基于随机优化的5G网络切片资源分配算法研究

摘要
摘要
网络切片作为5G的关键技术之一，对实际网络进行资源和功能的划分，形成应对不同应用场景的虚拟网络。

网络切片的资源分配是实现灵活按需组网首要考虑的因素，高效的资源分配算法能提高网络资源利用率、保障用户服务质量、增加网络性能等。

因此本文基于随机优化理论对5G网络切片的资源分配问题进行了研究，主要研究内容和工作总结如下：
1.为了满足网络切片多样化需求，实现无线虚拟资源的动态分配，提出了在云无线接入网中基于非正交多址接入的联合用户关联和功率分配算法。

首先，该算法在不完美信道条件下，以切片和用户最小速率需求及时延QoS要求、系统中断概率、前传链路容量为约束，建立了在云无线接入网中最大化系统平均总吞吐量的联合用户关联和功率分配模型。

其次，将概率混合优化问题转换为非概率优化问题，并利用李雅普诺夫优化理论设计了一种动态的联合用户关联和功率分配算法。

最后采用贪婪算法解决用户关联问题求得次优解；基于用户关联的策略，将功率分配问题利用连续凸逼近方法将其转换为凸优化问题并采用拉格朗日对偶分解方法获得功率分配策略。

仿真结果表明，该算法能满足各网络切片和用户需求的同时有效提升网络切片的平均总吞吐量。

2.针对网络切片对内容请求的不确定和频谱资源短缺而引起的时频资源分配不合理的问题，提出一种在雾无线接入网架构中联合时频资源分配和内容缓存的算法。

首先，该算法根据不同网络切片内容请求以及前传链路与无线接入链路服务质量状态的动态随机性，在内容服务时延和网络切片对时频资源的最低需求约束下建立了最大化长期平均系统效用的约束马尔科夫决策过程随机优化模型；其次，针对网络状态动态随机变化，网络状态转移概率难以获得的情况，引入决策后状态建立基于决策后状态值函数的动态规划方程；最后，利用随机梯度法提出一种在线学习的网络切片时频资源分配和雾节点内容缓存算法。

