RIS輔助的UAV與用戶協同緩存策略

摘" 要： 研究了智能反射面（RIS）和緩存輔助的無人機（UAV）中繼通信系統方案，通過在UAV與用戶之間搭建RIS反射信號，改善信道環境；在UAV與用戶設備上部署緩存設備，預先存儲熱點內容，減輕無線回程鏈路的壓力；以最大化用戶服務成功概率為優化目標，建立緩存容量受限約束下的UAV與用戶協同緩存放置策略優化模型，針對該非線性連續非凸約束優化問題，提出基于鯨魚優化算法（WOA）的求解方法.仿真實驗結果表明，使用RIS可以有效降低UAV通信中斷概率，基于WOA的UAV與用戶協同緩存最優放置策略優于現有其他兩種緩存策略，能有效提高緩存命中概率，從而提高用戶服務成功概率.

關鍵詞： 無人機（UAV）通信； 協同緩存； 智能反射面（RIS）； 鯨魚優化算法（WOA）； 服務成功概率

中圖分類號： TN 925+.3""" 文獻標志碼： A""" 文章編號： 1000-5137（2024）03-0322-08

Cooperative caching strategy of UAV and user with RIS-assisted

ZHU Jingfa， SU Ying*， ZHANG Jing

（College of Information， Mechanical and Electrical Engineering， Shanghai Normal University， Shanghai 201418， China）

Abstract： A reconfigurable intelligent surface （RIS） and cache-assisted unmanned aerial vehicle（UAV） relay-assisted communication system scheme was investigated to improve the channel environment by building RIS reflective signals between the UAV and the user. By deploying cache devices to pre-store hotspot contents on the UAV and user devices， the pressure on the wireless backhaul link was reduced. Besides the cache capacity-constrained optimization model for the cooperative cache placement policy between drones and users with maximizing the user service success probability as the optimization objective was established， and a problem solving method based on the whale optimization algorithm （WOA） was proposed for this nonlinear continuous non-convex constrained optimization problem. The simulation results showed that the use of RIS could effectively reduce the UAV communication outage probability， and the optimal placement policy of UAV-user collaborative cache based on WOA algorithm performed better than the other two existing caching policies， which could effectively improve the cache hit probability and thus the user service success probability.

Key words： unmanned aerial vehicle （UAV） communication； cooperative caching； reconfigurable intelligent surface （RIS）； whale optimization algorithm （WOA）； service success probability

0" 引言

緩存技術與無人機（UAV）輔助網絡相結合，可以緩解地面基站（BS）的流量壓力，有效提升通信系統性能［1-2］.研究人員針對不同的場景，對UAV緩存放置策略進行了研究，如文獻［3-5］的作者研究了UAV和地面小型BS組成的混合緩存網絡，用戶可直接通過部署在UAV上的緩存設備獲取部分內容，降低通信延遲，提高用戶體驗.CHEN等［6］將D2D引入UAV輔助的邊緣緩存策略，可以在增強用戶體驗的同時，降低對回傳鏈路容量的需求.然而在實際應用中，受無線信道衰落影響，UAV與BS的信號傳輸容易被干擾，甚至中斷，從而無法保證與用戶的連接質量.

近年來智能反射面（RIS）為改善無線傳播環境，提高無線通信網絡的性能提供了一種全新的技術解決途徑［7］.RIS具有低功耗、低成本及低實現復雜度等優點，可降低通信網絡的建設費用和實施難度，因此，RIS輔助UAV通信技術廣受關注［8］.WU等［9］在BS與用戶之間搭建RIS反射信號來繞過障礙物，改善信道環境，從而提升系統性能.YANG等［10］將UAV作為中繼，在RIS輔助下，UAV將經過RIS反射的信號通過解碼轉發（DF）方式發送到目的地，分析了中繼系統性能.

本文對UAV與用戶通信鏈路受遮擋，用戶接收信號中斷概率過高的問題，提出RIS和緩存輔助的UAV中繼通信系統方案，以用戶服務成功概率為優化目標，構建緩存容量受限約束下的UAV與用戶協同緩存放置策略優化問題模型.仿真結果表明：所提方案及算法可有效提升服務成功概率，RIS輔助UAV通信能有效降低中斷概率，基于鯨魚優化算法（WOA）的UAV和用戶協同緩存策略可提高UAV通信系統的性能，且效果優于現有最大流行度分布及最大內容多樣性分布緩存策略.

