CN106454700B - 基于社交网络的d2d通信内容分发方法 - Google Patents

Abstract

本发明涉及一种应用在基于蜂窝网络的Device‑to‑Device(D2D)通信与社交网络相结合的通信系统中的三维匹配算法。为了在用户对内容的喜好不同的情况下进行内容的分享和推送，并使得用户对分享得到的内容具有相对较高的满意度的同时能够最大化系统D2D通信链路的总传输速率，此算法在充分考虑通信系统的社交层信息和物理层信息的基础上，将用户之间的以社交关系的紧密程度加权的传输速率作为优化目标，从而有效地对用户、分享内容与频谱资源之间的匹配进行优化，解决用户匹配和资源分配问题。此算法基于定价策略能够有效地解决用户请求冲突的问题，在极大地降低了运算复杂度的基础上，最终使得系统中的用户、分享内容与频谱资源之间的匹配达到稳定状态。

Description

基于社交网络的D2D通信内容分发方法

技术领域

本发明属于无线通信领域，具体涉及一种应用在基于蜂窝网络的Device-to-Device(D2D)通信与社交网络相结合的通信系统中的三维匹配方法，能够在综合考虑物理层条件与用户之间的社交关系的基础上对用户、分享内容与频谱资源之间的匹配进行优化，从而有效地解决用户配对和频谱资源分配问题。

背景技术：

随着智能通信终端的普及和移动多媒体服务的不断出现，用户对通信系统中更高无线传输速率的需求日益增长，终端直通(Device-to-Device,D2D)通信技术被看作是下一代蜂窝移动通信系统中能够提高频谱效率并增加网络容量的关键技术。D2D通信使用户设备之间能够直接建立通信链路进行数据传输，而不再局限于传统的网络架构，即不需要通过基站。在用户密集分布的热点区域，比如音乐厅，列车和其他公共场所，产生的大量数据流量会增加基站的负担。利用存在于社交网络中的“社交关系”和D2D通信技术，能够提高频谱效率并降低传输距离，从而有效地减轻基站负担。“社交关系”是指热点区域内的用户之间存在的实际的朋友关系或者以对内容的兴趣度为基础的虚拟关系。

以往的一些将社交网络与D2D通信技术结合的工作注重于将相同的内容快速分享至区域内的多个用户，比如尽可能的缩短内容在整个区域内的传播时间，而如何在用户对内容的喜好不同的情况下进行内容的分享和推送尚未得到详细的研究。为了有效的完成在用户对内容的喜好不同的情况下的内容的推送或者分享，即解决用户匹配问题和资源分配问题，首先要考虑的是如何利用社交关系完成用户匹配的过程，即确定D2D通信的发射端用户和接收端用户；其次，由于频谱复用造成了同信道干扰，因此有必要设计一个有效的频谱资源管理方案，在优化系统性能的同时保证用户的服务质量(QoS)。为了使用户接收到的内容满足其，并且D2D通信选择复用的频谱资源能够优化其传输速率，在解决用户匹配和资源分配问题的过程中需要同时考虑社交层和物理层的信息。

在D2D通信中，很多工作研究了如何利用匹配理论有效地解决频谱资源分配问题却没有考虑用户对内容的喜好，即只解决了用户与频谱资源之间的两重匹配。而由于用户在社交网络中的行为的不可控性和不确定性，几乎难以找到合适的模型来描述用户行为的性质，因此需要找到合适的方法来描述用户之间的社交关系。

发明内容：

本发明首先模拟了在用户对内容的喜好不同的情况下进行内容的分享和推送的场景，以使用户对分发内容具有较高的满意度和最大化D2D通信链路的总传输速率为目标，提出了一种联合解决用户匹配与资源分配问题的三维匹配算法。该算法充分考虑了通信系统的物理层信息和社交层信息，以优化系统中以社交关系的紧密程度加权的总速率为目标，能够优化用户、分享内容和频谱资源三者之间的匹配，有效的完成内容的推送或者分享，从而解决用户配对和资源分配问题。具体过程如下：

