CN111526489A - 基于社交网络关系的d2d播放内容分发方法 - Google Patents

Abstract

本发明公开了一种基于社交网络关系的D2D(D2D，device‑to‑device)播放内容分发方法，属于通信领域。本发明在邻居用户间通过D2D通信来传输热点内容，从而减少了内容频繁索取对核心网产生的通信压力，降低了用户索取所需内容所消耗的通信带宽及传输能力。提出了一种内容分发用户选择算法，通过合理地选择内容分发用户，提高分发用户多播内容时平均的受益用户数目。这里的受益用户是指被选择的分发用户的邻居用户，且邻居用户成功接收的多播内容是其所需要的。

Description

基于社交网络关系的D2D播放内容分发方法

技术领域

本发明涉及通信领域，具体为一种基于社交网络关系的D2D播放内容分发方法。

背景技术

作为第五代(5G)蜂窝网络的关键技术之一，设备到设备(D2D)通信使用户设备(UE)彼此直接通信，最近已广泛应用于内容传递以从核心网络并提高内容交付效率。对于D2D内容交付，在近端UE或自身需要这些内容的情况下，UE会以主动的方式缓存这些所需的内容。大多数D2D内容交付方案可以简化为两类：D2D单播和D2D多播。对于基于D2D单播的内容传递，当UE请求某些内容时，会选择另一个缓存此内容的UE来将请求的内容发送到此UE。对于D2D多播内容传递，选定的UE将其缓存的内容以计划的资源发送给其合作组中的所有UE，在这种情况下，一次传输可能会带来更多的用户体验，因此，可以提高内容的交付效率。从这个角度来看，多播比单播要好。

但是，如果大多数UE初始化操作组对多播内容不感兴趣，则多播可能无效。因此，多播UE的选择对于提高多播内容交付的效率至关重要。社交网络中的朋友通常具有更大的彼此共享共同兴趣的可能性，这为近端UE彼此通信增加了新的属性。

发明内容

本发基于社交网络关系的D2D播放内容分发方法包括以下步骤：

1.构造基于组合网络的内容交付模型

UE可以从蜂窝链路(与其服务的基站通信)或D2D链路(与相邻UE通信)获得所需的内容。蜂窝链路和D2D链路通常使用正交资源来减轻干扰。对于同时的D2D发射机，资源在空间上被重新利用以提高资源效率，并且相互干扰可以通过有限的传输距离来控制。

步骤一：构建多播内容分发模型，包括以下步骤：

步骤11：播UE及其相邻的UE组成一个协作组。多播UE像D2D邻居发现一样在周期性资源池(在此称为D2D周期)中传递内容。可以基于一些规则或度量来选择多播UE。假设已选择了多播UE，它将在D2D期间以一定的概率传送缓存的内容。例如，假设UE_i中缓存的内容数为N_i个内容，则UE_i传递内容n的概率为P_requ(n)，其中:

步骤12：定位在协作范围内的UE(以多播发射机为中心，协作距离为d)收听多播内容。如果接收者成功接收了多播内容并且需要此内容，则认为该多播应从中受益，在此我们将其称为受益者。受益的UE的数量是接收机从一个发射机发出确切需要内容的数量。如果接收到的SINRγ超过阈值γ_th，则认为两个UE之间的传输成功。传输UE使用功率控制来限制协作组的大小并减轻干扰，其中路径损耗通过功率控制来补偿，即，将发射机i的传输功率设置为:

E_i＝η₀d^α

其中d是链路距离，而η₀是目标接收功率。α是衰减系数，非共通损耗衰减模型的信号衰减与传输距离d成正比，例如d^α；

步骤13：除了需要考虑上述通信环境的影响外，多播内容和要求的匹配程度也很关键。然后，我们需要估计发送者的多播内容和接收者的感兴趣内容之间的关系。这里使用社交关系来表征这种关系,UE可能同时属于几个社交社区,如果两个UE的社交联系牢固或属于同一社区，则认为它们具有相似的内容要求。对于给定的发射机，表示接收机j要求内容n的概率为θ(n，j)，则可以根据发射机与j之间的社会关系来估计θ(n，j)；

2.D2D多播内容交付的UE选择

通过研究影响交付性能的因素，在此基础上提出了多播UE选择方案，以提高交付性能。

步骤二：对于多播UE_i，位于合作范围内的接收器UE_j可以侦听到UE_i的多播内容。可以表示UE_j处的接收信号γ_j的信号与干扰加噪声比为：

其中I_j是来自同时构成集合Ω_t的D2D发射机的干扰，N₀是白噪声，d_ij是UE_i与UE_j之间的距离；

步骤三：假设信道增益H_ij(可服从均值为0，方差为1的瑞丽分布)呈指数分布且噪声可忽略不计(可以通过在H_ij上引入更复杂的模型并添加白噪声来符合这一假设，但这只会导致更复杂的数学表达式而没有新的见解)，则UE_j可以成功地从UE_i接收内容的概率可以通过计算得出

