CN106454920B - 一种lte与d2d混合网络中基于时延保证的资源分配优化算法 - Google Patents

一种lte与d2d混合网络中基于时延保证的资源分配优化算法 Download PDF

Info

Publication number
CN106454920B
CN106454920B CN201610952448.2A CN201610952448A CN106454920B CN 106454920 B CN106454920 B CN 106454920B CN 201610952448 A CN201610952448 A CN 201610952448A CN 106454920 B CN106454920 B CN 106454920B
Authority
CN
China
Prior art keywords
user
lte
particle
resource block
kth
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610952448.2A
Other languages
English (en)
Other versions
CN106454920A (zh
Inventor
张鹤立
王洋
郭俊
纪红
李曦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201610952448.2A priority Critical patent/CN106454920B/zh
Publication of CN106454920A publication Critical patent/CN106454920A/zh
Application granted granted Critical
Publication of CN106454920B publication Critical patent/CN106454920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0226—Traffic management, e.g. flow control or congestion control based on location or mobility
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
    • H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种LTE与D2D混合网络中基于时延保证的资源分配优化算法，属于无线通信技术领域；具体为：步骤一、针对LTE单小区，同时存在配对的D2D用户和LTE用户，建立通信系统。步骤二、对通信系统中的D2D用户对与LTE用户进行资源分配，在最大化系统吞吐量和用户时延低于门限时延的条件下进行数学建模；步骤三、采用基于粒子群优化的资源分配算法对数学模型求解，得到系统吞吐量最大时每个粒子最终的位置；步骤四、对基于粒子群优化的资源分配算法进行仿真验证，有效降低系统时延。优点在于：在LTE网络和D2D通信混合网络架构下，在保证用户时延不超过时延门限的前提下，最大化系统整体吞吐量；实现了无线资源的合理分配和优化。

