CN103716869A - 一种d2d通信中基于能效优化的分布式功率控制方法 - Google Patents

Abstract

一种D2D通信中基于能效优化的分布式功率控制方法，包括以下步骤：（1）D2D用户和蜂窝用户通过用户分布式传输功率控制方法实现以保障用户传输质量为基础的D2D用户能效优化。其中，优化问题描述为一个多变量非凸性优化问题；（2）将问题P1转化为单一用户传输功率控制的优化问题；（3）用户在发射功率范围内，以保障最小服务质量进行功率控制优化用户能量效率。本发明提供一种降低基站通信负载、提高频谱的利用率、提升扩展性和安全性、提高资源利用率的D2D通信中的基于能效优化的分布式功率控制方法。

Description

一种D2D通信中基于能效优化的分布式功率控制方法

技术领域

本发明涉及D2D通信领域中，尤其是一种D2D通信中分布式功率控制方法。

背景技术

随着移动数据服务的快速增长，共享传统蜂窝网络资源的D2D通信模式作为能为下一代5G异构无线网络（如小蜂窝异构网络和基于云的无线接入网络等）提供更好服务的新兴技术出现在公众眼前。D2D网络由于用户接收机和发射机之间的距离非常接近，不利用基站转播消息而只是复用蜂窝网络的网络资源进行直接的通信，很大程度上增加了网络容量，节约了传输功耗。但是，D2D用户复用蜂窝网络中用户的资源在一定程度上影响了蜂窝用户的通信质量。如果D2D用户以合适的传输功率复用蜂窝用户资源进行通信，同时蜂窝用户协作控制自身传输功率保证通信质量，那么整个网络的频谱有效性以及D2D用户的能量有效性便会大幅提高。因此，研究如何在保证每个用户（包括蜂窝用户和D2D用户）服务质量的前提下通过控制用户传输功率来实现D2D用户能量效率最大化是非常有意义的。

发明内容

为了克服D2D通信中以中央控制器实现功率控制带来的基站通信负载大、频谱的利用率较低、扩展性和安全性不高、资源利用率较低的不足，本发明提供一种降低基站通信负载、提高频谱的利用率、提升扩展性和安全性、提高资源利用率的D2D通信中的基于能效优化的分布式功率控制方法。

本发明解决其技术问题所采用的技术方案是：

一种D2D通信中基于能效优化的分布式功率控制方法，所述控制方法包括以下步骤：

（1）在D2D通信中，通过D2D用户和蜂窝用户的发送功率控制，从而实现D2D用户能量效率最大化的目标，该优化问题描述为如下所示的非凸性优化问题：

$P1:{{\mathrm{\η}}^{*}}_d=\max \frac{1}{q_d}{\log }_2(1+\frac{q_d{g}_d}{p_d{g}_{\mathrm{cd}}+n_0})$

$s.t.{\log }_2(1+\frac{q_d{g}_d}{p_c{g}_{\mathrm{cd}}+n_0})\≥R_d^{\mathrm{req}}$

${\log }_2(1+\frac{p_c{g}_c}{q_d{g}_{\mathrm{dc}}+n_0})\≥R_c^{\mathrm{req}}$

$0\≤p_c\≤P_c^{\max }$

$0\≤q_d\≤P_d^{\max }$

在问题P1中，各个参数定义如下：

p_c：D2D用户DU d接入CU c时蜂窝用户的发送功率；

q_d：D2D用户DU d接入CU c时D2D用户的发送功率；

g_c：蜂窝用户CU c与基站之间的信道增益；

g_d：DU d的发射机和接收机之间的信道增益；

g_cd：蜂窝用户CU c对DU d的干扰信道增益；

g_dc：D2D用户DU d对CU c的干扰信道增益；

蜂窝用户CU c的传输速率要求；

D2D用户DU d的传输速率要求；

蜂窝用户CU c的最大发送功率；

D2D用户DU d的最大发送功率；

n₀：背景噪声功率；

η_d：D2D用户DU d的能量效率；

注：本说明书中，参数符号中出现的上标“*”表示参数在优化问题中的最优值。

（2）用公式

将p_c用q_d代替，同时，引入新变量P和

将问题P1等效转化为一个D2D用户DU d的发送功率控制优化问题；

$P2:{{\mathrm{\η}}^{*}}_d=\underset{q_d}{\max }\frac{1}{q_d}{\log }_2(1+\frac{g_d{g}_c{q}_d}{n_0(g_c+{\mathrm{\α}}_c{g}_{\mathrm{cd}})+{\mathrm{\α}}_c{g}_{\mathrm{dc}}{g}_{\mathrm{cd}}{q}_d})$

$s.t.\underset{-}{P}\≤q_d\≤\stackrel{\‾}{P}$

其中， $\underset{\‾}{P}=\frac{n_0{\mathrm{\β}}_d({\mathrm{\α}}_c{g}_{\mathrm{cd}}+g_c)}{g_c{g}_d-{\mathrm{\α}}_c{\mathrm{\β}}_d{g}_{\mathrm{cd}}{g}_{\mathrm{dc}}},\stackrel{\‾}{P}=\min \{\frac{1}{g_{\mathrm{dc}}}(\frac{P_c^{\max }{g}_c}{{\mathrm{\α}}_c}-n_0),P_d^{\max }\},$ ${\mathrm{\α}}_c=2^{R_c^{\mathrm{req}}-1},{\mathrm{\β}}_d=2^{R_d^{\mathrm{req}}-1}$

