CN110868705B - 一种社会感知的基于多跳机会式d2d通信的内容分发方法 - Google Patents

一种社会感知的基于多跳机会式d2d通信的内容分发方法 Download PDF

Info

Publication number
CN110868705B
CN110868705B CN201910446701.0A CN201910446701A CN110868705B CN 110868705 B CN110868705 B CN 110868705B CN 201910446701 A CN201910446701 A CN 201910446701A CN 110868705 B CN110868705 B CN 110868705B
Authority
CN
China
Prior art keywords
node
nodes
delay
path
distribution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910446701.0A
Other languages
English (en)
Other versions
CN110868705A (zh
Inventor
邵雯娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201910446701.0A priority Critical patent/CN110868705B/zh
Publication of CN110868705A publication Critical patent/CN110868705A/zh
Application granted granted Critical
Publication of CN110868705B publication Critical patent/CN110868705B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明目的在于提出了一种基于多跳机会式D2D通信的内容分发方法，该方法以卸载潜在的移动流量为目标，组合利用两种D2D通信方式：直接D2D通信和携带—转发D2D通信，形成多跳的D2D传输通信，以充分利用D2D网络的传输潜力。该方法采用两阶段包括：在第一阶段中，使用社会感知的决策方案来安排蜂窝连接方式(B2D)或D2D方式传输。在第二阶段中，以获得最大的卸载率为目标，每次分发时，在请求者集合中，基于多跳传输时延和路径跳数的折衷，构建多跳内容分发的效用函数，选择具有最高分发效用的节点作为最佳的接收者。本发明降低了内容获取的时延和分发路径的跳数，提供了更高的基站业务卸载率，从而减少基站能耗，并提高用户体验质量，提升了整个网络的收益。

