预览加载中,请您耐心等待几秒...
1/9
2/9
3/9
4/9
5/9
6/9
7/9
8/9
9/9

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109714790A(43)申请公布日2019.05.03(21)申请号201910065713.9(22)申请日2019.01.23(71)申请人南京邮电大学地址210003江苏省南京市鼓楼区新模范马路66号(72)发明人余雪勇渠苗苗程晨饶安琪(74)专利代理机构南京苏科专利代理有限责任公司32102代理人陈望坡姚姣阳(51)Int.Cl.H04W24/06(2009.01)H04W4/029(2018.01)H04W4/021(2018.01)H04L29/08(2006.01)H04W28/14(2009.01)权利要求书1页说明书5页附图2页(54)发明名称一种基于用户移动性预测的边缘协作缓存优化方法(57)摘要本发明公开了一种基于用户移动性预测的边缘协作缓存优化方法,包括以下步骤:步骤一:根据用户的移动轨迹建立马尔可夫预测模型,获取用户移动到每个微蜂窝基站的概率;步骤二:使用层次聚类算法将网络中的所有微蜂窝基站进行分组,每一分组中的微蜂窝基站都连接到同一服务网关;步骤三:考虑文件流行度分布,并基于用户的移动概率,在所有微蜂窝基站分组中采取分布式的协作缓存方法,同一微蜂窝基站分组中的微蜂窝基站共同执行缓存决策,并协作为用户提供服务。本发明的优点是:考虑用户的移动概率和文件流行度,提出在基站各分组中采取协作缓存的方法,提高了缓存单元的利用率并降低了用户访问内容的时延。CN109714790ACN109714790A权利要求书1/1页1.一种基于用户移动性预测的边缘协作缓存优化方法,其特征在于:包括以下步骤:步骤一:移动性预测过程:根据用户的移动轨迹建立马尔可夫预测模型,获取用户移动到每个微蜂窝基站的概率;步骤二:微蜂窝基站的分组过程:使用层次聚类算法将网络中的所有微蜂窝基站进行分组,每一分组中的微蜂窝基站都连接到同一服务网关,从而每个微蜂窝基站可以通过对应服务网关从同一分组中的其它微蜂窝基站获取其缓存的内容;步骤三:制定缓存策略过程:考虑文件流行度分布,并基于用户的移动概率,在所有微蜂窝基站分组中采取分布式的协作缓存方法,同一微蜂窝基站分组中的微蜂窝基站共同执行缓存决策,并协作为用户提供服务,决定哪些文件要缓存以及文件缓存在哪些基站。2.根据权利要求1所述的一种基于用户移动性预测的边缘协作缓存优化方法,其特征在于:在步骤一中,将边缘缓存与用户的移动性预测相结合。3.根据权利要求1所述的一种基于用户移动性预测的边缘协作缓存优化方法,其特征在于:在步骤二中,以基站间的距离为依据,使用层次聚类算法将网络中的所有微蜂窝基站进行分组。4.根据权利要求3所述的一种基于用户移动性预测的边缘协作缓存优化方法,其特征在于:以基站间的距离为考量标准对微蜂窝基站分组,具体步骤如下:步骤(1):将每个微蜂窝基站都看作一个独立的分组;步骤(2):找到所有分组中相隔距离最短的两对分组,将该对分组合并到一对分组中;步骤(3):计算新合并的分组与每对旧分组之间的距离。步骤(4):重复执行上面的步骤(2)和步骤(3),直到相隔最近的一对分组之间的距离高于设定的阈值。5.根据权利要求4所述的一种基于用户移动性预测的边缘协作缓存优化方法,其特征在于:计算距离时,以每个微蜂窝基站的中心点进行计算,计算分组间距离的具体计算公式如下:其中,公式中A和B分别表示两对分组,L(A,B)表示两对分组之间的距离,nA,nB分别表示两对分组中包含的SBS的个数,SBS表示微蜂窝基站,L(SBSA,i,SBSB,j)表示两基站间中心点的距离。6.根据权利要求1所述的一种基于用户移动性预测的边缘协作缓存优化方法,其特征在于:在步骤三中,制定缓存策略过程,考虑文件流行度服从Zipf分布,并基于用户的移动概率,在所有微蜂窝基站分组中采取分布式的协作缓存方法,同一微蜂窝基站分组中的微蜂窝基站共同执行缓存决策,并协作为用户提供服务,同一分组内的微蜂窝基站共同决定哪些文件要缓存以及文件缓存在哪些基站。7.根据权利要求1所述的一种基于用户移动性预测的边缘协作缓存优化方法,其特征在于:在步骤三中,协作缓存方法中除了考虑微蜂窝基站的缓存容量,还考虑到微蜂窝基站的传输容量。2CN109714790A说明书1/5页一种基于用户移动性预测的边缘协作缓存优化方法技术领域[0001]本发明涉及5G超密集网络中的边缘缓存技术领域,尤其涉及一种基于用户移动性预测的边缘协作缓存优化方法。背景技术[0002]移动数据流量的激增对5G通信时延和系统性能有着深远的影响,仅通过增加基站密度来提高网络容量和用户体验,会面临过高的成本问题,而且也无法跟上数据增长的速度,基站的负载压力并没有得到有效的改善。同时,超密集的基站部署也将带来巨大的能量