CN109756874B - 一种超密集毫米波d2d通信干扰管理方法 - Google Patents

一种超密集毫米波d2d通信干扰管理方法 Download PDF

Info

Publication number
CN109756874B
CN109756874B CN201910186197.5A CN201910186197A CN109756874B CN 109756874 B CN109756874 B CN 109756874B CN 201910186197 A CN201910186197 A CN 201910186197A CN 109756874 B CN109756874 B CN 109756874B
Authority
CN
China
Prior art keywords
millimeter wave
optimization
time slot
beam width
communication
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
CN201910186197.5A
Other languages
English (en)
Other versions
CN109756874A (zh
Inventor
李小亚
贺晨
张汉卿
曹正文
彭进业
郑杰
祁媚
张明慧
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.)
Northwestern University
Original Assignee
Northwestern University
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 Northwestern University filed Critical Northwestern University
Priority to CN201910186197.5A priority Critical patent/CN109756874B/zh
Publication of CN109756874A publication Critical patent/CN109756874A/zh
Application granted granted Critical
Publication of CN109756874B publication Critical patent/CN109756874B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种超密集毫米波D2D通信干扰管理方法，主要解决现有方法对波束宽度选择与资源分配在管理干扰方面不能同时兼顾的缺点，提供一种基于联合波束宽度选择和资源优化的超密集毫米波D2D通信干扰管理方法，包括如下步骤：首先对毫米波D2D通信系统进行系统建模和干扰管理问题建模；其次利用粒子群优化进行波束宽度选择，获得最优的波束宽度向量；最后利用基于凸优化近似的资源优化获得最佳联合功率和时隙分配向量；本发明所提出的基于联合波束宽度选择和资源优化的干扰管理方法可以有效管理干扰，提高并行传输链路数目，获得更高系统和速率。

