CN107087305A - 一种基于能量收集的终端直通通信资源管理方案 - Google Patents

Abstract

本发明涉及一种应用在基于蜂窝网络的Device‑to‑Device(D2D)通信系统中，结合“无线信息与能量同时传输”(SWIPT)技术与匹配理论的资源分配方案。在保证D2D通信用户和蜂窝用户的服务质量的前提下，以优化D2D通信用户的能量效率(能效)及蜂窝用户收集到的能量为目标，提出基于GS算法的能效稳定匹配算法，使D2D用户与蜂窝用户之间的匹配达到稳定状态，从而有效地解决集功率分配与频谱资源分配于一体的资源分配问题。

Description

一种基于能量收集的终端直通通信资源管理方案

技术领域

本发明属于无线通信领域，具体涉及一种应用在基于蜂窝网络的Device-to-Device(D2D)通信系统中，结合“无线信息与能量同时传输”(SWIPT)技术与匹配理论的资源分配方案。在保证D2D通信用户和蜂窝用户的服务质量的前提下，优化D2D通信用户的能量效率(能效)及蜂窝用户收集到的能量，从而有效地解决集功率分配与频谱资源分配于一体的资源分配问题。

背景技术：

随着智能通信终端和移动应用的不断出现，移动数据流量呈爆炸式增长，同时，通信用户对更高无线传输速率的需求随之增长。有限的频谱带宽与用户日益增长的需求之间的矛盾使得现有的蜂窝网络系统面临巨大的挑战。移动通信用户能够利用终端直通(Device-to-Device,D2D)通信技术直接建立通信链路进行数据传输，而不再局限于传统的蜂窝网络架构，即通过基站进行中继转发。同时，D2D通信用户通过复用蜂窝用户的频谱资源能够极大地提升系统的频谱效率，因此，D2D通信技术被看作是下一代移动通信系统中的关键技术。除此之外，由于D2D通信技术能够支撑通信用户之间进行短距离通信，因此D2D通信技术在提升数据传输速率的同时促进了新的移动应用的产生。但是，更高的数据传输速率与大量的移动服务使得电池容量有限的移动设备消耗了大量的能量，降低了通信网络的生命周期。因此，有必要设计高能效的资源分配机制在提升系统频谱效率的同时尽可能地延长通信网络的生命周期。

事实上，移动用户设备能够利用一些能量收集技术从太阳能，风能等可再生能源中获取能量，但是位置及气候的局限性使得自然能量不能始终被移动设备利用。无线电频率信号同时携带信息和能量，用户利用SWIPT技术能够从无线电频率信号中获取能量，因此，“无线信息与能量同时传输”(SWIPT)技术得到了广泛重视。很多工作研究了将SWIPT技术与D2D通信技术结合的通信系统，但忽略了资源分配时D2D用户和蜂窝用户之间的喜好及满意度；其他一些工作考虑了资源分配时用户之间的喜好及满意度，却忽略了通过收集能量延长系统生命周期的问题。在综合考虑SWIPT技术与用户的喜好及满意度时，首先，由于用户 设备能够从无线电频率信号中获取能量，干扰及噪声可作为有益增益，因此，需要重新设计功率分配机制。其次，由于信道状态和干扰等级的多变性，用户的喜好很难建模，并且由于不同的用户有不同的喜好，因此并不是所有的用户能够对同一个资源分配机制感到满意。基于这些挑战，需要在考虑SWIPT技术与用户的喜好的同时设计高能效的资源分配方案，从而有效地解决功率分配与频谱资源分配问题。

发明内容：

本发明利用匹配理论与非线性规划，结合SWIPT技术与用户的喜好及满意度，以使D2D通信用户与蜂窝用户具有较高的满意度为目标，基于Gale-Shapley(GS)算法提出了高能效的资源分配方案。该方案首先设定D2D通信用户与蜂窝用户都是利己的，只考虑自身的效益，即D2D用户以优化自身的能效为目标，蜂窝用户以最大化收集到的能量为目标，以此为基础优化D2D用户对与蜂窝用户之间的匹配，从而解决功率分配问题与频谱资源分配问题。具体过程如下：

