基于D2D的車聯網MCRR算法

王 靚， 郁進明

(東華大學 信息科學與技術學院， 上海 201620)

近年來，隨著汽車數量的快速增多，交通擁堵、行車安全等問題引發人們的廣泛關注[1]，V2V(vehicle-to-vehicle) 通信也成為人們研究的重點。V2V通信具有低時延和高可靠性的特點[2]，目前普遍認為D2D_V通信(將D2D技術運用到V2V通信)可以滿足上述要求。D2D(device-to-device)技術是指通信網絡中臨近的設備不經過基站直接交換信息[3]，從而減輕基站負載，提高系統容量。

在underlay模式(復用小區蜂窩頻譜資源)下，D2D_V通信提高了頻譜的利用率，但對原蜂窩系統產生了干擾。國內外眾多學者對D2D_V通信做了大量研究，通過資源分配和功率控制[4]減小引入D2D_V對原蜂窩造成的干擾。文獻[5]提出基于動態規劃的資源分配和基于貪心算法的資源分配以減小蜂窩無線資源的消耗，兩種算法分別從最優分配和低復雜度的角度來解決資源分配問題。文獻[6]提出基于地理位置的資源分配算法，分別研究復用單用戶和多用戶條件下，最大化D2D_V系統速率的算法。文獻[7]根據用戶相對速度判斷D2D對(D2D收、發兩端組成一個D2D對)是否可以接入，研究用戶低速移動對系統性能的影響。文獻[8]將資源不共享的車輛分為同一個簇，形成多個動態簇，從而有效減少通信時延。文獻[9]提出基于運動一致性的車輛分簇算法，增加D2D通信的持續時間。

本文以蜂窩鏈路總速率最大化為目標，研究D2D_V鏈路和蜂窩鏈路資源復用算法。首先估算所有蜂窩鏈路被復用后的速率矩陣，將最大化蜂窩鏈路總速率轉化為對復用因子的0～1不平衡指派問題。本文提出的虛擬D2D_V鏈路的概念將不平衡指派問題轉化為平衡指派問題，并將速率矩陣進行變形從而轉化為求解最小化問題。最后利用匈牙利算法[10]進行最優解的求解。

1 系統模型

1.1 系統及信道模型

圖1 系統模型Fig.1 System model

小區采用正交頻分復用技術，蜂窩鏈路之間互相沒有干擾。D2D_V通信采用underlay方式復用CUE使用的資源，以提高頻譜利用率。小區內有N個CUE的隨機分布，組成集合C={CUE1，CUE2， …，CUEN}。公路上有M(M≤N)對等待通信的D2D_V對，組成集合V={VUE1，VUE2， …，VUEM}，用D2D_VTi和D2D_VRi分別代表第i對D2D_V對的發射端和接收端，D2D_V對在公路上隨機分布且D2D_V鏈路的平均鏈路距離為40 m。假設所有車輛的行駛方向一致。

(1)

式中：Pi(d12)表示兩終端間的路徑損耗；(x1，y1)、(x2，y2)分別表示鏈路兩終端坐標；αi表示路徑損耗指數，i∈{1， 2， 3， 4}，根據發射、接收端的不同，αi取不同的值。路徑損耗指數參數如表1。

1.2 干擾分析

如圖1所示的D2D_V鏈路復用CUE的上行蜂窩資源存在3種干擾(如圖1中虛線所示)。一種是CUE對D2D_VRm的干擾ICm，為

ICm=PCP2(dCm)

(2)

式中：PC為蜂窩鏈路CUE的發射功率，根據式(1)、(2)，可知CUE和D2D_VR之間的距離越遠，路徑損耗越小，干擾越小。

另一種是D2D_VTm對eNB的干擾Ime為

Ime=PVP3(dme)

(3)

式中：PV為D2D_V鏈路D2D_VT的發射功率。此時應將鏈路質量好、抗干擾能力強的蜂窩用戶資源分配給D2D_V鏈路。

若D2D_Vm、 D2D_Vj(j≠m)鏈路復用同一個CUE的蜂窩資源，則會產生同頻干擾Ijm為

Ijm=PVP4(djm)

(4)

假設eNB為所有D2D_V鏈路分配同一個CUE的蜂窩資源，則D2D_V鏈路的信干燥比(signal to interference plus noise ratio，下文用表示)為

(5)

式中：N0為噪聲功率。假設所有鏈路的噪聲功率相同，PVP4(dmm)為第m對D2D_V鏈路間的信道增益。被復用的蜂窩鏈路的信干燥比為

(6)

式中：PCP1(dCe)為蜂窩用戶和基站間的信道增益。系統總速率和D2D_V鏈路可達到的最小速率分別為

(7)

(8)