利用函数 $\tilde{R}\left(q_d\right)={\log }_2(1+\frac{g_d{g}_c{q}_d}{n_0(g_c+{\mathrm{\α}}_c{g}_{\mathrm{cd}})+{\mathrm{\α}}_c{g}_{\mathrm{dc}}{g}_{\mathrm{cd}}{q}_d}),$

优化问题P2等效转换为如下优化问题P3：

$P3:\underset{\mathrm{\γ},q_d}{\max }\mathrm{\γ}$

$s.t.\mathrm{\&gamma;}>0,\underset{\&OverBar;}{P}<q_d<\stackrel{\&OverBar;}{P}$

$F(q_d,\mathrm{\&gamma;})=\tilde{R}\left(q_d\right)-\mathrm{\&gamma;}{q}_d\&GreaterEqual;0$

在问题P2和P3中，各个参数定义如下：

p_c：D2D用户DU d接入CU c时蜂窝用户的发送功率；

q_d：D2D用户DU d接入CU c时D2D用户的发送功率；

g_c：蜂窝用户CU c与基站之间的信道增益；

g_d：DU d的发射机和接收机之间的信道增益；

g_dc：D2D用户DU d对CU c的干扰信道增益；

蜂窝用户CU c的传输速率要求；

D2D用户DU d的传输速率要求；

蜂窝用户CU c的最大发送功率；

D2D用户DU d的最大发送功率；

n₀：背景噪声功率；

γ：D2D用户DU d的能量效率；

（3）求解问题P3，获得 $q_d^{*}=\underset{\&OverBar;}{P},p_c^{*}=\frac{{\mathrm{\&alpha;}}_c(n_0+q_d^{*}{g}_{\mathrm{dc}})}{g_c};$

（4）针对D2D通信中基于能效优化的发送功率控制问题，采用如下分布式功率控制的算法，过程为：

步骤4.1：设置迭代次数，t＝1；初始化CU c的发送功率， $p_c\left(1\right)=p_c^{\mathrm{ini}}=0;$ 初始化DU d的发送功率， $q_d\left(1\right)=q_d^{\mathrm{ini}}=0;$

步骤4.2：若CU c收到来自DU d的消息告知功率控制不可行，终止算法；否则，继续步骤4.3；

步骤4.3：CU c首先测量其受到的外界干扰和噪声之和（该值用I_c(t)表示，I_c(t)＝q_d(t)g_dc+n₀），然后按照如下公式更新其发送功率

$p_c(t+1)=\min \{\frac{{\mathrm{\&alpha;}}_c}{g_c}{I}_c\left(t\right),P_c^{\max }\}$

在更新之后，如果CU c的发送功率已达其最大发送功率值，即

但是CU c的传输速率要求未被满足；在此情况下，CU c向DU d发出消息，告知DU d说明他们之间不匹配，算法终止；否则继续步骤4.4；

步骤4.4：若DU d收到来自CU c的消息告知功率控制不可行，则终止算法，否则，继续步骤4.5；

步骤4.5：DU d首先测量其受到的外界干扰和噪声之和（该值用I_d(t)表示，I_d(t)＝p_c(t)g_cd+n₀），然后按照如下公式更新其发送功率

$q_d(t+1)=\min \{\frac{{\mathrm{\&beta;}}_d}{g_d}{I}_d\left(t\right),P_d^{\max }\}$

在更新之后，如果DU d的发送功率已达其最大发送功率值，即

但是DU d的传输速率要求未能被满足，在此情况下，则DU d向CU c发消息告知其他们之间功率控制不可行不可行，算法终止，否则，继续执行步骤4.6；

步骤4.6：收敛条件判断，若满足收敛条件（ε是非常小的正数）：

|p_c(t+1)-p_c(t)|²+|q_d(t+1)-q_d(t)|²≤ε

则算法收敛，此时DU d和CU c已经达到最优发送功率，该组发送功率是优化问题P1的最优解，即能够保证最大化DU d的能量效率；否则，设置t＝t+1，返回步骤4.2。

进一步，所述步骤（3）中，采用分层思想求解优化问题P3的主要步骤为：

步骤3.1）给定任意γ＞0时，优化问题的目标函数是一个常数，为获得最优的q_d，即求解优化问题，

其中，F(q_d,γ)是q_d的凹函数，令得 $\frac{d\tilde{R}\left(q_d\right)}{{\mathrm{dq}}_d}-\mathrm{\&gamma;}=\frac{1}{\ln 2}\frac{\mathrm{AC}}{(C+(A+B)q_d)(C+{\mathrm{Bq}}_d)}-\mathrm{\&gamma;}=0,$ 故，

为满足 $(A+B){\mathrm{Bq}}_d^2+C(A+2B)q_d+C^2-\frac{1}{\ln 2}\frac{1}{\mathrm{\&gamma;}}\mathrm{AC}=0$ 的解，得：

$q_d^{*}\left(\mathrm{\&gamma;}\right)={\left(\frac{\sqrt{\mathrm{\&Delta;}}-C(A+2B)}{2B(A+B)}\right)}_{\underset{\&OverBar;}{P}}^{\stackrel{\&OverBar;}{P}}$

