缓存的位置、方式和内容是移动边缘缓存的关键研究问题。缓存在哪指的是缓存位置的选择。缓存方案可以通过利用UE自己的存储在UE上实现。UE上的缓存内容可以通过D2D通信共享。流行内容也可以缓存在BSs处,例如,中继、femto基站(fbs)、微微基站(pbs)、小型基站(sbs)和宏基站(mbs)。在云无线电接入网络(C-RAN)[36]中,内容可以缓存在远程无线电头(RRH)和基带单元(BBU)池中。
如何缓存涉及到选择缓存标准和设计缓存方案的问题。要提高移动边缘缓存的性能,应遵循以下几个基本标准。
首先,缓存命中概率应该很高。缓存命中概率是指用户请求的缓存文件数与缓存中文件总数的比率。
第二,SE和EE是5G中的主要性能指标,应该设计缓存方案来改进它们。
第三,应该考虑最小化内容检索延迟,因为它直接关系到用户体验质量(QoE)。
第四,在边缘缓存流行内容可以减轻回程链路的流量,因此最大限度地减少流量可能是缓存标准之一。
最近研究了几种缓存方案。a.响应式缓存和主动式缓存的提出是为了决定是在请求内容之后还是之前缓存内容。根据缓存决策的位置,缓存方案可以分为集中式缓存和分布式缓存。集中式缓存使用中央控制器确定所有内容放置方案,而分布式缓存只知道相邻UE或BSs的信息,并就本地缓存做出决策。b.由于边缘节点的缓存空间有限,因此单独为每个节点设计缓存策略可能会导致缓存利用率不足。协作缓存解决了这个问题,因为不同的缓存节点可以彼此共享内容。未充分利用的缓存可供其他节点使用,因此可提高所有缓存节点的利用率。c.编码缓存利用网络编码技术,其中数据消息被聚合(编码),转发到同一目的地,然后分离成不同的消息(解码)。这种技术可以通过减少传输次数来提高网络吞吐量和减少延迟。d.概率缓存处理用户位置的不确定性和移动问题。基于博弈论的缓存技术被用来分析不同服务提供商之间的合作和竞争。
决定缓存什么需要了解内容请求模式。内容类型由多媒体文件(如视频和文件)和物联网数据组成,它们表现出更多的维度和更短的生命周期。在不了解模式的情况下,以最佳方式做出决策是一项挑战。为了获得特定内容被请求的概率,我们需要估计内容的流行性和用户偏好。用户移动模式影响用户与BSs的关联方式,并可进一步修改移动网络接收到的请求模式。用户关联问题[37]确定哪个用户由哪个基站服务,因此可能影响每个基站接收的请求。
实际的移动边缘缓存过程执行以下阶段
1) 内容请求阶段(第六节):请求由用户发起。
2) 内容探索阶段(第七节):在移动网络中搜索请求的内容,以确定内容是否已缓存在其中一个缓存中。
3) 内容交付阶段(第八节):请求的内容从缓存节点或远程内容服务提供商交付给用户。
4) 内容更新阶段(第九节):根据流行信息,通过逐出旧缓存和缓存新缓存来更新缓存。
在内容探索阶段,当移动网络收到请求时,它会通过网络搜索内容。如何搜索内容被称为内容查询问题。在哪里找到内容是由内容放置问题决定的。内容放置问题解决了在哪个缓存存储中缓存哪些内容。在内容交付阶段,通常使用多播传输来提高网络吞吐量。此外,内容交付与内容放置结果密切相关,因此有理由对它们进行联合优化。由于网络流量和用户需求是动态的,利用过期信息可能无法保证缓存性能。因此,缓存应该每一个时间间隔更新一次,这个时间间隔是根据流量的变化而指定的(例如,一周的视频和两到三个小时的新闻)。在内容更新阶段,内容替换问题应该设计得很好,以确定何时更新缓存以及应该从缓存中删除哪些内容。
我们根据本节中的术语对现有研究进行分类。如图3中所示,高速缓存节点可以部署在传统蜂窝网络中的ue、mbs、sbs、pbs、fbs和中继处,并且RRHs和BBU池可以运行。
