计算通信:超量信息无线传输的深度探索

摘要： 计算通信是融合计算和通信这两个信息科技的新兴学科。它通过信息传递和信息处理的深度耦合，在网络中高效地传递函数流，突破超量信息无线传输的“瓶颈”。计算通信基础理论、网络计算增益析取机理、及计算通信普适性是计算通信未来的主要研究方向。

关键词： 计算通信；超量信息；无线传输

Abstract： Computing communications is a new paradigm that combines computing and communications. Through tight integration of information transmission and processing， computing communications delivers a function flow （rather than a traditional information flow） in the network and can fundamentally solve challenges in the wireless transmission of mass information. Promising research areas in computing communications include computing communication theory， exploitation of network computing gain， and ubiquitous computing communication.

Key words： computing communications； mass information； wireless transmission

通信网络深刻地改变着人们的生产、生活和学习方式， 成为支撑现代社会经济发展、社会进步和科技创新的最重要的基础设施。大容量、异构性、智能化代表未来网络的发展趋势。在全球化日益加深的当今世界，信息的作用已经不仅仅是经济发展的支撑，更是决定经济发展成败的引擎。目前，下一代通信网络相关技术已成为各国竞争的焦点和制高点，引领了信息产业革命的第三次浪潮，将成为未来社会经济发展、社会进步和科技创新的最重要的基础设施，也关系到未来国家物理基础设施的安全利用。挑战支持大容量媒体数据传输网络的重大基础科学问题，发展中国具有自主产权的异构网络技术，推动中国在该领域的跨越式发展，具有十分重要的国际战略意义。

移动互联网作为人们交流及获取信息的一种高效便利的渠道，在中国向信息化社会转型的过程中起着倍增器作用。目前国际信息化总的趋势是从固定宽带转向移动宽带。到2015年之前，全球移动宽带用户数将达到38亿。中国目前无线通信用户数将达到6.5亿，在软、硬件领域都可望成为全球最大的产品供应国。无线通信已成为中国率先实现高新技术崛起的支柱行业之一。然而，随着信息向网络化、泛在化、融合化的方向发展，数字媒体内容呈现爆炸式增长的态势。移动通信的发展因此面临着巨大的技术挑战。最近的研究报告（Cisco）显示，未来5年全球移动数据量将增长66倍，其中2/3来自于无线视频业务。因此，移动用户将经常遭遇连接阻塞，下载时间过长，播放滞缓等不良体验。根据全球移动通讯系统协会（GSMA）的报告显示，移动宽带连接速度最慢的国家是印度和中国，而韩国、澳大利亚、新西兰、其余亚太地区和西方国家较快。作为中国战略性新兴产业，移动通信网络的重要作用日益凸显。如何全面提升移动网络的综合效能将直接影响到国民经济建设、国防现代化建设、社会和谐发展。

国际标准化组织、通信企业及科研院所将下一代无线通信系统的技术目标定位在100 MHz带宽内提供高达1 Gbit/s峰值数率。然而从现实情况来看，在过去40年里，蜂窝网的容量增长大约为平均每5年2倍。其中较大的贡献来自于网络规模的扩大及频谱的增加。近十多年里开发的移动通信的主流技术已在3G、4G中得到较充分地应用。在信源方面，多媒体压缩能力的增长大约为每5年2～3倍。其中正在开发的最新标准 H.265只有20% 的压缩能力来自“纯算法”；绝大部分提高来自“视觉体验”。显而易见，移动用户对无线多媒体跳跃式的需求增长是传统无线网络无法独立满足的。如何从根本上解决超量信息有效传输的是网络社会中信息科学目前所面临的重大科学问题。

1 计算通信概念的提出

世界各国高度重视数字媒体通信技术的研发、通信网络基础设施建设、无线通信标准制订。进入新世纪以来，为突破数字通信的技术瓶颈，各国纷纷推出数字媒体相关的研究计划。由于频谱资源日趋匮乏，开发新一代颠覆性无线通信技术，谋求移动通信的主导地位，已经成为国际信息科学技术前沿研究的汇聚点。

