一种D2D通信中利用社交属性进行资源分配方法与流程

文档序号:14943112发布日期:2018-07-13 21:35

本发明涉及无线通信技术领域,尤其涉及一种由D2D(Device-to-Device)通信中利用社交属性进行资源分配的方法。



背景技术:

目前的无线通信,一方面,用户在短时间内对热点内容进行重复申请造成大量冗余,另一方面,无线资源又日益紧缺,基站负载压力越来越大。为解决上述的容量瓶颈问题,D2D通信技术作为一种极具潜力的新方法受到了各界的广泛关注。不同于传统的蜂窝用户设备严重依赖于基站进行数据传输与控制,D2D技术允许用户仅依赖基站进行控制信息的处理,而数据则通过D2D用户设备直连的方式进行传输,无需经过基站。

D2D分组转发技术是指将D2D用户的移动设备作为一个分布式存储系统。首先,当对所有的D2D用户进行分组后,用户可以通过常规的蜂窝链路获取热点内容,从而形成一个分布式存储系统,当组内其它用户恰好也需要申请该内容时,则无需通过基站重复申请,而是通过D2D直连的方式进行内容共享,如此就形成了一个基于多播的数据共享D2D组,可以极大地提升频谱利用率

目前,传统的D2D通信由于未对通信双方社交背景进行考量,导致在D2D 通信过程中安全性较差,通信效率低下。而通过引入社交属性的概念,可以极大地改善这一现象。



技术实现要素:

本发明综合利用了D2D分组转发技术和社交属性,提出一种利用社交属性的D2D资源分配方法。该方法利用中餐馆算法,结合包括社交关系、兴趣相似度和集中度在内的社交属性,为高移动性下的D2D分组转发提供了可行的方案。

本发明通过以下技术手段解决上述技术问题:

首先,计算社交距离和兴趣距离,社交距离计算公式为:

其中为用户n和用户之间的社交信任度,两个用户间的社交信任度越大则社交距离越短。

兴趣距离的计算公式为:

其中为用户n和用户之间的兴趣相似度,表达式为:

其中bi表示拥有兴趣i的用户数量,而其中的

衡量了一个兴趣的权重,代表用户n和用户之间共有的兴趣。另外式中

其中bn表示用户n所拥有的的兴趣数。

然后,使用CRP算法计算用户n选择用户为通信伙伴的概率,公式如下:

其中参数α为用户n独立成组期望的标量参数,为兴趣距离与社交距离的联合函数。

接着,用户n依概率加入组ci或独立成组,其概率计算公式如下:

其中,定义了一个0-1分布的判定因子μn,ci=en,ci·gci,当且仅当μn,ci为1 时用户n满足加入组ci的条件,可以依概率加入组ci或独立成组。反之,用户n不满足加入组ci的条件,加入组ci的概率为0。

最后,计算出组ci中用户的平均连接频率计算公式为:

其中为用户n和用户的通信频率。依照此连接频率,为通信频率高的分组分配资源丰富的蜂窝用户进行复用。

本发明的有益效果:本发明通过一种D2D通信中利用社交属性进行资源分配方法,利用中餐馆算法,结合包括社交关系、兴趣相似度和集中度在内的社交属性,为高移动性下的D2D分组转发提供了可行的方案,以提高数据传输的安全性,提升频谱利用率,减轻基站由于重复下载冗余内容所导致的压力。

附图说明

图1是本发明的原理示意图。

图2为本发明的的流程示意图。

具体实施方式

以下将结合附图对发明进行详细说明:

如图1所示:CRP算法通过模仿客人到达餐厅后选择与人共用一桌还是自己单独成桌的过程,将每一个新到达的D2D用户分配进既存的组内或独立成组。第一个到达的用户独立成组,当用户n到来的时候前面到来的用户已经被分为了K个组,已有的D2D组可以用ξ={c1,c2,c3,......,cK}表示。用户间的社交关系通过一个上三角矩阵D来表示,D中非零元素可选值为q1,q2和q3表示三种不同社交关系的亲密程度,分别为陌生人、朋友和家人。用户的兴趣爱好以一个拥有五个元素的数组表示,元素可以取值为0或1,分别代表该用户是否拥有此爱好。连接时间则通过另一个上三角矩阵F来表示,通过该矩阵能够得到两用户的连接频率或集中度。可以由社交属性计算出用户加入组ci的概率Pi(n),并依此概率随机加入组ci或独立成组。然后,根据计算出的分组活跃度为分组选择合适的蜂窝用户进行资源复用,活跃度高的组分配拥有更多资源的蜂窝用户。