Description

一种社会感知的基于多跳机会式D2D通信的内容分发方法
技术领域
本发明涉及一种社会感知的基于多跳机会式D2D通信的内容分发方法，属于无线通信领域。
背景技术
随着近十年来无线网络的迅猛发展，海量的应用数据驱动了对网络大流量和高带宽的需求。为了缓解传统蜂窝网络日益增长的容量压力，许多提高无线网络容量和效率的有效技术，如蓝牙、Zigbee、Wi-FiDirect或Device-to-Device(D2D)。在这些短距离技术中，D2D是通过移动用户之间的直接通信部署的终端到终端网络，不需要依赖额外的基础骨干网络。从电信运营商的角度来看，作为5G关键技术的D2D通信，D2D通信预计将成为卸载蜂窝业务的有效方式，降低成本，提高频谱效率和提供鲁棒性。
基于多跳D2D通信的内容分发是一种充分利用用户间潜在的互帮互惠作用，将相同内容快速在区域内的多个用户间分发，从而来实现内容分享的技术，能够有效卸载蜂窝流量，提高基站能效，它为电信运营商和用户不仅提供了灵活性，而且还增加了潜在的收益。
目前，现有的D2D通信任务分发方法大多使用了与社交网络相结合的方法，例如：1) 基于社交网络的D2D通信内容分发方案(申请号：CN201610820640.6)，该发明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。2)一种蜂窝网络中的内容分发方法(申请号：2018101625874)，考虑在用户对内容的喜好不同的情况下，定义用户之间的社会距离，然后利用潜在需求量和社会距离，计算每个用户获取每个内容的成本，为每个缓存节点的缓存内容分配最合适的空间大小和分配内容，有效减少了获取内容的成本和内容获取时延，提升了整个网络的收益以及缓存节点的缓存命中率。以上方法都考虑了通信系统的社交层信息和物理层信息，使用用户社交关系的紧密性/行为的相似性来优化内容分发过程，但是，上述不足之处在于未充分利用社交层中社交关系的稳定性和规律性，未进一步预测用户间未来的社交行为，挖掘潜在的分发机会，提升分发性能。
发明内容
本发明目的在于提出了一种基于多跳机会式D2D通信的内容分发方法(以下简称SAMCD)，在社会感知的基础上，基于分发效用函数进行内容分发的调度安排。本方法以卸载潜在的移动流量为目标，组合利用两种D2D通信方式：直接D2D通信和携带—转发D2D 通信，形成多跳的D2D传输通信，以充分利用D2D网络的传输潜力。在分发阶段，采用两阶段的基于社会感知的时延预测来提高D2D卸载率：在第一阶段中，使用社会感知的决策方案来安排蜂窝连接方式(B2D)或D2D方式传输。在第二阶段中，以获得最大的卸载率为目标，每次分发时，在请求者集合中，基于多跳传输时延和路径跳数的折衷，构建多跳内容分发的效用函数，选择具有最高分发能力的节点作为最佳的接收者。本发明与传统内容分发方法相比，降低了内容获取的时延和分发路径的跳数，提供了更高的基站业务卸载率，从而减少基站能耗，并提升用户体验质量，提升了整个网络的收益。通过与传统方法大量的仿真实验比较，实验数据表明，本文提出的方案可以较好地提高蜂窝网络的卸载性能。所提出的方法具有一定的通用性，同样适用于其他类型网络的流量卸载技术，例如，无线局域网中，用户通过Wi-FiDirect在Wi-Fi频带上使用D2D通信的情况。
本发明解决其技术问题所采取的技术方案是：一种社会感知的基于多跳机会式D2D通信的内容分发方法，该方法包括如下步骤：
步骤1：移动设备被随机地分布在由eNB(基站)服务的一个小区中，在某一时刻t0，多个移动设备向基站发送数据请求，请求在给定时间约束Tk内，获得内容mk；
步骤2：基站收集到节点发送的内容分发请求，构造一个特定于内容mk的请求者集Dk；
步骤3：在Dk中，eNB选择具有最快传播能力的节点作为分发代理者；分发代理者的选择符合如下的社会连接紧密度要求：1、与其它节点的累计相遇时长足够长；2、与其它节点相遇次数频繁。本发明通过机会式相遇来感知用户的紧密关系，当任务发起者与多个节点相遇时，从社会属性角度，将连接紧密程度ωij作为判定连接稳定性的依据，进而保证内容分发的快速性和有效性。
步骤4：构建卸载最大化的目标函数，在时延约束下，为Dk中所有的节点，寻求最大的卸载流量；
步骤5：根据用户的社会相遇频率，预估每个设备的D2D成功卸载的概率，执行社会感知的传输模式预测方法，对每个节点的D2D通信做出等待或停止的决策，调度安排分发任务；
步骤6：综合考虑节点在社会网络层面未来的社会相遇能力和物理网络层面未来的传输时延，选择具有最高分发效用的节点作为最佳的内容接收者。
有益效果：
1、本发明能够有效地减少消息分发的端到端时延，提高了基于D2D通信的内容分发的卸载成功率。
2、本发明通过多跳D2D通信和携带—转发的方式，充分利用D2D潜力的通信能力，节省了蜂窝网络资源，提高了D2D网络的资源利用率。
3、本发明具有分布式的特点，节点可以本地自主决策和调度分发任务，即每个内容携带者本地自主地预测相遇请求者的传输时延，选择具有最大分发效用的用户，以分布式方式安排D2D通信，能够适用于动态的网络拓扑结构。
4、本发明与传统内容分发方法相比，降低了内容获取的时延，提供了更高的基站业务卸载率，从而减少基站能耗，并提升用户体验质量，提升了整个网络的收益。
附图说明
图1为本发明实施例二进行集中式时延预测和分布式内容分发的方法流程图。
图2为本发明的通信系统结构示意图。
图3为时延中断概率p0＝0.7，时延约束τ为0.2—3小时，SAMCD和SA-Prophet、SA-Direct 三种算法的卸载成功率比较示意图。
图4为时延中断概率p0＝0.7，时延约束τ为0.2—3小时，SAMCD和SA-Prophet、SA-Direct 三种算法的平均分发时长比较示意图。
图5为时延中断概率p0＝0.7，时延约束τ为0.2—3小时，SAMCD和SA-Prophet、SA-Direct 三种算法的分发路径平均跳数比较示意图。
具体实施方式
下面结合说明书附图对本发明创造作进一步的详细说明。
实施例一
本发明使用一种基于离散的机会网络模拟器—One仿真平台来评估所提出方案的性能。本发明基于Infocomm数据集来建立设备间的相遇连接，将真实的移动轨迹数据集部署到模拟场景中，并计算以下三个维度来确定内容分发性能：卸载率、平均分发时长和平均跳数。
在仿真实验环境中，本发明假设在由eNB服务的一个半径为300m的小区中，在eNB预置的文件数为200个，不同大小的消息遵循从500K到1M的均匀分布。小区内总终端设备数N＝98(编号为：0－97)，移动用户采用随机步行的方式在小区范围内移动。
在运行过程中，每个移动用户可以通过D2D或B2D方式获取内容，所有终端的蜂窝信道采用相同的衰落模型。移动用户的内容请求符合均值为λ的泊松分布，λ的取值在{0.001， 0.002，…，0.01}(/小时)中选取，每次随机选择[10％,20％]的节点作为请求节点。
