CN111328092B - D2d通信中继分组缓存分配中的预信息动态更新方法 - Google Patents

Abstract

本发明公开了D2D通信中继分组缓存分配中的预信息动态更新方法，该方法为基于用户分组需求，在中继HUE端执行分组缓存分配所需的预信息动态更新方法，其基于对VUE分组比例，以及各VUE组内数据包目录的请求集中度对系统性能影响的分析，使得系统能够根据当前的性能状态，动态地更新VUE的分组以及组内的数据包目录，实现系统性能的优化。本发明提出的两种预信息动态更新方案存在不同的特点和适用场景，在系统部署中应根据实际需求选用其中一种方案，或结合具体场景的变化进行方案的动态或半动态切换，从而实现在通信过程中系统性能的持续优化。

Description

D2D通信中继分组缓存分配中的预信息动态更新方法

技术领域

本发明涉及移动通信技术领域，尤其涉及D2D通信中继分组缓存分配中的预信息动态更新方法。

背景技术

D2D通信技术可以使得用户终端(User Equipment，UE)之间进行直接通信，而无需经过基站(EvolvedNode B，eNB)等设备的传输或转发，从而达到辅助降低eNB流量负载，以及提高有效通信覆盖范围等目的。

D2D UE-NW中继是3GPP LTE标准制定组在D2D通信议题中引入的新特性[1]。其具备在不增加现有网络设备的情况下，扩大网络覆盖范围的能力，因而在公共安全通信(如地震、战争)，以及商用通信[2]等领域有着广泛的应用前景。如图1所示，典型的D2D UE-NW系统中包括一个eNB、若干中继服务提供者用户设备(Helper UE，HUE),以及若干需要D2D中继连接服务的用户设备(Victim UE，VUE)。eNB与HUE通过传统的蜂窝通信链路相连接，而HUE与VUE则通过3GPP规定的D2D通信专用的副链路[3]相连接。此外，为进一步地应对不断日益增长的庞大UE数据需求，当前业界在UE-NW中继技术的基础上，引入积极存储策略(Proactive Caching)[4]，即将VUE感兴趣的数据包(以下简称“包”)提前存储于HUE端，当VUE发起对该包的请求时，可以直接从HUE获取，从而达到进一步降低eNB负载的目的。

虽然D2D UE-NW中继缓存技术具备上述优势，但现有的技术方案中仍存在不同程度的设计缺陷。典型的经典方案如参考文献[5]，其设计了一种基于HUE和VUE双向选择和匹配机制的缓存内容分发方案。该方案既能够节约系统设备能耗，也能够保证用户获取内容的公平性。在另一个方案中，文献[6]通过全局最优的遗传算法和次优的分步优化算法，对VUE组内数据的截断Zipf分布的截断点和指数进行联合优化，从而提高网络边缘的内容缓存命中率。然而，上述方案[5][6]均未考虑分组VUE需求类型的多样性以及用户数据偏好差异化等因素对系统性能的影响。

另一方面，文献[7]通过将HUE和多个VUE分组之间的策略交互构建为斯塔克尔伯格博弈，提出了一种半分布式的D2D随机缓存布设方案。然而，该方案未考虑各组之间请求集中度的差异对系统性能的影响，因而无法更有效地利用分组需求信息属性来辅助系统性能的提升。在另一个案例中，文献[8]则提出利用D2D用户需求数据包内容的多样化分类特性，将D2D VUE按照数据需求进行分组，并根据每个组数据包需求请求集中度、服务质量(Quality ofService，QoS)要求和分组比例密度之间的差异，构建了一种目标最大化D2D缓存卸载吞吐率的优化问题模型，并采取了一种复杂度可接受的D2D HUE缓存空间分配方案。但另一方面，该方案[8]只能处理分组比例密度，以及各组的请求集中度为静态的和固定的情况，无法及时根据系统的实时情况进行动态更新。

综上所述，以上方案只能根据给定的预信息执行缓存分配，未能进一步地挖掘VUE分组需求多样性的理论性质，也即无法通过对预信息的动态更新在通信过程中持续改善性能。

发明内容

本发明为解决现有D2D UE-NW中继缓存技术中，未进一步地挖掘VUE分组需求多样性的理论性质，无法根据系统的实时情况对其执行分组VUE缓存分配所需的预信息进行动态更新，从而无法在通信过程中持续改善性能的问题，提供了D2D通信中继分组缓存分配中的预信息动态更新方法。

为实现以上发明目的，而采用的技术手段是：

D2D通信中继分组缓存分配中的预信息动态更新方法，包括：在D2DUE-NW中继系统中，包括一个eNB，若干与eNB通信连接的中继HUE，以及若干与中继HUE通信连接的VUE；HUE分组缓存分配的预信息动态更新过程中：

HUE根据eNB广播的预信息执行分组VUE缓存分配，并基于分配结果，服务响应各分组VUE的数据请求；请求服务完成后，HUE上报包含服务情况的信息给eNB；

eNB根据各HUE上报的信息，综合评估D2D UE-NW中继系统性能，即D2D UE-NW中继系统的吞吐率和公平性；根据当前系统性能状态，采用基于VUE分组比例和/或各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新；将更新后的预信息反馈给HUE；

针对eNB反馈的更新预信息，HUE执行新一轮的分组VUE缓存分配。

上述方案中，针对D2D UE-NW中继系统，提出了中继HUE分组缓存分配的预信息动态更新过程，其基于对VUE分组比例，以及各VUE组内数据包目录的请求集中度对系统性能(吞吐率和公平性)影响的分析，使得系统能够根据当前的性能状态，动态地更新VUE的分组以及组内的数据包目录，实现在通信过程中系统性能的持续优化。

优选的，所述采用基于VUE分组比例的预信息动态更新方案对预信息进行动态更新具体为：若当前D2D UE-NW中继系统的吞吐率低于预设吞吐率阈值，则eNB重新调整VUE用户的分组划分，降低分组VUE比例分布的均匀性；若当前D2D UE-NW中继系统的公平性低于预设公平性阈值，则提高分组VUE比例分布的均匀性。

优选的，所述采用基于各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新具体为：若当前D2D UE-NW中继系统的吞吐率低于预设吞吐率阈值，则对于低请求集中度VUE组，eNB重新划分其相应的数据包目录，提高其组内数据包目录的请求集中度；若当前D2D UE-NW中继系统中的低请求集中度组的组内公平性低于预设公平性阈值时：若同时HUE缓存空间极限M不满足预设充分大，且低请求集中度VUE组的组内数据包请求集中度低于预设请求集中度阈值时，则对于该组，eNB重新划分其相应的数据包目录，提高其组内数据包请求集中度；否则，降低其组内数据包请求集中度；所述低请求集中度VUE组即VUE组内数据包请求集中度相对其他VUE组较低的VUE组。