1)图1为通信系统结构示意图，如图系统分为两层：社交层和物理层。通信系统由一个基站(BS)，多个蜂窝用户(CUEs)和潜在的D2D通信用户构成。首先，对于社交层，为了得到用户之间的社交关系，利用非参数贝叶斯模型从社交平台，例如推特、微博等预估得到用户选择相似内容的概率，此概率被用来描述用户社交行为的相似性，并用来得到用户之间社交关系的紧密程度，当用户之间的社交关系达到某一紧密程度时，他们才有可能进行内容的共享。其次，在物理层，当用户之间满足一定物理条件时，比如当两用户之间的传输距离满足D2D通信需求时，用户之间的D2D通信链路才能建立。综合考虑社交层信息和物理层信息，优化用户、分享内容和频谱资源三者之间的匹配，才能成功的实现以D2D通信为基础的信息推送或内容的分享。物理层和社交层的建模过程以及两层信息的综合考虑如下。

(a)于物理层，认为两用户之间的距离满足D2D通信需求并且蜂窝用户与D2D用户的QoS都能够得到保证时，用户之间的D2D通信链路才能够建立。在此通信系统中，D2D用户可以共享蜂窝用户所占用的上行(UL)频谱资源块(RBs)，并且分配给每个蜂窝用户的每个资源块最多只能被一对D2D用户共享，反之亦然。由于上行频谱资源的复用，基站和D2D接收端用户都受到了共信道干扰，因此蜂窝用户和D2D用户的QoS都受到了影响。

系统中存在K个资源块，记为N_K＝{N₁，…，N_k，…，N_K}，对应的K个蜂窝用户记为K＝{1，2，…，k，…，K}。N个D2D发射端用户(TXs)和N个D2D接收端用户(RXs)分别表示为N_T＝{1，2，…，i，…，N}和N_R＝{1，2，…，j，…，N}。对于信道模型，小尺度衰落利用瑞利衰落来模拟，同时大尺度衰落利用自由空间传播路径损耗来模拟。当D2D发射端用户i与D2D接收端用户j构成的D2D对D_ij的通信链路复用资源块N_k时，基站受到了蜂窝用户k的干扰而D2D接收端用户j受到了蜂窝用户的干扰，用户j的信干噪比(SINR)和用户k的SINR分别表示为：

和

分别表示D2D发射端用户i与蜂窝用户k的发射功率；h_ij和h_k分别表示D2D通信链路和蜂窝通信链路的信道响应；h_kj和h_iB分别表示用户k与用户j之间的干扰链路和用户i与基站之间的干扰链路的信道响应；d_ij，d_k，d_kj和d_iB分别代表用户i与用户j之间，用户k与基站之间，用户k与用户j之间，用户i与基站之间的传输距离；α为自由空间路径损耗因子；h_0，i，h_0，k和h_0，iB为服从复杂高斯分布的瑞利信道因子；N₀代表加性高斯白噪声(AWGN)。因此，用户i与用户j之间的D2D通信链路与用户k与基站之间的蜂窝通信链路的信道速率分别为：

(b)于社交层而言，认为两用户选择相似内容的概率的归一化相关度越高，用户之间的社交关系越紧密。为了得到用户选择相似内容的概率的概率分布，系统首先对用户在不同社交平台的行为的历史记录进行整合，而后利用非参数贝叶斯模型对用户选择相似内容的概率的概率密度函数进行推导。

对于用户i，假设在多个时间段中从多个社交平台得到了q个观察集合，这些观察集合构成了集合Q。在某一时间，对于集合Q中的任意一个观察集合Z，用户i选择相似内容的概率记为p_Zi，p_Zi是一个在空间θ＝[0，1]上的随机变量，它的概率密度函数(pdf)记为P_Zi(p_Zi)。观察集合Z里面包含观察到的H_Zi个用户选择相似内容的概率，记为