1)图1为通信系统结构示意图。通信系统由一个基站(BS)，多个蜂窝用户(CUEs)和多个D2D通信用户对构成。首先，考虑蜂窝网络下行通信链路，D2D用户能够复用分配给蜂窝用户的频谱资源进行通信，并且分配给每个蜂窝用户的每个资源块最多只能被一个D2D用户对共享。由于频谱资源的复用，D2D接收端用户受到基站的干扰，同时，蜂窝用户受到D2D发射端用户的干扰，因此蜂窝用户和D2D用户的服务质量(QoS)都受到了影响。由于用户设备能够利用SWIPT技术从无限频率信号中获取能量，因此干扰与噪声能够作为用户设备的有益增益。本发明主要解决D2D用户的功率分配问题及D2D用户与蜂窝用户之间的匹配问题，即D2D用户的资源分配问题。

(a)信道模型：认为D2D通信用户与蜂窝用户的QoS都能够得到保证时，D2D通信用户才能够复用蜂窝用户的频谱资源。

系统中存在K个资源块，记为对应的K个蜂窝用户记为N个D2D用户对表示为对于信道模型，瑞利衰落模拟小尺度衰落，自由空间传播路径损耗模拟大尺度衰落。当D2D用户对i，即D2D通信链路i复用资源块时，D2D接收端用户受到了基站的干 扰而蜂窝用户k受到了D2D发射端用户的干扰，D2D对i的通信链路的信干噪比(SINR)和蜂窝用户k的SINR分别表示为：

和分别表示D2D对i中发射端用户的发射功率与基站向蜂窝用户k发射功率；h_i和h_k分别表示D2D通信链路和蜂窝通信链路的信道响应；h_ki和h_ik分别表示基站与D2D对i的接收端用户之间的干扰链路和D2D对i的发射端用户与基站之间的干扰链路的信道响应；d_i,d_k,d_ki和d_ik分别代表D2D对i中的发射端用户与接收端用户之间，基站与蜂窝用户k与之间，基站与D2D对i中的接收端用户之间，D2D对i中的发射端用户与蜂窝用户k之间的传输距离；α为自由空间路径损耗因子；h_0,i,h_0,k，h_0,ki和h_0,ik为服从复杂高斯分布的瑞利信道因子；N₀为天线产生的加性高斯白噪声(AWGN)，N_S为接收端用户设备处理信号的过程中产生的AWGN。因此，D2D通信链路i与基站与用户k之间的蜂窝通信链路的信道速率分别为：

(b)功率分离模型:本发明设定每一个移动接收端用户设备由两个单元组成,即传统的信号处理单元和能量收集单元，这样，接收端用户设备能够将收到的无线信号分为两部分，分别用于信号解调和能量收集。因此，接收端用户能够从信号，干扰和噪声中获取能量。设定接收端用户能够从接收到的信号中分离出的用于信号解调的信号比例为δ_I，用户能量收集的信号比例为δ_E，并且δ_I+δ_E＝1。当δ_I＝1，δ_E＝0时，接收端用户设备为传统的信号接收设备；当δ_I＝0，δ_E＝1时，接收端用户设备为能量收集设备。因此，当D2D对i复用资源块时，D2D通信链路i与基站与用户k之间的通信链路的传输速率，即频谱效率分别为：

D2D对i消耗的总功率为

蜂窝用户k收集到的总能量为

η是发射端用户设备的功率放大器的放大效率，0<η<1。P_cir为用户设备消耗的电路功率。由于基站由外部电网供电，因此基站的功率消耗忽略不计。η_E为接收端用户设备将无线电信号转化为电能时的能量转换效率。

2)为了设计一个有效的资源管理方案，需要在优化D2D用户能效的同时最大化蜂窝用户收集到的能量，因此需要优化D2D用户对与蜂窝用户之间的功率分配问题及匹配问题。对于D2D通信链路来说，目标函数为能量效率(EE)，即频谱效率与总消耗功率的比值，当D2D对i复用资源块时，D2D对i的能效函数为

