异构网络中支持终端直通的联合模式资源复用算法*
王思秀, 郭文强, 于凯, 汪晓洁
新疆财经大学 计算机科学与工程学院, 乌鲁木齐 830012

作者简介: 王思秀(1981-),男,江苏徐州人,讲师,硕士,主要从事计算机网络、信号分析和数据处理等方面的研究.

摘要

针对异构蜂窝网络中终端直通(D2D)通信复用频谱资源导致同频干扰,并影响系统通信性能的问题,提出了一种基于联合模式的支持终端直通的资源复用算法.为了综合考虑异构网络中蜂窝用户和D2D用户需要并平衡两类不同用户的资源分配,该算法在确定D2D通信限制距离的基础上,联合蜂窝与D2D两种模式构建CU-D2D组合集,以其加权吞吐量增益为用户优先级,并据此进行无线资源分配,从而实现了异构蜂窝网络环境下频谱资源的优化分配.结果表明,该算法在保证蜂窝用户传输速率的同时,有效地改善了D2D用户的通信速率,从而整体性地提升了异构蜂窝网络的系统通信性能.

关键词: 终端直通通信; 用户优先级; 蜂窝通信; 资源分配; 联合模式; 资源复用; 异构网络
中图分类号:TN929.5 文献标志码:A 文章编号:1000-1646(2017)04-0422-06 doi: 10.7688/j.issn.1000-1646.2017.04.12
A resource reuse algorithm for device-to-device communication based on combination mode in heterogeneous networks
WANG Si-xiu, GUO Wen-qiang, YU Kai, WANG Xiao-jie
Computer Science and Engineering College, Xinjiang University of Finance and Economics, Urumqi 830012, China
Abstract

Aiming at the problem that the reuse of spectrum resources in the device-to-device (D2D) communication leads to the same-frequency interference in the heterogeneous cellular networks and affects the communication performance of the system, a resource reuse algorithm for the device-to-device communication based on the combination mode was proposed. In order to comprehensively consider the needs of both cellular and D2D users in the heterogeneous networks and balance the resource allocation between two kinds of different users, the CU-D2D combination set was established with the proposed algorithm through combining the cellular and D2D modes based on determining the limiting distance of D2D communication. In addition, the weighted throughput gain of combination set was taken as the user priority, based on which the combination set of wireless resources was performed. Therefore, the optimal allocation of spectrum resources in the cellular heterogeneous network environment was realized. The results show that the proposed algorithm can not only ensure the transmission rate of cellular users, but also effectively improve the transmission rate of D2D users, and thus the algorithm can integrally improve the system communication performance of cellular heterogeneous networks.

Keyword: device-to-device communication; user priority; cellular communication; resource allocation; combination mode; resource reuse; heterogeneous network

随着云计算、物联网及多媒体等无线应用的广泛使用, 其为高速、高效的无线通信技术提供了更好的平台.D2D(device-to-device)[1, 2]技术能够大幅度提升无线传输速率, 有着巨大的技术优势和应用前景, 是未来5G通信的备选方案之一, 也是当前无线通信领域的研究热点.相比传统的蜂窝通信, D2D通信最大的特点和优势在于:在基站控制下, 允许任意两邻近的移动终端实现点对点的直接通信, 而无需基站进行中继或转发.D2D通信更加灵活便捷, 绕开了基站中继转发的环节, 有效地改善了无线通信中转延迟的问题, D2D用户可以有效复用经网络授权的无线资源, 从而提升无线频谱的复用率, 扩大异构蜂窝网络吞吐量和覆盖范围[3, 4].D2D通信的这些特性和优势使得它能够很好地作为蜂窝网络的补充, 为无线用户提供更加丰富、优质的无线通信服务.