1" 系統模型

1.1 場景描述

RIS和緩存輔助的UAV中繼通信系統場景如圖1所示.該通信系統由BS、小型UAV、RIS、地面用戶（UE）組成.以單位為m的笛卡爾坐標系為基準，BS的空間位置坐標為（x_B" ，y_B" ，z_B），UAV坐標為 （x_U" ，y_U" ，z_U），RIS部署的坐標為（x_R" ，y_R" ，z_R），用戶坐標為（x_E" ，y_E" ，z_E）. BS，UAV與用戶均配備單天線，且UAV與用戶均配備有緩存設備，可提前存儲部分熱門文件.當用戶需要傳輸文件時，先遍歷自身緩存，若無法找到所要傳輸的文件，再向UAV發出文件傳輸請求.若UAV緩存設備可以滿足用戶請求，UAV經RIS反射，發送緩存中的相關文件數據；反之，UAV向BS發出文件傳輸申請.

1.2 信道模型

BS與用戶之間的下行鏈路包括兩部分：BS與UAV之間通信鏈路（BS-UAV）及RIS輔助下UAV到用戶（UAV-RIS-UE）的空地通信鏈路.

當BS發射信號至UAV時，UAV接收到的信號為［10］：

y_1=√（P_S ） h_BU x_1+n_1，""""" （1）

其中，P_S為BS發射功率;h_BU為BS與UAV之間的信道增益; x_1為BS發射信號;n_1～CN（0，σ^2 ），為UAV接收機的加性高斯白噪聲.

城市中，由于密集建筑物的遮擋，UAV與BS之間的直連鏈路信號質量較差，故假設BS至UAV的信道服從瑞利分布：

h_BU=d_BU^（-α_BU/2） g_BU，""" （2）

其中，d_BU為BS到UAV的距離;α_BU為BS與UAV之間的路徑損耗指數;g_BU表示衰落信道增益，g_BU～CN（0，1）.

因此，UAV接收到信號的信噪比

γ_1=（|h_BU |^2 P_S）/σ^2 . （3）

用戶接收到UAV發出的信號［11］

y_2=√（P_U ） （∑_（i=1）^N?〖h_UR e^（jφ_i ） h_RE 〗） x_2+n_2 ，"""" （4）

其中，P_U為UAV發射功率;x_2為UAV發射信號;n_2～CN（0，σ^2 ）為加性高斯白噪聲;φ_i為RIS上第i個反射單元的相移；h_UR與h_RE分別為UAV-RIS及RIS-UE的信道增益，均服從萊斯分布；ψ_i是UAV-RIS信號的相移;?_i是RIS-UE信號的相移；L_UR和L_RE分別為UAV-RIS和RIS-UE鏈路的路徑損耗，L_UR=d_UR^（-α_UR/2），L_RE=d_RE^（-α_RE/2）.

用戶接收到信號的信噪比

γ_2=（|∑_（i=1）^N?〖β_i ε_i e^j（φ_i-ψ_i-?_i ）" 〗|^2 P_U）/（Lσ^2 ） ，"""" （5）

其中，L=d_UR^（a_UR ） d_RE^（a_RE ）;β_i與ε_i分別為萊斯因子.假設RIS可以根據全局信道狀態隨時調節相位，即實現最優相移，使用戶接收的信號功率最大化.當φ_i=ψ_i+?_i 時，用戶接收到的信噪比最大［9］，經由RIS反射，用戶接收到的信號達到最大瞬時信噪比

γ_2=（|∑_（i=1）^N?〖β_i ε_i 〗|^2 P_U）/（Lσ^2 ） .""" （6）

1.3 概率緩存模型

假設用戶所有感興趣的內容共包含L個文件，所有文件內容大小相同，為f_size.文件按照流行度依次從高到低排列，構成目錄F=1 ，2 ，…，L.用戶下載對應文件的概率為p=p_1" ，p_2" ，… ，p_L，初始時，假設其遵循齊夫分布［6］，

p_i=i^（-z）/（∑_（i=1）^L?i^（-z） ） ，""" （7）

其中，z為文件流行度偏好，z值越大，用戶對文件的偏好越集中.

假設用戶所帶緩存設備提前下載的第i個文件占總緩存容量的比例為q_i^E=[q_1^E，q_2^E，…，q_L^E ]，用戶緩存設備可以存放C_E個文件，容量大小為C_E f_size，則對于用戶的緩存策略有如下限制條件：

0lt;q_i^Elt;1，

∑_（i=1）^L?〖q_i^E≤C_E 〗 .

相應地，假設UAV所帶緩存設備提前下載的各文件占總緩存容量的比例為q_i^U=[q_1^U，q_2^U，…，q_L^U ]，UAV緩存設備可以存放C_U個文件，容量大小為C_U f_size，則對于UAV的緩存策略有如下限制條件：

0lt;q_i^Ult;1，

∑_（i=1）^L?〖q_i^U≤C_U 〗 .

