C-V2X無線資源管理算法研究

林 峰，李傳偉，段建嵐，蔣建春，付仕明

（1.重慶郵電大學電子信息與網絡工程研究院，重慶 400065；2.重慶郵電大學通信與信息工程學院，重慶 400065；3.重慶郵電大學自動化學院，重慶 400065；4.重慶第二師范學院數學與信息工程學院，重慶 400065）

0 概述

為解決由于車輛增多造成的交通擁堵和事故等問題，提高出行效率并確保交通安全，智能交通系統（Intelligent Transport System，ITS）應運而生。蜂窩車聯網（Cellular Vehicle-to-everything，C-V2X）作為智能交通系統的重要支撐［1］，受到研究人員的廣泛關注。C-V2X因其良好的遠距離數據傳輸可達性和較高的非視距傳輸可靠性等優勢，克服了傳統Ad-Hoc網絡的缺點，使其在高移動性情況下也能適用于高數據速率場景［2］。

針對V2X業務的低時延與高可靠特性［3］，D2D通信被認為是最有可能實現C-V2X側鏈通信的技術［4］，且其具有重用、跳躍和鄰近增益的優勢［5］。在underlay模式下，車載用戶（Vehicle Users，V-UEs）與蜂窩用戶（Cellular Users，C-UEs）共享蜂窩上行頻譜［6］，這是因為上行子幀通常比下行鏈路占用頻譜更少［7］。該方案的頻譜利用率較高，但在非正交分配的情況下會產生復雜的同頻干擾問題。此外，基于3GPP標準，每個V2X消息在將其傳遞到較低層時應通過應用層安排的近場通信數據包優先級（ProSe Per-Packet Priority，PPPP）排列［8］，這意味著用戶之間都應該發送符合優先級隊列的數據。不考慮PPPP的無線資源管理（Radio Resource Management，RRM）可能會危害道路安全。由此可見，RRM對C-V2X的性能產生至關重要作用的同時也面臨著諸多挑戰［9］。為解決同頻干擾問題與確定不同PPPP值用戶的傳輸優先級，本文提出一種基于PPPP的RRM算法。該算法以最大化小區用戶信息值之和為目標，通過將PPPP引入RRM算法，使得高PPPP值用戶獲得傳輸機會的幾率增加，并將V-UEs通信可靠性作為優化問題的約束條件以抑制同頻干擾。

1 相關工作

目前，C-V2X的研究多數以優化網絡吞吐量和提升用戶速率為目標。文獻［10］設計一種基于群集的資源管理方案（CROWN），以最大化C-UEs的總速率為目標，保證V-UEs的可靠性。該方案研究了V-UEs和CUEs之間的資源共享，并將V-UEs分為不同的集群，在同一群集中，V-UEs使用正交的資源塊（Resource Block，RB），而在不同的群集中，允許V-UEs共享相同的RB。文獻［11］在保障C-UEs與安全V-UEs可靠性的前提下，以最大化非安全V-UEs與速率為目標，提出一種用于V2X通信的3D匹配資源分配算法。該算法在RB不能被同類型用戶共享的前提下復用RB。文獻［12］研究一種用于Overlay模式的群體智能資源分配算法，以在提高網絡總速率的同時滿足C-UEs和V-UEs的服務質量（Quality of Service，QoS）要求。該算法在C-UEs和V-UEs之間自適應地分配RB，采用蟻群優化機制來降低復雜度并獲得令人滿意的性能。文獻［13］開發一種車聯網通信測試系統，以測量車聯網丟包率和抖動時延作為關鍵指標。文獻［14］提出一種SCMF算法，該算法能夠有效降低車聯網開銷與傳輸時延，提高網絡資源利用率。文獻［15］研究一種基于殘差的模糊自適應算法，以提高算法準確性。文獻［16］提出一種基于車輛位置的V2V通信資源分配方案，該方案根據車輛位置的不同提出高速公路案例和城市案例這兩種資源分配策略。其中，針對城市情況，根據交通密度在交叉路口區域分配一組資源，而針對高速公路情況則根據車輛方向和位置來分配資源。高速公路的每個區域都有特定的資源池，它為進入一個區域內的車輛分配資源。文獻［17-18］則討論了如何在滿足V2V用戶可靠性和時延的同時，最大化V2I用戶的速率。