式中：式(7)的右邊第一項為D2D_V系統的總速率；CC為蜂窩鏈路系統總速率，包括被復用和未被復用蜂窩鏈路。

2 資源復用算法

2.1 單蜂窩資源復用算法

隨機單蜂窩資源復用算法(single-cellular random resource reuse algorithm，SRRA)的基本思想是完全不考慮蜂窩鏈路和D2D_V鏈路的干擾，eNB隨機選擇一個CUE，所有D2D_V鏈路共同復用該蜂窩資源。

文獻[13]提出了一種基于地理位置的資源復用算法(geographic-based resource reuse algorithm，GRA)，增加約束C≥β0代入式(2)和(6)，可得

(9)

圖2 由CUE引起的歸一化干擾總和Fig.2 Normalized sum interference caused by CUE

2.2 多蜂窩資源復用算法

在2.1節所述算法中，由于所有D2D_V鏈路復用同一個CUE的蜂窩資源，D2D_V鏈路間會產生同頻干擾，大大降低了D2D_V通信的性能，同時也對被復用的CUE產生了極大的干擾。因此為了提高D2D_V系統的性能，減小CUE所受干擾，本節對所提出的資源復用算法做出了以下限制：

(1) 每條D2D_V鏈路最多復用一個CUE的蜂窩資源；

(2) 每條蜂窩鏈路資源最多只能被一條D2D_V鏈路復用。

基于以上限制，D2D_V鏈路間不再存在干擾，且被復用的蜂窩鏈路也只會受到一條D2D_V鏈路的干擾。因此，式(5)、(6)更新為

(10)

(11)

式(10)和(11)分別代表D2D_Vm鏈路復用CUEn的蜂窩資源時D2D_V鏈路和蜂窩鏈路的信干燥比，引入復用因子χm， n來描述復用情況。χm， n組成M×N的矩陣Φm， n，χm， n∈{0， 1}，χm， n=1表示D2D_Vm復用CUEn的蜂窩資源，χm， n=0表示D2D_Vm不復用CUEn的蜂窩資源。

文獻[14]提出了一種算法，即使得蜂窩用戶與D2D用戶間的干擾最小(minimum interference resource reuse algorithm，MIRA)。將該算法運用到D2D_V中，其基本思想是：eNB預估所有D2D_V鏈路的信道增益并排序，優先為信道質量好的D2D_V鏈路分配對其干擾最小的資源，即距離該D2D_V鏈路接收端最遠的CUE，然后為信道質量次優的D2D_V鏈路分配對其干擾最小的資源，若該CUE已被復用，則選擇干擾次小的，遍歷所有D2D_V鏈路求得矩陣Φm， n。此算法只考慮了對D2D_V鏈路造成的干擾最小化，無法保證蜂窩鏈路的通信質量。

本文基于上述研究，提出了基于蜂窩鏈路總速率最大的資源復用算法(MCRRA)，并提出虛擬D2D_V鏈路的概念，同時改進傳統的匈牙利算法求得矩陣Φm， n的最優解。該算法的基本思想是：遍歷蜂窩鏈路若被不同的D2D_V鏈路復用所有的速率，組成M×N蜂窩速率矩陣Cm， n(m=1， 2， …，M；n=1， 2， …，N)，根據式(12)，將最大化蜂窩鏈路總速率的目標轉化為對Φm， n進行最優0～1指派的問題。

(12)

傳統的匈牙利算法一般用來求解平衡的指派問題，例如指派h名工作人員完成h個不同的工作，使得總工作時間最少。用傳統的匈牙利算法解決資源復用問題存在以下兩個問題：

(1) 在MCRRA中，D2D_V鏈路數和蜂窩鏈路數不等，因此這是一個不平衡指派問題，本文提出的虛擬D2D_V鏈路的概念，使不平衡指派問題轉化為平衡指派問題。在系統中增加N-M條虛擬D2D_V鏈路，編號為M+1，M+2， …，N-M，矩陣Cm， n轉化為N×N的方陣。虛擬D2D_V鏈路實際并不存在，不會對蜂窩系統、D2D_V系統產生任何影響。被虛擬D2D_V鏈路復用的蜂窩鏈路速率為

(13)

矩陣Cm， n中新增加的N-M行用該數值填滿。

遍歷蜂窩部分代碼如下：

forn=1：N

form=1：M

CAP(m，n)=log2(1+cg_C(n)/(N0+Ime(m)))； % cg_C(n)為CUEn的信道增益，

%Ime(m)為D2D_VTm對eNB的干擾

end

end

fori=1：N-M

CAP(M+i，：)=log2(1+cg_C./N0)；%虛擬D2D_V鏈路

end

(2) 匈牙利算法一般用來求解最小化問題，本文將Cm， n轉化為

(14)

MCRRA流程圖如圖3所示。

圖3 MCRRA流程圖Fig.3 Flow chart of MCRRA

3 仿真與分析

利用Matlab完成資源復用算法的仿真，仿真模型采用第1節所建立的模型，仿真參數如表2所示。50個CUEs在小區內均勻分布，10對等待通信的D2D_V對在道路上均勻分布，D2D_V對間的平均距離為40 m，D2D_V鏈路復用蜂窩上行資源。仿真進行3 000次隨機模擬，每次模擬持續10 s，車輛用戶位置每更新一次，將重新按照預定算法分配復用資源。

表2 仿真參數

3.1 資源復用算法對系統性能的影響

本節仿真比較SRRA、 GRA、 MIRA、 MCRRA和RRA(random resource reuse algorithm)[15]5種資源復用算法對系統性能的影響，其中RRA與MIRA類似，但其不考慮干擾、隨機為D2D_V鏈路分配復用資源。系統性能由D2D_V鏈路總速率、蜂窩鏈路總速率、D2D_V鏈路最小速率和系統總速率評估。5種算法下系統性能如圖4所示。

(a) D2D_V鏈路總速率

(b) 蜂窩鏈路總速

(c) D2D_V鏈路最小速率

(d) 系統總速率 圖4 5種算法下系統性能比較Fig.4 Comparison of system performance under five algorithms

5種算法下評估系統性能的4種速率大小如表3所示。比較圖4(a)、(c)、(d)可以看出，MIRA、 MCRRA和RRA的速率明顯大于SRRA和GRA。這是因為SRRA和GRA所有的D2D_V鏈路復用同一個蜂窩，D2D_V鏈路之間互相干擾，造成D2D_V系統性能非常差。而圖4(b)中SRRA和GRA的蜂窩速率略大于MIRA、 MCRRA和RRA，因為整個蜂窩系統只有一個蜂窩鏈路受到了D2D_V鏈路的影響。SRRA和GRA選擇不同的復用CUE，影響式(5)中的ICm，D2D_V鏈路間的同頻干擾Ijm較大，因此在仿真中SRRA和GRA性能差異不大。比較圖4和表3中MIRA、 MCRRA和RRA的性能，可以看出本文所提出的MCRRA綜合性能比較優秀。由于MIRA以最大化D2D_V鏈路的速率為目標，所以D2D_V系統中MCRRA的性能略差于MIRA。而在蜂窩鏈路速率和系統總速率方面，MCRRA的性能都要優于MIRA和RRA。

表3 系統性能比較

3.2 PC對D2D_V系統的影響

5種算法下PC對D2D_V系統速率的影響如圖5所示，D2D_V鏈路速率與圖4(a)基本吻合。由圖5可知，隨著PC的增大，CUE對D2D_VR的干擾增加，D2D_V鏈路的速率減小。在SRRA和GRA中D2D_V鏈路受到的干擾I=ICm+Ijm+N0，其中Ijm占主導地位，PC增大，總干擾I緩慢增大，造成D2D_V鏈路的總速率緩慢下降。MIRA以最大化D2D_V鏈路的速率為目標，因此PC對鏈路速率的影響也較小。在本文所提MCRRA下，PC對D2D_V鏈路速率的影響較大，若將MCRRA與功率控制結合，可以保證D2D_V鏈路的通信質量。

(a) SRRA和GRA

(b) MIRA、MCRRA和RRA 圖5 PC對D2D_V鏈路速率的影響Fig.5 Influence of PC on D2D_V’s sum rate

3.3 車輛密度對蜂窩系統的影響

車輛密度對蜂窩系統的影響如圖6所示，CUEs位置固定，進行3 000次隨機模擬。隨著車輛密度的增大，D2D_V鏈路對蜂窩系統干擾增大，蜂窩鏈路速率減小。SRRA和GRA蜂窩速率的下降速度較小，由于只選擇一個復用蜂窩，車輛密度對蜂窩總體干擾較小。MIRA、 MCRRA和RRA為多蜂窩資源復用算法，蜂窩鏈路速率隨著車輛密度的增大幾乎呈直線下降。因為隨著D2D_V鏈路數量的增加，受干擾的蜂窩鏈路數量也相應增加，但從圖6可以看出，本文所提MCRRA受車輛密度影響小于MIRA和RRA。

圖6 車輛密度對蜂窩系統速率的影響Fig.6 Influence of density on cell’s sum rate

4 結 語

在車聯網V2V通信中引入D2D技術，并以underlay模式工作，有利于提高頻譜利用率，擴大系統容量。但由于D2D_V鏈路復用小區資源對原蜂窩網絡造成了干擾，為控制這一干擾對蜂窩系統的影響，提出了最大化蜂窩鏈路速率的資源復用算法。仿真結果表明，該算法可以同時兼顧蜂窩系統和D2D_V系統的通信質量，在最大化蜂窩鏈路速率的同時，也一定程度上保證了D2D_V系統的通信速率，且與已有算法相比，蜂窩和D2D_V混合系統的總速率最大。本文僅考慮了資源復用算法，在今后的工作中將繼續學習功率控制、D2D中繼等，進一步研究蜂窩系統和D2D_V系統間的干擾控制問題。