CN108112039B - 一种基于重传和用户移动的异构蜂窝网络缓存方法 - Google Patents

Abstract

本发明公开了一种基于重传和用户移动的异构蜂窝网络缓存策略，包括以下步骤：首先利用二分搜索法，得到使得小基站关联概率最大的小基站缓存概率；然后根据该小基站缓存概率，利用内点法，得到使得命中概率最大的小基站缓存概率。本发明相比于最热门缓存策略（MPC）得到的命中概率更大，并且求解的复杂度较低。

Description

一种基于重传和用户移动的异构蜂窝网络缓存方法

技术领域

本发明涉及一种基于重传和用户移动的异构蜂窝网络缓存策略，属于无线通信技术领域。

背景技术

近年来，随着智能手机和平板等移动设备的普及，对无线数据流量的需求正在呈现爆炸式的增长。为了满足庞大的流量需求，异构蜂窝网络部署作为一种被广泛认可的解决方法成为了当前研究的热点。异构蜂窝网络是由宏基站(Macro Base Stations，MBSs)和小基站(Small Cell Base Stations，SBSs)等具有不同发射功率和覆盖范围的节点所组成的网络，可以大幅度地提高无线网络系统容量。

然而，异构蜂窝网络带来的更为密集的基站部署将对回程链路(Backhaul)造成更大的压力，尤其是对于密集的小基站。为了减轻回程链路的负担，提前将热门文件缓存在小基站中是一种行之有效的方法。然而，待缓存文件的数目众多，而小基站的缓存容量却是有限的，因此对于小基站缓存概率的优化是十分必要的。

对于引入缓存的异构蜂窝网络而言，通常采用以内容为中心的小区关联策略，即用户将与缓存有所需文件且偏置接收功率最大的基站关联，相比传统的基于连接的小区关联策略，可以获得更大的命中概率。重传作为一种提高命中概率和传输可靠性的技术，在实际系统中被广泛应用。对于密集的异构蜂窝网络而言，用户移动对性能的影响十分巨大。

针对以上问题，需要提出一种新的性能良好且复杂度较低的缓存策略。

发明内容

本发明所要解决的技术问题是：提供一种基于重传和用户移动的异构蜂窝网络缓存策略，该策略以较低的复杂度，获得远超最热门缓存策略(Most Popular Caching，MPC)的命中概率。

本发明为解决上述技术问题采用以下技术方案：

一种基于重传和用户移动的异构蜂窝网络缓存策略，包括如下步骤：

步骤1，获取异构蜂窝网络的物理参数，包括宏基站分布密度、小基站分布密度、宏基站发射功率、小基站发射功率、宏基站偏置系数、小基站偏置系数、路径损耗系数，以及待缓存文件的被访问概率分布，采用二分搜索法，得到使小基站关联概率最大的初始小基站缓存概率；