然而，以上研究均沒有考慮V-UEs的PPPP，若不考慮PPPP優化系統的吞吐量，基站將傾向于為CSI較好的用戶優先分配資源，這將會導致PPPP較高的關鍵安全信息無法及時得到傳輸，從而對道路安全造成危害。文獻［19-20］雖然考慮了PPPP在V2X通信中的影響，但文獻［19］僅考慮了V-UEs，忽略了C-UEs的QoS，文獻［20］只在頻率分配階段考慮了PPPP，其在功率分配階段僅以最大化吞吐量為目標而忽略了PPPP，且其只允許C-UEs與V-UEs間的RB復用，而忽視了不同V2V對間的RB復用，同時每個用戶在每個傳輸時間間隔（Transmission Time Interval，TTI）內只需求一個RB的假設也過于理想化。

2 系統模型

2.1 系統模型的構建

本文提出的系統模型僅考慮了單小區場景，具體如圖1所示。其中，M個C-UEs和K個V-UEs發射機共享可用的上行頻譜資源，且在每個TTI內，存在L個待分配的RB。分別使用C={C-UE1，C-UE2，…，C-UEM}和V={V-UE1，V-UE2，…，V-UEK}表示C-UEs與V-UEs的集合，Fl={F1，F2，…，FL}表示待分配RB集合，C-UEs使用正交頻分復用技術進行多址接入。假設對于每個用戶，一個RB內至多只能傳送一個分組，使用ρV=與ρC=表示C-UEs與V-UEs的PPPP值的集合，M′與K′分別為C-UEs與P-UEs待發送的分組數為所有用戶的PPPP值集合。C-UEs間使用正交的RB與基站進行通信，不會產生同頻干擾。然而，一個RB可以被C-UEs與V-UEs復用或同時被多條V2V鏈路復用，此時則會產生干擾。由于復雜的同頻干擾問題，考慮每個RB至多被兩條通信鏈路復用來簡化模型。

圖1 系統模型Fig.1 System model

假設C-UEm與V-UEk使用相同的RB進行通信，則會產生同頻干擾。與Hm是V-UEk和C-UEm的傳輸信道功率增益，Gmk是來自C-UEm到V-UEk的干擾信道功率增益，是V-UEk到基站的干擾信道功率增益。為執行RRM，基站需要來自不同鏈路的信道狀態信息（Channel State Information，CSI），其中Hm與可以在基站處測量得到與Gmk可以在對應的接收機處測量得出，然后上報至基站。假設H表示C-UEs傳輸信道增益的M維向量，H′為V-UEs傳輸信道功率增益的K維向量，G′為V-UEs到基站的干擾信道功率增益的K維向量，G為C-UEs到V-UEs干擾信道功率增益的M×K維矩陣。所有的信道功率增益都考慮路徑損耗與陰影衰落，但由于V-UEs的高移動性導致快速衰落的波動較快，為了減少信令開銷將不考慮快速衰落。同時，假設小尺度衰落（Small Scale Fading，SSF）在可分配的RB內是相同的。

2.2 C-UEs與V-UEs的通信要求

為保障V2X業務的高可靠與低時延特性，需要考慮更加適合V2X場景的約束條件。本文使用文獻［21］中的中斷概率，即任何編碼方案都不能無差錯地傳輸N比特的概率，其更符和V2X業務的需求，這是因為V2X業務通常要求在一定時間內傳輸定量的數據。V-UEk的中斷概率表示為：

其中，Ek為V-UEk傳輸所使用的RB數量，λi為V-UEk在第i個RB上的信干噪比（Signal to Interference plus Noise Ratio，SINR），Nk為傳輸的比特數。通過設定門限值p0，并使V-UEk的中斷概率小于p0，即可保證V-UEk的傳輸可靠性，則有：

相對于V2X業務，傳統蜂窩網業務更關注實時速率與網絡吞吐量，因此對傳統蜂窩網用戶C-UEm設立約束條件如下：

其中，λm為C-UEm的SINR，λ0為設定的SINR門限，通過使C-UEm的SINR大于門限值來保證其速率。

2.3 信息值定義

本文在進行RRM時，需要同時考慮PPPP與信息速率以確保在一定的時間內傳輸更多高PPPP的數據。使用信息值作為能效函數來確定不同用戶之間的傳輸優先級。對于第i個分組，其信息值fi被定義為：

其中，ρi為第i個分組的PPPP值，ri為該分組被傳輸時的速率。相較于僅考慮CSI的RRM，使用信息值作為能效函數能夠使CSI較差的用戶獲得傳輸機會。

3 RRM問題描述

其中，式（6）與式（7）是V-UEs的中斷概率約束與C-UEs的SINR約束，式（8）表示C-UEs間正交使用RB，式（9）為假設的在一個TTI內，單個RB至多被兩條通信鏈路復用的條件，式（10）與式（11）為C-UEs子用戶與V-UEs子用戶的最大功率約束。為簡化問題，本文定義子用戶的的最大功率為=Pmax/E，Pmax為該子用戶對應的父用戶發射機最大功率，E為該用戶申請調度的RB數量，即將功率均分到每個RB上。

4 分組優先算法

式（5）的優化問題為一個混合整數非線性規劃問題，為降低該問題求解復雜度，本文提出分組優先求解算法。該算法包括最大化單個RB內信息值的功率控制階段以及最大化整體信息值的頻率資源選擇階段。

4.1 功率控制階段

式（5）中的最大信息值可被視為L個RB中子用戶的信息值之和，由于不同RB之間不存在干擾，因此本文通過調整發送功率單獨優化每個RB內信息值。本節將先假定利用單個RB內特定的子用戶組合來解決功率控制問題，而RB內實際的子用戶組合將在頻率資源選擇章節中討論。

功率控制算法流程如圖2所示。類似地，當兩條V2V鏈路復用一個RB時，只需要替換約束條件式（14）作為中斷概率約束，其最佳發射功率也可由以上步驟得出。

圖2 功率分配算法流程Fig.2 Procedure of power allocation algorithm

4.2 頻率資源選擇階段

利用功率控制的結果可以得出任意兩個子用戶配對形成的最大信息值。由于SSF在可分配的RB內是相同的，因此可將頻率資源選擇問題轉換成子用戶的配對問題，即組合子用戶形成子用戶對，并讓其復用一個RB。只要不同的子用戶對正交使用RB，具體使用哪一個RB對結果沒有影響。

為了在配對問題中考慮單個子用戶獨享RB的情況，本文將L個虛擬子用戶加入集合S，形成拓展子用戶集虛擬子用戶將不發送任何數據，其傳輸信道功率增益與干擾信道功率增益均為0。當某一子用戶與虛擬子用戶配對時，表示將由該子用戶獨享RB。

為降低求解復雜度，本文提出利用啟發式算法來解決頻率資源選擇問題。首先，根據式（22）求出S′中每個子用戶的最大信息值fmax，并將子用戶按照fmax降序排序。其次，為S′中前L個子用戶分配RB，將其移出集合S′并加入到集合S0中，這一步是為了確保fmax較大的子用戶能夠優先獲取RB。此時，S′與S0可形成如圖3所示的帶權二部圖G。

圖3 帶權二部圖Fig.3 Weighted bipartite graph

對于?si∈S0，?sj∈S'，其權值Wi，j被定義為si與sj復用同一RB時的最大信息值：

其中：當sj為虛擬子用戶時，si獨享RB，以最大功率發送；當pi與pj無法同時滿足約束時，如si與sj屬于同一父用戶或均為C-UEs子用戶時，si與sj無法復用RB，且權值為0；其他情況的權值均可由功率控制算法得出。當G的權值確定后，頻率資源選擇問題可轉換為二部圖G的最大權匹配問題，并采用匈牙利算法進行求解。

值得注意的是，隨著小區內用戶的增加，一個TTI內所需求的RB總量也隨之增加，由于可分配的RB有限，此時可能會出現一個用戶的調度無法全部得到滿足的情況。如功率控制小結中所討論的子用戶的最大功率為其父用戶的最大功率除以申請的RB數，當一個用戶只得到部分RB時，其子用戶的最大功率約束需要得到更新，并再次進行功率分配。頻率資源選擇算法描述如算法2所示。

