基于自私行為分析的超密集D2D 中繼選擇算法

王義君，張有旭，劉大鹍,2，陳桂芬

（1.長(zhǎng)春理工大學(xué)電子信息工程學(xué)院，吉林 長(zhǎng)春 130022；2.中國(guó)北方車輛研究所網(wǎng)絡(luò)與信息中心，北京 100072）

1 引言

超密集網(wǎng)絡(luò)（UDN,ultra-dense network）是5G、6G 移動(dòng)通信場(chǎng)景下的重要網(wǎng)絡(luò)形式及技術(shù)應(yīng)用手段[1]。UDN 不僅可以擴(kuò)大用戶群和縮短通信鏈路，還可以擴(kuò)展拓?fù)浣Y(jié)構(gòu)和提高頻譜效率，從而通過流量卸載提高網(wǎng)絡(luò)容量。隨著UDN 的出現(xiàn)和傳統(tǒng)宏基站作用的減弱，彼此靠近的無線通信終端可以通過D2D（device to device）技術(shù)直接進(jìn)行通信鏈接，進(jìn)而減少網(wǎng)絡(luò)功率消耗、提高網(wǎng)絡(luò)吞吐量和具備靈活的拓?fù)渎酚蛇x擇[2-3]。因此，D2D 技術(shù)在UDN 中必將發(fā)揮重要作用。超密集D2D 通信中，源節(jié)點(diǎn)與目的節(jié)點(diǎn)間大概率存在不能一跳到達(dá)的情況，此時(shí)需要通過選擇中繼節(jié)點(diǎn)實(shí)現(xiàn)不相鄰節(jié)點(diǎn)間的數(shù)據(jù)包交換。所以，中繼選擇算法在超密集D2D 通信中起到關(guān)鍵作用[4-5]。

中繼選擇算法一方面可降低端到端時(shí)延、減少數(shù)據(jù)包重傳次數(shù)，另一方面可提升網(wǎng)絡(luò)吞吐量[6]。國(guó)內(nèi)外學(xué)者對(duì)該領(lǐng)域開展了相關(guān)研究。文獻(xiàn)[7]提出了一種基于D2D 中繼的超密集網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以根據(jù)熱點(diǎn)區(qū)域的業(yè)務(wù)需求將用戶分組。每個(gè)UE（user equipment）可以決定是連接到BS（base station）還是連接到與D2D 關(guān)聯(lián)的中繼節(jié)點(diǎn)，該方法提高了系統(tǒng)傳輸速率，并使算法復(fù)雜度降低。文獻(xiàn)[8]提出了一種基于博弈論的D2D 通信中繼選擇算法，有效提高了D2D 通信的覆蓋率、降低了通信鏈路的中斷概率并提高了系統(tǒng)整體的吞吐量。文獻(xiàn)[9]首先提出了一個(gè)網(wǎng)絡(luò)輔助隨機(jī)整數(shù)規(guī)劃模型以預(yù)測(cè)網(wǎng)絡(luò)參數(shù)，然后將該模型轉(zhuǎn)換為等價(jià)的確定性混合整數(shù)非線性規(guī)劃模型以解決移動(dòng)性D2D 通信中繼選擇問題。該方法適用于已知相關(guān)移動(dòng)參數(shù)分布的D2D中繼模型。文獻(xiàn)[10]在面向5G 的D2D 通信模式下，通過綜合考慮中繼節(jié)點(diǎn)在網(wǎng)絡(luò)中所處的地理位置及中繼節(jié)點(diǎn)處的信道增益，在多中繼雙向網(wǎng)絡(luò)中提出了一種基于決策樹機(jī)器學(xué)習(xí)方法的優(yōu)化中繼選擇策略，能夠有效提升系統(tǒng)性能。文獻(xiàn)[11]在多個(gè)準(zhǔn)則約束下，將社交相似感知引入D2D 中繼選擇，并將該問題描述為一個(gè)多目標(biāo)二元整數(shù)線性規(guī)劃問題，提出了一種兩階段D2D 中繼選擇方案，確保了系統(tǒng)在吞吐量、公平性和能效方面的高性能。上述算法雖然在一定程度上解決了D2D 中繼選擇問題，但都是在中繼設(shè)備具有非自私行為的情況下分析的，在UDN 場(chǎng)景下存在一定缺陷。一些設(shè)備在中繼選擇過程中表現(xiàn)出的自私性使D2D 通信的情況變得復(fù)雜。設(shè)備的自私行為可能有不同的原因，如資源限制、對(duì)消息缺乏興趣、隱私問題或社交偏好等[5]。因此，在具有自私設(shè)備的非合作D2D通信中，如何排除自私設(shè)備、建立有效的中繼選擇算法來提高網(wǎng)絡(luò)性能是一項(xiàng)有意義的研究?jī)?nèi)容。考慮社會(huì)關(guān)系、傳輸距離和傳輸功率的約束，文獻(xiàn)[12]提出了以功耗最小為目標(biāo)的中繼選擇優(yōu)化方法。文獻(xiàn)[13]基于最優(yōu)停止理論，近似地導(dǎo)出了同時(shí)考慮用戶間物理距離和社會(huì)距離的協(xié)作網(wǎng)絡(luò)最優(yōu)社會(huì)感知中繼選擇策略。文獻(xiàn)[14]提出了一種面向信任的合作伙伴選擇機(jī)制，通過對(duì)認(rèn)知信任、情感信任和行為信任的評(píng)估，在發(fā)送用戶和合作用戶之間建立多維信任關(guān)系。