步骤2，根据步骤1得到的初始小基站缓存概率，采用内点法求解，得到使命中概率最大的小基站缓存概率，实现小基站缓存概率的优化。

作为本发明的一种优选方案，所述步骤1的具体过程如下：

1-1，根据异构蜂窝网络的物理参数，得到变量

的值，其中，

为宏基站分布密度λ₁与小基站分布密度λ₂之比，

为宏基站发射功率P₁与小基站发射功率P₂之比，

为宏基站偏置系数B₁与小基站偏置系数B₂之比，α为路径损耗系数；

1-2，采用二分搜索法进行迭代，得到二分搜索法的待求解变量

并根据

得到使小基站关联概率最大的初始小基站缓存概率

其中，j＝1,…,N，N为文件数目。

作为本发明的一种优选方案，1-2所述二分搜索法的具体过程为：

1-2-1，根据待缓存文件的被访问概率分布a＝[a₁,a₂,…,a_N]，计算二分搜索法的初始搜索范围

其中，a_j为第j个待缓存文件的被访问概率分布，j＝1,…,N，N为文件数目；

1-2-2，判断low是否小于high，若是则跳转到步骤1-2-3，否则跳转到步骤1-2-7；

1-2-3，计算当前搜索范围的中间值mid＝(low+high)/2；

1-2-4，计算小基站缓存概率向量

其中，

表示第j个待缓存文件在小基站中的缓存概率，

表示被0和1截断的y；

1-2-5，判断是否满足条件

若是则跳转到步骤1-2-8，其中，M₂为小基站缓存容量，δ为设定的门限；

1-2-6，否则，进一步判断是否满足条件

如果满足，则令high＝mid，同时跳转到步骤1-2-2；否则，则令low＝mid，同时跳转到步骤1-2-2；更新搜索范围；

1-2-7，令

计算初始小基站缓存概率向量

其中，第j个分量为

1-2-8，输出初始小基站缓存概率

作为本发明的一种优选方案，所述步骤2的具体过程如下：

2-1，根据步骤1得到的初始小基站缓存概率

计算小基站关联概率

2-2，计算小基站用户的等效信干噪比门限

其中，R₀为用户速率要求，W为系统带宽，λ_u为用户密度，λ₂为小基站分布密度；

2-3，计算变量

其中，

为宏基站偏置系数B₁与小基站偏置系数B₂之比，α为路径损耗系数，

为高斯超几何函数；

2-4，计算

和

其中，

为宏基站分布密度λ₁与小基站分布密度λ₂之比，

为宏基站发射功率P₁与小基站发射功率P₂之比；

2-5，利用内点法求解下述问题

0≤b_2j≤1,j∈{1,2,…,N}

得到使命中概率最大的小基站缓存概率b₂，其中，M₂为小基站缓存容量，T为设定的最大传输次数。

作为本发明的一种优选方案，2-1所述小基站关联概率的计算公式为：

其中，

为小基站关联概率，a_j为第j个待缓存文件的被访问概率分布，j＝1,…,N，N为文件数目，

为变量，

为第j个待缓存文件在小基站中的缓存概率。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明所提出的异构蜂窝网络缓存策略，与现有的MPC相比，命中概率得到了很大的提高，并且算法的复杂度较低。

附图说明

图1是本发明引入缓存的两层异构蜂窝网络的示意图。

图2是本发明缓存策略二分搜索法的流程图。

图3是本发明缓存策略内点法的流程图。

图4是采用本发明二分搜索法得到的初始小基站缓存概率分布图。

图5是采用本发明内点法得到的小基站缓存概率分布图。

图6是本发明提出的缓存策略与MPC的命中概率对比图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

如图1所示，给出了实施例对应的异构蜂窝网络示意图，结合最大传输次数T＝3、宏基站密度λ₁＝1/(π500²)m^-2、小基站密度λ₂＝50/(π500²)m^-2、用户密度λ_u＝100/(π500²)m^-2、宏基站发射功率P₁＝10W、小基站发射功率P₂＝2W、路径损耗系数α＝3.5、宏基站偏置B₁＝1、小基站偏置B₂＝10、小基站缓存容量M₂＝5、文件数目N＝50、文件被访问概率服从参数γ＝0.56的齐夫分布(Zipf Distribution)、系统带宽W＝100MHz、用户速率要求R₀＝5Mbps的异构蜂窝网络。本发明缓存策略的具体步骤如下：

(1)根据异构蜂窝网络的物理参数，如宏基站和小基站的分布密度、发射功率和偏置系数等，和待缓存文件的被访问概率分布，利用二分搜索法，得到使小基站关联概率最大的小基站缓存概率。