Description

一种超密集毫米波D2D通信干扰管理方法
技术领域
本发明涉及毫米波通信领域，具体针对超密集毫米波D2D通信系统，设计一种基于联合波束宽度选取和资源优化的干扰管理方法，有效管理不同毫米波D2D通信链路之间的干扰问题，使得超密集毫米波D2D通信系统和速率获得较高提升。
背景技术
针对毫米波D2D通信系统中干扰管理问题，现有技术提出了基于传输调度或资源分配的干扰管理方法，以抑制毫米波通信系统中的干扰并增加并发传输链路数目。然而，这些方案都假设固定天线波束宽度，并且没有考虑波束宽度选择对并发传输调度和资源分配的影响。现有技术中有关毫米波D2D通信系统中的波束宽度选取问题研究还比较缺乏。由于波束宽度对干扰水平具有重要影响，因此将波束宽度选择与传输调度或资源分配相结合更有利于吞吐量性能提升。
本发明通过分析波束宽度和资源分配与超密集毫米波D2D通信网络的干扰强度和速率的关系，建立使得和速率最大化的联合波束宽度选取和资源优化问题。为了以低复杂度求解所建立的非凸混合整数规划问题，将其分解为两个子问题来进行求解。首先提出基于粒子群优化(PSO,particle swarm optimization)的波束宽度选择算法，以找到每条D2D通信链路的最佳波束宽度。然后，在获得波束宽度的基础上，提出基于凸优化近似的联合功率优化和时隙调度算法，以提高并发传输链路数目，进一步提高和速率。仿真结果表明，所提出的基于联合波束宽度选择和资源优化的干扰管理方法可有效地提高超密集毫米波D2D通信系统和速率。
发明内容
本发明的目的在于，克服现有技术对波束宽度选择与资源分配在管理干扰方面不能同时兼顾的缺点，提供一种基于联合波束宽度选择和资源优化的超密集毫米波D2D通信干扰管理方法来解决上述不足，以进一步提升超密集场景下毫米波D2D通信并行传输数目，有效提升系统和速率。
为实现上述目的，本发明提供以下技术方案：一种超密集毫米波D2D通信干扰管理方法，包括如下步骤，
(1)对超密集毫米波D2D通信系统按如下步骤进行系统建模：
(1a)两个移动设备之间直接进行通信组成一个D2D通信对，令
Figure BDA0001992943120000021
表示所有D2D通信对的集合，为模拟超密集场景，假设所有D2D链路在一个较小的圆形区域中随机分布，D2D通信链路使用时分多址技术在毫米波频带上进行发送，时隙集合表示为
Figure BDA0001992943120000022
此外，假设D2D链路受基站控制，并且基站可获得所有D2D通信链路的信道状态信息；
(1b)任意设置两个D2D链路，分别表示为D2D链路i和D2D链路j，令
Figure BDA0001992943120000023
和
Figure BDA0001992943120000024
分别表示D2D发射器j和D2D接收器i之间连线相对于D2D发射器j到D2D接收器j(记为j→j)和D2D发射器i到D2D接收器i(记为i→i)视轴方向的角度，
Figure BDA0001992943120000025
和
Figure BDA0001992943120000026
分别表示D2D发射机j和D2D接收机i的主瓣波束宽度，对于较宽波束宽度情况，存在
Figure BDA0001992943120000031
和
Figure BDA0001992943120000032
此时存在干扰，两条D2D链路不能同时发送，应为它们分配不同的时隙，对于较窄波束宽度的情况，存在
Figure BDA0001992943120000033
和
Figure BDA0001992943120000034
此时两条D2D链路可以无干扰地同时传输，可以为它们分配相同时隙进行传输；
(1c)采用模拟波束成形或混合模拟/数字波束成形对毫米波信号进行对准，从扇区级和波束级依次详尽地搜索所有可能的波束方向，确定最佳的波束对准方向，该对准过程将为毫米波通信网络引入对准开销，因此一个时隙包含两个阶段：波束对准阶段和数据传输阶段，其中D2D通信链路的波束对准持续时间可以表示为：
Figure BDA0001992943120000035
其中
Figure BDA0001992943120000036
和
Figure BDA0001992943120000037
是发射机(接收机)端的扇区宽度和波束宽度。Tp是完成单个波束搜索需要的训练序列传输时间；
(1d)波束对准完成之后，即可确定毫米波D2D链路最佳的传输和接收波束方向，然后开始进行有效数据传输，第i条D2D通信链路在时隙τ中最大可得速率可以表示为：
Figure BDA0001992943120000038
其中，Tt是一个时隙的持续时间，B是毫米波传输带宽，Pi τ是时隙τ中D2D发射机i的发射功率，
Figure BDA0001992943120000039
为时隙分配因子，表达式为
Figure BDA00019929431200000310
n0是噪声功率谱密度(dBm/Hz)，
Figure BDA0001992943120000041
为理想扇形天线模型下毫米波D2D链路j→i的发射和接收天线增益，表达式为：
Figure BDA0001992943120000042
其中，
Figure BDA0001992943120000043
为D2D发射机j(x＝j,Y＝T)或D2D接收机i(x＝i,Y＝R)的主瓣波束宽度，0≤g≤1是旁瓣增益，
Figure BDA0001992943120000044
表示链路j→i连线相对于D2D链路通信j→j(Y＝T)或D2D通信链路i→i(Y＝R)视轴方向的角度；
Figure BDA0001992943120000045
为从D2D发射机j到D2D接收机i的路径损耗，表达式为：
Figure BDA0001992943120000046
其中λ为波长，对于60GHz毫米波信号，波长λ为5mm，dij是发射机j到接收机i的距离，σ代表氧气吸收损耗；
(2)对超密集毫米波D2D通信系统干扰管理问题按如下步骤进行优化问题建模：
(2a)系统和速率由波束宽度、发射功率和时隙分配结果共同决定，联合考虑这三个参数间的相互影响，建立联合波束宽度和资源优化的和速率最大化问题(P1)如下：
Figure BDA0001992943120000047
Figure BDA0001992943120000048
Figure BDA0001992943120000049
Figure BDA0001992943120000051
Figure BDA0001992943120000052
Figure BDA0001992943120000053
Figure BDA0001992943120000054
其中，优化变量为波束宽度向量
Figure BDA0001992943120000055
时隙分配向量
Figure BDA0001992943120000056
以及发射功率向量
Figure BDA0001992943120000057
约束条件(6b)是发射波束宽度的范围，约束条件(6c)是接收波束宽度的范围，约束条件(6d)确保一个波束对准时间不超过一个时隙时间，约束条件(6e)表示时隙分配因子的二进制属性，约束条件(6f)规定多个毫米波D2D通信链路可以在同一时隙中同时发送，约束条件(6g)保证发射功率满足功率约束；
(2b)将问题(P1)中的时隙分配变量和功率优化变量组合成一个新的连续变量，表示为联合功率和时隙分配(JPTA，joint power and time slots allocation)变量
Figure BDA0001992943120000058
建立如下优化问题(P2)：
Figure BDA0001992943120000059
Figure BDA00019929431200000510
Figure BDA00019929431200000511
Figure BDA00019929431200000512
Figure BDA00019929431200000513
其中，优化变量是波束宽度矩阵ε和JPTA矩阵w，其中
Figure BDA0001992943120000061
(3)对超密集毫米波D2D通信系统按如下步骤进行基于粒子群优化的波束宽度选择：
(3a)假设波束宽度矢量存在S个可能解，定义为
Figure BDA0001992943120000062
每个可能解维度为2K，即
Figure BDA0001992943120000063
对于每个粒子，设置一个速度矢量
Figure BDA0001992943120000064
Figure BDA0001992943120000065
用来更新其位置；
(3b)初始化：在问题(P2)约束条件下生成初始波束宽度矢量
Figure BDA0001992943120000066
生成在[0°，90°]范围内均匀分布的初始速度矢量
Figure BDA0001992943120000067
设置初始的惯性权重
Figure BDA0001992943120000068
保持原来速度的权重系数c1、粒子跟踪群体最优值的权重系数c2、[0,1]范围内均匀分布变量ξ和η；
(3c)利用和速率Rsum函数来计算每个粒子当前位置处的适应度Rsum(εs)，并设置每个粒子个体最佳适应度
Figure BDA0001992943120000069
Figure BDA00019929431200000610
该最佳适应度由其自身的个体最佳位置
Figure BDA00019929431200000611
获得；设置所有粒子的全局最佳适应度
Figure BDA00019929431200000612
该全局最佳适应度由粒子群的全局最佳位置
Figure BDA00019929431200000613
获得；
(3d)对于每个粒子
Figure BDA00019929431200000614
进行如下操作：
将速度矢量更新为：
Figure BDA00019929431200000615
将粒子位置更新为：εs←εs+Vs；
判断如果
Figure BDA00019929431200000616
将个体最佳位置更新为：
Figure BDA00019929431200000617
(3e)对于每个粒子
Figure BDA00019929431200000618
进行如下操作：
判断如果
Figure BDA00019929431200000619
将粒子群的全局最佳位置更新为：
Figure BDA0001992943120000071
(3f)对步骤(3c)到步骤(3e)进行迭代，直到收敛或超过预先设定的最大迭代次数结束；
(4)对超密集毫米波D2D通信系统按如下步骤进行基于凸优化近似的联合功率优化和时隙调度：
(4a)基于步骤(3)获得的最佳波束宽度，将联合功率优化和时隙调度问题等价为“凸函数-凸函数”(DC，Difference of Convex)的形式，得到DC规划问题如下：
Figure BDA0001992943120000072
Figure BDA0001992943120000073
其中
Figure BDA0001992943120000074
Figure BDA0001992943120000075
f(w)和g(w)是凸函数；
(4b)初始化：生成JPTA向量初始值w(n)，n＝0，保证
Figure BDA0001992943120000076
Figure BDA0001992943120000077
(4c)通过一阶泰勒展开，将g(w)近似为
Figure BDA0001992943120000078
其中
Figure BDA0001992943120000079
(4d)利用凸优化工具求解如下近似的凸优化问题，并将所求得的JPTA向量最优值赋值给w(n+1)：
Figure BDA0001992943120000081
Figure BDA0001992943120000082
(4e)令n＝n+1；
(4f)对步骤(4c)到步骤(4e)进行迭代，直到
Figure BDA0001992943120000083
迭代终止。
本发明与现有技术相比具有的有益效果是：本发明提出了基于波束宽度选择和资源优化的干扰管理方法，用于解决超密集毫米波D2D通信网络的干扰管理问题。由于干扰强度受波束宽度、路径损耗和资源分配的综合影响，建立了联合波束宽度选择和资源优化的和速率最大化问题。为了以低复杂度解决所建立的非凸优化问题，通过分别采用粒子群优化和凸优化近似方法来求解波束宽度选择和资源分配问题。仿真结果表明，相比于分别考虑波束宽度选择或资源分配的方案，本发明所提出的基于联合波束宽度选择和资源优化的干扰管理方法可以获得更高和速率。
附图说明
图1为毫米波D2D通信网络示意图(基站控制网络中波束宽度选择和资源分配)；
图2为天线主瓣波束宽度对时隙分配策略的影响示意图：(a)较宽波束宽度情况；(b)较窄波束宽度情况；
图3为所提算法和速率在不同Tp/Tt下随D2D通信链路数目变化曲线；
图4为所提算法每条链路平均波束宽度在不同Tp/Tt下随D2D通信链路数目变化曲线；
图5为所提算法以及基准的和速率随D2D通信链路数目变化曲线(其中Tp/Tt＝0.01)；
图6为所提算法的和速率随迭代次数变化曲线(其中Tp/Tt＝0.01)。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照附图1-2，一种超密集毫米波D2D通信干扰管理方法，包括如下步骤，
步骤一：系统建模与干扰管理问题建模
A.系统建模
如图1，两个移动设备之间直接进行通信组成一个D2D通信对。设
Figure BDA0001992943120000091
表示所有D2D通信对的集合。为模拟超密集场景，假设所有D2D链路在一个较小的圆形区域中随机分布。D2D通信链路使用时分多址技术在毫米波频带上进行发送。时隙集合表示为
Figure BDA0001992943120000092
此外，假设D2D链路受基站控制，并且基站可获得所有D2D通信链路的信道状态信息。
设置两个D2D链路，分别表示为D2D链路i和D2D链路j。以D2D发射机j对D2D接收机i的干扰为例，说明主瓣波束宽度对时隙分配的影响。用
Figure BDA0001992943120000101
和
Figure BDA0001992943120000102
分别表示D2D发射器j和D2D接收器i之间连线相对于j→j和i→i视轴方向的角度。
Figure BDA0001992943120000103
和
Figure BDA0001992943120000104
分别表示D2D发射机j和D2D接收机i的主瓣波束宽度。较宽波束宽度情况，存在
Figure BDA0001992943120000105
和
Figure BDA0001992943120000106
此时存在干扰，两条D2D链路不能同时发送，应为它们分配不同的时隙。较窄波束宽度的情况，存在
Figure BDA0001992943120000107
和
Figure BDA0001992943120000108
显然，两条D2D链路可以无干扰地同时传输，因此它们可以被安排在同一时隙中传输。
B.对齐开销
由于毫米波信号是高度定向的，因此需要进行波束对准来建立可靠的毫米波D2D通信链路。此外，考虑到毫米波系统中的天线数目多，为降低复杂度，多采用模拟波束成形或混合模拟/数字波束成形，而不采用纯数字波束成形。对于模拟波束形成，现有毫米波通信标准中采用经典两级对齐策略。其基本思想是从扇区级和波束级依次详尽地搜索所有可能的波束方向，最终确定最佳的波束对准方向。这种波束搜索过程是耗时的，因此将为毫米波通信网络引入对准开销。因此，一个时隙包含两个阶段：(1)波束对准阶段；(2)数据传输阶段。在这样的通信系统中将引入对准开销与吞吐量之间的权衡，即：较窄的波束宽度可以获得方向性增益，从而获得更高的信干噪比(SINR，Signal to Interference plus NoiseRatio)；但较窄的波束宽需要耗费更高的波束对准时间，降低一个时隙内数据有效传输时间，这又导致可得速率降低。
不失一般性，假设已经完成了扇区级波束对准，研究所选最佳扇区内的波束级对准。D2D链路的波束对准持续时间可以表示为：
Figure BDA0001992943120000111
其中
Figure BDA0001992943120000112
和
Figure BDA0001992943120000113
是发射机(接收机)端的扇区宽度和波束宽度。Tp是完成单个波束搜索需要的训练序列传输时间。
在波束对准完成之后，即可确定毫米波D2D链路最佳的传输和接收波束方向。然后，开始进行有效数据传输。从式(1)中看出，波束对准时间与波束宽度的乘积成反比。即波束宽度越窄，波束对准耗费时间越长，有效数据传输时间越短。
C.传输速率
由上所知，波束宽度对有效数据传输时间有影响。此外，波束宽度也会对天线增益产生影响。为了得出传输速率，首先给出天线和信道模型，然后定义时隙分配因子。基于这些参数推导传输速率公式。假设天线为理想扇形天线模型，毫米波D2D链路j→i的发射和接收天线增益
Figure BDA0001992943120000114
表示为：
Figure BDA0001992943120000115
其中，
Figure BDA0001992943120000116
为D2D发射机j(x＝j,Y＝T)或D2D接收机i(x＝i,Y＝R)的主瓣波束宽度。0≤g≤1是旁瓣增益。
Figure BDA0001992943120000117
表示链路j→i连线相对于D2D链路通信j→j(Y＝T)或D2D通信链路i→i(Y＝R)视轴方向的角度。
根据标准的Friis传输方程，从D2D发射机j到D2D接收机i的路径损耗
Figure BDA0001992943120000121
由下式给出：
Figure BDA0001992943120000122
其中λ为波长，对于60GHz毫米波信号，波长λ为5mm。dij是发射机j到接收机i的距离。σ代表氧气吸收损耗。
然后，定义时隙分配因子如下：
Figure BDA0001992943120000123
第i条D2D通信链路在时隙τ中最大可得速率可以表示为：
Figure BDA0001992943120000124
其中，Tt是一个时隙的持续时间，B是毫米波传输带宽，Pi τ是时隙τ中D2D发射机i的发射功率，n0是噪声功率谱密度(dBm/Hz)。
时隙分配因子
Figure BDA0001992943120000125
决定了网络拓扑或干扰链路的数量。此外，波束宽度对有效数据传输持续时间和天线增益都有影响。天线增益可以进一步影响干扰强度，从而影响时隙分配因子。因此，和速率是波束宽度
Figure BDA0001992943120000126
时隙分配因子
Figure BDA0001992943120000127
和功率
Figure BDA0001992943120000128
之间相互作用的结果。
D.和速率最大化的干扰管理问题建模
从上可以看出，和速率由波束宽度、发射功率和时隙分配结果共同决定。由于这三个参数相互影响，因此需要联合考虑波束宽度选择和资源分配。建立联合波束宽度和资源优化的和速率最大化问题：
Figure BDA0001992943120000131
Figure BDA0001992943120000132
Figure BDA0001992943120000133
Figure BDA0001992943120000134
Figure BDA0001992943120000135
Figure BDA0001992943120000136
Figure BDA0001992943120000137
其中，优化变量为波束宽度向量
Figure BDA0001992943120000138
时隙分配向量
Figure BDA0001992943120000139
以及发射功率向量
Figure BDA00019929431200001310
约束条件(6b)是发射波束宽度的范围。约束条件(6c)是接收波束宽度的范围。约束条件(6d)确保一个波束对准时间不超过一个时隙时间。约束条件(6e)表示时隙分配因子的二进制属性。约束条件(6f)规定多个毫米波D2D通信链路可以在同一时隙中同时发送。约束条件(6g)保证发射功率满足功率约束。
问题(P1)是非凸混合整数规划，特别是在超密集网络中难以直接求解。时隙分配和功率优化两个变量可以组合成一个新的连续变量，表示为联合功率和时隙分配(JPTA，joint power and time slots allocation)变量
Figure BDA00019929431200001311
该联合功率和时隙分配向量含义为：当D2D链路i没有分配在时隙τ中传输时，
Figure BDA00019929431200001312
当D2D链路i分配在时隙τ中传输时，
Figure BDA0001992943120000141
表示当前时隙中的发送功率。问题(P1)可以重新表述如下：
Figure BDA0001992943120000142
其中，约束条件为(6b)，(6c)，(6d)和
Figure BDA0001992943120000143
Figure BDA0001992943120000144
优化变量是波束宽度矩阵ε和JPTA矩阵w，其中
Figure BDA0001992943120000145
然而，问题(P2)仍然是非凸规划，直接求解具有指数级复杂度。因此，为超密集毫米波网络设计低复杂度的求解算法是非常必要的。
步骤二：波束宽度选择和资源优化
A.波束宽度选择
从公式(2)和(7)可以看出，波束宽度不仅影响容量公式log函数前面的乘积因子，而且还影响SINR或容量公式log函数内部的取值。假设JPTA向量w已经给定，问题(P2)仍然是非凸的。考虑到群体智能处理非凸优化问题的良好性能，利用粒子群优化PSO方法来求解最优波束宽度选择问题。基于PSO的波束宽度选择算法的详细描述如下。
给出基于全局PSO的波束宽度选择算法。假设波束宽度矢量存在S个可能解，即
Figure BDA0001992943120000146
每个可能解维度为2K，即
Figure BDA0001992943120000147
因此，粒子群的大小或粒子的总数是S，每个粒子的维度是2K。对于每个粒子，它需要一个速度矢量
Figure BDA0001992943120000148
Figure BDA0001992943120000149
用来更新其位置。为了启动算法，首先为所有波束宽度可能解
Figure BDA00019929431200001410
分配一个初始值
Figure BDA0001992943120000151
并随机生成在[0°，90°]范围内均匀分布的初始速度矢量。然后通过(6a)中给出的和速率Rsum函数来评估每个粒子当前位置处的适应度。每个粒子都存储其个体最佳适应度
Figure BDA0001992943120000152
该最佳适应度由其自身的个体最佳位置
Figure BDA0001992943120000153
实现。通过所有粒子的全局最佳位置Rsum(εΔ)获得粒子群的全局最佳适应度
Figure BDA0001992943120000154
通过使用以下准则对速度矢量进行更新：
Figure BDA0001992943120000155
其中，
Figure BDA0001992943120000156
为惯性权重,c1是保持原来速度的权重系数，c2是粒子跟踪群体最优值的权重系数，ξ和η是[0,1]范围内的均匀分布变量。
然后使用新的速度矢量更新每个粒子的位置：
Figure BDA0001992943120000157
每个粒子的个体最佳位置
Figure BDA0001992943120000158
和全局最佳位置εΔ同样进行更新。上述过程迭代直到收敛，全局PSO算法完成。具体算法步骤如下所示：
1.初始化：在(6b)～(6d)的约束下生成初始值
Figure BDA0001992943120000159
2.生成在[0°，90°]范围内均匀分布的初始速度矢量
Figure BDA00019929431200001510
设置初始
Figure BDA00019929431200001511
c1,c2,ξ和η；
3.计算每个粒子的适应度Rsum(εs)，并设置
Figure BDA00019929431200001512
Figure BDA00019929431200001513
4.对于每个粒子
Figure BDA00019929431200001514
进行如下操作：
5.将速度矢量更新为：
Figure BDA00019929431200001515
6.更新粒子位置为：εs←εs+Vs；
7.如果
Figure BDA0001992943120000161
8.对于每个粒子
Figure BDA0001992943120000162
进行如下操作：
9.如果
Figure BDA0001992943120000163
10.对步骤4～9进行迭代直到收敛或超过预先指设定的最大迭代次数结束。
B.联合功率优化和时隙调度方法
在获得最佳波束宽度之后，进行联合功率优化和时隙调度问题的求解。联合功率优化和时隙调度问题描述如下：
Figure BDA0001992943120000164
Figure BDA0001992943120000165
由于(10a)中的目标函数是非凸的，因此子问题(10)仍然不能直接求解。为了解决这个问题，首先将(10a)中的目标函数重写为“凸函数-凸函数”(DC，Difference ofConvex)的形式，得到DC规划问题如下：
Figure BDA0001992943120000166
Figure BDA0001992943120000167
其中
Figure BDA0001992943120000168
Figure BDA0001992943120000169
f(w)和g(w)是凸函数[28]。
然后，利用凸优化近似化思想，通过将g(w)进行一阶泰勒展开，问题(11)可以近似为凸优化问题。进而通过连续求解一系列凸优化问题获得问题(11)的稳定解。具体来说，在第n次迭代中，需要解决的凸优化问题如下：
Figure BDA0001992943120000171
Figure BDA0001992943120000172
其中，
Figure BDA0001992943120000173
，为g(w)的一阶泰勒展开近似式。为简洁起见，令
Figure BDA0001992943120000174
基于凸优化近似的联合功率优化和时隙调度迭代算法如下：
1.初始化：在约束条件(12b)下生成JPTA向量初始值w(n)，n＝0；
2.通过一阶泰勒展开，将g(w)近似为
Figure BDA0001992943120000175
3.求解近似的凸优化问题(12)并将所求得的JPTA向量最优值赋值给w(n+1)；
4.令n＝n+1；
5.对步骤2～4进行迭代直到
Figure BDA0001992943120000176
迭代终止。
参照附图3-6，通过仿真评估所提出的基于波束宽度选择和资源优化的干扰管理算法：
仿真中，D2D通信系统工作在60GHz。所有D2D设备均匀分布在半径为5米的圆形区域内。D2D链路的数量从5增加到40，相应的链路密度从0.06链路/m2增加到0.5链路/m2。网络逐渐从稀疏变为密集。D2D发射机与其接收机之间的最大距离为5米。假设一个D2D通信链路在发送和接收时的波束宽度具有相同的值，即
Figure BDA0001992943120000181
其他仿真参数如下：带宽为1.5GHz，扇区级波束宽度
Figure BDA0001992943120000182
最大发射功率Pmax＝2.5mw，时隙数M＝20，噪声功率谱密度n0＝-174dBm/Hz，一个训练序列传输时间和时隙时间比值Tp/Tt＝10-2，10-3，10-4，10-5。将所提出的基于波束宽度选择和资源优化的干扰管理算法与三个基线进行比较：(1)基线1：使用基于PSO算法的最优波束宽度和最大发射功率；(2)基线2：使用最佳发射功率和固定波束宽度；(3)基线3：使用最大发射功率和固定波束宽度。此外，执行500次蒙特卡罗仿真并获得平均性能结果。
在图3中，仿真了不同Tp/Tt下所提算法和速率随D2D链路数量变化趋势。如图所示，随着D2D链路数量的增加，和速率几乎呈线性增长。当D2D链路数接近40时，可以将网络视为超密集的情况，所提方法可以有效地消除用户间干扰。并且，和速率随着Tp/Tt减少而增加。这是由于对于更小的Tp，波束对准时间缩短，相应的数据传输时间变得更长。因此，可得速率获得提升。
在图4中，仿真了不同Tp/Tt下所提算法每条链路的平均波束宽度随D2D链路数量变化趋势。可以看到，平均波束宽度随着Tp/Tt减小而减小。这是由于Tp越小，相同时间内可以传输的训练序列越多，从而可以支持有利于更高和速率的更窄波束宽度。这也解释了图3中和速率随着的Tp/Tt减小而增加的现象。此外，可以观察到当Tp/Tt＝0.01时，平均波束宽度随着D2D链路数的增加而减小。这是因为当网络变得更密集时，需要更窄的波束宽度来减少用户间干扰。但是，对于Tp/Tt＝0.001或0.0001的情况，当D2D链路数量增加时，平均波束宽度变化很小。这是因为对于这两种情况，当D2D链路数为5时，波束宽度已经达到最小值。
在图5中，仿真了所提算法和基线的和速率随D2D链路数量变化趋势。从图5中可以看出，与其他基线相比，所提出的方案可以实现更高的速率性能。此外，对于固定波束宽度方案(基线2和3)，即使使用最佳资源分配，和速率性能仍然受限。并且当D2D链路数量很大时和速率增长趋于平稳并接近上限。这是由于当网络变得更密集时，用户间干扰将成为主导，单纯依赖资源分配不能有效消除干扰。
在图6中，仿真了所提算法和速率与迭代次数的关系。首先绘制利用基于全局PSO的波束宽度选择算法后的和速率随迭代次数增加变化趋势。然后，绘制了利用联合功率优化和时隙调度算法后的和速率随迭代次数增加变化趋势。可以看到，当D2D链路数量很少时，网络相对稀疏，在波束宽度调整之后用户间干扰非常小。在这种情况下，最佳功率就是最大功率，因此当调用联合功率优化和时隙调度算法时，和速率几乎没有提高。当D2D链路数量很大时，网络相对密集，在波束宽度选择之后仍不能忽略用户间干扰。因此当执行联合功率优化和时隙调度算法时，可实现速率进一步提升。
综上所述，本发明同现有分别考虑波束宽度选择或资源分配的方案相比，同时兼顾了资源管理和波束宽度对干扰和速率的影响，利用波束宽度调整可以进一步提升系统中并行传输链路数目，从而获得更高和速率。

Claims (1)

1.一种超密集毫米波D2D通信干扰管理方法，其特征在于：包括如下步骤，
(1)对超密集毫米波D2D通信系统按如下步骤进行系统建模：
(1a)两个移动设备之间直接进行通信组成一个D2D通信对，令
Figure FDA0003056610300000011
表示所有D2D通信对的集合，为模拟超密集场景，假设所有D2D链路在一个较小的圆形区域中随机分布，D2D通信链路使用时分多址技术在毫米波频带上进行发送，时隙集合表示为
Figure FDA0003056610300000012
此外，假设D2D链路受基站控制，并且基站可获得所有D2D通信链路的信道状态信息；
(1b)任意设置两个D2D链路，分别表示为D2D链路i和D2D链路j，令
Figure FDA0003056610300000013
表示D2D发射机j和D2D接收机i之间连线相对于D2D发射机j到D2D接收机j视轴方向的角度，D2D发射机j到D2D接收机j记为j→j，令
Figure FDA0003056610300000014
表示D2D发射机j和D2D接收机i之间连线相对于D2D发射机i到D2D接收机i视轴方向的角度，D2D发射机i到D2D接收机i记为i→i，
Figure FDA0003056610300000015
和
Figure FDA0003056610300000016
分别表示D2D发射机j和D2D接收机i的主瓣波束宽度，对于较宽波束宽度情况，存在
Figure FDA0003056610300000017
和
Figure FDA0003056610300000018
此时存在干扰，两条D2D链路不能同时发送，应为它们分配不同的时隙，对于较窄波束宽度的情况，存在
Figure FDA0003056610300000019
和
Figure FDA00030566103000000110
此时两条D2D链路可以无干扰地同时传输，可以为它们分配相同时隙进行传输；
(1c)采用模拟波束成形或混合模拟/数字波束成形对毫米波信号进行对准，从扇区级和波束级依次详尽地搜索所有可能的波束方向，确定最佳的波束对准方向，该对准过程将为毫米波通信网络引入对准开销，因此一个时隙包含两个阶段：波束对准阶段和数据传输阶段，其中D2D通信链路的波束对准持续时间可以表示为：
Figure FDA0003056610300000021
其中
Figure FDA0003056610300000022
是D2D发射机i的扇区宽度，
Figure FDA0003056610300000023
是D2D接收机i的扇区宽度，
Figure FDA0003056610300000024
是D2D发射机i的主瓣波束宽度，
Figure FDA0003056610300000025
是D2D接收机i的主瓣波束宽度，Tp是完成单个波束搜索需要的训练序列传输时间；
(1d)波束对准完成之后，即可确定毫米波D2D链路最佳的传输和接收波束方向，然后开始进行有效数据传输，第i条D2D通信链路在时隙τ中最大可得速率可以表示为：
Figure FDA0003056610300000027
其中，Tt是一个时隙的持续时间，B是毫米波传输带宽，Pi τ是时隙τ中D2D发射机i的发射功率，
Figure FDA0003056610300000028
为时隙分配因子，表达式为
Figure FDA0003056610300000029
n0是噪声功率谱密度，单位为dBm/Hz，对于
Figure FDA00030566103000000210
当Y＝T时，
Figure FDA00030566103000000211
表示理想扇形天线模型下毫米波D2D链路j→i的发射天线增益，当Y＝R时，
Figure FDA00030566103000000212
表示理想扇形天线模型下毫米波D2D链路j→i的接收天线增益，表达式为：
Figure FDA00030566103000000213
其中，当x＝j,Y＝T时，
Figure FDA0003056610300000031
为D2D发射机j的主瓣波束宽度，当x＝i,Y＝R时，
Figure FDA0003056610300000032
为D2D接收机i的主瓣波束宽度，0≤g≤1是旁瓣增益，当Y＝T时，
Figure FDA0003056610300000033
表示链路j→i连线相对于D2D通信链路j→j视轴方向的角度，当Y＝R时，
Figure FDA0003056610300000034
表示链路j→i连线相对于D2D通信链路i→i视轴方向的角度；
Figure FDA0003056610300000035
为从D2D发射机j到D2D接收机i的路径损耗，表达式为：
Figure FDA0003056610300000036
其中λ为波长，对于60GHz毫米波信号，波长λ为5mm，dij是发射机j到接收机i的距离，σ代表氧气吸收损耗；
(2)对超密集毫米波D2D通信系统干扰管理问题按如下步骤进行优化问题建模：
(2a)系统和速率由波束宽度、发射功率和时隙分配结果共同决定，联合考虑这三个参数间的相互影响，建立联合波束宽度和资源优化的和速率最大化问题P1如下：
Figure FDA0003056610300000037
Figure FDA0003056610300000038
Figure FDA0003056610300000039
Figure FDA00030566103000000310
Figure FDA00030566103000000311
Figure FDA00030566103000000312
Figure FDA00030566103000000313
其中，优化变量为波束宽度向量
Figure FDA0003056610300000041
时隙分配向量
Figure FDA0003056610300000042
以及发射功率向量
Figure FDA0003056610300000043
Figure FDA0003056610300000044
为时隙分配因子，表达式为
Figure FDA0003056610300000045
约束条件6b是发射波束宽度的范围，约束条件6c是接收波束宽度的范围，约束条件6d确保一个波束对准时间不超过一个时隙时间，约束条件6e表示时隙分配因子的二进制属性，约束条件6f规定多个毫米波D2D通信链路可以在同一时隙中同时发送，约束条件6g保证发射功率满足功率约束；
(2b)将问题P1中的时隙分配变量和功率优化变量组合成一个新的连续变量，表示为联合功率和时隙分配JPTA变量，变量
Figure FDA0003056610300000046
建立如下优化问题P2：
Figure FDA0003056610300000047
Figure FDA0003056610300000048
Figure FDA0003056610300000049
Figure FDA00030566103000000410
Figure FDA00030566103000000411
其中，优化变量是波束宽度矩阵ε和JPTA矩阵w，其中
Figure FDA00030566103000000412
(3)对超密集毫米波D2D通信系统按如下步骤进行基于粒子群优化的波束宽度选择：
(3a)假设波束宽度矢量存在S个可能解，定义为
Figure FDA0003056610300000051
每个可能解维度为2K，即
Figure FDA0003056610300000052
对于每个粒子，设置一个速度矢量
Figure FDA0003056610300000053
用来更新其位置；
(3b)初始化：在问题P2约束条件下生成初始波束宽度矢量
Figure FDA0003056610300000054
生成在[0°，90°]范围内均匀分布的初始速度矢量
Figure FDA0003056610300000055
设置初始的惯性权重
Figure FDA0003056610300000056
保持原来速度的权重系数c1、粒子跟踪群体最优值的权重系数c2、[0,1]范围内均匀分布变量ξ和η；
(3c)利用和速率Rsum函数来计算每个粒子当前位置处的适应度Rsum(εs)，并设置每个粒子个体最佳适应度
Figure FDA0003056610300000057
该最佳适应度由其自身的个体最佳位置
Figure FDA0003056610300000058
获得；设置所有粒子的全局最佳适应度
Figure FDA0003056610300000059
该全局最佳适应度由粒子群的全局最佳位置
Figure FDA00030566103000000510
获得；
(3d)对于每个粒子
Figure FDA00030566103000000511
进行如下操作：
将速度矢量更新为：
Figure FDA00030566103000000512
将粒子位置更新为：εs←εs+Vs；
判断如果
Figure FDA00030566103000000513
将个体最佳位置更新为：
Figure FDA00030566103000000514
(3e)对于每个粒子
Figure FDA00030566103000000515
进行如下操作：
判断如果
Figure FDA00030566103000000516
将粒子群的全局最佳位置更新为：
Figure FDA00030566103000000517
(3f)对步骤(3c)到步骤(3e)进行迭代，直到收敛或超过预先设定的最大迭代次数结束；
(4)对超密集毫米波D2D通信系统按如下步骤进行基于凸优化近似的联合功率优化和时隙调度：
(4a)基于步骤(3)获得的最佳波束宽度，将联合功率优化和时隙调度问题等价为“凸函数-凸函数”DC的形式，得到DC规划问题如下：
Figure FDA0003056610300000061
Figure FDA0003056610300000062
其中
Figure FDA0003056610300000063
Figure FDA0003056610300000064
f(w)和g(w)是凸函数；
(4b)初始化：生成JPTA向量初始值w(n)，n＝0，保证
Figure FDA0003056610300000065
(4c)通过一阶泰勒展开，将g(w)近似为
Figure FDA0003056610300000066
其中
Figure FDA0003056610300000067
(4d)利用凸优化工具求解如下近似的凸优化问题，并将所求得的JPTA向量最优值赋值给w(n+1)：
Figure FDA0003056610300000068
Figure FDA0003056610300000069
(4e)令n＝n+1；
(4f)对步骤(4c)到步骤(4e)进行迭代，直到|ψ(w(n+1))-ψ(w(n))|＜ξ,
Figure FDA0003056610300000071
迭代终止。
CN201910186197.5A 2019-03-12 2019-03-12 一种超密集毫米波d2d通信干扰管理方法 Active CN109756874B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910186197.5A CN109756874B (zh) 2019-03-12 2019-03-12 一种超密集毫米波d2d通信干扰管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910186197.5A CN109756874B (zh) 2019-03-12 2019-03-12 一种超密集毫米波d2d通信干扰管理方法