基于以上分析，目前對(duì)D2D 中繼選擇的研究大多假設(shè)用戶設(shè)備不存在自私行為，并且愿意轉(zhuǎn)發(fā)接收到的數(shù)據(jù)。盡管有少量的研究分析了用戶之間的信任關(guān)系，但它并不適用于蜂窩網(wǎng)絡(luò)的D2D 非合作通信。基于此，本文提出了一種基于自私行為分析的超密集D2D 中繼選擇算法（RSSBA,relay selection algorithm based on selfish behavior analysis in ultra-dense D2D）。首先設(shè)置了聯(lián)合興趣度、前向歷史比率和中繼物理狀態(tài)3 個(gè)屬性來度量中繼用戶設(shè)備的自私行為，并基于三角模糊函數(shù)思想計(jì)算了源節(jié)點(diǎn)和中繼節(jié)點(diǎn)之間的屬性差異。通過屬性差異比較，判斷中繼節(jié)點(diǎn)是否存在自私行為。其次，在排除自私中繼后，基于TOPSIS（technique for order of preference by similarity to ideal solution），比較了源節(jié)點(diǎn)和中繼節(jié)點(diǎn)之間的屬性差異，并選擇差異最優(yōu)的中繼轉(zhuǎn)發(fā)數(shù)據(jù)。最后，結(jié)合這兩部分進(jìn)行了仿真實(shí)驗(yàn)，仿真結(jié)果表明，在排除具有自私行為的中繼節(jié)點(diǎn)后，有效的中繼選擇算法可以提升網(wǎng)絡(luò)性能。

2 系統(tǒng)模型

如圖1 所示，在由單一宏基站或微基站控制的超密集蜂窩網(wǎng)絡(luò)中，設(shè)備與設(shè)備之間的通信鏈路包括中繼鏈路、直通鏈路和蜂窩鏈路3 種形式，各個(gè)通信鏈路中均包括信道控制鏈路，而這種系統(tǒng)模型設(shè)計(jì)符合超密集網(wǎng)絡(luò)中的多用戶通信需求。用戶設(shè)備類型包括D2D 用戶設(shè)備和蜂窩用戶設(shè)備（CUE,cellular user equipment）。假設(shè)源用戶設(shè)備（SUE,source user equipment）與目的用戶設(shè)備（DUE,destination user equipment）都屬于D2D 用戶，在通信過程中不能通過一跳D2D 實(shí)現(xiàn)，此時(shí)需要通過選擇中繼設(shè)備（RE,relay equipment）實(shí)現(xiàn)信息交互。

圖1 中繼選擇系統(tǒng)模型

設(shè)SUE 和DUE 的集合分別為S={1,2,…,l}和D={1,2,…,l}，RE 的集合為R={1,2,…,n}。假設(shè)SUE和DUE 之間的鏈路質(zhì)量較差，因此沒有直接的通信路徑，只能通過中繼來執(zhí)行通信，并且每個(gè)RE 的蜂窩通信鏈路已經(jīng)預(yù)先分配了正交信道。在整個(gè)系統(tǒng)中，基站采用正交頻分復(fù)用來避免同頻傳輸帶來的層間干擾。中繼過程中，D2D 鏈路對(duì)蜂窩上行鏈路頻譜資源進(jìn)行復(fù)用。此時(shí)，在D2D 中繼通信的第一跳鏈路中，第r個(gè)RE 的信干噪比（SINR,signal to interference plus noise ratio）可以表示為

