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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。