在异构蜂窝网络中D2D用户可以复用蜂窝用户授权的频谱资源, 无需向基站请求转发服务, 可以大大缓解网络中的基站负载.但同一蜂窝小区下, 信道资源被D2D通信与蜂窝用户同时复用, 这种频谱复用模式也带来了同频干扰等新问题[5].因此, 在异构蜂窝网络条件下, 如何协调蜂窝用户与D2D用户的资源分配, 使得系统的通信性能达到最优, 已经成为当前一个重要的研究课题.文献[6]在D2D用户复用蜂窝上行频率资源的场景下, 提出了分布式功率控制方法来降低D2D用户与蜂窝用户之间的同频干扰; 文献[7]通过统计所有用户的信干噪比SINR, 提出了一种简单的D2D通信功率控制算法来减小蜂窝用户和D2D用户之间的干扰; 文献[8]从频带复用模式选择和功率控制两方面进行资源分配, 以最大化蜂窝通信和D2D通信的传输速率; 文献[9]通过信道分配优化了整体吞吐量, 但是忽略了联合资源分配对于系统性能的提升效果; 文献[10]提出了一种基于博弈理论的联合集群策略和功率控制方案来最小化传输时间, 但并没有对信道资源进行分配.

为兼顾传统蜂窝用户与D2D用户的无线业务需求, 本文通过联合D2D用户与蜂窝用户(cellular users, CU)整体链路状况进行资源分配, 提出了一种基于用户优先级的资源分配(UPDM)算法.为减小D2D用户和蜂窝用户的同频干扰, 并避免单独考虑某一类用户的资源分配所带来的负面影响, 该算法从以下3方面着手进行改进:

1) 根据D2D用户对蜂窝用户干扰门限阈值获取D2D通信限制距离, 以此判断用户是否能进行D2D复用;

2) 构建CU-D2D组合集, 联合两种通信模式整体评估所有CU-D2D组的吞吐量增益, 根据吞吐量增益决定对应CU-D2D组的优先级;

3) 基于用户优先级进行频谱资源分配, 使得无线频谱资源能够高效利用, 令系统整体吞吐量达到最优.

1 系统模型与问题分析

在蜂窝网络中D2D终端用户可以根据实际需求切换通信模式.当终端用户距离基站较远, 但与其他终端用户较近时, 可选择D2D通信模式; 当终端用户间距离较远, 且终端用户与小区基站链路可靠, 则选择蜂窝通信模式.一对终端用户可以建立D2D通信连接, 此外, 多对终端用户还可以建立D2D通信簇, 在簇内多个终端通过D2D链路进行通信.

本文主要研究的单小区D2D网络场景模型如图1所示, 网络中包括n个D2D用户和m个不同的蜂窝用户.其中D2D用户集合为D={D2D1, D2D2, …, D2Dn}, 蜂窝用户集合为C={CU1, CU2, …, CUm}.对于基站, 假设各个用户设备的位置坐标都是已知的, 则可以算出任意用户之间以及用户与基站之间的信道增益.以图1所示的单小区场景为例, CU-D2D由蜂窝用户i与D2D用户j组成, 表示D2Dj复用第i个蜂窝用户CUi的上行资源, 并建立D2D通信.

图1 D2D网络系统模型Fig.1 System model for D2D networks

D2D通信除了需要考虑路损模型外, 还要考虑由多径效应产生的快衰落和阴影效应产生的慢衰落对系统通信性能的影响[11].发射端D2D到基站的信道增益以及CUi到D2Dj的信道增益可以分别表示为

hj, B=Kδ j, Bξ j, B dj, B-α(1)

hi, j=Kδ i, jξ i, j di, j-α(2)

式中:Kα 分别为由蜂窝系统环境所决定的路损常数和路损指数; dj, B为蜂窝用户CUi到基站的距离; di, j为CUi到D2Dj的距离; δ j, B为D2Dj到基站服从指数分布的快衰落增益; ξ j, B为D2Dj到基站服从对数分布的慢衰落增益; ξ i, j为CUi到D2Dj服从对数分布的慢衰落增益; δ i, j为CUi到D2Dj服从指数分布的快衰落增益.

