一种超密集网络中基于小型基站自组织协作的缓存方法技术

本发明专利技术提出一种超密集网络中基于小型基站自组织协作的缓存方法，属于无线通信技术领域。包括：首先，根据超密集网络中小型基站的负载能力和位置，得到小型基站的相似度矩阵；然后，根据相似度矩阵和每簇中小型基站的个数k，进行分簇，选取负载能力最好的小型基站充当簇头；依据文件缓存策略将文件缓存到小型基站和宏基站中；用户接入基站后，请求获取文件；最后，判断k的取值是否超过簇内设定的最大值K，若是，输出使得用户的平均下载时延最小的k值；否则，继续更新k值，继续重新分簇。本发明专利技术通过自组织思想分配簇内资源，利用小型基站间的互相协作和自组织，有效地提高了缓存命中率同时减小了用户下载时延，满足多种业务需求。

A Caching Method Based on Self-organizing Cooperation of Small Base Stations in Ultra-Dense Networks

The invention provides a cache method based on self-organizing cooperation of small base stations in ultra-dense network, which belongs to the field of wireless communication technology. Firstly, according to the load capacity and location of small base stations in ultra-dense network, the similarity matrix of small base stations is obtained; secondly, according to the similarity matrix and the number of small base stations in each cluster, cluster, select the small base stations with the best load capacity as cluster head; according to the file caching strategy, file is cached into small base stations and macro base stations; Finally, determine whether the value of K exceeds the maximum value K set in the cluster. If so, the output makes the average download delay of users minimum. Otherwise, continue to update the value of K and continue to re-cluster. The invention allocates resources within the cluster by self-organization idea, utilizes mutual cooperation and self-organization between small base stations, effectively improves the cache hit rate, reduces the download delay of users, and meets various business needs.