Description

一种LTE与D2D混合网络中基于时延保证的资源分配优化算法
技术领域
本发明属于无线通信技术领域，具体是一种LTE与D2D混合网络中基于时延保证的资源分配优化算法。
背景技术
目前，终端直通（D2D）通信技术允许两个距离较近的设备，在不受基站影响或仅受有限影响的情况下实现直接通信，该技术能够显著提高系统吞吐量和频谱效率，且用户信令和数据不用经过核心网，直接在用户间传递，具有很好的研究前景。然而由于部分移动业务对时延较为敏感，如即时视频通信和交互游戏等，过长的时延会导致用户的使用体验度下降，无法保证用户的QoS。
现有的LTE蜂窝网络也已经很难满足用户日益增长的移动性需求。
针对上述问题，基于低时延的D2D通信技术能够有效的满足用户对实时性的需求，提升通信QoS，在部分场景下利用低时延保证的D2D代替LTE蜂窝通信，形成LTE和D2D混合组网，能有效提高频谱效率，缓解移动网络的压力。但是，在LTE蜂窝网络下部署D2D网络还存在许多挑战，如D2D用户对发现过程，D2D用户和LTE用户之间的资源管理等。在LTE和D2D混合组网中，存在无线资源如何分配和彼此间相互干扰等问题。
现有的LTE和D2D混合组网方式中，目前主要采用模式选择、资源分配等混合网络的无线资源管理技术。
文献[1]：基于OFDMA系统的带有QoS保证的D2D组播资源分配方案。[C]//个人室内无线通信系统,2013IEEE第24次国际讨论会,2013:12383-2387.文献[2]：在LTE-A网络下D2D通信的模式选择//无线通信网络会议[C],2010IEEE.IEEE,2010:1-6.和文献[3]：在蜂窝网络下用于D2D通信的资源共享优化方案[J].IEEE无线讨论会议,2011,10(8):2752-2763.分别研究了D2D用户和蜂窝用户共享频谱资源的模式选择问题，模式选择算法虽然考虑了D2D和蜂窝的链路质量以及每种可能共享模式下的干扰情况，最后选择在满足蜂窝网络SINR限制条件下能够提供最高的传输速率。但是，该模式的算法并没有考虑复用蜂窝上行或下行资源的区别，也没有将干扰对网络整体性能的影响考虑在内。
文献[4]：在蜂窝网络下基于D2D通信的干扰感知[C]//IEEE车辆技术大会.2009:1-5.提出了一种基于干扰感知的资源分配方案，D2D首先对上行链路进行干扰检测，之后周期性地将信息反馈给基站，基站依据收到的信息为D2D用户分配资源，以此来减少蜂窝用户对D2D用户的干扰。但是，该资源分配方案没能实现系统吞吐量的最大化，也未能实现将资源合理公平性的分配给用户。
文献[5]基于D2D通信的时序和资源分配方案[C]//无线通信和网络大会,2013IEEE.IEEE,2013:134-139.提出了一种同时考虑系统吞吐量和用户的公平性的资源分配算法，但是，该资源分配算法无法感知链路状态，无法实现低时延的要求。
在文献[6]LTE-A网络下的D2D通信[J].现代科学和通信技术,2010,47(12):42-49.中研究了LTE网络下共享模式的D2D通信干扰管理方法，然而，该管理方法同样没能区别考虑将蜂窝网络的上行和下行资源。
文献[7]5G蜂窝网络下，D2D通信面临的挑战和未来的发展方向[J].IEEE通信杂志,2014,52(5):86-92.提出的算法虽然能够达到最高的速率传输，但该算法没有考虑功率控制。
文献[8]用于D2D通信的资源分配性能分析[C]//GLOBECOM Workshops,2011IEEE.IEEE,2011:358-362.提出了一种联合了模式选择和功率分配的灵活的资源复用策略，能够最小化整体的功率消耗，但没有尽量使系统吞吐量最大。
综上，现有技术中的资源分配研究算法都没有考虑时延对D2D通信的影响，因此即便是能够达到很好的功率控制和很高的系统吞吐量，但是无法保证用户的QoS，无法满足即时视频等对时延要求较高的业务需求。
发明内容
本发明在LTE蜂窝网络和D2D通信共存的架构下，研究了基于时延的资源分配问题，通过对LTE用户和D2D用户进行合理的资源分配来最大化系统吞吐量；通过将基于时延保证的资源分配抽象为混合整数非线性规划问题，为了实现较低的复杂度，提出了一种LTE与D2D混合网络中基于时延保证的资源分配优化算法。
具体步骤如下：
步骤一、针对LTE单小区，同时存在配对的D2D用户和LTE用户，建立通信系统。
通信系统包括：一个基站，K1个LTE用户以及K2对D2D用户对；LTE用户和D2D用户对共享N个资源块。D2D用户对之间通信复用LTE网络的下行资源，且一个D2D用户对占用一个资源块，不同D2D用户对不能复用相同的资源块。
K1个LTE用户采用集合表示，K2对D2D用户对采用表示；
步骤二、对通信系统中的D2D用户对与LTE用户进行资源分配，在最大化系统吞吐量和用户时延低于门限时延的条件下进行数学建模；
通过资源分配最大化系统吞吐量的公式，如下：
数学建模如下：
指示资源块n的分配情况，当时表示资源块n被分配给了第k个用户，时则表示资源块n没有被分配给第k个用户。
代表第k个LTE用户或者第k个D2D用户对在资源块n上的传输速率；公式如下：
