CN104883727B - 蜂窝异构网络中d2d用户速率最大化的功率分配方法 - Google Patents

Abstract

本发明公开了一种蜂窝异构网络中D2D用户速率最大化的功率分配方法,包括以下步骤：步骤10)进行初始化操作：步骤20)蜂窝用户检测干扰，生成定价因子，并广播给每个D2D用户；步骤30)D2D用户根据蜂窝用户广播的定价因子确定发射功率，进行信息的传输；步骤40)各D2D用户接收各蜂窝用户广播的定价因子λ_m,k ^(t+1)，判断是否更新功率：如果则D2D用户停止功率更新；如果则返回步骤20)，直至ε表示判断阈值。该功率分配方法，可以实现在蜂窝用户干扰容忍约束下D2D用户速率最优的目的。

Description

蜂窝异构网络中D2D用户速率最大化的功率分配方法

技术领域

本发明涉及D2D用户的功率分配方法，具体来说，涉及蜂窝异构网络中D2D用户速率最大化的功率分配方法。

背景技术

随着通信技术的飞速发展，为满足移动用户对高速业务的需求，5G关键技术中的设备与设备(对应英文为：Device-to-Device；文中简称：D2D)技术将允许某些通信设备不必经过基站而直接进行通信，也就是可以像蓝牙功能那样以点对点的方式进行数据的传输。D2D技术作为下一代蜂窝移动通信系统的关键技术，以提升系统容量为目标，允许蜂窝用户和D2D用户通过无干扰或者存在干扰两种形式进行通信。前者由于不同的频率资源被蜂窝用户和D2D用户分开使用，频谱效率不高。对于后者，蜂窝用户和D2D用户之间的干扰来源于彼此对相同频率的复用。在这种场景下，D2D用户对蜂窝用户的干扰就始终存在，从而可能极大地降低蜂窝用户的用户体验。具体说来，当相同的频率资源同时被蜂窝用户和D2D用户使用时，蜂窝用户很有可能将受到来自D2D用户的无法容忍的干扰，导致蜂窝用户的通信质量下降。这在某种程度上来说是不允许的。因此，如何将D2D用户产生的干扰控制在理想的范围、同时最大程度提高D2D用户的通信速率，成为蜂窝异构网络中亟待解决的关键问题。

同时，由于蜂窝异构网络中各个D2D用户对于网络全局信息的了解非常有限，因此集中式的算法难以实施。另外，集中式的算法会带来非常大的计算复杂度，尤其是在D2D用户数目很多的情况下。所以，分布式算法对于蜂窝异构网络中的蜂窝用户和D2D用户间干扰协调来说是非常重要的。现已有多种理论应用于蜂窝异构网络中的分布式资源管理。而博弈论作为一种描述、反映参与人的策略选择动机以便找到参与人问题最优解的方法，已成为以分布式方法解决最优化问题的重要工具。博弈论又被称为“对策论”，是研究公式化了的激励结构间相互作用的一种重要数学工具。它能有效解决理性决策者之间竞争或合作的问题。博弈包含非合作博弈和合作博弈。非合作博弈考虑博弈中个人的预测行为和实际行为，分析每个理性而自私的参与者会做出怎样的决策，以及博弈最终可能出现的结果是什么。非合作博弈理论已经为解决无线通信网络中的诸多问题提供了完备的理论工具。具体来说，通过设计特定的效用函数和定价机制，其后通过迭代求解使得每个用户“自动”地达到系统所期望的性能，即一种相对稳定的动态平衡——“纳什均衡”。

发明内容

技术问题：针对现有蜂窝用户和D2D用户干扰协调技术在分布式实现、算法复杂度、D2D用户性能等性能方面的不足，本发明提供一种蜂窝异构网络中D2D用户速率最大化的功率分配方法，可以实现在蜂窝用户干扰容忍约束下D2D用户速率最优的目的。

技术方案：为解决上述技术问题，本发明实施例采用如下的技术方案：

一种蜂窝异构网络中D2D用户速率最大化的功率分配方法,设迭代时隙t＝1、2、…、T，T表示最大迭代次数，表示D2D用户i在迭代时隙t的发射功率，表示蜂窝用户m在迭代时隙t针对k信道反馈回的定价因子，其中，i∈N′，N′表示D2D用户的集合，N′＝{1、2、…、N}，N表示D2D用户的总数；m∈M′，M′表示蜂窝用户集合，M′＝{1、2、…、M}，M表示蜂窝用户的总数；k∈K′，K′表示信道集合，K′＝{1、2、…、K}，K表示信道总数；该方法包括以下步骤：

