一種高效的機器類通信資源分配方法

王一然 孫萌

摘? 要：機器類通信技術能夠實現與4G、5G蜂窩網絡的無縫集成、短分組接入和不連續傳輸，實時監控能量的產生、傳輸、轉換和消耗情況，因此機器類通信對智能電網運行的穩定性起著重要作用。由于頻譜資源的稀缺性，我們允許大量的機器類型設備及時地復用分配給蜂窩用戶的頻譜資源。但是信道復用引起的能效問題使得資源分配面臨新的問題。文章提出的算法將基于一對一匹配，最大限度地提高能效。仿真結果表明，與其他算法相比，該算法能以較低的復雜度更好地逼近窮舉算法的最優性能。

關鍵詞：機器類通信;能量效率;匹配算法

中圖分類號：TN929.5? ? ? ?文獻標識碼：A 文章編號：2096-4706（2020）06-0071-03

Abstract：Machine communication technology can realize seamless integration，short packet access and discontinuous transmission with 4G and 5G cellular networks，and monitor the generation，transmission，conversion and consumption of energy in real time. Therefore，machine communication plays an important role in the stability of smart grid operation. Due to the scarcity of spectrum resources，we allow a large number of machine type devices to reuse spectrum resources allocated to cellular users in time. But the energy efficiency problem caused by channel multiplexing makes resource allocation face new problems. The algorithm proposed in this paper will be based on one-to-one matching to maximize energy efficiency. The simulation results show that compared with other algorithms，this algorithm can better approximate the optimal performance of the exhaustive algorithm with lower complexity.

Keywords：machine class communication;energy efficiency;matching algorithm

0? 引? 言

由于機器類通信可實現無需人工干預的設備間數據傳輸，其在建設泛在電力物聯網方面具有極大的研究價值[1]。泛在電力物聯網一直是本校的重點研究方向之一，本校為此成立了多個相關項目，以研究機器類通信如何在智能電力系統中更好地應用[2]。之前的研究大多是從能源效率角度通過中斷資源分配決策來實現高利用率的資源分配，本文認為匹配理論是此類問題的有效、靈活和低復雜度的解決方案[3]。基于匹配理論的機器類型通信能效算法，將聯合功率優化和子信道選擇問題描述為二維組合問題[4]。

華北電力大學的研究團隊著眼于電力物聯網的應用，申請了“5G配用電電力物聯網低功耗大連接技術研究”及“泛在電力物聯網5G無線通信關鍵技術研究”等多個項目，致力于研究從無線傳輸技術和硬件水平方面提高移動蜂窩網絡的穿透能力和覆蓋能力，通過深入挖掘海量終端接入場景下的機器類通信業務需求和特征規律，建立低功耗、低時延、高可靠的無線資源高效利用方案。

1? 背景介紹

機器類通信技術能夠實時監控電網能量的產生、傳輸、轉換和消耗情況。但還應考慮能效問題和干擾問題。機器類型設備通常使用低容量電池。故應通過功率控制保證機器類通信的可靠，使其能夠有效覆蓋通信范圍。機器類通信間歇地使用上行鏈路資源，使蜂窩用戶受到同信道干擾。

2? 系統模型

本文模擬了單個蜂窩的機器類型通信網絡。網絡中心為具有全向天線的基站，機器類型設備和蜂窩用戶隨機分布在網絡中。機器類型設備數為n，蜂窩用戶數為m，機器類型設備和蜂窩用戶的集合為MTDn={M1，…，Mn}和CUm={C1，…，Cm}，資源塊的集合為RBm={R1，…，Rm}。規定上行鏈路信道復用的性能增益大于下行鏈路信道共享的性能增益。給定時間塊的信道狀態固定，不同時間塊的信道狀態獨立變化，不受其他時間塊的影響。每個蜂窩用戶在單個子信道上傳輸，使得蜂窩用戶之間沒有同信道干擾。在復用上行鏈路頻譜時，機器類型設備通過多路復用將資源塊分配給蜂窩用戶，然后通過資源塊將數據發送到基站。多個機器類型設備可以分配給同一個蜂窩用戶的相同資源塊，以提高頻譜效率，但蜂窩用戶和機器類型設備會受到同信道干擾。

2.1? 數據傳輸模型

假設在數據傳輸過程中，可得理想的信道狀態信息，信道模型考慮陰影、多徑傳播和路徑損耗引起的快衰落效應和慢衰落效應。α和β代表路徑損耗常數和路徑損耗指數。Fm和Sm代表遵循指數分布的快速衰落增益和遵循長正態分布的慢衰落增益。Dm代表從蜂窩用戶Ck到基站的傳輸距離。從Ck到基站的鏈路的信道增益為：

Pn代表機器類型設備Mn的傳輸功率，Pm代表蜂窩用戶Cm的傳輸功率。當機器類型設備Mn復用資源塊Rk向基站發送數據時，機器類型設備Mn的接收信噪比為：

Bm代表資源塊Rm的信道帶寬，從機器類型設備Mn到基站鏈路的信道傳輸速率為：

2.2? 能耗模型

電路功耗（Cn）和傳輸功率（Pn）構成機器類型設備Mn的總功耗，假設所有Mn的電路功耗恒定，則機器類型設備Mn的總功耗為：

機器類型設備Mn的能效為每焦耳傳輸的總位數，T為數據傳輸持續時間，Mn的能效公式如下：

3? 問題表述

最大化能效、優化各機器類型設備的信道選擇和功率控制是機器類通信網絡的研究關鍵。N={1，…，n，…，N}，M={1，…，m，…，M}為機器類型設備和蜂窩用戶的集合，優化變量集合為{SN，M，PN}，其中PN={PMn|n∈N}。式（7）為所述聯合信道選擇和功率控制問題。其中C1和C2分別表示蜂窩用戶和機器類型設備的QoS需求;C3規定信道選擇決策的指示符為二進制;C4保證任何機器類型設備只能復用一個資源塊;C5規定同一時間復用同一資源塊機器類型設備不超過一個。

