支持D2D通信的蜂窩網自適應資源分配算法

沈 悅,劉占軍,武 漢,胡 騰,陳前斌

(重慶郵電大學 通信與信息工程學院,重慶 400065)

0 概述

D2D(Device-to-Device)通信是在一定的距離范圍內用戶設備直接進行通信、不需要通過基站轉發的通信模式[1]。D2D通信由于其不僅能夠改善系統性能[2],還能進一步擴展終端通信模式的應用前景,受到的關注日益增多,但是在蜂窩通信模式與D2D通信模式共存的網絡中,由于共享無線頻譜而帶來的同信道干擾成為需要解決的主要問題[3]。為了有效處理不同通信模式間的用戶共享頻譜資源所帶來的干擾,現有的資源分配主要有以下幾類:文獻[4-5]提出了一個干擾限制區域的概念,為了避免D2D模式通信產生有害的干擾,只允許在干擾限制區域內蜂窩用戶和D2D用戶才能使用相同的頻譜資源。文獻[6]利用聯合博弈算法來處理D2D用戶的上行鏈路和下行鏈路的資源分配問題。文獻[7]提出了根據干擾圖來進行用戶分簇,然后再利用匈牙利算法對不同用戶簇進行資源塊的分配,但是沒有考慮蜂窩用戶和D2D用戶的服務質量。文獻[8]利用Stackelberg博弈模型提出一個分布式的資源分配方案,并且設計了一個迭代算法來解決這個問題,雖然蜂窩用戶的服務質量得到了保證,但是對D2D用戶的服務質量仍未做考慮。文獻[9]提出一種貪婪啟發式算法,按照干擾度的大小,D2D用戶選擇復用相應的蜂窩用戶資源,但是使用的是固定的功率值,沒有進行功率分配。

上述的研究對資源的復用情況大都是固定的,比如文獻[4-5]中一個蜂窩用戶的資源只允許一對D2D用戶復用,文獻[6]中一對D2D用戶只能復用一個蜂窩用戶的資源。事實上,從D2D模式靈活使用資源的特性來講,允許一個D2D用戶復用多個蜂窩用戶的資源對D2D用戶的性能提升很大;從空間復用的角度來講,允許多個D2D用戶與一個蜂窩用戶復用資源對提升系統整體的性能是有益的?，F有技術使用的固定分配方法在用戶通信模式發生變化的情況下,不能及時地調整資源分配的方案,造成資源的浪費。針對這個問題,本文提出一種對用戶模式進行自適應資源分配的方案。

1 系統模型

(1)

(2)

在支持D2D通信的蜂窩網絡中,怎樣在保證蜂窩用戶與D2D用戶的服務質量前提下,將引入D2D通信所帶來的性能提升最大化是蜂窩用戶與D2D用戶自適應資源分配算法的研究目標。因此,為了滿足該目標,本文以蜂窩用戶和D2D用戶的最小速率需求以及各自發射功率的限制為約束條件,以小區中蜂窩用戶與D2D用戶總的吞吐量最大為目標,合理地給蜂窩用戶和D2D用戶分配資源塊和發射功率?；谏鲜龇治?將該自適應資源分配問題建模為一個帶有約束條件的最優化問題,如下所示:

(3)

(4)

(5)

(6)

(7)

(8)

式(4)和式(5)保證了蜂窩用戶和D2D用戶的服務質量,ζC和ζD為各自的最小通信速率;式(6)和式(7)限制了蜂窩用戶和D2D用戶的最大發射功率;式(8)表示一個資源塊最多只分配給一個蜂窩用戶使用,而分配給D2D用戶使用的情況則不做出任何限制?？梢园l現該約束優化問題是一個混合非線性整數規劃問題,直接求解十分困難,因此本文將原優化問題分為2個子問題,提出一種包括資源塊分配和功率分配的兩階段資源分配算法,降低了求解的復雜度。

2 資源塊分配

在資源塊分配階段,D2D用戶和蜂窩用戶在每個資源塊上的發射功率設定為平均功率。隨著資源塊個數和用戶數的增加,通過窮舉搜索法得到最優解的計算復雜度是呈指數倍增長,這使得其在實際的應用中實現起來非常困難。為了減小計算的復雜度,本文提出基于貪婪算法的資源塊分配。

