智能型移动通信5G网络主动缓存技术分析

何春霞，陈 刚

（中国联通广州市分公司，广东 广州 510000）

1 概 述

目前的载波聚合资源分配算法主要是在体系吞吐量与公平性方面找到平衡。在客户分组算法基础上，通过权值因子积极修改PF算法，让信道条件不好的客户能够得到更高的客户吞吐量。在处理聚合情况下的资源配置问题时，要积极构建以效用非线性优化问题为基础的模型，从而确保客户设备的载波质量[1]。对比各种比例制度，运用业务流中的服务质量（Quality of Service，QoS）设计文件得到信道动态并将其保存，从而提供更合适的方案，提出最后的结果，在保证公平的前提下，MG缓存制度在吞吐量方面的性能要比PF缓存制度要好。现阶段，无线网络性能标准一般要运用狭义的QoS，这属于底层分组数据传送性能，如时延以及吞吐量。这种优化指标无法直接体现出客户对业务真正的体验，较高的QoS也不一定能感受到高质量的业务。客户体验质量（Quality of Experience，QoE）属于一种以客户需求为核心的评价符合标准，可以直观反馈客户对服务是否满意。根据最新的研究可以看出，各种客观环境也容易影响到终端客户业务体验，因此将QoE作为判断客户主观感受的准则[2]。通过归纳各种业务的意见得到分数，将QoE作为基础的算法，并将较大体系上的MOS归为一类。实际上，没有比较其他算法也可以证明其在系统吞吐量和公平性方面的效果。以韦伯费希纳定理为基础，构建QoE以及峰值信噪比之间的等式，积极找到客观标准与主观平均意见得分之间的关系。

2 将MOS增量效用积极缓存算法为基础

随着移动互联网的迅速发展，服务提供商之间的竞争逐渐激烈，人们对服务质量的要求越来越高，因此需要将客户需求作为服务评价标准。为了探究QoE和周围环境影响因素的关系，要求与QoE做好量化对比，构建更好的映射模型，进一步十分直观地评价QoE[3]。根据ITU提供的平均意见得分，将其运用到主观评价模型中。将QoE的客户主观体验分成5个级别，如表1所示。

表1 体验级别

3 仿真结果和分析

OAI软件能够通过加入各种数据完成各种仿真场景，具备可移植性与可重复性[4]。实际上，此平台当前只实现了LTE Release8的功能和Release10的一些功能，无法实现载波聚合功能。表2为各种仿真数据。

表2 各种仿真数据

4 5G高效缓存变革

随着移动通信网络缓存存储器数量逐渐增多，网络综合缓存命中率也逐渐提高。实际这是因为相同信道中的缓存器数据逐渐变多，造成一些客户上网中网络连接出现时间延长情况。运用高效缓存存储器合并解决模型的网络，能够更好地处理客户网络连接时长延伸的问题。多层高效缓存存储器的分配方案一般有高效缓存器类别选取、高速缓存器内保存内容的选取等[5]。

从存储角度看，5G网络主动缓存技术可以向更加高效的方面发展。企业也希望将更多数据都放入云端，从而减轻运营成本，同时让整体运算过程变得更快。在无人驾驶车智能终端方面，使用摄像头、车载雷达等收集大量数据[6]。当前处理智能终端数据的内存问题是有策略的，其中一种片上存储器，即把存储器集成在计算单元旁边，一定程度上减少了数据的转移，这种做法可以减轻负担，让功耗逐渐变低，如图1所示。

图1 5G网络构架

5 移动边缘缓存

移动边缘缓存可以让客户从小部件或者其他设备位置得到需求的内容，不需要通过移动核心网以及有线网络就可以为服务供应商提供相关内容，解决无线需求容量与可用容量之间不平衡的问题，让网络能耗变低。边缘缓存通常包含两个步骤，即内容的存放与传递。缓存内容保存位置是明确的，怎样把内容下载到缓存节点，则内容传递就怎样把内容传递到客户手中[8]。通常而言，在网络流量很低、网络资源较多时，可进行内容保存；在网络流量很高、网络资源稀缺时，可进行内容传输。

缓存的方式通常包括编码缓存与非编码缓存。编码缓存能够将每种文件分为几种互补重叠的编码段，各种基站或者移动设备能够缓存各种编码段，运用这些编码段可以恢复源文件。针对编码缓存，通常假定基站或者移动设备只保存编码位置，整个文件都要运用这种文件的编码信息。

通过研究能够看出，受欢迎的内容常常被请求。因此，对缓存内容应该关心的是缓存文件的流行程度。缓存文化的流行度就是一个固定地区内文件库中各种文件被全部客户请求的概率。内容本身的流行程度要服从Zipf分布，运用文件库的大小与流行度偏置参数积极表示。通常而言，内容流行程度分布变化的速度和蜂窝网络的流量变化相比要慢，一般情况下是常数[9]。5G标准化进程如图2所示。

图2 5G标准化进程

在5G网络中，边缘缓存的位置一般在基站与客户移动设备之间。针对基站缓存，可以在不是高峰的情况下将这种缓存内容提前部署在宏基站，同时分成两种链接，分别是有回传链接和不存在回传链接[10]。制定灵活且有效的部署方案，积极缓存流行的内容，可以传输网络流量。移动设备缓存就是在内容移动设备上运用D2D通信所缓存的内容得到客户位置，不需要通过基站。客户的移动性属于边缘缓存的重要特点，从空间与时间这两个角度进行阐述[11]。空间角度就是和客户移动模型有关的物理位置信息，时间角度就是和客户移动模型有关的时间信息。经过客户的移动痕迹，能够获得客户和宏基站之间的间距。因为无法具体到一个小区的移动痕迹，所以服务小区更换包含很少的细粒度信息。实际在服务小区更换的时候能够运用马尔可夫链模型进行阐述，其中马尔可夫链模型数量和基站数量相同。此外，研究人员还指出，客户移动性模型在一定程度上取决于客户的社会关系。

6 结 论

本文通过探究载波聚合背景下的主动缓存问题，将客户体验质量QoE作为优化的对象，提供一种以MOS为基础的主动缓存算法，在满足QoS速度需求的情况下将MOS的函数作为客户优先级排序的依据，提高系统综合QoE。经过验证，该算法实际应用效果较好，值得推广。