利用狄利克雷过程(DP)，可以在观察集合Z的基础上预测下一个观察

的pdf，记为：

ε是θ上的可测区间，G作为先验信息的基础分布，∝表示先验基础分布在预计后验分布过程中的强度，即集中参数。在基础分布G和集中参数∝未知的情况下，以观察集合Z为基础，下一个观察

的预测pdf可以表示为：

为

处的点质量，当

时，

其他情况下，

由于利用DP得到的分布是离散的，于是利用核密度估计函数对其进行平滑从而得到P_Zi的连续估计

然而，由于观察集合Z中的观察数目H_Zi太小，因此预测到的结果会与预期有所差距。为了提高预测的准确度，考虑利用集合Q中更多的观察集合。给定集合Q中的一个子集集合W和一个观察集合Z，记W_Zi为子集W中除去观察集合Z之外的其他观察集合构成的集合，并将其看作先验信息。结合观察集合Z和先验信息W_Zi，则可以预测得到下一个观察

的pdf，表示为：

在产生

的过程中，观察集合Z的贡献被量化为

而W_Zi中的观察集合L的贡献被量化为

实际中，权重

和

的值与观察集合的数量成正比：

基于观察集合的同等效力，将

记为P_i。

对于D2D发射端用户i和接收端用户j，他们之间的社交关系的紧密程度ρ_ij由他们选择相似内容的概率的归一化相关度决定，表示为：

ρ_ij＝(corr(p_i，p_j)+1)/2

其中p_i～P_i(p)，p_j～P_j(p)。ρ_ij在区间[0，1]上变化，ρ_ij越大，用户i与j之间的社交关系越紧密。

(c)为了使用户对分享内容具有相对较高的满意度的同时最大化系统D2D通信链路的总传输速率，在综合考虑社交层信息和物理层信息的基础上，需要解决以优化系统中以社交关系的紧密程度加权的总速率为目标的优化问题，从而有效地完成内容的推送或者分享。因此，当D2D发射端用户i与D2D接收端用户j构成的D2D对D_ij的通信链路复用资源块N_k时，定义用户i与用户j之间的以社交关系的紧密程度加权的传输速率为：

定义Γ(ρ_ij)为ρ_ij的示性函数，即当ρ_ij≥δ时，Γ(ρ_ij)＝1；当

ρ_ij＜δ时，Γ(ρ_ij)＝0。实际上，只有当用户i与用户j之间的社交关系的紧密程度不低于一个门限值δ时，用户i才能将内容分享给用户j，即当ρ_ij≥δ时，用户i与用户j之间才可能形成D2D通信链路进行内容的共享。

2)为了解决以最大化系统中D2D对的加权总速率为目标的优化问题，实现有效的内容分发，则需要对分享内容、用户和频谱资源三者之间的匹配进行优化，即优化D2D通信发射端用户、D2D通信接收端用户和频谱资源之间的匹配，联合解决用户配对和资源分配问题。因此，将此分配问题描述为一个混合整数规划问题。首先，利用一个三维N×N×K矩阵X＝{x_i，j，k}描述D2D通信发射端用户、D2D通信接收端用户和频谱资源之间的匹配关系。矩阵中的元素

x_i，j，k是一个二元变量，即x_i，j，k∈{0，1}，它表示用户配对和资源分配的匹配策略情况。x_i，j，k＝1表示用户i与用户j之间形成了D2D通信链路，并且此通信链路复用资源块N_k。其次，为了避免D2D通信对蜂窝通信链路造成过多的干扰，则需要对D2D通信发射端用户的发射功率

进行控制。因此，在解决以最大化系统中D2D对的加权总速率为目标的优化问题时，需要联合考虑匹配策略变量{x_i，j，k}和功率变量

这个混合整数规划问题的表述如下：

C1限定了D2D通信发射端用户的发射功率的范围，即保证了发射功率不超过最大发射功率P_max。C3中的三个不等式保证了每个D2D发射端用户最多只能与一个D2D接收端用户匹配，反之亦然；同时每一条D2D通信链路最多只能复用一个RB资源，反之亦然。C4和C5分别保证了D2D通信链路和蜂窝通信链路的QoS。