该步骤具体包括：

(1-1)根据异构蜂窝网络的物理参数，得到变量

的值，其中

为宏基站密度与小基站密度之比，

为宏基站发射功率与小基站发射功率之比，

为宏基站偏置与小基站偏置之比，α为路径损耗系数。

(1-2)假设二分搜索法的初始搜索范围为[low,high]，根据待缓存文件的被访问概率分布a＝[a₁,a₂,…,a_N]，得到

其中N为文件数目。

(1-3)判断是否满足条件low＜high。如果是，跳转到步骤(1-4)；否则，跳转到步骤(1-8)。

(1-4)计算当前搜索范围的中间值mid＝(low+high)/2。

(1-5)计算小基站缓存概率向量

其中第j个分量

表示第j个文件在小基站中的缓存概率，

表示被0和1截断的y。

(1-6)判断是否满足条件

其中M₂为小基站缓存容量，δ为设定的门限。如果是，跳转到步骤(1-9)；否则，跳转到步骤(1-7)。

(1-7)判断条件

是否满足。如果满足，则令high＝mid；否则，则令low＝mid。更新搜索范围，并跳转到步骤(1-3)。

(1-8)令

计算初始小基站缓存概率向量

其中第j个分量为

(1-9)输出初始小基站缓存概率向量

如图2所示，为步骤(1)的流程图，实施步骤(1)，得到的初始小基站缓存概率分布如图4所示。

(2)根据步骤(1)中得到的小基站缓存概率，利用内点法，得到使命中概率最大的小基站缓存概率。

该步骤具体包括：

(2-1)根据步骤(1)得到的初始小基站缓存概率

计算小基站关联概率

(2-2)计算小基站用户的等效信干噪比门限

其中R₀为用户的可达速率要求，W为系统带宽，λ_u为用户密度。

(2-3)计算变量

其中

为高斯超几何函数。

(2-4)计算

和

(2-5)利用内点法求解问题

0≤b_2j≤1,j∈{1,2,…,N}

得到小基站的缓存概率b₂，其中T为设定的最大传输次数。

如图3所示，为步骤(2)的流程图，实施步骤(2)，得到的小基站缓存概率分布如图5所示。

保持其他变量的取值不变，使用户速率要求R₀从2^-3Mbps到2⁶Mbps变化，可得仿真结果如图6所示，观察可知，本发明所提出的小基站缓存策略(Opt)，与现有的MPC相比，命中概率得到了很大的提高。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (3)

1.一种基于重传和用户移动的异构蜂窝网络缓存方法，其特征在于，包括如下步骤：

步骤1，获取异构蜂窝网络的物理参数，包括宏基站分布密度、小基站分布密度、宏基站发射功率、小基站发射功率、宏基站偏置系数、小基站偏置系数、路径损耗系数，以及待缓存文件的被访问概率分布，采用二分搜索法，得到使小基站关联概率最大的初始小基站缓存概率；具体过程如下：

1-1，根据异构蜂窝网络的物理参数，得到变量

的值，其中

为宏基站分布密度λ₁与小基站分布密度λ₂之比，

为宏基站发射功率P₁与小基站发射功率P₂之比，

为宏基站偏置系数B₁与小基站偏置系数B₂之比，α为路径损耗系数；

1-2，设定二分搜索法的初始搜索范围为[low,high]，根据待缓存文件的被访问概率分布a＝[a₁,a₂,…,a_N]，得到

a_j为第j个待缓存文件的被访问概率分布，j＝1,…,N，N为文件数目；

1-3，判断是否满足条件low＜high；如果是，跳转到1-4；否则，跳转到1-8；

1-4，计算当前搜索范围的中间值mid＝(low+high)/2；

1-5，计算小基站缓存概率向量

其中第j个分量

表示第j个待缓存文件在小基站中的缓存概率，

表示被0和1截断的y；

1-6，判断是否满足条件

其中M₂为小基站缓存容量，δ为设定的门限；如果是，跳转到1-9；否则，跳转到1-7；

1-7，判断条件

是否满足；如果满足，则令high＝mid；否则，则令low＝mid；更新搜索范围，并跳转到1-3；

1-8，令

计算初始小基站缓存概率向量

其中第j个分量为

1-9，输出初始小基站缓存概率向量

步骤2，根据步骤1得到的初始小基站缓存概率，采用内点法求解，得到使命中概率最大的小基站缓存概率，实现小基站缓存概率的优化。

2.根据权利要求1所述基于重传和用户移动的异构蜂窝网络缓存方法，其特征在于，所述步骤2的具体过程如下：

2-1，根据步骤1得到的初始小基站缓存概率向量

计算小基站关联概率

2-2，计算小基站用户的等效信干噪比门限

其中，R₀为用户速率要求，W为系统带宽，λ_u为用户密度，λ₂为小基站分布密度；

2-3，计算变量

其中，

为宏基站偏置系数B₁与小基站偏置系数B₂之比，α为路径损耗系数，

为高斯超几何函数；

2-4，计算

和

其中，

为宏基站分布密度λ₁与小基站分布密度λ₂之比，

为宏基站发射功率P₁与小基站发射功率P₂之比；

2-5，利用内点法求解下述问题

得到使命中概率最大的小基站缓存概率b₂，其中，M₂为小基站缓存容量，T为设定的最大传输次数。

3.根据权利要求2所述基于重传和用户移动的异构蜂窝网络缓存方法，其特征在于，2-1所述小基站关联概率的计算公式为：

其中，

为小基站关联概率，a_j为第j个待缓存文件的被访问概率分布，j＝1,…,N，N为文件数目，

为变量，

为第j个待缓存文件在小基站中的缓存概率。

Images