优选的，所述方法还包括建立D2D UE-NW中继系统的性能优化求解模型，包括：

对于所述D2D UE-NW中继系统中D2D UE的空间分布，采用随机几何有限区域二项点分布模型描述，即：设空间中的HUE数量为N_a，VUE由位于有限区域中心的某个虚拟参考点代替，其跟一个HUE进行配对时，受到空间中其它N_a-1个HUE的干扰；D2D UE间的链路损耗指数为α，干扰缓解指数为η，干扰缓解指数η定义为干扰功率除以发送功率得到的比例；

设VUE根据其包需求偏好，划分为S(S≥2,S∈Z⁺)个不同的分组，且相应的分组下标构成集合S＝{1,2,...,S}；第s个VUE用户分组占总的VUE数量的比例为q_s；定义所有的q_s构成集合

设q中的元素从高到低排列，即q_s随着分组下标s的增加而递减；设每个数据包都具有相同的单位大小值，且每个HUE具有相同的缓存空间极限M(M∈Z⁺)，即每个HUE可最多存储M个数据包；第s个VUE用户分组对应一个有限数量为N的包集合

且满足N＞M＞S,N∈Z⁺；

i≠j；设每个分组的包集合F^s与任何其它分组的包集合都不重叠，即每个分组都有自己独自的包需求偏好排序，独立于任何其它分组；定义

为分组s内的VUE请求F^s的概率分布，其由Zipf流行度分布进行描述：

式中，β_s表示第s组内数据包流行度分布的偏好程度；f_i ^s表示第s个VUE用户分组内的第i个包的请求概率；

基于随机几何的二项点分布的结论，将分组s对应的D2D链路成功概率近似表示为：

且

其中：{x,y,z,u}为正数值的参数集合，r_d为D2D链路最大通信距离，Θ_s为分组s所需的包类型要求的QoS对应的信号干扰比阈值目标；定义集合p＝{p₁,p₂,...,p_S}；α表示D2D链路的路径损耗指数；

表示和D2D相关的链路干扰消除因子，用于模拟理想情况下的稳定干扰环境水平，而P_T和P_I则分别指代服务HUE和干扰源HUE的发射功率；

则得到D2DUE-NW中继系统的性能优化求解模型如下：

受限于：

其中：目标函数T_max定义为最大化的吞吐率，C1条件表示HUE端的所有缓存包不得超过其缓存空间极限M；C2则表示在极限范围M内，每个分组应至少获得一个包；将式(4)的优化求解模型进行松弛近似，即先将式(4)中的整数变量k_s，松弛为

的连续变量，进而得到如下近似优化问题：

受限于：

其中：

为条件C2进行松弛后获得的连续变量条件；

式(6)中的近似计算采用如下近似表达式：

基于KKT理论，通过引入拉格朗日公共算子ω，使式(6)问题的求解得到如下解析数值解表达式：

其中，φ_s＝N_ap_sq_sG(β_s)，且有

x＞0,x≠1；

求解得到式(6)问题的最优松弛解

优选的，所述HUE根据eNB广播的预信息执行分组VUE缓存分配具体为：中继HUE在收到eNB广播的关于分组VUE的预信息后，求解式(6)优化问题，获得分组缓存数据包分配方案。

优选的，所述采用基于VUE分组比例的预信息动态更新方案对预信息进行动态更新的实施流程包括：

a1.若当前D2D UE-NW中继系统的吞吐率低于预设吞吐率阈值，则eNB重新调整VUE用户的分组划分，以降低分组VUE比例分布的均匀性，进而提高系统吞吐率；

b1.若当前D2D UE-NW中继系统的公平性低于预设公平性阈值，则eNB重新调整VUE用户的分组划分，以提高分组VUE比例分布的均匀性，进而提高系统公平性；

c1.其他情况下，即当前D2D UE-NW中继系统的吞吐率和公平性均处于合适程度，则eNB不更新VUE的分组划分；

d1.HUE若收到步骤a1或b1中eNB重新调整所反馈更新的预信息，则基于该更新的预信息，重新求解式(6)优化问题，获得更新后的分组缓存数据包分配方案。

优选的，所述采用基于各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新的实施流程包括：

a2.若当前D2D UE-NW中继系统的吞吐率低于预设吞吐率阈值，则eNB重新划分低请求集中度VUE组的数据包目录，以提高该数据包目录的请求集中度，进而提高系统吞吐率；所述低请求集中度VUE组即VUE组内数据包请求集中度相对其他VUE组较低的VUE组；

b2.若当前低请求集中度VUE组内的公平性低于预设公平性阈值：

b21.若HUE缓存空间极限M不满足预设充分大，且低请求集中度VUE组的组内数据包请求集中度低于预设请求集中度阈值时，则eNB重新划分低请求集中度VUE组内的数据包目录，以提高其组内数据包目录的请求集中度，进而提高低请求集中度VUE组内的公平性；

b22.其他情况，则eNB重新划分低请求集中度VUE组的数据包目录，以降低该数据包目录的请求集中度，进而提高低请求集中度VUE组内的公平性；

c2.其他情况，即吞吐率和公平性均处于合适程度，则eNB不更新预信息；

d2.HUE若收到步骤a2或b2中eNB反馈更新的预信息，则基于该更新的预信息，重新求解式(6)优化问题，获得更新后的分组缓存数据包分配方案。

优选的，所述采用基于VUE分组比例和/或各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新，进一步是：

在各VUE分组各自组内的数据包序列集中程度差异不大于预设差异，且各VUE分组各自跟HUE之间的D2D链路成功概率差异不大于预设差异的情景下，采用基于VUE分组比例的预信息动态更新方案对预信息进行动态更新；

在存在两种大类别VUE组，且其各自分组比例差异不大于预设差异，以及该两种VUE分组各自跟HUE之间的D2D链路成功概率差异不大于预设差异的情景下，采用基于各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新。

与现有技术相比，本发明技术方案的有益效果是：

本发明针对D2D UE-NW中继系统，提出了中继HUE分组缓存分配的预信息动态更新过程，其基于对VUE分组比例，以及各VUE组内数据包目录的请求集中度对系统性能(吞吐率和公平性)影响的分析，使得系统能够根据当前的性能状态，动态地更新VUE的分组以及组内的数据包目录，实现系统性能的优化。