貪婪算法的主要思想是在對問題進行求解的過程中,每次做出的選擇總是當前情況下最好的?；谠撍枷雽⑵鋺玫缴鲜鲂枰蠼獾馁Y源塊分配問題中則是根據優化問題的目標函數最大化總吞吐量,在滿足約束條件的情況下,每次做出使得吞吐量最大的選擇。因此,首先在保證蜂窩用戶達到最小速率的條件下,根據一個蜂窩用戶和一對D2D用戶復用同一資源塊獲得的吞吐量情況選擇出使得吞吐量最大的資源塊和用戶組合,然后再通過每次加入一對D2D用戶使用該資源塊,使得吞吐量得到最大的提升,直到不管再加入哪對D2D用戶都不能使吞吐量提升為止。當所有蜂窩用戶的服務質量都得到保證后,則再根據一個蜂窩用戶和一對D2D用戶,以及兩對D2D用戶復用同一資源塊獲得的吞吐量情況選擇出使得吞吐量最大的用戶和相應的資源塊,然后再根據相同的規則加入使用該資源塊的D2D用戶直到吞吐量不再提升為止。

(9)

(10)

首先根據蜂窩用戶與D2D用戶的吞吐量結合矩陣選擇出需要分配的資源塊n和使用該資源塊的蜂窩用戶mC(1)和D2D用戶mD(1),即:

(11)

當mD=D+1的時候說明該資源塊被蜂窩用戶單獨占用的時候吞吐量達到最大,因此該資源塊單獨分配給該蜂窩用戶,不與其他D2D用戶復用;否則,需要添加D2D用戶使用該資源塊使其吞吐量提升。當蜂窩用戶的服務質量得到保證后, 則根據用戶間吞吐量結合矩陣選擇出此次需要分配的資源塊n和使用該資源塊的用戶mU(1)和mD(1),即:

(12)

當mU(1)∈κ且mD(1)=D+1的時候說明蜂窩用戶mU(1)單獨使用資源塊n時獲得的吞吐量最大,則將該資源塊n單獨分配給蜂窩用戶mU(1)使用;當mU(1)=mD(1)的時候說明D2D用戶mD(1)單獨使用該資源塊n的時候吞吐量最大,則將該資源塊n單獨分配給該D2D用戶;否則在其他情況的時候需要加入D2D用戶使用該資源塊使其吞吐量進一步提升。

ΔR(n)(d)=R(n)(X(n)(t-1)∪g0gggggg)-R(n)(X(n)(t-1))

(13)

D2D用戶的加入規則為:

(14)

蜂窩用戶都滿足速率需求后,D2D用戶的加入規則為:

(15)

需要注意的是,為了保證D2D用戶的服務質量,在選擇D2D用戶加入使用資源塊的時候將其分為2個不同的優先級:未達到D2D用戶最小通信速率需求的D2D用戶擁有更高的優先級。這是為了避免部分D2D用戶占用過多的資源而另一部分D2D用戶由于未達到最小通信速率而不能成功的接入網絡的情況。

根據上述分析,本文提出的自適應資源塊分配算法的具體步驟為:

步驟5在高優先級的D2D用戶集中根據式(14)選擇加入使用資源塊n的D2D用戶mD。

步驟7在低優先級的D2D用戶集中根據式(14)選擇加入使用資源塊n的D2D用戶mD。

步驟13在高優先級的D2D用戶集中根據式(15)選擇加入使用資源塊n的D2D用戶mD。

步驟15在低優先級的D2D用戶集中根據式(15)選擇加入使用資源塊n的D2D用戶mD。

3 功率分配

功率分配問題在資源塊分配結束后仍是一個非線性優化問題,用傳統方法求解計算復雜度大,因此采用一種改進的粒子群算法來求解功率分配的問題。

粒子群算法從隨機解出發,通過追隨當前搜索到的最優值來尋找全局最優,其進化公式為:

vi(t)=vi(t-1)+φ1·r1·(Pbesti-xi(t-1))+

φ2·r2·(Gbest-xi(t-1))

