本文研究了在连接 RRH 到 CU 的 fronthaul 线路容量限制条件下，随机接入和主动 UE 识别在系统参数变化时采用基于 Bayesian 稀疏检测的量化转发与集中式检测的标准 C-RAN 方法和启用本地检测的 CU-RRH 功能分离方案的相对优劣。

Jun, 2016

本文全面综述了云无线接入网络（C-RANs）的最近进展，包括系统架构、关键技术和开放问题，其中各种功能分离的系统架构及其相应的特性得到了综合总结和讨论，C-RAN 中的关键技术包括前端压缩、大规模协作处理、物理层的信道估计、无线资源分配与优化等，同时，本文还提出了包括边缘缓存、大数据挖掘、社交感知设备对设备、认知无线电、软件定义网络和物理层安全等在内的开放问题和挑战以及实验测试的进展。

Apr, 2016

本文对 C-RAN 的最新研究进展进行简要概述，包括前程压缩、基带处理、媒体访问控制、资源分配、系统级考虑和标准化工作，C-RAN 在 5G 系统发展中具有重要地位。

Dec, 2015

本文研究了云和边缘处理的联合设计，主要集中在设计优化 FRAN（Fog Radio Access Network）中的缓存管理和前传设计等核心问题，以最大化传输速率。

Jan, 2016

本文提出了一种适用于排队感知多媒体异构云射频接入网络（H-CRAN）的节能优化目标函数，以达到同时考虑智能前传容量和跨层干扰约束的最优网络协作波束形成设计算法。该算法实现了加权平均最小平方误差方法，达到了能效和排队延迟之间的平衡，并进一步演示了智能前传约束对此平衡的严格影响。

Jan, 2016

研究了基于混合波束成形的云无线电接入网络中远程无线电头的模拟和数字部分的优化，考虑了理想和不完美的信道状态信息，使用加权下行总速率和网络能源效率最大化的目标进行联合优化，同时满足前传链路宽带限制、每个无线电头功率限制和射频波束成形矩阵常模约束，提出了块协调 下降算法。并探讨了不完美信道状态信息对性能的影响，应用采样平均近似扩展算法。 数值结果证实了所提出方案的有效性，表明所提出的算法对估计误差具有鲁棒性。

Feb, 2019

本文介绍了一种名为 CECIL 的云端协同学习算法，利用深度神经网络优化 Fog 无线接入网络（FRAN）中的云端和边缘计算，以及前传接口。通过将云和边缘计算纳入联合优化框架，以及使用中央计算和分布式决策，并使用上下行前传协调来实现端到端的训练和去中心化的实时推断。

Mar, 2021

该研究提出了一种新的框架来设计绿色 Cloud-RAN，包括 RRH 选择和功率最小化波束成形问题，通过引入群组稀疏性和加权的 l1/l2 范数最小化来解决这个问题，结果显示，该算法显着降低了网络功耗并减少了传输链接的功耗。

Oct, 2013

通过深度强化学习控制前传带宽压缩，该方法在不同的前传负载水平下实现了显著的前传带宽利用率和空中接口吞吐量提升，并能够满足预定的前传时延约束。

Nov, 2023

本文介绍了使用云辅助的技术，将 C-RAN 和 MCC 融合在一起，以优化移动通信系统的性能和能量效率，详细研究了在给定任务的时间限制下，C-RAN 与 MCC 的能量最小化和资源分配问题，并通过迭代算法将非凸优化转化为基于 WMMSE 的等价凸问题，最终得到了可以提高系统性能并节约能源的解决方案。

Sep, 2015