同时针对不同场景提出两种新型的用于执行D2D UE-NW中继HUE缓存分配的预信息动态更新方案。其中基于VUE分组划分的预信息动态更新方案适用于当前各个VUE分组内的数据包序列集中程度差异不大或者大致相当，且各VUE分组各自跟HUE之间的D2D链路成功概率差异不大或者大致相当的场景下，能够有效地在系统吞吐率性能和公平性性能之间进行折衷调节。而基于数据包目录划分的预信息动态更新方案则针对当前时刻存在两种大类别VUE分组的场景，且两组VUE的密度比例相当或差异不大，以及两组VUE各自跟HUE之间的D2D链路成功概率差异不大或者大致相当的情况下，可有效地调节系统吞吐率和公平性。本发明提出的两种预信息动态更新方案存在不同的特点和适用场景，在系统部署中应根据实际需求选用其中一种方案，或结合具体场景的变化进行方案的动态或半动态切换，从而实现系统性能的最大优化。另外，对于当前的3GPP协议^[3]或报告^[4]，尚未明确规定D2D UE-NW中继系统中，中继HUE如何动态更新其执行分组VUE缓存分配所需的预信息的机制，本发明进行了有效补充。

附图说明

图1为实施例1中D2D UE-NW中继系统的通信场景示意图。

图2为实施例1的中继HUE分组缓存预信息动态更新方案一的流程图。

图3为实施例1的中继HUE分组缓存预信息动态更新方案二的流程图。

图4为实施例2中系统吞吐率vs SIR阈值的示意图。

图5为实施例2中分组包分配vs分离下标GSI，s_*的示意图。

图6为实施例2中M充分大时，包缓存分配vs VUE分组1的请求集中度的示意图。

图7为实施例2中M不充分大时，包缓存分配vs VUE分组1的请求集中度的示意图。

图8为实施例2中吞吐率vs VUE分组1的数据包集中度的示意图。

图9为本发明方法的总流程图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

本实施例1提供了D2D通信中继分组缓存分配中的预信息动态更新方法，如图9所示，在D2D UE-NW中继系统中，HUE根据eNB广播的预信息执行分组VUE缓存分配，并基于分配结果，服务响应各分组VUE的数据请求；请求服务完成后，HUE上报包含服务情况的信息给eNB；eNB根据各HUE上报的信息，综合评估D2D UE-NW中继系统性能，即D2D UE-NW中继系统的吞吐率和公平性；根据当前系统性能状态，采用基于VUE分组比例和/或各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新，并将更新后的预信息反馈给HUE；针对eNB反馈的更新预信息，HUE执行新一轮的分组VUE缓存分配。

下面对以上方案进行详细说明。

首先对D2D UE-NW中继系统进行介绍。如图1所示，典型的D2D UE-NW系统中包括一个eNB、若干中继服务提供者用户设备(Helper UE，HUE),以及若干需要D2D中继连接服务的用户设备(Victim UE，VUE)。eNB与HUE通过传统的蜂窝通信链路相连接，而HUE与VUE则通过3GPP规定的D2D通信专用的副链路^[3]相连接。其中将VUE感兴趣的数据包(以下简称“包”)提前存储于HUE端，当VUE发起对该包的请求时，可以直接从HUE获取，从而达到进一步降低eNB负载的目的。

本实施例1采用随机几何有限区域二项点分布模型来描述D2D UE-NW中继系统中D2D UE的空间分布。设空间中的HUE数量为N_a，VUE由位于有限区域中心的某个虚拟参考点代替，其跟一个HUE进行配对时，受到空间中其它N_a-1个HUE的干扰；D2D UE间的链路损耗指数为α，干扰缓解指数为η，干扰缓解指数η定义为干扰功率除以发送功率得到的比例^[10]；

设VUE根据其包需求偏好，划分为S(S≥2,S∈Z⁺)个不同的分组，且相应的分组下标构成集合S＝{1,2,...,S}；第s个VUE用户分组占总的VUE数量的比例为q_s；定义所有的q_s构成集合

设q中的元素从高到低排列，即q_s随着分组下标s的增加而递减；设每个数据包都具有相同的单位大小值，且每个HUE具有相同的缓存空间极限M(M∈Z⁺)，即每个HUE可最多存储M个数据包；第s个VUE用户分组对应一个有限数量为N的包集合

且满足N＞M＞S,N∈Z⁺；

i≠j；设每个分组的包集合F^s与任何其它分组的包集合都不重叠，即每个分组都有自己独自的包需求偏好排序，独立于任何其它分组；定义

为分组s内的VUE请求F^s的概率分布，其由Zipf流行度分布进行描述^[11]：

式中，β_s表示第s组内数据包流行度分布的偏好程度；f_i ^s表示第s个VUE用户分组内的第i个包的请求概率；

另一方面，借助于随机几何的二项点分布的相关结论^[9]，将分组s对应的D2D链路成功概率近似表示为：

且

其中：{x,y,z,u}为正数值的参数集合，r_d为D2D链路最大通信距离，Θ_s为分组s所需的包类型要求的QoS对应的信号干扰比(Signal-to-Interference Ratio，SIR)阈值目标；定义集合p＝{p₁,p₂,...,p_S}；α表示D2D链路的路径损耗指数；

表示和D2D相关的链路干扰消除因子，用于模拟理想情况下的稳定干扰环境水平，而P_T和P_I则分别指代服务HUE和干扰源HUE的发射功率；

基于上述内容，则得到本实施例需关注的D2D UE-NW中继系统的性能优化求解模型如下：

受限于：

其中：目标函数T_max定义为最大化的吞吐率，C1条件表示HUE端的所有缓存包不得超过其缓存空间极限M；C2则表示在极限范围M内，每个分组应至少获得一个包；此问题是一个拥有S个整数变量的组合整数规划问题，是一个NP-难问题，直接求解该问题会导致指数级的高计算复杂度。因此，为获得计算复杂度可接受且有效的可行解，需将式(4)的性能优化求解模型进行松弛近似，即先将式(4)中的整数变量k_s，松弛为

的连续变量，进而得到如下近似优化问题：

受限于：

其中：

为条件C2进行松弛后获得的连续变量条件；

此外，式(6)中的近似计算采用了文献^[12]给出的近似表达式：

可以验证，式(6)优化问题为凹优化问题^[13]，它可以获得理论唯一解。基于此性质，借助于KKT理论^[13]，通过引入拉格朗日公共算子ω，使式(6)问题的求解得到如下解析数值解表达式：

其中，φ_s＝N_ap_sq_sG(β_s)，且有

x＞0,x≠1；

进一步地，利用文献^[8]提出的方案迭代更新式(9)-(10)以及ω，或利用凸优化内点法^[13]，均可以获得式(6)问题的最优松弛解

留意到，现有方案^[8][13]只能根据给定的预信息执行缓存分配，未能进一步地挖掘VUE分组需求多样性的理论性质，也即无法通过对预信息的动态更新在通信过程中持续改善性能。