其中，A＝g_cg_d，B＝α_cg_cdg_dc，C＝n₀(g_c+α_cg_cd)。

步骤3.2）将步骤3.1）中求得的

代入原优化问题，求解满足条件 $F(q_d^{*},\mathrm{\&gamma;})\&GreaterEqual;0$ 的最大的γ，即 ${\mathrm{\&gamma;}}^{*}=\underset{\mathrm{\&gamma;}>0}{\max }\mathrm{\&gamma;}$ 满足 $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})\&GreaterEqual;0,$ 其中，

$q_d^{*}\left(\mathrm{\&gamma;}\right)=\left\{\begin{array}{cc}\stackrel{\&OverBar;}{P},& \mathrm{\&gamma;}<\underset{\&OverBar;}{M}\\ \frac{\sqrt{\mathrm{\&Delta;}}-C(A+2B)}{2B(A+B)},& \underset{\&OverBar;}{M}\&le;\mathrm{\&gamma;}\&le;\stackrel{\&OverBar;}{M}\\ \underset{\&OverBar;}{P},& \mathrm{\&gamma;}>\stackrel{\&OverBar;}{M}\end{array}\right.$

$\underset{\&OverBar;}{M}=\frac{1}{\ln 2}\frac{\mathrm{AC}}{B{(A+B)}^{{\stackrel{\&OverBar;}{P}}^2}+C(A+2B)\stackrel{\&OverBar;}{P}+C^2},$

$\stackrel{\&OverBar;}{M}=\frac{1}{\ln 2}\frac{\mathrm{AC}}{B{(A+B)}^{{\underset{\&OverBar;}{P}}^2}+C(A+2B)\underset{\&OverBar;}{P}+C^2},$

分析不同γ取值下D2D网络能量效率的情况（A,B,C定义同上）：

1)当 $\underset{\&OverBar;}{M}\&le;\mathrm{\&gamma;}\&le;\stackrel{\&OverBar;}{M}$ 时， $F(q_d^{*}\left(\underset{\&OverBar;}{M}\right),\underset{\&OverBar;}{M})>F(q_d^{*}\left(\stackrel{\&OverBar;}{M}\right),\stackrel{\&OverBar;}{M})>0,$ 故 ${\mathrm{\&gamma;}}^{*}=\stackrel{\&OverBar;}{M},$ $q_d^{*}=\underset{\&OverBar;}{P},{{\mathrm{\&eta;}}^{*}}_d=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}});$

2)当 $\mathrm{\&gamma;}<\underset{\&OverBar;}{M}$ 时, $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})={\log }_2(1+\frac{A\stackrel{\&OverBar;}{P}}{C+B\stackrel{\&OverBar;}{P}})-\mathrm{\&gamma;}\stackrel{\&OverBar;}{P}$ 为γ的单调递减函数，令 $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})=0$ 得 ${\mathrm{\&gamma;}}^{*}=\stackrel{\&OverBar;}{M},q_d^{*}=\stackrel{\&OverBar;}{P},{{\mathrm{\&eta;}}^{*}}_d=\frac{1}{\stackrel{\&OverBar;}{P}}{\log }_2(1+\frac{A\stackrel{\&OverBar;}{P}}{C+B\stackrel{\&OverBar;}{P}});$

3)当 $\mathrm{\&gamma;}>\stackrel{\&OverBar;}{M}$ 时, $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})={\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}})-\mathrm{\&gamma;}\underset{\&OverBar;}{P}$ 为γ的单调递减函数，令 $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})=0$ 得 $q_d^{*}=\underset{\&OverBar;}{P},{{\mathrm{\&eta;}}^{*}}_d=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}}),$ ${\mathrm{\&gamma;}}^{*}=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}});$

综合以上三种情况可知，或者

且当

时γ取到的值较大，故， $q_d^{*}=\underset{\&OverBar;}{P},{\mathrm{\&gamma;}}^{*}=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}})=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+{\mathrm{\&beta;}}_d).$

本发明的技术构思为：首先,在考虑最大化D2D用户的能量效率时，通过引入辅助中间变量将蜂窝用户和D2D用户的功率控制问题等效为D2D用户功率控制问题，而蜂窝用户则根据D2D用户功率更新自身功率。接着，通过分析问题特性提出分布式功率控制算法，实现在保障用户服务质量前提下实现D2D用户能量效率最大化。

本发明的有益效果主要表现在:1、对整体系统而言，D2D通信的实施能很好地降低基站的通信负载，同时提高频谱的利用率；2、对D2D用户而言，不需要向蜂窝中的基站汇报自身消息，实现分布式的蜂窝用户资源块接入，提高了系统的扩展性和安全性；通过蜂窝用户和D2D用户的功率控制，在保障用户服务质量的前提下最大化D2D用户能量效率，提高资源利用率。

附图说明

图1是包含D2D网络的蜂窝网络系统的示意图。

具体实施方式

下面结合附图对本发明作进一步详细描述。

参照图1，一种D2D通信中的基于能效优化的分布式功率控制方法，实行该方法能在满足各个用户的服务质量的前提下最大化接入蜂窝用户资源块的D2D用户能量效率。本发明基于包含D2D网络的蜂窝网络系统（如图1所示）。在包含D2D网络的蜂窝网络系统中，D2D用户利用蜂窝用户的资源直接进行数据通信，降低了基站了通信负载，提高了频谱的利用率。针对包含D2D网络的蜂窝网络系统提出以保障用户服务质量为前提最大化D2D用户能量效率的优化方法，所述控制方法包括以下步骤：