仿真结果表明所提算法能够在保证网络切片内容服务时延的同时更好地权衡内容缓存决策与时频资源分配决策。

关键词：5G网络切片，资源分配，李雅普诺夫优化，马尔科夫决策过程
Abstract
Abstract
As one of the key technologies of5G,network slicing divides the actual network into virtual networks corresponding to different application scenarios by dividing the network resources and functions.Resource allocation of network slicing is the primary consideration for flexible on-demand networking.Efficient resource allocation algorithms can improve network resource utilization,ensure user’s quality of service,and increase network performance.Therefore,this thesis focuses on the resource allocation of5G network slicing based on the stochastic optimization theory.The main research contents and work are summarized as follows:
1.To satisfy the diversity of requirements for different network slices and realize dynamic allocation of wireless virtual resource,this thesis proposes an algorithm for network slicing joint user association and power allocation in cloud radio access network based on non-orthogonal multiple access.Firstly,by considering imperfect channel state information, this thesis develops a joint user association and power allocation algorithm to maximize the average total throughput in cloud radio access network with the constraints of slice and user minimum required rate,outage probability and fronthaul capacity limits.Secondly,this thesis designs a dynamic joint user association and power allocation algorithm by transforming the probabilistic mixed optimization problem into a non-probabilistic optimization problem and using Lyapunov optimization.Finally,for user association problem,this thesis proposes a greedy algorithm to find a feasible suboptimal solution;and transforms the power allocation problem into a convex optimization problem by using successive convex approximation,then exploits a dual decomposition approach to obtain a power allocation strategy.The simulation results show that the proposed algorithm can effectively improve the average total throughput of network slicing while guaranteeing the requirement of each slice and user.
2.Aiming at the unreasonable allocation of time-frequency resources caused by the uncertainty of content request and the shortage of spectrum resources in network slicing,this thesis proposes an algorithm joint time-frequency resource allocation and content caching in fog radio access networks.Firstly,according to the dynamic randomness of different network slice content requests and the quality of service of the fronthaul link and the wireless access link,a constrained markov decision process stochastic optimization model that maximizes the long-term average system utility is established under the constraint of the content service
重庆邮电大学硕士学位论文
delay and the network slice on the minimum demand of time-frequency resources.Then because it is difficult to obtain the network state transition probability,the post-decision state is introduced to establish the dynamic programming equation based on the post-decision state value function.Finally,an online learning algorithm based on stochastic gradient method is proposed so as to obtain the time-frequency resource allocation and content caching algorithm. The simulation results show that the proposed algorithm can better balance the content cache decision and resource allocation decision while ensuring the network slice content service delay.
Keywords:5G network slicing,resource allocation,Lyapunov-based optimization, markov decision process
