或服務的業務規則并對數據平面進行相應指示，以便進行業務路由；此外還接收來自其管理器的域名解析系統(domain name system, DNS)的記錄并配置一個DNS代理/服務器，管理移動邊緣服務，例如應用程序可在移動邊緣平臺的服務列表中進行登記，成為平臺提供的移動邊緣服務之一.另外通過移動邊緣平臺還可以訪問永久存儲及時間信息.虛擬化基礎設施是采用通用硬件，為運行多個移動邊緣應用提供底層硬件的計算、存儲、網絡資源和硬件虛擬化組件，使得有限處理資源能夠靈活、有效地復用共享；移動邊緣應用則是基于虛擬化基礎設施形成的虛擬應用，通過標準應用程序接口(application program interface, API)與第三方應用實現對接，為用戶提供服務.

2 MEC的5G標準化進展

目前，MEC在3GPP 5G的標準化進展如圖2所示，標志性的工作是3GPP SA2工作組(SA方向負責業務與系統方面的工作)R15(3GPP移動通信系統標準版本號)于2016年4月份正式接受MEC成為5G網絡架構的關鍵議題.

Fig. 2 Standardization of MEC in 3GPP圖2 3GPP中MEC標準化進展

此外SA2工作組在R14方向主要進行控制平面(control plane, CP)與用戶平面(user plane, UP)分離(user and control plane separation， CUPS)的5G核心網架構演進[3]工作，目前第3階段已凍結.其中5G核心網會將4G核心網中固化的同一網元內的不同功能剝離，重組成不同的模塊，不同模塊專注于特定功能.如圖3所示，4G核心網主要由移動管理實體(mobility management entity, MME)、服務網關(serving gateway, S-GW)及分組數據網網關(packet data network gateway, P-GW)等固化的網元及網關組成.5G核心網會將4G核心網中MME的功能分解到會話管理功能(session management function, SMF)、接入和移動性管理功能(access and mobility management function, AMF)等；4G核心網S-GW及P-GW的路由功能則經過重組，由5G核心網中的用戶平面功能(user plane function, UPF)執行.同時5G核心網將增加網絡開放功能(network exposure function， NEF)，用于將監控、配置、策略及收費等網絡能力開放給第三方，以支持MEC在5G網絡中的部署.C/U分離的架構支持用戶平面功能UPF及部分控制平面功能模塊，如會話管理功能SMF、策略控制功能(policy control function, PCF)、網絡開放功能NEF等，隨MEC服務器進行按需靈活部署.此外，通過增加本地數據網(local data network, L-DN)，在MEC實現內容訪問.綜上所述，5G的網絡架構如圖3所示，其中應用程序功能(application function, AF)用于提供應用程序，可以由運營商或第三方管理.

Fig. 3 Evolution of mobile communication core network from 4G to 5G圖3 移動通信核心網從4G到5G的演進

與此同時，SA1工作組在AR等Smarter服務實例中研究了MEC開發平臺需求[4].SA5工作組主要開展了業務平臺/API架構、MEC管理、MEC相關特性網絡功能管理、平臺和第三方應用管理等研究[5].SA6工作組則研究了統一業務平臺及北向API架構[6].

其他工作組也對MEC展開了相應的標準化工作.3GPP RAN3工作組負責移動通信系統網絡整體結構及S1(基站與移動性管理實體之間的接口)、X2(基站之間的接口)等接口技術的標準化，2016年開始無線感知與智能分發(context aware service delivery，CASD)即MEC應用方面的研究[7]，目前處于技術可行性研究階段(study item，SI).同時RAN2工作組負責移動通信系統協議架構第2層及第3層的工作，從2017年開始研究視頻增強(enhancements on video, eVideo)[8]，目前處于具體技術規范撰寫階段(work item, WI).

總體而言，為支持MEC，5G網絡需支持的功能主要包括7個方面[9]：

1) 用戶平面選擇(重選)功能.5G核心網應具有選擇或者重選用戶平面功能UPF的能力，以便將用戶業務路由到本地數據網.即5G核心網的接入和移動性管理功能AMF根據各用戶平面功能UPF的部署場景(如集中部署、靠近或直接在接入網站點分布部署)來選擇和重選用戶平面功能UPF，以便將用戶業務路由到本地數據網，在MEC實現內容訪問.

