CN104410976A - 一种分布式端到端用户和蜂窝网络用户关联及时间分配方法 - Google Patents

Abstract

一种分布式的端到端用户和蜂窝网络用户关联及时间分配方法，当DU i和CU j关联时，计算它们的吞吐率；将问题建模为在保证单个用户最小吞吐率的情况下，最大化系统吞吐率问题；当DU i和CU j关联时，为它们分配时间片；建模DU和CU关联子问题，转换为最大权重二分匹配问题；DU向CU广播峰值速率和最小数据速率，CU向DU发送时间片大小和吞吐量；DU和CU计算各自邻居集合，选择初始收益，向邻居广播收益，向对方出价，估计各自利润,然后更新收益；所有DU和CU迭代执行出价，更新收益；CU判断是否关联DU，DU查找它关联的CU。本发明在CU和DU混合网络中，保证单个用户最小数据率的情况下，最大化系统吞吐量。

Description

一种分布式端到端用户和蜂窝网络用户关联及时间分配方法

技术领域

本发明属于通信领域，尤其是对于具有蜂窝网络用户(CUs)和端到端网络用户(DUs)的混合网络，通过选择CU与DU的关联以及为他们分配合适的时间以优化总的系统吞吐量。

背景技术

在当前的蜂窝网络中，需要高数据速率的服务，如视频流，社交媒体等已经占用了大量可用的频谱资源。在当前移动用户和移动数据需求大量增加的情况下，有限的频谱资源已经越来越难以保证用户的需求。在3GPP提出的LTE-A的研究项目中，允许在小区蜂窝网络中支持Device-to-Device(D2D)通信的设备直接进行通信以提高频谱利用率。因此，在CU和DU混合网络中，如何将CU和DU关联以及如何分配蜂窝网络资源对于改善系统频谱效益是极其有意义的。

发明内容

为了克服现有的蜂窝网络的频谱利用效率较低的不足，本发明提供了一种在CU和DU混合网络中，保证单个用户最小数据率的情况下，最大化系统吞吐量、提升频谱利用效率的分布式端到端用户和蜂窝网络用户关联及时间分配方法。

本发明解决其技术问题所采用的技术方案是：

一种分布式端到端用户和蜂窝网络用户关联及时间分配方法，所述方法包括以下步骤：

1)对于一个具有N个DU和M个CU的混合网络，M≥N，当DU i与CU j关联时，1≤i≤N，1≤j≤M，DU i和CU j的吞吐率分别为：

$R_{\mathrm{ij}}^D=B(1-{\mathrm{\α}}_{\mathrm{ij}})x_{\mathrm{ij}}{\log }_2(1+\frac{p_i^D{g}_{\mathrm{ij}}}{n_i})$

$R_{\mathrm{ij}}^C=B{\mathrm{\α}}_{\mathrm{ij}}{x}_{\mathrm{ij}}{\log }_2(1+\frac{p_j^C{g}_j}{n_j})---\left(1\right)$

其中，式中各参数定义如下：

DU i的吞吐率；

CU j的吞吐率；

B：CU j的上行链路的带宽；

α_ij：分配给CU j的时间片；

1-α_ij：分配给DU i时间片大小；

x_ij：指示变量，x_ij＝1表示DU i和CU j相关联，x_ij＝0表示DU i和CU j不相关联；

DU i的传输功率；

CU j的传输功率；

g_ij：发送者DU i和接收者之间的信道增益；

g_j：CU j和基站之间的信道增益；

n_i：DU i相应的接收者的噪声功率；

n_j：CU j相应的接收者的噪声功率；

2)在保证单个DU和CU的最小吞吐率的情况下，允许DU共享CU的蜂窝网络资源以最大化系统的吞吐量，所以，问题描述为：

约束条件： ${\mathrm{\Σ}}_{j=1}^M{R}_{\mathrm{ij}}^D\≥R_{i,\min }^D{\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}},$