B代表资源块n的带宽；Γ(Γ≤1)代表真实情况下和香农容量的差距；表示第k个LTE用户或者第k个D2D用户对在资源块n上接收端的SINR；公式如下：
表示基站在资源块n上分配给第k个LTE用户的发射功率；基站在所有资源块上的发射功率之和不能超过基站最大的发射功率限制
代表从基站到第k个LTE用户在资源块n上的信道增益；
表示除去资源块n被分配给的第k个LTE用户或者第k个D2D用户对后，资源块n上其他所有用户造成的干扰功率。
表示资源块n被分配给的第k个LTE用户或者第k个D2D用户对的噪声功率；
表示第k个D2D用户对在资源块n上的发射功率；任何一个D2D用户对在所有资源块上的发射功率之和不能超过D2D用户的发射功率限制
代表资源块n上从第k个D2D用户对的发送端到接收端的信道增益；
lk代表第k个LTE用户或者第k个D2D用户对发射端的队列长度；
代表每个用户都要满足的最大时延门限。
步骤三、采用基于粒子群优化的资源分配算法对数学模型求解，得到系统吞吐量最大时每个粒子最终的位置；
根据基于时延的资源分配问题，把离散的粒子资源分配表示映射到资源分配的连续域上，把限制条件转化为补偿函数，提出适应度函数并用粒子群优化算法来求解。
具体步骤如下：
步骤301、初始化每个粒子的位置，速度，历史最优解和全局最优解；
第i个粒子在资源块上的位置集合Xi表示为：i＝1,2,…,S，S为粒子的总数；n＝1,2,…,2N，N为资源块的数量。
针对第i个粒子，将该粒子的位置和速度使用0和1之间的随机数进行初始化，历史最优解pbesti和全局最优解gbest都初始化为0。
步骤302、针对第i个粒子，在第t次迭代中更新该粒子的速度和位置；
更新公式如下：
w是控制粒子速率的惯性权重因子；c1和c2是两个学习因子的正常量，r1和r2是取值在0和1之间的随机变量。
pbesti(t)代表第i个粒子在第t次迭代中，使系统吞吐量最大化取得最优值的位置，即该粒子的历史最优解；
第i个粒子的历史最优解pbesti(t)，用下式表示：
其中，τ为迭代次数，xi(t)为第i个粒子所在的位置；f()是目标函数。
gbest(t)代表第t次迭代在所有粒子的范围内，使系统吞吐量取得最优值得所有粒子的位置，即全局最优解，用下式表示：
步骤303、将第i个粒子更新后的位置向量均分成两部分，并将每部分都解码成整数作为资源块序号，将对应资源块分别分配给LTE用户和D2D用户对；
通过对粒子更新的位置向量进行解码，得到每个资源块所对应的LTE用户序号和D2D对的序号，进而判断每个资源块是分配给了D2D用户还是LTE用户。
针对第i个粒子，在资源块上的位置集合向量Xi平均分成两部分和
解码公式如下：
代表资源块n被分配给LTE用户的序号；的值代表资源块n被分配给D2D对的序号；floor()代表向下取整，K1代表LTE用户的数量和K2代表D2D用户对的数量。
的值为K1+K2+1表示资源块n没有被分配给D2D用户对。
步骤304、针对分配好资源块的D2D用户和LTE用户，将基站和D2D对的发射端总功率平均分配到各自所占用的资源块上，将资源分配问题转化为在限制条件下的最大化系统吞吐量问题。
限制条件为：
步骤305、对每个粒子引入适应度函数，将步骤304中限制条件下的最大化系统吞吐量问题，转化为非限制性问题，并计算适应度函数Fitness的值；
P∈R+是补偿因子。为补偿函数；
步骤306、判断第i个粒子的更新位置是否能使适应度函数值最大，如果是，进入步骤307，否则，返回步骤302更新第i个粒子历史最优解位置pbesti；
步骤307、根据每个粒子的历史最优解，找出使适应度函数值最大的所有粒子位置，更新全局最优解gbest。
根据全局最优解得到系统吞吐量最大时每个粒子最终的位置，资源分配达到最优。
步骤四、对基于粒子群优化的资源分配算法进行仿真验证，实现了无线资源分配的合理优化。
本发明的优点在于：
1）、一种LTE与D2D混合网络中基于时延保证的资源分配优化算法，在LTE网络和D2D通信混合网络架构下，在保证用户时延不超过时延门限的前提下，最大化系统整体吞吐量。
2）、一种LTE与D2D混合网络中基于时延保证的资源分配优化算法，在较低的算法复杂度的情况下获得了良好的系统性能，所求出的资源分配方案与最优的资源分配方案在性能上仅有很小的差距。
3）、一种LTE与D2D混合网络中基于时延保证的资源分配优化算法，能够有效提高LTE网络中D2D通信用户的QoS。
附图说明
图1是本发明建立的通信系统模型图；
图2是本发明一种LTE与D2D混合网络中基于时延保证的资源分配优化算法流程图；
图3是本发明采用基于粒子群优化的资源分配算法对数学模型求解的方法流程图；
图4是本发明三种算法下系统吞吐量随D2D用户对数量的变化图；
图5是本发明三种算法下平均用户时延随D2D用户对数量的变化图；
图6是本发明两种算法下平均D2D速率随D2D用户对之间的距离变化图；
图7是本发明两种算法下平均D2D时延随D2D用户对之间的距离变化图。
具体实施例
下面结合附图对本发明的具体实施方法进行详细说明。
一种LTE与D2D混合网络中基于时延保证的资源分配优化算法，在保证一定时延的情况下进行资源的合理分配，采用基于粒子群优化的资源分配策略，通过对资源块的动态调度和功率的简单分配，来达到最大化系统吞吐量的目的；在所研究问题中将时延作为用户需满足的限制条件。