【技术实现步骤摘要】
一种超密集网络中基于小型基站自组织协作的缓存方法
本专利技术属于无线通信
，具体涉及一种超密集网络中基于小型基站自组织协作的缓存方法。
技术介绍
超密集组网，即超密集网络UDN技术，通过密集部署小型基站SBS，可实现频率复用效率的巨大提升，是满足5G千倍容量增长需求的关键技术之一。超密集网络UDN被认为是用来满足用户需求，提高系统容量的关键技术之一。UDN通常包含了大量的低功率小型基站SBSs并且部署密度远远高于当前的移动网络场景，可以为用户提供极高的数据传输速率。同时，将缓存技术引入超密集网络，网络边缘缓存近几年来吸引了很多关注，其主要思想是将频繁被用户请求的内容缓存到网络边缘中，使得网络中的文件更贴近用户，可以减少冗余数据传输，缩短用户下载时延，提升用户体验的同时提高频谱利用率。UDN场景和网络边缘缓存技术相结合，既可以提高网络中的吞吐量，降低用户下载时延，又能减轻回程压力，将大大提升网络的性能。但是考虑到UDN中SBSs超密集部署情况下的成本问题，单个SBS的缓存容量十分有限，因此每一个SBS无法将用户可能需要的所有文件都缓存下来，在这种条件下需要结合多种因素考虑SBSs的缓存方式，比如要综合考虑到文件流行度以及命中率和用户的体验，还可以考虑小型基站间的互相协作和自组织。在针对超密集网络场景的缓存研究中，参考文献1考虑到缓存空间的限制想要最大化缓存利用率。首先将优化目标转换为回程负载最小化问题，然后使用机器学习相关算法预测并缓存相应内容到小型基站中，算法复杂度较低并且准确率很高。参考文献2提出了一种小型基站社交感知缓存策略来提升网络吞吐量和能量效率。首先利用社交网络理论研究小型基站的社交行为，从社交纽带因子高的基站中选出少数非常重要的基站，基于这些基站来与其他小小区调度分配资源。在超密集的场景下，现有技术主要围绕单一基站来优化缓存内容，没有充分考虑到小型基站间的互相协作和自组织，如何在单个SBS的缓存容量十分有限的条件下，高效地为用户提供服务，减小用户下载时延，考虑这些问题可以进一步提高缓存命中率和用户的业务体验。参考文献：[1]G.Shen,L.Pei,P.Zhiwen,L.NanandY.Xiaohu,"Machinelearningbasedsmallcellcachestrategyforultradensenetworks,"20179thInternationalConferenceonWirelessCommunicationsandSignalProcessing(WCSP),Nanjing,2017,pp.1-6.[2]Y.Li,X.Zhang,J.Zhang,S.WangandD.Wang,"BaseStationSocial-AwareCachingStrategyfor5GUltraDenseNetworks,"2017IEEEGlobecomWorkshops(GCWkshps),Singapore,2017,pp.1-6.
技术实现思路
针对于现有技术并没有综合考虑到文件流行度以及命中率和用户的体验，也没有充分考虑小型基站间的互相协作和自组织，本专利技术提出一种超密集网络中基于小型基站自组织协作的缓存方法，以实现减小用户下载时延的目的。本专利技术的超密集异构网络场景，包括：一个核心网，一个宏基站，在宏基站覆盖范围下密集分布的S个小型基站，在整个网络场景下随机分布的U个移动用户；宏基站与核心网、宏基站与小型基站通过无线链路连接。本专利技术提出的一种超密集网络中基于小型基站自组织协作的缓存方法，包括如下步骤：步骤1，根据超密集网络中小型基站的负载能力和位置，得到小型基站的相似度矩阵；所述的相似度矩阵记录任意不同两个小型基站的相似度，小型基站S1和S2的相似度表示为：θ∈[0,1]；其中，θ是设定的常数，是基站S1和S2的位置相似度，是基站S1和S2的负载能力差异度；步骤2，根据小型基站的相似度矩阵和每簇中小型基站的个数k，将所有小型基站进行分簇，选取每簇中负载能力最好的小型基站充当簇头；k为正整数；步骤3，依据文件缓存策略将文件缓存到小型基站和宏基站中；所述的文件缓存策略为：设小型基站的缓存容量均相同，最多缓存M个完整文件；将用户所有可能请求的文件按照文件流行度进行排序；对一个簇，选取流行度靠前的kM个文件并将每个文件分割为k个片段分别缓存到对应的小型基站中；在宏基站中继续按照文件流行度缓存剩余的流行度靠前的文件；步骤4，用户接入基站后，开始请求获取文件，此时将出现三种情况：首先判断用户所需文件是否缓存在小型基站内，如果是，出现第一种情况：小型基站内缓存了用户请求的文件；如果否，再判断用户所需文件是否缓存在宏基站内，如果是，出现第二种情况：用户请求的文件缓存在宏基站中；如果以上两种情况都不是，那么出现第三种情况：用户所请求的文件并没有缓存在网络中，用户通过核心网获取所请求的文件；计算三种情况下的用户的传输时延，进而获得用户平均下载时延，然后执行步骤5；步骤5，设每簇内小型基站数量最多为K个，K为正整数；判断k的取值是否超过K，若是，则选取使得用户的平均下载时延最小的k值输出；否则，继续更新k值，使k自增1，然后转步骤2继续执行。本专利技术与现有技术相比，具有以下明显优势：(1)本方法提出了基于SBS分簇的协作缓存策略，根据仿真结果可以看出，该方法有效地提高了缓存命中率同时减小了用户下载时延，证实该策略在密集场景下满足多种业务需求的可行性和适用性。(2)本方法可以利用小型基站的分簇与相互协作，利用网络自优化思想实现资源管理效率的提升。附图说明图1是本专利技术中SBS自组织协作缓存方法流程图；图2是本专利技术中SBS分簇的协作缓存方法系统模型图；图3是本专利技术中SBS分簇的协作缓存策略示意图；图4是本专利技术缓存命中率与簇内小型基站数量关系图；图5是本专利技术中用户平均下载时延与簇内小型基站数量关系图；图6是本专利技术中用户平均下载时延与场景中小型基站总数量关系图；图7是本专利技术中用户平均下载时延与齐普夫衰减常数α关系图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图和实施例对本专利技术作进一步的详细描述。本专利技术针对如何在单个SBS的缓存容量十分有限的条件下，高效地为用户提供服务，减小用户下载时延，提出了一种超密集网络中基于SBS自组织协作的缓存方法。本专利技术方法基于SBSs的负载能力和位置信息将所有SBSs进行分簇，每簇中选出簇头利用自组织思想分配簇内资源。然后将相应文件分片并将不同碎片缓存到不同的SBSs中，每个基站缓存文件的大小相同并且按照文件流行度排序。接下来将优化目标设定为最小化用户平均下载时延，最终改变簇内小型基站数量，通过遍历法找到最优解。如图1所示，为本专利技术提出了一种基于SBS自组织的协作缓存方法，具体包括步骤1～步骤5，下面依次说明各步骤。步骤1，初始化参数，根据超密集网络中所有小型基站的位置信息与负载能力信息，得到小型基站的相似度矩阵。初始化的参数包括基站的位置信息和负载能力。如图2所示，为本专利技术SBS分簇的协作缓存方法系统模型，本专利技术考虑超密集异构网络场景下的缓存策略，在该网络中，包括：一个宏基站MBS与核心网，宏基站与核心网、宏基站与小型基站通过无线链路连接。有s本文档来自技高网...