${\mathrm{\Σ}}_{i=1}^N{R}_{\mathrm{ij}}^C\≥R_{j,\min }^D,$

${\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}}\≤1,$

0≤α_ij≤1,

其中，式中各参数定义如下：

DU i的最小数据速率；

CU j的最小数据速率；

C_j：为简化符号，用C_j表示

表示CU j不和任何DU关联，表示CU j和某一个DU关联；

N个DU用户的集合，

M个CU用户的集合，

问题(2)使用凸优化理论难以解决，将该问题(2)分解为时间分配优化子问题和DU与CU关联优化子问题；

3)当DU i和CU j关联时，时间分配优化子问题为

$\underset{{\mathrm{\α}}_{\mathrm{ij}}}{\max }(1+{\mathrm{\α}}_{\mathrm{ij}})D_{\mathrm{ij}}+{\mathrm{\α}}_{\mathrm{ij}}{C}_j---\left(3\right)$

约束问题： $(1+{\mathrm{\α}}_{\mathrm{ij}})D_{\mathrm{ij}}\≥R_{i,\min }^D,$

${\mathrm{\α}}_{\mathrm{ij}}{C}_j\≥R_{j,\min }^C,$

0≤α_ij≤1

问题(3)是具有一个变量的线性优化问题，如果该问题存在一个最优解α′_ij,则α′_ij为

所以，在最优情况下，DU i和CU j的总吞吐量W_ij为

W_ij＝(1-α′_ij)D_ij+α′_ijC_j     (5)

其中，式中各参数定义如下：

D_ij：为简化符号，用D_ij表示

如果问题(3)不存在最优解，则令W_ij＝0，x_ij＝0；

4)DU与CU关联优化子问题用下式表示：

约束条件： ${\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}}\≤1,$

问题(6)是一个二元线性优化问题，它的前两个约束条件对应的约束矩阵是一个完全幺模矩阵，因此放宽问题(6)的约束条件，得到(7)：

约束条件： ${\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}}\≤1,$

5)当CU和DU关联时，有一部分CU没有关联到DU用户，假设存在M个虚拟的DU用户，如果CU j没有关联的DU，则把该CU视作和虚拟的DUj相关联，因此，问题(6)转化为一个从集合到集合的最大权重的二分匹配，问题(6)的对偶问题是：

$\min \underset{j=1}{\overset{M}{\mathrm{\Σ}}}{y}_j+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i+\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{z}_j---\left(8\right)$

约束条件： $x_i+y_j\≥W_{\mathrm{ij}},\∀(i,j):W_{\mathrm{ij}}>0,$

其中，式中各参数定义如下:

y_j:CU j的收益；

x_i：DU i的收益；

z_j：虚拟DU j的收益；

6)每个DU i向所有的CU广播一个信息，该信息包括DU i的峰值速率D_ij和最小数据速率每一个CUj收到DU i发来的信息后，求解问题(3)，然后将W_ij和时间片1-α_ij通知DU i；

7)每个DU i根据收到的信息求出它的邻居集合 每个CU j根据它收到的信息求出它的邻居集合

8)每个DU和CU从[0,W_ij]中随机的选择收益和每一个CU j从[0,C_j]中随机选择收益每一个虚拟DU j的收益为选择一个近似因子∈>0，令t＝1；

9)每一个DU i将它的收益通知每一个邻居CU j，每一个CUj将它的收益通知每一个邻居DU i；

10)每一个DUi根据公式(9)向CUj出价每一个CUj根据公式(9)向DU i出价

其中符号[·]⁺表示投影到非负象限；

每一个虚拟的DUj根据公式(10)向CU j出价每一个CU j根据公式(10)向虚拟的DU j出价

其中，由于每一个虚拟的DUj只允许和CUj关联，因此对于所有的t，的值均为0；

11)每个DU和CU通过公式(11)估计它的利润

然后通过公式(12)更新它们的收益；

其中，k为阻碍更新因子，k∈(0,1)，k接近0表示更新前后的e值差别不大，k接近1表示更新后的值受邻居出价影响较大，表示i的邻居集合中除去元素i；

更新完毕后，将t加1，t＝t+1；

12)令 如果max{A,B,C}≤∈，则转到步骤13)，否则转到步骤9)；

13)每一个DU和CU根据公式(11)获得最优的利润，假设它们相应的最优利润为每一个CUj判断是否关联DU，如果则CUj不和任何DU关联，然后CUj将通知给它的邻居；