目录
目录
图录 (VII)
表录 (IX)
注释表 (X)
第1章绪论 (1)
1.1研究背景和意义 (1)
1.25G系统概述 (4)
1.35G无线接入网架构 (6)
1.3.1基于C-RAN的5G接入网架构 (6)
1.3.2基于F-RAN的5G接入网架构 (8)
1.3.3无线网络切片 (10)
1.45G无线网络切片的无线资源管理问题 (12)
1.5论文主要工作和内容安排 (14)
1.5.1本文研究内容 (14)
1.5.2论文结构安排 (14)
第2章5G无线网络切片资源分配算法研究 (16)
2.1引言 (16)
2.25G网络切片资源分配概述 (16)
2.2.1网络切片资源分配方式 (16)
2.2.2无线网络切片资源分配相关技术 (18)
2.35G网络切片资源分配研究现状 (20)
2.45G网络切片资源分配算法分类 (22)
2.4.1基于商业模型的资源分配 (22)
2.4.2基于匹配理论的资源分配 (25)
2.4.3基于随机优化理论的资源分配 (27)
重庆邮电大学硕士学位论文
2.5本章小结 (29)
第3章基于NOMA的网络切片联合用户关联和功率分配算法 (31)
3.1引言 (31)
3.2系统模型和问题建模 (32)
3.2.1基于NOMA的C-RAN架构模型 (32)
3.2.2优化问题转化 (37)
3.3联合用户关联和功率分配机制 (41)
3.3.1用户关联问题 (41)
3.3.2功率分配问题 (43)
3.4性能仿真与结果分析 (47)
3.5本章小结 (52)
第4章F-RAN中基于MDP的联合资源分配和内容缓存算法 (54)
4.1引言 (54)
4.2系统模型 (55)
4.2.1网络模型 (55)
4.2.2虚拟队列模型 (56)
4.2.3目标函数效用模型 (57)
4.2.4CMDP建模 (58)
4.3网络切片时频资源分配和内容缓存算法设计 (60)
4.3.1优化问题转换 (60)
4.3.2基于决策后状态的动态规划方程 (61)
4.3.3基于在线学习的网络切片时频资源分配和内容缓存算法 (64)
4.4性能仿真与结果分析 (66)
4.5本章小结 (71)
第5章结束语 (73)
5.1主要工作与创新点 (73)
5.2后续研究工作 (74)
参考文献 (75)
致谢 (81)
攻读硕士学位期间从事的科研工作及取得的成果 (83)
图录
图1.1网络切片实例示意 (3)
图1.25G网络网元图 (5)
图1.3基于C-RAN的5G接入网架构 (8)
图1.4基于F-RAN的5G接入网架构 (9)
图1.5无线网络切片示意图 (11)
图2.1NOMA和OFDMA资源分配情况 (19)
图2.2基于双优先级的网络切片资源分配机制 (21)
图2.3基于商业模型的资源分配架构 (23)
图2.4分层匹配资源分配模型 (26)
图3.1基于NOMA的网络切片架构 (32)
图3.2所有切片平均总吞吐量和平均队列长度与控制参数V (49)
图3.3不同切片用户在连续时隙上的队列变化 (49)
图3.4平均时延与控制参数V的关系 (50)
图3.5不同信道估计误差方差和中断概率下平均切片总吞吐量 (50)
图3.6不同资源分配方案平均切片吞吐量的比较 (51)
图3.7不同资源分配方案的时间平均队列积压比较 (52)
图3.8平均切片总吞吐量与fronthaul链路容量关系比较 (52)
图4.1基于F-RAN的网络切片架构 (55)
图4.2F-AP n关于每个内容的虚拟队列 (57)
图4.3决策后状态与决策前状态的关系 (62)
图4.4平均拉格朗日乘子 (68)
图4.5系统平均效用与不同折扣因子 (68)
图4.6虚拟队列平均队列长度 (69)
图4.7不同方案下系统平均效用对比 (70)
重庆邮电大学硕士学位论文
图4.8系统平均效用与平均网络切片内容请求到达率 (71)
图4.9系统平均效用与不同内容服务时延约束 (71)
表录
表录
表2.1网络切片资源分配方案现状总结 (29)
表3.1基于NOMA的网络切片资源分配全局算法 (42)
表3.2用户关联贪婪算法 (43)
表3.3基于SCA和拉格朗日对偶分解的RB复用和功率分配算法 (47)
表3.4仿真参数 (48)
表4.1F-RAN中基于在线学习的网络切片时频资源分配和内容缓存算法 (66)
表4.2仿真参数 (67)
注释表
注释表
AR Augmented Reality，增强现实
BBU Building Baseband Unite，室内基带处理单元
CAPEX Capital Expenditure，资本支出
CMDP Constrained Markov Decision Process，约束马尔可夫决策过程CoMP Coordinated Multiple Points Transmission/Reception，多点协作传输C-RAN Cloud-Radio Access Network，云无线接入网络
CRMM Cooperative Radio Resource Management，协同无线资源管理CRSP Collaboration Radio Signal Processing，协作无线信号处理
CSI Channel State Information，信道状态信息
CU Central Unit，集中式单元
DU Distributed Unit，分布式单元
eMBB enhance Mobile BroadBand，增强型移动宽带
F-AP Fog Access Point，雾接入节点
F-RAN Fog-Radio Access Network，雾无线接入网络
F-UE Fog User Equipment，雾用户设备
HetNets Heterogeneous Network，异构网络
HPN High Power Node，大功率节点
InP Infrastructure Provider，基础设施提供商
IoT Internet of Things，物联网
IoV Internet of Vehicles，车联网
ITU International Telecommunication Union，国际电信联盟
MAC Medium Access Control，媒体访问控制层
MIMO Multiple-Input Multiple-Output，多输入多输出
mMTC massive Machine Type Communication，大规模机器类通信MVNO Mobile Virtual Network Operator，移动虚拟运营商
NFV Network Function Virtualization，网络功能虚拟化
X
NGMN Next Generation Mobile Networks，下一代移动网络联盟NOMA Non-Ortho-gonal Multiple Access，非正交多址接入OFDMA Orthogonal Frequency Division Multiple Access，正交多址接入OPEX Operating Expense，运营成本
QoS Quality of Service，服务质量
RAT Radio Access Technology，无线接入技术
RB Resource Block，资源块
RRH Remote Radio Head，射频拉远头
SDN Software Defined Network，软件定义网络
SIC Successive Interference Cancellation，串行干扰消除
SLA Service Level Agreement，服务水平协议
SP Service Provider，服务提供商
uRLLC ultra Reliable&Low Latency Communication，超高可靠性与超低时延通信
VM Virtual Machine，虚拟机
VNF Virtual Network Function，虚拟网络功能
第1章绪论
1.1研究背景和意义
意大利发明家马可尼通过电磁波以三点莫尔斯电码的形式在3公里的距离内成功传送了字母“S”，从此开启了无线通信的道路。