基于图1的系统模型,本发明公开了一种D2D通信中利用社交属性进行资源分配方法。如图2所示,利用社交属性进行资源分配的方法可以包括以下步骤:

1)计算社交距离

社交关系,代表了用户之间的关系亲密程度。通常用户会更倾向于与朋友或家人分享自己设备中的私人信息,而对陌生人持保守态度,因此基于社交信任度的概念,我们引入用户间社交距离的概念,以此来提升D2D转发机制的安全性。在此我们引入社交距离的概念为

其中为用户n和用户之间的社交信任度,两个用户间的社交信任度越大则社交距离越短。

2)计算兴趣距离

社会群体,代表了用户间的兴趣相似度。正如同一句古语“物以类聚,人以群分”,兴趣爱好相似的用户设备上可能会拥有其它用户也需要的文件,通过将拥有共同兴趣的人分为一组,当用户申请该文件时,便可以直接在组内通过D2D进行文件传输,而无需通过基站重复下载。因此,我们引入加权余弦兴趣相似性的概念用于衡量两个用户间的兴趣异同

其中bi表示拥有兴趣i的用户数量,而其中的

衡量了一个兴趣的权重,代表用户n和用户之间共有的兴趣。另外式中

其中bn表示用户n所拥有的的兴趣数。与社交距离类似,我们定义兴趣距离为

3)计算集中度

集中度,其传统的定义是,在连通图中,任意两个节点间的最短路径经过当前节点的次数的总和。在本文中,集中度代表了哪些用户倾向于更频繁地与其它用户通信,集中度越高则通信频率相对更高。在此,本文定义一个连接间隔的概念

它定义了当用户n和用户再次进入到设定的D2D通信范围中时距离上次进入范围时间to的时间间隔。其中||Ln(t)-Ll(t)||表示在时间t时用户n和用户之间的距离。同时,由此可以引出连接频率的概念为

它可以表示用户n和用户之间的连接频率,也就是单位时间内两者连接的次数,其中的为连接间隔的期望值,由此我们可以计算出组ci中用户的平均连接频率为

θc高的组由于可能同时进行多个D2D通信,为了保证通信质量,将对该组分配拥有更多资源块的蜂窝用户,以避免在高峰期产生拥塞,同时提升频谱效率,改善QoS。

4)计算用户n加入分组的概率

用户n选择用户为D2D通信伙伴的概率为

其中参数α为用户n独立成组期望的标量参数,同时兴趣距离与社交距离的联合函数为

其中的β1和β2分别为代表社交距离和兴趣距离的权重的常参数,β1+β2=1。因此不难得到新到来的用户n加入组ci或独立成组的概率为

5)因子判定

由于D2D依赖于相近的位置来避免过大的路径损耗,同时由于分组需要复用蜂窝用户的资源,组内的用户数量必须控制在合理的数字之内以避免拥塞。因此,在本方法中定义了一个0-1分布的判定因子μn,ci=en,ci·gci。其中en,ci用于判定用户n是否满足加入组ci的地理相近性条件,若用户n离当前组ci距离非常远将产生巨大的功率损耗,失去了D2D通信的意义,因此必须将两者间的距离限制在可以忍受的范围内,表示为

其中dmax是用户n与组ci的位置中心qi(x,y)之间的物理距离,位置中心表示已经存在于组ci中的用户的物理中心,表示为

xj和yj分别为组ci中的用户的横坐标与纵坐标值,mi为组ci中用户的数量。除了需要满足地理相近性条件之外,还需要考虑组ci中用户的数量是否已达到上限,若已达到上限就不能再接收新到达的用户n,因此定义gci为

很显然,当μn,ci为1时意味着用户n满足加入组ci的条件,可以依据式(5) 中的概率加入组ci或独立成组。反之,用户n不满足加入组ci的条件,加入组ci的概率为0。

6)分配复用资源的蜂窝用户

当分组完成后,可根据计算出的θc值进行资源分配,高θc值的分组倾向于高频连接,即可能同时处理多个D2D连接,因此会被分配给拥有更多资源块的蜂窝用户进行复用,以保证其性能。

以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1