空中缓存：面向体验质量优化的缓存使能无人机主动部署
信息论
2016-10-11 v1 math.IT
摘要
本文研究了在云无线接入网（CRAN）中主动部署缓存使能无人机（UAV）以优化无线设备体验质量（QoE）的问题。在所考虑的模型中，网络可利用以人为中心的信息，如用户访问位置、请求内容、性别、职业和设备类型，来预测每个用户的内容请求分布和移动模式。然后，基于这些行为预测，所提出的方法旨在寻找用户-无人机关联、最优无人机位置以及无人机上应缓存的内容。该问题被建模为一个优化问题，其目标是在最小化无人机发射功率的同时最大化用户QoE。为解决此问题，提出了一种基于概念回声状态网络（ESN）机器学习框架的新算法。利用ESN，当用户和网络状态信息有限时，网络可以有效预测每个用户的内容请求分布及其移动模式。基于对用户内容请求分布和移动模式的预测，我们推导出最优用户-无人机关联、无人机最优位置以及无人机缓存内容。使用来自北京邮电大学（BUPT）的真实行人移动模式和来自优酷的实际内容传输数据的仿真结果表明，与无缓存的基准算法和无无人机的基准方案相比，所提算法在平均发射功率和QoE满意用户百分比方面分别可带来40%和61%的增益。
引用
@article{arxiv.1610.01585,
title = {Caching in the Sky: Proactive Deployment of Cache-Enabled Unmanned Aerial Vehicles for Optimized Quality-of-Experience},
author = {Mingzhe Chen and Mohammad Mozaffari and Walid Saad and Changchuan Yin and Mérouane Debbah and Choong-Seon Hong},
journal= {arXiv preprint arXiv:1610.01585},
year = {2016}
}