其中，Ps和Pc分別表示SUE 和CUE 的傳輸功率，gsr和gcr分別表示SUE 對(duì)RE 和CUE 對(duì)RE 的信道增益，σ0表示加性白高斯噪聲。

在第二跳鏈路中，DUE 的SINR 可表示為

其中，Pr表示RE 的傳輸功率，grd和gcd分別表示RE 對(duì)DUE 和CUE 對(duì)DUE 的信道增益。

本文的主要研究?jī)?nèi)容是從中繼選擇的角度出發(fā)，尋找D2D 非合作通信中的自私節(jié)點(diǎn)，最大限度地提高超密集網(wǎng)絡(luò)性能。將通過優(yōu)化中繼選擇提升網(wǎng)絡(luò)性能的問題歸結(jié)為

其中，Ξ表示中繼選擇矩陣，ξi表示Ξ中面向自私行為分析的中繼選擇因子，B表示信道帶寬，表示D2D 通信鏈路所必須的最小傳輸速率。式(4)表示對(duì)于具有自私行為的中繼設(shè)備選擇約束參數(shù)關(guān)系，將在第3 節(jié)進(jìn)行詳細(xì)分析；式(5)和式(6)表示基于自私行為分析后的中繼選擇傳輸速率不得低于。

3 RSSBA

3.1 自私中繼設(shè)備識(shí)別

1) 中繼識(shí)別因子

為了明確在D2D 通信中具有自私行為的RE，本文設(shè)計(jì)中繼識(shí)別因子來判斷SUE 和RE 間是否存在關(guān)聯(lián)。中繼識(shí)別因子共包括3 個(gè)屬性，負(fù)責(zé)判斷RE 中具有自私行為的節(jié)點(diǎn)，進(jìn)而明確何種節(jié)點(diǎn)可以中繼轉(zhuǎn)發(fā)數(shù)據(jù)。本文所設(shè)計(jì)的3 個(gè)屬性分別為聯(lián)合興趣度（JID,joint interest degree）、轉(zhuǎn)發(fā)歷史比率（FHR,forward historical ratio）和中繼物理狀態(tài)（RPS,relay physical state）。

①聯(lián)合興趣度

JID 是3 個(gè)中繼識(shí)別因子中最重要的一個(gè)屬性，因?yàn)樗从沉薙UE 和RE 之間的互信程度。JID 由興趣參數(shù)決定，本文不單獨(dú)討論興趣參數(shù)（如轉(zhuǎn)發(fā)內(nèi)容、轉(zhuǎn)發(fā)位置等）如何分配和計(jì)算。假設(shè)網(wǎng)絡(luò)中存在n個(gè)RE 和m種興趣排列組合，則在時(shí)間tz處第i個(gè)RE 的興趣參數(shù)可以表示為

然后，所有RE 在tz時(shí)刻的興趣參數(shù)集合可定義為

每個(gè)RE 的興趣值不僅與當(dāng)前時(shí)間有關(guān)，還與前一時(shí)刻轉(zhuǎn)發(fā)時(shí)間有關(guān)。因此，可以將興趣值視為e階Markov 過程，假設(shè)每個(gè)RE 在tz時(shí)刻的興趣值與在tz之前e時(shí)刻的轉(zhuǎn)發(fā)興趣相關(guān)。則興趣值可以表示為

其中，Tz,Tz?1,Tz?2,…,Tz?e表示RE 的數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)刻。基于上述分析，如果SUE 需要通過某一個(gè)RE 轉(zhuǎn)發(fā)數(shù)據(jù)，SUE 端的興趣值為間表示相互信任關(guān)系的JID 屬性表達(dá)式定義為

其中，ω1表示JID 的權(quán)重。

② 轉(zhuǎn)發(fā)歷史比率

FHR 是次重要屬性，表示RE 是否愿意轉(zhuǎn)發(fā)接收到的數(shù)據(jù)包。FHR 由轉(zhuǎn)發(fā)包和接收包的數(shù)量決定。假設(shè)t時(shí)刻RE 轉(zhuǎn)發(fā)包和接收包的數(shù)量分別為fp(t)和rp(t)，則將FHR 定義為

其中，ω2表示FHR 的權(quán)重。

③中繼物理狀態(tài)

RPS 是第三個(gè)中繼識(shí)別因子屬性，用a3表示，表示RE 是否有能力轉(zhuǎn)發(fā)接收到的數(shù)據(jù)包。RPS 由RE的剩余電源能量和蜂窩鏈路帶寬決定。令RB(tz)和RB(tz?1)分別表示RE 在tz和tz?1時(shí)刻的剩余能量，BW(tz)和BW(tz?1)分別表示RE在tz和tz?1時(shí)刻的帶寬，則RPS 可定義為剩余電源能量和帶寬的并集，即

其中，ω3表示RPS 的權(quán)重。當(dāng)前時(shí)刻的剩余能量和帶寬與前一時(shí)刻的剩余能量和帶寬的比值表示RE 的物理狀態(tài)的變化趨勢(shì)。當(dāng)RPS 的閾值為Rth時(shí)，如果RE 的RPS 值比Rth低，表示RE 沒有轉(zhuǎn)發(fā)當(dāng)前時(shí)刻數(shù)據(jù)的條件；如果RE 的RPS 值比Rth高，表示該RE 當(dāng)前時(shí)刻處于可選擇狀態(tài)。

2) 權(quán)值計(jì)算

在定義了屬性表達(dá)式之后，如何確定每個(gè)屬性的權(quán)重是需要解決的關(guān)鍵問題。本文利用三角模糊函數(shù)將3 個(gè)屬性權(quán)重劃分為3 個(gè)層次，即優(yōu)先級(jí)（PRI,priority level）、中間級(jí)（INT,intermediate level）和一般級(jí)（GEN,general level）。根據(jù)文獻(xiàn)[15]所采用的方法，本文將三角模糊函數(shù)的取值范圍定義為PRI=[0.6 0.8 1.0]，INT=[0.2 0.4 0.6]，GEN=[0 0.1 0.2]。根據(jù)3 個(gè)屬性的重要性程度，分別用PRI、INT 和GEN 作為ω1、ω2和ω3的三角模糊數(shù)。設(shè)權(quán)重集合為，并令集 合表示屬性三角模糊權(quán)重ωk的左值、中值及右值。根據(jù)三角模糊數(shù)隸屬函數(shù)的定義，給出屬性權(quán)重的隸屬函數(shù)表達(dá)式為

由式(14)可計(jì)算出權(quán)重ωk的上限及下限分別為

3) 自私中繼確認(rèn)

確定屬性及其權(quán)重后，可以進(jìn)行自私中繼確認(rèn)。當(dāng)SUE 發(fā)送消息并需要選擇RE 時(shí)，它將把自己的屬性值與其周圍RE 的屬性值進(jìn)行比較。令和分別表示SUE 和RE 的第k個(gè)屬性值，k∈(1,2,3)，則SUE 和RE 之間的屬性差為

其中，akmax和akmin分別表示定義間隔區(qū)間內(nèi)屬性k的最大值和最小值。基于此，可以得到SUE 和RE之間的總屬性差值為

設(shè)屬性差的閾值為Δth，當(dāng)ΔS,R＜Δth時(shí)，這樣的RE 被認(rèn)為具有自私行為，并且不能作為轉(zhuǎn)發(fā)數(shù)據(jù)的中繼設(shè)備，也就是說自私中繼被確認(rèn)的條件為

除了整體屬性差異需要滿足閾值條件外，每個(gè)單獨(dú)的屬性也應(yīng)該滿足閾值條件。因此由式(22)可以導(dǎo)出單個(gè)屬性的閾值條件，具體為

如果RE 的單個(gè)屬性滿足式(25)，則它也被認(rèn)為是自私的RE。因此，通過比較RE 的單一屬性和聯(lián)合屬性，可以有效地實(shí)現(xiàn)非合作通信中自私行為的重新識(shí)別，為中繼選擇奠定基礎(chǔ)。

通過上述分析可知，自私中繼確認(rèn)的基礎(chǔ)是對(duì)中繼識(shí)別因子屬性進(jìn)行比較，3 個(gè)屬性通過權(quán)重設(shè)置決定了優(yōu)先級(jí)，即它們的優(yōu)先級(jí)關(guān)系為JID>FHR>RPS。如果JID 不滿足單屬性閾值要求，則不必考慮其他2 種屬性，即可將中繼設(shè)備定義為自私中繼；如果JID 滿足單屬性閾值要求，則按照優(yōu)先級(jí)繼續(xù)考慮另外2 種屬性，從而決定其是否為自私中繼；如果JID 滿足而另外2 種不滿足單屬性閾值條件，則需比較總屬性差值，如果總屬性差值不滿足閾值條件，則也可將中繼設(shè)備定義為自私中繼。

3.2 基于TOPSIS 的中繼設(shè)備選擇

當(dāng)具有自私行為的節(jié)點(diǎn)被確認(rèn)后，剩下的RE可以作為D2D 數(shù)據(jù)轉(zhuǎn)發(fā)中繼。然而，在剩余的中繼節(jié)點(diǎn)中選擇哪一個(gè)最合適是本節(jié)要解決的問題。本節(jié)提出了一種基于TOPSIS 的中繼選擇方法，該方法比較了SUE 和可選擇中繼之間的興趣屬性差異，并選擇最小興趣差異設(shè)備作為中繼選擇。

由式(8)可知，RE 的興趣集合可擴(kuò)展為

設(shè)iiα表示節(jié)點(diǎn)i的α興趣值，然后利用向量變換對(duì)屬性進(jìn)行歸一化，計(jì)算式為

其中，Li表示2 種設(shè)備之間的興趣差。基于此，構(gòu)建Li在當(dāng)前時(shí)刻tz和前一時(shí)刻tz?1的興趣差函數(shù)，此時(shí)，式(3)中的中繼選擇因子可由式(30)表示。

通過上述分析，式(3)中的Ξ代表中繼選擇矩陣，由中繼選擇因子ξi決定。當(dāng)SUE 需要選擇RE進(jìn)行中繼通信時(shí)，其中繼選擇因子矩陣為Ξ={ξ1,ξ2,…,ξm}。最終，選擇Ξ中最小值對(duì)應(yīng)的RE 作為中繼節(jié)點(diǎn)。基于節(jié)點(diǎn)自私行為分析及TOPSIS 的中繼設(shè)備選擇算法偽代碼如算法1 所示。

算法1中繼設(shè)備選擇

輸入中繼設(shè)備數(shù)量n

輸出具有最小中繼選擇因子ξi的最優(yōu)中繼設(shè)備li

4 仿真實(shí)驗(yàn)分析

仿真環(huán)境采用MATLAB 平臺(tái)，反復(fù)執(zhí)行1 000 次Monte Carlo 實(shí)驗(yàn)，然后取實(shí)驗(yàn)的平均結(jié)果。在每次算法執(zhí)行的實(shí)驗(yàn)過程中，SUE、DUE 和RE 隨機(jī)分布在系統(tǒng)中。假設(shè)系統(tǒng)中D2D 通信鏈路和蜂窩通信鏈路的陰影衰落均服從對(duì)數(shù)正態(tài)分布，平均值為0，標(biāo)準(zhǔn)差分別為12 dB 和10 dB，采用5G 通信系統(tǒng)METIS 2020 中LoS（line of sight）的UMI 路徑損耗模型，其他主要仿真參數(shù)如表1 所示。

表1 仿真參數(shù)

在仿真實(shí)驗(yàn)中，從自私中繼節(jié)點(diǎn)識(shí)別成功率、數(shù)據(jù)轉(zhuǎn)發(fā)成功率和網(wǎng)絡(luò)平均吞吐量及系統(tǒng)平均時(shí)延等方面，將 RSSBA 與文獻(xiàn)[13]中的 SRSCN（social-aware relay selection strategy for cooperative networking）算法、文獻(xiàn)[14]中的TPSM（trust-oriented partner selection mechanism）算法進(jìn)行了比較。選擇這2 種算法進(jìn)行對(duì)比的原因在于它們?cè)诙x中繼設(shè)備時(shí)均體現(xiàn)出了設(shè)備的自私性，與本文研究?jī)?nèi)容具有相似性和可比性。

識(shí)別成功率是指在網(wǎng)絡(luò)中存在一定比例自私中繼節(jié)點(diǎn)條件下，執(zhí)行算法后能夠有效識(shí)別出自私中繼節(jié)點(diǎn)的效率。仿真結(jié)果如圖2 所示。當(dāng)網(wǎng)絡(luò)中的自私中繼比率（SRR,selfish relay ratio）從15%上升到75%時(shí)，3 種算法的識(shí)別成功率持續(xù)下降，RSSBA 的識(shí)別成功率從 98%下降到 52%。與SRSCN 算法和TPSM 算法相比，在最不理想的條件下（SRR=75%），RSSBA 能保持50%以上的識(shí)別成功率，而SRSCN 算法和TPSM 算法均不能達(dá)到此標(biāo)準(zhǔn)。所以，在相同的仿真環(huán)境下，基于屬性權(quán)重計(jì)算和屬性相似度比較的RSSBA 能夠更有效地識(shí)別網(wǎng)絡(luò)中的自私中繼。

圖2 識(shí)別成功率比較

轉(zhuǎn)發(fā)成功率是指轉(zhuǎn)發(fā)成功的數(shù)據(jù)包在RE 的所有接收數(shù)據(jù)包中所占的比例。從圖3 可以看出，隨著網(wǎng)絡(luò)中中繼節(jié)點(diǎn)數(shù)量的增加，轉(zhuǎn)發(fā)成功率逐漸提高。當(dāng)SRR 分別為15%、45%和75%時(shí)，RSSBA 的轉(zhuǎn)發(fā)成功率最高分別為96%、70%和39%。與TPSM算法相比，轉(zhuǎn)發(fā)效率最大約提高10%。與SRSCN 算法相比，轉(zhuǎn)發(fā)效率最大約提高20%。在排除具有自私行為的中繼節(jié)點(diǎn)后，采用基于TOPSIS 的中繼選擇方案對(duì)剩余節(jié)點(diǎn)的興趣屬性進(jìn)行重新評(píng)估，最終確定轉(zhuǎn)發(fā)數(shù)據(jù)的RE，可大大提高數(shù)據(jù)轉(zhuǎn)發(fā)的成功率。

圖4 對(duì)比了網(wǎng)絡(luò)系統(tǒng)平均吞吐量方面的表現(xiàn)。本文將文獻(xiàn)[16]提出的資源分配方法與3 種中繼選擇算法相結(jié)合，驗(yàn)證基于中繼選擇的網(wǎng)絡(luò)吞吐量改進(jìn)程度。從圖4 可以看出，隨著RE 數(shù)量的增加，RSSBA 增長(zhǎng)幅度優(yōu)于另外2 種算法，這是因?yàn)镽SSBA 基于TOPSIS 對(duì)排除具有自私行為后的RE再一次做出篩選，從而實(shí)現(xiàn)了整個(gè)算法處理效率的優(yōu)化，系統(tǒng)的平均吞吐量隨著中繼節(jié)點(diǎn)的增多最大可達(dá)4.3 Mbit/s。

圖3 不同SSR 下的轉(zhuǎn)發(fā)成功率

圖4 平均吞吐量比較

圖5 從中繼選擇的角度給出了網(wǎng)絡(luò)的平均吞吐量的CDF（cumulative distribution function）曲線。從圖5 可以看出，RSSBA 的性能明顯優(yōu)于其他2 種算法。RSSBA 的平均吞吐量分別比SRSCN 算法和TPSM 算法的平均吞吐量提高了47%和33%。仿真數(shù)據(jù)證明，在數(shù)據(jù)轉(zhuǎn)發(fā)過程中使用中繼輔助可以有效地提高網(wǎng)絡(luò)吞吐量。

如圖6 所示，當(dāng)網(wǎng)絡(luò)中的SRR 從15%上升到75%時(shí)，3 種算法的平均時(shí)延逐步上升。對(duì)比SRSCN算法和TPSM 算法可以看出，RSSBA 的平均時(shí)延明顯較低。這是因?yàn)镽SSBA 通過二次選擇，使選擇出的轉(zhuǎn)發(fā)數(shù)據(jù)中繼節(jié)點(diǎn)更能滿足網(wǎng)絡(luò)傳輸需求，降低了網(wǎng)絡(luò)排隊(duì)計(jì)算時(shí)間，說明RSSBA 更適用于網(wǎng)絡(luò)密集化的通信系統(tǒng)。

圖5 平均吞吐量CDF 曲線

圖6 平均時(shí)延比較

5 結(jié)束語

為了解決超密集D2D 通信中繼選擇算法中繼設(shè)備存在自私行為的問題，本文提出了非合作D2D通信中繼設(shè)備選擇方案。該方案通過比較D2D 用戶設(shè)備和中繼設(shè)備的屬性差異，篩選出具有自私行為的中繼設(shè)備，并將其排除在轉(zhuǎn)發(fā)數(shù)據(jù)的范圍之外。然后計(jì)算中繼選擇因子在剩余中繼設(shè)備中的排名，選擇中繼選擇因子最優(yōu)的設(shè)備作為轉(zhuǎn)發(fā)數(shù)據(jù)的中繼，實(shí)驗(yàn)分析驗(yàn)證了算法的有效性。后續(xù)工作將圍繞D2D頻譜資源優(yōu)化，將認(rèn)知無線電引入D2D 通信中，解決超密集D2D 通信中的共信道干擾問題。