作为数字化革命的两个方面，计算和通信在主要目标上有所不同。网络计算主要侧重于在消耗最少资源条件下如何通过计算迅速地、可靠地解决问题；而无线通信则主要侧重于在消耗最少资源条件下如何快速地、可靠地传递信息。在过去的60年间，计算与通信两学科得到了不可思议的发展。一方面，图灵和诺依曼利用许多晶体管搭建了现代电子计算机的雏形，奠定了现代计算体系。而今，电子数字计算机成为人类社会的基石，而且已经演进到多处理器网络架构。在可以预见的未来，网络及移动节点的计算能力仍将遵循摩尔定律，继续其快速增长的势头。另一方面，1948年香农的革命性论文开始了现代数字通信理论的新纪元[1]。文章揭示了无线传输能力在根本上受到频谱资源和能量等因素制约，其承载能力成对数级别增长。从物理层来挖掘无线资源，虽然可以获取频谱利用率及功率利用率的提升，但这种提升是有限的，除了会带来设备复杂度及建网成本的增加，更有一种不可忽视的后果：能耗的巨大增长。

如何突破根据传统香农信息论的现有无线网络瓶颈束缚，取得跨越式的发展，已经成为无线网络进一步发展亟待解决的问题。信息论领域权威学者美国工程院院士斯坦福大学教授T. Cover曾指出：“通信是计算约束的，而计算是通信约束的”。由此可见，解锁无线网络潜能的关键正在于通信与计算的有效结合。如图1所示，传统通信的容量由香农公式所示呈现log函数增长趋势；而根据摩尔定律，计算能力却是呈现指数特性增长。特别是在大规模网络中，网络中的移动终端拥有越来越强大的计算能力，而且智能终端通过网络可以完成更加强大协同计算。将这种丰富的计算能力注入移动通信网中，可以解锁网络通信能力的巨大潜能。可以预见未来移动通信的一个动力源泉是强大的网络计算能力。

纵观无线通信发展历史，网络通信效能的本质提升必须建立在传输理念及网络架构有根本性变革的基础上。计算通信将融合计算和通信这两个信息科技的关键领域，对摩尔定律驱动下的“计算通信理论”这一正在崛起的学科作全面性的研究工作，以谋求超量信息无线传输的本质性突破。其核心思想是围绕终端的信息体验（QoE），通过信息传递和信息处理的深度耦合，同时运用计算和通信资源在网络高效地传递函数流。如图2所示，计算通信系统中的网络效用容量由3种关键因素决定：异构网络总体量、无线传输能力、网络计算能力。虽然无线传输能力的提升已遭遇香农瓶颈效应，网络体量的扩大也附带着巨大的成本，但网络的效用容量仍可通过丰富的计算能力取得跳跃式的增长。网络的效用容量和计算能力之间存在着某种互换关系，好比物体质量与极限速度的之间的对应关系。

2 计算通信的潜力

计算通信作为引领下一代无线通信网络发展的潜在突破性理论，可以追溯到30年前的计算机网络时代。众所周知，路由是计算机网络（比如Internet）中最基本的数据传输装置。字节（比如数据包）可以通过网络的中间节点成功地从源节点传输到目的节点。从这个角度看，2个节点之间的数据包交换就实现网络间的通信，犹如交通道路上运行的汽车。然而当网络（移动）节点具备计算能力时，该经典的通信模型得到了突破。早在1984年，Gamal[2]第一次提出了在一个n个节点的完全连接双向图中计算恒等和奇偶函数的最小传输次数问题。随后，信息论领域大师，美国工程院院士MIT大学教授 Gallager在文献[3]中设计了一种计算恒等和奇偶函数的协议，并指出该协议需要最多O （n logn logn ） 量级的传输次数，量化了计算带来的多节点无线网络中的巨大增益。20年之后，Goyal， Kindler以及Saks[4]证明了计算恒等函数至少需要该数量级的传输次数，因此Gallager的协议是复杂度最优的计算恒等函数算法。

