D2D通信下基于大数据的内容分发

发布时间：2021-02-21 03:56

　　随着当前用户设备飞速更新以及互联网业务需求量激增,当前基站的业务负载面临着指数级的增长,对于基站的物理资源、通信资源和计算能力都带来极大的挑战。给用户带来的业务响应时延长、视频传输可能中断等问题,这对于追求高速率低时延的游戏、音视频业务带来了很差的用户体验,对于医疗行业的可穿戴设备来说更是涉及到人的生命。因此迫切需要研究如何将基站的业务卸载,实现高可靠、低时延的通信。作为5G关键技术之一的D2D通信正得到学术界的广泛关注。D2D技术可使设备绕过基站,直接与其相邻的其他设备进行通信或者内容的交互。从而能够有效的缓解蜂窝网络的压力,提升频谱资源利用率。并可实现高效实时的数据共享服务。可以在基站侧部署缓存服务器并缓存热门内容,根据内容的流行度制定一定的策略将内容分发给用户,用户利用其自身强大的存储能力缓存内容。当用户有内容需求时可以直接从其自身存储器或者邻近的D2D用户获取,从而降低内容获取时延,卸载基站业务。因此D2D通信下的内容分发研究具有重要的意义。论文首先介绍了本论文的研究背景与意义,阐述了本课题研究的目的和意义,并简要介绍了本论文的研究内容,给出了本论文的组织结构。接着简要介绍了本... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

D2D内容分发网架构图

图 1.1 D2D 内容分发网架构图务量和设备数的激增，人们已经进入大数据爆炸时代。用户浏、在线交易等过程中都可以产生庞大的数据量。而这些数据往息。从运营商的角度看，可以利用用户各个时段产生的流量情进行网络优化、防止网络拥塞。从内容提供商的角度，可以根分析用户兴趣，给予用户个性化推荐，提升用户体验和内容浏览提升内容分发网络的性能，有必要将用户产生的大数据进行合高的用户体验，提升网络性能。在本论文中，将利用用户的移个性化推荐的优化函数，旨在提升基站业务卸载率和用户获取

eans 算法的优点是：首先，算法能根据较少的已知聚类样本的类别部分样本的分类；其次，为克服少量样本聚类的不准确性，该算法功能，在已经求得的聚类上再次进行迭代修正剪枝确定部分样本的监督学习样本分类不合理的地方；第三，本论文中为了模拟大数据据作为样本，由于其算法的简单性并且只是针对小量样本可以降低计算时间复杂度。络结构应对业务量激增导致的网络负载过重的现状，以及充分利用大数据值信息，提出如图 2.2 所示的基于大数据的 D2D 内容分发网络架据技术和用户数据，提升网络性能和用户体验。图中的主要参与内容或应用提供商。运营商能够通过获取用户数据，利用大数据技内容分发策略。内容提供商根据运营商提供的策略为运营商提供对分发给用户，以及在基站缓存服务器处进行内容缓存策略制定，给验质量，给网络减轻繁重的业务负载。


本文编号：3043806