步骤10)进行初始化操作；

步骤20)蜂窝用户检测干扰，生成定价因子，并广播给每个D2D用户；

步骤30)D2D用户根据蜂窝用户广播的定价因子确定发射功率，进行信息的传输；

步骤40)各D2D用户接收各蜂窝用户广播的定价因子λ_m,k ^(t+1)，判断是否更新功率：如果则D2D用户停止功率更新；如果则返回步骤20)，直至ε表示判断阈值。

作为第一种可能实现方式中，所述的步骤10)具体包括：令迭代时隙t为1，表示蜂窝用户m在迭代时隙为1时，针对k信道反馈回的定价因子；D2D用户i在迭代时隙t＝1时随机选定一组发射功率作为发射功率，进行信息传输；i其中，表示在迭代时隙为1时，D2D用户i在第1信道上所分配的发射功率，(2)表示在迭代时隙为1时，D2D用户i在第2信道上所分配的发射功率，(K)表示在迭代时隙为1时，D2D用户i在第K信道上所分配的发射功率

作为第二种可能实现方式中，所述的步骤20)具体包括：

步骤201)每个蜂窝用户测量在各个信道上接收到的D2D用户产生的干扰；

步骤202)每个蜂窝用户根据定价因子以及步骤201)测得的干扰，采用如式(1)所示的可变步长投影算法，生成下一个迭代时隙下的蜂窝用户定价因子t＝1+n，n表示步骤40)返回步骤20)的次数，n的初始值为0；表示蜂窝用户m在迭代时隙t针对第1信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t针对第2信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t针对第K信道反馈回的定价因子；表示蜂窝用户m在迭代时隙t+1针对第1信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t+1针对第2信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t+1针对第K信道反馈回的定价因子；

步骤203)每个蜂窝用户将其生成的定价因子广播给每个D2D用户。

作为第三种可能实现方式中，所述的步骤30)具体包括：

步骤301)各D2D用户接收各蜂窝用户广播的定价因子

步骤302)各D2D用户根据式(2)计算其在该迭代时隙使效用函数最大化的发射功率：

式(2)

步骤303)各D2D用户根据式(2)测得的最大化自身效用函数的发射功率，更新发射功率，进行信息的传输，并等待蜂窝用户下一次广播定价因子。

有益效果：与现有技术相比，本发明的技术方案具有以下优点：

(1)可实现各个D2D用户的速率最大化。本发明实施例提供的方法基于注水功率算法，注水功率算法就是对效用函数求偏导，并令导函数等于零，所得解即为极大值点。该方法在总功率一定的条件下是最优功率分配。本方法能在满足蜂窝用户干扰限制的前提下，根据注水功率算法，最大化D2D用户的传输速率。

(2)系统运行更稳健。本发明实施例步骤30)采用分布式的实施方式，各个D2D用户作为独立的参与者，根据蜂窝用户反馈回的定价因子，自主的进行运算和功率分配策略调整。本发明实施例不需要一个集中式的中心控制器来进行控制和计算。这种分布式方式使得系统结构分散化，避免了因单点失效带来的系统崩溃，系统更稳健。

(3)降低计算复杂度，提升分配效率。本发明实施例的模型基于非合作博弈，步骤30)中每个D2D用户都是参与博弈的独立个体，在收集定价因子和测量干扰以后，各自计算下一个时隙各自的发射功率即可。与集中式那种由一个中心节点统计收集各类信息，再求解各个节点的发射功率，再将求得的结果分发给每个D2D用户的方法相比，将串行操作转变为了并行操作，降低了计算复杂度，也提高了计算效率，缩短了计算时间。

附图说明

图1是本发明的流程图；

图2是本发明实施例的系统模型图；

图3是本发明实施例的系统和速率随算法迭代次数的变化曲线；

图4是本发明实施例在各个信道上D2D用户对蜂窝用户的干扰示意图；

图5是本发明实施例中D2D用户容量与干扰容忍的关系图。

具体实施方式

下面结合附图，对本发明实施例的技术方案进行详细的说明。

如图1所示，本发明实施例提供一种蜂窝异构网络中D2D用户速率最大化的功率分配方法,设迭代时隙t＝1、2、…、T，T表示最大迭代次数，表示D2D用户i在迭代时隙t的发射功率，表示蜂窝用户m在迭代时隙t针对k信道反馈回的定价因子，其中，i∈N′，N′表示D2D用户的集合，N′＝{1、2、…、N}，N表示D2D用户的总数；m∈M′，M′表示蜂窝用户集合，M′＝{1、2、…、M}，M表示蜂窝用户的总数；k∈K′，K′表示信道集合，K′＝{1、2、…、K}，K表示信道总数。该方法包括以下步骤：