从异构蜂窝网络的整体通信性能出发, 无线资源需要优先分配给具有吞吐量增益的D2D用户, 并同时保证蜂窝用户无线服务的稳定性和可靠性.对于D2D用户而言, 需要考虑的是复用蜂窝用户的频谱资源对其自身的干扰, 以及该CU-D2D的功率和速率大小.为对D2D网络的复杂环境与复用模式进行合理简化, 本文将异构蜂窝网络中所有的复用组合CU-D2D看成一个联合整体, 以系统吐量增益最大化为目标, 构建CU-D2D复用组合的优先级函数并进行资源分配.

2 基于联合模式的D2D资源分配

为解决D2D复用对蜂窝用户带来干扰的问题, 本文有针对性地提出一种基于联合模式的D2D资源分配算法.为减小D2D用户和蜂窝用户间的同频干扰, 并平衡无线资源在两类不同用户间的分配, 该算法的基本思想是:首先根据蜂窝用户干扰门限阈值确定D2D通信限制距离, 然后联合蜂窝与D2D两种模式构建CU-D2D组合集, 以其加权吞吐量增益为用户优先级, 并据此进行D2D资源分配, 从而改善异构蜂窝网络的通信性能, 提高系统整体的吞吐量和速率.

2.1 D2D通信限制距离

由于D2D用户复用的是蜂窝用户的上行资源, 故D2D发送端离基站越近, 对蜂窝信号的干扰就越大.为了减小小区内的信号干扰, 降低计算的复杂度, 划定D2D通信限制区域是十分必要的, 其限制表达式为

Ld, cPmaxdhj, B (3)

式中:Ld, c为蜂窝用户能够承受的最大干扰门限阈值; Pmaxd为D2D用户的最大发射功率.D2D用户对蜂窝用户干扰必须小于阈值, 否则D2D用户就会对蜂窝用户带来比较严重的干扰.Ld, c由蜂窝小区根据长期观测获得, 联合式(1)~(3)可得到D2D通信限制区域的半径为

dj, BPmaxdKδj, Bξj, BLd, c=r (4)

式中, r为D2D通信限制距离.以基站为圆心, r为半径的圆形D2D通信限制区域如图1中的阴影部分所示.当基站接收到D2D链接建立请求时, 基站首先判定D2D的发射端是否在D2D通信限制区域内, 如果是在D2D通信限制区域内, 基站禁止D2D建立链接.

2.2 用户组优先级函数

由于异构蜂窝网络同时存在两类用户, 无线通信服务需要两类用户共同参与.但蜂窝用户和D2D用户不同的业务特点, 使得二者在资源分配的目标并不相同:

1) 在保证蜂窝用户通信稳定性的基础上, 蜂窝用户希望将无线资源分配给具有最大吞吐量增益的D2D用户, 以提升系统吞吐量;

2) D2D用户则首先考虑减小对蜂窝用户的同频干扰, 并提升D2D传输的功率和速率.

单独从任何一类用户的角度考虑, 都无法使系统性能得到全面的优化, 因此, 本文将异构蜂窝网络中所有的复用组合CU-D2D看作一个整体, 综合考虑无线资源分配过程中的同频干扰、吞吐量增益等问题, 在保障蜂窝用户通信服务的基础上, 最大化D2D复用带来的系统吞吐量增量, 并以此作为用户组优先级函数.

当蜂窝用户i的无线频段尚未被复用时, 选择最大可发送功率P= Pci, max/ σN2.其中, σN2为正态分布方差.对应得到最大的初始吞吐量Ti, max, 即

Ti, max==Wlog2(1+P) (5)

式中, W为异物网络可用带宽.