Kumar等的工作[5-7]将计算通信理论运用到无线自组织网络和传感器网络中，开启了这个领域。随后的深入研究表明，在以“效用函数”为目标的通信系统中，整个网络可被视为一个面向应用的分布式计算系统，其计算能力直接决定了系统的效用容量。2000年，Ahlswede等人在文章[8]中指出信息流跟道路上的交通是大不一样的。他们指出，在计算通信网络中，对数据流可以进行代数编码，并再把编码后的信息传输到下一节点。最近十年，网络编码作为计算通信的一种特殊形式，迅速激起了研究的热潮，并且逐步被人们在理论上证明了基于网络计算的传输优势。最近，网络编码逐步被应用到实际系统中。Microsoft、HP、Intel、Cisco、Samsung等研究机构/公司都在实际的有线网络和无线网络中开展网络编码应用工作。

尽管计算通信的潜力初现端倪，国际上到目前为止在移动计算通信领域的研究仍是相对零散的，如文献[9-11]。Dougherty等的研究表明，现有的网络计算技术还无法提供无线网络应能达到的计算增益[9]。网络计算运用于无线多址接入的研究也刚起步[11]。由于移动网络的复杂性及超量信息的多元性，学术界还缺乏完整的理论体系及系统级突破性技术，能将计算通信的潜能转化为可观的网络增益。这对中国来说是个巨大的机遇。

3 计算通信的研究方向

针对超量信息无线传输的容量瓶颈、虚拟化网络中计算通信资源的动态多元性、及新兴数据业务的复杂移动性等挑战问题，计算通信的研究将涉及跨信息领域的交叉学科，主要研究点可以概括为3个方面。

3.1 计算通信基础理论

在摩尔定律的驱动下，无线网络和移动终端的计算能力都在继续以指数性速度增长，为获取有效网络容量增益提供了必要条件。建立“计算通信”的抽象数学模型，并形成普适的理论分析体系，是开启计算通信理论潜能的关键。由此产生的共性关键科学问题就是通过数学语言精准地描述异构网络及移动节点的计算能力，量化群体信息的传输有效性，并借此揭示网络计算能力对整体效用容量的影响。计算通信基础理论的研究涵盖3个主要部分。第一，对无线异构网络“效用容量”的数学定义及建模。在计算通信机制下优化的最终目标函数是群体用户的有效体验即所谓的“效用容量”，只有在“效用容量”框架下研究计算与通信的融合才有真正的意义。第二，基于计算能力的“相对信息理论”。若要在有限的通信能力下提高网络效用容量，就必须考虑相对网络计算能力的有效信息传输能力，探索计算能力与效用容量的转换规律。在此基础上，进一步对异构网络的效用容量进行优化，进而精确地分析各种计算参数对整体性能的影响。第三，在虚拟资源模型化的基础上，通过网络计算将模型化的多元虚拟资源有效的分配给各个网络结点，以最大化虚拟网络资源的利用率，达到包括效率和可靠性在内的最佳网络通信性能。

3.2 网络计算增益析取机理

多种并存的异构网及移动节点所提供的多元化的通信和计算资源通过网络化和虚拟化的方法，在逻辑上形成统一个完整统一的虚拟重构网。如何基于虚拟化的通信资源和网络化的计算资源，利用虚拟重构网的多元协同计算通信理论与机制，以有效获取网络通信中的最大计算增益，是计算通信涵盖的第二大研究点。这就要求首先对这些虚拟通信资源建立适当的描述模型，该模型应该能用统一的方法刻画不同性质的虚拟通信资源，并为多元虚拟资源的协同分配提供基础。其次，协同通信机制能够将所需的计算任务进行有效的分割，尽可能减少每个子计算任务之间的耦合，通过不同网络结点的分布式并行计算来获得协同通信机制要求的虚拟资源分配方案。可见，协同通信机制设计和网络化计算是相互耦合、相互制约、相互促进的整体。因此，这两个部分的联合设计和联合优化将成为本研究点的关键。