2) 本地路由和業務定向功能.5G核心網選擇業務，將其路由給本地數據網中的應用程序.即當應用程序服務器有請求時，5G核心網觸發UE中的特定應用，后者通過5G核心網的SMF、AMF及統一數據管理(unified data management, UDM)等選擇與特定的本地數據網建立會話，將業務路由到本地數據網中的應用程序，在MEC實現內容訪問.

3) 支持會話及服務連續性，可以滿足UE和應用程序的移動性需求.

4) 應用程序功能AF可能通過PCF或NEF來影響用戶平面功能的選擇(重選)及業務路由.即當AF由第三方管理，運營商允許AF直接接入網絡時，AF可能會通過發送請求來影響5G核心網SMF對會話業務的路由決策，影響用戶平面功能的選擇(重選)進而將業務路由到本地數據網.當不能直接接入網絡時，AF將通過NEF來影響UPF的選擇(重選)及業務路由.

5) 網絡能力開放功能.5G核心網和AF可以直接或通過NEF為彼此提供信息.即當AF由運營商管理時，AF可以與5G核心網直接交互；當AF由第三方管理時，AF可以通過NEF實現與核心網的交互.

6) QoS和計費功能.定義策略控制功能PCF，為路由到本地數據網、在MEC實現內容訪問的業務提供QoS(quality of service)控制和計費規則.

7) 支持局部區域數據網(local area data network, LADN).5G核心網為連接到局部區域數據網LADN提供支持.其中LADN是部署在某些特殊區域，為用戶提供某些特殊的數據網域名(data network name， DNN)接入的數據網.5G核心網的AMF為UE提供LADN的可用性信息，SMF追蹤UE是否位于LADN服務區域，進而決策UE是否連接到局部區域數據網.

3 融合MEC的5G網絡架構

3.1 MEC在網絡中的部署

在移動通信網絡中，MEC的部署方式主要有2種：1)將MEC功能集成到基站，通過軟件升級或增加板塊，將MEC作為基站的增強功能；2)將MEC作為獨立的網元進行部署，同時實現與核心網的協同與統一管理.

此外，MEC的部署位置可以根據性能、開銷、已有網絡部署等因素，結合業務的時延需求，采取不同層級的網絡部署策略.一種策略是MEC可部署在無線接入點，由于其靠近基站基帶單元(baseband unit, BBU)，沒有傳輸時延，適用于時延要求高的業務及應用，但由于覆蓋范圍小，只能提供小范圍、本地化的服務，節點使用效率較低.另一種策略是MEC可部署在匯聚點，能夠提供大范圍、較近距離的服務及云端業務支持，但由于基站BBU到MEC存在傳輸時延，適用于較低時延的業務及應用.

值得注意的是，當MEC部署在無線接入點時，傳統核心網整個網元/網關功能需要隨MEC分布部署于網絡邊緣[10]，這將導致大量的接口配置、信令交互設計等，對現有網絡架構改動較大.但如果核心網采用控制平面與用戶平面分離的架構，則只需將部分模塊化的網元/網關功能，如接入和移動性管理功能、網絡開放功能等，與用戶平面一起部署到MEC，實現隨MEC按需靈活部署，使業務處理更加快速，有效降低時延；同時其他控制平面網元/網關功能仍集中部署，減輕接口配置負擔.

3.2 未來5G網絡中MEC的部署

未來的5G網絡與傳統移動通信網絡的架構有所不同，因此5G中MEC的部署有其獨特性.未來5G將采用超密集小區的技術來提升網絡容量，即將小區覆蓋半徑進一步縮小，用更多的小區實現某一區域的覆蓋，以便進一步提高頻譜利用的效率.移動通信系統從1G發展到5G，一直在采用這種縮小半徑、增加小區數的網絡擴容技術.目前為止，這種技術已經給移動通信網絡帶來了1 000倍的容量增長，未來5G將繼續采用超密集小區的技術改善網絡容量[11-12].

傳統的分布式移動通信網絡架構下，即一個小區由一個基站管理且各基站基本互相獨立的架構下，小區的密集化將給5G網絡帶來眾多挑戰.由于基站需要進行大量的信號處理，要有復雜的硬件設備進行支撐，需要一個專門的機房放置這些設備，并配置散熱設施對機房進行降溫.這樣，小區密集化就帶來了難以尋求基站站址、網絡能耗與維護費用直線上升等問題.此外，傳統架構下各小區基站物理上是互相獨立的，因此各基站的計算存儲資源難以共享.5G網絡將采用集中式網絡架構來解決這些問題.與傳統的架構不同，集中式網絡架構將所有小區基站的天線與信號處理設備分離，天線部分留在基站站址，信號處理設備集中到一個控制中心.一方面，相比整個小區基站，天線所需位置空間大大減少，容易尋址.另一方面，所有基站的信號處理設備集中管理，有利于降低網絡能耗與維護費用，而且可以共享各基站的計算資源，帶來資源的統計復用增益.目前已有多種集中式移動通信網絡架構，例如中國移動提出的CRAN架構[13]、IBM提出的Wireless Network Cloud架構[14]和中國科學院計算技術研究所提出的超級基站架構[15]等.