2" 性能指標與問題建模

針對RIS和緩存輔助的UAV中繼通信系統，本章給出信號傳輸的中斷概率與緩存命中概率的計算公式，并由此得出服務成功概率，作為通信系統的整體優化指標，基于緩存大小等限制條件，建立優化問題的數學模型.

2.1 性能指標

2.1.1 中斷概率

給定一個信噪比閾值τ，由BS傳輸信號至UAV的中斷概率為：

P_out1=Pr（γ_1≤τ ）=Pr（|g_BU |^2≤（τσ^2）/（P_S d_BU^（-α_BU ） ））."" （8）

|g_BU |^2的概率密度函數［12］

f_（|g_BU |^2 ） （x）=e^（-x）." （9）

由式（9），可將式（8）改寫為：

P_out1" =E_（d_BU ） （1-exp（-（τσ^2）/（P_S d_BU^（-α_BU ） ）） ）=1-∫_0^∞?f（r）" exp（-（τσ^2）/（P_S r^（-a_BU ） ））dr，""""" （10）

其中，r為BS與UAV之間的距離；f（r）為概率密度函數，

f（r）={（r/（d_BU^2 ），amp;r∈[0，d_BU]@0，amp;其他）┤."""" （11）

結合式（10）與（11），可得：

P_out1" =1-∫_0^（d_BU）?r/（d_BU^2 ） exp（-（τ_m σ^2）/（P_S r^（-a_BU ） ））dr . （12）

由UAV傳輸信號至用戶的中斷概率為：

P_out2" =Pr （γ_2≤τ） ."" （13）

參考文獻［13］可得γ_2的累積分布函數為：

F_（γ_2 ） （γ）≈1/（Γ（a）Γ（b）） G_1，3^2，1 （├ Ξ^2 γ┤|_（a，b，0）^（"" 1） ），" （14）

其中，Ξ=√（ab/P_U Ω），Ω為β_i" 的均值；a，b與RIS反射元件個數有關;G_1，3^2，1 [·]是Meijer G函數［14］.

由式（14），UAV傳輸信號至用戶的中斷概率

P_out2=F_（γ_2 ） （τ）=1/（Γ（a）Γ（b）） G_1，3^2，1 （├ Ξ^2 τ┤|_（a，b，0）^（"" 1） ）." （15）

由BS發出信號，經BS-UAV，UAV-RIS與RIS-UE 3條通信鏈路傳輸至用戶的中斷概率

P_out3" =Pr（min （γ_1，γ_2）≤τ）=P_out1+P_out2-P_out1 P_out2."" （16）

2.1.2 緩存命中概率

定義用戶所攜帶的緩存設備包含用戶需要發送文件的概率

P_hit^E=∑_（i=1）^L?p_i" q_i^E. （17）

定義UAV所帶的緩存設備包含用戶需要發送文件的概率

P_hit^U=∑_（i=1）^L?p_i （1-q_i^E）q_i^U.""""" （18）

2.1.3 服務成功概率

定義用戶發出請求時，可以成功獲得所需文件的概率為服務成功概率.服務成功概率由P_hit^E，UAV直接傳輸成功概率（1-P_out2）P_hit^U，BS傳輸成功概率（1-P_out3）（1-P_hit^U-P_hit^E）3個部分組成，可表示為：

P_suc=（1-P_out3）（1-P_hit^U-P_hit^E）+（1-P_out2）P_hit^U+P_hit^E.""" （19）

2.2 問題建模

將優化方法引入概率緩存模型，尋求最優緩存放置策略.以最大化P_suc為優化目標，建立有限緩存容量約束下，UAV與用戶協同緩存的優化模型：

max┬（q_i^U，q_i^A ） （ 1-P_out3）（ 1-P_hit^U-P_hit^E）+（ 1-P_out2）P_hit^U+P_hit^E"" ，""""" （20a）

（s.t."""""" ∑_（i=1）^L?〖q_i^U f_size≤C_U f_size" ，""""""""""""" 〗 ）""" （20b）

∑_（i=1）^L?〖 q_i^E f_size≤C_E f_size" ，〗 "" （20c）

0≤q_i^U≤1，"""""""" i∈L，""" （20d）

0≤q_i^E≤1，"""""""" i∈L，""" （20e）

其中，式（20a）為用戶服務成功概率最大化的目標函數；式（20b），（20c）分別為UAV和用戶的緩存設備容量約束條件；式（20d），（20e）分別為UAV和用戶緩存文件概率范圍的約束條件.