从上世纪80年代兴起的第一代(1st Generation, 1G)移动通信技术到即将到来的第五代(Fifth Generation,5G)移动通信技术，无线通信已经成为当今社会不可缺少的部分。

由最初的卫星通信、无线电传输发展到现在的智能终端设备，无线通信已经改变了人们的生活方式，甚至改变了社会的运行风格。

阅读文献[1]关于无线网络数据可知在2014年全球移动流量增长率约为70%，事实上，随着智能终端设备的使用量不断增加以及互联网技术的不断发展，移动视频（多媒体）流量已呈指数增长，预计到2020年，普通的用户每年将会下载大约1TB的数据[2]，此外，增强现实(Augmented Reality,AR)、物联网(Internet of Things,IoT)、车联网(Internet of Vehicles,IoV)、远程医疗等新兴业务的出现为人们提供了更便捷、更精彩的生活，人们体验到了全新的生活方式。

但是随着智能终端设备的不断增加、无线数据需求和使用指数上升以及新兴多媒体应用的引入，在目前的4G LTE蜂窝系统中，支持快速增长的数据率和连接设备是一项极其艰巨的任务，即使LTE蜂窝网络正在探索研究不同的技术，例如多输入多输出(Multiple-Input Multiple-Output,MIMO)，多点协作传输(Coordinated Multiple Points Transmission/Reception,CoMP)，异构网络(Heterogeneous Network,HetNets)等技术，可以提高数据速率和容量，但是从长远来看，现有蜂窝网络不能支持这种爆炸式增长的流量[2]。

因此在数据速率、覆盖容量、时延和服务质量(Quality of Service,QoS)等方面均有改善的5G无线通信系统的研发迫在眉睫。

欧盟在2012年成立首个全球大规模国际性5G科研项目METIS(Mobile and Wireless Communication Enablers for The2020Information Society)，之后于2013年12月启动5G-PPP(5G Public Private Partnership)项目，该项目是欧盟5G的主体项目，将会持续到2020年。

中国工信部、发改委和科技部于2012年年初成立了IMT-2020(5G)推进组，IMT-2020(5G)推进组是我国5G技术研发的重要平台。

无线行业、学术界和研究机构已经开始在5G通信系统的各个方面进行合作。

爱立信认为5G应该与现有4G LTE网络以向后兼容的方式开始研发，因为这将有助于与传统设备使用相同的载波频率继续服务。

高通正在并行地发展和推动4G和5G，统一的平台有助于提高能效、减少成本，同时能够提供更广泛的新业务。

日本多科莫公司已经确定了未来的两个重要趋势：(1)普遍的无线连接；(2)实时且广泛丰富的内容传输。

多科莫认为高频和低频频段的集成是5G 部署的关键，较低的频率将负责基本覆盖，较高的频率将提供高数据速率。

国内的华为也正在与国际贸易协会、多所大学、政府以及生态系统合作伙伴建立合作关系以期实现5G关键技术的创新。

2017年6月，华为完成了5G研发第二个阶段的测试，在一张物理网络上实现了同时支持多种需求的不同业务功能，并且各项性能指标都高于国际电信联盟(International Telecommunication Union,ITU)定义的5G要求。

由此可见，5G的研发工作在国内外都被广泛地关注并在激烈地进行着。

2014年5月，我国IMT-2020(5G)推进组发布了中国第一份5G白皮书——《5G愿景与需求白皮书》，拉开了中国全面实施5G研究工作的序幕。

《5G愿景与需求白皮书》定义了八种典型的应用场景及其性能指标，包括毫秒级端到端时延的快速路、每平方公里百万连接数的体育场、高速移动的高铁等。

2015年，ITU-R（国际电信联盟无线电通信局）基于对5G研发驱动因素的理解确定了未来5G具有三大典型的应用场景[3,4]，即为增强型移动宽带(enhance Mobile BroadBand,eMBB)、超高可靠性与超低时延通信(ultra Reliable&Low Latency Communication,uRLLC)以及大规模机器类通信(massive Machine Type Communication,mMTC)。

eMBB包括诸如可运行在体育场/馆等用户高度密集分布的区域，需要高清晰度移动视频等的业务，uRLLC是面向垂直行业的超高可靠、对延迟敏感型的应用，mMTC则主要是面向物联网产业，该类应用可以通过传感器以及数据采集等技术手段对环境实施监测，以期实现每平方公里达到上百万的终端连接数。

