CN108282888A - 一种基于改进模糊聚类的d2d资源分配方法 - Google Patents

Abstract

本发明公开了一种基于改进模糊聚类的D2D资源分配方法，涉及无线通信技术领域，首先使用基于改进的模糊聚类算法将D2D用户划分为若干个D2D用户组，使多个D2D用户复用同一CU用户资源；然后将CU用户的干扰容限平分至复用其资源的D2D用户组中的每一个用户，根据CU用户的干扰容限计算每个D2D用户的最大发射功率，实现功率控制；最后在保证D2D用户组中每个用户复用CU用户资源后，信道容量增益是正值的前提下，用图论中的KM算法为每一个D2D用户组匹配最佳的复用资源来达到最大化系统吞吐量的目的，本发明能够对用户进行合理分组，并在保证蜂窝用户和D2D用户的QoS前提下提升了系统的吞吐量。

Description

一种基于改进模糊聚类的D2D资源分配方法

技术领域

本发明涉及无线通信技术领域，特别是涉及一种基于改进模糊聚类的D2D资源分配方法。

背景技术

目前，D2D技术已经成为第五代移动通信(5-Generation，5G)的关键技术之一。D2D(Device to Device)，通过近邻设备直接交换数据，可降低通信系统中心节点的数据压力，提升频谱利用率，扩大网络容量，使终端设备具备多种接入选择模式，为设备的零延迟通信、移动终端的海量接入及数据传输开辟了新的途径。

D2D引入的目的是增大吞吐量、提高频谱利用率。由于D2D需要复用蜂窝用户频谱资源，因而传输在相同频带的D2D用户和蜂窝用户会产生相互干扰，若干扰过大，会降低网络性能，使用户服务质量无法保证，因此有效的资源分配方式是发挥D2D通信优势的关键。Feng D.Q等人在发表的文章“Device-to-device communications underlaying cellularnetworks”中提出一种确保蜂窝用户和D2D用户服务质量的资源分配算法，可分为D2D用户的接入判断、D2D用户的功率控制和D2D用户的信道分配三个步骤。Hyunkee M等人在发表的文章“Capacity enhancement using an interference limited area for D2D uplinkunderlaying cellular networks”中提出一种基于干扰限制区域的资源分配算法，为每对D2D用户划出一个干扰受限区域，在该区域内的蜂窝用户资源不能被此D2D用户使用。ZhangR.Q等人发表的文章“Interference Graph-Based Resource Allocation(InGRA)for D2DCommunications Underlaying Cellular Networks”针对系统中所有用户间的干扰图进行资源分配，但该方案中蜂窝用户的通信质量没有得到有效保障。Cai X.J等人在发表的文章“A graph-coloring based resource allocation algorithm for D2D communicationsin cellular networks”中提出一种基于图论着色的资源分配算法，为每对D2D用户的每种可着颜色定义了一个标签，根据标签值进行信道分配。但可能会导致信道质量较差的用户无信道可用。上述大部分算法中，每个蜂窝用户的信道最多供一对D2D用户使用，对于实际应用场景来说，如D2D用户数大于蜂窝用户数的场合(如音乐会或体育馆)，都存在一定的局限性。

发明内容

本发明实施例提供了一种基于改进模糊聚类的D2D资源分配方法，可以解决现有技术中存在的问题。

本发明提供了一种基于改进模糊聚类的D2D资源分配方法，该方法包括以下步骤：

使用基于改进的模糊聚类算法将D2D用户划分为若干个D2D用户组，使多个D2D用户复用同一CU用户资源；

将CU用户的干扰容限平分至复用其资源的D2D用户组中的每一个用户，根据CU用户的干扰容限计算每个D2D用户的最大发射功率，实现功率控制；

在保证D2D用户组中每个用户复用CU用户资源后，信道容量增益是正值的前提下，用图论中的KM算法为每一个D2D用户组匹配最佳的复用资源来达到最大化系统吞吐量的目的。

优选地，对D2D用户进行划分的方法具体为：

步骤1，对于D2D用户集，初始化聚类中心集v_k、分组数t、收敛阈值ε，设定初始迭代次数a＝1，最大迭代次数a_max；

步骤2，根据下列公式计算隶属度矩阵u_k,j：

步骤3，根据下列公式对隶属度矩阵u_k,j进行修正，得到修正后的隶属度矩阵u'_k,j：

步骤4，将修正后的u'_k,j代入下列公式，计算聚类中心v_k：

其中，N为D2D用户的数量，d_k,_j为第j个D2D用户与聚类中心vk的欧氏距离，m为模糊加权指数，x_j为第j个D2D用户的位置；

步骤5，若a>a_max或者则算法停止，否则a＝a+1，跳转到步骤2，经过多次迭代，得到最终各类别的聚类中心v_k和隶属度矩阵uk,_j，完成对D2D用户的分组。