Fig. 4 Framework for super base station圖4 超級基站基本功能框圖

圖4所示是中國科學院計算技術研究所的超級基站功能框圖，主要由硬件資源層、資源管理層和虛擬基站層組成.其中硬件資源是硬件架構基礎，包括多模基帶處理DSP池、協議處理CPU池等，支持大規模移動通信基帶運算與協議處理；資源管理層是邏輯功能創新關鍵，包括基帶處理管理和協議處理管理軟件，主要采用虛擬化技術分配、管理硬件資源，在此之上虛擬出基站功能，構成虛擬基站層.由于超級基站采用了資源池化和虛擬化技術，通過定制不同模式的基帶和協議處理軟件即可實現不同模式的通信系統，實現硬件資源的高效復用，同時有利于網絡的快速升級，節約成本.此外，超級基站采用資源水平共享及集中管控的方式，能夠從全局角度對硬件資源進行實時的動態調度，有效提升通信、計算、存儲資源的利用率，實現負載均衡，解決潮汐效應帶來的資源浪費問題.此外，由于超級基站采用物理集中、邏輯分布的組網方式，射頻單元與基帶處理單元實現解耦，有利于運營商根據實際需求靈活部署遠端射頻單元.

對比超級基站與圖1中的MEC主機可見，兩者的結構和核心功能類似.因此，在5G 集中式網絡架構下，架構的中心控制單元例如超級基站，完全有能力利用其計算、存儲資源池，虛擬出MEC所需功能，將MEC無縫地融合到移動通信網絡架構中，提供邊緣計算與存儲能力，滿足業務低時延、密集計算的需求.但相比傳統分布式基站，超級基站由于覆蓋范圍大，其到用戶最遠距離在20～40 km之間，按照光纖中傳輸速度2×108m/s計算，會產生100 μs～200 μs的時延.因此，對于小范圍、超低時延業務及應用場景，可以選擇將MEC部署在傳統分布式基站側；而其他大范圍、較低時延業務及應用場景，可以選擇將MEC嵌入到集中式超級基站中.

綜合上述分析，如圖5所示，未來5G移動通信網絡將是一個融合了集中式架構和傳統分布式基站架構的異構通信網絡，同時又是一個能夠從移動終端、傳統基站、中心控制單元、核心網等不同層級提供邊緣計算或者云計算功能的多級計算網絡，是一個通信與計算協同的網絡.

Fig. 5 A MEC coordinated 5G mobile communication network architecture圖5 融合MEC的未來5G移動通信網絡架構

4 融合MEC的5G網絡基礎理論與關鍵技術

由圖5可見，融合MEC的5G網絡具備多級計算與通信協同的架構，在傳統移動通信網絡中引入多級計算協同，有可能利用計算和存儲資源降低對通信資源的需求，提升整體網絡性能[16].面向通信與計算協同，融合MEC的5G網絡在基礎理論與關鍵技術研究方面仍面臨眾多挑戰.

基礎理論方面，如何獲取通信與計算融合的5G網絡容量是一個核心問題.只考慮通信資源，如頻帶和發送功率，無線通信的容量已由香農給出[17]；但考慮MEC等引入的計算與存儲資源后，給出容量與通信資源關系的香農理論并不能直接擴展到計算與存儲資源；文獻[18]的研究表明:對比通信資源帶來的增益呈對數關系，計算維度帶來的容量增益與計算和存儲維度的能力近似呈線性關系.因此，若能有效融合計算與通信，有望推動未來通信網絡的可持續性發展；對此，研究人員進行了一系列相關工作：文獻[19]總結了通信與計算融合的基礎理論研究方向，即如何定義并建模網絡效用容量、網絡效用容量與計算能力之間如何轉換以及如何利用虛擬化及網絡化技術實現資源的有效分配；文獻[20]中研究了通信、計算、存儲3維資源的協同，并將計算能力用 “計算度”來衡量，表征操作中涉及的信息流的數量.但如何規范通信、計算和存儲資源的定義，面向未來通信與計算融合的5G網絡，給出一個統一的容量分析，仍是需要解決的一大挑戰.