基于此，本实施例根据不同的预信息动态更新类型，提出两种预信息动态更新方案，即基于VUE分组比例的预信息动态更新方案以及基于各VUE组内需求包目录划分的预信息动态更新方案，并给出了每种方案的理论推导依据，并分析评价了每种方案的优缺点和其适用场景。

一、基于VUE分组比例的预信息动态更新方案

在本方案中，eNB利用当前关于HUE对VUE服务情况的反馈信息，评估当前系统性能，并基于VUE分组比例分布对系统吞吐率和公平性影响的规律，对VUE分组划分的预信息进行更新调整。之后，eNB将更新后的预信息发送给HUE端。HUE端则基于接收到的更新预信息，重新执行分组缓存空间分配。

下面给出该方案一的理论设计依据：

理论性质1：

假设β_i＝β_j＝β＞0,

S＞2,且给定某次迭代求解开始前的固定拉格朗日算子ω的前提下，如果集合q^*中的所有元素

服从均匀分布，则系统吞吐率T将取得最小值。

证明：

性质1拟证明的问题，可等价转换为用户组密度分布q的分布如何影响系统吞吐率T。基于此转换，可将性质描述的问题重构为如下优化问题：

受限于：

其中，系数

与q_s不相关，可由(9)代入式(11)的第二行求得。可以验证，当β≠1时，优化问题(11)的目标函数关于q_s的二阶偏导大于零，且限制条件(12)均为线性条件，因此，依据凸优化理论^[13]，优化问题(11)为凸优化问题，存在理论唯一最小值。基于此，问题(11)的拉格朗日对偶解析组可以表示为：

其中，δ,θ_s和

均为拉格朗日算子。利用KKT条件^[13]和互补松弛条件^[13]，式(13)-(15)可进一步解得如下：

式(16)意味着，对于吞吐率T，其关于任意q_i,q_j,

j∈S,i≠j，必有如下结论成立：

式(17)意味着

j∈S,i≠j。结合此性质以及条件C3，最终得到

式(18)即意味着

为均匀分布。

性质1因此得证。

该理论性质1说明，在给定了系统参数β,p,以及ω时，如果各VUE分组之间在密度层面达到了均匀竞争，即各分组之间在密度层面的竞争达到了最大的程度，系统吞吐率将遭受最大程度的损失。因此，在方案设计的时候，根据实际场景情况的需求，可以通过适当更新VUE分组的划分，改变q中各元素数值的分布，使得其更不均匀，降低分组之间相互的竞争程度损失，进而适当地提升系统吞吐率。

为此，本实施例给出如下定义：

定义1：假设

随着下标s的增大而递减，如果以下式(19)中的条件满足，则符号s_*被称为用户组分离下标(Group Separation Index,GSI)：

1)对于1＜s_*＜S,

满足以下条件

2)对于s_*＝S,则有

满足

根据定义1需满足的条件1)-2)可知，用户分离下标GSI s_*可用来描述系统包分配的公平性。更具体地，由(7)可知，系统中每个组的最低分配要求为一个包。因此，若s_*越大，即越接近S，意味着系统内有更多的组能够被分配超过一个包，也即有更多组的需求能够被更充分地满足，而不仅仅是将较多的缓存资源分配在极少数的组，继而系统的公平性会得到提高。

下一步，基于定义1提出的用户分离下标，本实施例提出如下理论性质。

理论性质2：

假设β_i＝β_j＝β＞0,

且

随着下标s的增大而递减，如果以下条件C5成立时：

则系统的用户组分离下标s_*将达到S，即s_*＝S。

证明：

首先，基于假设前提条件β_i＝β_j＝β＞0,

式(9)的

可以被简化表示为：

其中，

另一方面，如果条件C5:

成立，则式(20)中的项

满足

进一步地，基于式(21)-(22)以及前提假设条件

随着下标s的增大而递减，可以得到

最终，联立(21)和(23)可以得到

式(24)等价于

因此，基于定义1，可知s_*＝S。性质2因此得证。

该性质说明当分组密度最低的组，也即排序下标为S的组，所对应的密度值比例大于一个阈值

的时候，所有的组都能够超过最低的缓存分配要求，也即系统能够达到较理想的公平性。这同时也意味着，当q中的元素分布更加均匀的时候，第S组的密度值越大，越有可能满足阈值

越有可能使得系统的公平性获得提升。

基于上述理论性质1和理论性质2，本实施例提出如下中继HUE分组缓存预信息动态更新方案一的具体实施流程，如图2所示。

在此方案中，中继HUE在收到eNB广播的关于分组VUE的预信息后，求解式(6)优化问题，获得分组缓存数据包分配方案，并响应分组VUE的数据请求；中继HUE服务完成后，上报服务情况数据给eNB；eNB基于中继HUE上报的结果，评估衡量当前D2D UE-NW中继系统的性能指标：

a1.若当前D2D UE-NW中继系统的吞吐率过低(实际应用时可预设吞吐率阈值进行判断)，则eNB重新调整VUE用户的分组划分，以降低分组VUE比例分布的均匀性，进而提高系统吞吐率；

b1.若当前D2D UE-NW中继系统的公平性过低(实际应用时可预设公平性阈值进行判断)，则eNB重新调整VUE用户的分组划分，以提高分组VUE比例分布的均匀性，进而提高系统公平性；

c1.其他情况下，即当前D2D UE-NW中继系统的吞吐率和公平性均处于合适程度，则eNB不更新VUE的分组划分；

d1.HUE若收到步骤a1或b1中eNB重新调整所反馈更新的预信息，则基于该更新的预信息，重新求解式(6)优化问题，获得更新后的分组缓存数据包分配方案；否则基于初始的预信息执行下一轮缓存分配。

以上方案一适用于当前各个VUE分组内的数据包序列集中程度差异不大或者大致相当，以及各个VUE分组各自跟HUE之间的D2D链路成功概率差异不大或者大致相当的场景下，能够有效地在系统吞吐率性能和公平性性能之间进行折衷调节。对应到现实系统场景中，可对应为当前系统VUE数量较多，且数据包需求种类多样性较多的情况。此外，当前各个VUE分组中，未发生突发性或高度热门性的少量事件，因而各个组的包目录流行度较为平缓，相互之间差异不大。另一方面，该方案主要关注对VUE分组划分的动态更新，不涉及对每个VUE组内的数据包目录的划分，不适用于分组包目录流行度发生较为显著变化的情况。

二、基于各VUE组内需求包目录划分的预信息动态更新方案

由式(6)可知，该优化问题涉及关于变量k_s的S个指数函数模型，难以直接开展闭合表达式理论分析。因此，本实施例方案在仅有两组VUE的情况下，展开相应的理论性质分析，并基于分析结论，设计相应的预信息动态更新方案。

