【摘要】：隨著各種手持智能終端設(shè)備的普及,以及新興的超高清即時(shí)視頻、增強(qiáng)現(xiàn)實(shí)/虛擬現(xiàn)實(shí)和大型互動網(wǎng)絡(luò)游戲等多種業(yè)務(wù)的廣泛應(yīng)用,移動用戶的數(shù)量與熱點(diǎn)區(qū)域內(nèi)的數(shù)據(jù)流量呈現(xiàn)出爆炸增長的態(tài)勢。這將導(dǎo)致網(wǎng)絡(luò)信令與用戶數(shù)據(jù)暴漲、后向鏈路緊缺、能量消耗加劇,最終使網(wǎng)絡(luò)性能急劇下降,用戶服務(wù)體驗(yàn)降低。內(nèi)容放置與分發(fā)技術(shù)將緩存服務(wù)器及處理節(jié)點(diǎn)部署于無線網(wǎng)絡(luò)的接入網(wǎng)一側(cè),能減少用戶接收內(nèi)容的時(shí)延、提升用戶體驗(yàn)。同時(shí),該技術(shù)還能減少接入網(wǎng)中冗余的信令流量與內(nèi)容數(shù)據(jù)流量,進(jìn)而可以節(jié)約后向鏈路容量并提升網(wǎng)絡(luò)整體性能。因此,內(nèi)容放置與分發(fā)技術(shù)受到學(xué)術(shù)界與產(chǎn)業(yè)界的廣泛關(guān)注,是無線通信技術(shù)的研究熱點(diǎn)。小小區(qū)網(wǎng)絡(luò)使用小小區(qū)基站進(jìn)行組網(wǎng),其頻譜效率與能量效率較高、網(wǎng)絡(luò)結(jié)構(gòu)靈活且易于擴(kuò)展,能有效提升服務(wù)質(zhì)量與網(wǎng)絡(luò)整體性能。隨著內(nèi)容放置與分發(fā)技術(shù)逐漸應(yīng)用于小小區(qū)網(wǎng)絡(luò)之中,小小區(qū)網(wǎng)絡(luò)也面臨著一些新的問題,如難以管控更多設(shè)備、后向鏈路難以承載更多數(shù)據(jù)等。因此,需要對這些問題進(jìn)行研究,并提出可行的小小區(qū)網(wǎng)絡(luò)中高效內(nèi)容放置與分發(fā)機(jī)制。本文根據(jù)小小區(qū)網(wǎng)絡(luò)的特點(diǎn),對網(wǎng)絡(luò)中的內(nèi)容放置、內(nèi)容分發(fā)與內(nèi)容更新進(jìn)行了研究,主要工作和創(chuàng)新點(diǎn)總結(jié)如下:1.提出了一種基于分層迭代的內(nèi)容放置方案。首先,研究了分層內(nèi)容放置問題,該問題可以分為兩層:第一層稱為緩存選擇層,其中內(nèi)容提供商通過選擇最優(yōu)的服務(wù)提供商緩存設(shè)備來降低成本、提升效用;第二層稱為內(nèi)容分發(fā)層,其中用戶按自身即時(shí)內(nèi)容需求與服務(wù)提供商的緩存設(shè)備進(jìn)行匹配,以同時(shí)平衡兩者的效用。此外還通過設(shè)置內(nèi)容獲利回報(bào)參數(shù)為兩層過程建立聯(lián)系。其次,定義了內(nèi)容提供商、服務(wù)提供商和用戶三者各自的效用函數(shù),并以最大化每個(gè)效用函數(shù)為目標(biāo),使用整數(shù)規(guī)劃和拍賣對分層內(nèi)容放置問題進(jìn)行了建模。再次,聯(lián)合簡化分支定界算法與多商品拍賣算法,設(shè)計(jì)了基于分層迭代的內(nèi)容放置方案。最后,仿真結(jié)果顯示該方案可以實(shí)現(xiàn)較高的內(nèi)容放置效率和較低的復(fù)雜度。2.提出了一種分布式的內(nèi)容分發(fā)機(jī)制。首先,研究了小小區(qū)網(wǎng)絡(luò)中的內(nèi)容分發(fā)問題,該問題以最大化每個(gè)小小區(qū)基站和用戶的效用函數(shù)為目標(biāo),聯(lián)合考慮了鏈路容量約束及最大發(fā)射功率約束。其次,使用多商品拍賣對該問題進(jìn)行建模,并考慮到傳統(tǒng)拍賣模型的限制,采用分布式拍賣協(xié)議將原問題轉(zhuǎn)化為分布式拍賣問題。再次,針對轉(zhuǎn)化后的問題,提出了一種并行的分布式拍賣算法,并進(jìn)一步證明了該算法能夠抑制小小區(qū)基站串謀行為。最后,仿真結(jié)果表明,所提機(jī)制能夠保證內(nèi)容分發(fā)全體參與者的誠實(shí)性并提升內(nèi)容分發(fā)的效率。3.提出了一種考慮用戶移動性的內(nèi)容更新策略。首先使用人類學(xué)移動模型、隱馬爾可夫模型得到了用戶需求轉(zhuǎn)移概率和緩存狀態(tài)轉(zhuǎn)移概率的參數(shù)集合。其次,基于上述參數(shù)集合,使用圖論中的流量模型為小小區(qū)網(wǎng)絡(luò)中的內(nèi)容更新問題建模,該問題以最大化本地緩存平均命中率為目標(biāo),聯(lián)合考慮了基站間的多種約束情況。再次,提出了一種流量分解方法將原問題分解為簡單最大流問題,然后聯(lián)合內(nèi)容需求預(yù)測與發(fā)送端選擇算法以及改進(jìn)前向流推進(jìn)算法設(shè)計(jì)了內(nèi)容更新方案。最后,仿真結(jié)果證實(shí)所提方案可以有效提升本地緩存的命中率。
【圖文】：