關鍵技術方面，對融合MEC的5G網絡而言，通信與計算資源的協同優化是關注的焦點之一.例如，引入MEC后，5G網絡具備了多級計算的能力，那么對每一個業務而言，如何在具有不同計算能力的節點分配其計算任務，即計算任務卸載，是需要解決的一個重要問題.與傳統的計算任務卸載主要考慮計算資源不同，MEC協同的5G移動網絡是一個無線傳輸網絡，無線資源如帶寬和發送功率等是嚴格受限的，在設計計算任務卸載機制時必須考慮在內，進行聯合優化.在這個方向上，文獻[21]以最小化時延為目標，研究了功率約束下的單用戶計算卸載決策問題；對于多用戶場景，文獻[22]則以最小化用戶終端功耗為目標，研究了時延約束下傳輸功率、通信與計算資源的聯合優化問題；文獻[23]則對卸載決策、物理頻譜資源分配、MEC計算資源分配和內容緩存策略進行建模及聯合優化；文獻[24]將計算卸載決策問題建模為MEC服務器的選擇問題，提出一種多用戶多MEC服務器場景下計算與通信資源聯合分配模型；面向5G業務需求，文獻[25]則從細粒度任務卸載算法、高可靠任務卸載與預測算法以及服務器聯合資源管理策略3個方面介紹了現有移動邊緣計算技術的工作進展.另外一方面，考慮融合了MEC的集中式架構單元(如超級基站)，可參考現有集中式架構計算資源管理機制[26]，根據移動通信網絡不同小區內用戶流量的不同以及對MEC需求的不同，將小區進行分組，每組小區總流量需求或對MEC的總需求近似相等，再將計算資源映射到每組小區，就可以有效避免計算資源浪費，降低總體計算資源需求，降低能耗.

此外，正如第1節介紹的，未來視頻業務將占所有移動流量的70%以上，是最重要的一種移動業務.考慮時延不敏感的大容量流媒體業務，目前研究的一個熱點是如何利用MEC協同的5G網絡的計算存儲能力來降低無線接入端的擁塞.主要有2個方向:

1) 計算存儲多播.廣播多播是無線傳輸的本質是一種高譜效和高能效的傳輸方式[27-29].計算存儲多播將網絡的計算存儲能力與無線通信的廣播多播能力結合，變單播為廣播多播，保證多個用戶接收到所需內容的同時，大幅降低對無線資源的需求.該方向的經典論文是文獻[30]，其中提出的計算存儲多播機制主要思想如下.首先分別將各文件的一部分緩存到不同用戶終端，當用戶請求完整文件時，網絡將各文件剩余部分進行異或運算，然后通過廣播多播方式傳遞給各用戶，用戶終端利用已緩存的文件內容與廣播多播接收內容進行異或運算，就能得到想要的完整文件.該方式可有效降低通信傳輸需求，提升傳輸效率.

2) 挖掘視頻業務本身的特點，提出創新的壓縮機制，實現無線帶寬的節帶化傳輸.針對視頻中存在大量重復背景畫面的特點，文獻[31]提出背景識別機制，將背景從視頻畫面中摳出，剩余的畫面用傳統壓縮方法壓縮后傳輸，背景部分則用語義描述的方式傳輸，可有效降低傳輸帶寬，節約無線通信資源.但目前相關機制只在背景相對固定不變視頻監控中加以了驗證，要應用到一般的視頻業務中仍存在挑戰.

5 總 結

融合MEC的未來5G移動通信網絡有望滿足視頻業務及新型業務帶來的高回傳帶寬、低時延需求.本文介紹了MEC框架結構及其在5G中的標準化進展，并總結了MEC的部署方式和策略.然后結合5G移動通信網絡架構的發展，提出了融合MEC的、通信與計算協同的未來5G移動通信網絡架構.最后介紹了面向通信與計算協同，融合MEC的5G網絡在基礎理論與關鍵技術研究方面的挑戰和當前的研究進展.可以看到：目前融合MEC的5G網絡仍然面臨眾多挑戰，亟需進一步的深入研究探討，推動通信與計算協同的發展.未來，我們將針對融合MEC的5G網絡中通信與計算協同理論進行研究，期望得出統一的容量分析；同時將開展多級計算模型研究，以得出通信與計算資源的協同優化解決方案.

