李中捷，謝東朋，陳燚雷，劉倩倩

(中南民族大學(xué) 電子信息工程學(xué)院 智能無線通信湖北省重點(diǎn)實(shí)驗(yàn)室，武漢 430074)

無線通信的迅猛發(fā)展對(duì)網(wǎng)絡(luò)容量、數(shù)據(jù)傳輸速率、頻譜效率的要求越來越高。可直接通信,具有較小通信延遲的D2D通信成為近些年的研究熱點(diǎn)[1-3].D2D通信通過復(fù)用蜂窩用戶的資源提高頻譜效率，獲得更高的吞吐率和能量效率[4],但是復(fù)用蜂窩頻譜資源會(huì)在蜂窩用戶和D2D用戶之間產(chǎn)生嚴(yán)重的干擾[5].資源分配是解決因資源復(fù)用產(chǎn)生干擾問題的主要方法之一.在文獻(xiàn)[6]中,作者提出了一種基于圖表著色的資源分配算法,但該方案并沒有考慮用戶的服務(wù)質(zhì)量.在文獻(xiàn)[7]中,作者提出了一種基于局部搜索的資源分配算法,在滿足用戶服務(wù)質(zhì)量的前提下最大化系統(tǒng)的總?cè)萘?然而這個(gè)方案只能達(dá)到局部最優(yōu).基于估價(jià)理論的資源分配算法在文獻(xiàn)[8]和[9]中被提出,然而其中并沒有提到獲得的信號(hào)質(zhì)量.在文獻(xiàn)[10]中,作者以能效為優(yōu)化目標(biāo),提出了一種聯(lián)合資源和功率分配的策略,并引入反向迭代組合拍賣博弈得到了比較好的效果.上述的資源分配方案都是在傳統(tǒng)正六邊形蜂窩結(jié)構(gòu)下設(shè)計(jì)的,近年來由于具有異構(gòu)化、隨機(jī)化、密集化的新型異構(gòu)蜂窩網(wǎng)絡(luò)[11]的發(fā)展,在異構(gòu)蜂窩網(wǎng)絡(luò)下的蜂窩用戶和D2D用戶資源分配問題成為重要的研究方向.

魚群算法是李曉磊等人在2002年提出的一種新型仿生魚群算法[12],該算法通過人工模擬魚群,根據(jù)周圍環(huán)境狀態(tài)采用覓食、追尾、聚群和隨機(jī)4種行為找到食物濃度最大的位置.本文將人工魚群算法應(yīng)用到異構(gòu)蜂窩網(wǎng)絡(luò)中的D2D通信復(fù)用蜂窩用戶頻譜資源分配問題.該算法以最大化系統(tǒng)總?cè)萘繛槟繕?biāo)函數(shù),在一定約束條件下合理地為D2D用戶分配資源.仿真結(jié)果表明：該算法在保證用戶通信質(zhì)量的基礎(chǔ)上,能夠較好地優(yōu)化資源分配,提高系統(tǒng)總?cè)萘?

1 系統(tǒng)模型及問題描述

1.1 系統(tǒng)模型

宏蜂窩和微蜂窩構(gòu)成的異構(gòu)蜂窩網(wǎng)絡(luò)如圖1所示.假設(shè)宏蜂窩基站位于中心,微蜂窩基站的分布建模為密度為λs的齊次泊松點(diǎn)過程,蜂窩用戶和D2D對(duì)隨機(jī)分布.D2D用戶保護(hù)蜂窩用戶通信質(zhì)量的同時(shí),合理的復(fù)用子信道,獲得最大化系統(tǒng)總?cè)萘?

為了限制同信道干擾,本文假定一個(gè)異構(gòu)蜂窩用戶的信道資源至多被一個(gè)D2D對(duì)復(fù)用.集合M={1,2,…，C},W={1,2,…，J},H={1,2,…，D}分別代表宏蜂窩用戶、微蜂窩用戶和D2D對(duì)用戶.

圖1 系統(tǒng)模型Fig.1 The system model

1.2 通信用戶信干噪比(SINR)

本文考慮D2D通信復(fù)用異構(gòu)蜂窩網(wǎng)絡(luò)下行鏈路資源的情況.下面分別給出D2D用戶、宏蜂窩用戶和微蜂窩用戶的SINR.

