移动通信网络高效内容分发机制与策略

发布时间：2024-04-24 03:38

　　伴随着移动通信技术的高速发展,移动互联网中多媒体服务以及数据业务流量急剧升高。爆发式增长的海量移动网络流量给第五代移动通信系统(5G)带来了极大的挑战。通过对流量爆炸式增长问题的研究发现,移动网络流量主要部分来自于从远端服务器重复下载一些流行度较高的内容。因此,将内容事先缓存在离终端用户较近处是解决移动网络中流量指数式增长的有效方式。通过采用内容缓存和有效传输策略,流行的内容被缓存在中间或地方服务器,需要相同内容的用户可以直接被本地缓存满足,而不需要重复地从远端服务器下载,从而消除冗余的网络流量。尽管内容分发技术在传统有线网中已经得到了较深入的研究和广泛应用,但是无线移动网络与有线网络在架构上有很大差别,并且无线移动网络中的网络资源受限,例如无线链路容量,移动回程网路和缓存空间等都受到一定限制,因此传统的内容分发网络技术并不能简单地应用到无线移动网络中。而且,由于内容的动态变化、用户的移动性以及单个蜂窝内有限的用户数,使得移动无线网络中缓存内容的缓存命中率低。另外,内容提供商所提供的内容量不断迅速增长,即使缓存的花销越来越便宜,也不可能缓存所有的内容。因此,设计有效的内容缓存和传输机制...

【文章页数】：123 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景
        1.1.1 5G系统的数据业务特点
        1.1.2 异构蜂窝网络架构
        1.1.3 移动边缘计算架构
    1.2 研究现状
        1.2.1 传统有线网络中的内容缓存及分发
        1.2.2 移动通信网络中的内容缓存及分发
        1.2.3 机器学习算法在内容分发网络的应用
    1.3 研究动机及意义
    1.4 主要研究内容及创新点
    1.5 论文结构及章节安排
第二章 异构蜂窝网络下的最优协作内容缓存及传输机制
    2.1 引言
    2.2 系统模型
    2.3 最优协作内容缓存
        2.3.1 问题定义
        2.3.2 最优的协作内容缓存机制
    2.4 最优协作内容传输
        2.4.1 问题定义
        2.4.2 最优的协作内容传输机制
    2.5 仿真结果
        2.5.1 场景设置
        2.5.2 性能分析
    2.6 本章小结
第三章 支持D2D通信的异构网络中基于多智体强化学习的内容缓存策略
    3.1 引言
    3.2 系统模型
    3.3 问题定义
        3.3.1 多智体的多臂机问题描述
        3.3.2 D2D通信网络中的内容缓存问题定义
    3.4 基于多智体强化学习的D2D缓存策略
        3.4.1 基于独立学习者的D2D缓存算法
        3.4.2 基于联合动作学习者的D2D缓存算法
        3.4.3 算法性能分析
    3.5 仿真结果
        3.5.1 场景设置
        3.5.2 性能分析
    3.6 本章小结
第四章 移动边缘计算架构下基于学习预测的协作缓存机制
    4.1 引言
    4.2 系统模型
    4.3 问题定义
    4.4 基于学习预测的协作内容缓存机制
    4.5 实验结果
        4.5.1 实验数据描述
        4.5.2 性能分析
    4.6 本章小结
第五章 移动边缘云架构下基于Actor-Critic算法的动态缓存机制
    5.1 引言
    5.2 系统模型
    5.3 动态缓存问题的MDP建模
    5.4 基于AC的动态缓存算法
    5.5 仿真结果
        5.5.1 场景设置
        5.5.2 性能分析
    5.6 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 下一步工作展望
致谢
参考文献
攻读博士学位期间取得的研究成果



本文编号：3963174