[1] Hu Yunchao, Patel M, Sabella D, et al. Mobile edge computing: A key technology towards 5G[S/OL]. Valbonne, France: European Telecommunications Standards Institute (ETSI), 2015. [2017-10-01]. http://www.etsi.org/technologies-clusters/white-papers-and-brochures/etsi-white-papers

[2] Mobile Edge Computing (MEC) ETSI Industry Specification Group (ISG). Mobile edge computing (MEC); framework and reference architecture, version 1.1.1[S/OL]. Valbonne, France: European Telecommunications Standards Institute (ETSI), 2016. [2017-10-01]. http://www.etsi.org/standards-search#page=1&search=Mobile Edge Computing

[3] 3rd Generation Partnership Project. 3GPP TS 23.007: Restoration procedures, version 14.3.0[S/OL]. Valbonne, France: 3rd Generation Partnership Project Organizational Partners, 2017. [2017-10-01]. http://www.3gpp.org/DynaReport/23-series.htm

[4] 3rd Generation Partnership Project. 3GPP TR 22.891: Feasibility study on new services and markets technology enablers, version 14.2.0[R/OL]. Valbonne, France: 3rd Generation Partnership Project Organizational Partners, 2016. [2017-10-01]. http://www.3gpp.org/DynaReport/22-series.htm

[5] 3rd Generation Partnership Project. 3GPP TR28.802: Study on management aspects of next generation network architec-ture and features, version 0.7.0[R/OL]. Valbonne, France: 3rd Generation Partnership Project Organizational Partners, 2017. [2017-10-01]. http://www.3gpp.org/DynaReport/28-series.htm

[6] 3rd Generation Partnership Project. 3GPP TR 23.722: Study on common API framework for 3GPP northbound APIs, version 1.0.0[R/OL]. Valbonne, France: 3rd Generation Partnership Project Organizational Partners, 2017. [2017-10-01]. http://www.3gpp.org/DynaReport/23-series.htm

[7] 3rd Generation Partnership Project. 3GPP TR 36.933: Study on context aware service delivery in RAN for LTE, version 14.0.0[R/OL]. Valbonne, France: 3rd Generation Partnership Project Organizational Partners, 2017. [2017-10-01]. http://www.3gpp.org/DynaReport/36-series.htm

[8] China Mobile Communications Corporation (CMCC), Huawei and Intel. R2-1705789: Work plan on further enhancements on video for LTE[R/OL]. Valbonne, France: 3rd Genera-tion Partnership Project Organizational Partners, 2017. [2017-10-01]. http://www.3gpp.org/DynaReport/Meetings-R2.htm

[9] 3rd Generation Partnership Project. 3GPP TS 23.501: System architecture for the 5G system, version 1.2.0[S/OL]. Valbonne, France: 3rd Generation Partnership Project Organizational Partners, 2017. [2017-10-01]. http://www.3gpp.org/DynaReport/23-series.htm

[10] IMT-2020 (5G) Promotion Group. 5G network technology architecture[R/OL]. Beijing: IMT-2020(5G) Promotion Group, 2015. [2017-10-01]. http://www.cttl.cn/data/bps/201606/t20160602_2171598.htm

(IMT-2020(5G)推進組. 5G網絡技術架構[R/OL]. 北京: IMT-2020(5G)推進組, 2015. [2017-10-01]. http://www.cttl.cn/data/bps/201606/t20160602_2171598.htm)

[11] Liu Ling, Zhou Yiqing, Tian Lin, et al. Load aware joint CoMP clustering and inter-cell resource scheduling in heterogeneous ultra dense cellular networks[OL]. [2017-10-01]. http://ieeexplore.ieee.org/document/8110665/

[12] Garcia V, Zhou Yiqing, Shi Jinglin. Coordinated multipoint transmission in dense cellular networks with user-centric adaptive clustering[J]. IEEE Trans on Wireless Communications, 2014, 13(8): 4297-4308

[13] China Mobile Research Institute. C-RAN: The road towards green RAN, version 2.5[R/OL]. Beijing: China Mobile Research Institute, 2011. [2017-10-01]. https://wenku.baidu.com/view/0cf7c66c227916888486d7a1.html

(中國移動通信研究院. C-RAN: 無線接入網綠色演進, 版本號 2.5[R/OL]. 北京: 中國移動通信研究院, 2011. [2017-10-01]. https://wenku.baidu.com/view/0cf7c66c227916888486d7a1.html)

