王　瓊，喬　寬，楊中豪

(重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065)

?

D2D通信的聯(lián)合資源分配和功率控制方法

王瓊，喬寬，楊中豪

(重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065)

設(shè)備到設(shè)備(D2D)通信對(duì)未來蜂窩網(wǎng)絡(luò)是一種很有前途的技術(shù)，它可以有效地提高系統(tǒng)的吞吐量和延長(zhǎng)用戶設(shè)備的電池壽命。然而，在蜂窩網(wǎng)絡(luò)中，D2D通信共享頻譜會(huì)造成干擾。為消除干擾，充分利用D2D通信的優(yōu)勢(shì)，提出了一個(gè)聯(lián)合的頻譜資源分配和功率控制(RAPC)方法，該方法能夠?qū)崿F(xiàn)總吞吐量最大化，同時(shí)保證D2D用戶和蜂窩用戶所需的最小速率。提出的資源分配和功率控制的優(yōu)化問題，通過量子粒子群(QPSO)得到近似優(yōu)化方案的最優(yōu)解，其中的量子粒子代表資源分配和功率控制的方法，同時(shí)制定懲罰函數(shù)刪除不可行的方法。仿真結(jié)果表明，該方法具有更好的性能、系統(tǒng)吞吐量、功率效率和最小速率比其他方法令人滿意。

D2D通信；資源分配；功率控制；量子粒子群優(yōu)化

0　引言

隨著本地服務(wù)對(duì)更高的數(shù)據(jù)速率需求而增加，D2D通信被認(rèn)為是組成蜂窩網(wǎng)絡(luò)的一個(gè)插件，提高頻譜利用率，增加細(xì)小區(qū)的容量，并減少能耗[1]。在D2D通信中，用戶設(shè)備可以通過復(fù)用蜂窩資源的一個(gè)直聯(lián)鏈路彼此傳輸數(shù)據(jù)信號(hào)，而不是在蜂窩網(wǎng)絡(luò)使用上行鏈路或下行鏈路資源傳輸數(shù)據(jù)信號(hào)[1-2]。

雖然D2D通信帶來大量的好處，但是由于資源復(fù)用也會(huì)干擾到蜂窩設(shè)備。因此，有效的干擾協(xié)調(diào)是D2D通信研究的一個(gè)重要問題。文獻(xiàn)[1-3]研究了由于資源共享引起干擾，研究頻譜共享和D2D用戶功率控制有減輕干擾。文獻(xiàn)[4-7]制定更有效的干擾協(xié)調(diào)方案，以保證目標(biāo)在網(wǎng)絡(luò)中的用戶的性能。在文獻(xiàn)[4]中，分析了資源優(yōu)化配置和一個(gè)D2D用戶和一個(gè)蜂窩用戶以不同的資源共享模式的功率控制，結(jié)果表明，在有限的干擾情況下，通過適當(dāng)?shù)馁Y源管理，D2D通信能夠有效地提高系統(tǒng)的吞吐量。文獻(xiàn)[5]提出了一個(gè)干擾的控制方案，一個(gè)D2D用戶和多個(gè)蜂窩用戶，在嚴(yán)格干擾約束的條件下，在下行采用干擾受限的區(qū)域控制方法，蜂窩用戶在干擾受限的區(qū)域附近的沒有預(yù)制。文獻(xiàn)[6-7]研究了多個(gè)D2D用戶復(fù)用蜂窩用戶的頻譜資源。文獻(xiàn)[7]提出了一種貪婪的啟發(fā)式資源分配算法，以減少基站(基站)的干擾。然而，在文獻(xiàn)[6-7]中，每個(gè)D2D用戶只可復(fù)用一個(gè)蜂窩用戶的頻譜資源。

為了最大限度地提高網(wǎng)絡(luò)的實(shí)用性，研究提出比上述更靈活的頻譜資源分配(RA)方法，其中一個(gè)蜂窩用戶的資源可以由多個(gè)D2D用戶共享，同理D2D對(duì)可復(fù)用多個(gè)蜂窩用戶的資源。此外，功率控制被認(rèn)為是減輕干擾，提高頻譜效率考慮的方案。本文的目標(biāo)是最大限度地提高系統(tǒng)的吞吐量，同時(shí)保證所有用戶的最低速率請(qǐng)求。

