异构用户活动网络中的编码缓存

本工作通过将编码缓存网络从纯信息论框架提升到一个随机设定，探索随机用户活动的影响并利用不同用户活动模式间的相关性。具体而言，本工作研究了具有有限缓存状态数的$K$用户缓存辅助广播信道，并探索在任意用户活动水平下缓存状态关联策略的影响；这一组合直击编码缓存问题及其严重的子包化瓶颈的核心。我们首先对此类受子包化约束（状态约束）的编码缓存网络的平均最坏情况延迟性能进行统计分析，并提供对任意用户活动水平概率分布均成立的计算高效性能界与缩放律。所实现的性能源于一种利用概率性用户活动水平知识的新型用户-缓存状态关联算法。随后我们采用数据驱动方法，利用用户活动水平与相关性的历史先验来预测干扰模式，从而更好地设计缓存算法。该优化策略基于如下原则：重叠越多者干扰越多，因而优先获得互补缓存状态。本文证明该策略与最优解的差距在一个小常数因子内。最后，使用遵循帕累托原理的合成数据对上述分析进行数值验证。据我们所知，这是首个利用用户活动水平与相关性来映射未来干扰并设计优化编码缓存算法以更好处理此干扰的工作。