CN109673018B - 无线异构网络中的新型内容缓存分布优化方法 - Google Patents

Abstract

一种无线异构网络中的新型缓存内容放置及内容缓存分布优化方法，通过将无线缓存下沉到无线网的边缘节点与用户端，在网络负载较低的时候将用户可能请求的内容提前缓存到网络的边缘节点与用户端,然后分发给目标用户，从而有效减少网络冗余流量，有效地降低峰值流量。同时也推导了成功传输概率表达式，并以最大化成功传输概率为目标，优化缓存内容分布。优化后的内容缓存分布不仅极大地提高了成功传输概率，也避免了相同内容被重复分发时引起的网络冗余流量、高峰时期网络拥堵及开销浪费等的问题。

Description

无线异构网络中的新型内容缓存分布优化方法

技术领域

本发明涉及一种无线通信技术领域。

背景技术

随着互联网的迅速发展和智能终端数据流量的持续增长，传统的网络面临基站部署开销、运营成本、用户体验等多方面的压力，逐渐不堪重负。为了应对这一挑战，无线缓存边缘网络，一方面，可以将网络业务“下沉”到更接近用户的无线接入网侧；另一方面，终端设备用户在计算能力和缓存容量上也取得了显著提升。因此无线网络不必等到业务请求来临后再做出响应和调度,而在网络负载较低的时候将用户可能请求的内容提前缓存到网络的边缘节点,然后分发给目标用户。无线边缘缓存可以有效减少网络冗余流量，有效地降低峰值流量、功耗，克服网络回程链路瓶颈，在满足用户需求的同时节约网络资源。部署在边缘侧的高速缓存可以提前存储具有高流行度的内容，并且这些流行文件可以直接传送给所需的用户，省去了内容提供商通过回程链路重复传输这些流行文件。在这种情况下，内容提供商不再需要通过回程链路传输这些流行文件，并且可以很好地解决回程容量有限的问题。然而，最优的内容缓存分布不仅受内容流行度的影响，还受其他网络参数(如信道条件，基站和用户密度等)的影响。因此，考虑这些网络参数并进一步优化它们对于提高性能非常重要。

在这样的背景下，无线异构网络是一种非常有前景的网络架构，可以利用无线缓存有效地降低峰值流量、功耗并减轻回程负载。同时，部署在用户端的缓存也可以提前存储具有高流行度的内容，并且这些流行文件可以直接通过终端直通技术(Device-to-Device，D2D)进行通信，传送给附近所需的用户。

在相关技术中，“Analysis on cache-enabled wireless heterogeneousnetworks,”IEEE Transactions on Wireless Communications,vol.15,no.1,pp.131–145,Jan 2016.，作者假设在大尺度带缓存的小蜂窝网络中，每个小基站都缓存最流行的文件，即所有基站都存储了相同的最流行的文件；而M“Probabilistic caching in wirelessd2d networks:Cache hit optimal vs.throughput optimal,”IEEE CommunicationsLetters,vol.21,no.3,pp.584–587,2016.中，作者研究在在随机无线D2D缓存网络中的概率缓存，即D2D网络中的用户都以某种概念提前缓存内容文件。但是，前者只考虑了基站端的缓存方式与优化，而后者只考虑了用户端的缓存方式与优化。虽然在“Wireless contentcaching for small cell and d2d networks,”IEEE Journal on Selected Areas inCommunications,vol.34,no.5,pp.1222–1234,May 2016.中，作者同时考虑了基站缓存和用户端缓存，但只是侧重在对于两种缓存方式的性能比较中，并没有考虑实际的融合缓存方式，即如何在多层结构的网络中考虑一个有效的缓存方式。且，现存的文献中缓存方式主要为流行度缓存或平均缓存等，都没有具体说明如何在每个基站或用户上高效地存储多个不同的文件。

发明内容

本发明的目的是为了解决上述问题，提供一种无线异构网络中的新型缓存内容放置方法与优化方法。

技术方案概括为：

一种无线异构网络中的新型缓存内容放置及内容缓存分布优化方法，其特征在于，先后包括第一步的缓存内容放置方法、第二步的内容缓存分布优化方法；第一步：将无线缓存下沉到无线网的边缘节点(本发明中指基站)和用户端，在网络负载较低的时候将用户可能请求的内容提前缓存到网络的边缘节点和用户端,建立相应的缓存配置方法；第二步：分析不同情况下的内容分发方式；同时利用随机几何知识推导成功传输概率表达式；最后以最大化成功传输概率为目标，优化缓存内容分布；以上两步最终实现分发给目标用户。

