D2D通信的聯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 通信與信息工程學院，重慶 400065)

?

D2D通信的聯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 通信與信息工程學院，重慶 400065)

設備到設備(D2D)通信對未來蜂窩網絡是一種很有前途的技術，它可以有效地提高系統的吞吐量和延長用戶設備的電池壽命。然而，在蜂窩網絡中，D2D通信共享頻譜會造成干擾。為消除干擾，充分利用D2D通信的優勢，提出了一個聯合的頻譜資源分配和功率控制(RAPC)方法，該方法能夠實現總吞吐量最大化，同時保證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化問題，通過量子粒子群(QPSO)得到近似優化方案的最優解，其中的量子粒子代表資源分配和功率控制的方法，同時制定懲罰函數刪除不可行的方法。仿真結果表明，該方法具有更好的性能、系統吞吐量、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；量子粒子群優化

0　引言

隨著本地服務對更高的數據速率需求而增加，D2D通信被認為是組成蜂窩網絡的一個插件，提高頻譜利用率，增加細小區的容量，并減少能耗[1]。在D2D通信中，用戶設備可以通過復用蜂窩資源的一個直聯鏈路彼此傳輸數據信號，而不是在蜂窩網絡使用上行鏈路或下行鏈路資源傳輸數據信號[1-2]。

雖然D2D通信帶來大量的好處，但是由于資源復用也會干擾到蜂窩設備。因此，有效的干擾協調是D2D通信研究的一個重要問題。文獻[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[4-7]制定更有效的干擾協調方案，以保證目標在網絡中的用戶的性能。在文獻[4]中，分析了資源優化配置和一個D2D用戶和一個蜂窩用戶以不同的資源共享模式的功率控制，結果表明，在有限的干擾情況下，通過適當的資源管理，D2D通信能夠有效地提高系統的吞吐量。文獻[5]提出了一個干擾的控制方案，一個D2D用戶和多個蜂窩用戶，在嚴格干擾約束的條件下，在下行采用干擾受限的區域控制方法，蜂窩用戶在干擾受限的區域附近的沒有預制。文獻[6-7]研究了多個D2D用戶復用蜂窩用戶的頻譜資源。文獻[7]提出了一種貪婪的啟發式資源分配算法，以減少基站(基站)的干擾。然而，在文獻[6-7]中，每個D2D用戶只可復用一個蜂窩用戶的頻譜資源。

為了最大限度地提高網絡的實用性，研究提出比上述更靈活的頻譜資源分配(RA)方法，其中一個蜂窩用戶的資源可以由多個D2D用戶共享，同理D2D對可復用多個蜂窩用戶的資源。此外，功率控制被認為是減輕干擾，提高頻譜效率考慮的方案。本文的目標是最大限度地提高系統的吞吐量，同時保證所有用戶的最低速率請求。

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化算法(QPSO)求解優化問題，具有量子理論和粒子群優化(PSO)的優勢[8]。但QPSO[8]只能解決離散優化問題。由于聯合資源分配和功率控制問題是離散和連續變量的混合優化問題，所以提出了一個新穎的量子粒子群來解決。據我們所知，沒有任何現有的研究應用QPSO算法，解決蜂窩網絡中D2D通信的聯合資源分配和功率控制的問題。

1　網絡模型和問題描述

文中，考慮的是共享蜂窩網絡的上行鏈路(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D2D通信與蜂窩通信共用同一個資源。因此，需要的D2D通信對蜂窩網絡的干擾被限制在保持蜂窩網絡的目標性能水平。該BS的所有鏈路具有完美信道狀態信息(CSI)，基于CSI可用的資源被分配給所述蜂窩用戶和D2D對。

圖1　蜂窩網絡中D2D通信系統模型

(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n的發射機對蜂窩用戶m產生的干擾增益。同時，gn和gm,n分別表示D2D對n的信道增益和蜂窩用戶m對D2D對n的接收機的干擾增益。pm,k和pn,k分別表示蜂窩用戶m和D2D對n在第k個RB上的發射功率。ym,k表示一個二進制變量，滿足ym,k=1的在第k個RB分給蜂窩用戶m。類似的，yn,k=1是第k個資源塊RB分配給D2D對n。σ2為熱噪聲功率，B為一個RB的帶寬。

目標是最大限度地提高蜂窩用戶和D2D對的總速率，可以表述如下：

(3)

(4)

(5)

(6)

(7)

(8)

(9)

這個問題可以歸結為一個混合整數規劃(MIP)包含連續變量和整型變量。由于其復雜性，量子粒子群優化(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，對基于QPSO算法的聯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化問題。

2.1量子粒子群優化

量子粒子群優化(QPSO)是一種高效的優化算法，通過改進的PSO算法[9]。它是由一組量子粒子集的社會行為啟發。每一個量子粒子代表的候選解決方案的問題，通過多維搜索空間，找到最優解或子最優解。量子粒子群算法采用量子編碼，稱為量子比特，對于概率描述，量子速度和量子位置被定義為量子比特的一個字符串。在QPSO算法一個量子比特定義最小信息單位，表示為一對組合號碼(α,β)，|α|2+|β|2=1。|α|2和|β|2分別表示是隨機數0和1的概率。如果粒子群有I個量子，并且每個量子粒子i是J維。量子i在t時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)次迭代時根據下式更新：

(12)

量子速度的演化過程主要是通過量子旋轉門進行的：

(13)

設計簡單和高效的QPSO算法，定義αij和βij是一個實數，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是一個變化概率，是一個常數。

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對映射那個將獲得RB資源塊k。以這種方式將會滿足等式(4)、式(5)。m∈Μ表示蜂窩用戶m的發射功率，同時，xi(2K+M+n)，n∈N表示D2D對的發射功率。

在資源分配和功率控制方案中量子粒子位置的映射規則可以描述如下：

x'ij=li+xij(ui-li)，

(20)

式中，li是第i維時刻的較低下限，ui是第i維時刻的較高上限。總之，xij,li=0，ui則為：

(21)

(22)

式中，G(x)是接近x的整數。相應的函數的定義如下：

(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：設置T為最大的迭代數，J為粒子數。基于量子編碼機制隨機產生一個初始粒子群。

For t=1:T

For j=1:J

根據式(20)、式(21)和式(22)映射量子位置

根據式(23)和式(24)進行適當計算。

END

更新每個量子粒子的局部最優位置。

更新整個量子粒子群的全局最優量子位置。

根據式(12)、 式(17)和式(18) 更新量子位置和速度。

END

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

3　仿真結果與分析

在這一部分，D2D通信在一個單一的蜂窩網絡中，是一個矩形的面積為500 m×500 m。基站BS位于該區域的中間，蜂窩用戶和D2D對均勻分布在該小區。D2D通信發射機和接收機之間的距離為50 m的范圍內。信道增益包括路徑損耗和瑞利衰落。兩個節點之間的路徑損耗建模為g=(d)-4，其中，d是兩個節點之間的距離[5]。基站BS和D2D接收機之間的噪聲功率-174 dBm/Hz。為簡單起見，蜂窩用戶和D2D用戶發射功率都設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，其中每個資源塊的帶寬是180 kHz。對于PSO和QPSO，粒子數J=20，最大的迭代次數為100。對于PSO方案，參數設置按照文獻[8]進行設置。對于QPSO方案，加速系數b1=0.3和b2=0.7。轉變的概率為c=1/400。數值結果平均超過1 000個場景。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)方案和貪婪啟發式(HEURISTIC)方案[6]。對于QPSO-RAPC和PSO-RA最優化問題的維數為2K。比較了該系統的適應性、系統吞吐率、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現更快和更高的收斂性能，這是因為適當的功率控制可以減少干擾。QPSO-RAPC和QPSO-RA分別優于PSO-RAPC和PSO-RA，因為量子粒子群算法(QPSO)比PSO算法具有更好的能力尋找最優解。當迭代次數小時，由于罰函數是負的。

圖2　不同迭代次數下方案的適性

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，因為系統的總吞吐量下降，來保證用戶的最小速率。除了當最小速率大于3 Mbps,采用RA法方案優于啟發式(HEURISTIC)的。RAPC方案比RA方案更高的吞吐量，因為適當的功率控制可以減少蜂窩用戶和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，所需的最小速率設置為1.5 Mbps。功率效率被定義為系統的吞吐量和系統功耗的比率。RA方案的功率效率高于啟發式的功率效率，很明顯含有功率控制的方案能大大提高了系統的功率效率。這是因為不考慮功率控制時，蜂窩用戶和D2D用戶用全部的功率進行傳輸。此外，基于QPSO算法的性能優于基于PSO的方案，驗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。這是因為，最低速率可能會超過系統所能提供的。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，保證率在80%以上，在用戶保證率相同時，與其他方法相比啟發式(HEURISTIC)性能最差。這是因為資源復用的方法缺乏靈活性，一個D2D對只能復用至多一個蜂窩用戶的RBs。

圖5　比較不同方案的最小速率保證率

4　結束語

基于蜂窩網絡提出了一個基于QPSO算法的聯合資源分配和功率控制的D2D通信方案。D2D用戶可以復用蜂窩用戶資源。該方案實現吞吐量最大化，同時滿足蜂窩用戶和D2D用戶所需的最小速度。仿真結果，表明在系統吞吐量、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通信的聯合資源分配和功率控制方法[J].無線電通信技術,2016,42(5):18-22.

2016-06-10

新一代寬帶無線移動通信網科技重大專項(2012ZX03000112-002)：國家高技術研究發展計劃(863計劃)(2014AA01A706)

王瓊(1973—)，女，正高級工程師，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