优选地，计算每个D2D用户的最大发射功率的方法具体为：

为CU用户设定一个最小干扰容限将CU用户的干扰容限平分至复用其资源的D2D组中的每一个用户，使得：

其中，表示第j对D2D用户的发射端的发射功率，h_j,B表示第j对D2D用户的发射端在发射信号时对基站产生干扰的信道增益，|G_t|表示划分到第t个D2D组中的D2D用户的个数，由此式可得，满足该条件的D2D用户的最大发射功率为：

第j对D2D用户的最大发射功率可以表示为：

其中，P_max表示限定的D2D用户发射端的最大功率。

优选地，用KM算法为每一个D2D用户组匹配最佳复用资源的方法具体为：

步骤6，在选择复用的CU用户之前需保证复用信道容量增益是一个正值，即满足：

其中，表示第i条蜂窝链路的吞吐量，表示第j条D2D链路的吞吐量，表示蜂窝用户没有被D2D用户复用时第i条蜂窝链路的吞吐量；

步骤7，将划分到同一D2D组内的D2D用户看作一个整体，二分图的点集由M个可复用的蜂窝用户和t个D2D用户组组成，匹配中每条连线连接一个蜂窝用户和一个D2D用户组，表示D2D用户组复用对应蜂窝用户的资源，该匹配的权值就是复用信道上的传输容量，若第i个CU用户与第t个D2D用户组建立复用关系，权值表示为：

步骤8，在二分图中的D2D用户组中添加M-t个虚拟点，增加的点和蜂窝用户的链路权值表示为

步骤9，在构建二分图的基础上，用图论中的KM算法解决二分图的匹配问题，随着D2D用户数目的改变，分组情况也随之改变，D2D数目每改变一次，需要重新建立一次权值矩阵；

KM算法具体流程如下：

步骤91，标识M×M矩阵E_p,q每一行和每一列的权重值：行的权重值表示为：g(x_p)＝max(E_p,q)，列的权重值表示为：g(y_q)＝0；

步骤92，检查每一行每一列都至少有一个0，如果是，跳转步骤94，否则调整矩阵E_p,q的元素值为：E_p,q＝g(x_p)+g(y_q)-E_p,q；

步骤93，用最少的线覆盖矩阵中所有的零元素，如果线的个数等于M，当前矩阵可以得到最大的权值匹配；否则找到矩阵中没有被线盖住的最小的元素值a_L，调整未被盖住的行的权重为g(x_p)＝g(x_p)-a_L，调整列的权重为g(y_q)＝g(y_q)+a_L，并调整矩阵E_pq的元素值为：E_p,q＝g(x_p)+g(y_q)-E_p,q；

步骤94，查找M个位于不同行和不同列中的0元素，它们的位置就是资源分配的结果。

本发明实施例中的一种基于改进模糊聚类的D2D资源分配方法具有以下有益效果：

(1)对D2D用户进行合理分组，使多个D2D用户可以复用同一CU用户资源；

(2)对D2D用户进行功率控制，在保证蜂窝用户和D2D用户QoS的前提下，提升了系统的吞吐量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明中基于改进模糊聚类的D2D资源分配的系统模型图；

图2是本发明的D2D用户组与蜂窝用户匹配二分图；

图3是本发明提出的混合网络的系统吞吐量和D2D用户吞吐量随着D2D对数量的变化趋势示意图；

图4是本发明提出的分簇数目随D2D用户数变化而变化与分簇数目固定时在系统吞吐量上的对比图；

图5是本发明提出的分簇之后基于改进KM算法的D2D资源分配和随机资源分配方法在分簇数目可变和分簇数目固定时的系统吞吐量的对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在单小区场景下，如图1所示，小区半径为R，基站位于小区的中心，M个蜂窝用户和N个D2D用户(M<N)在小区内随机分布。假设M个蜂窝用户已经占用M个独立正交的信道进行通信，并且基站知道所有用户的信道状态信息。CU表示蜂窝用户集合，CU＝{CU₁,CU₂,…,CU_i,…,CU_M}，其中CU_i表示第i个蜂窝用户；DU表示D2D用户集合，DU＝{DU₁,DU₂,…,DU_j,…,DU_N}，其中D_j表示第j对D2D用户，将若干个D2D用户对划分为一个D2D用户组，记为G＝{G₁,G₂,…,G_t}。