(16)

xi(t)=xi(t-1)+vi(t)

(17)

根據上述資源分配模型,對粒子xi的位置定義為:

xi= (xi1,xi2,…,xi|X(1)|,xi(|X(1)|+1),…,

(18)

(19)

粒子群算法通過向其他粒子的學習來逐漸靠近全局最優位置,因此在全局最優粒子附近的粒子對于群體向最優位置收斂有非常積極的作用,即使該粒子是不可行解。鑒于上述的分析,本文參考文獻[12]采用直接比較粒子優劣的方法來處理約束條件,粒子間的比較準則為:

1)當粒子xi和xj都是可行解時,直接比較2個粒子的目標函數值的大小,函數值大的粒子占優。

2)當粒子xi和xj都是不可行解時,比較粒子各自違反約束的程度大小,即Vio(xi)和Vio(xj),違反程度值小的粒子占優。

3)當粒子xi是可行解但xj是不可行解時,先比較粒子xi和粒子xj到粒子群最優粒子的歐式距離dg(i)和dg(j)的大小。若dg(i)>dg(j),則比較2個粒子的目標函數值的大小,函數值大的粒子占優,否則可行解的粒子xi占優。

(20)

其中,S為服從標準正態分布的隨機變量。

綜合以上改進的粒子群算法,功率分配的具體步驟為:

步驟2將每個粒子的當前位置設置為各自的Pbest,種群的最優粒子Gbest根據粒子比較準則找到。

步驟3判斷迭代次數是否達到最大值,若是則轉至步驟7,否則繼續步驟4。

步驟4根據進化方程更新種群中粒子的位置和速度。

步驟5根據粒子間的比較準則更新Pbest和Gbest。

步驟6判斷種群多樣性值是否小于門限值,若小于則對當前最優粒子進行隨機擾動,否則執行步驟3。

步驟7算法停止,輸出Gbest,將其轉化為對應用戶的發射功率。

4 仿真分析

仿真模型為單小區蜂窩系統,蜂窩用戶和D2D用戶的發送端在小區中隨機分布,D2D用戶的接收端在以相對應的D2D發送端為圓心、r為半徑的圓內隨機分布,對比算法1為參考文獻[15]中的資源分配算法,對比算法2為參考文獻[9]中的資源分配算法。具體仿真參數設置如表1所示。

表1 參數設置

圖1為D2D用戶對數在2～20間系統總吞吐量的圖形。可以看到,隨著D2D用戶數的增大,4種算法的系統吞吐量均有所提高,本文算法是靠近窮舉搜索最優算法的,在任何D2D用戶對數情況下都比2個對比算法的吞吐量大。這是因為本文算法可以在滿足蜂窩用戶和D2D用戶的服務質量的前提下根據不同的用戶模式比例和干擾情況自適應地調整資源的使用情況,更合理、充分地利用資源。而對比算法1在任何情況下只允許D2D用戶復用一個資源塊并且蜂窩用戶的資源只允許一個D2D用戶復用,限制了D2D用戶吞吐量的提升,所以系統總吞吐量較本文算法有明顯的差距。對比算法2雖然允許多個D2D用戶復用同一個蜂窩用戶的資源,但是其使用的是固定的發射功率,其綜合結果導致系統總吞吐量最低。隨著D2D用戶數的增大,本文算法獲得的吞吐量增益逐漸增大。

圖1 系統總吞吐量

圖2為D2D用戶對數在2～20間D2D用戶的接入率圖形?？梢钥吹?本文算法的接入率一直保持在比較高的水平,靠近窮舉搜索法的接入率,而對比算法1隨著D2D用戶數的增大,接入率越來越差,特別是在D2D用戶數大于蜂窩用戶數的情況下接入率明顯下降。這是因為對比算法1限制了D2D用戶資源塊的使用,隨著D2D用戶比例的增大,能夠復用蜂窩用戶資源的D2D用戶達到了飽和,因此接入率發生明顯下降。對比算法2的接入率沒有明顯的下降,但是其與本文算法的接入率仍有一定差距,這是因為其對資源的使用仍有限制,并且未對功率進行最優分配,加大了用戶間的干擾,損失了一部分的D2D用戶接入。