（1）在D2D通信中，通过D2D用户和蜂窝用户的发送功率控制，从而实现D2D用户能量效率最大化的目标，该优化问题描述为如下所示的非凸性优化问题：

$P1:{{\mathrm{\&eta;}}^{*}}_d=\max \frac{1}{q_d}{\log }_2(1+\frac{q_d{g}_d}{p_d{g}_{\mathrm{cd}}+n_0})$

$s.t.{\log }_2(1+\frac{q_d{g}_d}{p_c{g}_{\mathrm{cd}}+n_0})\&GreaterEqual;R_d^{\mathrm{req}}$

${\log }_2(1+\frac{p_c{g}_c}{q_d{g}_{\mathrm{dc}}+n_0})\&GreaterEqual;R_c^{\mathrm{req}}$

$0\&le;p_c\&le;P_c^{\max }$

$0\&le;q_d\&le;P_d^{\max }$

在问题P1中，各个参数定义如下：

p_c：D2D用户DU d接入CU c时蜂窝用户的发送功率；

q_d：D2D用户DU d接入CU c时D2D用户的发送功率；

g_c：蜂窝用户CU c与基站之间的信道增益；

g_d：DU d的发射机和接收机之间的信道增益；

g_cd：蜂窝用户CU c对DU d的干扰信道增益；

g_dc：D2D用户DU d对CU c的干扰信道增益；

蜂窝用户CU c的传输速率要求；

D2D用户DU d的传输速率要求；

蜂窝用户CU c的最大发送功率；

D2D用户DU d的最大发送功率；

n₀：背景噪声功率；

η_d：D2D用户DU d的能量效率；

注：本说明书中，参数符号中出现的上标“*”表示参数在优化问题中的最优值。

（2）用公式

将p_c用q_d代替，同时，引入新变量P和

将问题P1等效转化为一个D2D用户DU d的发送功率控制优化问题；

$P2:{{\mathrm{\&eta;}}^{*}}_d=\underset{q_d}{\max }\frac{1}{q_d}{\log }_2(1+\frac{g_d{g}_c{q}_d}{n_0(g_c+{\mathrm{\&alpha;}}_c{g}_{\mathrm{cd}})+{\mathrm{\&alpha;}}_c{g}_{\mathrm{dc}}{g}_{\mathrm{cd}}{q}_d})$

$s.t.\underset{-}{P}\&le;q_d\&le;\stackrel{\&OverBar;}{P}$

其中， $\underset{\&OverBar;}{P}=\frac{n_0{\mathrm{\&beta;}}_d({\mathrm{\&alpha;}}_c{g}_{\mathrm{cd}}+g_c)}{g_c{g}_d-{\mathrm{\&alpha;}}_c{\mathrm{\&beta;}}_d{g}_{\mathrm{cd}}{g}_{\mathrm{dc}}},\stackrel{\&OverBar;}{P}=\min \{\frac{1}{g_{\mathrm{dc}}}(\frac{P_c^{\max }{g}_c}{{\mathrm{\&alpha;}}_c}-n_0),P_d^{\max }\},$ ${\mathrm{\&alpha;}}_c=2^{R_c^{\mathrm{req}}-1},{\mathrm{\&beta;}}_d=2^{R_d^{\mathrm{req}}-1}$

利用函数 $\tilde{R}\left(q_d\right)={\log }_2(1+\frac{g_d{g}_c{q}_d}{n_0(g_c+{\mathrm{\&alpha;}}_c{g}_{\mathrm{cd}})+{\mathrm{\&alpha;}}_c{g}_{\mathrm{dc}}{g}_{\mathrm{cd}}{q}_d}),$

优化问题P2等效转换为如下优化问题P3：

$P3:\underset{\mathrm{\&gamma;},q_d}{\max }\mathrm{\&gamma;}$

$s.t.\mathrm{\&gamma;}>0,\underset{\&OverBar;}{P}<q_d<\stackrel{\&OverBar;}{P}$

$F(q_d,\mathrm{\&gamma;})=\tilde{R}\left(q_d\right)-\mathrm{\&gamma;}{q}_d\&GreaterEqual;0$

在问题P2和P3中，各个参数定义如下：

p_c：D2D用户DU d接入CU c时蜂窝用户的发送功率；

q_d：D2D用户DU d接入CU c时D2D用户的发送功率；

g_c：蜂窝用户CU c与基站之间的信道增益；

g_d：DU d的发射机和接收机之间的信道增益；

g_dc：D2D用户DU d对CU c的干扰信道增益；

蜂窝用户CU c的传输速率要求；

D2D用户DU d的传输速率要求；

蜂窝用户CU c的最大发送功率；

D2D用户DU d的最大发送功率；

n₀：背景噪声功率；

γ：D2D用户DU d的能量效率；

（3）求解问题P3，获得 $q_d^{*}=\underset{\&OverBar;}{P},p_c^{*}=\frac{{\mathrm{\&alpha;}}_c(n_0+q_d^{*}{g}_{\mathrm{dc}})}{g_c};$

