【摘要】：爆炸式增長的通信數(shù)據(jù)量以及用戶對服務(wù)敏捷性與響應(yīng)實時性的更高要求,給資源有限的無線通信網(wǎng)絡(luò)帶來了巨大的挑戰(zhàn)。由于前傳約束和集中式的基帶處理單元的限制,傳統(tǒng)的云無線接入網(wǎng)絡(luò)在龐大的數(shù)據(jù)請求量下可能面臨前傳擁塞、通信中斷率增加等狀況,尤其在業(yè)務(wù)峰值時刻。為適用未來通信的各種需求,當(dāng)下迫切需求新的技術(shù)創(chuàng)新。霧無線接入網(wǎng)中的邊緣緩存技術(shù)通過將流行內(nèi)容放置在靠近用戶端的邊緣節(jié)點內(nèi),可以有效降低前傳負(fù)載減少通信時延,成為一種可行的解決方法受到廣泛關(guān)注。然而,由于用戶需求的隨機性和多樣性以及內(nèi)容流行度的時空變化性,給有效邊緣緩存技術(shù)的實施帶來了諸多挑戰(zhàn)。本文將就上述問題展開對邊緣緩存技術(shù)中的內(nèi)容流行度預(yù)測方法、邊緣緩存策略和邊緣緩存框架設(shè)計的系統(tǒng)研究。首先,研究了基于用戶偏好學(xué)習(xí)的內(nèi)容流行度預(yù)測方法。首先不同于靜態(tài)的方法,從區(qū)域用戶角度重新定義了內(nèi)容在時間和空間上的含義,將區(qū)域內(nèi)容流行度定義為區(qū)域用戶在當(dāng)前時刻對內(nèi)容的平均請求可能性。其次,設(shè)計了基于用戶偏好的在線內(nèi)容流行度預(yù)測算法,其可以對某個特定區(qū)域內(nèi)容流行度進(jìn)行在線預(yù)測而無內(nèi)容類型限制,同時,可以實時追蹤內(nèi)容流行度的變化。接著,提出了線下用戶偏好學(xué)習(xí)算法,其可以根據(jù)用戶的歷史請求信息來學(xué)習(xí)用戶自身的偏好。通過實時監(jiān)測平均預(yù)測誤差,算法可以自動啟動對用戶偏好的重新學(xué)習(xí),避免了持續(xù)的線下學(xué)習(xí)。最后,從理論上分析了算法的性能,得出了內(nèi)容流行度預(yù)測算法的預(yù)測誤差上界,探究出了區(qū)域內(nèi)容流行度的累積預(yù)測誤差與內(nèi)容請求量間的亞線性關(guān)系。其次,研究了基于內(nèi)容流行度預(yù)測的邊緣緩存策略。充分考慮到內(nèi)容請求的隨機性和多樣性以及移動用戶對緩存性能的影響,構(gòu)建了結(jié)合內(nèi)容請求特點的邊緣緩存優(yōu)化問題,并設(shè)計了動態(tài)的內(nèi)容緩存和更新方法。從理論上分析了緩存策略的性能。首先給出了策略在單個時段的緩存命中率下界,得出其與理想策略間的緩存命中率差距,并進(jìn)一步得出當(dāng)滿足兩個客觀條件時,這種差距將趨于零。其次,得到所提出的策略在有限個時段內(nèi)的整體性能損失上界,并證明了策略的最優(yōu)性,即隨著請求量的增加,其緩存命中率將趨近于理想緩存策略下的緩存命中率。最后,仿真結(jié)果表明所提出的策略優(yōu)于傳統(tǒng)策略逼近理想策略。最后,研究了基于學(xué)習(xí)的邊緣緩存框架設(shè)計。根據(jù)F-APs和用戶設(shè)備的特點,設(shè)計了兩種基于學(xué)習(xí)的邊緣緩存框架。一種針對F-APs支持計算和緩存而用戶設(shè)備不具備智能計算的情況,設(shè)計了以F-APs為主的邊緣緩存框架,其支持移動用戶監(jiān)測、節(jié)點間協(xié)作、在線流行度預(yù)測、內(nèi)容緩存與智能更新。一種針對F-APs和用戶設(shè)備均支持智能計算的情況,設(shè)計了以用戶設(shè)備為主的邊緣緩存框架,將學(xué)習(xí)放到了用戶設(shè)備端,很大程度減輕了F-APs的信令交互負(fù)擔(dān)和計算負(fù)擔(dān),同時,保證了用戶的隱私安全。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN92

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 禾木;;宅男“女神”[J];小溪流(成長校園);2016年12期

2 朱琛剛;程光;;基于收視行為的互聯(lián)網(wǎng)電視節(jié)目流行度預(yù)測模型[J];電子與信息學(xué)報;2017年10期

3 熊小兵;周剛;黃永忠;馬俊;;新浪微博話題流行度預(yù)測技術(shù)研究[J];信息工程大學(xué)學(xué)報;2012年04期

4 萬圣賢;郭嘉豐;蘭艷艷;程學(xué)旗;;基于傳播模擬的消息流行度預(yù)測[J];中文信息學(xué)報;2014年03期

5 高金華;沈華偉;程學(xué)旗;劉悅;;基于相似消息的流行度預(yù)測方法[J];中文信息學(xué)報;2018年11期

6 米樂;;鏈接流行度和鏈接分析[J];互聯(lián)網(wǎng)天地;2007年03期

7 余江;楊宗凱;杜旭;王泰;;基于兩點流行度的流媒體緩存算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2006年10期

8 王景欣;王鉞;李一鵬;袁堅;山秀明;馮振明;任勇;;基于資源流行度的對等網(wǎng)絡(luò)統(tǒng)計特征分析[J];物理學(xué)報;2011年11期

9 孔慶超;毛文吉;;基于動態(tài)演化的討論帖流行度預(yù)測[J];軟件學(xué)報;2014年12期

10 石磊,古志民,衛(wèi)琳,石云;Web對象流行度的數(shù)學(xué)建模方法[J];計算機應(yīng)用;2004年11期

相關(guān)會議論文 前1條

1 石磊;衛(wèi)琳;古志民;石云;;Web對象流行度模型研究[A];第一屆全國Web信息系統(tǒng)及其應(yīng)用會議（WISA2004）論文集[C];2004年

相關(guān)重要報紙文章 前3條

1 本報記者 史曉菲;健身神器流行度高[N];消費日報;2014年

2 記者 王秀蘭;杜邦發(fā)布汽車顏色流行度報告[N];中國化工報;2011年

3 ;太陽鏡點燃眉梢[N];重慶商報;2005年

相關(guān)博士學(xué)位論文 前4條

1 胡穎;社交網(wǎng)絡(luò)中流行度演化分析與預(yù)測問題研究[D];北京科技大學(xué);2019年

2 高帥;在線社會網(wǎng)絡(luò)中影響力度量和流行度預(yù)測問題研究[D];山東大學(xué);2015年

3 張果;面向可共享內(nèi)容的網(wǎng)內(nèi)緩存機制研究[D];解放軍信息工程大學(xué);2017年

4 付志鵬;結(jié)構(gòu)化P2P網(wǎng)絡(luò)抖動的應(yīng)對策略研究[D];國防科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 鄒晟;邊緣計算平臺中計算卸載與鏡像緩存方法研究與實現(xiàn)[D];北京郵電大學(xué);2019年

2 韓鳳娟;基于多任務(wù)學(xué)習(xí)和深度學(xué)習(xí)的微博預(yù)測流行度[D];河南大學(xué);2018年

3 趙命燕;基于流行度的視頻發(fā)布系統(tǒng)設(shè)計與實現(xiàn)[D];貴州大學(xué);2018年

4 馬妙麗;霧無線接入網(wǎng)內(nèi)容流行度預(yù)測與邊緣緩存方法研究[D];東南大學(xué);2018年

5 李美京;手機APP的口碑影響機制—考慮類別和流行度的實證研究[D];中國科學(xué)技術(shù)大學(xué);2017年

6 張志偉;基站環(huán)境下媒體流行度預(yù)測與緩存策略研究[D];中國科學(xué)技術(shù)大學(xué);2016年

7 董美姣;基于流行度預(yù)測的內(nèi)容中心網(wǎng)絡(luò)緩存技術(shù)研究[D];北京郵電大學(xué);2015年

8 趙力陽;EBSN中基于自激霍克斯過程的組流行度預(yù)測研究[D];東南大學(xué);2017年

9 牛抗抗;流行度對用戶興趣的影響機制分析及其在推薦算法中的應(yīng)用研究[D];上海大學(xué);2015年

10 牛振興;媒體分發(fā)應(yīng)用中基于內(nèi)容流行度緩存技術(shù)的研究[D];華中科技大學(xué);2006年

本文編號：2747489