由此可见，不同的应用场景对移动性、安全性、时延、可靠性和连接数等方面的要求截然不同。

为了应对如此多元化的应用场景和满足业务需求，5G包含了许多关键技术，如移动边缘内容与计算、网关转发与控制分离、新型连接管理和移动性管理、按需组网等。

这些技术将会支撑持续增长的业务以及用户需求。

为了提供多元化的业务支持，并全面提升网络组网的灵活性与可靠性，再加之网络虚拟化、云化等技术的驱动，网络切片成为5G的关键技术。

根据3GPP（第三代移动通信系统标准制定机构）的定义，网络切片是一个能够提供特定网络功能同时具有特定网络特性的逻辑网络[5]。

根据下一代移动网络联盟(Next Generation Mobile Networks, NGMN)5G白皮书[6]，5G网络切片由网络功能模块和无线接入技术(Radio Access
Technology,RAT)组成，针对不同应用场景的业务需求，灵活地设计网络功能和隔离机制等，从而形成一个完整的逻辑网络。

中国移动在3GPP中参与了5G网络架构的研究，在标准化中，中国移动提出未来的5G独立组网架构将会是基于服务的网络架构，对网络切片架构的研究起到了推动作用。

2018年2月，中兴通讯在世界移动大会上提出了网络切片即服务(Network Slice as Service,NaaS)[7]的概念，这是业界首个5G端到端网络切片的解决方案，对网络切片的发展起到了积极推动作用。

工业、汽车、娱乐等多个垂直行业对5G网络切片的性能和隔离性等方面的要求越来越高，都积极加入3GPP、IMT-2020(5G)推进组等通信组织中参与网络切片标准的制定和研究。

5G网络切片是按需组网的一种实现方式，包括服务层和基础设施层，如图1.1所示。

服务层为网络的逻辑层，由网络功能及其之间的逻辑关系连接而成，基础设施层包含了根据业务需求所确定的资源数量，包括用于计算、存储和传输等的物理资源，以及逻辑资源——物理资源的分区或者被一组网络功能共享的多个物理资源的分组[8]。

图1.1网络切片实例示意
由于多元化的业务需求，需要进行多种网络类型的切片，因此每个网络切片具有多种无线虚拟资源分配方式，根据不同业务的需求，对其进行伸缩，在保证不同时刻不同业务的QoS并且提高资源利用率的同时还要保证各切片间的独立性，使各个切片运营互不干扰。

此外，网络环境中存在许多不确定的随机因素，例如无线信道状态、业务流量状态、用户移动性等都会影响无线资源分配的策略，利用随机优化的方法能够根据网络
环境的随机变化弹性地为切片和用户分配合适的无线资源。

