[发明专利]超密集网络中基于聚类的缓存配置方法及装置

说明书

本发明针对超密集场景下现有小基站缓存方法在计算复杂度和缓存命中率间难以权衡的问题，提供了一种超密集网络中基于聚类的缓存配置方法及装置。该方法首先以最大化由小基站服务的用户数为目标，建立缓存配置策略优化问题；然后基于用户偏好及用户位置利用谱聚类算法对用户进行聚类，根据聚类结果对小基站进行分组，分组后小基站只能服务同类内用户，而不能服务其他类内用户；再根据聚类结果将原始优化问题分解为各个子问题，子问题的优化目标为最大化由各自类别中小基站服务的用户数；最后采用贪心缓存算法独立求解各个子问题，得到各类中小基站的缓存配置策略。本发明与现有技术相比在计算复杂度和缓存命中率间达到了较好的折中。

技术领域

本发明涉及一种无线边缘缓存技术，特别是涉及一种超密集网络中基于聚类的缓存配置方法及装置，属于无线通信技术领域。

背景技术

近些年来，随着新兴移动互联网应用的不断涌现和发展，以及智能终端数量的持续增加，移动数据流量爆炸式增长，移动通信技术的进一步发展面临巨大挑战。无线边缘缓存技术被视为应对这种挑战的一种非常有前景的技术。无线边缘缓存技术利用移动网络边缘的各种网络设备，例如基站、接入点、甚至用户的移动设备等，在非高峰时间预先下载和缓存受欢迎的文件，大大减少了高峰时段流行文件的重复传输，降低了回程链路负载，同时有效降低了服务延时，提升了用户体验。如何针对特定场景设计一种有效的缓存配置策略是无线边缘缓存技术研究的核心问题。

超密集网络是第五代移动通信中的一种重要组网技术，其基本思想是通过覆盖不同范围、承担不同功能的大/小基站在空间中的极度密集部署，让访问节点尽可能接近终端用户，从而提升终端用户性能。超密集网络可以有效提高网络容量，但随着部署基站数量及用户请求的不断增加，将会面临严重的回程瓶颈问题。利用基站或者移动终端的缓存能力可以解决回程链路容量限制问题。所以在超密集网络场景下进行缓存配置算法设计极具现实意义，已经引起学术界及工业界的广泛关注。

超密集网络是从无线异构网络演化发展而来，所以传统的异构网络缓存方案理论上也可以应用于超密集网络缓存中。异构网络中，我们通常采用的缓存方案为最热门缓存策略、随机缓存策略或贪心缓存策略(详见K.Shanmugam,N.Golrezaei,A.G.Dimakis,etal,“FemtoCaching:Wireless Content Delivery through Distributed CachingHelpers,”IEEE Transactions on Information Theory,vol.59,pp.8402-8413,Dec.2013)。但是实际上这些算法并不适用于超密集场景。超密集场景下，小基站(Smallcell Base Station，SBS)数量和用户数量相较于传统的异构网络大幅增加，并且将可能进一步增加，如果使用贪心算法，计算复杂度将会呈指数级增长；最热门缓存算法和随机缓存算法虽然简单，但是算法性能较差，缓存命中率低。所以现有算法应用在超密集场景时难以在性能和计算复杂度间达到一个很好的折中，我们需要探索新的更为有效的缓存配置算法。

发明内容

发明目的：基于以上现有技术存在的问题，本发明提供了一种超密集网络中的基于聚类的缓存配置方法及装置，以在缓存命中率和计算复杂度间实现较好的折中。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

一种超密集网络中基于聚类的缓存配置方法，包括如下步骤：

(1)以M×N的矩阵表示所有小基站的缓存配置策略，以M×K的矩阵表示小基站是否可以服务用户，在保证缓存在小基站的文件不会超过小基站缓存容量的约束条件下，以最大化由小基站服务的用户数为目标，建立缓存配置策略优化问题；其中M为小基站总数目，N为一段时间内所有用户请求的文件总数目，K为超密集网络中移动用户总数目；

(2)基于用户偏好及用户位置对用户进行聚类，并根据聚类结果对小基站进行分组，分组后小基站只能服务同类内用户，而不能服务其他类内用户；