对于蜂窝用户k来说，目标函数为收集到的总能量，即

为了明确表示D2D对与蜂窝用户之间的匹配问题，有以下定义：

定义1：两维度矩阵X表示D2D对与蜂窝用户之间的匹配策略，其中的元素x_i,k是一个二元变量，即x_i,k∈{0,1}，代表D2D对i与蜂窝用户k之间的匹配情况。x_i,k＝1代表D2D对i与蜂窝用户k匹配，即D2D对i复用已分配给蜂窝用户k的资源块x_i,k＝0代表D2D对i与蜂窝用户k不匹配。

为了优化D2D用户对与蜂窝用户之间的功率分配问题及匹配问题，需要同时设计匹配策略变量{x_i,k}和功率变量定义x_i＝{x_i,1,…,x_i,k,…,x_i,k}为D2D对i的二元匹配策略集合，y_k＝{x_1,k,…,x_i,k,…,x_N,k}为蜂窝用户k的二元匹配策略集合。对D2D对i的功率分配问题和匹配问题描述如下：

条件限定了D2D对中发射端用户的发射功率的范围，保证发射功率不超过最大发射功率P_max。条件保证了D2D通信链路的QoS。条件和保证一个D2D对只能复用一个蜂窝用户的频谱资源。

对蜂窝用户的匹配问题描述如下：

条件保证了蜂窝通信链路的QoS。条件和保证一个蜂窝用户最多只能与一个D2D对共享频谱资源。

3)D2D用户和蜂窝用户的优化目标综合来看是非确定性多项式混合整数规划问题，在考虑二元匹配策略变量的同时考虑了连续功率变量。由于非线性规划和整数规划不会考虑用户的喜好和满意度，直接用来解决此问题可能会造成不稳定的资源分配结果。因此，引入一对一匹配模型，模型的一方为N个D2D对，另一方为K个蜂窝用户，此模型在考虑D2D对与蜂窝用户之间的喜好的同时，优化D2D对的能效与蜂窝用户吸收到的能量，以达到为D2D用户分配功率和频谱资源的目的，即完成D2D用户对与蜂窝用户之间的稳定匹配。

定义2：匹配Ψ中的元素是一一对应的，即Ψ(i^D)＝k当且仅当Ψ(k^C)＝i,表示D2D对i复用分配给蜂窝用户k的频谱资源块

为了使D2D对与蜂窝用户之间的匹配达到稳定状态，首先，建立D2D对与蜂窝用户之间的相互喜好，即喜好列表。然后，在双方喜好的基础上，利用GS算法使得D2D对与蜂窝用户之间的匹配达到稳定状态。

(a)建立喜好列表：在匹配模型中，一方的用户会根据自己的喜好列表向另一方请求匹配。对D2D对i来说，需要通过设计匹配策略变量x_i,k和功率变量 来最大化自身的能效。因此D2D对i对蜂窝用户k的喜好可以描述为，在Ψ(i^D)＝k时，D2D对i能够实现的最大的能效，这样，D2D对i的匹配对象已经固定，只需要优化功率变量即可得到D2D对i对蜂窝用户k的喜好。描述如下：

U_ik,EE ^D是分式形式，因此此问题为非凸问题，需要利用非线性规划将非凸函数转化为等效的凸函数，定义D2D对i对蜂窝用户k的喜好问题的最优值为P_i ^D*为D2D对i与蜂窝用户k匹配时D2D对i的最优功率分配策略。因此，原问题可转换为以下等效优化问题：

在忽略q_i ^D*未知的情况下，此问题对于P_i ^D而言为凸优化问题。为了得到q_i ^D*和最优功率匹配策略，提出了以Dinkelbach方法为基础的迭代算法。通过解决上述问题，能够得到每一个D2D对用户对蜂窝用户的喜好列表。对于D2D对i，利用表示D2D对i与每一个蜂窝用户匹配时可以得到的最大能效排降序，表示与D_i对应的蜂窝用户集合。定义D＝{D₁,D₂,…,D_N}为所有D2D-CU能够达到的最大能效的集合，O＝{O₁,O₂,…,O_N}为与D对应的D2D对的喜好列表的集合。

