基于社交属性的D2D设备发现和资源分配方案的研究

发布时间：2020-03-20 11:20

【摘要】：随着智能终端的普及以及移动业务的爆炸性增长,给传统蜂窝网络带来了非常沉重的负担,如频谱资源短缺、基站负荷过重以及通信链路堵塞等,由此,D2D(Device-to-Device)技术应运而生。设备发现和资源分配作为D2D通信系统的重要技术,受到了极大地关注。但是现有的D2D通信的设计和优化大多都是根据物理域的各种条件制定的,并没有考虑社交域的影响。一般来说,通信设备都由用户携带,用户通过社交行为会自发形成相对稳定的社交关系(朋友,同事等)。这些社交关系在某种程度上会影响人们的通信行为。因此,为了进一步提高D2D通信系统的性能,将社交网络与D2D通信结合成为新的研究热点。本文针对社交网络与D2D通信系统的结合,做了以下三个方面的研究,包括对社交网络的介绍与分析,基于社交属性的设备发现和基于社交属性的资源分配研究,主要研究内容和创新点如下:1、在对社交网络的分析中,通过对社交网络中现有社交属性进行分析,将社交网络中的社交属性分为局部属性和全局属性。局部属性包括通信间隔、通信持续时间和社交内容,全局属性包括中心度和社区。此外,利用pajek软件对真实社交数据集进行可视化分析仿真,得到社交网络的可视化图形,并进一步分析了社交网络中各社交属性对设备发现和资源分配可能带来的有益影响。2、在基于社交属性的设备发现方案的研究中,针对现有方案存在的不安全性和忽视用户个人意愿等问题,本文提出了一种基于社交属性的设备发现方案。通过利用社交网络中的社交属性和用户的通信历史记录计算用户之间的信任度、相似度和每个用户的中心度,然后用效用函数将上面三个准则统一起来,设定合适的阈值,将效用函数值比设定阈值大的用户作为目标用户的侯选用户,最后目标用户在候选用户中进行对等发现。通过仿真对比,可以看出提出的基于社交属性的设备发现方案可以有效提高设备发现率和D2D链路安全性。3、在基于社交属性的资源分配研究中,考虑到现有方案没有考虑用户之间复杂的社交关系,并不能最大化通信系统的整体效用,提升系统的吞吐量,本文提出了一种基于社交属性的资源分配方案,通过利用用户的中心度和社交关系度将D2D用户分为不同的用户组,中心度作为选择不同组核心用户的准则,其他用户根据与核心用户社交关系的强度分到不同的组里,然后将每一个D2D小组看成是一个整体,来复用蜂窝网络中用户的频谱资源。假设每一个蜂窝用户只能和一个D2D小组共享资源,计算每种复用方案下D2D用户和蜂窝用户的传输速率之和,并根据“传输速率最大”原则进行资源分配,不仅保证了用户的通信质量,而且能够提升系统的吞吐量,最后进行仿真实验,结果表明了所提出的基于社交网络的资源分配方案能有效提高系统的吞吐量。
【图文】：

特征图,社交,特征图,社区结构

研究社区信息对通信系统的性能会有一定的改善。社区作为社交网络的重要结构，对于社区检测的研究十分重要，，也受到了广泛的关注。在网络通信容量爆炸式增长的时代，网络结构更加复杂，网络中节点的类型也更加复杂，因此网络的社区结构成为了目前的热点问题之一。社交网络由节点和节点之间的边构成，从这个角度出发，很多学者们提出了基于节点或者边特性的社区结构算法，这些算法分别通过节点或者边的某一种度量值为依据，逐步探索出社交网络的社区结构，常见的社区检测算法有 K-L 算法[39]和 GN 算法[40]。3.4 社交网络的可视化为了得到对社交网络进行可视化分析，本文采用一个真实的数据集作为实验数据，有很多免费并且公开的用户真实社交数据集，为了使整个用户的社交关系更加可视化，我们利用数据分析工具 pajek 进行真实数据仿真，生成了可视化的社交网络图。如图 3.2 所示。
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN929.5

【相似文献】