步骤10)进行初始化操作：令迭代时隙t为1，表示蜂窝用户m在迭代时隙为1时，针对k信道反馈回的定价因子；D2D用户i在迭代时隙t＝1时随机选定一组发射功率作为发射功率，进行信息传输；i其中，表示在迭代时隙为1时，D2D用户i在第1信道上所分配的发射功率，表示在迭代时隙为1时，D2D用户i在第2信道上所分配的发射功率，表示在迭代时隙为1时，D2D用户i在第K信道上所分配的发射功率。

步骤20)蜂窝用户检测干扰，生成定价因子，并广播给每个D2D用户。步骤20)具体包括步骤201)至步骤203)。

步骤201)每个蜂窝用户测量在各个信道上接收到的D2D用户产生的干扰；

步骤202)每个蜂窝用户根据定价因子以及步骤201)测得的干扰，采用如式(1)所示的可变步长投影算法，生成下一个迭代时隙下的蜂窝用户定价因子t＝1+n，n表示步骤40)返回步骤20)的次数，n的初始值为0；表示蜂窝用户m在迭代时隙t针对第1信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t针对第2信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t针对第K信道反馈回的定价因子；表示蜂窝用户m在迭代时隙t+1针对第1信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t+1针对第2信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t+1针对第K信道反馈回的定价因子；

步骤203)每个蜂窝用户将其生成的定价因子广播给每个D2D用户。

步骤30)D2D用户根据蜂窝用户广播的定价因子确定发射功率，进行信息的传输。步骤30)具体包括步骤301)至步骤303)：

步骤301)各D2D用户接收各蜂窝用户广播的定价因子

步骤302)各D2D用户根据式(2)计算其在该迭代时隙使效用函数最大化的发射功率：

式(2)

步骤303)各D2D用户根据式(2)测得的最大化自身效用函数的发射功率，更新发射功率，进行信息的传输，并等待蜂窝用户下一次广播定价因子。

步骤40)各D2D用户接收各蜂窝用户广播的定价因子如果则D2D用户停止功率更新；如果则返回步骤20)，直至ε表示判断阈值。

本发明的功率分配方法，采用迭代定价的方法，使得D2D用户的功率分配迭代收敛于一个定值，从而既能满足蜂窝用户的QoS要求——限制D2D用户所造成的干扰，又能在此基础上使D2D用户的传输速率最大化，达到提高D2D用户传输性能的目的。鉴于集中式算法复杂度高，信息交互量大，本发明采用分布式的方法来研究在蜂窝用户的干扰容忍约束下D2D用户的最优功率分配方案。D2D用户与蜂窝用户之间通过定价因子的交互迭代完成功率分配，从而达到各个D2D用户在所有信道上的和速率最大化。各个D2D用户的效用值定义为其自身通信速率与蜂窝用户接收到的各个信道上干扰的差。各个蜂窝用户计算其当前接收到的干扰值，根据步长投影算法生成各自的定价因子，以迭代调整的方式进行D2D用户功率分配策略的更新。

下面例举一具体实例。

参看图2，本实例的系统属于异构蜂窝系统，小区半径为500米，不考虑小区与小区之间产生的干扰。小区中随机分布有3个蜂窝用户(图中三角形示意蜂窝用户)和6个D2D用户(图中圆形示意D2D用户)。系统频带划分为32个子信道，每个子信道带宽为200KHz。系统中任意两节点间的信道是独立同分布的瑞利衰落信道，且信道状态在一次算法收敛的期间内保持不变。D2D用户在任意时刻所有信道上的最大发射功率和设为1W，各个D2D用户根据其功率策略将发射功率分配在其子信道上。每条通信链路上噪声方差相同，且为σ²＝-130dBm。信道大尺度衰落模型为h_i＝c/d_i ^v，其中，h_i表示信道大尺度衰落模型,c表示常数，v表示路径损耗因子，d_i表示D2D用户i到目的端的距离，设c＝0.097，v＝3。算法的最大迭代次数设为450。定价因子的变化步长α在所有时隙中均设为10^-2。

下面将本发明涉及的基于迭代定价的功率注水算法，与现有的其他两种类型的功率注水算法进行比较。现有的两种类型的功率注水算法中，一种类型的功率注水算法是保守功率注水算法，即D2D用户通过大幅度压制其发射功率来确保蜂窝用户的干扰限制，这种方法虽然确保了蜂窝用户的通信需求，但D2D用户的通信质量非常低；另一种类型的功率注水算法是传统功率注水算法，即完全无视蜂窝用户的干扰限制，最大化D2D用户通信速率的同时会对蜂窝用户造成干扰。本发明涉及的基于迭代定价的功率注水算法的实施过程如下：