如图2所示，具体步骤如下：
步骤一、针对同时存在配对的D2D用户和LTE用户的LTE单小区，建立通信系统。
整体网络场景如图1所示，在LTE单小区环境下的通信系统包括：一个基站，K1个LTE用户以及K2对D2D用户对；D2D用户已经完成了配对，LTE用户和D2D用户对在共享模式下共享N个资源块。
仅考虑给D2D对和LTE用户分配资源的过程，D2D用户对之间通信复用LTE网络的下行资源，而且资源块只能被一个D2D对占用，不同D2D用户对不能复用相同的资源块。这样D2D用户对之间就不会存在干扰，网络中只有基站对D2D用户对的干扰以及D2D对给使用相同资源块的LTE用户带来的干扰。
K1个LTE用户采用集合表示，K2对D2D用户对采用表示；更进一步，可以用序号k＝1,2,…,K统一标识LTE用户和D2D用户对，其中K＝K1+K2。假设基站能够获知所有下行信道状态信息，这样基站便能在用户之间灵活的分配资源。
步骤二、对通信系统中的D2D用户对与LTE用户进行资源分配，在最大化系统吞吐量和用户时延低于门限时延的条件下对资源分配问题进行数学建模；
在保证用户时延低于门限时延的前提下，对D2D用户对和LTE用户进行资源分配来最大化系统吞吐量，并对资源分配问题进行数学建模。
通过资源分配最大化系统吞吐量的公式，如下：
数学建模如下：
代表一个二进制变量，指示资源块n的分配情况，当时表示资源块n被分配给了第k个用户，时则表示资源块n没有被分配给第k个用户，但仍有可能分配给了其它用户。
假设基站最大的发射功率是D2D用户对的发射功率限制是
代表第k个LTE用户或者第k个D2D用户对在资源块n上的传输速率；公式如下：
B代表资源块n的带宽；Γ(Γ≤1)代表真实情况下和香农容量的差距；
如果D2D用户对占用了被分配给LTE用户的资源块，那么D2D用户对将受到来自基站的干扰。LTE用户将会受到和它共用相同资源块的D2D用户对的干扰。一般来说，信道容量可以使用香农公式来计算，但是现实情况下是无法达到的，因此用Γ(Γ≤1)来代表真实情况下和香农容量的差距。
表示第k个LTE用户或者第k个D2D用户对在资源块n上接收端的SINR；公式如下：
表示基站在资源块n上分配给第k个LTE用户的发射功率；基站在所有资源块上的发射功率之和不能超过基站最大的发射功率限制
代表从基站到第k个LTE用户在资源块n上的信道增益；
表示除去资源块n被分配给的第k个LTE用户或者第k个D2D用户对后，资源块n上其他所有用户造成的干扰功率。
表示资源块n被分配给的第k个LTE用户或者第k个D2D用户对的噪声功率；
表示第k个D2D用户对在资源块n上的发射功率；任何一个D2D用户对在所有资源块上的发射功率之和不能超过D2D用户的发射功率限制
代表资源块n上第k个D2D用户对的发送端到接收端的信道增益；
lk代表第k个LTE用户或者第k个D2D用户对发射端的队列长度，并且包的到达率服从泊松分布；
代表每个用户都要满足的最大时延门限。
式（3）是目标函数，表示所提问题目标是最大化系统吞吐量，即将所有用户在所有资源块上的传输速率相加。限制条件（4）保证了每个资源块最多只能被分配给一个LTE用户；限制条件（5）保证了每个资源块最多只能被分配给一个D2D用户对。公式（3-6）表示资源块n是不是被分配给了第k个LTE用户或第k个D2D用户对。限制条件（7）限制了基站发送端的最大发射功率；限制条件（8）限制了D2D用户对发送端的最大发射功率。限制条件（9）描述了每个用户都要满足最大时延门限以上的优化问题是一个混合整数非线性规划问题，该问题有着很大的解空间。
在所构建的模型中包含了功率分配和资源分配两部分，为了将功率分配和资源分配解耦，假设D2D用户对的发射端和基站将功率平均分配在自己所使用的资源块上，这是一个简单而且具有实用性的功率分配策略。之后在不违背限制条件（7）和（8）的情况下只考虑资源块分配问题。
步骤三、采用基于粒子群优化的资源分配算法对数学模型求解，得到系统吞吐量最大时每个粒子最终的位置；
粒子群优化算法最初由J.Kennedy和R.Eberhart提出，在标准粒子群优化算法中，每个粒子的位置代表了优化问题的一个潜在解，而且定义了一个目标函数来评估不同解的适应度。共有S个粒子的粒子群在M维的解空间中移动，来寻找能够使目标函数取得最佳值的全局最优解。在每一次迭代中，每个粒子调整自己的速率来跟随其历史最优解和目前所发现的全局最优解，最终使粒子能够到达全局最优解。
标准粒子群优化算法一般用来解决连续解空间的优化问题，但这并不适用于本算法中基于时延的资源分配问题，本发明粒子的表示问题只考虑指示变量该变量取值是离散的，可以使用离散的粒子群优化算法来解决这个问题，因此根据基于时延的资源分配问题，把离散的粒子资源分配表示映射到资源分配的连续域上，把限制条件转化为补偿函数，提出适应度函数并用粒子群优化算法来求解。
如图3所示，具体步骤如下：
步骤301、初始化每个粒子的位置，速度，历史最优解和全局最优解；
本发明采用一个由2N个元素组成的向量来表示每个粒子的位置，其中每个元素的取值在0和1之间。粒子的位置代表了LTE用户和D2D用户对的资源块分配情况。将LTE用户和D2D用户对的资源块分配进行联合优化，与LTE用户资源块分配固定的情况下单独动态分配D2D用户对的资源块相比，能够获得更好的系统整体性能。
