[发明专利]一种超密集网络中基于小型基站自组织协作的缓存方法

说明书

本发明提出一种超密集网络中基于小型基站自组织协作的缓存方法，属于无线通信技术领域。包括：首先，根据超密集网络中小型基站的负载能力和位置，得到小型基站的相似度矩阵；然后，根据相似度矩阵和每簇中小型基站的个数k，进行分簇，选取负载能力最好的小型基站充当簇头；依据文件缓存策略将文件缓存到小型基站和宏基站中；用户接入基站后，请求获取文件；最后，判断k的取值是否超过簇内设定的最大值K，若是，输出使得用户的平均下载时延最小的k值；否则，继续更新k值，继续重新分簇。本发明通过自组织思想分配簇内资源，利用小型基站间的互相协作和自组织，有效地提高了缓存命中率同时减小了用户下载时延，满足多种业务需求。

技术领域

本发明属于无线通信技术领域，具体涉及一种超密集网络中基于小型基站自组织协作的缓存方法。

背景技术

超密集组网，即超密集网络UDN技术，通过密集部署小型基站SBS，可实现频率复用效率的巨大提升，是满足5G千倍容量增长需求的关键技术之一。超密集网络UDN被认为是用来满足用户需求，提高系统容量的关键技术之一。UDN通常包含了大量的低功率小型基站SBSs并且部署密度远远高于当前的移动网络场景，可以为用户提供极高的数据传输速率。同时，将缓存技术引入超密集网络，网络边缘缓存近几年来吸引了很多关注，其主要思想是将频繁被用户请求的内容缓存到网络边缘中，使得网络中的文件更贴近用户，可以减少冗余数据传输，缩短用户下载时延，提升用户体验的同时提高频谱利用率。UDN场景和网络边缘缓存技术相结合，既可以提高网络中的吞吐量，降低用户下载时延，又能减轻回程压力，将大大提升网络的性能。但是考虑到UDN中SBSs超密集部署情况下的成本问题，单个SBS的缓存容量十分有限，因此每一个SBS无法将用户可能需要的所有文件都缓存下来，在这种条件下需要结合多种因素考虑SBSs的缓存方式，比如要综合考虑到文件流行度以及命中率和用户的体验，还可以考虑小型基站间的互相协作和自组织。

在针对超密集网络场景的缓存研究中，参考文献1考虑到缓存空间的限制想要最大化缓存利用率。首先将优化目标转换为回程负载最小化问题，然后使用机器学习相关算法预测并缓存相应内容到小型基站中，算法复杂度较低并且准确率很高。参考文献2提出了一种小型基站社交感知缓存策略来提升网络吞吐量和能量效率。首先利用社交网络理论研究小型基站的社交行为，从社交纽带因子高的基站中选出少数非常重要的基站，基于这些基站来与其他小小区调度分配资源。

在超密集的场景下，现有技术主要围绕单一基站来优化缓存内容，没有充分考虑到小型基站间的互相协作和自组织，如何在单个SBS的缓存容量十分有限的条件下，高效地为用户提供服务，减小用户下载时延，考虑这些问题可以进一步提高缓存命中率和用户的业务体验。

参考文献：

[1]G.Shen,L.Pei,P.Zhiwen,L.Nan and Y.Xiaohu,Machine learning basedsmall cell cache strategy for ultra dense networks,2017 9th InternationalConference on Wireless Communications and Signal Processing(WCSP),Nanjing,2017,pp.1-6.

[2]Y.Li,X.Zhang,J.Zhang,S.Wang and D.Wang,Base Station Social-AwareCaching Strategy for 5G Ultra Dense Networks,2017IEEE Globecom Workshops(GCWkshps),Singapore,2017,pp.1-6.

发明内容

针对于现有技术并没有综合考虑到文件流行度以及命中率和用户的体验，也没有充分考虑小型基站间的互相协作和自组织，本发明提出一种超密集网络中基于小型基站自组织协作的缓存方法，以实现减小用户下载时延的目的。