智能型移動通信5G網絡主動緩存技術分析

何春霞，陳 剛

（中國聯通廣州市分公司，廣東 廣州 510000）

1 概 述

目前的載波聚合資源分配算法主要是在體系吞吐量與公平性方面找到平衡。在客戶分組算法基礎上，通過權值因子積極修改PF算法，讓信道條件不好的客戶能夠得到更高的客戶吞吐量。在處理聚合情況下的資源配置問題時，要積極構建以效用非線性優化問題為基礎的模型，從而確保客戶設備的載波質量[1]。對比各種比例制度，運用業務流中的服務質量（Quality of Service，QoS）設計文件得到信道動態并將其保存，從而提供更合適的方案，提出最后的結果，在保證公平的前提下，MG緩存制度在吞吐量方面的性能要比PF緩存制度要好。現階段，無線網絡性能標準一般要運用狹義的QoS，這屬于底層分組數據傳送性能，如時延以及吞吐量。這種優化指標無法直接體現出客戶對業務真正的體驗，較高的QoS也不一定能感受到高質量的業務?？蛻趔w驗質量（Quality of Experience，QoE）屬于一種以客戶需求為核心的評價符合標準，可以直觀反饋客戶對服務是否滿意。根據最新的研究可以看出，各種客觀環境也容易影響到終端客戶業務體驗，因此將QoE作為判斷客戶主觀感受的準則[2]。通過歸納各種業務的意見得到分數，將QoE作為基礎的算法，并將較大體系上的MOS歸為一類。實際上，沒有比較其他算法也可以證明其在系統吞吐量和公平性方面的效果。以韋伯費希納定理為基礎，構建QoE以及峰值信噪比之間的等式，積極找到客觀標準與主觀平均意見得分之間的關系。

2 將MOS增量效用積極緩存算法為基礎

隨著移動互聯網的迅速發展，服務提供商之間的競爭逐漸激烈，人們對服務質量的要求越來越高，因此需要將客戶需求作為服務評價標準。為了探究QoE和周圍環境影響因素的關系，要求與QoE做好量化對比，構建更好的映射模型，進一步十分直觀地評價QoE[3]。根據ITU提供的平均意見得分，將其運用到主觀評價模型中。將QoE的客戶主觀體驗分成5個級別，如表1所示。

表1 體驗級別

3 仿真結果和分析

OAI軟件能夠通過加入各種數據完成各種仿真場景，具備可移植性與可重復性[4]。實際上，此平臺當前只實現了LTE Release8的功能和Release10的一些功能，無法實現載波聚合功能。表2為各種仿真數據。

表2 各種仿真數據

4 5G高效緩存變革

隨著移動通信網絡緩存存儲器數量逐漸增多，網絡綜合緩存命中率也逐漸提高。實際這是因為相同信道中的緩存器數據逐漸變多，造成一些客戶上網中網絡連接出現時間延長情況。運用高效緩存存儲器合并解決模型的網絡，能夠更好地處理客戶網絡連接時長延伸的問題。多層高效緩存存儲器的分配方案一般有高效緩存器類別選取、高速緩存器內保存內容的選取等[5]。

從存儲角度看，5G網絡主動緩存技術可以向更加高效的方面發展。企業也希望將更多數據都放入云端，從而減輕運營成本，同時讓整體運算過程變得更快。在無人駕駛車智能終端方面，使用攝像頭、車載雷達等收集大量數據[6]。當前處理智能終端數據的內存問題是有策略的，其中一種片上存儲器，即把存儲器集成在計算單元旁邊，一定程度上減少了數據的轉移，這種做法可以減輕負擔，讓功耗逐漸變低，如圖1所示。

圖1 5G網絡構架

5 移動邊緣緩存

移動邊緣緩存可以讓客戶從小部件或者其他設備位置得到需求的內容，不需要通過移動核心網以及有線網絡就可以為服務供應商提供相關內容，解決無線需求容量與可用容量之間不平衡的問題，讓網絡能耗變低。邊緣緩存通常包含兩個步驟，即內容的存放與傳遞。緩存內容保存位置是明確的，怎樣把內容下載到緩存節點，則內容傳遞就怎樣把內容傳遞到客戶手中[8]。通常而言，在網絡流量很低、網絡資源較多時，可進行內容保存；在網絡流量很高、網絡資源稀缺時，可進行內容傳輸。

緩存的方式通常包括編碼緩存與非編碼緩存。編碼緩存能夠將每種文件分為幾種互補重疊的編碼段，各種基站或者移動設備能夠緩存各種編碼段，運用這些編碼段可以恢復源文件。針對編碼緩存，通常假定基站或者移動設備只保存編碼位置，整個文件都要運用這種文件的編碼信息。

通過研究能夠看出，受歡迎的內容常常被請求。因此，對緩存內容應該關心的是緩存文件的流行程度。緩存文化的流行度就是一個固定地區內文件庫中各種文件被全部客戶請求的概率。內容本身的流行程度要服從Zipf分布，運用文件庫的大小與流行度偏置參數積極表示。通常而言，內容流行程度分布變化的速度和蜂窩網絡的流量變化相比要慢，一般情況下是常數[9]。5G標準化進程如圖2所示。

圖2 5G標準化進程

在5G網絡中，邊緣緩存的位置一般在基站與客戶移動設備之間。針對基站緩存，可以在不是高峰的情況下將這種緩存內容提前部署在宏基站，同時分成兩種鏈接，分別是有回傳鏈接和不存在回傳鏈接[10]。制定靈活且有效的部署方案，積極緩存流行的內容，可以傳輸網絡流量。移動設備緩存就是在內容移動設備上運用D2D通信所緩存的內容得到客戶位置，不需要通過基站?？蛻舻囊苿有詫儆谶吘壘彺娴闹匾攸c，從空間與時間這兩個角度進行闡述[11]。空間角度就是和客戶移動模型有關的物理位置信息，時間角度就是和客戶移動模型有關的時間信息。經過客戶的移動痕跡，能夠獲得客戶和宏基站之間的間距。因為無法具體到一個小區的移動痕跡，所以服務小區更換包含很少的細粒度信息。實際在服務小區更換的時候能夠運用馬爾可夫鏈模型進行闡述，其中馬爾可夫鏈模型數量和基站數量相同。此外，研究人員還指出，客戶移動性模型在一定程度上取決于客戶的社會關系。

6 結 論

本文通過探究載波聚合背景下的主動緩存問題，將客戶體驗質量QoE作為優化的對象，提供一種以MOS為基礎的主動緩存算法，在滿足QoS速度需求的情況下將MOS的函數作為客戶優先級排序的依據，提高系統綜合QoE。經過驗證，該算法實際應用效果較好，值得推廣。