[14] Lin Yonghua, Shao Ling, Zhu Zhenbo, et al. Wireless network cloud: Architecture and system requirements[J]. IBM Journal of Research & Development, 2010, 54(1): 38-49

[15] Qian Manli, Wang Yuanyuan, Zhou Yiqing, et al. A super base station based centralized network architecture for 5G mobile communication systems[J]. Digital Communications and Networks, 2015, 1(2): 152-159

[16] Maddah-Ali M, Niesen U. Fundamental limits of caching[J]. IEEE International Symposium on Information Theory, 2013, 60(5): 1077-1081

[17] Shannon C E. Communication in the presence of noise[J]. Proceedings of the Institute of Radio Engineers, 1949, 37(1): 10-21

[18] Liu Hui, Chen Zhiyong, Qian Liang. The three primary colors of mobile systems[J]. IEEE Communication Magazine, 2016, 54(9): 15-21

[19] Wang Xinbing, Tao Meixia, Liu Hui. Computing communi-cations: Wireless transmission of mass information[J]. ZTE Technology Journal, 2013, 19(2): 40-43 (in Chinese)

(王新兵, 陶梅霞, 劉輝. 計算通信: 超量信息無線傳輸的深度探索[J]. 中興通訊技術, 2013, 19(2): 40-43)

[20] Liu Hui, Chen Zhiyong, Tian Xiaohua, et al. On content-centric wireless delivery networks[J]. IEEE Wireless Communications, 2014, 21(6): 118-125

[21] Liu Juan, Mao Yuyi, Zhang Jun, et al. Delay-optimal computation task scheduling for mobile-edge computing systems[C] //Proc of the IEEE Int Symp on Information Theory. Piscataway, NJ: IEEE, 2016: 1451-1455

[22] Barbarossa S, Sardellitti S, Lorenzo P D. Joint allocation of computation and communication resources in multiuser mobile cloud computing[C] //Proc of the 14th IEEE Workshop on Signal Processing Advances in Wireless Communications (SPAWC). Piscataway, NJ: IEEE, 2013: 26-30

[23] Wang Chenmeng, Liang Chengchao, Yu F R, et al. Computation offloading and resource allocation in wireless cellular networks with mobile edge computing[J]. IEEE Trans on Wireless Communications, 2017, 16(8): 4924-4938

[24] Lin Xiaopeng, Zhang Heli, Ji Hong, et al. Joint computation and communication resource allocation in mobile-edge cloud computing networks[C] //Proc of the IEEE Int Conf on Network Infrastructure and Digital Content. Piscataway, NJ: IEEE, 2016: 166-171

[25] Tian Hui, Fan Shaoshuai, Lü Xinchen, et al. Mobile edge computing for 5G requirements[J]. Journal of Beijing University of Posts and Telecommunications, 2017, 40(2): 1-10 (in Chinese)

(田輝, 范紹帥, 呂昕晨, 等. 面向5G需求的移動邊緣計算[J]. 北京郵電大學學報, 2017, 40(2): 1-10)

[26] Zhai Guowei, Tian Lin, Zhou Yiqing, et al. Load diversity based optimal processing resource allocation for super base stations in centralized radio access networks[J]. Science China Information Sciences, 2014, 57(4): 042303

[27] Zhou Yiqing, Liu Hang, Pan Zhengang, et al. Spectral and energy efficient two-stage cooperative multicast for LTE-A and beyond[J]. IEEE Wireless Magazine, 2014, 21(2): 34-41

[28] Zhou Yiqing, Liu Hang, Pan Zhengang, et al. Cooperative multicast with location aware distributed mobile relay selection: Performance analysis and optimized design[J]. IEEE Trans on Vehicular Technology, 2017, 66(9): 8291-8302

[29] Zhou Yiqing, Liu Hang, Pan Zhengang, et al. Energy efficient two-stage cooperative multicast based on device to device transmissions: Effect of user density[J]. IEEE Trans on Vehicular Technology, 2016, 65(9): 7297-7307

[30] Maddah-Ali M A, Niesen U. Fundamental limits of caching[J]. IEEE Trans on Information Theory, 2014, 60(5): 2856-2867

[31] Liu Chang, Tian Lin, Zhou Yiqing, et al. Video content redundancy elimination based on the convergence of computing, communication and cache[C] //Proc of the IEEE Global Communications Conf. Piscataway, NJ: IEEE, 2017: 16654755