对于蜂窝用户k，需要通过设计匹配策略变量x_i,k来最大化自身收集到的能量。 因此蜂窝用户k对D2D对i的喜好可以描述为，在Ψ(k^C)＝i时，蜂窝用户k能够收集到的最多的能量，这样，蜂窝用户k的匹配对象已经固定，在D2D用户对i已经确定功率分配策略的情况下，即可得到蜂窝用户k收集到的能量，即蜂窝用户k对D2D对i的喜好。描述如下：

对于蜂窝用户k，利用表示蜂窝用户k与每一个D2D对用户匹配时能够收集到的能量，表示与C_k对应的D2D对用户集合。定义C＝{C₁,C₂,…,C_K}为所有CU-D2D能够收集到的能量的集合，E＝{E₁,E₂,…,E_K}为与C对应的蜂窝用户的喜好列表的集合。

(b)以建立好的喜好列表为基础，利用GS算法使D2D对用户与蜂窝用户之间的匹配达到稳定状态。首先，D2D对i将会向其最喜爱的蜂窝用户k请求匹配，对于收到请求的蜂窝用户k，如果与其现有的匹配D2D对j能够达到更好的效果，则拒绝i，保留与j的匹配；如果k与i匹配达到的效果比与j匹配更好，则k接受i的请求。被拒绝的D2D对用户向其还未请求过的蜂窝用户中最喜爱的发送请求，如果D2D对i被所有的蜂窝用户拒绝，则其放弃请求。整个过程在每个D2D用户找到匹配对象或者已被所有的蜂窝用户拒绝之后结束。这样，D2D对与蜂窝用户之间的匹配达到稳定状态，即完成了D2D用户与蜂窝用户之间的资源分配。

附图说明：

图1是通信系统结构示意图。

图2是基于Dinkelbach方法为D2D用户分配功率的迭代算法的流程图。

图3是D2D用户与蜂窝用户建立喜好列表的流程图。

图4是基于GS算法的稳定匹配算法的流程图。

图5是喜好列表建立过程示意图和稳定匹配示意图。

图6是本发明的仿真参数表。

图7是N＝K＝20时用户位置示意图。

图8是本发明提出的能效稳定匹配算法与最大发射功率随机匹配算法、随机发射功率随机匹配算法和最大发射功率最大SINR匹配算法在用户数不同的情况下的性能对比。

图9是本发明应用的Dinkelbach算法在用户不同的情况下的收敛性对比。

具体实施方式

本发明的实施方式总共分为两步，分别为模型建立过程和算法实现过程。所建模型如图1所示，它与发明内容中对基于蜂窝网络的D2D通信系统的介绍完全对应；算法实现过程的具体流程图如图2、图3和图4所示，它们和发明内容中能效匹配算法步骤完全对应。图1是基于蜂窝网络的D2D通信系统的结构示意图；图2是基于Dinkelbach方法为D2D用户分配功率的迭代算法的流程图；图3是D2D用户与蜂窝用户建立喜好列表的流程图；图4是基于GS算法的能效稳定匹配算法的流程。

1)对于系统模型，首先考虑信道模型，小尺度衰落利用瑞利衰落模拟，大尺度衰落利用自由空间传播路径损耗模拟。其次，在SWIPT技术的基础上，考虑接收端用户的功率分离模型。结合D2D用户与蜂窝用户的喜好及满意度，以使D2D通信用户与蜂窝用户具有较高的满意度为目标，基于Gale-Shapley(GS)算法提出了迭代匹配算法，使D2D对与蜂窝用户之间的匹配达到稳定状态，从而解决有效地解决资源分配问题。

2)为了解决上述问题，首先引入一对一匹配模型，将问题描述为双边匹配问题，一边为D2D用户对，另一边为蜂窝用户。随后D2D对用户通过优化功率分配变量，以优化能效为目标建立对蜂窝用户的喜好列表，同时，蜂窝用户以最大化获取的能量为目标建立对D2D对用户的喜好列表。以双方的喜好列表为基础，采用基于GS算法的迭代匹配算法最终能够得到D2D对用户与蜂窝用户之间的稳定匹配，即完成D2D对用户与蜂窝用户之间的资源分配。