因此开展基于随机优化理论的网络切片资源分配研究具有十分重要的意义。

1.25G系统概述
5G网络以用户为中心，提供个性化的内容和辅助业务，提升用户体验。

随着智能终端类型和数量的不断上升，大带宽业务的快速发展，5G接入网的首要任务是实现大容量且无所不在的覆盖。

此外，更高速率、更高频谱效率、更低时延、更低能耗也是在设计网络架构时必须要考虑的因素。

尽管5G技术的研究已经取得了显著的成果，但仍面临着一些挑战。

①异构网络技术融合
不同于传统的蜂窝网络，5G网络的基站密度将会大幅增加，未来的5G网络中将会包含大量不同覆盖范围、不同发射功率的基站。

此外，5G将是一个多种技术融合的网络，需要容纳多种RAT、多种网络架构以及多种业务网络。

多种技术、多种应用场景使网络组成非常复杂。

②频谱资源短缺
随着互联网的迅速发展，各类无线智能终端和移动计算终端快速兴起，移动用户数量爆炸式增长，无线应用成为信息消费的主要形式。

然而作为信息消费基础保障之一的频谱资源是一种有限且不可再生的资源，频谱资源短缺将成为信息发展的一大阻碍。

因此，在有限的频谱资源下如何提高频谱资源利用率成为5G无线技术的一大挑战。

③新兴业务和智能终端大幅提升
物联网、车联网等通信给传统蜂窝网络带来了巨大冲击，由于新兴业务和智能终端设备的指数增长，网络架构的重心从网络核心转移到外围（如终端设备、中继等），这些因素可能会导致网络架构被重新定义。

2015年底，3GPP系统架构组(SA2)正式开展了5G网络架构的研究课题“NexGen”
[9]的研究，定义了5G网络架构的功能愿景。

与现存的网络不同，5G网络不再只是网络的演进，除了各方面性能的提升，5G网络架构引入了许多新技术，带来了革命性的突破，例如网络功能虚拟化(Network Function Virtualization,NFV)技术、软件定义网络(Software Defined Network,SDN)技术、网络切片技术等。

NFV技术[10]通过虚拟化技术实现底层物理资源与虚拟资源之间的映射，构造虚拟机
(Virtual Machine,VM)，加载虚拟网络功能(Virtual Network Function,VNF)。

NFV技术采用虚拟化技术灵活地将VNFs部署在通用目标服务器上[11,12]，将5G网络构造成虚拟的网络环境。

通过将传统的电信设备的软硬件解耦，具有多元化需求的软件功能将运行在相同的硬件设备上，并且不同网络功能在共享计算、存储、网络资源的同时还能保证各虚拟网络的独立性。

SDN技术的主要思想是将数据面与控制面分离，将控制面转移到一个中心位置[13]，从而实现网络功能可编程、可集中转发控制。

SDN技术将VMs进行逻辑连接，构建能够承载信令和数据量的链路，将接入网功能单元与核心网功能单元动态连接，并配置端到端的业务链，最终实现灵活组网。

针对不同应用场景多元化的服务需求和性能指标，一张物理网络被划分为许多网络功能实体的逻辑组合，形成多个端到端的逻辑网络，被切分后的网络即为网络切片[14]。

在构建网络切片时，要保证所服务的业务性能指标数据都可以独立设置和按需调整，从而充分保证切片的网络带宽、QoS、可靠性、安全性等，为切片需求方按其需求灵活地分配计算、存储、通信等资源，提供一种或多种定制化网络服务。

图1.25G网络网元图
2017年3月，3GPP无线接入网络工作组正式启动5G NR项目，同年12月，完成
了非独立组网的5G新空口规范，次年6月，完成了独立组网的5G新空口规范，到此为止完成了5G标准第一阶段工作。

5GPPP在2017年12月发布的“5G架构2.0”白皮书[15]中提出了5G的整体网络架构设计和评估分析，该白皮书还指出需要将网络切片的概念与5G系统紧密结合以支持多样化的应用场景和性能指标。

图1.2为5G网络网元图，其中，5G核心网包含的主要节点为AMF（主要负责访问和移动管理功能，用于支持控制平面功能）和UPF（用于支持用户平面功能）。

无线接入网(NG-RAN)包含两种接入节点：gNB，为5G网络提供控制平面协议和功能，为用户提供NR用户平面；ng-eNB，为网络用户提供4G服务的基站，包含用户平面和控制平面。

gNB间或者ng-eNB间或者两者之间通过Xn接口连接。

NG-RAN既可以运行独立组网，也可以运行非独立组网，运营商可以综合网络需求和运营成本等因素灵活地制定5G部署方式，这是NG-RAN的一个显著特点。

1.35G无线接入网架构
5G网络需要支持多元化的业务类型和应用场景，如对带宽和时延具有更高要求的eMBB业务、具有超高可靠性和超低时延要求的工业物联网等垂直行业uRLLC业务，以及支持海量终端设备连接的mMTC业务。

