【技术实现步骤摘要】
一种基于智能边缘缓存的部分机会性干扰对齐方法
本专利技术属于移动通信异构网络
，涉及异构网络环境下考虑时变信道和时变需求的智能边缘缓存的下行链路部分机会干扰对齐方法，具体涉及一种基于智能边缘缓存的部分机会性干扰对齐方法。
技术介绍
随着边缘计算在未来无线物联网网络的应用，边缘缓存被用来提高无线网络的频谱效率、下载时延和能量效率。主动将频繁请求的数据(例如，更新代码或流行内容)放置在边缘高速缓存中，将通过减少用于无线传输的重复内容来减轻回程链路的沉重负载。此外，在基站(BS)和物联网设备上辅助缓存可以消除干扰，从而提高无线物联网网络的系统容量。有研究表明根据每个小区的自由度(DoF)，具有基站(BS)缓存的蜂窝网络中的下行链路传输来增加网络容量。在蜂窝网络中，干扰对齐(IA)是利用基站之间的协作来进行预编码以减轻干扰，已经得到了广泛的研究。在物联网用户数量较多的情况下，采用干扰对齐的多用户复用技术(OIA)可以提高无线网络的传输速率。由于异构网络的宏基站和微基站之间的不同功率，应用部分干扰对齐可以改善异构网络的系...
【技术保护点】
1.一种基于智能边缘缓存的部分机会性干扰对齐方法，其特征在于，该基于智能边缘缓存的部分机会性干扰对齐方法包括以下步骤：/n1)构建一个异构网络系统，该系统由宏基站、微基站以及用户组成，基站周期获得用户的内容动态请求和用户无线信道状态，以及基站下行传输中缓存内容的更新，其中基站的下行传输分为两个阶段：内容缓存放置阶段和内容的分发传输阶段；/n2)宏基站和微基站收集用户请求内容信息和用户的信道状态信息；其中收集用户请求的内容用于进行基站内容缓存放置，信道的状态信息主要用于基于部分机会干扰对齐内容的分发传输；/n3)基于深度强化学习技术进行系统状态的建模，系统的状态包含两个部分：...
【技术特征摘要】 【专利技术属性】
1.一种基于智能边缘缓存的部分机会性干扰对齐方法，其特征在于，该基于智能边缘缓存的部分机会性干扰对齐方法包括以下步骤：
1)构建一个异构网络系统，该系统由宏基站、微基站以及用户组成，基站周期获得用户的内容动态请求和用户无线信道状态，以及基站下行传输中缓存内容的更新，其中基站的下行传输分为两个阶段：内容缓存放置阶段和内容的分发传输阶段；
2)宏基站和微基站收集用户请求内容信息和用户的信道状态信息；其中收集用户请求的内容用于进行基站内容缓存放置，信道的状态信息主要用于基于部分机会干扰对齐内容的分发传输；
3)基于深度强化学习技术进行系统状态的建模，系统的状态包含两个部分：信道的状态和基站内容缓存的状态；基于深度强化学习方法对用户动态的内容请求和时变的信道状态信息进行建模，其中时变的信道状态信息为马尔科夫链，用户动态的内容请求建模为马尔科夫决策；
基于深度强化学习对时变的信道状态和动态内容要求的执行步骤如下：
步骤一，将信道状态和基站内容请求命中的状态空间设置为：S(t)＝{s1,s2,...,sn}，在时隙t，系统状态可以描述为S(t)＝{|hi,j(t)|2,ck(t)}，系统状态分为两部分：|hi,j(t)|2表示部分机会干扰对齐信道状态，ck(t)∈{0,1}基站内容的缓存状态；
步骤二，将动作集合设置为D(t)＝{d1,d2,...,dm}，d(t)＝{d1(t),d2(t),...,dK(t)}，dj(t)表示第j个用户的动作，dk(t)＝0表示槽t的f内容不能放置在j基站中，dk(t)＝1表示它可以放置在j基站中；部分机会干扰对齐用户应满足条件在当前状态s(t)∈S(t)下，基站进行动作d(t)∈D(t)，然后系统状态以转移概率Ps(t)s(t+1)(d)转换到新的s(t+1)∈S(t)，其中如果执行动作π(x)，则Ps(t)s(t+1)(π(x))表示从s(t)到s(t+1)的转移概率；
步骤三，将瞬时奖励表示为r(x(t),d(t))，其平均奖励为R(x,π(x))，长期奖励时，系统行为应该同时考虑当前奖励和未来奖励，为实现长期累计奖励最大化，使用以下状态值函数获得S(t)的累计折扣奖励：
技术研发人员：郑杰，胡心悦，梁雨昕，张泽仑，高岭，王海，杨旭东，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61
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。