对N个资源块和S个粒子来说，第i个粒子在资源块上的位置集合Xi表示为：i＝1,2,…,S，S为粒子的总数；n＝1,2,…,2N，N为资源块的数量。
针对第i个粒子，将该粒子的位置和速度使用0和1之间的随机数进行初始化，历史最优解pbesti和全局最优解gbest都初始化为0。
步骤302、针对第i个粒子，在第t次迭代中更新该粒子的速度和位置；
更新公式如下：
w是控制粒子速率的惯性权重因子；在最初的标准粒子群优化算法中，惯性权重因子是保持不变的，但经过进一步的研究，有人提出惯性权重因子可随着算法的迭代逐渐减小，在算法前期为了防止粒子陷入局部最优解而影响算法性能，可以将惯性权重因子取较大的值从而使速度维持原有趋势且不会发生巨大的改变，在算法后期为了让结果更加平稳快速地收敛并且极大地减少收敛过程中出现振荡的可能性，可以将惯性权重因子取较小的值从而让速度更容易改变并能够快速适应不同的情况。关于惯性权重因子的递减策略也有人进行了研究，通过大量实验总结出递减策略的性能从高到低依次是基于凹函数的递减性能，比基于线型函数的递减好，基于线性函数的递减又好于基于凸函数的递减。由于性能差别不是很大，本发明采用线型函数递减策略。
c1和c2是两个学习因子的正常量，通常设置c1＝c2＝2。r1和r2是取值在0和1之间的随机变量。
pbesti(t)代表第i个粒子在第t次迭代中，使系统吞吐量最大化取得最优值的位置，即该粒子的历史最优解；用下式表示：
其中，τ为迭代次数，xi(t)为第i个粒子所在的位置；f()是目标函数。
gbest(t)代表在所有粒子的范围内第t次迭代中，使系统吞吐量最大化取得最优值所有粒子的位置，也就是全局最优解；
步骤303、将第i个粒子更新后的位置向量均分成两部分，并将每部分都解码成整数作为资源块序号，将对应的资源块分别分配给LTE用户和D2D用户对；
通过对粒子更新的位置向量进行解码，得到每个资源块所对应的LTE用户序号和D2D对的序号，进而判断每个资源块是分配给了D2D用户还是LTE用户。
针对第i个粒子，在资源块上的位置集合向量Xi平均分成两部分和在一个向量中有两个元素，即和对应于资源块n。获得资源块n的LTE用户和D2D用户对的序号可以通过分别对和解码来获得。
解码公式如下：
K1代表LTE用户的数量和K2代表D2D用户对的数量；
代表资源块n被分配给LTE用户的序号；取值范围从0到K1；向下取整，所以取不到K1+1，当的值为0是代表资源块n没有被分配给LTE用户。
的值代表资源块n被分配给D2D对的序号；取值范围从K1+1到K1+K2+1。
floor()代表向下取整；K1+K2+1是右侧边界极值取不到，的值为K1+K2+1表示资源块n没有被分配给D2D用户对。
在找到了表示粒子的方法并且将粒子的位置解码成资源块分配的结果之后，由于功率分配问题采用了基站和D2D用户对的发射端将总功率平均分配到各自所占用的资源块上的解决方案，这样除了限制条件（9）之外所有的限制条件都满足了。最终之前所提出的资源分配问题变成了在限制条件（9）之下最大化系统吞吐量的问题。
步骤304、针对分配好资源块的D2D用户和LTE用户，将基站和D2D对的发射端总功率平均分配到各自所占用的资源块上，将资源分配问题转化为在限制条件下的最大化系统吞吐量问题。
限制条件为：
步骤305、对每个粒子构建适应度函数，将步骤304中限制条件下的最大化系统吞吐量问题，转化为非限制性问题，并计算适应度函数Fitness的值；
通过向目标函数增加引入补偿函数来消除限制条件，计算最后适应度函数的值就是资源分配问题的解决方案。
补偿函数表示为：
最终适应度函数如下式所示：
P∈R+是补偿因子；补偿函数在引导粒子尽快走出非可行域方面起着非常重要的作用，对于一个可行的解，补偿函数的值应该是0，那么适应度函数的值就是资源分配问题的解决方案。
步骤306、判断第i个粒子的更新位置是否能使适应度函数值最大，如果是，进入步骤307，否则，返回步骤302更新第i个粒子历史最优解位置pbesti；
步骤307、根据每个粒子的历史最优解，找出使适应度函数值最大的所有粒子位置，更新全局最优解gbest。
全局最优解gbest，用下式来表示：
根据全局最优解得到系统吞吐量最大时每个粒子最终的位置，资源分配达到最优。
根据以上步骤，基于粒子群优化的资源分配算法的整体流程采用如下自然语言来描述：
步骤四、对基于粒子群优化的资源分配算法进行仿真验证，实现了无线资源分配的合理优化。
通过对基于粒子群优化的资源分配算法，随机分配算法与遍历算法进行仿真，比较性能，进一步验证本发明资源分配算法能够有效降低系统时延。
本发明的仿真场景设定为一个半径为500米、系统带宽是3MHz的LTE小区，有15个可用资源块。蜂窝用户和D2D用户对在整个小区范围内均匀分布，其中蜂窝用户的数量是3，D2D用户对的数量根据不同情况在2-7个之间变化。