、便于分簇管理等［１７，１８］。然而，分布式管理機(jī)制也存在許多問題，比如節(jié)點(diǎn)間不易協(xié)調(diào)、控制信令時(shí)延較大、信令交互過程大量增加、簇頭節(jié)點(diǎn)易相互干擾、易頻繁切換等等［１９］，這些問題都為網(wǎng)絡(luò)管理研宄增加了一定的難度。逡逑３．后向鏈路資源嚴(yán)重緊缺逡逑近年研究顯示，信令數(shù)據(jù)流量的增長速度比用戶數(shù)據(jù)流量增長速度快了０％［２Ｑ］。ＩＴＵ無線電通信組發(fā)布的報(bào)告中指出新興多媒體應(yīng)用中信令數(shù)據(jù)流量比顯提升，并且在觀察不同時(shí)段和地理位置的數(shù)據(jù)流量時(shí)，該比例的數(shù)值變化非顯（如圖１－２所示）［２１］。思科及愛立信的報(bào)告均顯示全球信令流量由２００９年的５９字節(jié)拍字節(jié)（ＰｅｔａＢｙｔｅ，邋ＰＢ）每月猛增至２０１７年的４７４８．８ＰＢ每月［２２，２３］。而與此，據(jù)Ｉｎ－Ｓｔａｔ、Ｍｕｌｔｉｍｅｄｉａ邋Ｒｅｓｅａｒｃｈ邋Ｇｒｏｕｐ等權(quán)威機(jī)構(gòu)統(tǒng)計(jì)，全球已建移動通信基有量僅從２００９年的４０１．４萬個(gè)增長到２０１７年的約１８００萬個(gè)。因此，現(xiàn)有的基向鏈路無力承載如此之多的信令負(fù)荷，從而導(dǎo)致局部網(wǎng)絡(luò)大規(guī)模的擁塞、掉話潰，這一現(xiàn)象又被稱為“信令暴漲”。近年來，信令暴漲對無線網(wǎng)絡(luò)接入側(cè)的影出不窮：２００９年９月４日，北美運(yùn)營商ＡＴ＆Ｔ所服務(wù)的蘋果手機(jī)用戶在紐約地

兩類：一類僅單純使用用戶歷史需求或興趣來預(yù)測該用戶未來的內(nèi)容請求趨勢，另逡逑一類則結(jié)合用戶的社交關(guān)系、運(yùn)動軌跡、接入基站或熱點(diǎn)的情況等多種參數(shù)綜合預(yù)逡逑測用戶的內(nèi)容請求。兩類方法的大致區(qū)別如圖２－２所示，下面就對這兩類預(yù)測方法所逡逑驅(qū)動的不同推送技術(shù)進(jìn)行簡要介紹。逡逑１．基于用戶歷史需求進(jìn)行預(yù)測與推送的內(nèi)容分發(fā)技術(shù)逡逑該類技術(shù)中用戶歷史需求的數(shù)據(jù)獲取相對簡單，因此研宄重點(diǎn)主要在于如何建逡逑立合適的模型。盡管有很多一維變量隨機(jī)過程都可以用于需求預(yù)測，但應(yīng)用最廣泛、逡逑研宄最成熟的當(dāng)屬馬爾可夫鏈及其改進(jìn)的各類模型。馬爾可夫模型有其優(yōu)點(diǎn)，，例如逡逑變量較少、轉(zhuǎn)移概率便于計(jì)算、用戶狀態(tài)便于表示等等，但靜態(tài)的馬爾可夫鏈模型逡逑不夠靈活，即使內(nèi)容數(shù)量或用戶需求的狀態(tài)僅產(chǎn)生微小的變化，原有模型也無法再逡逑適用于變化后的場景。基于此，很多學(xué)者紛紛提出采用動態(tài)的馬爾可夫過程來預(yù)測逡逑用戶內(nèi)容需求。通過犧牲一定程度的表達(dá)簡潔性與計(jì)算便捷性，動態(tài)馬爾可夫過程逡逑能夠更好地表示不同網(wǎng)絡(luò)中用戶在多場景下的內(nèi)容需求變化情況
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TN92

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 肖時(shí)占;;網(wǎng)絡(luò)推送技術(shù):原理、應(yīng)用、問題及對策[J];圖書館雜志;2003年05期

本文編號：2705834