[发明专利]无线通信网络中基于学习的主动缓存控制方法

说明书

本发明公开了一种无线通信网络中基于学习的主动缓存控制方法，属于无线通信技术领域。本发明提供的无线通信网络中基于学习的主动缓存方案使用主动缓存技术，通过在网络边缘设备进行缓存来主动地服务可预测的用户需求。在进行预测和估计文件与用户之间的受欢迎度时，针对现实中文件受欢迎度矩阵通常很大并且稀疏的问题，使用协同过滤和迁移学习来获得了更准确的估计结果。在制定小基站的缓存策略时，设计了一个分布式迭代算法更好地探索了缓存的全局最优解。采用我们设计的主动缓存方案可以有效提高用户数据速率并降低回程负载。

技术领域

本发明涉及无线通信技术领域，特别是涉及无线通信网络中基于学习的主动缓存控 制方法。

背景技术

随着移动通信、移动智能终端以及社交网络的发展，我们开始越来越多的通过移动 终端来体验丰富多样的在线服务。用户需求层次的提高带动了大量新兴无线通信业务的 发展，同时也带来了移动互联网的数据量爆炸式增长。为应对当今移动数据量的爆炸式增长，我们传统的方法是提高频谱资源(带宽)，频谱效率(调制、编码、MIMO)，或者 空间复用(基站密度)。但是在实际应用条件下，这些方法提供的吞吐量增益相当有限，

而且实现成本较高。无线通信网络缓存应运而生。

无线通信网络缓存可以利用网络边缘的各种端设备，如基站、移动终端等来进行内 容的缓存。无线通信网络缓存之所以引起学术界及工业界的广泛关注，一方面是因为近年来缓存设备的价格不断下降，而且移动终端的存储空间越来越大；另一方面，无线网 络缓存可通过提前缓存内容并利用无线网络边缘内部、边缘设备互相之间良好的短距离 协作通信来传输内容，有效降低服务延时，也能减小基站的峰值速率、卸载基站的流量。

对于无线通信网络中的缓存问题，可以利用主动缓存的动态性和5G网络的预测能力， 在网络边缘设备处进行缓存来服务可预测的用户请求。主动网络的“主动性”植根于所有网络节点(即基站以及手持设备和智能电话)，利用用户的情境感知，预测用户的需求 并利用其预测能力来实现资源节省，同时保证服务质量要求和成本/能源支出。

在主动缓存时，我们需要预测和估计文件与用户之间的相关度，即文件对于用户的 受欢迎度矩阵。而目前主动缓存使用基于奇异值分解(SVD)的协同过滤(CF)技术估 计文件受欢迎度矩阵，然后贪婪地缓存最受欢迎的文件。而现实中文件受欢迎度矩阵通 常很大并且稀疏，使得CF技术在数据稀疏和冷启动等问题上的表现欠佳，促使我们去 寻求更好的学习方法来提高缓存方案的性能。此外对于小基站的缓存策略，贪心缓存最 受欢迎的文件得到的是局部最优，目前没有一种较好的小基站缓存策略去获得全局最优 解。

发明内容

为了解决上述存在的问题，本发明提供无线通信网络中基于学习的主动缓存控制方法， 使用主动缓存技术，通过在网络边缘设备进行缓存来主动地服务可预测的用户需求。先使用 协同过滤和迁移学习来预测和估计用户对内容的欢迎程度，再基于此预测结果设计一个分布 式迭代算法，得出小基站的最优缓存策略，为达此目的，本发明提供无线通信网络中基于学 习的主动缓存控制方法，具体步骤如下：

(1)先使用协同过滤和迁移学习来预测和估计用户对内容的欢迎程度，

(2)再基于此预测结果设计一个分布式迭代算法，得出小基站的最优缓存策略。

进一步的，所述步骤(1)中使用协同过滤和迁移学习来预测和估计用户对内容的欢迎程 度，具体步骤为：

步骤1.1：设置无线通信网络中的主动缓存问题为目标域，社交网络即用户间端到端(D2D) 通信相关的信息交互为源域。目标域记为S^(S)，其中用户对内容文件的请求服从Zipf分布， 文件受欢迎度矩阵记为P_tar；源域记为S^(T)，其中用户选择内容文件的过程用中国餐馆过程 (CRP)模拟，文件受欢迎度矩阵为P_D2D；