[发明专利]一种基于用户组偏好集中度差异的D2D概率式缓存放置方法

权利要求书

1.一种基于用户组偏好集中度差异的D2D概率式缓存放置方法，其特征在于，包括以下步骤：

S1：构建存在多个HUE的场景模型；

S2：在场景模型的基础上，构建数据包流行度模型，计算每个数据包的分享概率；

S3：根据每个数据包的分享概率计算缓存并乐意分享该数据包的HUE密度，构建传输模型；

S4：在兼顾数据包的请求概率以及传输模型的传输成功概率的基础上，构建概率式缓存放置优化问题；

S5：通过迭代分组优化算法求解概率式缓存放置优化问题，得到优化缓存放置概率；

S6：通过概率式随机划线法将优化缓存放置概率转成对数据包具体的缓存放置方法，完成D2D概率式缓存放置方法；

其中，所述步骤S1具体为：

构建一个存在多个HUE的场景模型，这些HUE为多个VUE提供预存储或者转发包请求的服务；其中，从UE设备中选取功能较强且不自私的设备作为HUE，尤其考虑不同HUE对数据包具有不同的偏好程度的情况；HUE对数据包的偏好概率越大，分享概率也越大；

为便于描述D2DUE的空间分布，采用随机集合中的泊松点过程模型；假设UE的地理位置服从均匀分布，密度为λ，且VUE的数量占UE总数的比例为β，则HUE和VUE的密度分别为：

通常情况下，HUE密度小于VUE密度，即有β＞0.5；由于不同的HUE对模型中的数据包具有不同的偏好程度，对于具有近似相同偏好HUE，将其划分在同个HUE组内；定义HUE组的数量为L，第l组HUE的密度占HUE的总密度的比例为G_l，其中l∈Φ_L，Φ_L＝{1，...，L}，

所述步骤S2具体为：

在场景模型中，将所有VUE请求的包集合依据话题属性划分为S类，其中第s类请求的包所占比例为q_s，第s类包总数量为F_s；定义s取值所属的集合为Φ_S＝{1，...，S}，s∈Φ_S；在已知数据包属于第s类时，该类中的第i个包的请求概率f(i|s)由Zipf流行度分布描述如下：

其中，Φ_I(s)＝{1，...，F_s}为第s类包内部数据包的序号集合；γ_s是Zipf参数，其取值越大，则表明第s类包的流行度越集中；根据条件概率的定义可知，模型中对第s类的第i个包的请求概率为：

f(i，s)＝q_sf(i|s) (3)

由于此处假设根据HUE的不同偏好进行分组，不同组HUE对不同包的偏好程度不同，乐意分享的程度也不同，为便于描述，定义函数g(i，s，l)代表第l组HUE对第s类中第i个数据包的分享概率；根据条件概率的定义有：

g(i，s，l)＝g(i|s，l)g(s，l) (4)

其中：

g(s，l)＝g(l)g(s|l) (5)

g(l)为第l组HUE占总HUE的比例，即g(l)＝G_l；在实际场景下，因单个用户对单个数据包的请求次数可能过少，因而并不易于统计用户对于某类话题下单个数据包的偏好概率，故采用模型的全局偏好概率f(i|s)近似代替基于已知用户组条件下的g(i|s，l)，则将式(4)近似表示为：

g(i，s，l)≈f(i|s)g(s，l) (6)

由于不同用户对话题的偏好概率可以通过不同集中程度的Zipf分布较好地拟合，因此基于话题偏好的Zipf指数区间为[0.5，3]，式(5)中用到的第l组HUE对第s类话题的偏好概率，即g(s|l)，采用如下模型予以描述：

其中，τ_l是Zipf参数，其取值越大，则表明第l组HUE对话题的偏好越集中；利用式(2)、式(3)和式(5)-(7)，计算第l组HUE对第s类话题下第i个数据包的分享概率为：

因此，通过式(8)完成每个数据包的分享概率的计算；

所述步骤S3具体为：

选取场景模型内所有VUE请求包的平均传输成功概率作为放置方法的优化目标函数，定义第l组HUE对第s类话题下第i个数据包的缓存概率c(i，s，l)作为优化变量，假设同组内的HUE具有相同的缓存分布；因此，整个系统中缓存并乐意分享第s类话题下第i个数据包的HUE用户密度记为：

第s类第i个数据包的平均成功传输概率p(i，s)则由下式计算：

其中：为PPP模型下用户间距离r的概率密度函数；R为D2D最大成功传输距离，为D2D链路传输的成功概率，其中θ为D2D接收机的信干噪比，θ_th为D2D链路传输成功的SINR阈值；根据瑞利信道传输成功概率计算公式，有：

其中，r表示D2D发射机和D2D接收机之间的距离，P_T和P_I分别为D2D的发射功率和干扰发射功率，α为路损因子，为高斯白噪声功率，γ(·)为伽玛函数；考虑干扰受限场景，即定义为D2D干扰比例因子，则式(10)近似表示为：

为便于描述，定义：

则式可进一步简化为：

在对本方法进行性能评估时，除了物理链路的传输成功概率p(i，s)，可以同时参考Jain公平性指标，具体表示为：

通过借鉴Jain公平性的设计思路，定义一种数据包公平性指标用于评估数据包被缓存的公平性，记为J_packet，其具体定义如下：

该指标的值域空间为[0，1]；当场景模型中所有组对所有包的缓存概率都相等时，有J_packet＝1，即获得最大的公平性；

在所述步骤S3中，为多方面衡量缓存方案的性能，受重复率定义的启发，提出一种数据包多样性Q的性能表达式如下：

该指标的值域空间为[0，1]；Q越大时，表明系统中数据包的多样性越大；当系统中所有包均有一定的缓存概率时，即则Q＝1，可获得最大的多样性；同时，为研究不同HUE组空间内不同话题类下数据包占比的关系，本方法提出定义第l组HUE的话题公平性为：

同样地，该指标的值域空间亦为[0，1]；当J_topic(l)＝1时，表明第l组HUE对所有话题下缓存的数据包数量相等。