【技术保护点】
1.一种超密集网络中基于小型基站自组织协作的缓存方法，其特征在于，包括如下步骤：步骤1，根据超密集网络中小型基站的负载能力和位置，得到小型基站的相似度矩阵；所述的相似度矩阵记录任意不同两个小型基站的相似度，小型基站S1和S2的相似度

【技术特征摘要】
1.一种超密集网络中基于小型基站自组织协作的缓存方法，其特征在于，包括如下步骤：步骤1，根据超密集网络中小型基站的负载能力和位置，得到小型基站的相似度矩阵；所述的相似度矩阵记录任意不同两个小型基站的相似度，小型基站S1和S2的相似度表示为：θ∈[0,1]；其中，θ是设定的常数，是基站S1和S2的位置相似度，是基站S1和S2的负载能力差异度；步骤2，根据小型基站的相似度矩阵和每簇中小型基站的个数k，将所有小型基站进行分簇，选取每簇中负载能力最好的小型基站充当簇头；k为正整数；步骤3，依据文件缓存策略将文件缓存到小型基站和宏基站中；所述的文件缓存策略为：设小型基站的缓存容量均相同，最多缓存M个完整文件；将用户所有可能请求的文件按照文件流行度进行排序；对一个簇，选取流行度靠前的kM个文件并将每个文件分割为k个片段分别缓存到对应的小型基站中；在宏基站中继续按照文件流行度缓存剩余的流行度靠前的文件；步骤4，用户接入基站后，开始请求获取文件，此时将出现三种情况：首先判断用户所需文件是否缓存在小型基站内，如果是，出现第一种情况：小型基站内缓存了用户请求的文件；如果否，再判断用户所需文件是否缓存在宏基站内，如果是，出现第二种情况：用户请求的文件缓存在宏基站中；如果以上两种情况都不是，那么出现第三种情况：用户所请求的文件并没有缓存在网络中，用户通过核心网获取所请求的文件；计算三种情况下的用户的传输时延，进而获得用户平均下载时延，然后执行步骤5；步骤5，设每簇内小型基站数量最多为K个，K为正整数；判断k的取值是否超过K，若是，则选取使得用户的平均下载时延最小的k值输出；否则，继续更新k值，使k自增1，然后转步骤2继续执行。2.根据权利要求1所述的一种超密集网络中基于小型基站自组织协作的缓存方法，其特征在于，所述的步骤1中，小基站S1和S2的位置相似度的计算公式如下：其中，分别表示两个小型基站在欧式空间内的坐标；σX为设定常数；r表示小型基站互为邻居的最大间距；小基站S1和S2的负载能力差异度的计算公式如下...

【专利技术属性】
技术研发人员：李曦，胡成佳，纪红，张鹤立，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11