随着计算和存储能力的增强,当前的智能手机越来越复杂。因此,移动用户设备可以充当缓存来本地存储内容,并通过使用许可频带(例如,LTE)或未许可频带协议(例如,蓝牙和WiFi)的D2D链路直接与其他UE共享内容。该缓存策略被称为D2D缓存(图4),其中BS通常跟踪每个UE中的缓存状态(例如,缓存内容和缓存存储的可用性),并且还将来自一个UE的请求定向到具有所请求内容的适当的附近设备。如果附近的设备都不具备所请求的内容,则BS随后通过下行链路传输提供内容。不同的ue可以形成不同的集群,并且通常只有一个集群内的ue可以通信。显然,D2D缓存可以继承D2D通信带来的所有好处。这些好处包括提高频谱利用率、能效和吞吐量,以及启用新的对等和基于位置的应用程序和服务[10]。此外,UE可以根据自己的偏好缓存内容,从而与网络实体的缓存相比,提供更高的缓存灵活性[22]。(一个集群的UE互相通信,一个请求,BS跟踪,有就共享,没有就BS下行链路传输提供服务)
UEs上的缓存长期以来一直被用作提高用户QoE的一种技术[38]。Pyattaevet等人[39]提出了一种集成的两层无线网络,包括许可频段的3GPP LTE和未许可频段的D2D系统。在其网络系统中,ue可以通过从BS下载或通过与其他邻近ue建立D2D链路来获取内容。他们考虑了大规模活动(如节日、音乐会和体育赛事)的特点,并将重点放在一个特定的孤立细胞上。他们还认为D2D和蜂窝系统的频率通道不重叠,因此两层之间没有干扰。然而,在D2D系统层中,来自不同相邻ue的传输仍然可能相互干扰。Ji.[40]提出了一种无线D2D网格网络,该网络由单位广场上的UE节点组成,没有中央基站,而不是分层的两层架构。只有在一定的预定义距离内的UE节点才能相互通信。每个UE节点任意缓存来自文件库的文件的多个数据包,并通过相互交换数据包来获取该文件。他们随后的网络[41]使用集群扩展了他们以前的网格网络,并考虑了混合D2D链路,包括2.45GHz载波频率的微波链路和38GHz的高容量未经许可的毫米波链路。他们假设只有一个集群中的UES可以通信。如果UE在其集群中找到其请求的文件,则其首先检查毫米波是否可用(因为其遭受强烈路径损耗并且容易被障碍物锁定),并通过毫米波链路和微波D2D链路获得该文件。如果请求的文件无法通过D2D通信获得,则基站将以2.1GHZ载波频率通过下行链路传输该文件。
D2D缓存的一个挑战是相对较小的存储能力和有限的UE电池,这可能会降低缓存性能。Shengon等人[42]提出由SBS和UE组成的多层缓存和交付体系结构。他们利用多跳D2D通信来帮助减少UE的能耗和电池寿命。多跳D2D通信可以降低每个跳的传输覆盖率,从而降低UE的传输功率,从而降低UE能耗和电池寿命。为了提高缓存存储使用的效率,Ji.[43]研究了D2D无线网络中的编码缓存方案。与未编码缓存不同,编码缓存不需要存储文件库中的整个文件,因此为UE提供了更大的灵活性和存储效率。此外,Zhang等人[44]研究了协作D2D缓存。在他们的系统模型中,如果两个UE都需要缓存两个文件,而不是为每个UE下载两个文件,一个UE下载一个文件,另一个UE下载另一个文件,然后他们彼此共享文件。因此,协作缓存可以大大降低两种缓存的存储消耗。
D2D缓存的另一个挑战是,D2D传输很容易受到协作距离内其他D2D对的干扰。因此,在缓存命中概率和干扰之间存在折衷。较小的协作距离会引入较少的干扰,从而提高频率重用和潜在吞吐量。相反,较大的协作距离会引入更多的干扰,但会增加在附近的UE中找到缓存的请求文件的概率。在[45]中研究了这种折衷,推导出了最优协作距离的闭合表达式。在他们的工作中,他们试图为给定的流行分布和存储容量最大化频率重用。然而,他们的工作是有限的,因为他们只考虑固定数量的均匀分布在基于网格的D2D无线网络中。Altieri.[46]提出了一个随机地理模型,以最大化D2D缓存服务的请求数量。UE作为泊松点过程(PPP)分发,可以通过D2D链路交换内容。在他们的模型中,可以通过时分多址(TDMA)方案避免干扰,该方案将时间划分为等长的时隙,每个时隙只服务一个请求。
