李中捷，吳婉敏，高偉

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

為滿足移動(dòng)數(shù)據(jù)流量、寬帶服務(wù)和大量連接設(shè)備爆炸式增長的需求，5G移動(dòng)通信網(wǎng)絡(luò)應(yīng)能支持速率達(dá)Gbps量級(jí)的數(shù)據(jù)連接傳輸服務(wù)[1].設(shè)備到設(shè)備(Device-to-device，D2D)之間直接通信，可以顯著提高流量卸載、端到端容量，降低能量消耗、數(shù)據(jù)包傳輸延遲等[2].毫米波提供更大的帶寬并具有高度定向的傳播特性，通過使用D2D通信和毫米波傳輸方案相結(jié)合，可以進(jìn)一步發(fā)揮D2D通信的優(yōu)勢(shì)[3].但毫米波鏈路預(yù)算差、傳播損耗高、可靠性低、覆蓋范圍小，遇到障礙物衍射效果差，如何保證D2D通信鏈路高質(zhì)量數(shù)據(jù)傳輸是毫米波通信的巨大挑戰(zhàn).

在通信鏈路直接連接碰到阻塞時(shí)，為了在D2D 毫米波通信中實(shí)現(xiàn)可靠傳輸，文獻(xiàn)[4]采用IEEE 802.11ad中的快速頻率切換技術(shù)，將毫米波頻段切換到較低頻率的頻帶來克服毫米波阻塞敏感問題.文獻(xiàn)[5]中D2D設(shè)備能夠發(fā)現(xiàn)毫米波頻段的LOS鏈路，但LOS鏈路并不總是可用，必要時(shí)切換到微波頻段，仿真表明必要的切換明顯優(yōu)于單頻通信的性能.但是，快速頻率切換技術(shù)極大地降低了系統(tǒng)的頻譜效率.為了解決該問題，可以合理利用中繼節(jié)點(diǎn)，文獻(xiàn)[6]中分析了中繼輔助毫米波網(wǎng)絡(luò)的覆蓋概率，推出了低密度和超高密度網(wǎng)絡(luò)的信噪比分布，仿真結(jié)果驗(yàn)證了中繼輔助毫米波網(wǎng)絡(luò)的優(yōu)越性.但通常最佳中繼是未知的，如何選擇一個(gè)最佳中繼，以進(jìn)一步提高系統(tǒng)性能成為一個(gè)關(guān)鍵問題.

目前基于毫米波的D2D通信已經(jīng)提出了幾種中繼選擇方案.例如文獻(xiàn)[7]提出微控制器的中繼選擇方案，通過將長路徑分為數(shù)個(gè)短路徑進(jìn)行中繼傳輸.在文獻(xiàn)[8]中研究了室內(nèi)60 GHz中繼輔助通信的吞吐量和中斷性能，通過視距路徑、半雙工中繼節(jié)點(diǎn)來建立通信路徑，可以大大提高平均吞吐量，并減少中斷的可能性.文獻(xiàn)[9]提出60 GHz網(wǎng)絡(luò)中的最佳中繼選擇方案，計(jì)算發(fā)送端到中繼之間(dsri)與中繼到接收端之間(drid)的最小距離差(即εi=|dsri+drid|)，并選擇最佳中繼.文獻(xiàn)[10]中考慮阻塞效應(yīng)，推出兩種中繼選擇技術(shù)的端到端信噪比(Signal-to-Noise Ratio，SNR)的閉式表達(dá)式，即最佳路徑選擇和最佳中繼選擇.前者可以使傳輸路徑受最少的阻塞影響，后者可以優(yōu)化端到端SNR.文獻(xiàn)[11]中在毫米波D2D通信環(huán)境下使用全雙工中繼選擇，基于非線性分?jǐn)?shù)規(guī)劃的迭代功率分配算法來優(yōu)化能量效率，提出了瓶頸效應(yīng)消除的功率調(diào)整算法，在降低傳輸功率的同時(shí)保持端到端的容量.但是這些技術(shù)并不能保證選擇一個(gè)具有低復(fù)雜度和高性能的最佳中繼，也沒有合適的中繼節(jié)點(diǎn)評(píng)估標(biāo)準(zhǔn)，用來保證高密度D2D毫米波通信中的通信可靠性.

本文針對(duì)毫米波環(huán)境下的D2D設(shè)備分布情況，提出一種基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的方法，學(xué)習(xí)如何預(yù)測(cè)具有低復(fù)雜性和高性能的最佳中繼，提高可靠性.所提方案考慮設(shè)備分布情況、設(shè)備剩余電量、信號(hào)強(qiáng)度，從吞吐量和能量效率方面分析所提算法的性能.更具體地說，主要實(shí)現(xiàn)兩個(gè)目標(biāo)：(1)學(xué)習(xí)如何優(yōu)化中繼鏈路的選擇，可以讓D2D鏈路的能量效率最大化；(2)學(xué)習(xí)如何直接在D2D用戶之間預(yù)測(cè)合適的最佳中繼，提高毫米波的可靠性通信.

1 系統(tǒng)模型

D2D中繼主要目標(biāo)是改善區(qū)域覆蓋并克服mmWave頻帶對(duì)阻塞的敏感性問題，選擇一個(gè)合適的最佳中繼可以很好地改善毫米波D2D通信的性能.

1.1 D2D通信用戶分布及中繼選擇

圖1 D2D毫米波通信的中繼選擇

(1)用戶分布：如圖1所示，考慮在毫米波網(wǎng)絡(luò)環(huán)境下基于中繼輔助的D2D通信.假設(shè)所有用戶都是泊松點(diǎn)過程分布，在通信過程中，D2D通信的直連鏈路遇到障礙物(人或者建筑物等)時(shí)，可以選擇頻帶切換技術(shù)[4,5]，也可以選擇單跳或者多跳中繼來繞過障礙物[7-11].本文優(yōu)先考慮使用中繼選擇策略.

(2)中繼輔助：如圖2所示，假設(shè)總共有N個(gè)D2D用戶設(shè)備，在D2D毫米波通信鏈路被阻塞的情況下，D2D網(wǎng)絡(luò)中的每個(gè)空閑設(shè)備都可以充當(dāng)候選中繼(即UERelay)來繞過障礙物重新建立D2D通信鏈路連接.從源D2D到中繼的傳輸過程為階段一(si→rj)，中繼到目的D2D的傳輸過程為階段二(rj→di).

圖2 中繼輔助毫米波D2D網(wǎng)絡(luò)

其中，R={rj},表示中繼，S={si}和D={di},i=1,2,…,N/2表示的是源D2D和目的D2D.

1.2 毫米波D2D信道模型

大規(guī)模的天線陣列增益能夠克服由于毫米波傳播損耗和穿透損耗高造成的覆蓋范圍限制，并建立可靠的鏈路連接.假設(shè)每個(gè)節(jié)點(diǎn)都具有相同的傳輸功率，每個(gè)發(fā)送端使用Nt個(gè)天線元件，接收端使用Nr個(gè)天線元件，傳統(tǒng)MIMO系統(tǒng)中進(jìn)行波束成形訓(xùn)練(beamforming Training，BT)使用IEEE 802.15.3c碼本[4]，采用2比特量化精度，即4相位偏移，表達(dá)式如下：

(1)

其中w=0,…，Nt-1,m=1,…,M-1,Nt為天線單元數(shù)，M為碼本中的波束數(shù).本文采用幾何信道模型來捕獲mmWave大規(guī)模MIMO信道的特性，具有L個(gè)傳播路徑的mmWave信道模型可表示如下：

(2)

其中ρ是平均路徑損耗，L表示的路徑數(shù)，αl表示第l路徑的復(fù)合增益，方位角AoD和AoA分別是θl∈[0,2π]和φl∈[0,2π].采用均勻線性陣列天線，as(θt)、ad(φt)分別表示相應(yīng)的陣列導(dǎo)向矢量，表示如下

(3)

(4)

x和λ分別表示天線元件間距和信號(hào)波長，假設(shè)D2D用戶的天線權(quán)重矢量都指向mtx和mrx波束模式的情況下，對(duì)應(yīng)于接收端的接收信號(hào)可以表示如下：

y=krx[:,mrx]HHktx[:,mtx]s+krx[:,mrx]Hn.

(5)

其中，s表示的是發(fā)射信號(hào)，H代表信道矩陣，ktx[:,mtx]表示的是在TX碼本ktx中對(duì)應(yīng)于mtx列的天線權(quán)重矢量，krx[:,mrx]表示的是在RX碼本krx中對(duì)應(yīng)于mrx列的天線權(quán)重矢量，n表示加性高斯白噪聲噪聲(Additive White Gaussian Noise，AWGN).

1.3 毫米波通信的阻塞模型

毫米波通信對(duì)阻塞極其敏感，且具有低散射的特點(diǎn)，因此幾乎是視距(Line of Sight，LOS)通信.本文中，毫米波通信阻塞模型是基于收發(fā)器之間的距離d和障礙物的形狀和密度ε來建立的，LOS被阻塞的概率可表示如下[12]：

P(LOS)=e-εd.

(6)

2 性能指標(biāo)

假設(shè)每個(gè)D2D對(duì)可以選擇一對(duì)發(fā)送和接收天線以通過子信道發(fā)送，所有中繼和D2D對(duì)都可以控制天線波束以形成傳輸路徑.階段一的信號(hào)與干擾加噪聲比(Signal to Interference plus Noise Ratio, SINR)為

(7)

Psi,rj、hsi,rj分別表示階段一第i個(gè)和第j個(gè)設(shè)備之間(設(shè)備i指的是D2D通信終端設(shè)備，設(shè)備j指的是候選中繼設(shè)備)的發(fā)射功率和信道增益.W、N0分別表示子信道帶寬和AWGN的功率譜密度，Prj,di、hLI分別表示階段二的發(fā)射功率和用于模擬全雙工中繼方案的殘余自干擾(Self-interference，SI)影響的信道增益.這里假設(shè)可以應(yīng)用一些SI消除技術(shù)，使得可以獲得使用全雙工中繼的好處.類似地，階段二的SINR可以寫為

(8)

hsi,di表示第i個(gè)D2D對(duì)的直接鏈路的信道增益，其他的類似于(7)，因此Psi,rjhsi,di表示的是聯(lián)合信道干擾.

2.1 D2D對(duì)的吞吐量

中繼輔助D2D對(duì)的吞吐量可以定義為

R=Wmin[log2(1+SINRsi,rj),log2(1+SINRrj,di)]=

(9)

其中W表示的是信道的帶寬.

2.2 能量效率

在香農(nóng)定理中，信道容量C=Wlog2(1+SINR).頻譜效率(Spectral Efficiency，SE)可以定義為

(10)

能量效率(Energy Efficient，EE)定義為網(wǎng)絡(luò)中通信鏈路的頻譜效率與總功耗之比，EE表達(dá)式如下：

(11)

(12)

其中SEsi、Tsi分別表示階段一的頻譜效率和總功耗，SErj、Trj分別表示階段二的頻譜效率和總功耗，Pcir表示總電路功率，η表示功率放大器效率.端到端EE可以定義為[9]

(13)

其中pi=(si,di)的端到端容量是

min[W×SEsi(Psi,rj),W×SErj(Prj,di)].

(14)

3 深度學(xué)習(xí)算法

3.1 模型描述

圖3 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)

為了選擇具有低復(fù)雜度和高性能的最佳中繼，本文提出一種基于深度學(xué)習(xí)的中繼選擇方案.如圖3所示，本方案先采用卷積層對(duì)用戶分布情況以及設(shè)備剩余電量進(jìn)行特征提取，然后通過全連接層選擇最佳中繼索引號(hào).該方案考慮設(shè)備之間的距離d、設(shè)備的剩余電量B，因此D2D毫米波的中繼選擇可以轉(zhuǎn)換為以下能量效率優(yōu)化問題，即找出最大化D2D通信鏈路的EE.

(15)

3.2 深度學(xué)習(xí)建模

本文所提模型由兩個(gè)主要部分組成：

(1)特征提取部分：它學(xué)習(xí)如何從設(shè)備分布信息中提取關(guān)鍵特征.將設(shè)備分布信息和設(shè)備剩余電池能量輸入到卷積層神經(jīng)網(wǎng)絡(luò)中實(shí)現(xiàn)對(duì)分布特征的提取.卷積層采用32個(gè)卷積核，每個(gè)卷積核的大小為2×2，步幅為1；卷積層的輸出將作為池化層的輸入，池化層采用的是最大池化，池化核大小為2×2.

(2)中繼選擇部分：通過提取的特征選擇出最佳中繼索引號(hào).為了通過提取出的特征選擇出最佳中繼的索引號(hào)，將第一部分提取出的特征矩陣輸入進(jìn)兩層全連接層.第一層全連接層大小與候選中繼個(gè)數(shù)相等，激活函數(shù)采用softmax將輸出結(jié)果轉(zhuǎn)換為中繼被選取的概率，之后對(duì)結(jié)果采用批量歸一化.第二層大小與第一層相同，激活函數(shù)采用maxout，即選出最優(yōu)的中繼索引號(hào).

深度學(xué)習(xí)模型基于學(xué)習(xí)階段訓(xùn)練的模型來預(yù)測(cè)最佳中繼，然后計(jì)算出EE最大化的mmWave的可靠性通信.

此外測(cè)量預(yù)測(cè)階段的均方誤差(Mean Squared Error，MSE)，來計(jì)算神經(jīng)網(wǎng)絡(luò)對(duì)于每個(gè)輸入的的損失函數(shù)，MSE定義如下：

(16)

學(xué)習(xí)率(Learning Rate，LR)是每次參數(shù)更新的幅度.在訓(xùn)練過程中，每層都要不斷地適應(yīng)上一層由于輸入分布不斷變化所帶來的新權(quán)重分布，這樣就需要設(shè)置更小的學(xué)習(xí)率和更嚴(yán)格的參數(shù)初始化.本文通過將批量歸一化(Batch Normalization, BN)放在激活函數(shù)之后，利用小批量的均值和方差調(diào)整輸出分布，使得采用較大的學(xué)習(xí)率仍能夠取得較好的精度.同時(shí)有效避免反向傳播時(shí)的梯度消失、梯度爆炸等現(xiàn)象.

訓(xùn)練過程采用端到端監(jiān)督學(xué)習(xí)方式，即原始數(shù)據(jù)到期望輸出的映射.每一層都會(huì)根據(jù)預(yù)測(cè)結(jié)果與真實(shí)結(jié)果的誤差來做調(diào)整，直到模型達(dá)到預(yù)期效果.測(cè)試過程是以一種無監(jiān)督的學(xué)習(xí)方式來優(yōu)化D2D鏈路的中繼選擇.深度學(xué)習(xí)的輸出預(yù)測(cè)有助于在采用神經(jīng)網(wǎng)絡(luò)架構(gòu)的毫米波通信中，進(jìn)行中繼選擇的決策.最后基于均方誤差MSE計(jì)算神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)選擇的損失函數(shù).

4 仿真分析

表1 仿真參數(shù)

本文采用數(shù)據(jù)集為毫米波MIMO環(huán)境下的D2D通信數(shù)據(jù)集對(duì)本文所提模型進(jìn)行訓(xùn)練和測(cè)試，包括信道矩陣和設(shè)備位置.可以通過調(diào)整參數(shù)，如設(shè)備位置、設(shè)備之間的距離等，來產(chǎn)生符合其所需的數(shù)據(jù)集，仿真參數(shù)列于表1.為簡(jiǎn)單起見，假設(shè)發(fā)射機(jī)和接收機(jī)都采用4根天線，模型使用Keras庫和TensorFlow后端實(shí)現(xiàn)，反向傳播過程使用Adam優(yōu)化器，批量大小為512，學(xué)習(xí)率為0.01.對(duì)所提出模型進(jìn)行仿真分析，評(píng)估提出的中繼選擇方案在D2D毫米波通信中準(zhǔn)確性、吞吐量和能量效率方面的性能，同時(shí)與IEEE 802.11ad中的傳統(tǒng)技術(shù)相比較[4].

圖4 模型精度

評(píng)估所提出的深度學(xué)習(xí)方法的準(zhǔn)確性，為了獲得深度學(xué)習(xí)模型的最佳預(yù)測(cè)，將訓(xùn)練過程所需的數(shù)據(jù)集稱為訓(xùn)練樣本.訓(xùn)練過程在不斷的權(quán)重更新迭代后選出合適的權(quán)重讓模型收斂且達(dá)到最佳精度.接下來對(duì)模型進(jìn)行測(cè)試，測(cè)試過程是測(cè)試模型的性能.如圖4所示，在訓(xùn)練大約八千個(gè)樣本的數(shù)據(jù)集大小之后，模型輸出的MSE近似飽和.測(cè)試結(jié)果表明模型的精度較高，性能較好.

圖5 不同阻塞概率下的可達(dá)速率

圖5比較了在不同阻塞概率情況下的可達(dá)速率，其中SINR=20 dB，N=200.從圖5可以看出，當(dāng)P(LOS)增加時(shí)，可達(dá)速率降低，但本文方案與文獻(xiàn)[4]的性能相比較，所提方案明顯具有更高的數(shù)據(jù)速率性能.

圖6 系統(tǒng)吞吐量比較

如圖6所示，在傳統(tǒng)方案[4]中P(LOS)為0.1和0.5情況下，與本文提出的中繼選擇方案的吞吐量做比較.從圖中可以清楚地看出，所提出中繼選擇方案的吞吐量?jī)?yōu)于傳統(tǒng)的毫米波D2D通信，尤其是在阻塞概率較大的情況下.

圖7 能量效率比較

圖7中的結(jié)果顯示了在N=200時(shí)，文獻(xiàn)[4]的方案與本文所提出的中繼選擇方案相比，在P(LOS)相同情況下，所提方案的能量效率優(yōu)于文獻(xiàn)[4]中的算法.由于LOS受到阻塞，當(dāng)P(LOS)增加時(shí)，能量效率降低，提出的方案的能效會(huì)隨著P(LOS)增加而降低.本文提出的方案成功地克服了文獻(xiàn)[4]中對(duì)于遇到阻塞情況的不足，優(yōu)化5G中D2D 毫米波通信的性能.

5 結(jié)論

本文在D2D毫米波通信環(huán)境下，提出了基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的中繼選擇優(yōu)化算法，所提出的深度學(xué)習(xí)模型是為了克服在毫米波通信技術(shù)中選擇出最佳中繼的挑戰(zhàn).D2D通信中遇到鏈路阻塞時(shí)，候選設(shè)備可以被選擇作為中繼，深度學(xué)習(xí)模型可以預(yù)測(cè)高可靠性通信下用來中繼數(shù)據(jù)的最佳中繼.仿真結(jié)果表明，所提出的中繼選擇方案在頻譜效率和能量效率方面優(yōu)于文獻(xiàn)[4]中D2D 毫米波通信遇到阻塞的頻率切換方案.