在实际系统中，该场景对应于：依据需求类型的划分，系统当前VUE种类可以大致划分为两种主要类别，如娱乐类和工作类、商用类和公共安全类、特定的展会信息类和非展会信息类、体育球场赛事信息类和非赛事信息类等。另一方面，其它的需求类别由于需求量不足够大，在HUE缓存空间极限M有限的情况下，无法被优先服务，即可以不被当前D2D UE-NW中继系统设计所考虑。

更具体地，在本方案中，eNB利用当前关于HUE对VUE服务情况的反馈信息，评估当前系统性能，并基于数据包目录划分对系统吞吐率和公平性影响的规律，对VUE分组内用户的数据包目录划分的预信息进行更新调整。之后，eNB将更新后的预信息发送给HUE端。HUE端基于接收到的更新预信息，重新执行分组缓存空间分配。

为便于描述且不失一般性，以下将组内请求包目录的集中度较低、较高的一方分别称为组1、组2。此外，假设组2的组内包目录请求集中度足够高，即该组的需求集中在排名靠前的少量包，而排名靠后的包的需求度不高。因此，组2的分配公平性可忽略不计。在下文中，若涉及到公平性的描述，均为指代组1内部的公平性，即

数值的大小。若

越大，则意味着组1内部的公平性越高。

下面出方案二的理论设计依据。

理论性质3：

设系统存在两个VUE用户组，记为组1、组2，它们对应的包集中度分别为β₁、β₂。当HUE的缓存空间极限M充分大时，若给定固定数值的β₂(β₂＞β₁,β₂＞＞1)，则当β₁数值增加接近β₂时，HUE分配给组1的缓存包数量

可以近似为关于β₁的递减函数。

证明：

首先，定义只有两组用户的情况下，式(6)中的最优近似吞吐率为T'^*，即：

其中，

进一步地，T'关于k₁的一阶导数为

令式(26)为0，可以求得所需的近似最优解。然而，由于式(26)中的

项和

项均为关于k₁的指数型函数，无法直接求解获得k₁的闭合表达式。另一方面，由数值观察可知，当M数值充分大时，数值项

在k₁趋近于M时会呈现较为明显的线性趋势，尤其是在

时；类似地，当M数值充分大时，数值项

在k₁从M趋近于1时也会呈现较为明显的线性趋势，尤其是在

时。

基于此，本实施例在

这个可以使得

和

这两个关于k₁的项均呈现较强线性的点，利用一阶泰勒展开将这两项进行线性近似化处理。然后，将线性处理得到的近似项代入式(26)中，并令式(26)为0，进而可以得到

进一步地，当β₁数值增加接近β₂时，通过数值实验观察可知，式(27)中的

项呈现较为明显的线性趋势。另一方面，式(27)中的

项随β₁的增加呈现指数型增加的趋势。因此，当β₁数值逐渐增加接近β₂时，G(β₁)的增速远小于

的增速。基于此，当β₁数值增加接近β₂时，与

相比，G(β₁)和β₁G(β₁)均可被视为常数项。因此，可令G(β₁)≈c₁，以及令β₁G(β₁)≈c₂，其中，c₁和c₂为满足1＜c₁＜c₂≤β₂G(β₂)的常数项。基于c₁和c₂，式(27)进一步可近似为

观察式(28)可知，

项为关于β₁的递减函数，因此，

可以近似为关于β₁的递减函数。性质3因此得证。

理论性质3说明，在HUE缓存空间极限M足够充分大的情况下，如果组1数据包的请求集中度提升，将会降低HUE分配给组1的缓存包数量，因为更少数量的包已经可以满足较多的数据请求。但另一方面，分配给组1的缓存数量的减少，同时意味着满足于组1内VUE需求的包数量种类在减少，也即组1内部的公平性会降低。此外，根据文献^[14]中观测的实验现象可知，包集中度的提升，会带来系统整体中断率的降低，进而提升系统的吞吐率。因此，组1数据包的请求集中度提升，也将带来系统整体吞吐率的提升。

另一方面，当HUE的缓存空间极限M不够充分大时，上述理论性质3中的泰勒展开将无法提供足够的近似精度，使得该分析过程将不再适用。因此，本发明继续提出如下适用于缓存空间极限M不够充分大时的理论性质4。

理论性质4：

设系统存在两个VUE用户组，记为组1、组2，它们对应的包集中度分别为β₁、β₂。当HUE的缓存空间极限M不够充分大时，若给定固定数值的β₂(β₂＞β₁,β₂＞1)，则当β₁的数值较小且接近0时，HUE分配给组1的缓存包数量

可以近似为关于β₁的凹增函数。

证明：

首先，当β₁数值接近0时，式(26)中的

项可被近似为

基于此近似，且令式(25)等于零，并进行动态更新，可以得到：

求解(29)，可以得到：

从(30)中可以得知，形如

的函数为关于x的增函数。此外，可以验证得知，G(β₁)为关于β₁的增函数。因此，(30)中的

为关于β₁的增函数。

进一步地，当β₁位于接近于0的数值区间时，数值项

可被视为关于β₁的线性递增函数。因此，本实施例将G(β₁)进行线性近似处理：G(β₁)≈d₁β₁+d₂＞0。其中，

将G(β₁)≈d₁β₁+d₂带入(30)，可以求解并验证得到

关于β₁的二阶导数为负数，即

关于β₁为凹函数。

综上所述，

可以近似为关于β₁的凹增函数。性质4因此得证。

理论性质4说明，当缓存空间极限M不够充分大时，HUE将改变其缓存分配策略。更具体地，在M不够充分大时，若组1的集中度β₁过于分散，即与组2的集中度数值相比而言，处于较为边缘化的数值状态时，为了更加充分地提高缓存空间的有效利用率，HUE应将更多的缓存空间分配给集中度更高的组2。否则，由于组1的集中度过于分散，则虽然此时组1的公平性较高，但将导致消耗大量的缓存空间用于满足组1内过于分散的数据请求，进而影响到集中度更高的组2用户需求的满足，从而在平均意义上，降低了系统的整体需求满足度，使得系统吞吐率受到影响。

另一方面，如果组1的集中度β₁增大，则β₁和β₂之间的数值差距会变小，进而导致

递增速率的减缓，也即凹增性质。进一步地，当β₁的数值进一步增大到与β₂相当时，也即相比于β₂而言，β₁的数值将不再边缘化。此时，HUE将改变其缓存分配策略，即考虑β₁和β₂之间的相互数值关系，类似在缓存空间极限M足够充分大的情况下的缓存分配策略。