3)基于匹配理论，我们提出了一个基于定价策略的三维匹配方法来解决上述混合整数规划问题。首先，匹配理论知识为所提出的三维匹配方法提供了理论基础，使得我们能够将原始的三维匹配问题转化为双边匹配问题，从而降低运算的复杂度。其次，以最大化信道加权速率为目标的同时兼顾功率控制过程，能够建立匹配模型中的重要组成部分：喜好列表。最后，我们采用定价策略来简化上述三维匹配问题，并提出了迭代算法以使得D2D通信发射端用户、D2D通信接收端用户和频谱资源块三者之间的匹配达到稳定状态。具体过程如下：

(a)在将D2D通信发射端用户、D2D通信接收端用户和资源块三者之间原始的三维匹配问题转化为双边匹配问题的过程中，首先，定义由一个D2D通信接收端用户RX和一个频谱资源块RB构成的RX-RB单元，由于每一个蜂窝用户CUE占用一个上行频谱资源块RB，因此将RX-RB单元写为RX-CUE(RC)单元。本通信系统中存在N个D2D通信接收端用户和K个上行频谱资源块，因此存在N×K个不同的RC单元，记为

这样，原始的三维匹配问题就可以转变为两边分别为N个D2D通信发射端用户和N×K个RC单元的双边匹配问题。因此，有以下定义：

定义1：匹配Φ中的元素是一一对应的，即

Φ(i)＝RC_j，k表示发射端用户i与RC单元RC_j，k相互匹配。

由于D2D通信发射端用户、D2D通信接收端用户和资源块之间的三维匹配关系是一一对应的，因此，当Φ(i)＝RC_j，k时，对于除去用户i之外的其他D2D发射端用户i′，

在匹配Φ中，如果不存在D2D发射端用户i和RC单元RC_j，k互不匹配却更喜欢对方为彼此的匹配对象的情况时，则匹配Φ是稳定的。

(b)在进行双边匹配的过程中，一边的元素会根据自己的喜好列表向另一边的元素请求匹配，因此为了解决上述双边匹配问题，首先要建立D2D发射端用户对RC单元的喜好列表。基于不同的物理层状态和社交层状态，D2D发射端用户在与不同的RC单元匹配时，能够实现不同的信道速率和用户对内容的满意度，因此，D2D发射端用户对RC单元的喜好列表可以根据之前定义的以社交关系的紧密程度加权的传输速率计算得到。在建立D2D发射端用户对RC单元的喜好列表的过程中，每一个D2D发射端用户TX需要与每一个RC单元分别匹配，通过优化功率变量

则能够得到每一个TX-RC对在保证蜂窝用户QoS的情况下的最大加权速率。例如，x_i，j，k＝1时，该功率优化问题表述如下：

通过解决上述问题，便能够得到每一个D2D发射端用户对RC单元的喜好列表。对于D2D发射端用户i，利用

表示用户i与每一个RC单元匹配可以得到的最大加权速率排降序，

表示与T_i对应的RC单元集合，即为用户i的喜好列表。因此，定义T＝{T₁，T₂，…，T_N}为所有TX-RC对可达到的最大加权速率的集合，O＝{O₁，O₂，…，O_N}为与T对应的D2D发射端用户的喜好列表的集合。

(c)以建立好的喜好列表为基础，D2D发射端用户将会向他最喜爱的RC单元请求匹配，为了解决多个D2D发射端用户(不少于两个用户)向同一个RC单元请求匹配的问题，我们提出以定价策略为基础的迭代算法。首先，对于每一个RC单元，我们引入“价格”的概念，每个RC单元的价格都由其包含的D2D接收端用户的“价格”和蜂窝用户的“价格”相加得到。RC单元的价格没有任何物理意义，只作为匹配过程中的虚拟成本存在，即RC单元的价格代表每一个D2D发射端用户与其匹配的成本，并且这些价格在算法的开始被设置为0。因此，定义CR＝{CR₁，…，CR_j，…，C_RN}，