根据香农定理，第i条蜂窝链路和第j条D2D链路的接收SINR和吞吐量分别为：

若蜂窝用户没有被D2D用户复用，则此时第i条蜂窝链路的SINR和吞吐量分别为：

CU_i向eNB发射信号，信道增益为g_i,B；第j对D2D用户对的发射端向接收端发射信号，信道增益为g_j；DU_j_T_x在发射信号时，会对eNB产生干扰，信道增益为h_j,B；CU_i在发射信号时，会对DU_j_R_x产生干扰，信道增益为h_i,j；同一D2D用户组内，第j对D2D用户对的发射端DU_j_T_x会对第j'对D2D用户对的接收端DU_j'_R_x产生干扰，信道增益为h_j,j'，不考虑组间干扰；表示CU_i的发射功率，表示DU_j_T_x的发射功率；表示加性高斯白噪声的功率谱密度，B表示子信道的带宽。

在此基础上，为了实现上述一种基于改进模糊聚类的D2D资源分配方法，其中基于改进的模糊聚类资源分配算法将D2D用户划分为若干个D2D用户组；具体包括：

步骤101：基于模糊聚类算法将N个D2D用户对分为t个D2D用户组。分组数目t随着D2D用户个数的改变而改变，m为模糊加权指数，通常取2，u_k,j(0≤u_k,j≤1)表示D2D通信链路D2D_j在第k∈{1,2，…,t}类中的模糊隶属度，d_k,j表示D2D_j与聚类中心v_k的欧式距离，则设定D2D用户组之间最小距离门限值为ε，U为隶属度集合，V为聚类中心集合，FCM目标函数为：

步骤102：为了最小化目标函数，要求满足任一D2D链路对于各个聚类的隶属度之和为1，即有约束条件：

步骤103：在此条件约束下，当边缘D2D用户远离各类的聚类中心时，本来它严格属于各类的隶属度都很小，但是由于归一化约束，使它对各类都具有较大的隶属度，从而影响最终分组结果。为此，提出放松归一化条件，只要满足所有D2D用户对各类的隶属度之和等于N即可，即：

步骤104：根据上述条件，构造拉格朗日函数求解目标函数：

其中，λ为任意常数。

步骤105：将L(U,V)对所有输入参数求一阶偏导数，得到使得目标函数取得最小值的必要条件：

步骤106：放松归一化约束后，D2D_j的隶属度的值可能会大于1，使得各类样本对所属类的隶属度差异过大，为避免边缘用户独成一类的情况出现，对隶属度公式进行非线性修正，使所有D2D用户的隶属度不宜太大或太小。修正后的D2D用户的隶属度表示为：

用改进的模糊聚类算法对D2D用户进行分组的实现过程如下：

步骤107：对于D2D用户集，初始化聚类中心集v_k、分组数t、收敛阈值ε，设定初始迭代次数a＝1，最大迭代次数a_max。

步骤108：根据公式(8)计算隶属度矩阵u_k,j。

步骤109：根据公式(10)对隶属度矩阵u_k,j进行修正，得到修正后的隶属度矩阵u'_k,j。

步骤110：将修正后的u'_k,j代入公式(9)，计算聚类中心v_k。

步骤111：若a>a_max或者则算法停止，否则a＝a+1，跳转到步骤108，经过多次迭代，得到最终各类别的聚类中心v_k和隶属度矩阵u_k,j，完成对D2D用户的分组。

为了实现上述一种基于改进模糊聚类的D2D资源分配方法，其中，根据CU用户干扰容限计算每个D2D用户的最大发射功率，包括以下内容：

步骤201：为CU用户设定一个最小干扰容限某一D2D用户组对CU用户造成的累积干扰超过其干扰容限，则CU用户会限制该复用链路的建立。将CU用户的干扰容限平分至复用其资源的D2D组中的每一个用户，使得：

步骤202：其中|G_t|表示划分到第t个D2D组中的D2D用户的个数，由此式可得，满足该条件的D2D用户的最大发射功率为：

步骤203：第j对D2D用户的最大发射功率可以表示为：

其中，P_max表示限定的D2D用户发射端的最大功率。

为了实现上述一种基于改进模糊聚类的D2D资源分配方法，其中，用图论中的KM算法为每一个D2D用户组匹配最佳的复用资源，包括以下内容：

步骤301：多个D2D用户复用同一CU用户资源，对CU用户造成的累积干扰可能会造成整体吞吐量的降低，为避免这种情况的发生，在选择复用的CU用户之前需保证复用信道容量增益是一个正值，即满足：