14)每一个DUi查找它关联的CU，如果则DUi可以和CUj关联，这样DUi就和CUj共享上行链路资源。

本发明的技术构思为：首先,对于D2D用户和蜂窝网络用户混合网络缓和当前无线资源紧缺的有效技术。因此在保证单个用户最小数据率的情况下，最大化系统的全局吞吐量是十分重要的。然后，我们将该优化问题分解为时间分配子问题和CU与DU关联子问题。这样就可以使用一种分布式的基于协商过程的算法处理CU与DU关联。

本发明的有益效果主要表现在:对整个混合网络系统而言，选择合适的CU与DU关联方式不仅可以充分利用无线网络资源，而且可以提高网络的吞吐量。另外，使用分布式算法避免了集中式算法中单个节点能源消耗过大，运算复杂度高的问题。

附图说明

图1是具有N个DU，M个CU以及M个虚拟DU的网络系统示意图。

图2是使D2D和蜂窝混合网络总吞吐量最大的算法流程图。

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和图2，一种分布式端到端用户和蜂窝网络用户关联及时间分配方法，实行该方法能充分利用无线网络资源，提高无线网络的吞吐量。本发明基于具有N个DU，M个CU以及M个虚拟DU的网络系统(如图1所示)。在该混合无线网络系统中，DU选择合适CU进行关联以复用它的上行链路。发明针对DU和CU混合网络提出的通过选择合适的DU，CU关联方法以使总吞吐量最大的方法有以下步骤(如图2所示)：

1)对于一个具有N个DU和M个CU的混合网络，M≥N，当DUi与CU j关联时，1≤i≤N，1≤j≤M，DU i和CU j的吞吐率分别为：

$R_{\mathrm{ij}}^D=B(1-{\mathrm{\α}}_{\mathrm{ij}})x_{\mathrm{ij}}{\log }_2(1+\frac{p_i^D{g}_{\mathrm{ij}}}{n_i}),$

$R_{\mathrm{ij}}^C=B{\mathrm{\α}}_{\mathrm{ij}}{x}_{\mathrm{ij}}{\log }_2(1+\frac{p_j^C{g}_j}{n_j})---\left(1\right)$

其中，式中各参数定义如下：

DU i的吞吐率；

CU j的吞吐率；

B：CU j的上行链路的带宽；

α_ij：分配给CU j的时间片；

1-α_ij：分配给DU i时间片大小；

x_ij：指示变量，x_ij＝1表示DU i和CU j相关联，x_ij＝0表示DU i和CU j不相关联；

DU i的传输功率；

CU j的传输功率；

g_ij：发送者DU i和接收者之间的信道增益；

g_j：CU j和基站之间的信道增益；

n_i：DU i相应的接收者的噪声功率；

n_j：CU j相应的接收者的噪声功率。

2)本发明是在保证单个DU和CU的最小吞吐率的情况下，允许DU共享CU的蜂窝网络资源以最大化系统的吞吐量。所以，该问题可以描述为：

约束条件： ${\mathrm{\Σ}}_{j=1}^M{R}_{\mathrm{ij}}^D\≥R_{i,\min }^D{\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}},$

${\mathrm{\Σ}}_{i=1}^N{R}_{\mathrm{ij}}^C\≥R_{j,\min }^D,$

${\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}}\≤1,$

0≤α_ij≤1,

其中，式中各参数定义如下：

DU i的最小数据速率；

CU j的最小数据速率；

C_j：为简化符号，用C_j表示

表示CU j不和任何DU关联，表示CU j和某一个DU关联；

N个DU用户的集合，

M个CU用户的集合，

问题(2)使用凸优化理论难以解决，因此我们将该问题分解为时间分配优化子问题和DU与CU关联优化子问题。

3)当DU i和CU j关联时，时间分配优化子问题为

$\underset{{\mathrm{\α}}_{\mathrm{ij}}}{\max }(1+{\mathrm{\α}}_{\mathrm{ij}})D_{\mathrm{ij}}+{\mathrm{\α}}_{\mathrm{ij}}{C}_j---\left(3\right)$

约束问题： $(1+{\mathrm{\α}}_{\mathrm{ij}})D_{\mathrm{ij}}\≥R_{i,\min }^D,$

${\mathrm{\α}}_{\mathrm{ij}}{C}_j\≥R_{j,\min }^C,$

0≤α_ij≤1

问题(3)是具有一个变量的线性优化问题，如果该问题存在一个最优解α′_ij,则α′_ij为

所以，在最优情况下，DU i和CU j的总吞吐量W_ij为

W_ij＝(1-α′_ij)D_ij+α′_ijC_j     (5)

其中，式中各参数定义如下：

D_ij：为简化符号，用D_ij表示

如果问题(3)不存在最优解，则令W_ij＝0，x_ij＝0；

4)DU与CU关联优化子问题可以用下式表示：

约束条件： ${\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}}\≤1,$

问题(6)是一个二元线性优化问题。它的前两个约束条件对应的约束矩阵是一个完全幺模矩阵，因此可以放宽问题(6)的约束条件。

约束条件： ${\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}}\≤1,$

5)由于CU的数目多于DU的数目，所以CU和DU关联时，必然有一部分CU没有关联到DU用户。假设存在M个虚拟的DU用户，如果CU j没有关联的DU，则可以把该CU视作和虚拟的DUj相关联。因此，问题(6)转化为一个从集合到集合的最大权重的二分匹配。问题(6)的对偶问题是：

$\min \underset{j=1}{\overset{M}{\mathrm{\Σ}}}{y}_j+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i+\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{z}_j---\left(8\right)$

约束条件： $x_i+y_j\≥W_{\mathrm{ij}},\∀(i,j):W_{\mathrm{ij}}>0,$

其中，式中各参数定义如下:

y_j:CU j的收益；

x_i：DU i的收益；

z_j：虚拟DU j的收益。

6)每个DU i向所有的CU广播一个信息，该信息包括DU i的峰值速率D_ij和最小数据速率每一个CUj收到DU i发来的信息后，求解问题(3)，然后将W_ij和时间片1-α_ij通知DU i。

7)每个DU i根据收到的信息求出它的邻居集合 每个CU j根据它收到的信息求出它的邻居集合

8)每个DU和CU从[0,W_ij]中随机的选择收益和每一个CU j从[0,C_j]中随机选择收益每一个虚拟DU j的收益为选择一个近似因子∈>0，令t＝1。

9)每一个DU i将它的收益通知每一个邻居CU j。每一个CU j将它的收益通知每一个邻居DU i。

10)每一个DU i根据公式(9)向CU j出价每一个CU j根据公式(9)向DU i出价

其中符号[·]⁺表示投影到非负象限(如max(·,0))。

每一个虚拟的DUj根据公式(10)向CU j出价每一个CU j根据公式(10)向虚拟的DU j出价

其中，由于每一个虚拟的DUj只允许和CU j关联，因此对于所有的t，的值均为0。

11)每个DU和CU根据相应的出价通过公式(11)估计它们的利润。

然后通过公式(12)更新它们的收益。

其中，k∈(0,1)，k接近0表示更新前后的e值差别不大。k接近1表示更新后的值受邻居出价影响较大。表示i的邻居集合中除去元素i。

更新完毕后，将t加1，t＝t+1。

12)令 如果max{A,B,C}≤∈，则转到步骤13)，否则转到步骤步骤9)。

13)每一个DU和CU根据公式(11)获得最优的利润。假设它们相应的最优利润为每一个CUj判断是否关联DU。如果则CUj不和任何DU关联。然后CUj将通知给它的邻居。

14)每一个DU i查找它可以关联的CU。如果 则DU i可以和CUj关联。这样DU i就可以和CUj共享上行链路资源。

本实施例着眼于在DU和CU的混合网络中，DU通过和CU关联以复用CU的上行链路。通过选择合适的DU，CU关联方式实现系统总吞吐量最大化。本实施例的方案可以帮助DU和CU在使用有限信息交互的情况下分布式的选择关联对象，避免单个节点功率消耗过大，充分利用了网络资源。

Claims (1)

1.一种分布式端到端用户(DU)和蜂窝网络用户(CU)关联及时间分配方法，其特征在于：所述方法包括以下步骤：

1)对于一个具有N个DU和M个CU的混合网络，M≥N，当DU i与CU j关联时，1≤i≤N，1≤j≤M，DU i和CU j的吞吐率分别为：

$R_{\mathrm{ij}}^D=B(1-{\mathrm{\α}}_{\mathrm{ij}})x_{\mathrm{ij}}\mathrm{lo}{g}_2(1+\frac{p_i^D{g}_{\mathrm{ij}}}{n_i})$

$R_{\mathrm{ij}}^C={\mathrm{B\α}}_{\mathrm{ij}}{x}_{\mathrm{ij}}{\log }_2(1+\frac{p_j^C{g}_j}{n_j})---\left(1\right)$

其中，式中各参数定义如下：

DU i的吞吐率；

CU j的吞吐率；

B：CU j的上行链路的带宽；

α_ij：分配给CU j的时间片；

1-α_ij：分配给DU i时间片大小；

x_ij：指示变量，x_ij＝1表示DU i和CU j相关联，x_ij＝0表示DU i和CU j不相关联；

DU i的传输功率；

CU j的传输功率；

g_ij：发送者DU i和接收者之间的信道增益；

g_j：CU j和基站之间的信道增益；

n_i：DU i相应的接收者的噪声功率；

n_j：CU j相应的接收者的噪声功率；

2)在保证单个DU和CU的最小吞吐率的情况下，允许DU共享CU的蜂窝网络资源以最大化系统的吞吐量，所以，问题描述为：

$\max \underset{j=1}{\overset{M}{\mathrm{\Σ}}}(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(R_{\mathrm{ij}}^C+R_{\mathrm{ij}}^D)+C_j\widehat{x_J})---\left(2\right)$

约束条件： ${\mathrm{\Σ}}_{j=1}^M{R}_{\mathrm{ij}}^D\≥R_{i,\min }^D{\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}},$

${\mathrm{\Σ}}_{i=1}^N{R}_{\mathrm{ij}}^C\≥R_{j,\min }^D,$

${\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}}\≤1,$

${\mathrm{\Σ}}_{i=1}^N{x}_{\mathrm{ij}}+\widehat{x_J}\≤1,$

0≤α_ij≤1，

其中，式中各参数定义如下：

DU i的最小数据速率；

CU j的最小数据速率；

C_j：为简化符号，用C_j表示B

表示CU j不和任何DU关联，表示CU j和某一个DU关联；

N个DU用户的集合，

M个CU用户的集合，

问题(2)使用凸优化理论难以解决，将该问题(2)分解为时间分配优化子问题和DU与CU关联优化子问题；

3)当DU i和CU j关联时，时间分配优化子问题为

$\underset{{\mathrm{\α}}_{\mathrm{ij}}}{\max }(1+{\mathrm{\α}}_{\mathrm{ij}})D_{\mathrm{ij}}+{\mathrm{\α}}_{\mathrm{ij}}{C}_j---\left(3\right)$