步骤4，算法终止条件判定：对于每一次D2D用户收到的定价因子如果满足此处ε＝10^-5，则D2D用户停止功率策略的更新。否则，令t＝t+1并转至步骤2。

在上述条件下，用本发明的控制方法对D2D用户所造成干扰的降低过程如图3所示。图3中，横坐标表示迭代次数，单位：次；纵坐标表示所有信道总的干扰超出量，单位：W。从图3可知：当步骤4中的算法终止条件满足时，迭代将收敛。因此，在实际系统中，该方法只需迭代约100次即能满足终止条件。

采用matlab仿真的方法对各方法在各个信道上D2D用户对蜂窝用户的干扰进行测量。结果如图4所示。图4中，横坐标表示信道序号；纵坐标表示迭代收敛后D2D用户对蜂窝用户所造成的干扰，单位：W。从图4中可知：在19和30号两个子信道上，传统注水算法因为未考虑蜂窝用户的干扰限制而出现干扰溢出，而本发明将D2D用户在这两个子信道上造成的干扰有效抑制在蜂窝用户允许的范围之内。此外，在其余无干扰溢出的子信道上，本发明与传统注水算法性能一致。这说明本发明的方法对D2D用户发射功率控制的有效性。图4中采用本发明的方法效果和保守注水算法是一样的，没有干扰超出。

图5所示为D2D用户容量与蜂窝用户对干扰容忍程度的关系。由于传统注水算法是多信道功率分配的最优解，当蜂窝用户在每个信道上的干扰容忍程度逐渐增大时，本发明的方法的性能逐步逼近传统注水算法的性能，从而保证了本发明在保证蜂窝用户QoS前提下能使D2D用户传输速率最大化。由于保守注水算法只考虑避免干扰超出，从而导致该算法不能在允许范围内适当提高发射功率，使得D2D用户信息传输速率底下。而传统注水算法是多信道功率分配的最优解，当蜂窝用户在每个信道上的干扰容忍程度逐渐增大时，本发明的方法的性能能够逐步逼近传统注水算法的性能，从而验证了本发明能在保证蜂窝用户QoS前提下使D2D用户传输速率最大化。

本发明实施例为了保证蜂窝异构网络蜂窝用户的服务质量(文中简称：QoS)，D2D用户功率控制技术通过对D2D用户发射功率进行合理有效的管理，从而将对蜂窝用户的干扰水平保持在可控的状态下。其核心思想在于采用蜂窝用户和D2D用户间定价因子的迭代交互，使得D2D用户能获知蜂窝用户当前所承受的干扰，并采用根据步长投影算法生成一组定价因子，逐步调整D2D用户的发射功率，以达到在蜂窝用户干扰容忍约束下D2D用户速率最大化的效果。D2D用户功率控制技术本质上是实现D2D用户的无线资源管理功能，通过管理无线资源(主要是发射功率和时频资源块)来控制对蜂窝用户的干扰。它需要同时考虑来自D2D用户的如下信息：其他D2D用户对自身的干扰、蜂窝用户反馈回来的定价因子以及蜂窝用户造成的背景噪声和加性高斯噪声等。

由于各个D2D用户到蜂窝用户的距离不同，所以各个D2D用户对蜂窝用户的干扰也不相同。而且，随着蜂窝用户和D2D用户相对位置的不断变化，蜂窝用户和D2D用户间的信道条件也在不断地发生变化，对信道条件的感知和获取是进行自适应无线资源管理与分配的基础。下一代蜂窝异构网络中的无线资源分配主要是针对蜂窝用户和D2D用户复用相同频率时的场景。这一分配方案的总体目标是根据份额用户和D2D用户间的信道特性、D2D用户彼此之间的干扰情况及蜂窝用户当前所承受的干扰和QoS要求，采用优化算法或者静/动态调整方法，确定对于每个D2D用户在哪些信道上分配多少发射功率值，从而将蜂窝用户所承受的干扰减轻至可以容忍的范围内，同时提高D2D用户的吞吐量以及系统性能。

以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解，本发明不受上述具体实施例的限制，上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。

Claims (2)

