《电子技术应用》
您所在的位置:首页 > 通信与网络 > 设计应用 > 异构网络中D2D资源优化算法研究
异构网络中D2D资源优化算法研究
2017年电子技术应用第10期
薛建彬1,2,梁艳慧1
1.兰州理工大学 计算机与通信学院,甘肃 兰州730050;2.东南大学 移动通信国家重点实验室,江苏 南京210096
摘要: 针对蜂窝用户和D2D(Device-to-Device)用户构成的混合异构网络中频谱资源利用率低的问题,提出了一种基于拉格朗日对偶的资源优化算法。该算法首先在保证蜂窝用户QoS需求的情况下,使D2D用户复用蜂窝用户上行链路中负载最轻的资源块,并构造拉格朗日对偶函数,通过不断迭代计算,实现了D2D用户发射功率的最佳分配。研究结果表明,此算法能使系统中的资源块充分利用并实现D2D用户吞吐量的最大化,且明显提高了系统吞吐量。此外,D2D用户的发射功率会随着迭代次数的增加而呈现出逐渐增大的趋势,且当迭代次数达到21次时,这种趋势将趋于平稳。
中图分类号: TN929.5
文献标识码: A
DOI:10.16157/j.issn.0258-7998.170281
中文引用格式: 薛建彬,梁艳慧. 异构网络中D2D资源优化算法研究[J].电子技术应用,2017,43(10):99-102.
英文引用格式: Xue Jianbin,Liang Yanhui. Research on D2D resource optimization algorithm in heterogeneous network[J].Application of Electronic Technique,2017,43(10):99-102.
Research on D2D resource optimization algorithm in heterogeneous network
Xue Jianbin1,2,Liang Yanhui1
1.School of Computer and Communication, Lanzhou University of Technology,Lanzhou 730050,China; 2.National Mobile Communications Research Laboratory,Southeast University,Nanjing 210096,China
Abstract: In order to solve the problem of low utilization of spectrum resources,a global optimization algorithm for resource allocation based on Lagrangian duality is proposed for hybrid heterogeneous networks constructed by cellular users and D2D users. Under the condition of guaranteeing the QoS of cellular users, the algorithm firstly allocates the lightest uplink user resource block of the cellular users to D2D users, then the algorithm constructs the Lagrangian dual function, and iteratively calculates the optimal transmit power of the D2D users.The results show that the algorithm can maximize the throughput of the resource blocks in the system and make full use of them, and obviously improve the system throughput.Furthermore, the transmission power increases with the number of iterations, and when the number of iterations reaches 21, this trend will stabilize.
Key words : resource allocation;Quality of Service;Lagrangian duality;iterative optimization;power distribution

0 引言

    随着5G的迅速推进,传统蜂窝通信的频谱资源已经无法满足越来越高的通信要求[1]。因此引入D2D通信显得至关重要,它在一定程度上减缓了资源短缺的问题[2]。D2D通信是一种短距离的端到端通信,不需要基站进行中转信息。它以非正交的方式复用蜂窝用户的无线资源,大大提高了系统的频谱利用率[3]。但当D2D用户去复用蜂窝用户的资源时,必定会给蜂窝用户带来同频干扰。因此如何找到一种有效的机制来减轻两个子系统之间的干扰,使系统的吞吐量达到最大化,具有很重要的研究意义[4]。文献[5]提出了一种鲁棒分布式资源分配方案,显著改善了网络性能,但是成本较高,并且用户和中继之间的干扰没有得到有效控制。文献[6]提出了一种基于地理位置的资源分配方案,这种方案适用于多小区的场景,但是没有考虑到详细的功率控制方案。文献[7]提出了两种资源分配方案,即双重度量方案和容限干扰度方案,实现了资源的平均分配,但系统的吞吐量相对其他方法没有显著的提高。文献[8]提出了一种交替优化算法,用凸优化的方法实现功率的分配,但该方法忽略了对D2D的干扰问题,影响了引入D2D用户的通信质量。

    为了有效控制D2D用户和蜂窝用户之间的干扰,增加系统的吞吐量,并且使无线资源块得到充分利用,本文提出了一种资源选择和功率分配的联合优化算法。该算法避免了D2D用户对蜂窝用户造成严重干扰,同时保证了引入次用户的吞吐量。

1 系统模型

    假设在一个小区内,基站可以获取所有链路的信道质量状况。D2D用户对有M个,表示为D={Di|i=1,2,…,M},蜂窝用户有N个,表示为C={Cj|j=1,2,…,N}。为了充分利用小区中的频谱资源,D2D用户对选择性地复用蜂窝用户的上行资源,K={1,2,…,k}表示可复用的频率资源块。系统模型如图1所示。

tx3-t1.gif

tx3-gs1-2.gif

式中,gm为D2D通信链路的信道增益,gn.m为蜂窝用户到D2D用户接收端干扰链路的信道增益。

2 基于拉格朗日对偶的资源分配优化算法

    基于系统模型的分析,本文首先在保证蜂窝用户QoS的前提下给D2D用户分配资源。其次,利用拉格朗日对偶算法对D2D用户的发射功率进行控制协调,从而得到D2D用户的最佳发射功率。 既保证了通信质量,又提高了系统的吞吐量以及频谱利用率。

2.1 资源分配算法

    在网络负载严重时,D2D通信会选择复用蜂窝用户的资源。作为终端直通系统的主要通信方式,蜂窝通信的传输速率必须得到保障,蜂窝用户被D2D用户复用之后的数据传输速率可由香农公式表示为:

tx3-gs3.gif

    D2D用户对m要选择复用的资源块k要满足的条件如下:

     tx3-gs4.gif

式中,Cmin表示蜂窝用户的传输速率阈值。若D2D用户接入无线资源块时,原有的蜂窝用户无法达到正常通信时的传输速率,D2D用户将不复用此资源块。

    tx3-gs5.gif

    从式(5)可以看出,在达到蜂窝用户传输速率阈值的前提下,D2D用户选择复用了负载最小的一个上行资源块。然而资源的分配不但要控制D2D通信链路对蜂窝链路的干扰在一定范围内,而且还要保障D2D用户的传输质量。D2D用户信噪比满足的条件如下:

    tx3-gs6.gif

式中,TargetγD表示D2D用户的信噪比阈值。满足此条件,系统的吞吐量才能得到提升。但D2D信噪比越高,对蜂窝通信的干扰也会越大,成本、能耗以及对设备的要求也会越来越高。所以,对D2D用户发射端的功率进行控制很有必要。 

    tx3-gs7.gif

    式(7)说明,在异构网络中,D2D用户的发射功率不超过其允许的最大发射功率pmax。因为D2D用户只能选择一个资源块去复用,则有:

     tx3-gs8-10.gif

式中,a表示一个D2D用户只能复用一个资源块。这个公式说明进行协作通信时,首先要保证蜂窝用户正常通信质量。然后通过对D2D用户对m的发射功率进行调节,最大化所有无线资源块上吞吐量。

2.2 最优功率分配

    基于以上的资源分配方法,构造了以D2D用户吞吐量为目标的函数。它是一个以D2D用户的发射功率为自变量的非线性函数。为了求解这个函数,把效用函数变为-Ck,也就是把最大化问题转化为了最小化问题。所以,式(10)可写为:

tx3-gs11-14.gif

tx3-gs15.gif

3 仿真与性能分析

    为了验证提出方案的性能及其对系统的影响,进行了一系列的仿真实验。仿真场景为在半径为1 km的LTE单小区,D2D用户复用蜂窝用户上行资源。主要的仿真参数设置如表1所示。通过将提出的资源分配(TPRA)方法与随机资源分配(RRA)方法,以及考虑D2D速率的资源分配(RCRA)方法进行比较,主要对比了系统的吞吐量和不同算法下功率的分配情况。

tx3-b1.gif

    图2比较了两种算法下系统吞吐量的CDF分布图。由图可知,RRA的吞吐量明显低于TPRA的吞吐量。因为RRA算法没有合理地给主次用户分配资源,导致主次用户之间的干扰没有得到有效控制。而TPRA算法,通过高效的干扰协调,提高了系统性能。

tx3-t2.gif

    由图3可知,TPRA算法下D2D的发射功率要高于RRA和RCRA算法,并且随着迭代次数的增加,发射功率随之增加。当迭代次数超过21次时,发射功率逐渐趋于平衡,达到0.864 W。此功率值小于本文给出的最大发射功率。因为本算法是在保证蜂窝用户正常通信的情况下对D2D用户的发射功率在一定范围内进行迭代调节,大大增加了频谱利用率。

tx3-t3.gif

    由图4可知,当D2D对数增加时,系统的吞吐量也会随之增加。但是根据接入系统的D2D对数不同,不同算法表现出了不同的优劣性。D2D用户对数M≤14时,算法RCRA的系统吞吐量高于其他算法。而当M≥16时,本文提出的方法TPRA开始占优势。相反,RCRA算法只是增加了次用户的传输速率,忽略了其与主用户之间的干扰。所以当系统接入的D2D用户对的数量较多时,TPRA算法的性能是最佳的。

tx3-t4.gif

4 结论

    本文使用了拉格朗日对偶以及迭代算法解决异构网络中D2D的资源分配问题。研究结果表明:此算法相比其他两种算法,更适用于D2D对数多的异构网络。并且对D2D发射功率的迭代计算,有效减少了系统损耗,且保证了D2D通信的吞吐量。避免了负载重的资源块超负荷,而负载轻的资源块不被充分利用的问题,使系统的通信质量得到了显著提高。

参考文献

[1] ASADI A,WANG Q,MANCUSO V.A survey on Device-to-Device communication in cellular networks[J].IEEE Communications Surveys & Tutorials,2014,16(4):1801-1819.

[2] DOPPLER K,RINNE M,WIJTING C,et al.Device-to-Device communication as an underlay to LTE-advanced networks[J].IEEE Communications Magazine,2009,47(12):42-49.

[3] 黄雅.D2D通信系统中模式选择和系统容量的研究[D].南京:南京邮电大学,2015.

[4] XU S,KWAK K S,RAO R.Interference-aware resource sharing in D2D underlaying LTE-A networks[J].Transactions on Emerging Telecommunications Technologies,2015,26(12):1306-1322.

[5] HASAN M,HOSSAIN E,DONG I K.Resource allocation under channel uncertainties for relay-aided Device-to-Device communication underlaying LTE-A cellular networks[J].IEEE Transactions on Wireless Communications,2014,13(4):2322-2338.

[6] WANG H,XIA K,CHU X.On the position-based resource-sharing for Device-to-Device communications underlaying cellular networks[C].IEEE/CIC International Conference on Communications in China,2013:135-140.

[7] XU Y,LIU Y,LI D.Resource management for interference mitigation in device-to-device communication[J].IET Communications,2015,9(9):1199-1207.

[8] ZHAO W,WANG S.Resource allocation for Device-to-Device communication underlaying cellular networks:An alternating optimization method[J].IEEE Communications Letters,2015,19(8):1398-1401.



作者信息:

薛建彬1,2,梁艳慧1

(1.兰州理工大学 计算机与通信学院,甘肃 兰州730050;2.东南大学 移动通信国家重点实验室,江苏 南京210096)