本文使用了一種新的有效的群體智能方法稱為量子粒子群優(yōu)化算法(QPSO)求解優(yōu)化問題，具有量子理論和粒子群優(yōu)化(PSO)的優(yōu)勢(shì)[8]。但QPSO[8]只能解決離散優(yōu)化問題。由于聯(lián)合資源分配和功率控制問題是離散和連續(xù)變量的混合優(yōu)化問題，所以提出了一個(gè)新穎的量子粒子群來解決。據(jù)我們所知，沒有任何現(xiàn)有的研究應(yīng)用QPSO算法，解決蜂窩網(wǎng)絡(luò)中D2D通信的聯(lián)合資源分配和功率控制的問題。

1　網(wǎng)絡(luò)模型和問題描述

文中，考慮的是共享蜂窩網(wǎng)絡(luò)的上行鏈路(UL)資源的方案，如圖所示1，其中D2D用戶可以重用蜂窩用戶的資源塊(RB)。假設(shè)D2D通信與蜂窩通信共用同一個(gè)資源。因此，需要的D2D通信對(duì)蜂窩網(wǎng)絡(luò)的干擾被限制在保持蜂窩網(wǎng)絡(luò)的目標(biāo)性能水平。該BS的所有鏈路具有完美信道狀態(tài)信息(CSI)，基于CSI可用的資源被分配給所述蜂窩用戶和D2D對(duì)。

圖1　蜂窩網(wǎng)絡(luò)中D2D通信系統(tǒng)模型

(1)

(2)

式中，gm和gn,m分別代表蜂窩用戶到BS信道增益和D2D對(duì)n的發(fā)射機(jī)對(duì)蜂窩用戶m產(chǎn)生的干擾增益。同時(shí)，gn和gm,n分別表示D2D對(duì)n的信道增益和蜂窩用戶m對(duì)D2D對(duì)n的接收機(jī)的干擾增益。pm,k和pn,k分別表示蜂窩用戶m和D2D對(duì)n在第k個(gè)RB上的發(fā)射功率。ym,k表示一個(gè)二進(jìn)制變量，滿足ym,k=1的在第k個(gè)RB分給蜂窩用戶m。類似的，yn,k=1是第k個(gè)資源塊RB分配給D2D對(duì)n。σ2為熱噪聲功率，B為一個(gè)RB的帶寬。

目標(biāo)是最大限度地提高蜂窩用戶和D2D對(duì)的總速率，可以表述如下：

(3)

(4)

(5)

(6)

(7)

(8)

(9)

這個(gè)問題可以歸結(jié)為一個(gè)混合整數(shù)規(guī)劃(MIP)包含連續(xù)變量和整型變量。由于其復(fù)雜性，量子粒子群優(yōu)化(PSO)算法來找到有效地接近最佳的解決方案。

2　QPSO算法的資源分配和功率控制

在這部分中，對(duì)基于QPSO算法的聯(lián)合資源分配和功率控制方案。首先，介紹了算法的概念。然后，研究如何利用量子粒子群算法求解優(yōu)化問題。

2.1量子粒子群優(yōu)化

量子粒子群優(yōu)化(QPSO)是一種高效的優(yōu)化算法，通過改進(jìn)的PSO算法[9]。它是由一組量子粒子集的社會(huì)行為啟發(fā)。每一個(gè)量子粒子代表的候選解決方案的問題，通過多維搜索空間，找到最優(yōu)解或子最優(yōu)解。量子粒子群算法采用量子編碼，稱為量子比特，對(duì)于概率描述，量子速度和量子位置被定義為量子比特的一個(gè)字符串。在QPSO算法一個(gè)量子比特定義最小信息單位，表示為一對(duì)組合號(hào)碼(α,β)，|α|2+|β|2=1。|α|2和|β|2分別表示是隨機(jī)數(shù)0和1的概率。如果粒子群有I個(gè)量子，并且每個(gè)量子粒子i是J維。量子i在t時(shí)刻的位置和速度在被定義為：