（4）针对D2D通信中基于能效优化的发送功率控制问题，采用如下分布式功率控制的算法，过程为：

步骤4.1：设置迭代次数，t＝1；初始化CU c的发送功率， $p_c\left(1\right)=p_c^{\mathrm{ini}}=0;$ 初始化DU d的发送功率， $q_d\left(1\right)=q_d^{\mathrm{ini}}=0;$

步骤4.2：若CU c收到来自DU d的消息告知功率控制不可行，终止算法；否则，继续步骤4.3；

步骤4.3：CU c首先测量其受到的外界干扰和噪声之和（该值用I_c(t)表示，I_c(t)＝q_d(t)g_dc+n₀），然后按照如下公式更新其发送功率

$p_c(t+1)=\min \{\frac{{\mathrm{\&alpha;}}_c}{g_c}{I}_c\left(t\right),P_c^{\max }\}$

在更新之后，如果CU c的发送功率已达其最大发送功率值，即但是CU c的传输速率要求未被满足；在此情况下，CU c向DU d发出消息，告知DU d说明他们之间功率控制不可行，算法终止；否则继续步骤4.4；

步骤4.4：若DU d收到来自CU c的消息告知功率控制不可行，则终止算法，否则，继续步骤4.5；

步骤4.5：DU d首先测量其受到的外界干扰和噪声之和（该值用I_d(t)表示，I_d(t)＝p_c(t)g_cd+n₀），然后按照如下公式更新其发送功率

$q_d(t+1)=\min \{\frac{{\mathrm{\&beta;}}_d}{g_d}{I}_d\left(t\right),P_d^{\max }\}$

在更新之后，如果DU d的发送功率已达其最大发送功率值，即

但是DU d的传输速率要求未能被满足，在此情况下，则DU d向CU c发消息告知其他们之间功率控制不可行，算法终止，否则，继续执行步骤4.6；

步骤4.6：收敛条件判断，若满足收敛条件（ε是非常小的正数）：

|p_c(t+1)-p_c(t)|²+|q_d(t+1)-q_d(t)|²≤ε

则算法收敛，此时DU d和CU c已经达到最优发送功率，该组发送功率是优化问题P1的最优解，即能够保证最大化DU d的能量效率；否则，设置t＝t+1，返回步骤4.2。

进一步，所述步骤（3）中，采用分层思想求解优化问题P3的主要步骤为：

步骤3.1）给定任意γ＞0时，优化问题的目标函数是一个常数，为获得最优的q_d，即求解优化问题，

其中，F(q_d,γ)是q_d的凹函数，令

得

$\frac{d\tilde{R}\left(q_d\right)}{{\mathrm{dq}}_d}-\mathrm{\&gamma;}=\frac{1}{\ln 2}\frac{\mathrm{AC}}{(C+(A+B)q_d)(C+{\mathrm{Bq}}_d)}-\mathrm{\&gamma;}=0,$

故，

为满足 $(A+B){\mathrm{Bq}}_d^2+C(A+2B)q_d+C^2-\frac{1}{\ln 2}\frac{1}{\mathrm{\&gamma;}}\mathrm{AC}=0$ 的解，即：

$q_d^{*}\left(\mathrm{\&gamma;}\right)={\left(\frac{\sqrt{\mathrm{\&Delta;}}-C(A+2B)}{2B(A+B)}\right)}_{\underset{\&OverBar;}{P}}^{\stackrel{\&OverBar;}{P}}$

其中，A＝g_cg_d，B＝α_cg_cdg_dc，C＝n₀(g_c+α_cg_cd)。

步骤3.2）将步骤3.1）中求得的

代入原优化问题，求解满足条件 $F(q_d^{*},\mathrm{\&gamma;})\&GreaterEqual;0$ 的最大的γ，即 ${\mathrm{\&gamma;}}^{*}=\underset{\mathrm{\&gamma;}>0}{\max }\mathrm{\&gamma;}$ 满足 $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})\&GreaterEqual;0,$ 其中，

$q_d^{*}\left(\mathrm{\&gamma;}\right)=\left\{\begin{array}{cc}\stackrel{\&OverBar;}{P},& \mathrm{\&gamma;}<\underset{\&OverBar;}{M}\\ \frac{\sqrt{\mathrm{\&Delta;}}-C(A+2B)}{2B(A+B)},& \underset{\&OverBar;}{M}\&le;\mathrm{\&gamma;}\&le;\stackrel{\&OverBar;}{M}\\ \underset{\&OverBar;}{P},& \mathrm{\&gamma;}>\stackrel{\&OverBar;}{M}\end{array}\right.$

$\stackrel{\&OverBar;}{M}=\frac{1}{\ln 2}\frac{\mathrm{AC}}{B{(A+B)}^{{\underset{\&OverBar;}{P}}^2}+C(A+2B)\underset{\&OverBar;}{P}+C^2},$

$\stackrel{\&OverBar;}{M}=\frac{1}{\ln 2}\frac{\mathrm{AC}}{B{(A+B)}^{{\underset{\&OverBar;}{P}}^2}+C(A+2B)\underset{\&OverBar;}{P}+C^2},$

分析不同γ取值下D2D网络能量效率的情况（A,B,C定义同上）：

1)当 $\underset{\&OverBar;}{M}\&le;\mathrm{\&gamma;}\&le;\stackrel{\&OverBar;}{M}$ 时， $F(q_d^{*}\left(\underset{\&OverBar;}{M}\right),\underset{\&OverBar;}{M})>F(q_d^{*}\left(\stackrel{\&OverBar;}{M}\right),\stackrel{\&OverBar;}{M})>0,$ 故 ${\mathrm{\&gamma;}}^{*}=\stackrel{\&OverBar;}{M},$ $q_d^{*}=\underset{\&OverBar;}{P},{{\mathrm{\&eta;}}^{*}}_d=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}});$

2)当 $\mathrm{\&gamma;}<\underset{\&OverBar;}{M}$ 时, $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})={\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}})-\mathrm{\&gamma;}\underset{\&OverBar;}{P}$ 为γ的单调递减函数，令 $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})=0$ 得 ${\mathrm{\&gamma;}}^{*}=\stackrel{\&OverBar;}{M},q_d^{*}=\stackrel{\&OverBar;}{P},{{\mathrm{\&eta;}}^{*}}_d=\frac{1}{\stackrel{\&OverBar;}{P}}{\log }_2(1+\frac{A\stackrel{\&OverBar;}{P}}{C+B\stackrel{\&OverBar;}{P}});$

3)当

时, $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})={\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}})-\mathrm{\&gamma;}\underset{\&OverBar;}{P}$ 为γ的单调递减函数，令 $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})=0$ 得 $q_d^{*}=\underset{\&OverBar;}{P},{{\mathrm{\&eta;}}^{*}}_d=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}}),$ ${\mathrm{\&gamma;}}^{*}=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}});$

综合以上三种情况可知，

或者

且当

时γ取到的值较大，故， $q_d^{*}=\underset{\&OverBar;}{P},{\mathrm{\&gamma;}}^{*}=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}})=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+{\mathrm{\&beta;}}_d).$

本实施例中，图1是本发明考虑包含D2D网络的蜂窝网络系统。在该系统中，D2D用户只需要测量来自蜂窝用户的干扰以及周围环境中的噪声干扰，蜂窝用户只需要测量来自D2D用户的干扰以及周围环境中的噪声干扰，然后蜂窝用户和D2D用户同时进行功率控制，在保障用户服务质量的前提下最大化D2D用户的能量效率。

本实施例着眼于在满足每个用户服务质量的前提下，D2D用户通过消息通信完成用户传输功率控制，实现D2D用户能量效率最大化。我们的工作可以使得D2D用户不需要向蜂窝中的基站汇报自身信息而完成相应地资源优化工作，从而提高了网络的扩展性和安全性，节省网络资源，提高了整个网络的性能。

本发明中，D2D用户根据网络中蜂窝用户带来的干扰以及背景噪声影响，蜂窝用户根据D2D用户接入引入的干扰以及背景噪声的影响，两者同时控制传输功率，在保证蜂窝用户以及D2D用户的服务质量的前提下，实现最大化D2D用户能量效率的目标。

Claims (2)

1.一种D2D通信中基于能效优化的分布式功率控制方法，其特征在于：所述控制方法包括以下步骤：

（1）在D2D通信中，通过D2D用户和蜂窝用户的发送功率控制，从而实现D2D用户能量效率最大化的目标，该优化问题描述为如下所示的非凸性优化问题：

$P1:{{\mathrm{\&eta;}}^{*}}_d=\max \frac{1}{q_d}{\log }_2(1+\frac{q_d{g}_d}{p_d{g}_{\mathrm{cd}}+n_0})$

$s.t.{\log }_2(1+\frac{q_d{g}_d}{p_c{g}_{\mathrm{cd}}+n_0})\&GreaterEqual;R_d^{\mathrm{req}}$

${\log }_2(1+\frac{p_c{g}_c}{q_d{g}_{\mathrm{dc}}+n_0})\&GreaterEqual;R_c^{\mathrm{req}}$

$0\&le;p_c\&le;P_c^{\max }$

$0\&le;q_d\&le;P_d^{\max }$

在问题P1中，各个参数定义如下：

p_c：D2D用户DU d接入CU c时蜂窝用户的发送功率；

q_d：D2D用户DU d接入CU c时D2D用户的发送功率；

g_c：蜂窝用户CU c与基站之间的信道增益；

g_d：DU d的发射机和接收机之间的信道增益；

g_cd：蜂窝用户CU c对DU d的干扰信道增益；

g_dc：D2D用户DU d对CU c的干扰信道增益；

蜂窝用户CU c的传输速率要求；

D2D用户DU d的传输速率要求；

蜂窝用户CU c的最大发送功率；

D2D用户DU d的最大发送功率；

n₀：背景噪声功率；

η_d：D2D用户DU d的能量效率，“*”表示参数在优化问题中的最优值；

（2）用公式

将p_c用q_d代替，同时，引入新变量P和

将问题P1等效转化为一个D2D用户DU d的发送功率控制优化问题；

$P2:{{\mathrm{\&eta;}}^{*}}_d=\underset{q_d}{\max }\frac{1}{q_d}{\log }_2(1+\frac{g_d{g}_c{q}_d}{n_0(g_c+{\mathrm{\&alpha;}}_c{g}_{\mathrm{cd}})+{\mathrm{\&alpha;}}_c{g}_{\mathrm{dc}}{g}_{\mathrm{cd}}{q}_d})$