由于D2D通信的特点,社会关系对D2D 缓存问题有很大的影响,尤其是对内容交付路径的选择。社会特征决定了用户的移动模式和共享资源的意愿,因此它们可以帮助预测未来的请求。 Wang.[47]提出了一个5G系统的流量卸载框架,通过假设UE可以根据自己的偏好或群体的需求缓存内容,从而利用用户社会关系。他们的框架可以测量和分析用户访问模式和延迟,然后传播感兴趣的内容。他们得出结论,用户社交行为有几个特点:1)少量用户可以显著影响其他用户;2) 用户群,在那里他们传输和共享内容,通常是由兴趣组成的;3) 地理位置不同的用户共享信息的趋势更高。Wu等人[22]提出了一种基于两层缓存的社交网络模型III比较BSI,包括社交网络层和物理网络层。在社会网络层中,网络链接表示UE之间的社会关系。物理网络层中的网络链路反映了网络基础设施(例如,BS和UE)的物理连接。此外,社会网络层分为两个子层,包括在线子层(兴趣亲密度)和离线子层(用户移动性)。Wu等人[48]随后提出了一个子模块函数最大化问题,以最大化移动社交网络中的缓存命中率。定义了用户兴趣相似矩阵和接触概率矩阵来描述社会关系。设计了一种基于半梯度的算法,迭代地获得最优的内容放置策略。他们证明,与[49]中提出的经典方案相比,他们基于半梯度的算法具有更低的计算复杂度和更快的收敛速度。
移动用户的缓存要求更高的吞吐量和更低的网络延迟,BSs缓存使内容更接近移动用户,成为一个很有前途的解决方案。在BSs上缓存面临着覆盖范围有限、无线连接不确定性和小区间干扰(ICI)的挑战[50]。当考虑到密集部署的SBS和异构网络的重叠时,BSs的缓存变得更加复杂。
引入异构网络(HetNets),通过部署覆盖面积小的小型基站(SBS)来增强宏基站(MBS),以增加网络覆盖和吞吐量[51]。在HETNET中,小型基站(例如微微基站(PBS)和飞秒基站(FBS))密集部署。我们比较了表III中不同BSS的配置,并在以下小节中讨论了不同类型BSS的缓存。
1)MBSs(宏基站)上的缓存:许多工作已经研究了在移动核心网络上使用整个文件库在SBSs上进行缓存的框架。MBS作为无线网络实体的一部分,也可以作为支持缓存的网络中的缓存节点。Zaidi等人[52]提出了一种两层细胞网络,包括MBS层和SBS层,目的是最大化缓存命中概率。所有MBS和SBS均配备高速缓存存储器。用户可以通过四种方案检索请求的内容:1)直接从服务SBS检索;2) 直接从服务MBS获得;3) 通过服务SBS的中继从MBS;4) 通过MBS的继电器从其他SBS发送。Changet等人[53]提出了基于大学录取匹配的算法,用于将内容分配给缓存实体,包括MBS和SBS固有的小蜂窝网络。这种工作的缺点是,他们假设每个内容只能缓存在一个缓存实体中。当不同地理位置的用户请求相同的内容时,这种假设将限制缓存性能,因此,如果内容仅缓存在远程SBS或MBS上,则多个用户必须遭受巨大的路径损失。
2) SBS缓存:使小型BSs更接近用户扫描可能支持低传输功率和高数据速率。在SBS缓存中,每个SBS都配备了用于缓存的有限存储,用户可以直接从SBS而不是从远程服务器检索内容。这将从回程中释放一些交通量,并缓解回程拥堵。Golrezaei等人[54]首先提出了在SBS上缓存,该SBS仅具有低带宽回程链路,但配备了大存储容量。他们研究了SBS上的内容放置问题,以最小化所有移动用户的平均延迟。Blasco和Gündüz[55]还研究了支持缓存的SBS网络中的内容放置问题。同时,他们考虑了缓存替换阶段,在该短语中,缓存内容可以根据不同的文件流行程度在每个时间间隔刷新。他们设计了一种基于学习的算法来最大化系统回报,即回程链路的带宽减轻。然而,缓存和传输策略在这些工作中是分开考虑的。Gregoriet等人[56]联合优化了缓存和交付策略,以最小化MBS能耗。在其系统模型中,SBS和UE配备了高速缓存存储器。SBS可以同时服务多个用户,UE可以通过D2D通信共享数据。然而,这些工作没有考虑不同小区之间的干扰。Khreishah等人[57]提出了一种协调的SBS蜂窝系统,其中每个SBS扫描使用一组辅助信道与其他SBS通信,并且MBS存储所有文件,并且如果在任何SBS上都找不到请求的内容,则MBS始终可以为用户服务。他们共同优化了频道分配和内容放置问题,以最大限度地提高系统吞吐量。为了解决信道干扰问题,他们引入了一个冲突图,然后形成了几个独立的集合,在一个独立集合中,信道彼此不干扰。
虽然内容缓存和频谱共享近年来得到了广泛的应用,但大多数作品只考虑了它们。Tamoor-ul-Hassanet 等人[58]描述了启用缓存的SBS网络中的过期概率,定义为在给定平均区域内不满足用户请求的概率,作为缓存大小和SBS密度的函数。然而,他们并没有讨论频谱对突变概率的影响。他们接下来的工作[59]联合优化了支持缓存的DSB网络中的频谱分配和缓存,其中SBS按照同质PPP分布。他们的目标是在缓存存储容量约束下最小化缓存未命中概率(定义为在给定区域内未完成请求的概率)。
3)PBS微微基站缓存:PBS缓存有助于减少网络回程流量负载。Liet等人[60]提出了一个加权网络流量卸载问题,其中缓存存储位于PBS。在他们的系统模型中,MBS(一个决定内容放置策略的中央控制器)与地理分布的支持缓存的PBS连接。用户可以从其服务PBS处的缓存或从其内部服务PBS处获取请求的内容,因为假定PBS能够彼此共享内容。同时,Cui和Jiang[61]在包括MBS层和PBS层的两层以太网中联合优化了缓存和多播,以最大化成功传输概率。MBS和PBS的位置分布遵循不同密度的PPP。他们考虑了两种缓存方案,即MBS层中的相同缓存和PBS层中的随机缓存。同一缓存意味着每个MBS存储相同的文件集,而随机缓存使PBS能够存储不同的文件。混合缓存方案的直觉是,用户请求要么由其最近的MBS服务,要么由多个PBS服务。因此,当MBS层的密度较低时,MBS层中的相同缓存不会失去太多的最佳性,PBS层中的随机缓存可以通过多播内容交付利用多空间分布的PBS。
4) FBS(飞秒基站)处的缓存:FBS(也称为辅助节点)通常具有低带宽回程链路(例如,无线回程链路)和大存储容量,是SBS的一种。与传统的BSs相比,它们的部署更灵活,成本更低。FBS上的缓存通常被称为femtocaching。Golrezei等人[49]提出了一种用于无线网络中视频内容传播的飞秒缓存体系结构。Femtocaching为FBS配备了高速缓存存储器,用于存储流行视频内容。他们还证明,与没有辅助节点的架构相比,femtocaching将系统吞吐量提高了一到两个数量级。Shanmugam等人.[62]讨论了femtocaching网络中的内容放置问题,目的是尽可能缩短所有文件的预期下载时间。在由UE和helpers组成的二部图中,利用匹配理论对UE和helpers进行匹配。他们在[63]中进一步扩展了他们的工作,通过考虑用户移动性和拓扑变化,引入了动态飞秒呼叫的概念。
C.继电器处的缓存
无线中继通常用于扩展无线覆盖范围和提高频谱效率。它们还可以用作城市热点,在那里可以缓存内容[64]。Wang等人[65]提出了一种支持缓存的中继蜂窝网络,在小区边缘上安装了一个基站和多个中继,以服务于覆盖范围内的用户。他们提供了关于如何以及何时通过马尔可夫决策过程进行缓存的见解,旨在最小化所有中继和基站的能耗。在他们的工作中,可以通过拖放最不受欢迎的内容来刷新缓存。然而,他们假设继电器的发射功率是可调的,当继电器用作热点时,这是不切实际的。对于类似的网络架构,Erol Kantarci[66]将支持缓存的中继部署为小区覆盖区域中随机网格点的热点。他们讨论了三个问题:1)中继选择,它最小化UE的上行链路功率(即UE接入基站的能量消耗);2) 内容放置,使上行功率和缓存功率之和最小化;3) 中继位置,它共同减少了中继数量和上行功率。Liu和Lau[67]介绍了一种用于无线视频流的新型协作MIMO(CoMP)框架。缓存启用的中继可以缓存视频文件的一部分,以避免昂贵的回程传输成本。在中继处没有缓存的情况下,利用MIMO中继信道来改善无线覆盖。相反,支持性CoMP广播可用于在中继处向用户广播高速缓存的视频分组。他们联合优化了缓存控制和功率分配问题,以探索CoMP机会和中继缓存大小之间的权衡。
HetNets(异构网络)帮助无线网络适应动态增长的移动通信量,但却对回程链路造成了重大挑战。为了减少回程负载,HetNet中的联合缓存已被视为一种推荐方法[61]。如图5所示,HETNET中的联合缓存包括MBS、FBS、PBS、中继和UE处的缓存。Wang等人[68]联合优化了异构蜂窝网络中的用户关联和内容放置问题,其中单个MBS和多个SBS分别通过光纤和带宽受限的有线回程链路连接到移动核心网络。SBS和MBS之间的干扰无法避免,因为它们共享MBS下行链路资源。他们证明了这个问题是NP难的,然后设计了一个分布式算法来解决这个问题。Yanget al.[69]提出并分析了一种三层缓存的HetNet,它由BS层、中继层和UE层组成。基站、中继站和UE的位置被建模为具有不同密度的相互独立的PPP。他们假设所有缓存启用项都缓存相同的内容,所有中继也存储相同的内容。然后,他们讨论了四种内容访问情况:1)UE(无缓存能力)从最近的启用缓存的UE、中继或BS获取请求的内容;2) UE(具有缓存能力,但本地缓存中没有请求的内容)从最近的中继ORB获取请求的内容;3) UE(无缓存能力,而最近的启用缓存的UE不包含内容)从最近的中继或BS获取请求的内容;4) UE(具有在本地缓存中具有请求内容的缓存能力)从本地缓存中获取请求的内容。他们考虑了层间和层内干扰,因为连接到ue的中继的通信链路和ue之间的D2D链路都与BSs和ue之间的链路共享频率资源。在他们的工作中,分析了中断概率以提高用户服务质量(QoS)。
C-RAN被提议作为5G蜂窝网络的一种新架构,通过采用云计算技术来减少资本支出(资本支出)和运营支出(运营支出)[36]。C-RAN通过在小区站点部署多个RRH来解决容量和覆盖问题。BSs的计算功能集中在一个公共云处理单元,即BBU池中。这些RRH作为分布式天线与各种用户交互。RRH和BBU通过高带宽和低带宽的前端传输链路连接[70]。尽管C-RAN可以通过在BBU池中共享计算和存储资源来提供超长的计算能力,但由于前程和回程链路的容量受限,它仍然受到性能限制的影响[35]。为了克服这一不足,缓存技术已被认为是一种有效的方法,可以缓解前程和回程链路中的网络流量。在RAN体系结构中,缓存存储可以部署在两个HBBU或RRH级别(如图6所示)。利用分布式边缘缓存技术的C-RAN体系结构也被称为fog无线接入网(F-RAN)[71]。
[72]中讨论了F-RAN的有效缓存策略。在F-RAN体系结构中,所有RRH都配备了缓存存储,BBU池拥有整个文件库。考虑到有限的前端传输容量、缓存容量和无线资源限制,他们讨论了RRH缓存中的内容放置问题和下行链路无线信道中的内容交付问题。在一个类似的网络架构,Tao等人[73]研究了一种内容传输设计,该设计将多播和缓存相结合。在他们的工作中,RRH可以形成多个RRH集群,每个UE由一个集群中的所有RRH提供服务。同时,具有类似内容偏好的ue可以充当多播组,其中ue可以通过多播传输同时接收数据。他们解决了如何形成RRH集群和UE多播组的问题,目的是最大限度地降低前端传输成本和RRH能耗所产生的系统成本。Mosleh等人[74]在QoS、峰值传输功率和缓存容量的约束下,联合优化了内容放置和协作传输波束形成,以最小化系统成本(即前端传输成本和传输功率)。他们进一步将这个联合问题分解为两个子问题,包括内容放置问题和波束形成设计问题,然后为这两个子问题设计了启发式算法。Stephen和Zhang[75]试图优化使用正交频分多址(OFDMA)方案的C-RAN中的能效传输。他们问题中的约束包括前端运输能力和所需的最低用户数据速率。
上述工作只考虑RRH级别的缓存,并且这些缓存之间没有协作。Tran和Pompili[76]提出了一种新的缓存框架Octopus,该框架在RRHs处为RRHs配备分布式边缘缓存,在BBUS处为RRHs配备云缓存。他们的整个系统旨在在多个层提供优化的缓存,从而使总内容访问延迟最小化。Yao和Ansari[77]在RRH和BBU级别解决了C-RAN中的内容放置问题,目的是最小化平均文件下载延迟。与C-RAN缓存上的大多数工作不同,它们的网络系统中包含多个BBU池。他们在[78]中进一步研究了内容放置和存储分配的联合优化问题。
