CN112188467B - 一种基于用户属性的终端发现方法 - Google Patents

Abstract

本发明涉及通信技术领域，具体涉及一种基于用户属性的终端发现方法，包括：利用3VSL模型建立用户之间的信任关系，找出请求用户对应的可信任用户集合；根据信任用户的日常行进轨迹，利用多阶马尔科模型预测用户的移动轨迹，得到信任用户未来某一时刻的预测位置信息；请求用户根据信任用户未来某一时刻的预测位置信息设置合适的信标探测率；用户在不断移动变化过程中，根据请求用户与可信任用户的距离调整信标探测率。本发明可以节省能耗、缩小设备发现的范围，显著提高设备发现率。

Description

一种基于用户属性的终端发现方法

技术领域

本发明涉及通信技术领域，具体涉及一种基于用户属性的终端发现方法。

背景技术

为了解决快速增长的数据流量需求与日益紧张的频谱资源之间的矛盾，D2D通信技术被提出并受到了广泛关注。

在D2D通信中，D2D用户通过共享蜂窝用户频谱的方式传输数据，有效提高了频谱资源利用率。同时该技术允许两个设备间直接进行通信而无需通过基站，从而减轻了基站所承载的网络流量负担，被认为是5G的关键技术之一。此外，即使在网络基础设施损坏的情况下，设备也可以提供本地连接。

设备在较短的时间发现彼此并建立连接是建立D2D通信网络的先决条件，D2D设备发现机制可以分为两种类型：自主式发现和网络辅助发现。在自主式发现方案中，D2D设备通过自主随机发送探测信标的形式向附近的其他设备指示它们的存在，该方法具有灵活、便捷等优点。在网络辅助发现机制中，中央控制单元或基站利用设备的位置信息来触发D2D发现过程。该方法的优点包括通过利用网络布局的知识来减少D2D发现中的能量、信令开销和干扰。

在实际情况中，分布式发现机制被广泛应用，但由于分布式发现机制缺少中央控制单元或基站的协助，该方法将造成较大的设备耗能；此外，用户身上多种属性诸如自私性、兴趣差异性、随机移动性，常常导致发现失败的情况发生。

发明内容

为了解决传统终端发现方法中的设备能耗大的问题，本发明结合用户属性，将用户属性与设备发现过程相结合，提供一种基于用户属性的终端发现方法。

一种基于用户属性的终端发现方法，包括以下步骤：

S1、根据用户之间是否存在直接交互行为，得到用户之间的信任关系，找出请求用户对应的可信任用户集合；

S2、根据信任用户的日常行进轨迹，利用多阶马尔科模型预测用户的移动轨迹，得到信任用户未来某一时刻的预测位置信息；

S3、请求用户根据信任用户未来某一时刻的预测位置信息设置探测探测信标发射功率，用户在不断移动变化过程中，根据请求用户与可信任用户的距离调整探测探测信标发射功率。

进一步的，所述多阶马尔可夫模型包括：将一天划分为K个时间段：D¹,D²,…,D^K，每个时间段D^k对应于区域M中具有M个位置的特定马尔可夫链，即每个时间段D^k都存在特定的马尔可夫链P^k与之对应；两个时间段之间的位置转换采用一阶马尔可夫链来模拟，两个时间段之间的位置转换由转换内核P^k表示，用户在时间段D^k期间访问的位置取决于下一个访问的位置，且不同位置之间的转换概率遵循内核P^k。

进一步的，利用多阶马尔科模型预测用户的移动轨迹包括以下步骤：

S21、通过APP获得用户的移动轨迹；

S22、采用吉布斯采样方法对缺失的轨迹T进行恢复，更新恢复的轨迹R和转换内核P，得到恢复轨迹后的完整轨迹；

S23、根据用户的移动轨迹将人的移动建模为有限且可数的状态空间，表示为在M区域存在M个状态；

S24、建立一个M×M的矩阵，矩阵中的元素即为用户上一时间段的状态，用P_ij表示从状态i到状态j的概率；

S25、在进行移动性预测时，若用户当前时间段处于位置i，计算从状态i到其他各个位置的概率，从中选取最大值P_ij，将最大概率值P_ij所对应的位置j作为下一时间段用户的预测移动位置。