对于本发明，我们进行了大量仿真。仿真中的具体参数如表6所示，考虑一个半径为R＝200m的蜂窝区域，其中N个D2D用户对随机分布，即N个D2D发射端用户与对应的N个D2D接收端用户随机分布，同时，K个蜂窝用户随机分布。D2D发射端用户与D2D接收端用户之间的最大距离为20-70m。每个D2D对用 户最多只能复用分配给蜂窝用户的一个频谱资源块，同时蜂窝用户最多只能与一个D2D对用户共享一个频谱资源块。

图7为N＝20，K＝20时的用户位置图，即蜂窝用户和D2D通信用户的位置分布图。本发明提出的基于GS算法的能效稳定匹配算法与以下三种算法进行了比较，分别为最大发射功率随机匹配算法，即最大化D2D发射端用户发射功率并对D2D对与蜂窝用户进行随机匹配，随机发射功率随机匹配算法，即为D2D发射端用户随机分配发射功率并对D2D对与蜂窝用户进行随机匹配，和最大发射功率最大SINR匹配算法，即最大化D2D发射端用户发射功率并以最大话SINR为目标对D2D对用户与蜂窝用户进行匹配。图8为应用能效稳定匹配算法、最大发射功率随机匹配算法、随机发射功率随机匹配算法与最大发射功率最大SINR匹配算法在随着用户数量的变化，系统中D2D对的平均能效总和的变化比较图。其中，能效匹配算法的性能远远高于其他算法的性能。图9是为D2D对用户分配发射功率时利用的Dinkelbach算法在用户数量不同时的收敛性比较土。由图中可以看出，Dinkelbach算法在3-4次迭代时即可收敛。因此，在考虑能效的情况下，综合考虑用户的喜好及满意度，利用以GS算法为基础的能效匹配算法能够使D2D对与蜂窝用户之间的匹配达到稳定状态，从而解决资源分配问题。

尽管为说明目的公开了本发明的具体实施和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因此，本发明不应局限于最佳实施例和附图所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims (3)

1.一种应用在基于蜂窝网络的Device-to-Device(D2D)通信系统中，结合“无线信息与能量同时传输”(SWIPT)技术与匹配理论的资源分配方案，其特征在于：

1)考虑SWIPT技术的应用，使接收端用户设备能够从无线电频率信号中获取能量；

2)将用户的喜好及满意度纳入考虑，提出基于GS算法的能效稳定匹配法，优化D2D用户的能效和蜂窝用户收集到的能量，完成D2D用户与蜂窝用户之间的匹配。

2.如权利要求1步骤1)所述的考虑SWIPT技术的应用，使接收端用户设备能够从无线电频率信号中获取能量，其特征在于，接收端用户设备能够从接收到的信号、干扰、噪声中收集能量，使信号能量能够在再循环，同时，干扰和噪声等有害噪声能够变为有益增益，具体步骤如下:

1)系统中存在K个资源块，记为对应的K个蜂窝用户记为N个D2D用户对表示为对于信道模型，瑞利衰落模拟小尺度衰落，自由空间传播路径损耗模拟大尺度衰落；当D2D用户对i，即D2D通信链路i复用资源块时，D2D接收端用户受到了基站的干扰而蜂窝用户k受到了D2D发射端用户的干扰；每一个移动接收端用户设备由两个单元组成，即传统的信号处理单元和能量收集单元，这样，接收端用户设备能够将收到的无线信号分为两部分，分别用于信号解调和能量收集，即接收端用户能够从信号，干扰和噪声中获取能量；设定接收端用户能够从接收到的信号中分离出的用于信号解调的信号比例为δ_I，用户能量收集的信号比例为δ_E，并且δ_I+δ_E＝1；当D2D对i复用资源块时，D2D通信链路i与基站与用户k之间的通信链路的传输速率，即频谱效率分别为：