4? 匹配理論

匹配理論是描述隨著時間的推移形成互惠關系的數學框架。匹配時，每個元素會自發地對另一組元素進行排序。因此，基于匹配理論的協議一般無需集中式協調器，且具有良好的可擴展性。本文將機器類通信中信道、機器類型設備和蜂窩用戶的選擇問題表示為一個匹配博弈。匹配函數如式（8）所示。

條件（1）：每個機器類型設備最多可以復用一個資源塊;條件（2）：每個資源塊最多可以接受一個機器類型設備;條件（3）：如果Mn與Rm匹配，則Rm也與Mn匹配。

Sn，m用來表示Mn是否與Rm匹配。Sn，m=1表示Mn與Rm匹配，而Sn，m=0表示Mn與Rm不匹配。

5? 基于匹配理論的P1解決方案及穩定性分析

5.1? 初始化

假設起始時所有機器類型設備和蜂窩用戶都未匹配，并構建未匹配的機器類型設備和蜂窩用戶的集合Munmatch和Cunmatch，匹配的機器類型設備和蜂窩用戶的集合Mmatch和Cmatch，以及機器類型設備和蜂窩用戶的偏好列表。

5.2? 迭代

（1）Munmatch中每個機器類型設備Mn發布通信要求，并向在其最為偏好的蜂窩用戶Cm發送請求。如果Cm未匹配且滿足Mn的通信要求，則接受Mn的匹配請求，并將Mn從Munmatch中刪除，添加到Mmatch中。否則，Mn的請求將被拒絕;（2）如果Cm已與Mn匹配，但Cm更能滿足Mn的通信要求，則接受Mn。并將Mn從Mmatch中移除，添加到Munmatch，將Mn從Munmatch中移除，添加到Mmatch中。否則，Mn的請求將被拒絕;（3）如果Mn不與任何Cm匹配，則表示沒有Cm能夠滿足Mn的通信要求，則將Mn從Munmatch中刪除。直至Munmatch為空集。

5.3? 穩定性分析

由于系統中的匹配穩定性偏差是固定的，Mn和Cm在一個穩定的匹配系統中時，任何匹配對都不會偏好先前的匹配結果。引理1：當該算法結束時，Mn和Cm的匹配穩定。證明參見文獻[5]。

6? 仿真結果

仿真參數如下：（1）網絡半徑r=50 m;（2）路徑損耗常數α=0.01;（3）快衰落增益F=1 dB;（4）慢衰落增益S=8 dB;（5）機器類型設備和蜂窩用戶之間的最大距離Dmax=35;（6）加性高斯白噪聲的單邊功率譜密度N0=-114;

（7）傳輸功率Pn，min=0 dBm，Pn，max=23 dBm;（8）電路功耗CPMn|=20 dBm。

圖1表明該算法的效果更接近窮舉算法的最優性能。當機器類型設備數為10時，該算法的性能比隨機算法提高了62.1%。當機器類型設備沒有充分利用蜂窩用戶時，隨著機器類型設備增加，能效顯著提高。當所有蜂窩用戶被最大程度地復用，機器類型設備繼續增加，總能效也不會明顯增加。圖2表明該算法能夠更好地逼近窮舉算法的最優性能。當蜂窩用戶數為10時，該算法的性能比隨機算法高39.4%。隨著蜂窩用戶數量的增加，機器類型設備將更有可能匹配到更為偏好的蜂窩用戶，當所有機器類型設備都匹配時，蜂窩用戶增加不會使總能效顯著提高。

7? 結? 論

本文提出了一種能效優化算法。仿真結果表明，該算法能以較低的復雜度更好地接近最優性能。當m=10，n=6時，該算法的性能比隨機算法高39.4%。今后我們還將研究多對多的匹配場景，其中每個機器類型設備可以復用多個資源塊，同一資源塊可以被多個機器類型設備復用。

參考文獻：

[1] 宮詩尋，陶小峰.5G大規模機器類通信中的傳輸技術 [J].中興通訊技術，2017，23（3）：20-23.

[2] ZHANG K，MAO Y M，LENG S P，et al. Mobile-Edge Computing for Vehicular Networks：A Promising Network Paradigm with Predictive Off-Loading [J].IEEE Vehicular Technology Magazine，2017，12（2）：36-44.

[3] ZHOU Z Y，GAO C X，XU C，et al. Social Big-Data-Based Content Dissemination in Internet of Vehicles [J].IEEE Transactions on Industrial Informatics，2018，14（2）：768-777.

[4] YIN J J，CHEN Y P，SANG G，et al. QoE-Oriented Rate Control and Resource Allocation for Cognitive M2M Communication in Spectrum-Sharing OFDM Networks [J].IEEE Access，2019（7）：43318-43330.

[5] GU B，CHEN Y P，LIAO H J，et al. A Distributed and Context-Aware Task Assignment Mechanism for Collaborative Mobile Edge Computing [J].Sensors，2018，18（8）：2423.

作者簡介：王一然（1998.11-），男，漢族，天津人，本科，研究方向：通信工程;孫萌（1996.08-），男，漢族，山東費縣人，碩士，研究方向：物聯網中的資源分配、干擾控制、能量控制和機器學習等。