为D2D通信接收端用户的价格集合，CK＝{CK₁，…，CK_k，…，CK_K}，

为蜂窝用户的价格集合，

为RC单元的价格集合。之后，在算法的每一次迭代过程中，没有匹配对象的D2D发射端用户将向其最喜爱的RC单元请求匹配，根据其与不同RC单元匹配时能够实现的最大加权速率和相应的匹配成本的差决定。如果任意一个D2D接收端用户或者蜂窝用户只接收到一个D2D发射端用户的请求，那么D2D发射端用户将会与其所请求的RC单元直接进行匹配；如果任意一个D2D接收端用户或者蜂窝用户接收到了多个D2D发射端用户(不少于两个用户)的请求，那么这些D2D接收端用户和蜂窝用户被称为冲突用户，用集合Ω表示，集合Ω中的冲突用户将会以价格步长s提高自身的价格直至只收到一个D2D发射端用户的请求。当D2D通信对的数量N不少于频谱资源块的数量K时，即N≥K时，在频谱资源块被分配完的情况下，匹配算法会结束；同理，当D2D通信对的数量N不多于频谱资源块的数量K时，即N≥K时，在D2D通信发射端用户全部匹配的情况下，匹配算法会结束。这样，最终能够得到D2D通信发射端用户、D2D通信接收端用户和频谱资源，即分享内容、用户和频谱资源之间的的稳定匹配。

附图说明：

图1是通信系统结构示意图。

图2是D2D发射端用户i对RC单元的喜好列表的建立过程。

图3是本发明所提出的基于定价策略的三维匹配迭代算法的流程图。

图4是喜好列表建立过程图和稳定匹配示意图。

图5是本发明模拟场景中用户位置的示意图。

图6是本发明提出的三维匹配迭代算法与穷举匹配算法和随机匹配算法在N取值不同的情况下的性能比较。

图7是本发明提出的三维匹配迭代算法与穷举匹配算法和随机匹配算法在K取值不同的情况下的性能对比。

图8是本发明提出的三维匹配迭代算法与穷举匹配算法在不同情况下的收敛性对比。

图9是采用本发明提出的三维匹配迭代算法，在考虑不同社交关系需求时，用户对分享内容的满意度的对比图。

具体实施方式

本发明的实施方式总共分为两步，分别为模型建立过程和算法实现过程。所建模型如图1所示，它和发明内容中对基于蜂窝网络的D2D通信与社交网络结合的通信系统的介绍完全对应；算法实现过程的具体流程图如图2和图3所示，它们和发明内容中基于匹配理论的三维匹配方法步骤完全对应。图1是基于蜂窝网络的D2D通信和社交网络结合的通信系统的结构示意图；图2是D2D发射端用户i对RC单元的喜好列表的建立过程；图3是基于定价策略的三维匹配迭代算法的流程图。

1)对于系统模型，首先要考虑社交层中用户之间的社交关系，利用非参数贝叶斯模型能够从社交平台得到用户选择相似内容的概率，根据所得概率能够得到用户之间社交关系的紧密程度，当用户之间的社交关系的紧密程度达到某一值时，用户才可能进行内容的共享。随后，考虑物理层时，只有在满足一定物理条件时，比如当两用户之间的传输距离满足D2D通信需求时，用户才可能利用D2D通信链路进行内容的共享。因此，在基于蜂窝网络的D2D通信与社交网络结合的通信系统中，在综合考虑社交层信息与物理层信息的基础上，才能有效地完成内容的推送或者分享，即优化用户、分享内容和频谱资源三者之间的匹配，解决用户配对和资源分配问题。