P_succ(j)＝Pr{γ_j≥γ_th}

步骤四：将步骤四中γ_j代入步骤五P_succ(j)中，我们可以得到

其中L_I’j是

的拉普拉斯变换，

是伽马函数；

步骤五:给定一个发送内容为n的组播发送器，可以通过以下方式得出需要n并成功接收它的受益接收器的数量：

其中Ψ_i是i的合作组，它以i为圆心，半径为d₀。ω_dσ是在无限小区域dσ下UE的成功接收概率。例如，dσ远离i，可以通过P_succ(j)使用r代替d_ij获得：ω_dσ＝exp(-κr²)。

3.基于机器学习方法计算受益接收机数量及最佳多播UE选择评估系数M_i

步骤六：θ(j，n)由发射器和接收器之间的社会关系确定,为了确定这种可能性，可以使用机器学习方法。例如，我们可以如下使用逻辑模型进行估计:

其中g(j，n)＝a^Tx，x＝{x₁，x₂···，k_k}是可变向量，而a＝{a₁，a₂···，a_k}是参数向量。x包括影响i和j之间的社会关系的因素。例如，他们之间的友谊，共同的社会，他们的历史兴趣内容等等；

步骤七：然后，N_n可以表示为：

其中ρ₀是接收者的密度；

步骤八：然后用ρ₀/[1+exp(-ax)]表示对内容n感兴趣的接收者的密度。以k＝1为例，其中x表示与n和i所属的社区，N_n可以写成：

其中a₁是估计参数，x₁的范围是0到C_n，可以通过BS存储的先验值进行估计，并且对于不同的内容可能有所不同；

步骤九：遍历所有内容，可以将预期的UE数M_i编写为：

M_i反映了选择UE_i作为多播UE的好处，因此我们可以基于M_i选择多播UE。

3.基于选择出来的最佳多播UE，进行UE间的通信

步骤十：在包括基站在内的协调者的协调下，UE发现其邻居，并上报基站(类似于3GPP 36.843中的邻居发现协议)；

步骤十一：基站决定最佳多播UE是否可以建立D2D连接，若不能连接，返回步骤九；

步骤十二：通过社会关系和沟通程度SCD及相关系数在发送者中选择出内容用户，并周期性的多播最佳UE缓存的内容；

步骤十三：根据步骤十一中的判断，基站通过控制信令建立D2D连接；

步骤十四：接收用户接收多播内容，如需要，则缓存，否则丢弃；

该通信方式大大节省了无线资源，在一定程度上减轻了蜂窝网络的负担，同时提高了资料传输的速度，可以使网络的容量更大。

附图说明

图1为本发明基于社交网络关系的D2D播放内容分发方法的多播UE选择方案。

图2为本发明基于社交网络关系的D2D播放内容分发方法不同的多播UE选择方案的受益UE数量的CDF。

具体实施方式

下面利用图1，结合具体实施例子对本发明进行详细说明。以下实施例子将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

先说明图1场景的基本信息。社会关系和沟通程度(Social relationship andcommunication degree，SCD)定义为给定发送者的受益接收者的数量，借助SCD和相关系数，提出了一种多播发射机选择方案。在每个循环s中选择一个发送器，将其初始化为1。然后，已删除的UE(包括选择的UE和丢弃的UE)的数目为N_s，初始化为0。在第一步中，潜在的多播UE基于M_i评估其SCD。第二步，选择具有最大SCD且该UE与所选UE集合中其他成员之间的相关系数不大于阈值ξ₀的UE作为发送方。在第三步骤中，从潜在的多播UE集中删除选定的UE，直到所有UE被选择或删除。节点整个场景运行情况如下：

步骤一：给定s＝1和Ns＝0，输入所有可能的多播UEΨ₁＝{v₁,v₂...·v_M}，相应的一组SCD S₁＝{x₁,x₂···x_M}，输出选择的多播UE集G_s＝{w₁,w₂···w_N}；

步骤二：判断是否有可用的UE，即Ψs是否为空集。若

则结束选择，否则执行步骤三；

步骤三：在第s个循环中，对按其SCD设置的多播UE进行非降序排列为S_s＝{x_s,1···x_s,(M-Ns)}，然后获得有序UE集合Ψ_s＝{v_s,1···v_s,(M-Ns)}；

