CN108075831B - 基于蚁群算法的非正交多址通信系统的资源分配方法 - Google Patents

Abstract

本发明着重于绿色通信的概念，基于蚁群算法，提出了一种用于可见光多载波非正交多址通信系统的资源节能分配方案，本发明所提资源节能分配方案能有效节省通信能源损耗。

Description

基于蚁群算法的非正交多址通信系统的资源分配方法

技术领域

本发明涉及可见光通信(Visible Light Communication,VLC)领域，更具体地，涉及一种基于蚁群算法的非正交多址通信系统的资源分配方法。

背景技术

现代的无线通信需求随着手机等无线设备的普及而呈现出急速的增长，而RF频段下的可利用资源已经越来越稀缺，解决稀缺的频谱资源问题成为了通讯研究的热点。可见光频段有400THz的未被开发的资源，这相当于当前所有RF频段的频谱的1000倍。可见光指的是人类眼睛可以觉察到的那一部分的光，它所处的频段为紫外线和红外线之间，整个可见光的频段波长范围为380-780nm。可见光通信是对现有无线通信的补充，搭建VLC系统既能满足照明需求，又能满足通信需求，是一种节能的通信系统。

利用可见光非正交多址通信系统接入移动通信设备以及IoT设备，可以在照明的同时实现各个设备的通信需求。IoT设备具有对通信速率需求低，设备电池更换周期长的特点，过度地分配能量或带宽给这样的设备将会造成资源的浪费。此外，如何有效节能地接入这些终端设备，是将VLC应用于物联网信息传输需解决的一个关键问题。

在VLC系统中接入终端设备时，可以采用正交多址接入或是非正交多址接入。不同于传统的正交多址接入技术，如时分复用多址接入(TimeDivision Multiple Access,TDMA)、频分复用多址接入(Frequency DivisionMultiple Access,FDMA)等，非正交多址接入(Non-Orthogonal Multiple Access,NOMA)通过应用叠加编码(Superposition Coding,SC)技术以及串行干扰消除(Successive Interference Cancellation,SIC)技术，使得不同的用户设备可以同时利用同一个时频资源块[1][2]。有理论研究证明，非正交多址接入系统相比于正交多址接入系统能达到更高的系统容量、更大的接入用户数以及频谱利用率[3][4]。

发明内容

本发明的发明目的在于降低用户设备的能耗，提出一种节能的基于蚁群算法的非正交多址通信系统的资源分配方法。

为实现上述目的，本发明采取的技术方案为：

基于蚁群算法的非正交多址通信系统的资源分配方法，包括以下步骤：

S1.设非正交多址通信系统中包括的信道数为N，而用户设备的数量小于或等于2N；

S2.为每条信道分别初始化一个能耗矩阵P，所述能耗矩阵内的元素为用所有的用户设备中设备i与设备j分配到该信道上消耗的能耗的总和；

S3.在第i个信道的能耗矩阵P中找到能耗总和最小的两个用户设备进行匹配，然后将匹配的两个用户设备在第j个信道的能耗矩阵P中的行和列进行删除，i<j≤N，然后在第j个信道的能耗矩阵P剩余的元素中寻找能耗总和最小的两个用户设备进行匹配；i的初始值为1；

S4.重复执行步骤S3直至i＝N；

S5.通过步骤S3、S4的寻找，所有匹配的用户设备组成一条初始路径，其总能耗为所有匹配的两个用户设备的能耗的总和pⁿⁿ；初始化所有路径的信息素为

其中m为每次迭代蚂蚁的数量；

S6.每只蚂蚁在每个信道的用户设备中随机选择初始的设备；

S7.对每只蚂蚁在可访问的设备集中计算选择他们的概率，然后基于计算的概率为每只蚂蚁选择下一个设备:

q为0～1的随机数，q₀为0～1的常数，β为2～5的常数；J_n(i)表示第n个信道中从设备i出发可选择的设备集；τ(i,j)为第n个信道上路径i和j之间的信息素；η(i,j)为第n个信道上的能量权重，若i，j为信道内消耗的能耗总和最小的设备，则

p_ij表示设备i与设备j的总耗能大小；否则，η(i,j)＝1；pro{[τ(i,j)]*[η(i,j)]^β}表示依[τ(i,j)]*[η(i,j)]^β比值的概率去选择设备j；