步骤302：D2D资源分配问题可以建模为最大加权匹配问题，将划分到同一D2D组内的D2D用户看作一个整体，图2中的二分图的点集由M个可复用的蜂窝用户和t个D2D用户组(t≤M)组成，匹配中每条连线连接一个蜂窝用户和一个D2D组，表示D2D用户组复用对应蜂窝用户的资源，该匹配的权值就是复用信道上的传输容量，若第i个CU用户与第t个D2D用户组建立复用关系，权值表示为：

步骤303：在二分图中的D2D用户组中添加M-t个虚拟点，增加的点和蜂窝用户的链路权值表示为

步骤304：在构建二分图的基础上，用图论中的KM算法解决二分图的匹配问题，随着D2D用户数目的改变，分组情况也随之改变，D2D数目每改变一次，需要重新建立一次权值矩阵。

KM算法具体流程如下：

步骤305：标识M×M矩阵每一行和每一列的权重值：行的权重值表示为：g(x_i)＝max(E_i,j)，j＝1,2,3,…M，列的权重值表示为：g(y_j)＝0。

步骤306：检查每一行每一列都至少有一个0，如果是，跳转步骤308，否则调整矩阵E的元素值为：E_i,j＝g(x_i)+g(y_j)-E_i,j。

步骤307：用最少的线覆盖矩阵中所有的零元素，如果线的个数等于M，当前矩阵可以得到最大的权值匹配；否则找到矩阵中没有被线盖住的最小的元素值a_L，调整未被盖住的行的权重为g(x_i)＝g(x_i)-a_L，调整列的权重为g(y_j)＝g(y_j)+a_L，并调整矩阵E的元素值为：E_i,j＝g(x_i)+g(y_j)-E_i,j。

步骤308：查找M个位于不同行和不同列中的0元素，它们的位置就是资源分配的结果。

为便于本领域的技术人员理解本发明的具体实施，现提供以下的实施例及其仿真结果。

A.本发明仿真参数见表1

表1仿真参数

B.仿真结果及分析

图3是本发明所述的D2D用户对对数的变化对系统吞吐量的影响。从图中可以看到随着系统中D2D对数的增加，系统总的吞吐量和D2D对的吞吐量都在增加，当D2D对数增加到一定程度后，吞吐量不再增加，甚至呈下降的趋势。这是因为随着D2D用户数的增加，划分到每一个簇中的D2D数目相应增加，同一个组中D2D链路之间干扰加重，当SINR小于阈值时，则不允许链路的建立。并且从图中可以看出系统总吞吐量和D2D用户吞吐量变化趋势基本一致，这说明充分保证CU用户的QoS和正常通信。同时，本发明用改进的模糊聚类算法对D2D用户进行分簇，有效降低了用户组内D2D用户间的干扰及D2D用户与蜂窝用户之间的干扰，提高了系统的吞吐量。

图4是本发明所述的分簇数目随D2D用户数变化而变化与分簇数目固定时在系统吞吐量上的对比，由图中可以看出，用改进模糊聚类进行分组时，当分簇数目随D2D用户数目改变时，D2D数目增加，系统吞吐量有明显的提升。而当分簇数目固定时，D2D数目增加，系统吞吐量没有明显变化。分簇数目可变时充分复用CU用户资源，分簇数目固定时造成了频谱资源的浪费。

图5是本发明所述的分簇之后基于改进KM算法的D2D资源分配和随机资源分配方法在分簇数目可变和分簇数目固定时的系统吞吐量的对比。结果表明，本发明所提算法相比于分簇数目可变的随机资源分配算法和分簇数目固定的随机资源分配算法，系统吞吐量都有一个明显的提升。

综上所述，本发明针对用户密集场景提出了一种基于改进模糊聚类分簇的D2D资源分配方法。首先将D2D用户划分为若干个D2D用户组，使得多个D2D用户能够复用同一CU用户资源。随后，在保证蜂窝用户和D2D用户的QoS基础上，根据CU用户干扰容限计算每个D2D用户的最大发射功率。最后在保证D2D组用户复用蜂窝用户资源后，信道容量增益是正值的前提下用图论中的KM算法为每一个D2D用户组匹配最佳的复用资源来达到最大化系统吞吐量的目的。仿真结果证明该算法相比于固定功率传输数据和随机资源分配算法，提升了系统整体的吞吐量和频谱利用率，减轻了用户密集场景下的基站负载。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种基于改进模糊聚类的D2D资源分配方法，其特征在于，该方法包括以下步骤：