基于上述理论性质3和理论性质4，本实施例给出中继HUE分组缓存预信息动态更新方案二的具体实施流程，如图3所示。

在此方案二中，中继HUE在收到eNB广播的关于分组VUE的预信息后，执行求解式(6)优化问题，获得分组缓存数据包分配方案，并响应分组VUE的数据请求；服务完成后，中继HUE上报服务数据给eNB，eNB基于中继HUE上报的结果，评估衡量当前D2D UE-NW中继系统的性能：

a2.若当前D2D UE-NW中继系统的吞吐率过低(实际应用时可预设吞吐率阈值进行判断)，则eNB重新划分组1的数据包目录，以提高该数据包目录的请求集中度，进而提高系统吞吐率；

b2.若当前组1内的公平性过低(实际应用时可预设公平性阈值进行判断)：

b21.若HUE缓存空间极限M不满足预设充分大，且组1的组内数据包请求集中度低于预设请求集中度阈值，则eNB重新划分组1内的数据包目录，以提高其组内数据包目录的请求集中度，进而提高组1内的公平性；

b22.其他情况，则eNB重新划分组1的数据包目录，以降低该数据包目录的请求集中度，进而提高组1内的公平性；

c2.其他情况，即吞吐率和公平性均处于合适程度，则eNB不更新预信息；

d2.HUE若收到步骤a2或b2中eNB反馈更新的预信息，则基于该更新的预信息，重新求解式(6)优化问题，获得更新后的分组缓存数据包分配方案；否则基于初始的预信息执行下一轮缓存分配。

对于当前时刻存在两种大类别VUE分组的场景，且两组VUE的密度比例相当或差异不大，以及该两种VUE分组各自跟HUE之间的D2D链路成功概率相当或差异不大的情况下，方案二能够有效地调节系统吞吐率和公平性。另一方面，该方案主要关注数据包目录的调节，不涉及VUE的细化分组划分，不适用于分组VUE数量激增导致的需求种类多样性增大的情况。

综上，方案一和方案二存在不同的特点和适用场景，在系统部署中应根据实际需求选用其中一种方案，或结合具体场景的变化进行方案的动态或半动态切换，以实现系统性能的最大优化。

实施例2

为了更充分地阐述本发明的实施可行性情况，以下实施例2结合具体实例与相关的仿真结果及分析，对此予以说明。

不失一般性，假设系统中，HUE的数量N_a＝5，每个VUE用户组各有N＝1000个需求的包。HUE端的缓存极限值M＝200。D2D链路最大通信距离r_d＝70m，D2D UE间的路损指数α＝3.68^[15]，干扰缓解系数η＝-20dB，分组s对应的SIR阈值Θ_s＝0dB。VUE分组数量S＝30。数据包目录的集中程度β＝0.8，即Zipf分布的指数特征值。在不加以特别说明的情况下，仿真实验参数均采用上述数值。此外，本实施例使用文献^[8]提出的方案来求解式(6)优化问题。

第一组实验，也即图4和图5，本实施例固定设置β₁＝β₂＝β＝0.8，以研究VUE分组密度比例q_s对系统性能的影响。此外，根据文献^[16]中研究的观测现象，在数据话题层面，也即对应于本实施例研究的q分布层面，也呈现出基于幂率分布^[17]的规律。基于此观察，为了便于描述和调整分组密度q分布的均匀程度，本实施例假设服从一个指数参数为β_τ的Zipf分布，且该分布与分组内数据包目录的流行度分布相互独立。在图4中，本实施例固定M＝200，且物理链路

其中，p由表达式(2)在QoS阈值参数集合Θ_s∈{-15,-10,-5,0,5,10,15}dB中产生。通过图4可知，随着β_τ逐渐减少并接近于0，也即当q的分布逐渐均匀时，系统吞吐率逐渐降低。该结果符合理论性质1的分析结论。该实验结果的指导意义在于：对于实施例1提出的方案一而言，若当前系统的吞吐率过低，则eNB可以通过调节VUE的分组划分，将具有相近或者相似数据需求类型的VUE整合在一起，从而增大q分布的不均匀性，以达到提高系统吞吐率的效果。

进一步地，在图5中，本实施例固定M＝50，以研究q分布的集中度对分组包分配

分布的影响。通过图5可知，随着β_τ逐渐增大，分组包分配

的分布越非均匀。更具体地，随着β_τ逐渐增大，可以看到每条曲线的拐点，也即GSI s_*，逐渐接近于1。这意味着，当q的分布变得集中，也即β_τ更大时，q中最小的元素q_S满足条件C5的可能性就越低，进而系统的公平性也越低。该结果符合理论性质2的分析结论。该实验结果的指导意义在于：对于实施例1提出的方案一而言，若当前系统的公平性过低，则eNB可以通过调节VUE的分组划分，尽可能将数据需求类型存在差异的VUE分散在不同的组，从而增大q分布的均匀性，以达到提高系统公平性的效果。

第二组实验，也即图6-图8，本实施例研究VUE分组1的组内数据包目录流行度β₁对系统性能的影响。其中，设置p₁＝p₂＝p＝0.7671，而参数p为Θ_s＝0dB时产生的物理链路概率。此外，设置q₁＝q₂＝0.5，β₂＝2。由图6可以看到，当HUE缓存空间极限M充分大时(M＝300，400)，组1的包分配

为关于β₁的递减函数，该实验结果符合理论性质3的分析结果。

另一方面，由图7可以看到，当HUE缓存空间极限M不够充分大时(M＝200，100)，且当β₁处于较低数值时，组1的包分配

随着β₁的递减而递减。该实验结果符合理论性质4的分析，即在缓存空间不够充分时，随着组1的集中度β₁的逐渐降低，其需求越来越分散，此时，HUE应当降低面向组1的缓存空间分配，以更加充分地满足请求更集中的组2的数据需求，从而尽可能使得系统的需求满足度得到最大化，也进而使得系统吞吐率的有效性尽量最大化。而当β₁继续增大，使得β₁相对于β₂而言不再边缘化的时候，HUE则需要重新调整对组1数据需求的缓存分配策略：更大的β₁应导致更少的包分配

也即与M充分大时的分配策略一致。

最后，在图8中，本实施例研究不同缓存空间极限M下，系统吞吐率跟组1请求集中度β₁之间的关系。通过图8可知，对于所有M情况下的曲线，越高的β₁可以使得系统获得更高的吞吐率。这是因为VUE对更流行的数据的请求，能够带来系统吞吐率的提升。除此之外，通过进一步观察图8可知，系统吞吐率在低β₁区间时，会比高β₁区间有着更高的增速。但同时也应注意到，在图6中，低β₁区间时，组1的缓存包分配