所有的实验操作都重复50次，将实验数据平均除以50次后，得到最后的实验结果。为了简单起见，本发明假设每个设备具有相同的存储容量，并且D2D链路的速率是相同的。
D2D传输速率设置为10Mbps，将蜂窝传输速率设置为100Mbps，内容分发的时延要求τ在序列{0.2,0.4,…,3小时}中随机选择。
在本发明的实验中，在每一个选择的TTI上执行算法，并在仿真运行50次后，将仿真结果进行平均后获得仿真结果，详细的仿真参数如表1所示。
表1主要的仿真参数
Figure GDA0003924215910000041
为了评估SAMCD的性能，本发明使用另外两种分发方案作为基准：SA-Prophet和SA-Direct，其中，在SA-Prophet方法中内容分发者将数据卸载到具有更高交付概率的节点，而在SA-Direct方法中内容分发者只有在遇到请求节点时，才进行内容卸载。
图3、图4和图5分别为当时延中断概率p0＝0.7，不同的时延约束τ下，SAMCD和 SA-Prophet、SA-Direct三种算法的性能比较示意图。由图可以看出，当时延约束τ增加时，三种算法的卸载成功率存在渐近式上升并逐步趋向稳定的趋势，平均分发时长和分发路径的平均跳数也随之增加。在平均跳数方面，SAMCD的平均跳数小于SA-Prophet的平均跳数，但高于SA-Direct的平均跳数，而在卸载率和平均时延方面，SADP的性能优于SA-Direct和 SA-Prophet。这是因为在相同的时延约束下，与其它两种内容分发方法相比，SAMCD考虑的是基于传输时延和路径跳数的折衷，可以通过较少的跳数、更短的时延来实现更高的卸载率，从而减少基站能耗，并提高用户体验质量，提升了整个网络的收益。
实施例二
如图1所示，本发明提供了一种社会感知的基于机会式D2D通信的内容分发方法，该方法包括如下步骤：
步骤1：移动设备被随机地分布在由eNB(基站)服务的一个小区中，在某一时刻t0，多个移动设备向基站发送数据请求，请求在给定时间约束Tk内，获得内容mk；
步骤2：基站收集到节点发送的内容分发请求，构造一个特定于内容mk的请求者集Dk；
步骤3：在Dk中，eNB选择具有最快传播能力的节点作为分发代理者；分发代理者的选择符合如下的社会连接紧密度要求：1、与其它节点的累计相遇时长足够长；2、与其它节点相遇次数频繁。本发明通过机会式相遇来感知用户的紧密关系，当任务发起者与多个节点相遇时，从社会属性角度，将连接紧密程度ωij作为判定连接稳定性的依据，进而保证内容分发的快速性和有效性。
步骤301：eNB在每个时隙，维护社会网络层面的连接图G＝{Dk, E}，顶点集Dk等于内容mk的请求者集合，边集合
Figure GDA0003924215910000051
将其中的连接权重ωij为用户社交关系的衡量指标，ωij描述了邻居关系的紧密性，作为能否建立基于D2D通信内容分发协作的依据。ωij越大，表示用户与其它用户间相遇可能性越大、接触时长越长，从而保证了节点的内容传播能力。
步骤302：采用平均相遇持续时长和平均相遇频率λij作为衡量连接紧密度的标准，由于这两个指标属于不同量纲，所以采用数据归一化的方式处理后，然后进行求和：
Figure GDA0003924215910000052
ωij表示(i，j)间的连接紧密度，
Figure GDA0003924215910000053
表示(i，j)间的平均相遇持续时长，λij表示(i，j) 间的平均相遇频率。
步骤303：计算节点的连接紧密度：
Figure GDA0003924215910000054
步骤304：eNB在每个时隙，维护物理网络层面的连接图 G(Dk,E|E(t0+t),E(t0+2t),....,E(t0+nt))，其中顶点集Dk等于内容mk的请求者集合，E(t)表示顶点集中一对实体之间存在的邻近D2D连接，其权重等于用户对(i，j)之间的相遇间隔时长。
步骤305：在请求者集中选择内容分发代理者。
具体步骤如下：
分发代理者i的分发能力包括两个方面：分发传播时间和社会接触能力，其中，分发传播时间由从路径传输时延期望E(Dij)表示，社会接触能力用连接紧密度ωi表示，如下式所示。计算每个节点的分发代理能力，选择其中具有最大值的节点作为分发代理者：
Figure GDA0003924215910000055
ψi,j表示对于从基站到节点j且经过节点i的路径集，
Figure GDA0003924215910000056
表示路径集的传输时延。
Figure GDA0003924215910000061
由eNB到i的B2D传输时间
Figure GDA0003924215910000062
和i到j的D2D多跳传输时延期望构成：
Figure GDA0003924215910000063
步骤306：计算eNB到节点i的B2D传输时间。
具体步骤如下：
Figure GDA0003924215910000064
等于待分发的内容大小除以节点i的蜂窝链路速率，表示为：
Figure GDA0003924215910000065
|mk|表示待分发的内容大小，
Figure GDA0003924215910000066
表示节点i的蜂窝链路速率。
eNB到用户i的蜂窝链路速率表示为：
Figure GDA0003924215910000067
其中，W0表示蜂窝系统的子载波带宽，pB表示基站的发送功率，lB,i表示基站到用户i 的传输距离，lB,i表示服从指数分布的路径损耗，α表示路径损耗因子，hB,i表示基站到用户i 的信道增益，σ2是高斯白噪声功率。
步骤307：计算i到j的D2D多跳传输时延期望E(Dij)。
计算i和j之间的最短时延Dij：
Figure GDA0003924215910000068
Dij表示节点对(i，j)之间的最短D2D多跳传输时延。通过在G(V,E)上执行Dijkstra算法来获得(i，j)间的最短时延。
假设每个相遇的D2D对具有相同的概率，时延的期望计算为时延的平均值，公式19能转化为下面等式：
Figure GDA0003924215910000069
|Dk|表示接收集Dk中的节点数。
步骤4：在多径传输时延概率p0的约束下，对应每个mk，为请求集中所有的节点，构建卸载流量最大化的目标函数：
Figure GDA00039242159100000610
s.t.
Figure GDA0003924215910000071
Figure GDA0003924215910000072
公式9中，Dk表示特定于内容mk的请求者集，|mk|表示内容mk的大小，公式9表示优化目标为请求集中所有的节点i∈Dk，实现总体卸载流量最大化。公式10中，ψi表示从基站到节点i的路径集，Tk为传输时延约束，