(10)

(11)

量子粒子的位置i在第(t+1)次迭代時(shí)根據(jù)下式更新：

(12)

量子速度的演化過程主要是通過量子旋轉(zhuǎn)門進(jìn)行的：

(13)

設(shè)計(jì)簡(jiǎn)單和高效的QPSO算法，定義αij和βij是一個(gè)實(shí)數(shù)，并且，0≤αij≤1和0≤βij≤1。因此，所以等式(10)、式(11)和式(13)可以被下式代替：

Xi=[xi1xi2··· xiJ]=[αi1αi1···αiJ]，

(14)

Vi=[vi1vi2··· viJ]=[αi1αi1···αiJ]，

(15)

(16)

(17)

(18)

式中，c是一個(gè)變化概率，是一個(gè)常數(shù)。

2.2基于QPSO算法的資源分配和功率控制

文中，資源分配和功率控制方案中定義的量子粒子位置：

(19)

式中，xik和xi(K+k)，k∈Κ被蜂窩用戶或者D2D對(duì)映射那個(gè)將獲得RB資源塊k。以這種方式將會(huì)滿足等式(4)、式(5)。m∈Μ表示蜂窩用戶m的發(fā)射功率，同時(shí)，xi(2K+M+n)，n∈N表示D2D對(duì)的發(fā)射功率。

在資源分配和功率控制方案中量子粒子位置的映射規(guī)則可以描述如下：

x'ij=li+xij(ui-li)，

(20)

式中，li是第i維時(shí)刻的較低下限，ui是第i維時(shí)刻的較高上限?？傊瑇ij,li=0，ui則為：

(21)

(22)

式中，G(x)是接近x的整數(shù)。相應(yīng)的函數(shù)的定義如下：

(23)

式中，懲罰因子μ>0，是刪除不可行的方案。懲罰函數(shù)P保證了等式(8)和(9)，如下式：

(24)

QPSO-RAPC算法步驟如下：

初始化：設(shè)置T為最大的迭代數(shù)，J為粒子數(shù)?；诹孔泳幋a機(jī)制隨機(jī)產(chǎn)生一個(gè)初始粒子群。

For t=1:T

For j=1:J

根據(jù)式(20)、式(21)和式(22)映射量子位置

根據(jù)式(23)和式(24)進(jìn)行適當(dāng)計(jì)算。

END

更新每個(gè)量子粒子的局部最優(yōu)位置。

更新整個(gè)量子粒子群的全局最優(yōu)量子位置。

根據(jù)式(12)、 式(17)和式(18) 更新量子位置和速度。

END

根據(jù)式(20) 、式(21) 、式(22)將全局最優(yōu)量子位置轉(zhuǎn)換為資源與功率分配方案。

3　仿真結(jié)果與分析

在這一部分，D2D通信在一個(gè)單一的蜂窩網(wǎng)絡(luò)中，是一個(gè)矩形的面積為500 m×500 m?；綛S位于該區(qū)域的中間，蜂窩用戶和D2D對(duì)均勻分布在該小區(qū)。D2D通信發(fā)射機(jī)和接收機(jī)之間的距離為50 m的范圍內(nèi)。信道增益包括路徑損耗和瑞利衰落。兩個(gè)節(jié)點(diǎn)之間的路徑損耗建模為g=(d)-4，其中，d是兩個(gè)節(jié)點(diǎn)之間的距離[5]?；綛S和D2D接收機(jī)之間的噪聲功率-174 dBm/Hz。為簡(jiǎn)單起見，蜂窩用戶和D2D用戶發(fā)射功率都設(shè)23 dBm，并且要求所有用戶的最小速率是相同的。可以利用的資源塊RBS為15，其中每個(gè)資源塊的帶寬是180 kHz。對(duì)于PSO和QPSO，粒子數(shù)J=20，最大的迭代次數(shù)為100。對(duì)于PSO方案，參數(shù)設(shè)置按照文獻(xiàn)[8]進(jìn)行設(shè)置。對(duì)于QPSO方案，加速系數(shù)b1=0.3和b2=0.7。轉(zhuǎn)變的概率為c=1/400。數(shù)值結(jié)果平均超過1 000個(gè)場(chǎng)景。在仿真過程中，比較了本文提出的QPSO-RAPC方案和以下一些方案：PSO是基于資源分配和功率控制方案(PSO-RAPC)，QPSO是基于資源分配(PSO-RA)方案和貪婪啟發(fā)式(HEURISTIC)方案[6]。對(duì)于QPSO-RAPC和PSO-RA最優(yōu)化問題的維數(shù)為2K。比較了該系統(tǒng)的適應(yīng)性、系統(tǒng)吞吐率、功率效率和最小速率的保證率。

不同方案的迭代曲線如圖2所示。所需的最小速率設(shè)置為1.5 Mbps。可以看到，有功率控制的方案比沒有功率控制可以實(shí)現(xiàn)更快和更高的收斂性能，這是因?yàn)檫m當(dāng)?shù)墓β士刂瓶梢詼p少干擾。QPSO-RAPC和QPSO-RA分別優(yōu)于PSO-RAPC和PSO-RA，因?yàn)榱孔恿Ｗ尤核惴?QPSO)比PSO算法具有更好的能力尋找最優(yōu)解。當(dāng)?shù)螖?shù)小時(shí)，由于罰函數(shù)是負(fù)的。

圖2　不同迭代次數(shù)下方案的適性

從圖3可知，所有方法的性能隨著最小速率要求的增加而劣化，因?yàn)橄到y(tǒng)的總吞吐量下降，來保證用戶的最小速率。除了當(dāng)最小速率大于3 Mbps,采用RA法方案優(yōu)于啟發(fā)式(HEURISTIC)的。RAPC方案比RA方案更高的吞吐量，因?yàn)檫m當(dāng)?shù)墓β士刂瓶梢詼p少蜂窩用戶和D2D用戶之間的干擾，從而提高了吞吐量。很顯然，基于QPSO算法的方案基于PSO的方案有更高的吞吐量。

圖3　比較不同最小速率需求的系統(tǒng)吞吐量

圖4說明了不同方案的功率效率。在這里，所需的最小速率設(shè)置為1.5 Mbps。功率效率被定義為系統(tǒng)的吞吐量和系統(tǒng)功耗的比率。RA方案的功率效率高于啟發(fā)式的功率效率，很明顯含有功率控制的方案能大大提高了系統(tǒng)的功率效率。這是因?yàn)椴豢紤]功率控制時(shí)，蜂窩用戶和D2D用戶用全部的功率進(jìn)行傳輸。此外，基于QPSO算法的性能優(yōu)于基于PSO的方案，驗(yàn)證了該方法的有效性。

圖4　比較不同方案的功率效率

圖5顯示的是所有方案的最小速率的保證率，隨著最小速率的增加而減小。這是因?yàn)?，最低速率可能?huì)超過系統(tǒng)所能提供的。使用PSO和QPSO所有的方案算法，最小速率變化從1.5～3.5 Mbps時(shí)，保證率在80%以上，在用戶保證率相同時(shí)，與其他方法相比啟發(fā)式(HEURISTIC)性能最差。這是因?yàn)橘Y源復(fù)用的方法缺乏靈活性，一個(gè)D2D對(duì)只能復(fù)用至多一個(gè)蜂窩用戶的RBs。

圖5　比較不同方案的最小速率保證率

4　結(jié)束語

基于蜂窩網(wǎng)絡(luò)提出了一個(gè)基于QPSO算法的聯(lián)合資源分配和功率控制的D2D通信方案。D2D用戶可以復(fù)用蜂窩用戶資源。該方案實(shí)現(xiàn)吞吐量最大化，同時(shí)滿足蜂窩用戶和D2D用戶所需的最小速度。仿真結(jié)果，表明在系統(tǒng)吞吐量、功率效率和最小速率保證率上，本文提出的方案比其他方案優(yōu)越。

[1]Dahlman E,Mildh G,Parkvall S,et al.Design Aspects of Network Assisted Device-to-device Communications[J].IEEE Communications Magazine,2012,50(3):170-177.

[2]Phunchongharn P,Hossain E,Kim D.I.Resource Allocation for Device-to-device Communications Underlaying LTE-advanced Networks[J].IEEE Wireless Communications,2013,20(4):91-100.

[3]Yu C H,Tirkkonen O,Doppler K,et al.Power Optimization of Device-to-device Communication Underlaying Cellular Communication[C]//IEEE International Conference on Communications (ICC 2009),Jun.2009:1-5.

[4]Yu C H,Doppler K,Ribeiro C B,et al.Resource Sharing Optimization for Device-to-device Communication Underlaying Cellular Networks[J].IEEE Transactions on Wireless Communications,2011,10(8):2752-2763.

[5]Min H,Lee J,Park S,et al.Capacity Enhancement Using an Interference Limited Area for Device-to-device Uplink Underlaying Cellular Network[J].IEEE Transactions on Wireless Communications,2011,10(12):3995-4000.

[6]Zulhasnine M,Huang C,Srinivasan A.Efficient Resource Allocation for Device-to-device Communication Underlaying LTE Network[C]//IEEE Wireless and Mobile Computing,Networking and Communications (WiMob 2010),Oct.2010:368-375.

[7]Feng D,Lu L,Wu Y Y,et al.Device-to device Communications Underlaying Cellular Networks[J].IEEE Transactions on Communications,2013,61(8):3541-3551.

[8]Cao J,Zhang T,Zeng Z,et al.Multi-relay Selection Schemes Based on Evolutionary Algorithm in Cooperative Relay Networks[J].International Journal of Communication Systems,2014,27(4):571-591.

[9]Kennedy J,Eberhart R.Particle Swarm Optimization[C]//IEEE International Conference on Neural Networks,1995,4(2):1942-1948.

[10]Lee D H,Choi,Jeon W S,et al.Two-stage Semidistributed Resource Management for Device-to-device Communication in Cellular Networks[J].IEEE Trans.Wireless Communications,2014,13(4):1908-1920.

[11]Li Y,Jin D,Yuan J.Coalitional Games for Resource Allocation in the Device-to-device Uplink Underlaying Cellular Networks[J].IEEE Trans.Wireless Communications,2014,13(7):3965-3977.

[12]Hoang T D,Le L B,Ngoc T L.Resource Allocation for D2D Communications Under Proportional Fairness[C]//IEEE GLOBECOM,Dec.2014:1259-1264.

Joint Resource Allocation and Power Control Scheme for D2D Communication

WANG Qiong,QIAO Kuan,YANG Zhong-hao

(School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications,Chongqing 400065,China)

Device-to-Device (D2D) communication is a promising technique for future cellular networks which can improve the system throughput and extend the battery lifetime of user equipments.However,enabling D2D communications in cellular networks causes interference because of spectrum sharing.In this paper,to mitigate the interference and make full use of the advantage of D2D communications,a joint spectrum resource allocation and power control (RAPC) scheme is proposed to maximize the total throughput while guaranteeing the minimum required rate for both D2D users and cellular users.The optimization problem of resource allocation and power control is formulated and the near-optimal solution is obtained by quantum particle swarm optimization (QPSO) method,in which the quantum particles represent the solutions of resource allocation and power control.A penalty function is formulated to delete the infeasible solutions.Simulation results show that the proposed scheme has a better performance on system throughput,power efficiency and minimum rate than other schemes.

Device-to-Device communication; resource allocation; power control; quantum particle swarm optimization

10.3969/j.issn.1003-3114.2016.05.05

引用格式：王瓊，喬寬，楊中豪.D2D通信的聯(lián)合資源分配和功率控制方法[J].無線電通信技術(shù),2016,42(5):18-22.

2016-06-10

新一代寬帶無線移動(dòng)通信網(wǎng)科技重大專項(xiàng)(2012ZX03000112-002)：國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)(2014AA01A706)

王瓊(1973—)，女，正高級(jí)工程師，主要研究方向：無線通信。喬寬(1988—)，男，碩士研究生，主要研究方向：信息與通信工程。

TN929.53

A

1003-3114(2016)05-18-5