与距离相关的路径损耗根据情况有两种不同的计算方法，基站和用户之间的路径损耗使用公式L(d)＝128.1+37.6log10d来计算，D2D连接的路径损耗使用公式L(d)＝148+40log10d来计算，其中距离d是以千米为单位计量的。每个用户的时延门限设置为基站的发射功率最大是36dBm，用户设备最大的发射功率是17dBm。同时噪声的功率谱密度设定为-174dBm/Hz。关键的系统仿真参数如表1所示。
表1
参数 取值
小区数目 1
小区半径 500m
蜂窝用户数目 3
D2D对数目 2-7
系统带宽 3MHz
基站最大发射功率 36dBm
用户最大发射功率 17dBm
噪声功率谱密度 -174dBm/Hz
用户时延门限 100ms
另外关于粒子群优化算法的参数设置如下，迭代次数设置为T＝100，粒子的数量S＝20，两个学习因子设为c1＝c2＝2，而惯性权重因子w从0.95到0.4线性减少。
接下来将本发明基于粒子群优化的资源分配算法和遍历资源分配算法，以及随机资源分配算法进行比较。因为本发明基于粒子群优化的资源分配算法可能收敛到局部最优解，因此将它和遍历资源分配算法进行比较，以获得局部最优解和全局最优解之间的性能差异。遍历资源分配算法对每一种资源分配方式进行计算，选择一个在所有用户满足时延限制条件情况下最大化系统吞吐量的资源分配方式。随机资源分配算法则是将一个资源块随机分配给一个用户，直到所有的资源块都被分配完，这种资源分配算法不考虑任何限制条件。
分别比较了三种算法的系统吞吐量和平均用户时延，其中D2D用户对的发送端和接收端的距离是50米，D2D用户对的数量从2增加到7。
如图4所示，可以看出，基于粒子群优化的资源分配算法的系统吞吐量比遍历资源分配算法的系统吞吐量低一些，因为遍历资源分配算法考虑到了每种资源分配情况，所以得到的解是全局最优解，而基于粒子群优化的资源分配算法在迭代次数受到限制的情况下得到的是局部最优解。此外遍历资源分配算法的复杂度比基于粒子群优化的资源分配算法的复杂度高很多，本发明所提算法在牺牲系统吞吐量的情况下显著地降低了算法的复杂度。
因为本算法的目标是最大化系统吞吐量，所以无论D2D用户对的数量是多少，尽量充分利用了系统的资源，从图中可以看出系统总吞吐量并没有随着D2D对的增加而有很大变化，仅仅有一些增加。而且随着D2D用户对数量的增加，可以看出基于粒子群优化的资源分配算法与遍历资源分配算法之间吞吐量的差别逐渐增大，因为当用户数增加时资源分配情况变多，和用户数较少时的情况相比，基于粒子群优化的资源分配算法所解出的局部最优解和全局最优解差距会加大。关于随机资源分配算法，从图中可以看出它的系统吞吐量和用户平均时延都随机的变化，并且它的性能比其它的算法都差，因为随机资源分配算法只是将每一个资源块随机分配给一个用户，没有任何机制来保证系统的性能。
如图5所示，基于粒子群优化的资源分配算法和遍历资源分配算法的平均用户时延很接近，而且平均用户时延会随着D2D用户对数量的增加而增长。因为当D2D用户对数量增加时，每个用户所分到的资源与之前相比减少了，所能获得的传输速率同时减小，因此时延就会相应地增加。此外在使用随机资源分配算法时由于其随机分配的特性，有可能并不是每一个用户都被分配了资源块，特别是当D2D用户对的数量增加时。当一个用户没有被分配到资源块时，该用户的吞吐量将会是0，并且时延将会是无限大。当这种情况发生时，不会将这个用户的数据计入整体系统性能的计算当中，以免出现时延是无限大的情况。
图6和图7展示了当D2D用户对之间的距离变化时，D2D用户对平均速率和平均时延的变化趋势，其中D2D用户对的数量设置为3。在这里随机资源分配算法因为没有明确的变化规律而不予考虑。
如图6所示，可以看出，当D2D用户对的发射端和接收端之间的距离增加时，D2D用户对的平均速率一开始快速的降低，之后降低的速率逐渐变得缓慢。当距离短时，D2D用户对的发射端和接收端之间的信道状况很好，在这种情况下本发明资源分配算法主要通过将资源块分配给信道状况好的用户来最大化系统吞吐量。而当D2D用户对的发射端和接收端之间的距离逐渐增加时，由于信道状况变差，分配给D2D用户对的资源会减少，所以D2D用户对平均速率会减少。另一方面，由于每一个用户必须要满足时延的限制门限，所以分配给D2D用户的资源必须提供足够的传输速率来保证用户时延不会超过门限值，因此之后尽管D2D用户对之间的信道情况继续变差，D2D用户对平均速率减少的趋势会比较平缓。而且当D2D用户对之间的距离增加时，基于粒子群优化的资源分配算法和遍历资源分配算法之间的D2D用户对平均速率差距会减小，因为当D2D用户对之间的距离比较大时，为了最大化系统吞吐量，能分配给D2D用户对的资源会相应减少，仅维持足够的传输速率，灵活性由于资源减少而降低，这样全局最优解与局部最优解之间的差距与D2D用户对之间的距离较小时相比就会较小。
如图7所示，可以看出，D2D用户对的平均时延随着距离的增加而增加，基于粒子群优化的资源分配算法和遍历资源分配算法之间平均时延的差距随着距离的增长而逐渐增加，这是因为D2D用户对所能达到的速率在逐渐减小。
本发明在LTE和D2D的混合网络中，引入基于粒子群优化的资源分配策略，该策略在保证系统吞吐量的前提下，将资源分配解决方案映射成了基于粒子群优化的资源分配算法，该算法实现了资源的动态调度和功率的简单分配，使得系统吞吐量最大化，有效降低通信D2D时延的目的。