3" 基于鯨魚優化算法（WOA）的緩存策略

針對式（20a）～（20e）所描述的優化問題，由于服務成功概率目標函數模型是非凸連續的非線性函數，無法運用凸優化的方式求最優解，采用WOA對問題進行求解，經優化算法求得的緩存策略可以增加文件利用率，進一步提升系統性能.WOA主要過程包含包圍獵物、氣泡網捕食和搜索獵物.

3.1 包圍獵物

鯨魚的搜索范圍是全局解空間，需要先確定獵物的位置，以便對其進行包圍.在初始階段，位置更新方式為：

D=|C?X^* （t）-X（t）|" ，""" （21）

X（t+1）=X^* （t）-A?D_1" ，"""" （22）

其中，X^* （t）為適應度最優個體的位置向量；t為當前迭代次數;D為鯨魚與獵物之間的距離；A與C為用于控制鯨魚游走方式的2個系數向量，

A=2a?r-a，""" （23）

C=2?r" ，""""" （24）

a=2-2t/T_max"" ，"nbsp;" （25）

其中，r為[0，1]的隨機向量；a為控制參數；T_（max ）為最大迭代次數.

3.2 氣泡網捕食

采用對數螺旋方程更新鯨魚與獵物間的位置：

D_1=|X^* （t）-X（t）|" ，""" （26）

X（t+1）=D_1?e^mn?cos （2πn）+X^* （t）" ， （27）

其中，D_1為鯨魚到獵物的距離；m表示對數螺旋形狀，為一個常數；n為［-1，1］的隨機數.

當 |A|≥1時，為了擴大搜索范圍，尋找最優解，保持種群多樣性，更新當前鯨魚所在的位置：

D_rand=|C?X_rand-X（t）|" ，"" （28）

X（t+1）=X_rand-A? D_rand" ， （29）

其中，X_rand為其他鯨魚的位置向量;D_rand為其他鯨魚到獵物的距離.

應用鯨魚優化算法求解緩存策略優化問題，步驟如下：

（1） 將文件緩存在UAV與用戶端的概率q_i^U與q_i^E定義為鯨魚種群中的個體，設置鯨魚數量K，最大迭代次數T_max，隨機生成個體的位置X_i（i=1，2，…，K），其位置維度相當于緩存策略總文件個數2L；

（2） 計算每頭鯨魚相應的適應度值，將式（20a）的倒數作為適應度函數，選取適應度值最小的向量作為當前最佳位置，記錄最優適應度值和對應位置向量.更新參數a，A，C，n、p；

（3） 當plt;0.5且|A|lt;1時，按式（22）更新位置；當plt;0.5且|A|≥1時，按式（29）更新位置；當p≥0.5時，按式（27）更新位置；

（4） 計算適應度，并更新當前最優解.

若2次適應度的差值小于0.001時，則輸出最優個體，即找到的最優緩存策略ˉ（q^U ）_opt與ˉ（q^E ）_opt；否則，返回步驟3.

4" 仿真結果分析

為驗證RIS和緩存優化策略對UAV通信系統性能提升的有效性，通過仿真實驗對比分析了通信系統中RIS和緩存設備對用戶服務成功概率的影響，并對比分析了不同緩存策略的性能，結果證明基于WOA的策略明顯優于常見緩存策略.仿真參數設置如表1所示.

4.1 RIS對UAV通信系統性能影響分析

圖2為在通信系統中，RIS和緩存的4種組合配置下，用戶服務成功概率隨UAV高度變化的曲線.對比仿真曲線結果可知，UAV高度達到600 m后，無RIS且無緩存的情況下，用戶接收信號中斷；有RIS且無緩存的情況下，用戶接收信號沒有完全中斷，這是因為RIS改善了UAV與用戶之間的信道環境，提高了用戶服務成功概率.相較于未配備緩存設備的通信系統，配備緩存后，系統的用戶服務成功概率明顯提升，UAV上升到1 000 m以上后，有RIS且無緩存的狀況下，用戶無法接收信號，而有RIS且有緩存的情況下，UAV可以通過自身攜帶的緩存，向用戶傳輸信號，滿足用戶部分需求，證明了緩存設備對提升用戶服務性能的有效性.

4.2 緩存策略對通信系統性能影響分析

圖3顯示了采取不同緩存策略時，緩存命中概率與緩存設備容量的變化關系，同時對比了基于最大流行度分布、最大內容多樣性分布和WOA的緩存優化策略.仿真結果表明，3種緩存放置策略下的緩存命中概率均隨緩存容量的增加而逐漸上升，相同緩存容量下，基于WOA的緩存策略緩存命中概率優于其他傳統緩存策略，且在緩存容量為2～7 MB時，優勢比較明顯.當緩存大小為5 MB時，基于WOA的優化策略相比其他2種緩存策略，緩存命中概率分別提升了36.7%和65.8%.

圖4顯示了采用不同緩存策略時，用戶服務成功概率隨BS發射功率變化的曲線.仿真結果表明，采用4種不同緩存策略，用戶服務成功概率均隨著BS發射信號功率P_s的增大而提高，且基于WOA的優化緩存策略對系統性能提升幅度最大.當BS發射功率為10 dBm時，相較于基于遺傳算法，最大流行度分布與最大內容多樣性分布的優化緩存策略，基于WOA的優化緩存策略分別提升了52.6%，169.8%和427.3%；當BS發射功率為15 dBm時，基于WOA的優化緩存策略分別提升了10.3%，19.4%和23.7%，提升幅度明顯減小，這是因為隨著BS發射功率的逐漸增大，傳輸信號的成功概率逐漸提高，使得緩存策略對用戶服務成功概率的影響越來越小.

5" 結 論

針對UAV與用戶之間存在遮擋的場景，通過在緩存輔助的UAV中繼通信系統中引入RIS，從而改善信道環境，降低中斷概率，并以最大化服務成功概率為目標函數，構建緩存容量受限的UAV與用戶協同緩存放置優化模型，運用WOA對緩存策略進行改進，以進一步提升系統性能.通過仿真實驗，驗證了RIS對緩存驅動的通信中斷概率的影響，并將基于WOA的緩存優化策略與傳統策略進行對比，證明了所提方案的有效性.

參考文獻：

［1］""" ZENG Y， ZHANG R， TENG J. Wireless communications with unmanned aerial vehicles： opportunities and challenges ［J］. IEEE Communications Magazine， 2016，54（5）：36-42.

［2］""" DONG L， CHEN B， YANG C， et al. Caching at the wireless edge： design aspects， challenges， and future directions ［J］. IEEE Communications Magazine， 2016，54（9）：22-28.

［3］""" LI X， CHEN K， HOU H， et al. Cache-aided multi-hop UAV-relaying networks ［J］. Physical Communication， 2019，33：165-171.

［4］""" LIN X， XIA J， WANG Z. Probabilistic caching placement in UAV-assisted heterogeneous wireless networks ［J］. Physical Communication， 2019，33：54-61.

［5］""" KHUWAJA A， ZHU Y， ZHENG G. Performance analysis of hybrid UAV networks for probabilistic content caching ［J］. IEEE Systems Journal， 2021，15（3）：4013-4024.

［6］""" CHEN Z， PAPPAS N， KOUNTOURIS M. Probabilistic caching in wireless D2D networks： cache hit optimal versus throughput optimal ［J］ IEEE Communications Letters， 2017，21（3）：584-587.

［7］""" ZHOU R， TANG W， LI X， et al. A brief survey of mobile communications through reconfigurable intelligent surfaces ［J］. Mobile Communications， 2020，44（6）：63-69.

［8］""" POGAKU A C， DO D， LEE B M， et al. UAV-assisted RIS for future wireless communications： a survey on optimization and performance analysis ［J］. IEEE Access， 2022，10：16320-16336.

［9］""" WU Q， ZHANG S， ZHENG B， et al. Intelligent reflecting surface-aided wireless communications： a tutorial ［J］. IEEE Transactions on Communications， 2021，69（5）：3313-3351.

［10］" YANG L， MENG F， ZHANG J， et al. On the performance of IRS-assisted dual-hop UAV communication systems ［J］. IEEE Transactions on Vehicular Technology， 2020，69（9）：10385-10390.

［11］" BASAR E， DI RENZO M， DE ROSNY J， et al. Wireless communications through reconfigurable intelligent surfaces ［J］. IEEE Access， 2019，7：116753-116773.

［12］" JI M， CAIRE G， MOLISCH A F. Wireless device-to-device caching networks： basic principles and system performance ［J］. IEEE Journal on Selected Areas in Communications， 2015，34（1）：176-189.

［13］" YANG L， MENG F， WU Q， et al. Accurate closed-form approximations to channel distributions of RIS-aided wireless systems ［J］. IEEE Wireless Communications Letters， 2020，9（11）：1985-1989.

［14］" PEPPAS K P. Accurate closed-form approximations to generalised-K sum distributions and applications in the performance analysis of equal-gain combining receivers ［J］. IET Communications， 2011，5（7）：982-989.

（責任編輯：包震宇）