3.3 计算通信普适性

适用于大规模网络的计算通信理论必须具备可扩展性、可实现性、及可适用性。因此，需要研究如何充分发挥多元计算能力，建立可扩展的异构计算方法，以及研究可实现的复杂业务的适配机制。具体来说，就是研究大型泛在网络中业务与网络之间，节点与网络之间，以及节点与节点之间的协同计算、通信、及分享机制，将超量信息高效地传递到众多动态节点，从而保证用户体验到优质的移动服务。

4 结束语

无线网络能力本质的提升必须建立在传输理念及网络架构有根本性变革的基础上。虽然现有无线网络容量的提升已遭遇香农瓶颈效应，但网络及移动节点的计算能力却仍呈现指数特性增长。“计算通信理论”是有着巨大潜力的新兴学科，将融合“计算”和“通信”这两个信息科技的关键领域，运用丰富多元的移动网络“计算资源”来解锁无线传输现阶段的瓶颈，释放巨大潜能，以获取无线网络有效容量的跳跃性提升。计算通信的研究应瞄准网络社会中信息科学面临的重大科学问题，研究体现无线网络异构性、适应移动节点多元性及超量信息复杂性的突破性理论论架构与关键技术，是未来无线通信网络的发展方向之一。

参考文献

[1] SHANNON C E. A mathematical theory of communication[J]. Bell System Technical Journal， 1948，27：379-423，623-656.

[2] GAMAL A .Reliable communication of highly distributed information[M]. GOPINATH T M， THOMAS B C.Open Problems in Communication and Computation， Berlin，Germany： Springer-Verlag， 1987： 60-62.

[3] GALLAGER R G.Finding parity in a simple broadcast network[J]. IEEE Transactions on Information Theory， 1988，34（2）： 176-180.

[4] GOYAL N， KINDLER G， SAKS M. Lower bounds for the noisy broadcast problem[J]. SIAM Journal on Computing， 2008，37（6）： 1806-1841.

[5] GUPTA P， KUMAR P R. The capacity of wireless networks[J]. IEEE Transactions on Information Theory， 2000，46（2）： 388-404.

[6] GIRIDHAR A， KUMAR P R. Toward a theory of in-network computation in wireless sensor networks[J]. IEEE Communications Magazine， 2006， 44（4）： 98-107.

[7] GIRIDHAR A， KUMAR P R. Computing and communicating functions over sensor networks[J]. IEEE Journal on Selected Areas in Communications，2005，23（4）：755-764.

[8] AHLSWEDE R， CAI N； LI S Y R， et al. Network information flow[J]. IEEE Transactions on Information Theory， 2000，46（4）：1204-1216.

[9] DOUGHERTY R， FREILING C， ZEGER K. Unachievability of network coding capacity[J]. IEEE Transactions on Information Theory，2006，52（6）： 2365-2372.

[10] AYASO O， SHAH D， DAHLEH M A. Information theoretic bounds for distributed computation over networks of point-to-point channels[J]. IEEE Transactions on Information Theory， 2010，56 （12）： 6020-6036.

[11] NAZER B，GASTPAR M. Computation over multiple-access channels[J]. IEEE Transactions on Information Theory， 2007， 53（10）： 3498-3516.

作者简介

王新兵，上海交通大学教授、博士生导师、电子工程系副主任；主要研究移动多播、移动网络拓扑、认知无线电频谱分配；担任《IEEE TMC》等国际期刊编委；获IEEE通信学会亚太区杰出青年研究者奖等奖项；近五年发表20余篇文章，申请发明专利27项。

陶梅霞，上海交通大学教授、博士生导师、无线通信技术研究所副所长；主要研究方向为物理层网络编码、无线资源分配、MIMO技术等；担任《IEEE TCOM》等国际期刊编委；获IEEE通信学会亚太区杰出青年研究者奖等奖项；在IEEE重要期刊上40余篇，持美国专利2项。

刘辉，上海交通大学致远讲席教授、IEEE院士、 国家“”成员、电子信息与电气工程学院副院长；主要研究方向是宽带移动通信、无线接入、移动多媒体广播；获中国国家专利金奖等奖项 ；出版2部英文专著， 发表45篇论文，并拥有67项中外专利。