S8.对每只蚂蚁记录选择的路径，更新可访问设备集，并执行步骤S7选择下一个设备；

S9.当每只蚂蚁的可访问设备集为空时，路径构造完毕，完成一轮迭代；

S10.从各只蚂蚁记录选择的路径中选择最优的方案，然后蒸发和释放信息素：

其中

T_b为所记录的最优路径；ρ是信息素蒸发率，0<ρ<1；τⁿ(i,j)指的是第n个信道上设备i和j之间的信息素；p_bestmin最优路径中系统的能耗总和；

S11.判断是否满足结束条件，则输出全局最优结果以及分配最优耗能的方案，否则回到步骤6继续迭代。

与现有技术相比，本发明的优点和有益效果是：

本发明着重于绿色通信的概念，基于蚁群算法，提出了一种用于可见光多载波非正交多址通信系统的资源节能分配方案，本发明所提资源节能分配方案能有效节省通信能源损耗。

附图说明

图1为可见光通信系统的结构示意图。

图2为可见光的信道模型图。

图3为SIC解调图。

图4为设备的匹配方案示意图。

图5为在可见光信道下的OMA以及NOMA分配方案能耗对比图。

图6为在瑞丽信道下的OMA以及NOMA分配方案能耗对比图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图和具体实施例，进一步阐述本发明是如何实施的。

本发明的关注点是利用蚁群算法为可见光多载波非正交多址通信系统的提供最节能的资源分配方案。不失一般性，考虑可见光通信系统中，一个LED接入K个设备的情况(如图1所示)。并假设有N个子载波可供这K个设备使用，此外，为了简单地分析，假设每个子载波同时最多只能分配给两个设备。根据NOMA的协议[5]，在第n(0<n<N+1)个子载波中，LED所发送的信号可以表示如下：

式中，

表示设备i的想要的信息，

表示设备j的想要的信息，

表示设备i的信息的传输功率，

表示设备j的信息的传输功率。

则第i个设备在第n个子载波上收到的信号可以表示为

其中

代表第n个子载波上面的高斯白噪声，

为第i个设备第n个子载波上面的可见光信道增益系数。

同样的，第j个设备在第n个子载波上收到的信号可以表示为

可见光信道可用图2模型来描述：

如果将光源看作是朗伯辐射体，即其服从朗伯模型，并假设接收面积远小于接收距离则根据推导可得，LED与设备i之间的直射信道(Line of Sight,LOS)为[6]:

其中A表示光电检测器的检测面积；R_p表示光电检测器的反应灵敏度；T(ψ_Tx,k)光学滤波器的增益；d_i为LED到设备i的距离；φ_Tx,i为LED到设备i的发射角；ψ_Tx,i为设备i到LED的接收角；m为朗伯系数，由LED的半功率角决定；g(ψ_Tx,i)表示光学透镜的增益，表示如下：

其中n为透镜的反射系数。

对于LED与设备i之间的非直射信道可表示为：

其中h_k表示经过k次反射的冲激响应函数。

则可见光信道响应可表示为：

h(t)＝h_LOS(t)+h_NLOS(t) (7)

从上面可以看到，由于分配到同一信道上的设备会产生相互干扰，因此如何分配他们之间的功率以及如何进行信道的分配才能达到最节能成为了问题的关键。基于此，可以将目标函数和约束方程表示如下：

其中

为选择分配因子，如果设备i和设备j分配到信道n上的话则

否则

p代表能量分配向量，δ表示选择分配向量，

表示信道n上设备i消耗的能量，约束(8a)表示保证设备i的通信需求，R_i,min表示设备i所需求的通信速率，R_i表示其实际速率。

为了解决总能耗最小化问题，可以将此问题分解为信道内设备能量分配问题以及信道间用户匹配问题两部分来进行求解。

A.信道内能量分配

不失一般性地，假设设备i与设备j分配到信道n上，且h_i≤h_j，则目标方程可表示为：

s.t.R_i≥R_i,min,R_j≥R_j,min (9b)

p_i≥0,p_j≥0 (9c)

设备i与设备j的信号相互混叠在一起，可以通过串行干扰消除(SuccessiveInterference Cancellation,SIC)技术来解调，解调过程如图3所示。要实现这种串行干扰除了要满足条件(9b)，还需要满足[7]

R_2→1≥R_1,min (10)

即后解调的设备必须先满足成功解调出前一个设备的信息，这样干扰才能消除完全。

按照这种方法，先解调的用户可达的速率为

后解调的用户可达速率为

B表示带宽，σ²表示噪声功率。

根据方程(9)～(12)可以分设备i先解调与设备i后解调两种情况来解，解得的最小能耗分别为

因为h_i≤h_j，所以先解调设备i，后解调设备j可以使得该信道能耗最小，最小能耗为

B.信道间设备匹配

为了解决以上匹配问题，本发明基于蚁群算法提出了一种动态匹配方法。先假设K＝2N(当设备数K<2N时，可以补充虚拟用户，这些用户对所有信道的增益为无穷大，即消耗0功率即可达到所需的通信速率)。图4以4个设备为例展示了信道n中设备的匹配方案，其中每一个点代表了一个设备，每条连接线p_ij表示设备i与设备j匹配，连接线p_ij的长度代表设备i与设备j的总耗能大小，可根据式子(14)计算。有N个信道就代表有N个这样的图，因此，匹配问题就可以转化为如何在这N个图中找到一条最短的路径，满足该路径有且只有一次经过点i，对