5G的实现和部署不仅给运营商的运营和管理带来了更高的挑战，还需要在网络架构和空口技术等方面不断演进创新。

从5G业务、技术等方面的发展趋势看，5G网络的接入网架构要满足不断发展的网络需求，可以考虑云计算、雾计算。

典型的有云无线接入网络(Cloud-Radio Access Network,C-RAN)和雾无线接入网络(Fog-Radio Access Network,F-RAN)。

1.3.1基于C-RAN的5G接入网架构
自2009年中国移动首次提出C-RAN的概念以来，C-RAN引起了国内外广泛的关注并逐渐得到了业界的认可，各大设备商及运营商如华为、中兴、英特尔等都在积极开展C-RAN的研究。

C-RAN的主要思想[16,17]是第一步进行射频拉远，使射频拉远头(Remote Radio Head,RRH)无限接近天线，RRH模块主要负责数字信号处理，频率滤波和功率放大。

第二步将来自多个基站的室内基带处理单元(Building Base band Unite,BBU)集中到BBU池，BBU模块的功能包括基带信号的处理，如编码、调制、快速傅里叶变换等。

第三步实现BBU协作处理且云化的基带池。

C-RAN架构如图1.3所示。

从BBU到RRH
之间的传输链路叫前传(fronthaul)链路，fronthaul链路部分通常是使用光纤进行传输，而BBU与核心网之间的传输叫作后传(backhaul)。

C-RAN中的“C”具有四层含义：Centralization（集中化）、Cloud（云化）、Cooperation（协作）以及Clean（清洁）。

其中：
(1)集中化：将以前部署在各机房里的BBU集中放置在一个大的中心机房，降低了基站地址选取难度、减少了机房数量，实现了配套设备（如制冷器）的共享和集中化的管理，不仅便于维护和升级，可以减少网络运营成本，还可节省基带资源成本。

5G的BBU功能被重构为集中式单元(Central Unit,CU)和分布式单元(Distributed Unit,DU)两个功能实体[18]，以处理内容的实时性来区分两个功能。

CU包含无线高层协议栈和部分核心网下沉的功能，主要处理非实时的业务。

DU处理
物理层协议、层一和层二的实时数据需求。

引入CU/DU后将LTE网络的eNodeB功能进行切分，便于集中部署部分无线高层协议功能。

(2)无线云化：云化是基于网络功能虚拟化(NFV)技术和软件定义网络(SDN)技术将资源与应用解耦。

将物理资源虚拟化并统一到一个完整的逻辑资源池，因此将不再是传统的在一个基站内部进行资源分配，而是采用NFV技术在“池”的层面上进行虚拟资源的分配，采用SDN技术根据用户业务的需求来灵活部署网络功能，如此可实现最大限度的资源复用共享，降低系统成本。

(3)协作：引入多点协作传输(Coordinated Multiple Points Transmission/Reception, CoMP)等物理层技术可以提升小区的边缘频谱效率和平均吞吐量，对应于无线高层协议栈的集中，引入5G空口技术后可实现多连接、频谱资源高效协调等协作能力。

(4)清洁：即为绿色节能，利用上述三个云概念的能力，大大地减少了运营商人力、物力的投入。

更重要的是实现了5G网络按需调整无线资源和无线覆盖，在提高资源利用率的同时提升了系统整体的效能比，响应了国家绿色通信的号召。

网络虚拟化技术是基于C-RAN的5G网络接入网的关键技术，首先将一些特殊的网络功能虚拟化会减少信号在通信过程中的差错，将时延降到最低。

其次虚拟化技术可以根据网络需求分配资源，提高资源利用率。

随着虚拟网络的演进，运营商针对不同的网络进行开发和应用，降低5G网络的运营成本、提高用户体验。

C-RAN是面向2020年及之后的5G通信系统，在有限的资源容量下，它将以可持续发展的方式满足未来呈。