在C-RAN中缓存上下文中的大多数现有工作都忽略了用户的移动性和社会关系的影响。Chen等人[79]在BBUAN和RRH级别上采用了类似的联合缓存架构,解决了内容放置问题,以最小化C-RAN中的网络延迟,并引入了回声状态网络框架,借助机器学习技术预测用户请求和移动模式。通过从用户内容请求中提取信息(例如,年龄、工作和位置),回声状态网络可以跟踪当前网络状态并预测未来信息。从用户社会关系的角度,Wang等人80]讨论了移动社交网络对F-RANs中边缘缓存方案性能的影响。他们的目标是通过缓存ATRRH和UE,最大限度地减少前端长途链路和RAN的带宽消耗。用户可以根据其社交关系和行为共享内容。
F.总结和讨论
在本节中,我们根据UE、MBS、SBS、PBS、FBS和传统蜂窝网络中的缓存位置以及C-RAN中的RRHs和BBUpools[81]对现有研究进行分类。
1)UEs缓存:UEs缓存也称为D2D缓存。D2D网络允许使用许可证频段(如LTE)或未经许可的频段协议(如蓝牙和WiFi)在UE之间进行直接通信。这些设备通常被组织成集群,由基站控制。用户的内容请求只能由同一集群中的其他用户满足。用户的物理位置在D2D缓存策略的设计中起着重要作用,因此用户可以在一个最无聊的用户处轻松找到其请求的内容。为D2D网络设计缓存策略面临四大挑战:
2)BSs和中继处的缓存:BSs处的缓存可以通过在MBS、SBS、PBS和FBS处安装缓存存储来减少回程流量,因为用户可以直接从BSs而不是从远程Internet内容服务器获取请求的内容。由于MBS通常比SBS具有更大的缓存存储和覆盖区域,因此缓存MBS的目标通常涉及最小化回程流量、网络延迟和成功传输概率。然而,SBS的加工存储相对较小。因此,通常采用协作缓存(即不同的SBS可以彼此共享内容)。此外,为了最大限度地利用SBS有限的缓存存储,应根据动态内容普及率更频繁地更新缓存内容。PBS和FBS是特殊的SBS。PBS需要连接到MBS的高速回程链路,这可能会导致较高的通信成本。缓存PBS减少了通过回程链路的流量,从而降低了流量成本。相比之下,FBS通常具有比PBS更小的回程链路,甚至可能具有无线回程链路。因此,FBS部署灵活且经济高效,但覆盖范围较小。继电器通常用于扩展无线覆盖范围或充当城市热点。在为继电器设计缓存方案时,能量应考虑继电器及其位置的消耗。HetNet通过密集部署SBS提高了区域频谱效率。它由MBS、SBS(例如FBS和PBS)和中继节点组成,其中宏小区的覆盖范围与小小区和中继的覆盖范围重叠,因此它们可以共享相同的频谱。因此,SBS和MBS之间的干扰无法避免。在典型的支持缓存的HetNet模型中,MBS可以充当中央控制器来确定缓存策略。如果采用协作缓存,用户可以从其服务的SBS(或中继)或其相邻的SBS(或中继)获取请求的内容,其中不同的SBS和中继可以相互共享内容。在HetNet中,用户可能经常通过不同的小单元。因此,在设计缓存方案时应考虑用户移动性。
3)C-RAN中的缓存:C-RAN通过采用云计算技术将计算能力聚合到BBU池中,这为无线网络带来了灵活性和灵活性。蜂窝站点密集部署的RRH有助于提高网络容量和覆盖率。由于移动通信量的增长,连接RRH和BBU池的前端运输链路可能会出现拥塞。RRHs缓存可以减少前端传输链路中的流量,也可以减少将BBU池连接到移动核心网络的后端传输链路中的流量。BBU池中的缓存有助于减少回程链路中的流量。C-RANs中的缓存策略通常设计为最小化前程和回程链路中的流量以及RRH的能量消耗。在C-RANs中,用户通常由一组RRH服务,通过使用协调多点传输技术来增加网络容量。因此,如何形成一组RRH来为用户服务,这就是所谓的RRH聚类问题,是至关重要的。由于协调多点传输技术,每个RRH配备有多个天线,多播组中的多个RRH可以使用多播波束形成技术将内容协同发送给用户。因此,如何设计波束形成矢量以最小化回程成本是一个关键问题。