具体地，在无线异构网络中的一个小区内，假设有一个基站和多个用户。基站端设置有缓存空间，可以提前存储流行文件，所以当有用户请求的文件恰巧缓存在基站中时，基站可以直接用自己的缓存内容服务用户。另外，所述用户端也设置有缓存，可以提前缓存一部分流行文件，这样当附近的用户请求的文件恰巧缓存在用户处时，用户之间也可以通过终端直通技术(Device-to-Device,D2D)直接进行通信。

第一步“缓存内容放置方法”，其***模型分为基站与用户的分布模型的建立，缓存内容的建模，以及信道建模。

首先，基站与用户的分布模型的建立：分配给基站、用户的总带宽分别是W'和W。同时，所述基站和用户都配有一根发射天线，相应的发送功率分别为P_B和P_D。用户服从独立齐次泊松点过程分布Φ_u，其密度分别为λ_u，且每个用户活跃的概率为ρ∈[0,1]。活跃用户服从独立齐次泊松点过程分布

其密度分别为ρλ_u；非活跃用户服从独立齐次泊松点过程分布

其密度分别为(1-ρ)λ_u。当用户为所述活跃用户时，表明这个用户正在请求文件，因而它不可以作为发送者服务周围用户；而所述非活跃用户则可以被视为潜在的D2D发送者。

其次，缓存内容的建模：假设所有文件都是独立的，且大小均为1，N@{1,2,...,N}代表文件N＞M的集合。文件流行度分布假设为a@(a_n)_n∈N，其中，

是每个用户随机地请求文件n∈N的概率，假设a₁≥a₂...≥a_N。基站拥有所有用户请求的文件，而每个用户最多可以缓存M个文件。

每个用户缓存文件n的概率为p_n，满足：

0≤p_n≤1,n∈N

内容缓存分布定义为p@(p_n)_n∈N。

最后，信道建模：本***的信道条件中，考虑信道衰落的随机特性，大尺度衰落则传输信号的衰减因子为D^-α，其中D是传输距离，α＞2是路径损耗指数。小尺度衰落则考虑瑞利衰落，每个小尺度衰落信道为h:^dCN(0,1)。第二步“内容缓存分布优化方法”：分析不同情况下的内容分发方式；然后利用随机几何知识推导成功传输概率表达式；最后以最大化成功传输概率为目标，优化缓存内容分布；

首先，分析不同情况下的内容分发方式，三种情况：2.1步骤、由自身缓存服务：如果用户u₀请求的文件n在自身的缓存中，则u₀由自己服务，否则进入步骤2.2；2.2步骤、由其他用户服务：当用户u₀请求的文件n不在自身的缓存中，但在它的通信半径R内存在其他用户缓存了文件n，则用户u₀由离它最近的缓存了文件n的用户服务，否则进入步骤2.3；2.3步骤、由基站服务：当用户u₀请求的文件n既不在自身的缓存中，也不在它通信半径R的其他用户缓存处，则基站将发送请求的文件n给用户。

然后，整个网络的总成功传输概率的表达式如下：

其中,

为用户u₀在它的通信半径R内找到缓存了文件n的其他用户的概率,q_d(p)为步骤2.2时的成功传输概率,q_b(p)为步骤2.3时的成功传输概率。最后，以最大化成功传输概率为目标，优化无线异构网络中的新型缓存内容放置方法，具体为：

建立优化模型：

s.t.0≤p_n≤1,n∈N

优化缓存分布：

通过将目标函数重写为拉格朗日函数形式，引入对偶因子，以消除等式约束；

其中，定义η(t)和μ(t)为对偶因子；

求解对拉格朗日函数的子优化问题

使用梯度下降法来求解上述拉格朗日函数的最小值，并得到相应的使得拉格朗日函数得到最小的p_n的值；并通过最大值函数来消除不等式约束：

p_n(t)＝max{argmin_n∈N[L],0}

在上述第一个迭代子算法中，迭代地求解上述拉格朗日下降法中的最小值；在第二个迭代子算法中，遵循下述规则迭代优化对偶因子：

η(t+1)＝max{η(t)+c₁(p_n(t)-1),0}

其中,c₁和c₂分别为迭代优化对偶因子η(t)和μ(t)时的对应步长。在第t次迭代中，使用(t-1)次迭代后获得的η(t)和μ(t)迭代更新p_n(t)，两层子迭代算法循环更新迭代，直到满足条件：p_n(t+1)-p_n(t)＜δ(δ是可由用户设置的门限值)后得到更新后的优化解

本发明的有益效果：

(1)本发明中的新型缓存内容放置方法解决了基于内容的服务需求量爆发式增长的问题。

(2)本发明中的新型缓存内容放置方法避免了相同内容被重复分发时引起的网络冗余流量、高峰时期网络拥堵及开销浪费等的问题。

(3)本发明中优化后得到的内容缓存分布，能极大地提高成功传输概率。

总的来说，本发明通过一种新型的缓存内容放置方法设计与优化，获得了一种较优的内容缓存分布方案，是下一代无线通信技术进一步大力发展的利好条件。

附图说明

图1为本发明的网络架构图；

图2为本发明方法流程图。

具体实施方式

下面将结合说明书附图，对本发明做进一步的说明。

图1为本发明的网络架构图。本发明考虑一个无线异构网络，在该网络的一个小区中，假设有一个基站和一部分移动用户组成。移动用户服从独立齐次泊松点过程分布Φ_u，其密度分别为λ_u，且每个用户活跃的概率为ρ∈[0,1]。活跃用户服从独立齐次泊松点过程分布

其密度分别为ρλ_u；非活跃用户服从独立齐次泊松点过程分布

其密度分别为(1-ρ)λ_u。当用户为活跃用户时，表明这个用户正在请求文件，而非活跃用户则可以被视为潜在的D2D发送者。需要注意的是，当一个用户是活跃用户时，表明它正在请求文件，因而它不可以作为发送者服务周围用户。分配给基站、用户的总带宽分别是W'和W。同时，基站、用户都配有一根发射天线，相应的发送功率分别为P_B和P_D，每个移动用户都配备一个接收天线。最后，考虑信道衰落的随机特性，对于大尺度衰落，传输信号的衰减因子为D^-α，其中D是传输距离，α＞2是路径损耗指数。对于小尺度衰落，考虑瑞利衰落，每个小尺度衰落信道为

图2为本发明的方法流程图。

首先，分别在基站和用户处配置缓存(对应于图2中的步骤①)，假设基站拥有所有用户请求的文件，而每个用户最多可以缓存M个文件。在这里，我们假设所有文件都是独立的，且大小相同均为1，N@{1,2,...,N}代表文件N＞M的集合。文件流行度分布假设为a@(a_n)_n∈N，其中，

是每个用户随机地请求文件n∈N的概率，假设a₁≥a₂...≥a_N。

每个用户缓存文件n的概率为p_n，令p_n满足：

0≤p_n≤1,n∈N

其中第二个约束是由用户端有限的缓存容量M引起的。因此，内容缓存分布定义为p@(p_n)_n∈N。

其次，从图1和图2可以看出，以一个典型用户u₀来说，当用户u₀随机地请求文件n时，有可能会发生以下三种情况(对应于图2中的步骤②)：

2.1步骤、由自身缓存服务：如果用户u₀请求的文件n在自身的缓存中，则u₀由自己服务，否则进入步骤2.2；

2.2步骤、由其他用户服务：当用户u₀请求的文件n不在自身的缓存中，但在它的通信半径R内存在其他用户缓存了文件n，则用户u₀由离它最近的缓存了文件n的用户服务，否则进入步骤2.3；

2.3步骤、由基站服务：当用户u₀请求的文件n既不在自身的缓存中，也不在它通信半径R的其他用户缓存处，则基站将发送请求的文件n给用户。

然后，下面将推导成功传输概率(对应于图2中的步骤③)，我们认为当传输速率达到一个临界值时，即相应的信道容量大于临界值，文件n便能在用户u₀处正确地解码，将这个过程称为成功传输，相应的概率称为成功传输概率。

对于第1种情况(步骤2.1)，由于用户由自身缓存服务，故成功传输概率为1。对于情况步骤2.2，首先，用户u₀在它的通信半径R内找到缓存了文件n的其他用户的概率为：

其次，在第2种情况(步骤2.2)下,文件n成功传输的概率为：

q_d(p)＝Pr[Wlog₂(1+SINR_k,0)≥τ]

所以同理可得在第3种情况(步骤2.3)下，文件n成功传输的概率为：

q_b(p)＝Pr[W'log₂(1+SINR_b,0)≥τ']

上述，τ和τ'分别是前文所述的临界值。当传输速率达到一个临界值时，即相应的信道容量大于临界值后，我们即认为成功传输。最后，得到整个网络的总成功传输概率的表达式如下：

下面，以最大化成功传输概率为目标，优化本发明无线异构网络中的新型缓存内容放置方法，首先建立优化模型(对应于图2中的步骤④)：

s.t.0≤p_n≤1,n∈N

紧接着，优化缓存分布(对应于图2中的步骤⑤)，因为上述问题是一个非凸优化问题，n个变量同时受到等式约束和不等式约束的限制，所以很难获得闭式解。因此，通过将目标函数重写为拉格朗日函数形式，引入对偶因子，以消除等式约束；