当有大量的CU-D2D组合等待资源分配时, 需要在干扰、功率等约束条件下寻找最佳的功率分配( Pic* , Pjd* ), 使得整体加权吞吐量最大.CU-D2D组合的加权吞吐量表示为

Ti, jsum=W Qi(t)Vlog21+Pjd* gi, BσN2+Pjd* hj, B+log21+Pic* gjσN2+Pic* hi, j(6)

式中:Qi(t)/V为拉格朗日乘子; V为一个正调节参数.由此可得D2D复用CU频谱资源带来的加权吞吐量增益, 即为该CU-D2D组合的优先级函数, 相应表达式为

TGi, j= Ti, jsum-Ti, max (7)

2.3 基于联合模式的D2D资源分配算法

在资源有限的情况下, 当某个蜂窝用户可选择多个D2D用户进行频谱复用时, 就需要获取CU-D2D候选集中最优的ij的组合, 并且确定CUi与D2Dj的最优功率( Pic* , Pjd* ).

图2给出了基于用户优先级的D2D资源分配算法(UPDM)的具体流程.

图2 D2D资源分配算法流程图Fig.2 Flow chart of D2D resource allocation algorithm

该算法的具体步骤如下:

1) 系统初始化.初始化异构蜂窝网络中两类用户的分布, 并设置初始化的信道参量.

2) 确定复用关系.获取满足复用条件的CU-D2D对, 构建各个D2D用户的候选CU集合R.以某D2D用户Di为例, 得到其候选CU集合Ri={C1, C2, …, Ck}, k为候选用户个数.

3) 确定用户优先级.D2D用户与其候选的蜂窝用户组成CU-D2D对, 计算功率组合( Pic* , Pjd* )以及对应的优先级函数权值, 由此构造出用户优先级矩阵.

4) 确定资源分配.首先判断待分配频谱资源的D2D用户与基站的距离是否都大于D2D通信限制距离, 然后在优先级矩阵中找到优先级最高的CU-D2D用户对进行判断.若满足复用条件, 则将频率资源分配复用, 并将对应的用户和频谱资源从矩阵中删除; 反之, 则在优先级矩阵中选择次优CU-D2D组合进行复用配对.

5) D2D资源分配.更新降阶后的优先级矩阵, 重复步骤2)~4), 直到所有CU-D2D用户对都分配到资源或者系统资源已被分配完.

3 仿真结果与分析

为了验证所提出的资源分配算法的有效性, 可以考虑在蜂窝系统单小区场景下, 建立链路级的仿真程序对算法进行测试, 并与经典的Kuhn-Munkres(KM)算法[12]和传统蜂窝资源分配算法(CS)[13, 14]进行对比.主要仿真参数设置如表1所示, 每次信道仿真运行5000次, 取其平均值作为最终结果.

表1 仿真参数 Tab.1 Simulation parameters
3.1 联合模式下蜂窝用户的通信性能对比

图3为基于不同D2D资源分配算法下蜂窝用户的信号与干扰噪声比(SINR)性能累积分布函数(CDF)曲线.针对单个小区内可能存在多个不同数目的D2D用户网络情况, 分别设定D2D数为Md=4和Md=6进行仿真对比.UPDM算法中蜂窝用户的与KM算法相近, 当Md=4增加到Md=6时, 蜂窝用户的性能基本未受影响, 而CS算法中的蜂窝用户性能下降明显.

图3 小区内蜂窝用户的SINR性能Fig.3 SINR performance of cellular users in cells

在相同资源数目的前提下, 随着单个小区内D2D用户数目的增加, D2D通信的SINR性能有所下降.当Md=4增加到Md=6时, 单个小区内D2D用户数目的改变对UPDM算法的影响相对较小, 蜂窝通信和D2D通信的SINR性能降幅较小, 吞吐量基本保持稳定.综合比较3种算法的性能可知, 当D2D用户增加时, 蜂窝用户与D2D用户的SINR性能都有不同程度的下降, UPDM算法的SINR性能最优, 且下降幅度最小, 说明该算法的系统吞吐量最大, 且性能稳定性最好, 使两类用户的通信性能都得到了有效保障.