和分别表示D2D对i中发射端用户的发射功率与基站向蜂窝用户k发射功率；h_i和h_k分别表示D2D通信链路和蜂窝通信链路的信道响应；h_ki和h_ik分别表示基站与D2D对i的接收端用户之间的干扰链路和D2D对i的发射端用户与基站之间的干扰链路的信道响应；α为自由空间路径损耗因子；N₀为天线产生的加性高斯白噪声(AWGN)，N_s为接收端用户设备处理信号的过程中产生的AWGN；

D2D对i消耗的总功率为

蜂窝用户k收集到的总能量为

η是发射端用户设备的功率放大器的放大效率，0<η<1；P_cir为用户设备消耗的电路功率；由于基站由外部电网供电，因此基站的功率消耗忽略不计；η_E为接收端用户设备将无线电信号转化为电能时的能量转换效率；

D2D对i的能效函数为：

3.如权利要求1步骤2)所述的考虑用户的喜好及满意度的基于GS算法的能效稳定匹配算法，其特征在于，既考虑D2D用户对蜂窝用户的喜好又考虑蜂窝用户对D2D对用户的喜好，在建立双方喜好列表的基础上，利用GS算法对双方进行匹配；定义两维度矩阵X表示D2D对与蜂窝用户之间的匹配策略，其中的元素x_i,k是一个二元变量，即x_i,k∈{0,1}，代表D2D对i与蜂窝用户k之间的匹配情况；x_i,k＝1代表D2D对i与蜂窝用户k匹配，即D2D对i复用已分配给蜂窝用户k的资源块x_i,k＝0代表D2D对i与蜂窝用户k不匹配；x_i＝{x_i,1,…,x_i,k,…,x_i,K}为D2D对i的二元匹配策略集合，y_k＝{x_1,k,…,x_i,k,…,x_N,k}为蜂窝用户k的二元匹配策略集合；它包括以下三个步骤：

1)建立D2D用户对蜂窝用户的喜好列表：对D2D对i来说，需要通过设计匹配策略变量x_i,k和功率变量来最大化自身的能效；因此D2D对i对蜂窝用户k的喜好可以描述为，在Ψ(i^D)＝k时，D2D对i能够实现的最大的能效，这样，D2D对i的匹配对象已经固定，只需要优化功率变量即可得到D2D对i对蜂窝用户k的喜好；描述如下：

P_max为D2D发射端用户最大发射功率，U_SE,min为通信链路要求的最小传输速率；通过解决上 述问题，对所得最大能效排降序，对应的蜂窝用户的顺序即为D2D对i对蜂窝用户的喜好顺序；

2)建立蜂窝用户对D2D用户的喜好列表：对于蜂窝用户k，需要通过设计匹配策略变量x_i,k来最大化自身收集到的能量；因此蜂窝用户k对D2D对i的喜好可以描述为，在Ψ(k^c)＝i时，蜂窝用户k能够收集到的最多的能量，这样，蜂窝用户k的匹配对象已经固定，在D2D用户对i已经确定功率分配策略的情况下，即可得到蜂窝用户k收集到的能量，即蜂窝用户k对D2D对i的喜好；描述如下：

对于蜂窝用户k，对所得能量排降序，对应的D2D对用户的顺序即为蜂窝用户k对D2D用户的喜好顺序；

3)以建立好的喜好列表为基础，利用GS算法使D2D对用户与蜂窝用户之间的匹配达到稳定状态；首先，D2D对i将会向其最喜爱的蜂窝用户k请求匹配，对于收到请求的蜂窝用户k，如果与其现有的匹配D2D对j能够达到更好的效果，则拒绝i，保留与j的匹配；如果k与i匹配达到的效果比与j匹配更好，则k接受i的请求；被拒绝的D2D对用户向其还未请求过的蜂窝用户中最喜爱的发送请求，如果D2D对i被所有的蜂窝用户拒绝，则其放弃请求；整个过程在每个D2D用户找到匹配对象或者已被所有的蜂窝用户拒绝之后结束；这样，D2D对与蜂窝用户之间的匹配达到稳定状态，即完成了D2D用户与蜂窝用户之间的资源分配。