基于蜂窝网络的D2D通信系统联合资源的分配方法

摘要

基于蜂窝网络的D2D通信系统联合资源的分配方法，属于无线通信技术领域。在基于蜂窝网络的D2D通信系统中，D2D用户可重用蜂窝用户(CU)的资源块实现不通过基站的直接通信。该资源分配方法不但在限制干扰条件下将D2D用户和蜂窝用户的功率分配与资源块分配进行联合优化，达到能效高的目的，且同时考虑了蜂窝用户的QoS要求，平衡了蜂窝用户的QoS需求与不断提高的D2D系统和速率，填补了基于蜂窝网络的D2D通信系统中在限制干扰条件下进行资源分配且保证QoS要求的空白。

主权项

一种基于蜂窝网络的D2D通信系统联合资源的分配方法，由基于蜂窝网络的D2D通信系统来实现：该系统包括蜂窝系统和D2D系统两部分，蜂窝系统包括基站BS和C个蜂窝用户；D2D系统包括L对D2D用户，第l对D2D用户含有一个D2D发射端TXl和D2D接收端RXl，其中l∈{1,2，...,L}，设基于蜂窝网络的D2D通信系统共有C个资源块，每个蜂窝用户占有一个对应的资源块，且每个资源块最多被一对D2D用户重用，设符号y_l,c∈{0,1}表示资源块重用因子，即当D2D用户对l重用第c个资源块时，y_l,c＝1；当D2D用户对l没有重用第c个资源块时，y_l,c＝0；则其中c∈Λ表示第c个蜂窝用户及其占用的资源块，集合Λ＝{1,2，...,C}，为了方便，对第c个资源块，我们用Ω_c表示重用该资源块的D2D用户对的集合，即Ω_c＝{l|y_l,c＝1},c∈Λ，设h_c，h_l,c分别表示基站到第c个蜂窝用户、D2D用户对l重用第c个资源块的传输信道功率增益；g_c,l和g_l,c分别表示在第c个资源块上基站到D2D接收端RXl、D2D发射端TXl到第c个蜂窝用户的干扰信道功率增益，该方法的具体步骤如下：1)计算D2D用户对l的传输速率$r_l=\underset{c=1}{\overset{C}{\Sigma }}{y}_{l,c}{\log }_2(1+\frac{P_{l,c}{h}_{l,c}}{I_p})---\left(1\right)$其中，P_l,c为D2D用户对l重用第c个资源块时的发射功率；I_p为D2D用户对l重用第c个资源块时受到的干扰噪声和的最大值，设为常量，则可得到σ²+g_c,lP_c≤I_P,c∈Λ,l∈Ω_c，其中，σ²为信道噪声，P_c为基站到第c个蜂窝用户的发射功率；2)计算蜂窝用户的QoS要求在整个系统中，蜂窝用户具有更高的优先级，所以必须保证蜂窝用户的QoS，基站到第c个蜂窝用户发射速率为：$r_c={\log }_2(1+\frac{P_c{h}_c}{{\sigma }^2+\underset{l=1}{\overset{L}{\Sigma }}{y}_{l,c}{g}_{l,c}{P}_{l,c}})---\left(2\right)$为保证正常的蜂窝通信，设定常量R_c，使蜂窝通信的传输速率不低于该值，即：${\log }_2(1+\frac{P_c{h}_c}{{\sigma }^2+\underset{l=1}{\overset{L}{\Sigma }}{y}_{l,c}{g}_{l,c}{P}_{l,c}})\ge R_c,c\in \Lambda ---\left(3\right)$将(3)式进行化简，得到：$\underset{l=1}{\overset{L}{\Sigma }}{y}_{l,c}{g}_{l,c}{P}_{l,c}+{\sigma }^2\le \frac{h_c}{{\alpha }_c}{P}_c,c\in \Lambda ,$其中${\alpha }_c=2^{R_c}-1---\left(4\right)$3)确定优化问题以最大化D2D系统和速率为目标函数，资源块分配规则、蜂窝用户的QoS要求、D2D用户受到的干扰噪声和为约束条件，构造如下优化问题：$\underset{y_{l,c},P_{l,c},P_c}{\max imize}:\underset{l=1}{\overset{L}{\Sigma }}\underset{c=1}{\overset{C}{\Sigma }}{y}_{l,c}{\log }_2(1+\frac{P_{l,c}{h}_{l,c}}{I_p})$$subjectto:\underset{l=1}{\overset{L}{\Sigma }}{y}_{l,c}\le 1,c\in \Lambda ---\left(5\right)$$\underset{l=1}{\overset{L}{\Sigma }}{y}_{l,c}{g}_{l,c}{P}_{l,c}+{\sigma }^2\le \frac{h_c}{{\alpha }_c}{P}_c,c\in \Lambda$σ²+g_c,lP_c≤I_P,c∈Λ,l∈Ω_c(5)式中的subject to符号及其后面的式子表示为约束式，subject to表示为约束符号，符号maximize表示求最大值符号，maximize符号下的变量y_l,c,P_l,c,P_c为优化变量，(5)式表示在约束式中对资源块分配规则、蜂窝用户的QoS要求、D2D用户受到的干扰噪声和进行限制的条件下，求解目标函数即符号maximize后的部分的最大值，该最大化问题为非凸问题；4)将优化问题转化为凸问题引入变量S_l,c＝y_l,cP_l,c，将y_l,c∈{0,1}的条件松弛为y_l,c∈[0,1]，用变量S_l,c替换式(5)中的变量P_l,c，则得到：$\underset{y_{l,c},S_{l,c},P_c}{\max