几乎不变。此结果说明，当HUE缓存空间极限M充分大，且在低β₁区间时，系统吞吐率的提升主要是由集中度β₁的提升所导致的，而非由

导致的。这意味着，对于方案二而言，如果系统当前HUE缓存空间极限M充分大，且组1的集中度β₁处于较低数值的时候，当前HUE的缓存分配策略不需要发生较大的改变，便可使得系统吞吐率获得显著的提升。

图6-图8的实验结果，验证了实施例1提出的方案二在执行层面的有效性。即对于当前的D2D UE-NW中继系统而言，在给定了当前HUE缓存极限能力M的情况下，eNB可以通过增加或删减数据包目录里的包内容，从而减小或增大集中度β₁，以达到调节系统吞吐率和公平性性能的效果。

最后，在实际系统应用中，eNB可根据VUE的数量，以及相应的数据需求量以及需求类别的多样性，同时结合HUE当前可用的缓存空间极限M等实际场景因素，决定采取何种方案。例如，若当前系统执行的是方案二，但系统VUE数量突然增多，相应的需求类别多样性也增多，相互之间差异化也较大，使得当前的两个主要VUE类别的划分已经不再适用时，则eNB更新当前的预信息调整方案，将系统由方案二转换为方案一；又或者当前系统执行的是方案一，但VUE的数量在减少，其相应的数据需求种类也在逐渐减少，因而系统中所有VUE能够被大致整合划分为两个主要类别时，则eNB应更新当前的预信息调整方案，将系统由方案一转换为方案二。

参考文献

[1]3GPP,“3rd generation partnership project；technical specificationgroup services and system aspects；proximity-based services(ProSe)；stage 2(release 15),”TS 23.303 V15.1.0,Jun.2018.

[2]3GPP,“3rd generation partnership project；technical specificationgroup radio access network；study on further enhancements to LTE device todevice(D2D),user equipment(UE)to network relays for Internet of thins(IoT)andwearables；(release 15),”TR 36.746 V15.1.1,Apr.2018.

[3]3GPP,“3rd generation partnership project；technical specificationgroup radio access network；evolved universal terrestrial radio access(E-UTRA)；radio resource control(RRC)；protocol specification(release 15),”TS36.331 V15.6.0,Jun.2019.

[4]3GPP,“3rd generation partnership project；technical specificationgroup radio access network；study on context aware service delivery in RAN forLTE；(release 15),”TR 36.933 V15.0.0,Jul.2018.

[5]张鹤立，左玉玲，纪红，李曦，“一种D2D缓存网络下联合能耗和用户公平性的内容分发方法”，CN109547979A，2019.03.29；

[6]Q.Li,Y.Zhang,A.Pandharipande,X.Ge,and J.Zhang,“D2D-assistedcaching on truncated Zipf distribution”IEEE Access,vol.7,pp.13411-13421,Feb.2019.

[7]吴丹，龙彦汕，蔡跃明，张广纯，曲君跃，杨莲新，王易达，郭继斌，“面向不同用户偏好的D2D随机缓存布设方法”，CN108566636A，2018.09.21；

[8]K.Wu,M.Jiang,F.She,and X.Chen,“Relay-aided request-awaredistributed packet caching for device-to-device communication”IEEE WirelssCommunications Letters,vol.8,no.1,pp.217-220,Feb.2019.

[9]M.Afshang,and H.S.Dhillon,“Fundamentals of modeling finitewireless networks using binomial point process,”IEEE Transactions on WirelessCommunications,vol.16,no.5,pp.3355-3370,May 2017.

[10]A.Al-Hourani,S.Kandeepan,and A.Jamalipour,“Stochastic geometrystudy on device-to-device communication as a disaster relief solution,”IEEETransactions on Vehicular Technology,vol.65,no.5,pp.3005–3017,May 2016.

[11]L.Breslau,P.Cao,L.Fan,G.Phillips,and S.Shenker,“Web Caching andZipf-like Distributions:Evidence and Implications,”in Proceedings of 1999IEEE INFOCOM(INFOCOM’99),Mar.1999,pp.126-134.

[12]M.Taghizadeh,K.Micinski,C.Ofria,E.Torng,and S.Biswas,“Distributedcooperative caching in social wireless networks,”IEEE Transactions on MobileComputing,vol.12,no.6,pp.1037–1053,Jun.2013.

[13]C.Y.Chi,W.C.Li,and C.H.Lin,Convex optimization for signalprocessing and communications.CRC Press,2017.

[14]G.Zheng,H.A.Suraweera,and I.Krikidis,“Optimization of hybridcache placement for collaborative relaying,”IEEE Communications Letters,vol.21,no.2,pp.442-445,Feb.2017.

[15]J.Meinila,P.Kyosti,L.Hentila,T.Jamsa,E.Suikkanen,E.Kunnari,andM.Narandzic,“D5.3 WINNER+Final Channel Models,”PU D5.3 V1.0,Jun.2010.

[16]H.Yan,J.Liu,Y.Li,D.Jin,and S.Chen,“Spatial popularity andsimilarity of watching videos in large-scale urban environment,”IEEETransactions on Network and Service Management,vol.15,no.2,pp.797-810,Jun.2018.

[17]H.Newman,“Power laws,Pareto distributions and Zipf's law,”Contemporary Physics,vol.46,no.5,pp.323-351,Sep.2005.

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (5)

1.D2D通信中继分组缓存分配中的预信息动态更新方法，其特征在于，包括：在D2D UE-NW中继系统中，包括一个eNB，若干与eNB通信连接的中继HUE，以及若干与中继HUE通信连接的VUE；HUE分组缓存分配的预信息动态更新过程中：

HUE根据eNB广播的预信息执行分组VUE缓存分配，并基于分配结果，服务响应各分组VUE的数据请求；请求服务完成后，HUE上报包含服务情况的信息给eNB；

eNB根据各HUE上报的信息，综合评估D2D UE-NW中继系统性能，包括D2D UE-NW中继系统的吞吐率和公平性；根据当前系统性能状态，采用基于VUE分组比例和/或各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新；将更新后的预信息反馈给HUE；

针对eNB反馈的更新预信息，HUE执行新一轮的分组VUE缓存分配；

其中，所述采用基于VUE分组比例的预信息动态更新方案对预信息进行动态更新具体为：若当前D2D UE-NW中继系统的吞吐率低于预设吞吐率阈值，则eNB重新调整VUE用户的分组划分，降低分组VUE比例分布的均匀性；若当前D2D UE-NW中继系统的公平性低于预设公平性阈值，则提高分组VUE比例分布的均匀性；