Figure GDA00039242159100000717
为在给定时间Tk约束内，路径集ψi的传输时延概率，p0表示多径D2D传输时延的通信中断概率，公式10表示多径传输时延概率需要满足大于p0的约束，则系统判定该节点通过多径D2D传输是可达的，公式11表示
Figure GDA0003924215910000073
表示节点i通过D2D连接获得mk，其余情况
Figure GDA0003924215910000074
步骤5：根据用户的社会相遇频率，预估每个设备的D2D成功卸载的概率，执行社会感知的传输模式预测方法，对每个节点的D2D通信做出等待或停止的决策，调度安排分发任务。
步骤501：根据历史相遇记录，eNB计算每个节点的多跳D2D路径传输时延。
在图2所示的环境中，多跳D2D总路径的传输时延包括：从eNB到分发代理者的B2D传输时间和从分发代理者到请求者的多跳D2D传输时间。
为了简化对多跳传输时延的分析，本发明假设每个用户对(u，v)之间的D2D通信速率相同，用户对(u，v)之间的相遇过程服从相遇频率为λuv的泊松分布，因此每个成对用户之间的相遇间隔时间Xuv服从均值λuv -1的指数分布。
节点(u,v)之间的传输时延(Duv)由直接D2D传输时延
Figure GDA0003924215910000076
和携带—转发D2D传输时延
Figure GDA0003924215910000077
组成，直接D2D传输指节点v在节点u的D2D通信范围内，携带—转发D2D 传输指节点v虽然超出了节点u的D2D通信范围内，但是，节点u将在时延约束的时限内，通过存储和转发的方式，将内容发送给节点v。Duv可表示为：
Figure GDA0003924215910000078
Duv表示节点(u，v)之间的传输时延，
Figure GDA0003924215910000079
表示节点(u，v)之间的携带—转发D2D传输时延。
用
Figure GDA00039242159100000710
表示ψi的第l条路径，该路径由k跳的D2D链路组成的，则
Figure GDA00039242159100000711
表示为：
Figure GDA00039242159100000712
由于路径集合
Figure GDA00039242159100000713
(表示为
Figure GDA00039242159100000714
)的总传输时延由两部分构成：从eNB到分发代理者的固定传输时延TB2D和路径集合中每跳D2D通信传输时延(表示为
Figure GDA00039242159100000715
)，于是
Figure GDA00039242159100000716
可以演变成为：
Figure GDA0003924215910000081
Figure GDA0003924215910000082
表示路径集合
Figure GDA0003924215910000083
的总传输时延，TB2D表示从eNB到分发代理者的蜂窝链路传输时延。
对于路径集合
Figure GDA0003924215910000084
中的每跳时延，基于公式12，能得到：
Figure GDA0003924215910000085
Figure GDA0003924215910000086
表示节点(u,v)之间的直接D2D传输时延。
对于k跳的D2D路径集
Figure GDA0003924215910000087
每个成对用户之间D2D直接传输时延
Figure GDA0003924215910000088
是相同的，随后，总的D2D直接传输时延能被统一地表示为
Figure GDA0003924215910000089
由此，路径集合
Figure GDA00039242159100000810
的传输时延
Figure GDA00039242159100000811
能演变为：
Figure GDA00039242159100000812
用{λ12,L,λuv,λvw,L,λ(k-1)k}表示相邻节点间的相遇频率。由于每个成对用户间的接触过程是独立且同分布的(iid)，因此相遇间隔时间变量Xuv也是iid。而路径u→v→w的传输时延为：Xuw＝Xuv+Xvw，因此，路径传输时延xuw的概率密度函数(PDF)能计算为
Figure GDA00039242159100000813
和
Figure GDA00039242159100000814
的卷积：
Figure GDA00039242159100000815
Figure GDA00039242159100000816
表示节点(u，w)之间相互接触时间变量的概率密度函数，
Figure GDA00039242159100000817
表示节点(u，v) 之间相互接触时间变量的概率密度函数，
Figure GDA00039242159100000818
表示节点(v，w)之间相互接触时间变量的概率密度函数。
对于路径
Figure GDA00039242159100000819
其总携带—转发D2D传输时延是路径上每一跳携带—转发时延
Figure GDA00039242159100000820
的和，能得到下面的等式：
Figure GDA00039242159100000821
Figure GDA00039242159100000822
表示路径
Figure GDA00039242159100000823
总携带—转发D2D传输时延。Xuv表示路径
Figure GDA00039242159100000824
上相邻节点间的传输时延变量。
每个变量
Figure GDA00039242159100000825
是iid的指数型随机变量，其PDF函数为
Figure GDA0003924215910000091
然后我们可以推得，
Figure GDA0003924215910000092
是由k个指数随机变量组成的超指数随机变量。
Figure GDA0003924215910000093
能计算为
Figure GDA0003924215910000094
中所有相邻节点的超卷积：
Figure GDA0003924215910000095
Figure GDA0003924215910000096
表示路径
Figure GDA0003924215910000097
总携带—转发D2D传输时延的概率密度函数，表示路径
Figure GDA0003924215910000098
上相邻节点间传输时延变量的概率密度函数。
依此，能用下面的公式来计算
Figure GDA0003924215910000099
Figure GDA00039242159100000910
其中：
Figure GDA00039242159100000911