imize}:\underset{l=1}{\overset{L}{\Sigma }}\underset{c=1}{\overset{C}{\Sigma }}{y}_{l,c}{\log }_2(1+\frac{S_{l,c}{h}_{l,c}}{y_{l,c}{I}_p})$$subjectto:\underset{l=1}{\overset{L}{\Sigma }}{y}_{l,c}\le 1,c\in \Lambda ---\left(6\right)$$\underset{l=1}{\overset{L}{\Sigma }}{S}_{l,c}{g}_{l,c}+{\sigma }^2\le \frac{h_c}{{\alpha }_c}{P}_c,c\in \Lambda$σ²+g_c,lP_c≤I_P,c∈Λ,l∈Ω_c可以看出，式(6)中的优化变量变为y_l,c,S_l,c,P_c，该最大化问题在下面的描述中也称为原问题；5)求解优化问题经验证，上述优化问题为凸问题，因此上述优化问题存在唯一的最优解，利用拉格朗日对偶理论，可以建立起原最大化问题即原问题与一个最小化问题即对偶问题之间的关联关系，我们研究的原问题具有强对偶性，因此可以通过求解对偶问题而得到原问题的最优值，原问题的拉格朗日函数为：$\begin{array}{c}L(S_{l,c},y_{l,c},P_c,\Theta )=\underset{l=1}{\overset{L}{\Sigma }}\underset{c=1}{\overset{C}{\Sigma }}{y}_{l,c}{\log }_2(1+\frac{S_{l,c}{h}_{l,c}}{y_{1,c}{I}_p})-\underset{c=1}{\overset{C}{\Sigma }}{\phi }_c(\underset{l=1}{\overset{L}{\Sigma }}{y}_{l,c}-1)\\ -\underset{c=1}{\overset{C}{\Sigma }}{\rho }_c(\underset{l=1}{\overset{L}{\Sigma }}{S}_{l,c}{g}_{l,c}+{\sigma }^2-\frac{h_c}{{\alpha }_c}{P}_c)-\underset{c=1}{\overset{C}{\Sigma }}\underset{l\in {\Omega }_c}{\Sigma }{\gamma }_{c,l}({\sigma }^2+g_{c,l}{P}_c-I_p)\end{array}---\left(7\right)$对偶函数为：D(Θ)＝maximize:L(S_l,c,y_l,c,P_c,Θ)       (8)其中Θ:＝{φ_c,ρ_c,γ_c,l},c∈Λ,l∈{1,2,...,L}是对偶因子集合，其中符号:＝表示定义，φ_c,ρ_c,γ_c,l分别表示公式(6)三个约束式中的三个限制条件对应的对偶因子，对偶函数对应的对偶问题如下：minimize:D(Θ)        (9)subject to:Θ≥0        即在对偶因子集合Θ≥0的约束条件下，通过优化Θ求解目标函数即对偶函数D(Θ)的最小值，已知原问题具有强对偶性，所以通过对偶问题(9)式求得的最优值即为原问题的最优值，求解对偶问题最关键之处在于求解最优的对偶因子集合Θ^*，Θ^*的求解过程具体如下：A)由于式中表示D2D用户对l重用第c个资源块时的最优发射功率，令函数则最优资源块重用因子表示为其中表示使函数H_l,c取最大值时的l值，l的取值范围为[1,L]，c∈Λ；B)由KKT(Karush‑Kuhn‑Tucker)条件，求解KKT条件中的等式：$\frac{\partial L(S_{l,c},y_{l,c},P_c,\Theta )}{\partial S_{l,c}}=0$$\frac{\partial L(S_{l,c},y_{l,c},P_c,\Theta )}{\partial P_c}=0$$\underset{l=1}{\overset{L}{\Sigma }}{y}_{l,c}\le 1,c\in \Lambda$$\underset{l=1}{\overset{L}{\Sigma }}{S}_{l,c}{g}_{l,c}+{\sigma }^2\le \frac{h_c}{{\alpha }_c}{P}_c,c\in \Lambda$σ²+g_c,lP_C≤I_P,c∈Λ,l∈Ω_c${\phi }_c(\underset{l=1}{\overset{L}{\Sigma }}{y}_{l,c}-1)=0,c\in \Lambda$${\rho }_c(\underset{l=1}{\overset{L}{\Sigma }}{S}_{l,c}{g}_{l,c}+{\sigma }^2-\frac{h_c}{{\alpha }_c}{P}_c)=0,c\in \Lambda$γ_c,l(σ²+g_c,lP_c‑I_p)＝0，c∈Λ,l∈Ω_cΘ≥0即可解出D2D用户对l重用第c个资源块时的最优发射功率公式(6)三个约束式中的后两个限制条件对应的对偶因子γ_c,l，P_c的最优解及第c个蜂窝用户的最优发射功率得到D2D用户对l重用第c个资源块时的最优发射功率后由A)可得到资源块的分配策略，即最优资源块重用因子的取值。