1.2.1 D2D用戶SINR

當(dāng)D2D用戶、宏蜂窩用戶和微蜂窩用戶復(fù)用同一資源塊時(shí),D2D用戶接收信號(hào)時(shí)會(huì)受到宏蜂窩基站和微蜂窩基站的干擾.第d對(duì)D2D用戶的SINR如公式(1)所示:

(1)

1.2.2宏蜂窩用戶SINR

宏蜂窩用戶c獲得的信干噪比如公式(2)所示:

(2)

公式(2)中,GB,c表示宏基站B和宏蜂窩用戶c的信道增益,Gdt,c表示復(fù)用宏蜂窩用戶c資源D2D對(duì)d的發(fā)射方和宏蜂窩用戶c的信道增益,Gb,c表示微蜂窩基站b和宏蜂窩用戶c之間的信道增益.

1.2.3 微蜂窩用戶SINR

微蜂窩S0用戶j受到來自宏基站和其它微蜂窩基站l∈Φs/s0的干擾,信干噪比如公式(3)所示:

(3)

1.3 目標(biāo)函數(shù)及約束條件

假設(shè)信道帶寬為B,根據(jù)香農(nóng)公式,宏蜂窩用戶c,微蜂窩用戶j, D2D用戶d的吞吐量分別表示為公式(4),(5),(6).

Rc=Blog2(1+SINRc),

(4)

Rd=Blog2(1+SINRc),

(5)

Rj=Blog2(1+SINRj).

(6)

本文以系統(tǒng)總?cè)萘繛槟繕?biāo)函數(shù),在一定約束條件下,對(duì)異構(gòu)蜂窩網(wǎng)絡(luò)下行鏈路進(jìn)行資源分配,使總的系統(tǒng)容量最大.目標(biāo)函數(shù)和約束條件如公式(7)～(13)所示:

(7)

SINRd≥SINRd,threshold,?d∈H,

(8)

SINRc≥SINRc,threshold,?c∈M,

(9)

SINRj≥SINRj,threshold,?j∈W,

(10)

(11)

(12)

(13)

公式(8)～(10)保證宏蜂窩用戶、微蜂窩用戶和D2D用戶的信干噪比大于門限值.公式(11)保證一對(duì)D2D用戶只能復(fù)用一個(gè)宏蜂窩用戶或微蜂窩用戶的信道資源,公式(12)、(13)表示宏蜂窩用戶或者微蜂窩用戶最多只能和一個(gè)D2D用戶分享資源.

2 基于人工魚群的D2D通信資源分配算法

2.1 人工魚群算法簡(jiǎn)介

人工魚群算法是一種高效的群體智能優(yōu)化算法.通常在一片水域中,魚數(shù)量最多的地方說明食物越豐富.通過魚群的這個(gè)特點(diǎn)構(gòu)造大量的人工魚,每條人工魚對(duì)應(yīng)一個(gè)潛在的解,多條人工魚進(jìn)行合作,通過覓食，追尾行為來更新自己狀態(tài),多次迭代搜尋食物濃度最大的地方,即目標(biāo)函數(shù)值最大.下面定義人工魚群算法的三個(gè)概念[13].

1) 人工魚Xi和Xj之間的距離為兩者之間不相同分量的個(gè)數(shù),記為D(Xi,Xj).

2)Neigh(Xi,r)={X′|D(Xi,X′)

假設(shè)人工魚的視野跟人工魚的長(zhǎng)度lth(Xi)和迭代次數(shù)n有關(guān),最大迭代次數(shù)為maxN,人工魚Xi在第n次迭代的視野Visual(i,n)如公式(14)所示:

Visual(i，n)=

(14)

2.2 人工魚編碼

假設(shè)有D對(duì)D2D用戶,C個(gè)宏蜂窩用戶和J個(gè)微蜂窩用戶.為表示D2D用戶，宏蜂窩用戶以及微蜂窩用戶之間的復(fù)用關(guān)系,對(duì)人工魚進(jìn)行編碼,用編號(hào)1到C代表宏蜂窩用戶,編號(hào)C+1到C+J代表微蜂窩用戶.人工魚個(gè)體用向量X=(X1,X2,…，XD)表示,其中向量分量Xi∈(1,2,…，C+J)表示第i個(gè)D2D用戶復(fù)用的蜂窩用戶資源.

2.3 交換匹配

2.4 人工魚行為描述

2.4.1 覓食行為

2.4.2 聚群行為

2.4.3 追尾行為

2.5 AFSRA算法流程圖

設(shè)置迭代次數(shù)為n,最大迭代次數(shù)maxN,初始化的人工魚狀態(tài)X,魚群數(shù)目fishnum,嘗試次數(shù)trynum,人工魚擁擠度因子δ,視野Visual.引入公告板記錄最優(yōu)目標(biāo)函數(shù)值Yopt,數(shù)組Y中儲(chǔ)存每條人工魚對(duì)應(yīng)的目標(biāo)函數(shù)值.算法流程圖如圖2所示.

圖2 AFSRA算法流程圖Fig.2 The flow chart of AFSRA

2.6 算法復(fù)雜度分析

隨機(jī)資源分配算法不進(jìn)行目標(biāo)函數(shù)的優(yōu)化,只需滿足公式(8)～(10)即可獲得一種分配方案,不需要計(jì)算系統(tǒng)總?cè)萘?人工魚群算法增加的計(jì)算量是搜索最優(yōu)系統(tǒng)總?cè)萘窟^程,每條人工魚執(zhí)行一次聚群行為或者追尾行為時(shí)最多計(jì)算trynum次系統(tǒng)容量,所以人工魚群算法的優(yōu)化過程最多計(jì)算2×maxN×fishnum×trynum次系統(tǒng)容量.

3 仿真結(jié)果

3.1 仿真環(huán)境

一個(gè)宏蜂窩用戶、微蜂窩用戶和D2D用戶共存的異構(gòu)蜂窩網(wǎng)絡(luò)模型中,宏蜂窩小區(qū)的半徑為1000 m,宏蜂窩用戶和微蜂窩用戶的總數(shù)為100,D2D用戶對(duì)數(shù)目介于10～100之間,用戶隨機(jī)分布在小區(qū)中,每對(duì)D2D用戶通信的最大距離不超過15 m.人工魚群算法的控制參數(shù)設(shè)置為:人工魚數(shù)目20條,人工魚擁擠度因子為δ=0.8,嘗試次數(shù)trynum=100,移動(dòng)步長(zhǎng)取決于執(zhí)行交換匹配后的狀態(tài),具體的仿真參數(shù)如表1所示.

表1 仿真參數(shù)

3.2 性能分析

圖3表示AFSRA和隨機(jī)資源分配算法在不同D2D對(duì)用戶數(shù)目下的系統(tǒng)總?cè)萘?實(shí)驗(yàn)結(jié)果表明,當(dāng)信噪干擾比門限和D2D用戶數(shù)目相同時(shí),AFSRA算法的系統(tǒng)總?cè)萘匡@著地比隨機(jī)資源分配算法大,隨著D2D用戶數(shù)的增加,兩種資源分配算法下的系統(tǒng)總?cè)萘慷贾饾u增加,并且信干噪比門限越高,系統(tǒng)的總?cè)萘吭降?

圖3 不同D2D對(duì)用戶數(shù)下的系統(tǒng)總?cè)萘縁ig.3 System sum capacity versus the number of D2D pairs

圖4表示不同的信干噪比門限下AFSRA算法的收斂速度及系統(tǒng)總?cè)萘孔兓?從圖中可以看出,系統(tǒng)容量隨著迭代次數(shù)的增多而增加,當(dāng)?shù)_(dá)到一定次數(shù)時(shí),總?cè)萘坎辉僭黾舆_(dá)到最大值,實(shí)驗(yàn)結(jié)果表明人工魚群算法具有較快地收斂速度,一般經(jīng)過6次迭代即可收斂.而且信干噪比門限值越低,系統(tǒng)容量越大,因?yàn)樾鸥稍氡乳T限值越低,蜂窩用戶容許的干擾就越大,可以讓更多的D2D用戶通信,所以仿真結(jié)果和理論的結(jié)果一致.

圖4 不同干擾門限下系統(tǒng)總?cè)萘康氖諗啃訤ig.4 Convergence of system sum capacity versus different SINR threshold

圖5表示不同微蜂窩基站密度下系統(tǒng)總?cè)萘康淖兓?實(shí)驗(yàn)結(jié)果表明,由于微蜂窩基站密度的提高,微基站數(shù)據(jù)增加,通信用戶受到微基站的干擾增加,所以系統(tǒng)總?cè)萘坎粩嘟档?

圖5 不同微蜂窩基站密度下的系統(tǒng)總?cè)萘縁ig.5 System sum capacity versus different small base station density

4 結(jié)束語

本文提出一種基于人工魚群的資源分配算法來解決D2D通信復(fù)用異構(gòu)蜂窩網(wǎng)絡(luò)下行鏈路資源分配問題.算法實(shí)現(xiàn)過程中引入交換匹配操作和變化的人工魚視野,能夠更快找到目標(biāo)函數(shù)最大值,減少收斂時(shí)間.實(shí)驗(yàn)結(jié)果表明,在保證蜂窩用戶通信服務(wù)質(zhì)量的情況下,AFSRA算法只需較少的迭代次數(shù)即可收斂,通過適當(dāng)增加的計(jì)算量,獲得的系統(tǒng)總?cè)萘績(jī)?yōu)于隨機(jī)資源分配算法.由于本文中各基站都采用固定的發(fā)射功率,為保證通信服務(wù)質(zhì)量,小區(qū)邊緣用戶占用的信道資源被復(fù)用的可能性較低,從而降低網(wǎng)絡(luò)的總?cè)萘?因此在后續(xù)的研究中將加入功率控制,通過功率控制和資源分配的聯(lián)合優(yōu)化方法提高網(wǎng)絡(luò)總?cè)萘?

參 考 文 獻(xiàn)

[1] Kaufman B，Aazhang B，et al. Cellular networks with an overlaid device to device network [C]// IEEE. 42nd Asilomar Conference on Systems and Computers. Pacific Grove: IEEE, 2008: 1537-1541.

[2] Doppler K, Rinne M, Wijting C, et al. Device-to-device communication as an underlay to LTE-advanced networks [J]. Communications Magazine, 2009, 47(12): 42-49.

[3] Peng T, Lu T, Wang H, et al. Interference avoidance mechanisms in the hybrid cellular and device-to-device

systems [C]// IEEE. 20th International Symposium on Personal, Indoor and Mobile Radio Communications. Tokyo: IEEE, 2009: 617-621.

[4] Goratti T, Steri G, Gomez K M, et al. Connectivity and security in a D2D communication protocol for public safety applications [C]// IEEE. 11th International Symposium on Wireless Communications Systems (ISWCS). Barcelona: IEEE, 2014: 548-552.

[5] Huang J, Yin Y, Sun Y, et al. Game theoretic resource allocation for multicell d2d communications with incomplete information [C]// IEEE. International Conference on Communications (ICC). London: IEEE, 2015: 3039-3044.

[6] Zhang H, Wang T, Song L, et al. Graph-based resource allocation for d2d communications underlaying cellular networks [C]// IEEE. International Conference on Communications. Xi′an: IEEE, 2013: 187-192.

[7] Islam M T, Akl S, Choudhury S, et al. A local search algorithm for resource allocation for underlaying device-to-device communications [C]// IEEE. International Conference on Global Communications (GLOBECOM). San Diego: IEEE, 2015: 1-6.

[8] Xu C, Song L, Zhao Q. Efficiency resource allocation for device-to-device underlay communication systems: A reverse iterative combinatorial auction based approach [J]. IEEE Journal on Selected Areas in Communications, 2013, 31(9): 348-358.

[9] Song L, Han Z, Zhao Q, et al. Interference-aware resource allocation for device-to-device communications as an underlay using sequential second price auction [C]// IEEE. International Conference on Communications (ICC). Ottawa: IEEE, 2012: 445-449.

[10] Wang F,Xu C,Song L,et al.Energy-efficient radio resource

and power allocation for device-to-device communication underlaying cellular networks [C]// IEEE. International Conference on Wireless Communications and Signal Processing (WCSP). Huangshan: IEEE, 2012: 1-6.

[11] 李中捷, 黃傳虎. 基于隨機(jī)幾何理論的多層異構(gòu)蜂窩網(wǎng)絡(luò)性能分析[J]. 中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017, 36(1):76-80.

[12] 李曉磊, 錢積新. 人工魚群算法:自上而下的尋優(yōu)模式[J]. 系統(tǒng)工程理論與實(shí)踐, 2002, 2(3):76-82.

[13] 李曉磊, 路 飛, 田國(guó)會(huì)，等. 組合優(yōu)化問題的人工魚群算法應(yīng)用[J]. 山東大學(xué)學(xué)報(bào)(工學(xué)版), 2004, 34 (05): 64-67.