Claims (2)

1.一种LTE与D2D混合网络中基于时延保证的资源分配优化算法，其特征在于，包括如下步骤：
步骤一、针对LTE单小区，同时存在配对的D2D用户和LTE用户，建立通信系统；
通信系统包括：一个基站，K1个LTE用户以及K2对D2D用户对；K1个LTE用户采用集合表示，K2对D2D用户对采用表示；
LTE用户和D2D用户对共享N个资源块；D2D用户对之间通信复用LTE网络的下行资源，且一个D2D用户对占用一个资源块，不同D2D用户对不能复用相同的资源块；
步骤二、对通信系统中的D2D用户对与LTE用户进行资源分配，在最大化系统吞吐量和用户时延低于门限时延的条件下进行数学建模；
通过资源分配最大化系统吞吐量的公式，如下：
数学建模如下：
指示资源块n的分配情况，当时表示资源块n被分配给了第k个用户，时则表示资源块n没有被分配给第k个用户；
代表第k个LTE用户或者第k个D2D用户对在资源块n上的传输速率；
表示基站在资源块n上分配给第k个LTE用户的发射功率；基站在所有资源块上的发射功率之和不能超过基站最大的发射功率限制
表示第k个D2D用户对在资源块n上的发射功率；任何一个D2D用户对在所有资源块上的发射功率之和不能超过D2D用户的发射功率限制
lk代表第k个LTE用户或者第k个D2D用户对发射端的队列长度；
代表每个用户都要满足的最大时延门限；
步骤三、采用基于粒子群优化的资源分配算法对数学模型求解，得到系统吞吐量最大时每个粒子最终的位置；
具体步骤如下：
步骤301、初始化每个粒子的位置，速度，历史最优解和全局最优解；
第i个粒子在资源块上的位置集合Xi表示为：S为粒子的总数；n＝1,2,…,2N，N为资源块的数量；
针对第i个粒子，将该粒子的位置和速度使用0和1之间的随机数进行初始化，历史最优解pbesti和全局最优解gbest都初始化为0；
步骤302、针对第i个粒子，在第t次迭代中更新该粒子的速度和位置；
更新公式如下：
w是控制粒子速率的惯性权重因子；c1和c2是两个学习因子的正常量，c1＝c2＝2，r1和r2是取值在0和1之间的随机变量；
pbesti(t)代表第i个粒子在第t次迭代中，使系统吞吐量最大化取得最优值的位置，即该粒子的历史最优解；
第i个粒子的历史最优解pbesti(t)，用下式表示：
其中，τ为迭代次数，xi(t)为第i个粒子所在的位置；f()是目标函数；
gbest(t)代表第t次迭代在所有粒子的范围内，使系统吞吐量取得最优值得所有粒子的位置，即全局最优解，用下式表示：
步骤303、将第i个粒子更新后的位置向量均分成两部分，并将每部分都解码成整数作为资源块序号，将对应资源块分别分配给LTE用户和D2D用户对；
针对第i个粒子，在资源块上的位置集合向量Xi平均分成两部分和
解码公式如下：
代表资源块n被分配给LTE用户的序号；的值代表资源块n被分配给D2D对的序号；floor()代表向下取整，K1代表LTE用户的数量和K2代表D2D用户对的数量；
的值为K1+K2+1表示资源块n没有被分配给D2D用户对；
步骤304、针对分配好资源块的D2D用户和LTE用户，将基站和D2D对的发射端总功率平均分配到各自所占用的资源块上，将资源分配问题转化为在限制条件下的最大化系统吞吐量问题；
限制条件为：
步骤305、对每个粒子引入适应度函数，将限制条件下的最大化系统吞吐量问题，转化为非限制性问题，并计算适应度函数Fitness的值；
P∈R+是补偿因子；为补偿函数；
步骤306、判断第i个粒子的更新位置是否能使适应度函数值最大，如果是，进入步骤307，否则，返回步骤302更新第i个粒子历史最优解位置pbesti；
步骤307、根据每个粒子的历史最优解，找出使适应度函数值最大的所有粒子位置，更新全局最优解gbest；
步骤四、对基于粒子群优化的资源分配算法进行仿真验证，实现了无线资源分配的合理优化。
2.如权利要求1所述的一种LTE与D2D混合网络中基于时延保证的资源分配优化算法，其特征在于，步骤二中所述的：
B代表资源块n的带宽；Γ代表真实情况下和香农容量的差距；Γ≤1；表示第k个LTE用户或者第k个D2D用户对在资源块n上接收端的SINR；公式如下：
代表从基站到第k个LTE用户在资源块n上的信道增益；
表示除去资源块n被分配给的第k个LTE用户或者第k个D2D用户对后，资源块n上其他所有用户造成的干扰功率；
表示资源块n被分配给的第k个LTE用户或者第k个D2D用户对的噪声功率；
代表资源块n上从第k个D2D用户对的发送端到接收端的信道增益。
CN201610952448.2A 2016-11-02 2016-11-02 一种lte与d2d混合网络中基于时延保证的资源分配优化算法 Active CN106454920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610952448.2A CN106454920B (zh) 2016-11-02 2016-11-02 一种lte与d2d混合网络中基于时延保证的资源分配优化算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610952448.2A CN106454920B (zh) 2016-11-02 2016-11-02 一种lte与d2d混合网络中基于时延保证的资源分配优化算法

