超密集网络中概率性小基站缓存问题研究

Wireless caching efficiently reduces the network traffic through the pre-storage of popular contents. Among different caching strategies, probabilistic random caching is very easy to be implemented due to its low-complexity. Meanwhile, dense and ultra-dense networks (UDN) are considered as one promising technology of 5G system. The dense deployment of small-cell base stations (SBS) in UDNs provides large embedded storage for popular contents and the excellent basis for caching. However, compared with traditional sparse and normal-dense networks, UDNs own quite different propagation and network characteristics. These fundamental differences in UDNs encourage the concrete consideration and modelling techniques. This research aims at analyzing the performance and the optimal caching strategy of probabilistic small-cell caching (PSC) in UDNs, based on a more appropriate propagation and network model. The works in this research are three-fold: 1. Analyze the performance of PSC and its optimal caching probabilities with the consideration of practical propagation model in UDN and the dynamic on-off of SBSs; 2. Derive the performance of PSC with K-coverage in UDNs; 3. Investigate the optimal frequency reuse strategy in UDNs and the related optimal caching probabilities.

无线缓存技术通过热门数据的预存储极大减轻了网络的负荷，其中概率性随机缓存因其简单高效而更有实用价值。与此同时，密集与超密集网络被公认为第五代移动通信的关键技术之一，大量密集部署的小基站为数据缓存提供了绝佳的平台。可以预见在超密集网络中应用概率性小基站缓存技术所能带来巨大效益。但需要关注的是，超密集网络与传统的稀疏或中等密度网络在信道与网络特性上有着很多不同的地方，建立符合超密集网络的实际系统模型非常必要。本项目旨在以超密集网络实际的信道与网络模型、网络特性为基础，研究超密集网络中概率性小基站缓存技术的性能与最佳缓存方案。具体包括三个方面：1.考虑超密集网络的实际信道传播模型与网络开关特性，分析小基站缓存的性能与最佳方案；2.研究超密集网络中多基站单用户模式下的小基站缓存的性能；3.研究超密集网络异频组网的最佳频分复用方案，及此架构下的缓存方案。

本项目旨以第五代移动通信系统（5G）为背景，研究超密集组网方式下，从网络的实际信道特性与网络模型与特性为出发点，研究无线缓存技术所带来的性能提升，以及最佳的热门文件缓存方案。本项目主要开展了以下三个部分的研究：针对5G系统的超密集网络相关的通信性能分析；针对密集网络中的小基站进行边缘文件缓存的相关研究；以及针对超密集网络的资源优化和其他无线通信新技术在无线缓存领域的应用研究。. 在项目研究中，综合考虑超密集网络的各种信道和网络特性，对超密集网络进行了更为准确的网络性能分析。并在此基础上为了适应超密集网络中视距传播的多径衰弱特性，提出了一种适用于通用多径衰落表达式的性能推导方法。同时，在超密集组网下考虑大规模多入多出技术，分析超密集网络中多天线技术所带来的网络性能，以及在超密集网络中采用频分组网方式所带来的网络性能变化，并提出了最佳的小区间频分复用系数。基于这些更为准确的网络性能分析，提出无人机辅助下密集网络中小基站联合传输的缓存机制，并通过性能优化得到最佳缓存方案；研究了在大规模多入多出的超密集网络中，进行概率性文件缓存的性能；并且，利用强化学习算法研究了在移动场景和小基站协作缓存场景下的最优视频缓存方案。. 如何在有限的无线通信系统资源下，包括存储和通信资源，满足用户日益增长的视频文件需求并提升用户的感知，对移动通信网络发展具有很高的实际意义。以上的研究成果为实际5G网络的部署提供了新的依据和参考，也为实际无线边缘缓存策略的应用提出了新的优化方案。