3.2 联合模式下D2D用户的通信性能对比

图4为基于不同D2D资源分配算法下D2D用户的SINR性能CDF曲线.在CS算法中只有不到40%的D2D接收端的SINR达到20dB.随着单个小区内D2D用户数目的增加, 蜂窝通信的SINR性能下降较快, 这是因为由于CS系统中并没有对资源进行合理分配, D2D用户与蜂窝用户共同复用频谱资源; 随着单个小区内D2D用户数目的增加, D2D通信给蜂窝通信带来的同频干扰也在增加, 从而影响了网络整体的通信质量.

图4 小区内D2D用户的SINR性能Fig.4 SINR performance of D2D users in cells

从图4还可以看出:相比传统的CS资源分配算法, UPDM算法获得的SINR性能接近于KM算法, 说明该算法能够为异构蜂窝网络提供更优的系统吞吐量.KM算法基于二分图最大权值匹配的思想, 可求得全局最优解, 但计算复杂度高.尽管UPDM算法只能获得次优解, 但复杂度大大降低, 且能够较大程度地逼近最优解.而在通常情况下, 网络中D2D用户要大大小于蜂窝用户, 面对网络中D2D用户请求较少的一般应用环境, UPDM算法复杂度较低的优势无疑更加明显.具体来说, 在UPDM方案下当Md=4时, 85%的D2D接收端可以达到20dB以上的SINR; 当Md=6时, 则78%的D2D接收端的SINR可达到20dB以上.

3.3 联合模式下系统的平均传输速率对比

在蜂窝系统单小区内配置6个D2D用户, 蜂窝用户数量为14~34, 总用户数为20~40, 所有用户的平均传输速率如图5所示.当D2D用户与蜂窝用户采用资源复用的分配方案时, 用户平均传输速率呈现出逐步下降的趋势.因为随着用户数量的增加, 信道冲突和信号干扰的可能性大大增加, 使得用户的平均传输速率下降.而对于CS算法而言, 由于其采用传统的蜂窝资源分配方案, 信道速率和可使用的用户数量相对固定.当用户数小于30时, 用户平均传输速率稳定在一个较低水平; 当用户数超过30时, 传统的CS算法并不能通过资源复用的方式提升系统容量, 可分配的信道数不变, 而用户间信道竞争加剧, 信号干扰增强, 使得用户平均传输速率略有下降.综合比较而言, D2D复用算法大大提高了异构网络中所有用户的平均速率, 特别是UPDM算法, 能够基于联合模式的资源分配更好地利用异构网络的无线资源, 使得系统中所有用户的平均传输速率达到最优.

图5 小区内所有用户的平均传输速率Fig.5 Average transmission rate for all users in cells

4 结 论

将D2D通信技术引入传统的蜂窝网络小区, 能够提升蜂窝系统吞吐量和频谱利用率, 但同时也给异构蜂窝网络引入了新的信号干扰, 降低系统的稳定运行.针对该问题, 本文提出了异构蜂窝网络中基于联合模式的资源分配算法, 通过联合蜂窝与D2D两种模式构建CU-D2D组合集, 以其吞吐量增益作为对应CU-D2D组的用户优先级, 并据此进行资源分配.该算法综合考虑了异构网络中蜂窝用户和D2D用户需要, 平衡两类不同用户的资源分配, 有效解决了复杂异构网络场景下的资源分配问题, 且大大降低了计算复杂度.经仿真和分析发现, 该算法在保证蜂窝用户传输速率的同时, 也能有效地改善D2D用户的通信速率, 从而整体性地提升了异构蜂窝网络系统的通信性能.

The authors have declared that no competing interests exist.