约束问题： $(1+{\mathrm{\α}}_{\mathrm{ij}})D_{\mathrm{ij}}\≥R_{i,\min }^D,$

${\mathrm{\α}}_{\mathrm{ij}}{C}_j\≥R_{j,\min }^C,$

0≤α_ij≤1

问题(3)是具有一个变量的线性优化问题，如果该问题存在一个最优解α′_ij，则α′_ij为

所以，在最优情况下，DU i和CU j的总吞吐量W_ij为

W_ij＝(1-α′_ij)D_ij+α′_ijC_j  (5)

其中，式中各参数定义如下：

D_ij：为简化符号，用D_ij表示B

如果问题(3)不存在最优解，则令W_ij＝0，x_ij＝0；

4)DU与CU关联优化子问题用下式表示：

$\max \underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_{\mathrm{ij}}{x}_{\mathrm{ij}}+\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{C}_j\widehat{x_J}---\left(6\right)$

约束条件： ${\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}}\≤1,$

${\mathrm{\Σ}}_{i=1}^N{x}_{\mathrm{ij}}+\widehat{x_J}\≤1,$

问题(6)是一个二元线性优化问题，它的前两个约束条件对应的约束矩阵是一个完全幺模矩阵，因此放宽问题(6)的约束条件，得到(7)： $\max \underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_{\mathrm{ij}}{x}_{\mathrm{ij}}+\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{C}_j\widehat{x_J}---\left(7\right)$

约束条件： ${\mathrm{\Σ}}_{j=1}^M{x}_{\mathrm{ij}}\≤1,$

${\mathrm{\Σ}}_{i=1}^N{x}_{\mathrm{ij}}+\widehat{x_J}\≤1,$

5)当CU和DU关联时，有一部分CU没有关联到DU用户，假设存在M个虚拟的DU用户，如果CU j没有关联的DU，则把该CU视作和虚拟的DUj相关联，因此，问题(6)转化为一个从集合到集合的最大权重的二分匹配，问题(6)的对偶问题是：

$\min \underset{j=1}{\overset{M}{\mathrm{\Σ}}}{y}_j+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i+\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{z}_j---\left(8\right)$

约束条件：x_i+y_i≥W_ij，

其中，式中各参数定义如下：

y_j：CU j的收益；

x_i：DU i的收益；

z_j：虚拟DU j的收益；

6)每个DU i向所有的CU广播一个信息，该信息包括DU i的峰值速率D_ij和最小数据速率每一个CUj收到DU i发来的信息后，求解问题(3)，然后将W_ij和时间片1-α_ij通知DU i；

7)每个DU i根据收到的信息求出它的邻居集合 每个CU j根据它收到的信息求出它的邻居集合

8)每个DU和CU从[0，W_ij]中随机的选择收益和每一个CU j从[0，C_j]中随机选择收益每一个虚拟DU j的收益为选择一个近似因子∈＞0，令t＝1；

9)每一个DU i将它的收益通知每一个邻居CU j，每一个CUj将它的收益通知每一个邻居DU i；

10)每一个DUi根据公式(9)向CUj出价每一个CUj根据公式(9)向DU i出价

其中符号[·]⁺表示投影到非负象限；

每一个虚拟的DUj根据公式(10)向CU j出价每一个CU j根据公式(10)向虚拟的DU j出价

其中，由于每一个虚拟的DU j只允许和CU j关联，因此对于所有的t，的值均为0；

11)每个DU和CU通过公式(11)估计它的利润

然后通过公式(12)更新它们的收益；

其中，k∈(0，1)，k接近0表示更新前后的e值差别不大，k接近1表示更新后的值受邻居出价影响较大，表示i的邻居集合中除去元素i；

更新完毕后，将t加1，t＝t+1；

12)令

如果max{A，B，C}≤∈，则转到步骤13)，否则转到步骤9)；

13)每一个DU和CU根据公式(11)获得最优的利润，假设它们相应的最优利润为每一个CUj判断是否关联DU，如果则CUj不和任何DU关联，然后CUj将通知给它的邻居；

14)每一个DUi查找它关联的CU，如果则DUi可以和CUj关联，这样DUi就和CUj共享上行链路资源。