算法2頻率資源選擇算法

圖4 頻率資源選擇算法流程Fig.4 Procedure of frequency resource selection algorithm

5 仿真結果與分析

為簡化系統，本文僅考慮單小區環境下的RRM。假設小區的載波為800 MHz，單個RB的帶寬為180 kHz，小區的布局選用曼哈頓網格布局，在該環境下，小區為道路圍成的440 m×250 m的方格，基站位于方格中心。V-UEs發射機按照空間泊松過程分布在道路上，V-UEs接收機均勻地分布在以相應V-UEs發射機為圓心的半徑為r的圓內，C-UEs以固定的間距分布在人行道上。每個用戶申請調度的RB數與V-UEs的PPPP值設置為均勻分布的隨機數，C-UEs的PPPP值為固定的常數。為了使仿真結果更加平滑，本文使用蒙特卡羅仿真方法執行10 000次，具體的參數設置如表1所示。

表1 仿真參數設置Table 1 Setting of simulation parameters

圖5是在M=10，L=50，r=20，V-UEs車速為60 km/h的場景下，正交分配算法、文獻［20］算法以及本文算法的系統信息值與V-UEs數量K的關系。從圖5可以看出：當V-UEs數量K小于30時，3種算法達到的信息值基本相同，這是因為當系統內用戶較少時，用戶需求的RB總數小于待分配RB數，所以用戶都能正交使用RB并以最大功率發送；當V-UEs數量K大于30時，正交分配的RB被使用完全，正交分配算法的系統信息值將不再發生變化。由于文獻［20］算法允許C-UEs與V-UEs復用資源，因此后續V-UEs可以復用C-UEs占據的RB，系統信息值還有上升的空間，但此時會發生同頻干擾，則系統信息值的上升趨勢比之前要小；當V-UEs數量K大于40時，文獻［20］算法的系統信息值則不再繼續增大，本文所提算法由于允許V2V對間的RB復用，同時還將PPPP值考慮進功率分配，因此該算法的信息值在同頻干擾發生后優于其他2種對比算法。

圖5 V-UEs數量對3種算法系統信息值的影響Fig.5 Effect of the number of V-UEs on the system information value of three algorithms

圖6是在M=40，K=50，L=60，r=20的場景下，3種算法的系統信息值隨V-UEs速度的變化趨勢。從圖6可以看出，隨著車速的增加，3種算法的系統信息值都呈降低的趨勢，這是因為車速的增加使得鏈路的快速衰落變得更加明顯，造成RRM結果的準確性與系統信息值下降。然而，本文算法因其頻譜利用率與功率控制的優勢，系統信息值仍優于其他2種對比算法。

圖6 V-UEs速度對3種算法系統信息值的影響Fig.6 Effect of speed of V-UEs on the system information value of three algorithms

圖7是在M=10，L=50，r=20，V-UEs速度為60 km/h的場景下，3種算法在不同數量V-UEs下的系統可靠性。從圖7可以看出：當V-UEs數量較小時，3種算法的可靠性都很高，這是因為3種算法都為用戶設定了可靠性約束，在滿足可靠性約束的情況下，數據傳輸都能正常進行；隨著V-UEs數量的增加，小區內所有用戶需求的RB總量增加，此時逐漸有用戶因為無法得到RB而造成系統可靠性的降低，在正交分配算法中，不同用戶正交使用RB，所以其容納的用戶數最小，可靠性最差；文獻［20］算法考慮了V-UEs與C-UEs間的RB復用，因此可靠性比正交分配算法高；本文所提算法不僅考慮了V-UEs與C-UEs間的RB復用，還考慮了V-UEs間的RB復用，系統能容納的用戶較其他2種算法多，因此其可靠性最優。

圖7 V-UEs數量對3種算法系統可靠性的影響Fig.7 Effect of the number of V-UEs on the system reliability of three algorithms

6 結束語

本文在保障V-UEs與C-UEs通信可靠性的前提下，以最大化小區用戶信息值之和為優化目標，提出一種新的RRM算法。該算法通過引入子用戶的概念將RRM問題分解成2個子問題：最大化單個資源塊內信息值的功率控制與最大化全體用戶信息值的頻率資源分配。利用功率控制的結果將頻率資源分配問題轉換成無向圖最大權匹配問題，并利用啟發式算法實現低復雜度的頻率資源選擇。仿真結果表明，該算法不僅可提升整個系統的信息值，同時還可有效保障系統可靠性。后續將在本文研究基礎上增加同一RB內的用戶數量，以進一步提高頻譜利用率。