进一步的，采用吉布斯采样方法对缺失的轨迹T进行恢复，包括以下步骤：

S221、首先，根据用户的历史访问位置数据对APP收集的不完整移动轨迹进行随机补全缺失点，得到初始恢复轨迹；

S222、根据得到的初始恢复轨迹计算状态转移概率；

S223、使用狄利克雷Dirichlet分布来对转移概率进行建模，并对转移概率进行采样；

S224、根据贝叶斯理论计算缺失点与某一位置的相似概率，选取相似概率最大的位置作为缺失点的位置补全点；

S225、重复步骤S224进行多次迭代，最终得到完整轨迹以及转换内核。

进一步的，根据请求用户与可信任用户的距离调整探测探测信标发射功率包括：根据用户未来某一时刻的预测位置信息，计算未来某一时刻请求用户与信任用户之间的距离d₁，则请求设备将探测信标发射功率调整为：

其中，P_t表示探测信标发射功率，f_c表示载波频率，P_rsen表示接收灵敏度，G_T表示发射天线的增益，G_R表示接收天线的增益，c表示光速，d为在下一位置时请求用户与可信任用户之间的距离；上式基于以下假设：假设可信任用户下一时间段的位置将发生变化，假设所有用户的移动速率相同为v，两位置之间的距离为d_p，用户在各位置之间不作停留，且用户的移动轨迹均为直线。

本发明的有益效果：本发明基于分布式网络结构，用户可以更加灵活地进行设备发现，根据用户设备之间的距离对设备的探测信标发射功率进行调整，节省能耗效果更好；此外，在发现过程中，有效结合用户属性可以有效提高用户的体验，缩小了设备发现的范围，可显著提高设备发现率。

附图说明

下面结合附图和具体实施方式对本发明做进一步详细的说明。

图1为本发明实施例的一种信任传递模型；

图2为本发明实施例的一种设备发现两层架构；

图3为本发明实施例的一种多阶马尔科夫模型；

图4为本发明实施例的一种设备发现流程。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图2为本发明的具体实施提供的一种终端发现模型，提出的终端发现模型专注于节省终端能量并最终提高终端发现效率。

该终端发现模型为一个两层通信模型包含物理通信层和社交通信层。

物理通信层由N部通信设备构成，设备之间进行D2D通信需满足物理限制条件，设备只能与其通信范围内的设备进行通信。同时，用户之间的接触时间需足够长以便于设备发现彼此并进行数据传输。对于探测信标而言，由于小规模衰落对接收信号的功率影响很小，故仅考虑路径损耗信道衰减。

社交通信层由N位移动用户组成，每位移动用户携带一部通信设备，且移动用户之间可能存在社交关系。

考虑利用加权无向图G(N,E,w)来建模移动用户之间的社交关系。其中N代表所有用户的数量，E是与用户之间的社交联系相对应的边的集合，并且每条边都用权重w进行标记。例如，权重w_ij(0＜w_ij＜1)定义了用户i与用户j之间的社交联系强度。因此，任何两个用户之间的社交关系强度都在[0,1]之内，强度范围从无社交接触到最稳定的直接社交关系。

考虑到用户i和用户j之间可能存在多条路径，规定权重最大的路径可以更准确地表示用户之间的社交关系强度，因此若需要找到移动用户之间的信任关系，只需要找到社交图中两用户之间的权重最大路径。使用Floyd-Warshall算法来找到社交图中两用户之间的权重最大路径，Floyd-Warshall算法可以用来寻找任意两点间的最短路径的一种算法，可以在任何图中使用，包括有向图、带负权边的图。该算法使用链接权重的总和来计算路径的总权重，其需将链接权重的乘积转换为链接权重的总和。

基于上述终端发现模型，本发明提供一种基于用户属性的终端发现方法，如图4所示，包括但不限于如下步骤：

根据用户之间是否存在直接交互行为，计算用户之间的信任关系，找出请求用户对应的可信任用户集合。

用户之间的信任关系采用以下方法进行计算：

1.若两个用户之间具有直接交互行为，则采用3VSL模型得到用户之间的信任关系，3VSL模型是一种主观评估模型，它是一种评估信任关系的方法，主要是利用用户之间的评价对用户之间的信任关系进行评估。假设每个用户将在每次交互结束后对对方进行评价，对于用户之间的信任关系可能存在不确定的情况，利用3VSL模型对用户之间的评价进行建模，并基于用户的评价将用户之间的关系x分为三种情况：信任、不信任及不确定。

若两个用户之间具有直接交互行为，且交互结束后双方的评价均为正面词，则判定这两个用户之间为直接信任，即存在信任关系；若交互结束后双方的评价均为负面词，则判定这两个用户之间存在不信任关系；其他情况视为不确定，例如：两个用户之间具有直接交互行为，但交互结束后没有进行评价；或者评价方双方的评价一个为正面词，一个为负面词；……以上情况均视为两个用户之间的关系为不确定关系。

以上方法不适用于没有直接交互的用户以及关系不确定的用户，为了得到这类用户之间的关系，需要采用其他方法评估。

2.信任传递原则：根据信任传播的相关研究，用户之间的信任关系会在其他用户之间进行传播。假如用户A信任用户B，用户B信任用户C，且用户A与用户C之间不存在交互行为，则根据信任传递原则，认为用户A与用户C之间存在间接信任。值得一提的是，信任传播是指将评价从可信用户转移到另一个用户，同时信任传播会随着跳数的增加而越来越弱，在本发明中只考虑一跳的情况，如图1所示。

3.当用户之间不存在直接信任和间接信任时，此时，利用用户之间的社交距离以及社交相似性对用户之间的信任关系进行评估。

根据以上方法计算小区各用户之间的信任关系，得到每个用户的可信任用户集合。

根据信任用户的日常行进轨迹，利用多阶马尔科模型预测用户的移动轨迹，得到信任用户未来某一时刻的预测位置信息。

现有的移动性预测工作大多采用一阶马尔可夫模型，一阶马尔科夫链只有一种状态转移内核，只能建模一种转换模式。然而，用户在一天中可能进行多次状态转换，因此，本发明考虑采用多个相互连接的马尔可夫链来模拟用户的移动情况，同时通过用户使用APP的情况来记录用户的位置信息。

如图3所示，多阶马尔可夫模型包括：将一天划分为K个时间段：D¹,D²,…,D^K，每个时间段D^k对应于某一区域中具有M个位置的特定马尔可夫链，即每个时间段D^k都存在特定的马尔可夫链P^k与之对应，尽管这些链都是基于相同的位置得到的，但在这些位置之间的转换概率可能会因为时间的差异有所不同。两个时间段之间的位置转换采用一阶马尔可夫链来模拟。不同时间段之间的位置转换由转换内核P^k表示，该转换内核展示了用户在不同时间的移动模式。两个时间段之间的位置转换由转换内核P^k表示，用户在时间段D^k期间访问的位置取决于下一个访问的位置，且不同位置之间的转换概率遵循P^k。

进一步的，在一些实施例中，利用多阶马尔科夫模型预测用户的移动轨迹包括以下步骤：

S21、通过APP获得用户的移动轨迹；

S22、采用吉布斯采样方法对缺失的轨迹T进行恢复，更新恢复的轨迹R和转换内核P，得到恢复轨迹后的完整轨迹；

S23、根据用户的移动轨迹将人的移动建模为有限且可数的状态空间，表示为在M区域存在M个状态(假设每个区域的状态数量不一样)；

S24、建立一个M×M的矩阵，矩阵中的元素即为用户上一时间段的状态，用P_ij表示从状态i到状态j的概率；

S25、在进行移动性预测时，若用户当前时间段处于位置i，计算从状态i到其他各个位置的概率，从中选取最大值P_ij，将最大概率值P_ij所对应的位置j作为用户下一时间段最有可能出现的位置，即下一时间段用户的预测移动位置。

由于用户并不是一直使用APP，所以从APP的记录所获取的位置信息不是完整的，可能存在轨迹缺失的情况。令T表示通过APP获得的用户的移动轨迹，令R表示对部分数据缺失的轨迹T进行恢复后的轨迹。

可选的，在一些实施例中，可以通过穷举R∈R(T)来计算在已知T的情况下P的分布，其中R(T)是轨迹T的所有可能恢复的轨迹的集合。

列举所有可能的R涉及大量的计算工作，并且计算复杂度会随着轨迹长度的增加而呈指数式增长。因此，作为上述方法的改进，采用吉布斯采样方法来对缺失的轨迹进行恢复，该方法可以同时更新恢复的轨迹R和转换内核P。吉布斯采样方法包括以下步骤：

S221、首先从用户的历史访问位置数据记录中随机选择数据并补全缺失点，得到初始恢复轨迹；

S222、根据得到的初始恢复轨迹计算状态转移概率；

S223、假设矩阵中每一行的转移概率是独立的，并使用狄利克雷Dirichlet分布来对转移概率进行建模，并对转移概率进行采样；

S224、根据贝叶斯理论计算缺失点与某一位置的相似概率，选取相似概率最大的位置作为缺失点的位置补全点；

S225、重复步骤S224进行多次迭代，最终得到完整轨迹，根据完整轨迹中的位置点计算转换内核。

在更新恢复轨迹的步骤中，用户在时间段D^k期间访问的位置取决于下一个访问的位置，且不同位置之间的转换概率遵循转换内核P^k，第n次迭代中获得的转换内核表示为P^{k {n}}。若需要预测的位置时间落在时间段D^k中，则对下一个位置i^est的预测可以等同为找到转换内核

的最大值，此时转换内核

的最大值所对应的位置即是用户在下一时间段最可能访问的位置，即得到用户在未来时间段的预测位置信息。

设备发现过程开始时，由请求设备从发送探测信标，当周围设备接收到信标后，将发送一个确认信息给请求设备表示接收到了信标，此时设备发现成功。倘若第一次发送信标后一直未收到其他设备发送的接收确认，则请求设备将再次发送信标。将一天划分为多个细小的时间段，每一个时间段即为一个发现周期，设备在发现周期内发送探测信标。在每个设备发现周期中，终端UE从发现资源池中随机选择物理资源块(PRB)对，并以传输概率θ发送探测信标由于资源池中的资源块数量有限，当设备太多时，就会产生冲突，因此每个发现周期内参与设备发现的设备最大数量应当不超过

在设备发现开始前，对设备进行分组，每个请求用户将至少有一个信任用户与其分为一组，每个分组中请求用户与信任用户的数量都应当不超过

(假设

为偶数)，分组优先级情况如下：

请求用户：先到达该区域的用户具有更高的分组优先级；

信任用户：与请求用户具有更高信任度的用户具有更高的分组优先级。

对设备进行分组具体包括：假设资源池的维数为N_t，子帧的数目为N_f，物理资源块的数量N_r可以表示为：

N_r＝N_tN_f

假设X和Y是一个组中的两个终端UE，P_Y→X表示在发现周期内X成功解码Y消息的概率：

根据上式可知每组设备数量N_u：

根据信任用户未来某一时刻的预测位置信息设置信标探测率，具体地，计算未来某一时刻请求用户与信任用户之间的距离d，则请求设备将探测探测信标发射功率设置为：

用户在不断移动变化过程中，根据请求用户与可信任用户的距离动态调整探测探测信标发射功率。

根据请求用户与可信任用户的距离动态调整探测探测信标发射功率包括：用户在不断移动变化过程中，请求用户的设备对可信任用户设备的探测范围可能缩小或扩大，当探测范围缩小时，请求用户与信任用户之间的距离更近，为了节省设备能量，请求设备以当前探测功率探测，经过时间d_p/v(d_p表示用户此时与下一时刻位置之间的距离)后，请求设备将探测信标发射功率调小；当探测范围扩大时，请求用户与信任用户之间的距离更远，为了保证请求用户发送的探测信标可以被信任用户接收，请求设备将探测探测信标发射功率调大。具体操作包括：根据用户未来某一时刻的预测位置信息，计算未来某一时刻请求用户与信任用户之间的距离d，则请求设备将探测探测信标发射功率调整为：

其中，P_t表示探测信标发射功率，f_c表示载波频率，P_rsen表示接收灵敏度，G_T表示发射天线的增益，G_R表示接收天线的增益，c表示光速，d为在下一位置时请求用户与可信任用户之间的距离。

上式基于以下假设：假设可信任用户下一时间段的位置将发生变化，假设所有用户的移动速率相同为v，用户此时与下一时刻位置之间的距离为d_p，用户在各位置之间不作停留，且用户的移动轨迹均为直线。

当可信任用户的位置发生变化时，请求用户将再次预测可信任用户之后的位置，并对现有发射功率进行调整以节省设备能量。

需要说明的是，本领域普通技术人员可以理解实现上述方法实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-0nly Memory，ROM)或随机存储记忆体(RandomAccess Memory，RAM)等。

以上所述仅是本申请的具体实施方式，应当指出，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (1)

1.一种基于用户属性的终端发现方法，其特征在于，包括以下步骤：

S1、根据用户之间是否存在直接交互行为，得到用户之间的信任关系，找出请求用户对应的可信任用户集合；

S2、根据信任用户的日常行进轨迹，利用多阶马尔科模型预测用户的移动轨迹，得到信任用户未来某一时刻的预测位置信息；

所述多阶马尔可夫模型包括：将一天划分为K个时间段：D¹,D²,…,D^K，每个时间段D^k对应于区域M中具有M个位置的特定马尔可夫链，即每个时间段D^k都存在特定的马尔可夫链P^k与之对应；两个时间段之间的位置转换采用一阶马尔可夫链来模拟，两个时间段之间的位置转换由转换内核P^k表示，用户在时间段D^k期间访问的位置取决于下一个访问的位置，且不同位置之间的转换概率遵循内核P^k；

所述利用多阶马尔科模型预测用户的移动轨迹包括以下步骤：

S21、通过APP获得用户的移动轨迹；

S22、采用吉布斯采样方法对缺失的轨迹T进行恢复，更新恢复的轨迹R和转换内核P，得到恢复轨迹后的完整轨迹；

采用吉布斯采样方法对缺失的轨迹T进行恢复，包括以下步骤：

S221、首先，根据用户的历史访问位置数据对APP收集的不完整移动轨迹进行随机补全缺失点，得到初始恢复轨迹；

S222、根据得到的初始恢复轨迹计算状态转移概率；

S223、使用狄利克雷Dirichlet分布来对转移概率进行建模，并对转移概率进行采样；

S224、根据贝叶斯理论计算缺失点与某一位置的相似概率，选取相似概率最大的位置作为缺失点的位置补全点；

S225、重复步骤S224进行多次迭代，最终得到完整轨迹以及转换内核；

S23、根据用户的移动轨迹将人的移动建模为有限且可数的状态空间，表示为在M区域存在M个状态；

S24、建立一个M×M的矩阵，矩阵中的元素即为用户上一时间段的状态，用P_ij表示从状态i到状态j的概率；

S25、在进行移动性预测时，若用户当前时间段处于位置i，计算从状态i到其他各个位置的概率，从中选取最大值P_ij，将最大概率值P_ij所对应的位置j作为下一时间段用户的预测移动位置；

S3、请求用户根据信任用户未来某一时刻的预测位置信息设置探测探测信标发射功率，用户在不断移动变化过程中，根据请求用户与可信任用户的距离调整探测探测信标发射功率；

所述根据请求用户与可信任用户的距离调整探测探测信标发射功率包括：根据用户未来某一时刻的预测位置信息，计算未来某一时刻请求用户与信任用户之间的距离d₁，则请求设备将探测信标发射功率调整为：

其中，P_t表示探测信标发射功率，f_c表示载波频率，P_rsen表示接收灵敏度，G_T表示发射天线的增益，G_R表示接收天线的增益，c表示光速，d为在下一位置时请求用户与可信任用户之间的距离；

上式基于以下假设：假设可信任用户下一时间段的位置将发生变化，假设所有用户的移动速率相同为v，用户此时与下一时刻位置之间的距离为d_p，用户在各位置之间不作停留，且用户的移动轨迹均为直线。

Images