所述采用基于各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新具体为：若当前D2D UE-NW中继系统的吞吐率低于预设吞吐率阈值，则对于低请求集中度VUE组，eNB重新划分其相应的数据包目录，提高其组内数据包目录的请求集中度；若当前D2D UE-NW中继系统中的低请求集中度VUE组公平性低于预设公平性阈值时：若同时HUE缓存空间极限M不满足预设充分大，且低请求集中度VUE组的组内数据包请求集中度低于预设请求集中度阈值时，则对于该组，eNB重新划分其相应的数据包目录，提高其组内数据包请求集中度；否则，降低其组内数据包请求集中度；所述低请求集中度VUE组包括VUE组内数据包请求集中度相对其他VUE组较低的VUE组；

所述方法还包括建立D2D UE-NW中继系统的性能优化求解模型，包括：

对于所述D2D UE-NW中继系统中D2D UE的空间分布，采用随机几何有限区域二项点分布模型描述：设空间中的HUE数量为N_a，VUE由位于有限区域中心的某个虚拟参考点代替，其跟一个HUE进行配对时，受到空间中其它N_a-1个HUE的干扰；D2D UE间的链路损耗指数为α，干扰缓解指数为η，干扰缓解指数η定义为干扰功率除以发送功率得到的比例；

设VUE根据其包需求偏好，划分为S(S≥2,S∈Z⁺)个不同的分组，且相应的分组下标构成集合S＝{1,2,...,S}；第s个VUE用户分组占总的VUE数量的比例为q_s；定义所有的q_s构成集合

设q中的元素从高到低排列，q_s随着分组下标s的增加而递减；设每个数据包都具有相同的单位大小值，且每个HUE具有相同的缓存空间极限M(M∈Z⁺)，每个HUE可最多存储M个数据包；第s个VUE用户分组对应一个有限数量为N的包集合

且满足N＞M＞S,N∈Z⁺；

设每个分组的包集合F^s与任何其它分组的包集合都不重叠，每个分组都有自己独自的包需求偏好排序，独立于任何其它分组；定义

为分组s内的VUE请求F^s的概率分布，其由Zipf流行度分布进行描述：

式中，β_s表示第s组内数据包流行度分布的偏好程度；f_i ^s表示第s个VUE用户分组内的第i个包的请求概率；

基于随机几何的二项点分布的结论，将分组s对应的D2D链路成功概率近似表示为：

且

其中：{x,y,z,u}为正数值的参数集合，r_d为D2D链路最大通信距离，Θ_s为分组s所需的包类型要求的QoS对应的信号干扰比阈值目标；定义集合p＝{p₁,p₂,...,p_S}；α表示D2D链路的路径损耗指数；

表示和D2D相关的链路干扰消除因子，用于模拟理想情况下的稳定干扰环境水平，而P_T和P_I则分别指代服务HUE和干扰源HUE的发射功率；

则得到D2D UE-NW中继系统的性能优化求解模型如下：

受限于：

其中：目标函数T_max定义为最大化的吞吐率，C1条件表示HUE端的所有缓存包不得超过其缓存空间极限M；C2则表示在极限范围M内，每个分组应至少获得一个包；将式(4)的优化求解模型进行松弛近似：先将式(4)中的整数变量k_s，松弛为

的连续变量，进而得到如下近似优化问题：

受限于：

其中：

为条件C2进行松弛后获得的连续变量条件；

式(6)中的近似计算采用如下近似表达式：

基于KKT理论，通过引入拉格朗日公共算子ω，使式(6)问题的求解得到如下解析数值解表达式：

其中，φ_s＝N_ap_sq_sG(β_s)，且有

求解得到式(6)问题的最优松弛解

2.根据权利要求1所述的预信息动态更新方法，其特征在于，所述HUE根据eNB广播的预信息执行分组VUE缓存分配具体为：中继HUE在收到eNB广播的关于分组VUE的预信息后，求解式(6)优化问题，获得分组缓存数据包分配方案。

3.根据权利要求2所述的预信息动态更新方法，其特征在于，所述采用基于VUE分组比例的预信息动态更新方案对预信息进行动态更新的实施流程包括：

a1.若当前D2D UE-NW中继系统的吞吐率低于预设吞吐率阈值，则eNB重新调整VUE用户的分组划分，以降低分组VUE比例分布的均匀性，进而提高系统吞吐率；

b1.若当前D2D UE-NW中继系统的公平性低于预设公平性阈值，则eNB重新调整VUE用户的分组划分，以提高分组VUE比例分布的均匀性，进而提高系统公平性；

c1.其他情况下，则eNB不更新VUE的分组划分；

d1.HUE若收到步骤a1或b1中eNB重新调整所反馈更新的预信息，则基于该更新的预信息，重新求解式(6)优化问题，获得更新后的分组缓存数据包分配方案。

4.根据权利要求3所述的预信息动态更新方法，其特征在于，所述采用基于各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新的实施流程包括：

a2.若当前D2D UE-NW中继系统的吞吐率低于预设吞吐率阈值，则eNB重新划分低请求集中度VUE组的数据包目录，以提高该数据包目录的请求集中度，进而提高系统吞吐率；所述低请求集中度VUE组包括VUE组内数据包请求集中度相对其他VUE组较低的VUE组；

b2.若当前低请求集中度VUE组内的公平性低于预设公平性阈值：

b21.若HUE缓存空间极限M不满足预设充分大，且低请求集中度VUE组的组内数据包请求集中度低于预设请求集中度阈值，则eNB重新划分低请求集中度VUE组内的数据包目录，以提高其组内数据包目录的请求集中度，进而提高低请求集中度VUE组内的公平性；

b22.其他情况，则eNB重新划分低请求集中度VUE组的数据包目录，以降低该数据包目录的请求集中度，进而提高低请求集中度VUE组内的公平性；

c2.其他情况，则eNB不更新预信息；

d2.HUE若收到步骤a2或b2中eNB反馈更新的预信息，则基于该更新的预信息，重新求解式(6)优化问题，获得更新后的分组缓存数据包分配方案。

5.根据权利要求1所述的预信息动态更新方法，其特征在于，所述采用基于VUE分组比例和/或各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新，进一步是：

在各VUE分组组内的数据包序列集中程度差异不大于预设差异，且各VUE分组各自跟HUE之间的D2D链路成功概率差异不大于预设差异的情景下，采用基于VUE分组比例的预信息动态更新方案对预信息进行动态更新；

在存在两种大类别VUE组，且其各自分组比例差异不大于预设差异，以及该两种VUE分组各自跟HUE之间的D2D链路成功概率差异不大于预设差异的情景下，采用基于各VUE组内需求包目录划分的预信息动态更新方案对预信息进行动态更新。

Images