参考文献
[1] Doppler K, Rinne M, Wijting C, et al. Device-to-device communication as an underlay to LTE-advanced networks[J]. IEEE Communications Magazine, 2009, 47(12): 42-49. [本文引用:1]
[2] Du J L, Zhu W S, Xu J, et al. A compressed HARQ feedback for device-to-device multicast communications[C]//Vehicular Technology Conference (VTC Fall). Quebec, Canada, 2012: 1-5. [本文引用:1]
[3] Ali S, Rajatheva N, Latva-Aho M. Full duplex device-to-device communication in cellular networks[C]//2014 European Conference on Networks and Communications (EuCNC). Bologna, Italy, 2014: 1-5. [本文引用:1]
[4] 姚鑫凌, 谢显中, 田瑜. 多小区MIMO网络中一种新的D2D通信干扰对齐算法[J]. 重庆邮电大学学报(自然科学版), 2016, 28(5): 641-647.
(YAO Xin-ling, XIE Xian-zhong, TIAN Yu. A new interference alignment algorithm for device-to-device communication underlaying multi-cell MIMO networks[J]. Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2016, 28(5): 641-647. ) [本文引用:1]
[5] Fodor G, Ericsson R, Stockholm S. A distributed power control scheme for cellular network assisted D2D communications[C]//IEEE Global Telecommunications Conference. Houston, USA, 2011: 1-6. [本文引用:1]
[6] Wang J, Zhu D, Zhao C, et al. Resource sharing of underlaying device-to-device and uplink cellular communications[J]. IEEE Communication Letters, 2015, 17(6): 1148-1151. [本文引用:1]
[7] Chiaao Y, Tirkkonen O, Doppler K. On the performance of device-to-device underlay communication with simple power control[C]//IEEE Vehicular Technology Conference. Barcelona, Spain, 2009: 1-5. [本文引用:1]
[8] Yu C H, Tirkkonen O, Doppler K, et al. Power optimization of device-to-device communication underlaying cellular communication[C]//Proceed of IEEE International Conference on Communications (ICC). Dresden, Germany, 2009: 1-5. [本文引用:1]
[9] Zulhasnine M, Huang C, Srinivasan A. Efficient resource allocation for device-to-device communication underlaying LTE network[C]//Proceed of IEEE International Conference on Wireless and Mobile Computing, Networking and Communication (WiMob). City of Niagara Falls, Canada, 2010: 368-375. [本文引用:1]
[10] Peng B, Peng T, Liu Z Y, et al. Cluster-based multicast transmission for device-to-device (D2D) communication[C]//Proceed of IEEE 78th Vehicular Technology Conference. Las Vegas, USA, 2013: 1-5. [本文引用:1]
[11] 王元, 赵季红, 唐睿, . D2D多播场景下面向节能的资源分配机制[J]. 西安电子科技大学学报(自然科学版), 2016, 43(2): 173-178.
(WANG Yuan, ZHAO Ji-hong, TANG Rui, et al. Energy-aware resource allocation for underlaid D2D multicast[J]. Journal of Xidian University(Natural Science), 2016, 43(2): 173-178. ) [本文引用:1]
[12] Zhu H, Zhou M, Alkins R. Group role assignment via a kuhn-munkres algorithm-based solution[J]. IEEE Transactions on Systems Man and Cybernetics, 2015, 42(3): 739-750. [本文引用:1]
[13] Phunchongham P, Hossain E, Kim D I. Resource allo-cation for device-to-device communications underlaying LTE-advanced networks[J]. Wireless Commu-nications, 2013, 20(4): 91-100. [本文引用:1]
[14] 周炜, 牛连强, 王斌. 面向社交网络的认证模型[J]. 沈阳工业大学学报, 2016, 38(5): 545-550.
(ZHOU Wei, NIU Lian-qiang, WANG Bin. Authentication models faced on social networks[J]. Journal of Shenyang University of Technology, 2016, 38(5): 545-550. ) [本文引用:1]