成立。在自然界中，蚂蚁能通过在环境中释放信息素来交流信息，从而完成协同寻路任务，其核心思想为蚂蚁总是以较大概率选择信息素浓度较高的路径，且较短的路径上信息素积累速度较快，这样的正反馈作用使得蚁群最终能聚集在较短的路径上，基于此思想，本系统的最短路径寻找方法如下：

1.先根据式(14)初始化能耗矩阵

当N＝2，K＝4时，两个信道的能耗矩阵如下所示

其中能耗矩阵内的元素为用所有的用户设备中设备i与设备j分配到该信道上消耗的能耗的总和；

2.利用贪心算法得到初始路径，然后由此初始化所有边上的信息素：即先在第一个信道中找到能耗最小的两个设备匹配，对于上述的例子，即为设备1与设备3匹配，然后在第二个信道中将设备1与设备三所在的行与列去除，得到矩阵

再找此矩阵中能耗最小的两个设备匹配，即设备2与设备4。最后可得初始路径为[1 3 2 4]，总能耗为pⁿⁿ＝f(1,2,3,4)＝0.1+0.4＝0.5。初始化所有边上信息素为

其中m为每次迭代蚂蚁的数量。

3.1.每只蚂蚁在每个信道的用户设备中随机选择初始的设备。

3.2.对每只蚂蚁在可访问的设备集中计算选择他们的概率，然后基于计算的概率为每只蚂蚁选择下一个设备:

q为0～1的随机数，q₀为0～1的常数，β为2～5的常数；J_n(i)表示第n个信道中从设备i出发可选择的设备集；τ(i,j)为第n个信道上路径i和j之间的信息素；η(i,j)为第n个信道上的能量权重，若i，j为信道内消耗的能耗总和最小的设备，则

p_ij表示设备i与设备j的总耗能大小；否则，η(i,j)＝1；pro{[τ(i,j)]*[η(i,j)]^β}表示依[τ(i,j)]*[η(i,j)]^β比值的概率去选择设备j。

3.3.对每只蚂蚁记录选择的路径，更新可访问设备集，并以3.2的方式选择下一个设备。

3.4.当每只蚂蚁的可访问设备集为空时，路径构造完毕，完成一轮迭代。

4.更新信息素：从各只蚂蚁记录选择的路径中选择最优的方案，然后蒸发和释放信息素：

其中

T_b为所记录的最优路径；ρ是信息素蒸发率，0<ρ<1；τⁿ(i,j)指的是第n个信道上设备i和j之间的信息素；p_bestmin最优路径中系统的能耗总和；5.若满足结束条件，则输出全局最优结果以及分配最优耗能的方案，否则回到步骤3继续迭代。结束条件是迭代满足一定次数如10^2或者满足多次迭代结果不变时迭代结束。全局最优结果即为所记录的最优路径，最优能耗为所记录的最优路径上能耗的总和。

为更充分地阐述本发明所具有的有益效果，以下结合仿真分析及结果，进一步对本发明的有效性和先进性予以说明。

仿真系统是一个5*5*3m的房间，其中LED摆放在房间的天花板中间，LED的半功率角为φ_1/2＝60o，PD检测器灵敏度为1A/W，墙面反射系数为0.8，设备接收视角范围为85°，接收面积为1cm²，每个子载波信号带宽为10M，噪声功率密度N₀＝10^-20A²/Hz，设备的目标速率为[0.1,2]bit/s/Hz。

图5给出了本发明所提出的基于蚁群算法的可见光多载波NOMA通信系统的最节能化资源分配方案的能耗随着接入设备数量变化的性能曲线，并与传统的OMA方案进行了对比，图5(a)、图5(b)中，本发明提供的方法的性能曲线与穷尽算法的曲线是重叠了的，这表明了本发明提供的方法是最优或渐进最优的算法。如图5(a)所示，本发明提出的优化方案在能耗性能表现明显优于OMA系统，而且随着设备数的增多，NOMA与OMA系统的能耗差异不断增大。另一方面，如图5(b)所示，相对于随机分配的NOMA方案，本发明提出的优化方案在设备数量达到10时，能比其少13％左右的能耗。此外，从图5可以看出，所提优化方案与穷尽算法的得出来的结果相符，证明本优化方案为最优或者接近最优分配方案。

进一步的，将仿真系统改变成一般的射频通信系统，即一个基站接入多个设备的情况，其中设备分布在距离基站30～500m之间，信道系数服从瑞丽分布，设备的目标速率为[0.1,2]bit/s/Hz，以3GPP信道的规范来做仿真可得到图6，此时本发明所提出的最优化分配方案明显优于传统的OMA方案以及随机分配的方案。

这说明在实际应用中，本发明所提最优化分配方案能有效节省通信能源损耗。

最后说明，以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

参考文献：

[1]Y.Saito,Y.Kishiyama,A.Benjebbour,T.Nakamura,A.Li,and K.Higuchi,“Non-Orthogonal Multiple Access(NOMA)for Cellular Future Radio Access,”inProc.IEEE Vehicular Technology Conference (VTC Spring),Dresden,Germany,Jun.2013,pp.1–5.