2)为了解决上述问题，首先要将用户、分享内容和频谱资源之间的三维匹配问题转化为低复杂度的双边匹配问题，即一边为D2D发射端用户，另一边为D2D接收端用户与频谱资源的组合。随后建立D2D发射端用户对D2D接收端用户与频谱资源的组合的喜好列表。以喜好列表为基础，采用基于定价策略的迭代算法最终能够得到用户、分享内容和频谱资源之间的稳定匹配。

对于本发明，我们进行了大量仿真。仿真中的具体参数如图5所示，考虑一个半径为R＝200m的蜂窝网络，其中K个蜂窝用户随机分布；在蜂窝网络范围内的一个半径为r＝30m的热点区域内，N个内容持有者与N个内容接收者随机分布，即N个D2D通信发射端用户和N个D2D通信接收端用户在此热点区域内随机分布。每个D2D通信发射端用户最多只能与一个D2D通信接收端用户配对进行内容推送，反之亦然；每个蜂窝用户占用一个上行频谱资源块，且每条D2D通信链路最多只能共享一个频谱资源块，反之亦然。

图6为N＝6，K＝6时的用户位置图，即蜂窝用户和D2D通信用户的位置分布图。蓝色虚线圆内为热点区域部分，此区域内的D2D发射端用户与D2D接收端用户在同时满足一定的物理条件与社交关系需求时，能够直接通过D2D通信链路进行通信。本发明提出的三维匹配算法分别与穷举匹配算法和随机匹配算法进行了比较，穷举匹配算法通过检查每一个可能的匹配从而找到最优匹配，因此作为性能的上界，而随机匹配算法作为性能的下界。图7为应用穷举匹配算法、随机匹配算法与三维匹配算法在K＝6时，即系统中存在6个蜂窝用户时，随着D2D通信用户数量的变化，系统中D2D对的加权速率的总和的变化比较图。图8为应用上述三种算法在N＝6时，即系统中存在6个D2D发射端用户与6个D2D接收端用户时，随着蜂窝用户数量的变化，系统中D2D对的加权速率的总和的变化比较图。其中，三维匹配算法的性能与穷举匹配算法的性能相近，并远优于随机匹配算法。同时，三维匹配算法的运算复杂度相较于穷举匹配算法降低了近千倍。图9为随着匹配算法迭代次数的增加，D2D对的加权速率的总和的变化图。在如图3所示的三维匹配算法流程图中，每一次迭代至少会形成一个三维匹配对，即D2D发射端用户-D2D接收端用户-频谱资源块。因此，三维匹配算法的收敛次数与D2D通信用户和蜂窝用户的数量有关。图10为D2D通信接收端用户对分享内容的满意度的累积分布函数图。与不考虑社交关系的情况相比较，在考虑社交关系的情况下用户对分享内容的满意度更高，并且随着社交关系紧密程度门限值的减小，用户满意度也会随之降低。因此，在考虑社交关系的基础上，应用基于定价策略的三维匹配算法能够降低运算的复杂度，并且能够有效地优化用户、分享内容和频谱资源三者之间的匹配，从而解决用户配对和资源分配问题。

尽管为说明目的公开了本发明的具体实施和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因此，本发明不应局限于最佳实施例和附图所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims (2)

1.一种应用在基于蜂窝网络的D2D通信与社交网络相结合的通信系统中的三维匹配方法，其特征在于：

1)考虑在用户对内容的喜好不同的情况下利用D2D通信技术进行内容的分享和推送；

2)提出基于定价策略的三维匹配算法，优化分享内容、用户与频谱资源之间的匹配，具体为D2D通信发射端用户、D2D通信接收端用户和频谱资源块三者之间的匹配；

所述基于定价策略的三维匹配算法为将原始的三维匹配问题转化为双边匹配问题，在建立喜好列表的基础上，采用定价策略进行迭代匹配，它包括以下步骤：

系统中存在N个D2D通信发射端用户，N个D2D通信接收端用户和K个频谱资源块，定义由一个D2D通信接收端用户RX和一个频谱资源块RB构成的RX-RB单元，由于每一个蜂窝用户CUE占用一个上行频谱资源块RB，因此将RX-RB单元写为RX-CUE单元即RC单元，原始的三维匹配问题就转变为两边分别为N个D2D通信发射端用户和N×K个RC单元的双边匹配问题；