圖2 D2D用戶接入率

5 結束語

針對隨著用戶模式的變化現有資源分配方案不能自適應調整的問題,本文提出一種自適應地調整使用每個資源塊的用戶個數以及D2D模式用戶可使用資源塊個數的資源分配方案,將其建模為最大化系統吞吐量的優化問題,針對該優化模型提出一種兩階段的資源分配算法。資源塊分配階段自適應地調整用戶使用資源的情況,功率分配階段根據資源塊的分配結果利用改進的粒子群算法調整發射功率使系統吞吐量最大化。仿真結果表明,在保證蜂窩用戶和D2D用戶的服務質量的同時,本文算法能夠獲得更高的系統吞吐量和D2D用戶接入率,更好地適應了用戶模式變化引起的網絡環境變化。

[1] LEI L,ZHONG Z D,LIN C,et al.Operator Controlled Device-to-device Communication in LTE-advanced Networks[J].IEEE Wireless Communications,2012,19(3):96-104.

[2] FODOR G.Design Aspects of Network Assisted Device-to-device Conmmunications[J].IEEE Communications Magazine,2012,50(3):170-177.

[3] CHEN X,HU R Q,QIAN Y.Distributed Resource and Power Allocation for Device-to-device Conmmunications Underlaying Cellular Netwoek[C]//Proceedings of IEEE Global Communications Conference.San Antonio,USA:[s.n.],2014:4947-4952.

[4] MIN H,LEE J,PARK S,et al.Capacity Enhancement Using an Interference Limited Area for Device-to-device Uplink Underlaying Cellular Networks[J].IEEE Transactions on Wireless Communications,2011,10(12):3995-4000.

[5] ALI S,RAJATHEVA N,LATVAAHO M.Full Duplex Device-to-device Conmmunication in Cellular Networks[C]//Proceedings of European Conference on Networks and Communications.Athens,Greece:IEEE Press,2014:1-5.

[6] LI Y,JIN D,YUAN J,et al.Coalitional Games for Resource Allocation in the Device-to-device Uplink Underlaying Cellular Networks[J].IEEE Transactions on Wireless Communications,2014,13(7):3965-3977.

[7] 楊 陽,廖學文,高貞貞,等.多小區終端直通異構網絡中利用圖論的資源分配方案[J].西安交通大學學報,2014,10(9):22-28.

[8] YIN R,ZHONG Caijun,YU Guanding.Joint Spectrum and Power Allocation for D2D Communications Underlaying Cellular Networks[J].IEEE Transactions on Vehicular Technology,2016,65(4):2182-2195.

[9] SUN H,SHENG M,WANG X.Resource Allocation for Maximizing the Device-to-device Conmmunications Underlaying LTE-advanced Networks[C]//Proceedings of IEEE/CIC International Conference on Communications in China Workshops.Xian,China:IEEE Press,2013:60-64.

[10] 程永生,朱 江,林孝康.引入D2D通信的蜂窩網上行資源分配算法[J].電子與信息學報,2014,36(12):2822-2827.

[11] 紀雪玲,李 明,李 瑋.一種克服局部最優的收縮因子PSO算法[J].計算機工程,2011,37(20):213-215.

[12] 劉衍民,隋常玲,牛 奔.解決約束優化問題的改進粒子群算法[J].計算機工程與應用,2011,47(12):23-26.

[13] ANDREWS P S.An Investigation into Mutation Operators for Particle Swarm Optimization[C]//Proceedings of IEEE Congress on Evolutionary Computation.Vancouver,Canada:[s.n.],2006:3789-3796.

[14] 孫沛然,王可人,馮 輝.改進粒子群算法在頻譜功率分配中的應用[J].電訊技術,2016,56(7):788-793.

[15] DAGUAN F,LU L,YI Y W.Device-to-device Conmmunications Underlaying Cellular Networks[J].IEEE Transactions on Communications,2013,61(8):3541-3551.