[2]Y.Saito,A.Benjebbour,Y.Kishiyama,and T.Nakamura,“System LevelPerformance Evaluation of Downlink Non-Orthogonal Multiple Access(NOMA),”inProc.IEEE Annual Symposium on Personal,Indoor and Mobile Radio Communications(PIMRC),London,UK,Sept.2013,pp.611–615.

[3]Z.Ding,Z.Yang,P.Fan,and H.V.Poor,“On the performance ofnonorthogonal multiple access in 5G systems with randomly deployed users,”IEEE Signal Process.Lett.,vol.21,no.12,pp.1501–1505,Dec.2014.

[4]W.Cai,C.Chen,L.Bai,Y.Jin and J.Choi,"Power allocation scheme andspectral efficiency analysis for downlink non-orthogonal multiple accesssystems,"in IET Signal Processing,vol.11,no.5,pp.537-543,7 2017.

[5]A.Benjebbour,A.Li,Y.Saito,Y.Kishiyama,A.Harada,and T.Nakamura,“System-level performance of downlink NOMA for future

LTE enhancements,”in Proc.IEEE Global Commun.Conf.,Dec.2013,pp.66–70.

[6]H.Schulze,Frequency-Domain Simulation of the Indoor WirelessOptical Communication Channel[J],in IEEE Transactions on Communications,vol.64,no.6,pp.2551-2562,June 2016

[7]Y.Saito,A.Benjebbour,Y.Kishiyama,and T.Nakamura,“Systemlevelperformance evaluation of downlink non-orthogonal multiple access(NOMA),”inProc.IEEE Annu.Symp.Pers.,Indoor Mobile Radio Commun.

(PIMRC),London,U.K.,Sep.2013,pp.611–615.

Claims (1)

1.基于蚁群算法的非正交多址通信系统的资源分配方法，其特征在于：包括以下步骤：

S1.设非正交多址通信系统中包括的信道数为N，而用户设备的数量小于或等于2N；

S2.为每条信道分别初始化一个能耗矩阵P，所述能耗矩阵内的元素为用所有的用户设备中设备i与设备j分配到该信道上消耗的能耗的总和；

S3.在第i个信道的能耗矩阵P中找到能耗总和最小的两个用户设备进行匹配，然后将匹配的两个用户设备在第j个信道的能耗矩阵P中的行和列进行删除，i<j≤N，然后在第j个信道的能耗矩阵P剩余的元素中寻找能耗总和最小的两个用户设备进行匹配；i的初始值为1；

S4.重复执行步骤S3直至i＝N；

S5.通过步骤S3、S4的寻找，所有匹配的用户设备组成一条初始路径，其总能耗为所有匹配的两个用户设备的能耗的总和pⁿⁿ；初始化所有路径的信息素为

其中m为每次迭代蚂蚁的数量；

S6.每只蚂蚁在每个信道的用户设备中随机选择初始的设备；

S7.对每只蚂蚁在可访问的设备集中计算选择他们的概率，然后基于计算的概率为每只蚂蚁选择下一个设备:

q为0～1的随机数，q₀为0～1的常数，β为2～5的常数；J_n(i)表示第n个信道中从设备i出发可选择的设备集；τ(i,j)为第n个信道上路径i和j之间的信息素；η(i,j)为第n个信道上的能量权重，若i，j为信道内消耗的能耗总和最小的设备，则

p_ij表示设备i与设备j的总耗能大小；否则，η(i,j)＝1；pro{[τ(i,j)]*[η(i,j)]^β}表示依[τ(i,j)]*[η(i,j)]^β比值的概率去选择设备j；

S8.对每只蚂蚁记录选择的路径，更新可访问设备集，并执行步骤S7选择下一个设备；

S9.当每只蚂蚁的可访问设备集为空时，路径构造完毕，完成一轮迭代；

S10.从各只蚂蚁记录选择的路径中选择最优的方案，然后蒸发和释放信息素：

其中

T_b为所记录的最优路径；ρ是信息素蒸发率，0<ρ<1；τⁿ(i,j)指的是第n个信道上设备i和j之间的信息素；p_bestmin最优路径中系统的能耗总和；

S11.判断是否满足结束条件，则输出全局最优结果以及分配最优耗能的方案，否则回到步骤6继续迭代。

Images