λi(i+1)表示节点(i，i+1)之间的相遇频率。
对于k跳的D2D路径
Figure GDA00039242159100000912
其传输时延的累积分布函数(CDF)用
Figure GDA00039242159100000913
表示：
Figure GDA00039242159100000914
Figure GDA00039242159100000915
表示路径ψi传输时延小于等于给定时延约束Tk的概率。
Figure GDA00039242159100000916
为路径ψi的传输时延。
用公式15代替公式21中的
Figure GDA00039242159100000917
能得到：
Figure GDA00039242159100000918
由于
Figure GDA00039242159100000919
等于公式17中的总携带—转发D2D传输时延，因此，使用公式22，能推导得出如下等式：
Figure GDA00039242159100000920
然后，
Figure GDA00039242159100000921
可以用对
Figure GDA00039242159100000922
的积分来计算，积分区间为：0到
Figure GDA00039242159100000923
于是，可以推导得到
Figure GDA00039242159100000924
的值：
Figure GDA00039242159100000925
步骤502：根据多跳D2D路径时延，预测每个节点的平均时延中断概率；
对于路径集ψi中的每个链路路径
Figure GDA0003924215910000101
它的传输时延都是iid的。于是，受多径传输时延影响，
Figure GDA0003924215910000105
可以统计地转换为求解每条路径时延概率的平均值。假设每个路径具有相等的概率，则公式10能简化为：
Figure GDA0003924215910000102
|ψi|表示路径集ψi中的路径数目。
步骤503：通过组合使用公式24和公式25，能预测每个节点使用D2D传输的平均时延中断概率；
步骤504：如果一个节点的平均时延概率大于p0，则eNB认为：通过多跳D2D链路，将内容传递给该节点，因此将其判定为D2D的可达节点；否则，将其判定为B2D的可达节点，eNB将分配一个蜂窝链接，直接将内容发送给它；
步骤505：eNB调度安排相应的分发任务，如果节点是D2D的可达节点，通过分发代理者采用D2D通信模式将内容发送给它，如果节点是B2D的可达节点，下发D2D通信的停等指示，立即安排B2D通信模式进行内容分发；
步骤506：每个设备获得传输模式决策的指示，通过相应的传输模式，等待分发调度，接收文件。
步骤6：综合考虑节点在社会网络层面未来的社会相遇能力和物理网络层面未来的传输时延，选择具有最高分发效用的节点作为最佳的内容接收者。
步骤601：在每个时隙，分发节点i根据消息大小对消息进行递减排序；
步骤602：基于多跳传输时延和路径跳数的折衷，构建多跳内容分发的效用函数，然后为每个相遇节点j计算分发效用值。
分发效用函数定义为节点的连接紧密度除以传输时延期望和路径跳数的积：
Figure GDA0003924215910000103
Djh表示节点j到请求集中剩余节点h的最短多跳D2D传输时延，E(Djh)表示节点j到请求集中剩余节点的传输时延期望，hop(j,h)表示(j,h)间最短传输路径上的跳数。
步骤603：分发节点i选择具有最大分发效用的节点j*作为最佳的接收节点：
Figure GDA0003924215910000104
假设每个相遇的D2D对具有相同的概率，时延的期望计算为时延的平均值，公式27能转化为下面等式：
Figure GDA0003924215910000111
|Dk|表示接收集R中的节点数。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种社会感知的基于多跳机会式D2D通信的内容分发方法，其特征在于，所述方法包括如下步骤：
步骤1：节点被随机地分布在由基站eNB服务的一个小区中，在某一时刻t0，多个节点向基站发送数据请求，请求在给定时间约束Tk内，获得内容mk；
步骤2：基站收集到节点发送的内容分发请求，构造一个特定于内容mk的请求者集Dk；
步骤3：在Dk中，eNB选择具有最快传播能力的节点作为分发代理者；分发代理者的选择符合如下的社会连接紧密度要求：1、与其它节点的累计相遇时长足够长；2、与其它节点相遇次数频繁，通过机会式相遇来感知节点的紧密关系，当任务发起者与多个节点相遇时，从社会属性角度，将连接紧密程度ωij作为判定连接稳定性的依据，进而保证内容分发的快速性和有效性包括：
步骤301：eNB在每个时隙，维护社会网络层面的连接图G＝{Dk, E}，顶点集Dk等于内容mk的请求者集合，边集合
Figure FDA0003924215900000011
将其中的连接权重ωij为节点社交关系的衡量指标，ωij描述了邻居关系的紧密性，作为能否建立基于D2D通信内容分发协作的依据，ωij越大，表示节点与其它节点间相遇可能性越大、接触时长越长，从而保证了节点的内容传播能力；
步骤302：采用平均相遇持续时长和平均相遇频率λij作为衡量连接紧密度的标准，由于这两个指标属于不同量纲，所以采用数据归一化的方式处理后，然后进行求和：
Figure FDA0003924215900000012
ωij表示(i，j)间的连接紧密度，
Figure FDA0003924215900000013
表示(i，j)间的平均相遇持续时长，λij表示(i，j)间的平均相遇频率；
步骤303：计算节点的连接紧密度：
Figure FDA0003924215900000014
步骤304：eNB在每个时隙，维护物理网络层面的连接图G(Dk,E|E(t0+t),E(t0+2t),....,E(t0+nt))，其中顶点集Dk等于内容mk的请求者集合，E(t)表示顶点集中一对实体之间存在的邻近D2D连接，其权重等于节点对(i，j)之间的相遇间隔时长；
步骤305：在请求者集中选择内容分发代理者：
具体步骤如下：
分发代理者i的分发能力包括两个方面：分发传播时间和社会接触能力，其中，分发传播时间由路径传输时延期望E(Dij)表示，社会接触能力用连接紧密度ωi表示，如下式所示，计算每个节点的分发代理能力，选择其中具有最大值的节点作为分发代理者：
Figure FDA0003924215900000021
ψi,j表示对于从基站到节点j且经过节点i的路径集，
Figure FDA0003924215900000022
表示路径集的传输时延，
Figure FDA0003924215900000023
由eNB到i的B2D传输时间
Figure FDA0003924215900000024
和i到j的D2D多跳传输时延期望构成：
Figure FDA0003924215900000025
步骤306：计算eNB到节点i的B2D传输时间：
具体步骤如下：
Figure FDA0003924215900000026
等于待分发的内容大小除以节点i的蜂窝链路速率，表示为：
Figure FDA0003924215900000027
|mk|表示待分发的内容大小，
Figure FDA0003924215900000028
表示节点i的蜂窝链路速率，
eNB到节点i的蜂窝链路速率表示为：
Figure FDA0003924215900000029
其中，W0表示蜂窝系统的子载波带宽，pB表示基站的发送功率，lB,i表示基站到节点i的传输距离，α表示路径损耗因子，hB,i表示基站到节点i的信道增益，σ2是高斯白噪声功率；
步骤307：计算i到j的D2D多跳传输时延期望E(Dij)：
计算i和j之间的最短时延Dij：
Figure FDA00039242159000000210
Dij表示节点对(i，j)之间的最短D2D多跳传输时延，通过在G(V,E)上执行Dijkstra算法来获得(i，j)间的最短时延，
假设每个相遇的D2D对具有相同的概率，时延的期望计算为时延的平均值，
Figure FDA00039242159000000211
|Dk|表示接收集Dk中的节点数；
步骤4：构建卸载最大化的目标函数，在时延约束下，为Dk中所有的节点，寻求最大的卸载流量包括：
在多径传输时延概率p0的约束下，对应每个mk，为请求集中所有的节点，构建卸载流量最大化的目标函数：
Figure FDA0003924215900000031
s.t.
Figure FDA0003924215900000032
Figure FDA0003924215900000033
公式9中，Dk表示特定于内容mk的请求者集，|mk|表示内容mk的大小，公式9表示优化目标为请求集中所有的节点i∈Dk，实现总体卸载流量最大化，公式10中，ψi表示从基站到节点i的路径集，Tk为传输时延约束，
Figure FDA0003924215900000034
为在给定时间Tk约束内，路径集ψi的传输时延概率，p0表示多径D2D传输时延的通信中断概率，公式10表示多径传输时延概率需要满足大于p0的约束，则系统判定该节点通过多径D2D传输是可达的，公式11
Figure FDA0003924215900000035
表示节点i通过D2D连接获得mk，其余情况
Figure FDA0003924215900000036
步骤5：根据节点的社会相遇频率，预估每个设备的D2D成功卸载的概率，执行社会感知的传输模式预测方法，对每个节点的D2D通信做出等待或停止的决策，调度安排分发任务包括：
步骤501：根据历史相遇记录，eNB计算每个节点的多跳D2D路径传输时延：
多跳D2D总路径的传输时延包括：从eNB到分发代理者的B2D传输时间和从分发代理者到请求者的多跳D2D传输时间；
为了简化对多跳传输时延的分析，假设每个节点对(u，v)之间的D2D通信速率相同，节点对(u，v)之间的相遇过程服从相遇频率为λuv的泊松分布，因此每个成对节点之间的相遇间隔时间Xuv服从均值λuv -1的指数分布；
节点(u，v)之间的传输时延Duv由直接D2D传输时延
Figure FDA0003924215900000037
和携带—转发D2D传输时延
Figure FDA0003924215900000038
组成，直接D2D传输指节点v在节点u的D2D通信范围内，携带—转发D2D传输指节点v虽然超出了节点u的D2D通信范围内，但是，节点u将在时延约束的时限内，通过存储和转发的方式，将内容发送给节点v，Duv可表示为：
Figure FDA0003924215900000039
Duv表示节点(u，v)之间的传输时延，
Figure FDA00039242159000000310
表示节点(u，v)之间的携带—转发D2D传输时延；
用
Figure FDA0003924215900000041
表示ψi的第l条路径，该路径由k跳的D2D链路组成的，则
Figure FDA0003924215900000042
表示为：
Figure FDA0003924215900000043
由于路径
Figure FDA0003924215900000044
的总传输时延
Figure FDA0003924215900000045
由两部分构成：从eNB到分发代理者的固定传输时延TB2D和路径集中每跳D2D通信传输时延
Figure FDA0003924215900000046
于是
Figure FDA0003924215900000047
可以演变成为：
Figure FDA0003924215900000048
Figure FDA0003924215900000049
表示路径
Figure FDA00039242159000000410
的总传输时延，TB2D表示从eNB到分发代理者的蜂窝链路传输时延；
对于路径
Figure FDA00039242159000000411
中的每跳时延，基于公式12，能得到：
Figure FDA00039242159000000412
Figure FDA00039242159000000413
表示节点(u,v)之间的直接D2D传输时延；
对于k跳的D2D路径
Figure FDA00039242159000000414
每个成对节点之间D2D直接传输时延
Figure FDA00039242159000000415
是相同的，随后，总的D2D直接传输时延能被统一地表示为
Figure FDA00039242159000000416
由此，路径
Figure FDA00039242159000000417
的传输时延
Figure FDA00039242159000000418
能演变为：
Figure FDA00039242159000000419
用{λ12，...，λuv，λvw，...，λ(k-1)k}表示相邻节点间的相遇频率，由于每个成对节点间的接触过程是独立且同分布的iid，因此相遇间隔时间变量Xuv也是iid，而路径u→v→w的传输时延为：Xuw＝Xuv+Xvw，因此，路径传输时延xuw的概率密度函数PDF能计算为
Figure FDA00039242159000000420
和
Figure FDA00039242159000000421
的卷积：
Figure FDA00039242159000000422
Figure FDA00039242159000000423
表示节点(u，w)之间相互接触时间变量的概率密度函数，
Figure FDA00039242159000000424
表示节点(u，v)之间相互接触时间变量的概率密度函数，
Figure FDA00039242159000000425
表示节点(v，w)之间相互接触时间变量的概率密度函数；
对于路径
Figure FDA00039242159000000426
其总携带—转发D2D传输时延是路径上每一跳携带—转发时延
Figure FDA00039242159000000427
的和，能得到下面的等式：
Figure FDA00039242159000000428
Figure FDA00039242159000000429
表示路径
Figure FDA00039242159000000430
总携带—转发D2D传输时延，Xuv表示路径
Figure FDA00039242159000000431
上相邻节点间的传输时延变量；
每个变量
Figure FDA0003924215900000051
是iid的指数型随机变量，其PDF函数为
Figure FDA0003924215900000052
然后我们可以推得，
Figure FDA0003924215900000053
是由k个指数随机变量组成的超指数随机变量，
Figure FDA0003924215900000054
能计算为
Figure FDA0003924215900000055
中所有相邻节点的超卷积：
Figure FDA0003924215900000056
Figure FDA0003924215900000057
表示路径
Figure FDA0003924215900000058
总携带—转发D2D传输时延的概率密度函数，表示路径
Figure FDA0003924215900000059
上相邻节点间传输时延变量的概率密度函数；
依此，能用下面的公式来计算
Figure FDA00039242159000000510
Figure FDA00039242159000000511
其中：
Figure FDA00039242159000000512
λi(i+1)表示节点(i，i+1)之间的相遇频率；
对于k跳的D2D路径
Figure FDA00039242159000000513
其传输时延的累积分布函数(CDF)用
Figure FDA00039242159000000514
表示：
Figure FDA00039242159000000515
Figure FDA00039242159000000516
表示路径
Figure FDA00039242159000000517
传输时延小于等于给定时延约束Tk的概率，
Figure FDA00039242159000000518
为路径
Figure FDA00039242159000000519
的传输时延；
用公式15代替公式21中的
Figure FDA00039242159000000520
能得到：
Figure FDA00039242159000000521
由于
Figure FDA00039242159000000522
等于公式17中的总携带—转发D2D传输时延，因此，使用公式22，能推导得出如下等式：
Figure FDA00039242159000000523
然后，
Figure FDA00039242159000000524
可以用对
Figure FDA00039242159000000525
的积分来计算，积分区间为：0到
Figure FDA00039242159000000526
于是，可以推导得到
Figure FDA00039242159000000527
的值：
Figure FDA0003924215900000061
步骤502：根据多跳D2D路径时延，预测每个节点的平均时延中断概率；
对于路径集ψi中的每个链路路径
Figure FDA0003924215900000062
它的传输时延都是iid的，于是，受多径传输时延影响，
Figure FDA0003924215900000063
可以统计地转换为求解每条路径时延概率的平均值，假设每个路径具有相等的概率，则公式10能简化为：
Figure FDA0003924215900000064
|ψi|表示路径集ψi中的路径数目；
步骤503：通过组合使用公式24和公式25，能预测每个节点使用D2D传输的平均时延中断概率；
步骤504：如果一个节点的平均时延概率大于p0，则eNB认为：通过多跳D2D链路，将内容传递给该节点，因此将其判定为D2D的可达节点；否则，将其判定为B2D的可达节点，eNB将分配一个蜂窝链接，直接将内容发送给它；
步骤505：eNB调度安排相应的分发任务，如果节点是D2D的可达节点，通过分发代理者采用D2D通信模式将内容发送给它，如果节点是B2D的可达节点，下发D2D通信的停等指示，立即安排B2D通信模式进行内容分发；
步骤506：每个设备获得传输模式决策的指示，通过相应的传输模式，等待分发调度，接收文件；
步骤6：综合考虑节点在社会网络层面未来的社会相遇能力和物理网络层面未来的传输时延，选择具有最高分发效用的节点作为最佳的内容接收者包括：
步骤601：在每个时隙，分发节点i根据消息大小对消息进行递减排序；
步骤602：基于多跳传输时延和路径跳数的折衷，构建多跳内容分发的效用函数，然后为每个相遇节点j计算分发效用值；
分发效用函数定义为节点的连接紧密度除以传输时延期望和路径跳数的积：
Figure FDA0003924215900000065
Djh表示节点j到请求集中剩余节点h的最短多跳D2D传输时延，E(Djh)表示节点j到请求集中剩余节点的传输时延期望，hop(j,h)表示(j,h)间最短传输路径上的跳数；
步骤603：分发节点i选择具有最大分发效用的节点j*作为最佳的接收节点：
Figure FDA0003924215900000066
假设每个相遇的D2D对具有相同的概率，时延的期望计算为时延的平均值，公式27能转化为下面等式：
Figure FDA0003924215900000071
CN201910446701.0A 2019-05-27 2019-05-27 一种社会感知的基于多跳机会式d2d通信的内容分发方法 Active CN110868705B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910446701.0A CN110868705B (zh) 2019-05-27 2019-05-27 一种社会感知的基于多跳机会式d2d通信的内容分发方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910446701.0A CN110868705B (zh) 2019-05-27 2019-05-27 一种社会感知的基于多跳机会式d2d通信的内容分发方法

Publications (2)

Publication Number Publication Date
CN110868705A CN110868705A (zh) 2020-03-06
CN110868705B true CN110868705B (zh) 2022-12-13

Family

ID=69651989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910446701.0A Active CN110868705B (zh) 2019-05-27 2019-05-27 一种社会感知的基于多跳机会式d2d通信的内容分发方法

Country Status (1)

Country Link
CN (1) CN110868705B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111526489B (zh) * 2020-04-30 2021-11-23 上海海事大学 基于社交网络关系的d2d播放内容分发方法
CN115695560A (zh) * 2021-07-23 2023-02-03 伊姆西Ip控股有限责任公司 内容分发方法、电子设备和计算机程序产品
CN114633777A (zh) * 2022-03-11 2022-06-17 南京理工大学 基于双控制平台的轨道交通列车能耗数据监测系统及方法
CN115633381B (zh) * 2022-11-28 2023-03-14 中南大学 流量卸载中用户设备通信半径的控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108521640B (zh) * 2018-02-27 2020-05-01 北京邮电大学 一种蜂窝网络中的内容分发方法
CN109802773B (zh) * 2019-02-26 2021-12-14 重庆邮电大学 一种社交信任度感知的协作无线网络数据传输方法

Also Published As

Publication number Publication date
CN110868705A (zh) 2020-03-06

Similar Documents

Publication Publication Date Title
CN110868705B (zh) 一种社会感知的基于多跳机会式d2d通信的内容分发方法
Liu et al. Integrated radio resource allocation for multihop cellular networks with fixed relay stations
CN102918908B (zh) 用于通过支持若干技术的设备使用未使用tv频谱的方法和装置
Guo et al. Federated reinforcement learning-based resource allocation for D2D-aided digital twin edge networks in 6G industrial IoT
CN103220688B (zh) Lte自组织网络中基于效用函数的移动负载均衡方法
Kumar et al. A novel distributed Q-learning based resource reservation framework for facilitating D2D content access requests in LTE-A networks
Astaneh et al. Review and comparison of routing metrics in cognitive radio networks
CN106686679B (zh) 内容中心网络中基于能效的多跳d2d路由跳数限制方法
Mishra et al. Minimum interference based resource allocation method in two-hop D2D communication for 5G cellular networks
Sarasvathi et al. Centralized rank based channel assignment for multi-radio multi-channel wireless mesh networks
CN106912059B (zh) 支持互信息积累的认知中继网络联合中继选择及资源分配方法
CN112004265B (zh) 一种基于srm算法的社交网络资源分配方法
JP4536706B2 (ja) 帯域割当方法
Chen et al. Spectrum-aware routing in discontinuous orthogonal frequency division multiplexing-based cognitive radio ad hoc networks
Wang et al. Resource allocation for D2D underlay communication systems using PSO
Nabavi et al. An optimal routing protocol using multi-objective cultural algorithm for wireless sensor networks (ORPMCA)
Spachos et al. Energy efficient cognitive unicast routing for wireless sensor networks
Lee et al. EHLinQ: Distributed scheduler for D2D communication with RF energy harvesting
Tan et al. Social-aware peer discovery and resource allocation for device-to-device communication
CN108055676B (zh) 基于终端级别和节点数量的4g系统d2d路由选择方法
CN109041113B (zh) 一种面向未来5g网络的虚拟ue传输任务分配装置和方法
Fayek et al. Device-to-device communication in 5G: Towards efficient scheduling
CN107147991B (zh) 一种应用于蜂窝网络的d2d通信模式选择方法
Mastorakis et al. Spectrum aware routing in ad-hoc cognitive radio networks
Uyoata et al. Cross layer relay selection in device-to-device communication

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant