CN108848045A - 基于联合干扰对齐和功率优化的d2d通信干扰管理方法 - Google Patents

Abstract

本发明公开了一种基于联合干扰对齐和功率优化的D2D通信干扰管理方法，主要解决现有方法无法保证干扰对齐可行性和不同干扰链路路径损耗的不同，导致来自不同干扰链路的干扰强度不同的问题；其实施过程为：本系统将优化问题分解为三个子问题，并通过依次求解这三个子问题得出原问题的一个次优解：首先，在保证干扰对齐可行的前提下选择合适的干扰链路来进行干扰对齐，计算出连通系数矩阵a；其次针对所选出的干扰链路设计部分连通干扰对齐预编码V和解码矩阵G；最后针对剩余的干扰进行迭代凸近似功率优化；本发明能使得D2D及蜂窝通信链路提高自由度，同时有效提升网络吞吐量。

Description

基于联合干扰对齐和功率优化的D2D通信干扰管理方法

技术领域

本发明属于网络中资源管理和干扰的联合管理领域，涉及一种基于联合干扰对齐和功率 优化的D2D通信干扰管理方法。

背景技术

由于未来无线通信系统会越来越密集，干扰情况将更加复杂，所以单纯依靠资源管理的 方法已不能有效消除网络中的干扰。例如，在网络中用户变密集时，将会有更多的D2D链路 与同一个蜂窝用户复用相同的资源。此时，资源分配无法有效的将这些链路分隔开，这些链 路之间的干扰会限制吞吐量的提升。因此，在D2D与蜂窝混合网络中结合更有效的干扰管理 策略来进一步提升网络容量是非常有必要的。

干扰对齐是一种有效降低干扰的策略。当前针对D2D与蜂窝混合网络的干扰对齐研究还 处于起步阶段。根据已有的研究发现，在D2D与蜂窝混合网络中应用干扰对齐技术面临的主 要难题是如何保证干扰对齐的可行性。特别是在这种D2D与蜂窝混合网络中，由于基站和用 户天线配置的不同，干扰系统通常是非对称的。然而，当前得出的有关干扰对齐可行条件的 闭式解都是针对对称网络的，而对于非对称网络缺乏实际可操作的结论。

另外，由于网络中不同干扰链路路径损耗的不同，导致来自不同干扰链路的干扰强度不 同。因而，网络中同时存在较强的干扰和较弱的干扰。研究忽略部分较弱干扰的部分干扰对 齐技术有如下优势：一方面部分干扰对齐可提高系统可得自由度，另一方面可使得干扰对齐 可行条件更容易满足。但已有的关于部分干扰对齐的研究多是针对不含D2D通信的MIMO 干扰网络，因此如何在D2D与蜂窝混合网络中设计有效的部分干扰对齐技术是本章研究重 点。

综上所述，我们借鉴文献中的可行检测算法，提出了一种可保证干扰对齐可行的干扰链 路选取算法。与已有研究相比，本章提出的部分干扰对齐算法可根据网络中的干扰情况选取 合适的链路进行对齐，而不是人为事先规定好哪些链路进行干扰对齐。并且，该链路选取算 法具有多项式级复杂度，实际操作性较强。

发明内容

本发明的目的在于克服现有网络中的资源有限，而用户数目又很多时，资源分配往往不 能有效避免冲突和复用相同资源的用户之间就会产生干扰的缺点，尤其是针对D2D与蜂窝通 信链路构成的干扰系统，提出了一种联合部分干扰对齐及功率优化方法，以在降低或消除干 扰和提高D2D及蜂窝通信链路的自由度，同时有效提升网络吞吐量。

为实现上述目的，本发明使用部分干扰对齐以及功率优化方法，即通过利用干扰链路的 部分连通性，以最大化和速率为目标，建立了联合部分干扰对齐和功率控制的优化问题，并 在该优化问题是一个非线性非凸的混合整数规划问题，难以直接求解情况下，将该问题分解 为三个子问题，并通过依次求解这三个子问题得出原问题的一个次优解。包括如下三个步骤：

1.一种基于联合干扰对齐和功率优化的D2D通信干扰管理方法，包括如下步骤：

(1)保证干扰对齐可行的干扰选取；

(2)迭代式部分干扰对齐；

(3)迭代凸近似功率优化；

其中步骤(1)所述的保证干扰对齐可行的干扰选取按照如下步骤进行：

(1a)将所有干扰链路的信干比，按从低到高的顺序排序，这里排序方法可 以采用简单的插入排序法(小规模网络)或一些高效的排序方法(大规模网络)，如快速排序法 等，所有干扰链路的连通系数置为0，其中γ^[kj]为干扰链路j→k的信干比，为所 有复用相同资源的蜂窝用户和D2D链路的集合；

(1b)对于基站受到的干扰(即k∈C)：选取拥有前小SIR的干扰链路进 行干扰对齐，也就是这些链路的连通系数置为1，其中M为基站配置的天线数目，d为每条链路的自由度；

(1c)对于剩余干扰，选取拥有前n_UE小的干扰链路进行干扰 对齐，也就是这些链路的连通系数置为1，其中N是用户配置的天线数目，D是所有使用相同资源的D2D链路数目之和，L为小区个数；

(1d)对经过步骤(1b)和步骤(1c)建立的部分连通干扰网络进行可行性检测，如果满足干扰对齐可行条件，结束；否则进入步骤(1e)；

(1e)从步骤(1b)和步骤(1c)中选出的干扰链路中选出j→k去除，其中j，k是根据下式计算出的：返回步骤(1d)，其中c^[kj]为发送节点j到接收节点k的蜂窝用户链路，α^[kj]为发送节点j和接收节点k之间干扰链路的连通系数。

其中步骤(2)所述的迭代式部分干扰对齐按照如下步骤进行：

(2a)对干扰对齐预编码矩阵初始化，迭代次数i＝0；

(2b)通过最小化干扰泄露计算正向通信干扰对齐解码矩阵 其中，H^[kj]为发送节点j 和接收节点k之间干扰链路的信道矩阵，P^[j]为干扰功率；

(2c)通过最小化干扰泄露计算反向通信解码矩阵(此时反向通信的解码矩阵即正向通信 的预编码矩阵)，其中，

(2d)令i＝i+1，循环步骤(2b)～(2d)直至收敛。

其中步骤(3)所述的迭代凸近似功率优化按照如下步骤进行：

(3a)初始化，产生一个可行的初始功率向量P_(n)，n＝0；

(3b)通过使用一阶泰勒展开公式将g(P)在P_(n)点近似为一个线性函数，其中g(P)为功 率向量P处的信道增益；

(3c)求解凸优化问题并将最优值赋予功率向量P_(n+1)，其 由对g(P)在P_(n)点进行一阶泰勒展开得到的近似函数；

(3d)令n＝n+1，并循环步骤(2)至步骤(4)直至其中为功率优化问题的目标函数。

本发明同现有技术相比，具有如下优点：

(1)本发明一方面由于网络中不同干扰链路路径损耗的不同，导致来自不同干扰链路的 干扰强度不同，网络中同时存在较强的干扰和较弱的干扰，同已有干扰对齐技术相比，部分 干扰对齐可提高系统可得自由度，使得干扰对齐可行条件更容易满足；另一方面由于根据网 络中的干扰情况选取合适的链路进行对齐，而不是人为事先规定好哪些链路进行干扰对齐， 从而链路选取算法具有多项式级复杂度，实际操作性较强。

(2)本发明通过联合部分干扰对齐及功率优化方法，将该优化问题分解为三个子问题， 并通过依次求解这三个子问题得出原问题的一个次优解，使得D2D及蜂窝通信链路的自由度 提高，有效提升网络吞吐量。

附图说明

图1是本发明的系统框图；

图2是干扰选取算法过程演示图；

图3是本发明的联合部分干扰对齐及功率优化算法原理图；

图4是当D2D用户对数目n_{D2D pairs}＝2，用户最大允许发送功率基站天线数 目M＝4，用户天线数目N＝2时，所提算法及对比算法吞吐量随D2D收发节点间最大距离变 化曲线图；

图5是当D2D收发节点间最大距离M＝4，N＝2时，所提算法及对比算法吞吐量随D2D用户对数目变化曲线图；

图6是当n_{D2D pairs}＝2，M＝4，N＝2时，所提算法及对比算法吞吐量随D2D用户最大允许发送功率变化曲线图；

图7是当n_{D2D pairs}＝2，N＝2时，所提算法及对比算法吞吐量随基站天线数目变化曲线图；

图8是当n_{D2D pairs}＝2，M＝4时，所提算法及对比算法吞吐量随用户天线数目变化曲线图；

图9是所提算法每条链路平均吞吐量和利用穷举搜索式方法计算的吞吐量上界对比图。

具体实施方式

本系统将优化问题分解为三个子问题，并通过依次求解这三个子问题得出原问题的一个 次优解：首先，在保证干扰对齐可行的前提下选择合适的干扰链路来进行干扰对齐；其次针 对所选出的干扰链路设计部分连通干扰对齐预编码和解码矩阵；最后针对剩余的干扰进行功 率控制；

参照图1、图2和图3，本发明的联合干扰对齐和功率优化方法包括如下步骤：

步骤1.

保证干扰对齐可行的干扰选取算法按如下实例步骤进行选取：

(1a)考虑(2×4，d)³(2×2，d)³()D2D与蜂窝混合网络，这里每条链路的自由度选为1， 首先我们随机生成这样一个网络如图2中(a)所示，其中，圆圈为基站，正方形代表蜂窝用户， 三角形代表D2D通信用户；

(1b)通过采用插入排序法，我们将所有干扰链路的信干比从低到高顺序进行排序，接 下来对于基站受到的干扰(即k∈C)：

选取拥有前小信干比的干扰链路进行干扰对齐，也就是这些链路的连通 系数置为1，对于剩余干扰，选取拥有前n_UE小信干比的干扰链路进行干 扰对齐，也就是这些链路的连通系数置为1，我们可以得到一个连通系数矩阵，如图2 中(b)所示；

其中，n_BS为选取基站干扰链路进行干扰对齐的SIR阈值，

n_UE为选取用户干扰链路进行干扰对齐的SIR阈值，

为连通系数矩阵；

(1c)对经过步骤(1a)和步骤(1b)建立的部分连通干扰网络进行可行性检测，如果满足干扰对齐可行条件，结束；否则进入步骤(1d)；

(1d)在已选出的干扰链路中去除一条链路，如图2中(b)所示，被方框标出的的 一个元素被重置为0了，也就是其对应的干扰链路从干扰对齐链路集合中去除掉了，再次经 过步骤(1c)的检测，发现此时的部分连通干扰网络依然不能保证干扰对齐可行，于是，我 们继续进行步骤(1e)，并再次去掉一条干扰链路，从图2中(b)可看出，中又一个元素 被重置为0，其所对应的干扰链路不再进行干扰对齐，此时再经过步骤4检测，发现干扰对 齐可行条件满足了，整个算法结束，最终可得连通系数矩阵为

步骤2.在步骤1选出合适的链路来进行干扰对齐下，采用迭代式部分干扰对齐方法来求 解干扰对齐预编码和解码矩阵，假设每个发送节点使用最大发送功率，即具体求解V^[j]和U^[k]，的过程按如下步骤求解：

(2a)对干扰对齐预编码矩阵初始化，迭代次数i＝0；

(2b)通过最小化干扰泄露计算正向通信干扰对齐解码矩阵 ，其中H^[kj]为发送节点j和接收节点k之间干扰链路的信道矩阵，P^[j]为干扰功率；

(2c)通过最小化干扰泄露计算反向通信解码矩阵(此时反向通信的解码矩阵即正向通信 的预编码矩阵)，

其中，

(2d)令i＝i+1，循环步骤(2b)～(2d)直至收敛。

步骤3.基于前两个步骤所求得的连通系数矩阵a、预编码矩阵V^[k]、解码矩阵U^[k] ()，我们可以进一步研究使得和速率最大的功率优化方法，功率优化方法按如下步骤：

(3a)产生一个可行的初始功率向量P_(n)，n＝0，功率优化问题可以表示为：

其中，为第k→k条通信链路第l个数据流的有效

有效信道增益，

为干扰链路j→k第l个数据流的有效

信道增益，

为第k个接收节点在其第l个数据流上受到的有效噪

声功率，(1-α^[kj])项代表未进行对齐的干扰，

用表示功率优化问题(5)中的目标函数，改写成一种凸函数减凸函数(DC， Difference of Convex)的形式，将上诉述非凸功率优化问题转化为下面的DC规划问题：

DC规划问题(6)和功率优化问题(5)是等价的，因它们的目标函数是相等的，

其中，

(3b)通过使用一阶泰勒展开公式(8)将g(P)在P_(n)点近似为一个线性函数：

将该问题近似为凸优化问题再进行求解，采用迭代凸近似优化方法，即即约束凹凸过程 (CCCP，Constrained Concave Convex Procedure)，来求解DC规划问题(6)，该方法将目标 函数近似为凸函数，并采用迭代的方式求得原问题的一个稳定解。针对我们的问题，在第n次 迭代中，目标函数凸近似为

其中，是对g(P)在P_(n)点进行一阶泰勒展开得到的近似函数，其表达式为：

(3c)求解凸优化问题(9)并将最优值赋予P_(n+1)：

则在第n次迭代中，需要求解的凸优化问题为：

(3d)令n＝n+1，并循环步骤(3b)至步骤(3d)直至

步骤2和步骤3实现的联合部分干扰对齐和功率优化方法如图5所示。

本发明的效果还可结合以下仿真结果进一步说明：

A.仿真条件

A1)载波频率为2GHz；

A2)上行链路带宽为10MHz；

A3)小区半径为500米；

A4)最大发送功率，

A5)噪声功率密度为-174dBm/Hz；

A6)噪声指数为基站5dB，用户：9dB；

A7)天线配置为基站：M＝2，3，4，5；用户：N＝1，2，3，4；

A8)D2D收发节点最大距离

A9)每小区D2D用户对数目为n_{D2D pairs}＝1，2，3，4，5；

B.仿真内容：

B1)在n_{D2D pairs}＝2，M＝4，N＝2时，将本发明算法与现有的固定干 扰算法、可调自由度算法、功率控制算法、随机选取算法和最大功率算法的吞 吐量随D2D收发节点间最大距离变化进行对比，结果如图4所示；

B2)在M＝4，N＝2时，将本发明算法与现有的固定 干扰算法、可调自由度算法、功率控制算法、随机选取算法和最大功率算法的 吞吐量随D2D用户对数目变化进行对比，结果如图5所示；

B3)在n_{D2D pairs}＝2，M＝4，N＝2时，将本发明算法与现有的固定干扰 算法、可调自由度算法、功率控制算法、随机选取算法和最大功率算法的吞吐 量随用户最大允许发送功率变化进行对比，结果如图6所示；

B4)在n_{D2D pairs}＝2，N＝2时，将本发明算法与现有的固 定干扰算法、可调自由度算法、功率控制算法、随机选取算法和最大功率算法 的吞吐量随基站天线数目变化进行对比，结果如图7所示；

B5)在n_{D2D pairs}＝2，M＝4时，将本发明算法与现有的固 定干扰算法、可调自由度算法、功率控制算法、随机选取算法和最大功率算法 的吞吐量随用户天线数目变化进行对比，结果如图8所示；

B6)将所提算法每条链路平均吞吐量和利用穷举搜索式方法计算的吞吐量上界进行对比，结果如图9所示。

C.仿真结果：

图4给出了在n_{D2D pairs}＝2，M＝4，N＝2时，本发明算法与现有的固定干扰算法、可调自由度算法、功率控制算法、随机选取算法和最大功率算法的吞吐量随D2D收发节点间最大距离变化对比曲线，从图8中可以看出，与其它算法相比所提出的算法可以获得更好的吞吐量性能；

图5给出了在M＝4，N＝2时，本发明算法与现有的固定 干扰算法、可调自由度算法、功率控制算法、随机选取算法和最大功率算法的吞吐量随D2D 用户对数目变化对比曲线，从图9中可以看出，所有方案的吞吐量随n_{D2D pairs}的增加而逐渐增 大，当达到一个最高点后又开始下降，当n_{D2D pairs}增加时，系统和速率一定是增大的，但平均 每条链路的吞吐量呈现先增大后减小的趋势，这是由于当小区中D2D用户数增加时，通过有 效的干扰对齐，可消除链路间的干扰，从而提升每条链路的吞吐量，但此时接收端受到的干 扰数目也随D2D用户数增加而增多，当干扰增大到一定程度时，每条链路的吞吐量反而降低， 另外，当n_{D2D pairs}大于3时，所提算法相比于其它算法的性能增益变大；

图6给出了在n_{D2D pairs}＝2，M＝4，N＝2时，本发明算法与现有的固定干扰算法、可调自由度算法、功率控制算法、随机选取算法和最大功率算法的吞吐量随用户最大允许发送功率变化对比曲线，从图8中可以看出，本发明所提的算法吞吐量随变大而缓慢增加；

图7给出了在n_{D2D pairs}＝2，N＝2时，本发明算法 与现有的固定干扰算法、可调自由度算法、功率控制算法、随机选取算法和最大 功率算法的吞吐量随基站天线数目变化对比曲线，从图7中可以看出，除可调自 由度算法外，其它算法的吞吐量均随M增加而缓慢增加；

图8给出了在n_{D2D pairs}＝2，M＝4时，本发明 算法与现有的固定干扰算法、可调自由度算法、功率控制算法、随机选取算法和 最大功率算法的吞吐量随用户天线数目变化对比曲线，从图8中可以看出，所有

图9将所提算法每条链路平均吞吐量和利用穷举搜索式方法计算的吞吐量 上界进行对比，从图9可以看出，穷举搜索式方法吞吐量要高于所提算法。并且， 随着D2D收发节点间最大距离增大，二者吞吐量差异逐渐变小，这是由于穷 举搜索式方法会牺牲蜂窝用户速率来提升系统和速率，而所提算法会保证D2D 链路和蜂窝链路都能有一个可接受的速率，当较大时，D2D通信链路吞吐量 下降，而穷举搜索式方法中因D2D通信链路带来的吞吐量性能增益也会随之减 小。

综上所述，本发明同现有D2D与蜂窝混合网络的干扰对齐方法相比，保证选取干扰对齐 的干扰链路，通过干扰对齐有效消除网络中较强的干扰，并通过功率优化进一步协调剩余较 弱干扰，提升网络吞吐量；所提算法的计算复杂度与总的通信链路数目之间为四次方关系， 即算法拥有多项式级复杂度，这与穷举搜索式方法相比，复杂度可从指数级降为多项式级， 有利于实际应用；仿真结果表明所提算法在D2D用户对数目较多时，可以获得更好的吞吐量 性能，即所提算法适用于较密集场景；发送节点或接收节点天线数目增多都可以提高系统的 可得自由度和吞吐量；所提算法与穷举搜索式方法相比，可在吞吐量损失较小情况下(约6％ 到8％内)，将算法复杂度从指数级降为多项式级。

Claims (4)

1.一种基于联合干扰对齐和功率优化的D2D通信干扰管理方法，包括如下步骤：

(1)保证干扰对齐可行的干扰选取；

(2)迭代式部分干扰对齐；

(3)迭代凸近似功率优化。

2.根据权利要求1所述的一种基于联合干扰对齐和功率优化的D2D通信干扰管理方法，其中步骤(1)所述的保证干扰对齐可行的干扰选取按照如下步骤进行：

(1a)将所有干扰链路的信干比按从低到高的顺序排序，排序方法可以采用简单的插入排序法或一些高效的排序方法，所有干扰链路的连通系数置为0，其中γ^[kj]为干扰链路j→k的信干比，j，为所有复用相同资源的蜂窝用户和D2D链路的集合；

(1b)对于基站受到的干扰，即k∈C：选取拥有前小SIR的干扰链路进行干扰对齐，也就是这些链路的连通系数置为1，其中M为基站配置的天线数目，d为每条链路的自由度；

(1c)对于剩余干扰，选取拥有前n_UE小SIR的干扰链路进行干扰对齐，也就是这些链路的连通系数置为1，其中N是用户配置的天线数目，D是所有使用相同资源的D2D链路数目之和，L为小区个数；

(1d)对经过步骤(1b)和步骤(1c)建立的部分连通干扰网络进行可行性检测，如果满足干扰对齐可行条件，结束；否则进入步骤(1e)；

(1e)从步骤(1b)和步骤(1c)中选出的干扰链路中选出j→k去除，其中j，k是根据下式计算出的：c^[kj]＝α^[kg]d²，c^[kk]＝0，返回步骤(1d)，其中c^[kj]为发送节点j到接收节点k的蜂窝用户链路，α^[kj]为发送节点j和接收节点k之间干扰链路的连通系数。

3.根据权利要求1所述的一种基于联合干扰对齐和功率优化的D2D通信干扰管理方法，其中步骤(2)所述的迭代式部分干扰对齐按照如下步骤进行：

(2a)对干扰对齐预编码矩阵初始化，迭代次数i＝0；

(2b)通过最小化干扰泄露计算正向通信干扰对齐解码矩阵 l＝1，2，...，d，其中H^[kj]为发送节点j和接收节点k之间干扰链路的信道矩阵，P^[j]为干扰功率；

(2c)通过最小化干扰泄露计算反向通信解码矩阵，此时反向通信的解码矩阵即正向通信的预编码矩阵l＝1，2，...，d，其中，

(2d)令i＝i+1，循环步骤(2b)～(2d)直至收敛。

4.根据权利要求1所述一种基于联合干扰对齐和功率优化的D2D通信干扰管理方法，其中步骤(3)所述的迭代凸近似功率优化按照如下步骤进行：

(3a)初始化，产生一个可行的初始功率向量P_(n)，n＝0；

(3b)通过使用一阶泰勒展开公式将g(P)在P_(n)点近似为一个线性函数，其中g(P)为功率向量P处的信道增益；

(3c)求解凸优化问题并将最优值赋予功率向量P_(n+1)，其由对g(P)在P_(n)点进行一阶泰勒展开得到的近似函数；

(3d)令n＝n+1，并循环步骤(2)至步骤(4)直至其中为功率优化问题的目标函数。