步骤四：令k＝0，并判断sel＝1或k>M-s；若符合条件，则执行步骤五，否则执行步骤六；

步骤五：从Ψ1中删除v_s,k，即Ψs＝Ψs\v_s,k并让N_s＝N_s+1，s＝s+1，然后返回步骤二；

步骤六：令k＝k+1和i＝1，判断i>s或sel＝0，若成立，则令sel＝1，并返回步骤四，否则执行步骤七；

步骤七：计算ξ_wi,vk。判断ξ_wi,vk>ξ₀，若不成立，令i＝i+1，并重复执行步骤七。若成立，则执行步骤八；

步骤八：令sel＝0，从Ψs中移除v_s,k，即Ψ_s＝Ψs\v_s,k，并让N_s＝N_s+1，返回步骤六。

如图2所示，通过仿真实验，对M_i的累积分布函数(Cumulative DistributionFunction，CDF)在拟议方案和随机方案之间进行了比较。由于M_i越大，表示从多播传输中获得的UE越多，因此M_i越大，方案越好。对于一个多播传输，在给定的固定消耗资源(例如传输能量，持续时间和占用的带宽)的情况下，受益接收器数量的增加带来了受益接收器平均占用资源的减少(例如传输能量，时间和频率)。从而，可以提高能源效率和频谱效率等资源效率。在不同的传输环境下，我们可以看到建议的方案所能得到的UE数量比随机方案要大。例如，当α＝3且ρt＝10^-6时，建议的方案在CDF＝0.5时将M_i提高约67％。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明实际内容。

Claims (1)

1.一种基于社交网络关系的D2D播放内容分发方法，其特征在于包括以下步骤：

步骤一：构建多播内容分发模型，包括以下步骤：

步骤11：构建多播UE及其相邻的UE之间的一个协作组；假设UE_i中缓存的内容数为N_i个内容，则UE_i传递内容n的概率为P_requ(n)，其中:

步骤12：定位在协作范围内的UE，以多播发射机为中心，协作距离为d，收听多播内容；如果接收者成功接收了多播内容并且需要此内容，则认为该多播应从中受益，称其为受益者；受益的UE的数量是接收机从一个发射机发出确切需要内容的数量；如果接收到的SINRγ超过阈值γ_th，则认为两个UE之间的传输成功；传输UE使用功率控制来限制协作组的大小并减轻干扰，其中路径损耗通过功率控制来补偿，即，将发射机i的传输功率设置为:

E_i＝η₀d^α；

其中d是链路距离，而η₀是目标接收功率；α是衰减系数，非共通损耗衰减模型的信号衰减与传输距离d成正比，比例为d^α；

步骤13：对于给定的发射机，接收机j要求内容n的概率θ(n，j)，用来表达多播内容和要求的匹配程度；

步骤二：对于多播UE_i，UE_j处的接收信号γ_j的信号与干扰加噪声比表示为：

其中I_j是来自同时构成集合Ω_t的D2D发射机的干扰，N₀是白噪声，d_ij是UE_i与UE_j之间的距离，H_ij为系数；

步骤三：假设信道增益H_ij呈指数分布且噪声可忽略不计，则UE_j可以成功地从UE_i接收内容的概率通过以下公式计算得出：

P_succ(j)＝Pr{γ_j≥γ_th}；

步骤四：将步骤二中γ_j代入步骤三P_succ(j)中，得到：

其中L_I’j是

的拉普拉斯变换，

andΓ(·)是伽马函数；

步骤五:给定一个发送内容为n的组播发送器，通过以下方式得出需要n并成功接收它的受益接收器的数量：

其中Ψ_i是i的合作组，它以i为圆心，半径为d₀；ω_dσ是在无限小区域dσ下UE的成功接收概率；dσ远离i，通过P_succ(j)使用r代替d_ij获得：ω_dσ＝exp(-κr²)；

步骤六：θ(j，n)通过以下逻辑模型进行估计:

其中g(j，n)＝a^Tx，x＝{x₁，x₂···，k_k}是可变向量，而a＝{a₁，a₂···，a_k}是参数向量；x包括影响i和j之间的社会关系的因素；

步骤七：N_n表示为：

其中ρ₀是接收者的密度；

步骤八：然后用ρ₀/[1+exp(-ax)]表示对内容n感兴趣的接收者的密度；当k＝1时，其中x表示与n和i所属的社区，N_n表示为：

其中a₁是估计参数，x₁的范围是0到C_n，通过基站存储的先验值进行估计，并且对于不同的内容其值有所不同；

步骤九：遍历所有内容，将预期的UE数M_i表示为：

M_i反映了选择UE_i作为多播UE的好处，基于M_i选择多播UE；

步骤十：基于通过M_i选择出来的最佳多播UE，进行UE间的通信；首先在包括基站在内的协调者的协调下，UE发现其邻居，并上报基站；

步骤十一：基站决定最佳多播UE是否可以建立D2D连接，若不能连接，返回步骤九；

步骤十二：通过社会关系和沟通程度SCD及相关系数在发送者中选择出内容用户，并周期性的多播最佳UE缓存的内容；

步骤十三：根据步骤十一中的判断，基站通过控制信令建立D2D连接；

步骤十四：接收用户接收多播内容，如需要，则缓存，否则丢弃。

Images