$s.t.\underset{-}{P}\&le;q_d\&le;\stackrel{\&OverBar;}{P}$

其中， $\underset{\&OverBar;}{P}=\frac{n_0{\mathrm{\&beta;}}_d({\mathrm{\&alpha;}}_c{g}_{\mathrm{cd}}+g_c)}{g_c{g}_d-{\mathrm{\&alpha;}}_c{\mathrm{\&beta;}}_d{g}_{\mathrm{cd}}{g}_{\mathrm{dc}}},\stackrel{\&OverBar;}{P}=\min \{\frac{1}{g_{\mathrm{dc}}}(\frac{P_c^{\max }{g}_c}{{\mathrm{\&alpha;}}_c}-n_0),P_d^{\max }\},$ ${\mathrm{\&alpha;}}_c=2^{R_c^{\mathrm{req}}-1},{\mathrm{\&beta;}}_d=2^{R_d^{\mathrm{req}}-1}$

利用函数 $\tilde{R}\left(q_d\right)={\log }_2(1+\frac{g_d{g}_c{q}_d}{n_0(g_c+{\mathrm{\&alpha;}}_c{g}_{\mathrm{cd}})+{\mathrm{\&alpha;}}_c{g}_{\mathrm{dc}}{g}_{\mathrm{cd}}{q}_d}),$ 优化问题P2等效转换为如下优化问题P3：

$P3:\underset{\mathrm{\&gamma;},q_d}{\max }\mathrm{\&gamma;}$

$s.t.\mathrm{\&gamma;}>0,\underset{\&OverBar;}{P}<q_d<\stackrel{\&OverBar;}{P}$

$F(q_d,\mathrm{\&gamma;})=\tilde{R}\left(q_d\right)-\mathrm{\&gamma;}{q}_d\&GreaterEqual;0$

在问题P2和P3中，各个参数定义如下：

p_c：D2D用户DU d接入CU c时蜂窝用户的发送功率；

q_d：D2D用户DU d接入CU c时D2D用户的发送功率；

g_c：蜂窝用户CU c与基站之间的信道增益；

g_d：DU d的发射机和接收机之间的信道增益；

g_dc：D2D用户DU d对CU c的干扰信道增益；

蜂窝用户CU c的传输速率要求；

D2D用户DU d的传输速率要求；

蜂窝用户CU c的最大发送功率；

D2D用户DU d的最大发送功率；

n₀：背景噪声功率；

γ：D2D用户DU d的能量效率；

（3）求解问题P3，获得 $q_d^{*}=\underset{\&OverBar;}{P},p_c^{*}=\frac{{\mathrm{\&alpha;}}_c(n_0+q_d^{*}{g}_{\mathrm{dc}})}{g_c};$

（4）针对D2D通信中基于能效优化的发送功率控制问题，采用如下分布式功率控制的算法，过程为：

步骤4.1：设置迭代次数，t＝1；初始化CU c的发送功率， $p_c\left(1\right)=p_c^{\mathrm{ini}}=0;$ 初始化DU d的发送功率， $q_d\left(1\right)=q_d^{\mathrm{ini}}=0;$

步骤4.2：若CU c收到来自DU d的消息告知功率控制不可行，终止算法；否则，继续步骤4.3；

步骤4.3：CU c首先测量其受到的外界干扰和噪声之和，然后按照如下公式更新其发送功率

$p_c(t+1)=\min \{\frac{{\mathrm{\&alpha;}}_c}{g_c}{I}_c\left(t\right),P_c^{\max }\}$

其中，I_c(t)＝q_d(t)g_dc+n₀，在更新之后，如果CU c的发送功率已达其最大发送功率值，即

但是CU c的传输速率要求未被满足；在此情况下，CU c向DU d发出消息，告知DU d说明他们之间不匹配，算法终止；否则继续步骤4.4；

步骤4.4：若DU d收到来自CU c的消息告知匹配不可行，则终止算法，否则，继续步骤4.5；

步骤4.5：DU d首先测量其受到的外界干扰和噪声之和，然后按照如下公式更新其发送功率

$q_d(t+1)=\min \{\frac{{\mathrm{\&beta;}}_d}{g_d}{I}_d\left(t\right),P_d^{\max }\}$

其中，I_d(t)＝p_c(t)g_cd+n₀，在更新之后，如果DU d的发送功率已达其最大发送功率值，即

但是DU d的传输速率要求未能被满足，在此情况下，则DU d向CU c发消息告知其他们之间匹配不可行，算法终止，否则，继续执行步骤4.6；

步骤4.6：收敛条件判断，若满足收敛条件：

|p_c(t+1)-p_c(t)|²+|q_d(t+1)-q_d(t)|²≤ε

则算法收敛，ε是正数，此时DU d和CU c已经达到最优发送功率，该组发送功率是优化问题P1的最优解，即能够保证最大化DUd的能量效率；否则，设置t＝t+1，返回步骤4.2。

2.如权利要求1所述的一种D2D通信中基于能效优化的分布式功率控制方法，其特征在于：所述步骤（3）中，采用分层思想求解优化问题P3的主要步骤为：

步骤3.1）给定任意γ＞0时，优化问题的目标函数是一个常数，为获得最优的q_d，即求解优化问题，

其中，F(q_d,γ)是q_d的凹函数，令得 $\frac{d\tilde{R}\left(q_d\right)}{{\mathrm{dq}}_d}-\mathrm{\&gamma;}=\frac{1}{\ln 2}\frac{\mathrm{AC}}{(C+(A+B)q_d)(C+{\mathrm{Bq}}_d)}-\mathrm{\&gamma;}=0,$ 故，为满足 $(A+B){\mathrm{Bq}}_d^2+C(A+2B)q_d+C^2-\frac{1}{\ln 2}\frac{1}{\mathrm{\&gamma;}}\mathrm{AC}=0$ 的解，得：

$q_d^{*}\left(\mathrm{\&gamma;}\right)={\left(\frac{\sqrt{\mathrm{\&Delta;}}-C(A+2B)}{2B(A+B)}\right)}_{\underset{\&OverBar;}{P}}^{\stackrel{\&OverBar;}{P}}$

其中，A＝g_cg_d，B＝α_cg_cdg_dc，C＝n₀(g_c+α_cg_cd)；

步骤3.2）将步骤3.1）中求得的

代入原优化问题，求解满足条件 $F(q_d^{*},\mathrm{\&gamma;})\&GreaterEqual;0$ 的最大的γ，即 ${\mathrm{\&gamma;}}^{*}=\underset{\mathrm{\&gamma;}>0}{\max }\mathrm{\&gamma;}$ 满足 $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})\&GreaterEqual;0,$ 其中，

$q_d^{*}\left(\mathrm{\&gamma;}\right)=\left\{\begin{array}{cc}\stackrel{\&OverBar;}{P},& \mathrm{\&gamma;}<\underset{\&OverBar;}{M}\\ \frac{\sqrt{\mathrm{\&Delta;}}-C(A+2B)}{2B(A+B)},& \underset{\&OverBar;}{M}\&le;\mathrm{\&gamma;}\&le;\stackrel{\&OverBar;}{M}\\ \underset{\&OverBar;}{P},& \mathrm{\&gamma;}>\stackrel{\&OverBar;}{M}\end{array}\right.$

$\underset{\&OverBar;}{M}=\frac{1}{\ln 2}\frac{\mathrm{AC}}{B{(A+B)}^{{\stackrel{\&OverBar;}{P}}^2}+C(A+2B)\stackrel{\&OverBar;}{P}+C^2},$

$\stackrel{\&OverBar;}{M}=\frac{1}{\ln 2}\frac{\mathrm{AC}}{B{(A+B)}^{{\underset{\&OverBar;}{P}}^2}+C(A+2B)\underset{\&OverBar;}{P}+C^2},$

分析不同γ取值下D2D网络能量效率的情况：

1)当 $\underset{\&OverBar;}{M}\&le;\mathrm{\&gamma;}\&le;\stackrel{\&OverBar;}{M}$ 时， $F(q_d^{*}\left(\underset{\&OverBar;}{M}\right),\underset{\&OverBar;}{M})>F(q_d^{*}\left(\stackrel{\&OverBar;}{M}\right),\stackrel{\&OverBar;}{M})>0,$ 故 ${\mathrm{\&gamma;}}^{*}=\stackrel{\&OverBar;}{M},$ $q_d^{*}=\underset{\&OverBar;}{P},{{\mathrm{\&eta;}}^{*}}_d=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}});$

2)当 $\mathrm{\&gamma;}<\underset{\&OverBar;}{M}$ 时, $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})={\log }_2(1+\frac{A\stackrel{\&OverBar;}{P}}{C+B\stackrel{\&OverBar;}{P}})-\mathrm{\&gamma;}\stackrel{\&OverBar;}{P}$ 为γ的单调递减函数，令 $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})=0$ 得 ${\mathrm{\&gamma;}}^{*}=\stackrel{\&OverBar;}{M},q_d^{*}=\stackrel{\&OverBar;}{P},{{\mathrm{\&eta;}}^{*}}_d=\frac{1}{\stackrel{\&OverBar;}{P}}{\log }_2(1+\frac{A\stackrel{\&OverBar;}{P}}{C+B\stackrel{\&OverBar;}{P}});$

3)当 $\mathrm{\&gamma;}>\stackrel{\&OverBar;}{M}$ 时, $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})={\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}})-\mathrm{\&gamma;}\underset{\&OverBar;}{P}$ 为γ的单调递减函数，令 $F(q_d^{*}\left(\mathrm{\&gamma;}\right),\mathrm{\&gamma;})=0$ 得 $q_d^{*}=\underset{\&OverBar;}{P},{{\mathrm{\&eta;}}^{*}}_d=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}}),$ ${\mathrm{\&gamma;}}^{*}=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}});$

综合以上三种情况可知，

或者

且当

时γ取到的值较大，故， $q_d^{*}=\underset{\&OverBar;}{P},{\mathrm{\&gamma;}}^{*}=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+\frac{A\underset{\&OverBar;}{P}}{C+B\underset{\&OverBar;}{P}})=\frac{1}{\underset{\&OverBar;}{P}}{\log }_2(1+{\mathrm{\&beta;}}_d).$

Images