建立D2D发射端用户对RC单元的喜好列表，每一个D2D发射端用户TX需要与每一个RC单元分别匹配，通过优化功率变量P_i ^D，能够得到每一个TX-RC对在保证蜂窝用户的服务质量的情况下的最大加权速率；

以建立好的喜好列表为基础，D2D发射端用户将会向他最喜爱的RC单元请求匹配，提出以定价策略为基础的迭代匹配算法；首先，对每一个RC单元，引入“价格”的概念，每个RC单元的价格由其包含的D2D接收端用户的“价格”和蜂窝用户的“价格”相加所得，RC单元的价格没有任何物理意义，只作为匹配过程中的虚拟成本存在，即RC单元的价格代表每一个D2D发射端用户与其匹配的成本，并且这些价格在算法的开始被设置为0；随后，在算法的每一次迭代过程中，没有被匹配的D2D发射端用户将根据其与RC单元匹配时能够实现的最大加权速率与相应的匹配成本的差向其最喜爱的RC单元请求匹配，如果任意一个D2D接收端用户或者蜂窝用户只接收到一个D2D发射端用户的请求，那么D2D发射端用户将会与其所请求的RC单元直接进行匹配；如果任意一个D2D接收端用户或者蜂窝用户接收到了多个D2D发射端用户的请求，那么这些D2D接收端用户和蜂窝用户被称为冲突用户，冲突用户将会逐步提高自身的价格直至只收到一个D2D发射端用户的请求；当匹配算法结束时，D2D通信发射端用户、D2D通信接收端用户与频谱资源块之间的匹配，即用户、分享内容与频谱资源之间的匹配达到稳定状态。

2.如权利要求1所述的一种应用在基于蜂窝网络的D2D通信与社交网络相结合的通信系统中的三维匹配方法，其特征在于，所述在用户对内容的喜好不同的情况下利用D2D通信技术进行内容的分享和推送，需要综合考虑物理层和社交层信息，它包括以下三个步骤：

1)首先考虑物理层信息，得到D2D发射端用户i与D2D接收端用户j之间的D2D通信链路在复用资源块N_k时的信道速率

和

分别表示用户i与蜂窝用户k的发射功率；h_ij表示D2D通信链路的信道响应，h_kj表示用户k和用户j之间的干扰链路的信道响应；N₀代表加性高斯白噪声；

2)考虑社交层信息，利用非参数贝叶斯模型能够从社交平台得到用户选择相似内容的概率，两用户选择相似内容的概率的归一化相关度越高，用户之间的社交关系越紧密，D2D发射端用户i和D2D接收端用户j之间的社交关系的紧密程度为

ρ_ij＝(corr(p_i，p_j)+1)/2

p_i～P_i(p)，p_j～P_j(p)，P_i和P_j分别代表预估得到的用户i和用户j选择相似内容的概率的概率密度函数，ρ_ij在区间[0，1]上变化，ρ_ij越大，用户i与j之间的社交关系越紧密；

3)综合考虑社交层信息和物理层信息，当D2D发射端用户i与D2D接收端用户j构成的D2D通信链路复用资源块N_k时，定义用户i与用户j之间的以社交关系的紧密程度加权的传输速率为：

δ为社交关系的紧密程度的门限值，当ρ_ij≥δ时，用户i与用户j之间才形成D2D通信链路进行内容的共享，Γ(ρ_ij)为ρ_ij的示性函数，即当ρ_ij≥δ时，Γ(ρ_ij)＝1；当ρ_ij＜δ时，Γ(ρ_ij)＝0。

Images