使用基于改进的模糊聚类算法将D2D用户划分为若干个D2D用户组，使多个D2D用户复用同一CU用户资源；

将CU用户的干扰容限平分至复用其资源的D2D用户组中的每一个用户，根据CU用户的干扰容限计算每个D2D用户的最大发射功率，实现功率控制；

在保证D2D用户组中每个用户复用CU用户资源后，信道容量增益是正值的前提下，用图论中的KM算法为每一个D2D用户组匹配最佳的复用资源来达到最大化系统吞吐量的目的。

2.如权利要求1所述的基于改进模糊聚类的D2D资源分配方法，其特征在于，对D2D用户进行划分的方法具体为：

步骤1，对于D2D用户集，初始化聚类中心集v_k、分组数t、收敛阈值ε，设定初始迭代次数a＝1，最大迭代次数a_max；

步骤2，根据下列公式计算隶属度矩阵u_k,j：

步骤3，根据下列公式对隶属度矩阵u_k,j进行修正，得到修正后的隶属度矩阵u'_k,j：

步骤4，将修正后的u'_k,j代入下列公式，计算聚类中心v_k：

其中，N为D2D用户的数量，d_k,j为第j个D2D用户与聚类中心v_k的欧氏距离，m为模糊加权指数，x_j为第j个D2D用户的位置；

步骤5，若a>a_max或者则算法停止，否则a＝a+1，跳转到步骤2，经过多次迭代，得到最终各类别的聚类中心v_k和隶属度矩阵u_k,j，完成对D2D用户的分组。

3.如权利要求1所述的基于改进模糊聚类的D2D资源分配方法，其特征在于，计算每个D2D用户的最大发射功率的方法具体为：

为CU用户设定一个最小干扰容限将CU用户的干扰容限平分至复用其资源的D2D组中的每一个用户，使得：

其中，表示第j对D2D用户的发射端的发射功率，h_j,B表示第j对D2D用户的发射端在发射信号时对基站产生干扰的信道增益，|G_t|表示划分到第t个D2D组中的D2D用户的个数，由此式可得，满足该条件的D2D用户的最大发射功率为：

第j对D2D用户的最大发射功率可以表示为：

其中，P_max表示限定的D2D用户发射端的最大功率。

4.如权利要求1所述的基于改进模糊聚类的D2D资源分配方法，其特征在于，用KM算法为每一个D2D用户组匹配最佳复用资源的方法具体为：

步骤6，在选择复用的CU用户之前需保证复用信道容量增益是一个正值，即满足：

其中，表示第i条蜂窝链路的吞吐量，表示第j条D2D链路的吞吐量，表示蜂窝用户没有被D2D用户复用时第i条蜂窝链路的吞吐量；

步骤7，将划分到同一D2D组内的D2D用户看作一个整体，二分图的点集由M个可复用的蜂窝用户和t个D2D用户组组成，匹配中每条连线连接一个蜂窝用户和一个D2D用户组，表示D2D用户组复用对应蜂窝用户的资源，该匹配的权值就是复用信道上的传输容量，若第i个CU用户与第t个D2D用户组建立复用关系，权值表示为：

步骤8，在二分图中的D2D用户组中添加M-t个虚拟点，增加的点和蜂窝用户的链路权值表示为

步骤9，在构建二分图的基础上，用图论中的KM算法解决二分图的匹配问题，随着D2D用户数目的改变，分组情况也随之改变，D2D数目每改变一次，需要重新建立一次权值矩阵；

KM算法具体流程如下：

步骤91，标识M×M矩阵E_p,q每一行和每一列的权重值：行的权重值表示为：g(x_p)＝max(E_p,q)，列的权重值表示为：g(y_q)＝0；

步骤92，检查每一行每一列都至少有一个0，如果是，跳转步骤94，否则调整矩阵E_p,q的元素值为：E_p,q＝g(x_p)+g(y_q)-E_p,q；

步骤93，用最少的线覆盖矩阵中所有的零元素，如果线的个数等于M，当前矩阵可以得到最大的权值匹配；否则找到矩阵中没有被线盖住的最小的元素值a_L，调整未被盖住的行的权重为g(x_p)＝g(x_p)-a_L，调整列的权重为g(y_q)＝g(y_q)+a_L，并调整矩阵E_pq的元素值为：E_p,q＝g(x_p)+g(y_q)-E_p,q；

步骤94，查找M个位于不同行和不同列中的0元素，它们的位置就是资源分配的结果。