雾无线接入网中缓存技术研究

发布时间：2020-09-25 07:04

　　雾无线接入网(Fog Radio Access Network,F-RAN)的核心是借助合理分配边缘缓存资源和计算资源有效地缓解前传负荷,从而达到实现降低时延和提升能效的目标。FRAN中,用户数据流量卸载主要来源于小区蜂窝网中的视频文件。然而,针对边缘缓存应对此类流量卸载,当前的研究在时延和能效性能提升效果上尚有不足,为此,本文对缓存容量受限的小区蜂窝网中视频文件流行度和视频文件的缓存策略展开研究,提出优化的文件流行度预测算法,以及时延缓存算法和能效缓存算法。文件流行度的预测精准度直接影响缓存策略对网络性能的改进。现有的视频文件流行度预测方法主要依赖于请求次数,仅通过请求次数更新文件流行度,却未分析用户喜好和文件属性,导致预测精准度不够高。本文提出一种基于文件属性感知的文件流行度预测算法,从视频标签中提取特征并标记文件,通过特征权重建立用户喜好与文件特征间的关联,在线学习用户请求文件,结合时空因素,实时精确地预测文件在各时隙的流行度。本文研究了两类小区蜂窝网的文件交付流程,聚焦非集群小区蜂窝网的多点协作传输,以及集群小区蜂窝网中联合传输(Joint Transmission,JT)模式和并行传(Parallel Transmission,PT)模式。针对非集群小区蜂窝网,本文提出了一种优化的时延缓存算法。基于非集群小区蜂窝网的时延模型,将时延缓存问题转换为文件缓存位置问题,通过变量松弛将问题由非凸性变为凸性,再利用线性规划和变量恢复求得最终缓存策略。针对集群小区蜂窝网,本文提出一种优化的能效缓存算法。首先建立能效缓存问题模型,分析JT模式和PT模式的成功交付速率,再采用分而治之策略将问题分解为传输消耗限制下最大化缓存命中率和能耗限制下是否转换文件为最流行文件两个子问题,从而实现低算法复杂度的能效缓存策略。仿真结果验证了本文提出的基于文件属性感知的时延缓存算法和能效缓存算法能精准地预测文件流行度,且能分别明显地降低非集群小区蜂窝网的用户时延和提升集群小区蜂窝网的系统能效。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN92
【部分图文】：

频谱,网络架构

重庆邮电大学硕士学位论文提高频谱效率，满足 5G 的性能要求[3][4]。所有社会感知的移动网络(Cloud Radio Access Network, C-RAN)能有效地提高频谱效N 结合软件定义网络的发展，充分利用集中式大规模云计算，户更近的无线远端射频单元和多个基带处理单元集中到一起形 Unit, BBU)池。C-RAN 网络架构如图 1.1 所示，基带处理集中的远程无线电头(Remote Radio Head, RRH)通过前传连接 BBU 心的数据收发[6]。无线信号处理和集中式的资源管理能明显减并且协作处理 RRH 间的干扰。然而，受约束的前传容量和长率和能量效率。同时，充分集中的架构给 BBU 池的计算能力

网络结构图,蜂窝网,小区,网络结构

2, , b, , B}，SBS b的存储容量为bu。高速缓存管理器(Cac速专用链路连接到数据中心，而一些 SBS 被选择连接到 CM 以接到 CM 的 SBS 的数量由参数决定，被定义为被选择的 SB比值。在网络系统中，SBS 能够通过 Xn 接口进行相互通信[30]，GPP 中，其具体的规格编号为 Ts 38.42 至 Ts 38.424。Xn 接口在似于 LTE 系统中 X2 接口协议功能。CM 的功能是维护查找表和如何更新缓存实体。网络系统时间以时隙为单位推移和运行，时0,1, , t , , T}。数据中心在t 时隙内总的文件集合为 {1,2, , t 件更新上传至数据中心而随时隙变化，文件 f 的大小为fs 。小区 {1, , u , , U}，为非均匀分布，用户在 SBS b时隙t内请求文,( )b f t ，并且 SBS 能同时服务所有与其相连的用户。

示意图,示意图,特征集合,冗余度

第 R 次标签il 的冗余度函数只需计算il 和最新选定标签的冗迭代结果。征提取的过程可总结为使用标签与视频集合的相关性以及标为评判指标，进而选择出冗余度低而相关性高的特征子集。特标之差作为特征评分，每次迭代挑选出评分最高的特征，直到设定的阈值，如图 3.2 所示。频文件的特征集合，接着需要标记视频集合每一视频文件的特与某一文件都存在不同程度的关联，需要决定为该文件确定特筛选获得对应的特征子集合。常用的方法有文件的特征数量为筛选阈值两种方式。本节采用两种相结合的方式，根据文献[4征数量被选取在区间[1, K /10]范围内，关联度阈值为所有特平均关联度值，且与预定特征集合大小的关系如图 3.3 所示。

【相似文献】