1.一种蜂窝异构网络中D2D用户速率最大化的功率分配方法,其特征在于，设迭代时隙t＝1、2、…、T，T表示最大迭代次数，表示D2D用户i在迭代时隙t的发射功率，表示蜂窝用户m在迭代时隙t针对k信道反馈回的定价因子，其中，i∈N′，N′表示D2D用户的集合，N′＝{1、2、…、N}，N表示D2D用户的总数；m∈M′，M′表示蜂窝用户集合，M′＝{1、2、…、M}，M表示蜂窝用户的总数；k∈K′，K′表示信道集合，K′＝{1、2、…、K}，K表示信道总数；该方法包括以下步骤：

步骤10)进行初始化操作：

步骤20)蜂窝用户检测干扰，生成定价因子，并广播给每个D2D用户；

所述的步骤20)具体包括：

步骤201)每个蜂窝用户测量在各个信道上接收到的D2D用户产生的干扰；

步骤202)每个蜂窝用户根据定价因子以及步骤201)测得的干扰，采用如式(1)所示的可变步长投影算法，生成下一个迭代时隙下的蜂窝用户定价因子 t＝1+n，n表示步骤40)返回步骤20)的次数，n的初始值为0；表示蜂窝用户m在迭代时隙t针对第1信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t针对第2信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t针对第K信道反馈回的定价因子；表示蜂窝用户m在迭代时隙t+1针对第1信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t+1针对第2信道反馈回的定价因子，表示蜂窝用户m在迭代时隙t+1针对第K信道反馈回的定价因子；

其中，表示：当时，当时，表示蜂窝用户m在迭代时隙t针对第k信道反馈回的定价因子，α^(t+1)表示第t+1个迭代时隙的定价因子变化步长，且α^(t+1)＞0；表示第t个迭代时隙的干扰容忍盈余，其中，表示蜂窝用户m在信道k上最多可承受的干扰，表示蜂窝用户m在第t个迭代时隙第k个信道上实际接收的干扰，H_m,i(k)表示蜂窝用户m与D2D用户i之间在信道k上的瞬时信道状态信息；表示在迭代时隙为t时，D2D用户i在信道k上所分配的发射功率；

步骤203)每个蜂窝用户将其生成的定价因子广播给每个D2D用户；

步骤30)D2D用户根据蜂窝用户广播的定价因子确定发射功率，进行信息的传输；

所述的步骤30)具体包括：

步骤301)各D2D用户接收各蜂窝用户广播的定价因子

步骤302)各D2D用户根据式(2)计算其在该迭代时隙使效用函数最大化的发射功率：

其中，表示效用函数，表示在t+1迭代时隙，D2D用户i为了最大化自己的效用函数所使用的发射功率向量，表示在t+1迭代时隙，除D2D用户i以外的其他所有D2D用户为了最大化自己的效用函数各自所使用的发射功率矢量，表示在t+1迭代时隙，蜂窝用户m和信道k的二维定价因子矢量，表示D2D用户i在t+1迭代时隙的信息速率， 表示在t+1迭代时隙时，D2D用户i在第k信道上所分配的发射功率；H_i(k)表示D2D用户i到其目的端的瞬时信道状态信息；σ²表示蜂窝用户的背景噪声，表示除D2D用户i以外的其他D2D用户对D2D用户i造成的干扰；H_ii′(k)表示D2D用户i和D2D用户i′之间的瞬时信道状态信息；表示在t+1迭代时隙时，D2D用户i′在第k信道上所分配的发射功率；H_m,i(k)表示蜂窝用户m与D2D用户i之间在信道k上的瞬时信道状态信息；表示蜂窝用户m在迭代时隙t+1针对第k信道反馈回的定价因子，表示在迭代时隙为t+1时，D2D用户i在第k信道上所分配的发射功率；

步骤303)各D2D用户根据式(2)测得的最大化自身效用函数的发射功率，更新发射功率，进行信息的传输，并等待蜂窝用户下一次广播定价因子；

步骤40)各D2D用户接收各蜂窝用户广播的定价因子λ_m,k ^(t+1)，判断是否更新功率：如果则D2D用户停止功率更新；如果则返回步骤20)，直至e表示判断阈值。

2.按照权利要求1所述的蜂窝异构网络中D2D用户速率最大化的功率分配方法,其特征在于，所述的步骤10)具体包括：

令迭代时隙t为1， 表示蜂窝用户m在迭代时隙为1时，针对k信道反馈回的定价因子；D2D用户i在迭代时隙t＝1时随机选定一组发射功率作为发射功率，进行信息传输；i其中，表示在迭代时隙为1时，D2D用户i在第1信道上所分配的发射功率，表示在迭代时隙为1时，D2D用户i在第2信道上所分配的发射功率，表示在迭代时隙为1时，D2D用户i在第K信道上所分配的发射功率。