Publications (2)

Publication Number Publication Date
CN106454920A CN106454920A (zh) 2017-02-22
CN106454920B true CN106454920B (zh) 2019-10-08

Family

ID=58180798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610952448.2A Active CN106454920B (zh) 2016-11-02 2016-11-02 一种lte与d2d混合网络中基于时延保证的资源分配优化算法

Country Status (1)

Country Link
CN (1) CN106454920B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108024196A (zh) * 2017-11-27 2018-05-11 上海电机学院 一种基于d2d技术的信道容量最大化资源分配方法
CN108964981B (zh) * 2018-06-12 2021-09-14 南京邮电大学 基于mMTC突发场景下干扰分析模型的建立方法
CN108932216B (zh) * 2018-06-22 2022-06-21 上海工程技术大学 一种基于粒子群优化算法的机器人逆运动学求解方法
CN110233755B (zh) * 2019-06-03 2022-02-25 哈尔滨工程大学 一种物联网中雾计算的计算资源和频谱资源分配方法
CN110611902B (zh) * 2019-09-19 2022-08-02 哈尔滨工程大学 一种基于上下行频谱联合复用的d2d资源分配方法
CN110839227B (zh) * 2019-11-25 2022-05-10 重庆邮电大学 蜂窝系统密集分布用户组的d2d资源分配方法及装置
CN112990418B (zh) * 2019-12-02 2024-05-07 国网能源研究院有限公司 基于粒子群-线性规划算法的多能源跨区域优化配置方法
CN111127139B (zh) * 2019-12-06 2023-06-27 成都理工大学 一种基于ProbS与HeatS计算模式改进的混合推荐算法
CN114501644B (zh) * 2021-12-17 2025-02-28 北京邮电大学 时域资源配置方法、装置、电子设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101729430A (zh) * 2010-01-15 2010-06-09 西安电子科技大学 用于支持端到端时延保证的动态资源分配系统及分配方法
JP2014216873A (ja) * 2013-04-26 2014-11-17 株式会社日立製作所 パケット解析機能を有する基地局および無線通信システム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101729430A (zh) * 2010-01-15 2010-06-09 西安电子科技大学 用于支持端到端时延保证的动态资源分配系统及分配方法
JP2014216873A (ja) * 2013-04-26 2014-11-17 株式会社日立製作所 パケット解析機能を有する基地局および無線通信システム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Delay-aware cross-layer design for device-to-device communications in future cellular systems";Wang W;《Communicaitons Magazine IEEE》;20140617;全文 *
"Resource control in network assisted device-to-device communicaitons:solutions and challenges";Lei L;《Communications Magazine IEEE》;20140617;全文 *

Also Published As

Publication number Publication date
CN106454920A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN106454920B (zh) 一种lte与d2d混合网络中基于时延保证的资源分配优化算法
CN109905918B (zh) 一种基于能效的noma蜂窝车联网动态资源调度方法
CN109905864B (zh) 一种面向电力物联网的跨层资源分配方案
CN106792451A (zh) 一种基于多种群遗传算法的d2d通信资源优化方法
CN102158962B (zh) 基站协作中的分簇方法、资源分配方法及相关设备
CN110809259A (zh) 一种基于社会关系的noma使能d2d通信资源博弈方法
CN106304165A (zh) 基于排队理论的d2d蜂窝异构网络的性能分析方法
CN106572497B (zh) 一种基于比例公平算法的启发式d2d资源分配方法
Köse et al. Resource allocation for underlaying device-to-device communications using maximal independent sets and knapsack algorithm
CN102821391B (zh) 基于距离比的d2d链路频谱分配方法
CN114143816A (zh) 一种基于电力业务质量保障的5g网络资源动态调度方法
CN110139281A (zh) 一种基于K-means的全双工D2D分簇资源分配的方法
CN109788540B (zh) D2d系统中基于能量采集的功率控制和信道分配方法
Elhattab et al. Opportunistic device association for heterogeneous cellular networks with H2H/IoT co-existence under QoS guarantee
CN108848045B (zh) 基于联合干扰对齐和功率优化的d2d通信干扰管理方法
Islam et al. A Proportional Scheduling Protocol for the OFDMA-Based Future Wi-Fi Network.
Tian et al. An Intelligent Coexistence Strategy for eMBB/URLLC Traffic in Multi-UAV Relay Networks via Deep Reinforcement Learning
Zhang et al. Matching-based resource allocation and distributed power control using mean field game in the NOMA-based UAV networks
CN112994759B (zh) 一种基于ofdm的协作中继d2d通信方法
CN115226231A (zh) 一种基于信息新鲜度的高铁通信无线资源分配方法
CN105764129B (zh) 一种适用于设备间通信的快速资源共享方法
Li et al. Intercell interference-aware scheduling for delay sensitive applications in C-RAN
CN107547582A (zh) 一种文件缓存方法及设备
Chayon et al. Downlink radio resource management through CoMP and carrier aggregation for LTE-advanced network
CN107613565A (zh) 一种全双工超密集网络中的无线资源管理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant