發(fā)布時間：2020-11-03 03:42

　　 隨著無線寬帶業(yè)務需求的增長,無線網(wǎng)絡面臨的數(shù)據(jù)流量壓力越來越大。如何在保證用戶體驗的前提下,對蜂窩網(wǎng)絡系統(tǒng)進行流量卸載成為業(yè)界關注的研究點。在蜂窩與D2D(終端直連)混合網(wǎng)絡中引入內容緩存,能夠有效提升網(wǎng)絡容量,降低回程鏈路負擔,減少內容傳輸冗余。由于用戶的自私屬性與D2D通信共享性存在矛盾;移動場景下緩存策略的設置存在文件流行度、用戶的移動性信息無法感知以及基站緩存不智能的問題;蜂窩網(wǎng)絡的存儲優(yōu)化存在基站緩存與用戶請求不充分匹配導致緩存性能提升有限的問題。針對以上問題,本論文研究如何感知用戶的移動性、文件流行度信息,進而提出智能緩存策略。解決在不同的移動性場景下,蜂窩網(wǎng)絡中如何設置激勵機制和推薦機制,用戶和基站如何緩存的問題。本論文的主要工作及貢獻有以下三個方面:一、D2D網(wǎng)絡中基于用戶移動性和激勵機制的緩存策略研究。利用用戶間成功通信時長分布建模用戶移動性,提出了一種基于激勵機制的移動用戶緩存策略。同時解決用戶效用最大化和基站代價最小化的問題,通過梯度投影算法得到用戶緩存策略和系統(tǒng)提供的最優(yōu)單位激勵。仿真結果表明:用戶移動速率越低,最優(yōu)單位激勵越大;在四種用戶移動性場景下,降低基站服務代價方面,提出的緩存策略對比貪婪緩存策略最高降低32.8%,對比激勵緩存策略最高降低13.1%,同時,用戶移動速率越高,提出的緩存策略降低基站服務代價的優(yōu)勢越明顯。二、蜂窩網(wǎng)絡中基于推薦機制的智能緩存策略研究。提出了基于推薦機制的智能基站緩存策略,通過Q-learning算法學習用戶移動性和文件流行度信息,得到了以最小化長期基站代價為目標的基站緩存策略�；卮鹆朔涓C網(wǎng)絡中在不同的用戶移動場景下,基站應如何制定緩存策略以及如何設置推薦機制的問題。仿真結果顯示:用戶移動速率越低,最優(yōu)推薦力度越小;在不同移動性場景下,推薦機制的引入能夠使D2D和微基站的命中概率均得到很大的提升;在仿真中的四種用戶移動性場景下,降低核心網(wǎng)代價方面,提出的緩存策略較貪婪緩存最高降低22.5%,較推薦緩存策略最高降低18.6%。三、蜂窩網(wǎng)絡中基于時空維度移動性模型的智能緩存策略研究。上述研究工作的不足在于用戶移動性建模維度單一,從而無法充分利用用戶移動軌跡上的基站資源。因此采用時空維度移動性模型建模用戶移動性,以最大化長期系統(tǒng)收益為優(yōu)化目標,在線學習用戶移動性和文件流行度信息;通過背包算法壓縮動作空間,應用基于背包問題的Q-learning算法給出不同移動性場景下基站的緩存部署指導。仿真結果顯示:對于提出的緩存策略,采用時空維度移動性模型分析比單維度移動性模型有更大的系統(tǒng)收益優(yōu)勢;用戶移動速率越低,最優(yōu)推薦力度越小;四種用戶移動性場景下,提出的緩存策略對比貪婪緩存系統(tǒng)收益最高提升29.8%,對比推薦緩存策略最高提升15.2%。
【學位單位】：北京郵電大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TN929.5
【部分圖文】：

應用基站資源；另一方面，微基站與核心網(wǎng)之間的回程鏈路容量有限，當用戶需??求增加時，會產(chǎn)生很高的回程鏈路負擔。??在移動網(wǎng)絡的節(jié)點位置引入緩存可以很好地解決以上問題［３］，如圖１－１所示，??緩存可以分布在移動用戶節(jié)點、基站節(jié)點和后臺中心。研宄的重點在于兩個方面：??緩存部署的位置和緩存內容的部署。部署位置很大地影響了部署的有效性；文件??集中的每一個文件的緩存比例是影響緩存部署收益的重要因素。所以，如何部署??緩存讓緩存得以高效利用的同時減少冗余緩存是一個具有現(xiàn)實意義的問題。??料?！?！??｜Ｔｉｉ＼?Ｉ?！?ｉ參??夸、（：）Ｚ?二?Ｉ?Ｓ—ＧＷ?冰丄??Ｔ?Ｉ?－?Ｉ?＜１１??Ｉ?（ｉ）｝?＾?彳：ｗ??ｉ鼷＿?ｉ眶??圖１－１無線緩存網(wǎng)絡模型??研究提出在微基站或者移動用戶設備等儲存設備中緩存流行性文件（邊緣緩??存）以應對越來越高的網(wǎng)絡需求。微基站可以在回程負擔較小的時候下載文件并??緩存在自身的儲存中，通過這種方式，微基站可以增強用戶的服務質量，降低傳??２??

?北京郵電大學工學碩士學位論文１、本地通信：當用戶請求內容時，將首先檢查需求文件在本地緩存中有備份。一旦在本地存儲器中確認內容存在，用戶將沒有任何延遲的訪問它傳輸完成。??２、Ｄ２Ｄ通信：如果用戶請求的內容沒有在本地緩存中，則用戶搜索Ｄ信范圍內移動用戶的緩存。如果存在臨近用戶緩存了需求文件，內容將通通信發(fā)送給目標用戶。??３、基站通信：如果所需文件沒能通過１、２方式全部獲取，剩下的文將由服務基站通過與核心網(wǎng)通信發(fā)送給用戶。??用戶通信三種方式如圖２－１所示：??

２．３．１基站和用戶之間的相互作用符合博弈論中兩個具有沖突目標的實體通常用的關系［５］，具體來說用戶和基站之間的關系最適合Ｓｔａｃｋｅｌｂｅｒｇ博弈中的等級系概念，在這樣的博弈場景中：??１．基站是領導者，根據(jù)為激勵機制付出的資源和能耗約束，制定自身的緩束略，最大化通彳目系統(tǒng)的收：ｆｉｉ，并據(jù)此決定系統(tǒng)對用戶的激勵機制；??２．用戶是追隨者，追隨者在領導者作出決策后，根據(jù)領導者的激勵機制，定自身的緩存策略；??３．行動策略：基站的行動策略是制定激勵機制，從而使自身在為用戶服務獲取更高的收益；移動用戶的行動策略是每一個用戶對文件集中文件的緩存比４．效用函數(shù)：是研宄用戶和基站之間博弈關系的一個重要衡量手段。對于站來說，用戶之間Ｄ２Ｄ通信給系統(tǒng)帶來基站負載降低的收益。對于用戶來說，??效用不僅要考慮通過Ｄ２Ｄ通信獲得的激勵，同時還要考慮因為Ｄ２Ｄ通信多出的通信開銷。??具體關系可以由圖２－２看出，圖中展示了在高激勵場景和低激勵場景分別于基站和移動用戶的好處：??
【相似文獻】

相關期刊論文 前10條

1 趙衛(wèi)民;應用ASP.NET緩存策略 提升Web Form運行性能[J];電腦開發(fā)與應用;2004年09期

2 張俊;年梅;李京;;內容中心網(wǎng)絡概率緩存策略的研究[J];新疆師范大學學報(自然科學版);2017年03期

3 佘堃,楊四銘,周明天;一種多媒體服務器混合緩存策略[J];小型微型計算機系統(tǒng);2005年01期

4 許貴泉;;內容中心網(wǎng)絡隱私內容鄰居節(jié)點緩存策略[J];電腦知識與技術;2019年10期

5 張果;胡宇翔;黃萬偉;汪斌強;曹路佳;;基于流行內容感知和跟蹤的協(xié)同緩存策略[J];通信學報;2017年02期

6 黃祥志;劉南;劉仁義;張豐;李昭;;適用于可編輯WebGIS的動態(tài)緩存策略[J];計算機工程;2011年05期

7 霍躍華;劉銀龍;;內容中心網(wǎng)絡中基于內容流行度和節(jié)點屬性的協(xié)作緩存策略[J];太原理工大學學報;2018年01期

8 鄒夢婷;馮鑫鑫;王怡;王鑫濤;;基于移動場景下的邊緣緩存策略綜述[J];無線互聯(lián)科技;2019年11期

9 史甜甜;;內容中心網(wǎng)絡中緩存策略研究[J];電信工程技術與標準化;2014年06期

10 張建偉;陳娟娟;劉思;;基于一體化網(wǎng)絡的映射關系緩存策略[J];鄭州輕工業(yè)學院學報(自然科學版);2010年03期

相關博士學位論文 前4條

1 武昊;內容中心網(wǎng)絡中緩存策略與演進技術的研究[D];清華大學;2017年

2 崔現(xiàn)東;內容中心網(wǎng)絡網(wǎng)內緩存策略研究[D];北京郵電大學;2014年

3 李靖;流媒體服務系統(tǒng)中接入控制與緩存策略的研究[D];中國科學技術大學;2009年

4 巫旭敏;分布式服務系統(tǒng)基于分層的存儲資源管理研究[D];中國科學技術大學;2012年

相關碩士學位論文 前10條

1 孫明欣;以信息為中心網(wǎng)絡的緩存策略的設計與實現(xiàn)[D];北京郵電大學;2019年

2 王丹陽;用戶移動感知的無線邊緣網(wǎng)絡緩存策略研究[D];北京郵電大學;2019年

3 李鈺;超密集網(wǎng)絡中基于能效優(yōu)化的協(xié)作緩存策略研究[D];北京郵電大學;2019年

4 劉心唯;無線網(wǎng)絡中基于上下文信息感知的邊緣緩存策略研究[D];北京郵電大學;2019年

5 胡鵬程;基于多維屬性的機會網(wǎng)絡緩存策略研究與設計[D];河南大學;2018年

6 董正楠;D2D通信網(wǎng)絡中數(shù)據(jù)轉發(fā)機制與內容緩存策略研究[D];河南師范大學;2018年

7 夏雨生;移動互聯(lián)網(wǎng)數(shù)據(jù)緩存優(yōu)化策略研究[D];國防科學技術大學;2016年

8 孟紅濤;Spark內存管理與緩存策略研究[D];國防科學技術大學;2016年

9 陳晨;基于SDN的ICN網(wǎng)絡及其緩存策略的設計與實現(xiàn)[D];中國科學技術大學;2018年

10 王康康;基于NDN的車聯(lián)網(wǎng)數(shù)據(jù)轉發(fā)與緩存策略的研究[D];合肥工業(yè)大學;2018年

本文編號：2868039