其中，定义η(t)和μ(t)为对偶因子。

下一步，求解对拉格朗日函数的子优化问题

这是一个无约束的优化问题，使用梯度下降法来求解上述拉格朗日函数的最小值，并得到相应的使得拉格朗日函数得到最小的p_n的值；并通过最大值函数来消除不等式约束：

p_n(t)＝max{argmin_n∈N[L],0}

在上述第一个迭代子算法中，我们迭代地求解上述拉格朗日下降法中的最小值；在第二个迭代子算法中，我们遵循下述规则迭代优化对偶因子：

η(t+1)＝max{η(t)+c₁(p_n(t)-1),0}

其中,c₁和c₂分别为迭代优化对偶因子η(t)和μ(t)时的对应步长。在第t次迭代中，使用(t-1)次迭代后获得的η(t)和μ(t)迭代更新p_n(t)，最后，两层子迭代算法循环更新迭代，直到满足条件：|p_n(t+1)-p_n(t)|＜δ(δ是可由用户设置的门限值)后得到更新后的优化解

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界。

Claims (1)

1.一种无线异构网络中的新型内容缓存分布优化方法，其特征在于，先后包括第一步的缓存内容放置方法、第二步的内容缓存分布优化方法；

第一步：将无线缓存下沉到无线网的边缘节点和用户端，所述边缘节点指基站，在网络负载较低的时候将用户可能请求的内容提前缓存到网络的边缘节点和用户端,建立相应的缓存配置方法；

第二步：分析不同情况下的内容分发方式；同时利用随机几何知识推导成功传输概率表达式；最后以最大化成功传输概率为目标，优化缓存内容分布；

以上两步最终实现分发给目标用户；

第一步：“缓存内容放置方法”，其***模型分为基站与用户的分布模型的建立，缓存内容的建模，以及信道建模；

所述基站与用户的分布模型的建立：分配给基站、用户的总带宽分别是W'和W，相应的发送功率分别为P_B和P_D；

所述缓存内容的建模：假设所有文件都是独立的，且大小均为1，N@{1,2,...,N}代表文件N＞M的集合；文件流行度分布假设为a@(a_n)_n∈N，其中，

是每个用户随机地请求文件n∈N的概率，假设a₁≥a₂...≥a_N；基站拥有所有用户请求的文件，而每个用户最多可以缓存M个文件；

每个用户缓存文件n的概率为p_n，满足：

0≤p_n≤1,n∈N

内容缓存分布定义为p@(p_n)_n∈N；

所述信道建模：信道条件中，大尺度衰落则传输信号的衰减因子为D^-α，其中D是传输距离，α＞2是路径损耗指数；小尺度衰落则考虑瑞利衰落，每个小尺度衰落信道为

第二步：

所述分析不同情况下的内容分发方式，三种情况：

2.1步骤、由自身缓存服务：如果用户u₀请求的文件n在自身的缓存中，则u₀由自己服务，否则进入步骤2.2；

2.2步骤、由其他用户服务：当用户u₀请求的文件n不在自身的缓存中，但在它的通信半径R内存在其他用户缓存了文件n，则用户u₀由离它最近的缓存了文件n的用户服务，否则进入步骤2.3；

2.3步骤、由基站服务：当用户u₀请求的文件n既不在自身的缓存中，也不在它通信半径R的其他用户缓存处，则基站将发送请求的文件n给用户；

整个网络的总成功传输概率的表达式如下：

其中,

为用户u₀在它的通信半径R内找到缓存了文件n的其他用户的概率,q_d(p)为步骤2.2时的成功传输概率,q_b(p)为步骤2.3时的成功传输概率；

以最大化成功传输概率为目标，优化无线异构网络中的新型缓存内容放置方法，具体为：

建立优化模型：

s.t.0≤p_n≤1,n∈N

优化缓存分布：

通过将目标函数重写为拉格朗日函数形式，引入对偶因子，以消除等式约束；

其中，定义η(t)和μ(t)为对偶因子；

求解对拉格朗日函数的子优化问题

使用梯度下降法来求解上述拉格朗日函数的最小值，并得到相应的使得拉格朗日函数得到最小的p_n的值；并通过最大值函数来消除不等式约束：

p_n(t)＝max{arg min_n∈N[L],0}

在第一个迭代子算法中，用梯度下降法迭代地求解使上述拉格朗日函数取得最小值的相应的p_n；在第二个迭代子算法中，遵循下述规则迭代优化对偶因子：

η(t+1)＝max{η(t)+c₁(p_n(t)-1),0}

其中,c₁和c₂分别为迭代优化对偶因子η(t)和μ(t)时的对应步长；在第t次迭代中，使用(t-1)次迭代后获得的η(t)和μ(t)迭代更新p_n(t)，两层子迭代算法循环更新迭代，直到满足条件：|p_n(t+1)-p_n(t)|＜δ，δ是可由用户设置的门限值，后得到更新后的优化解

Images