Publications (2)

Publication Number Publication Date
CN109756874A CN109756874A (zh) 2019-05-14
CN109756874B true CN109756874B (zh) 2021-08-24

Family

ID=66408473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910186197.5A Active CN109756874B (zh) 2019-03-12 2019-03-12 一种超密集毫米波d2d通信干扰管理方法

Country Status (1)

Country Link
CN (1) CN109756874B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111132297B (zh) * 2019-12-19 2022-10-28 东南大学 超密集网络发射功率最小化的波束成形优化方法与装置
CN111277311B (zh) * 2020-02-10 2022-03-25 电子科技大学 毫米波共生通信系统主被动式联合波束赋形设计方法
CN111447620B (zh) * 2020-03-19 2022-05-17 重庆邮电大学 一种毫米波异构网络资源分配联合优化方法
CN111866901B (zh) * 2020-06-10 2022-02-08 西北大学 中继选择和资源信息优化方法、系统、计算机设备及应用
CN113115253B (zh) * 2021-03-19 2022-08-23 西北大学 动态阻挡下毫米波无人机高度和密度部署估计方法及系统
CN113573361B (zh) * 2021-06-22 2024-04-16 西安电子科技大学 面向毫米波mec的低时延-高速率的卸载传输方法
CN113852972B (zh) * 2021-09-13 2023-10-10 金华航大北斗应用技术有限公司 一种基于波束共享的高速移动终端波束调度方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107613556A (zh) * 2017-09-19 2018-01-19 西安交通大学 一种基于功率控制的全双工d2d干扰管理方法
CN108600999A (zh) * 2018-04-19 2018-09-28 西安交通大学 Fd-d2d基于信道分配与功率控制联合优化方法
CN108848045A (zh) * 2018-07-07 2018-11-20 西北大学 基于联合干扰对齐和功率优化的d2d通信干扰管理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107613556A (zh) * 2017-09-19 2018-01-19 西安交通大学 一种基于功率控制的全双工d2d干扰管理方法
CN108600999A (zh) * 2018-04-19 2018-09-28 西安交通大学 Fd-d2d基于信道分配与功率控制联合优化方法
CN108848045A (zh) * 2018-07-07 2018-11-20 西北大学 基于联合干扰对齐和功率优化的d2d通信干扰管理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Cross-Tier Interference Alignment With Interfering Pair Selection in Uplink Heterogeneous Networks With Multiple Macrocells";YIFEI XU等;《IEEE Access》;20180619;全文 *
"Feasibility-Aware Partial Interference Alignment for Hybrid D2D and Cellular Communication Networks";XIAO-YA LI等;《IEEE Access》;20181218;全文 *
"基于干扰对齐的全双工双向D2D自干扰对消算法";马蓓等;《武汉大学学报（工学版）》;20181231;第51卷(第12期);全文 *

Also Published As

Publication number Publication date
CN109756874A (zh) 2019-05-14

Similar Documents

Publication Publication Date Title
CN109756874B (zh) 一种超密集毫米波d2d通信干扰管理方法
CN111181615B (zh) 一种基于智能反射面的多小区无线通信方法
CN111901862B (zh) 一种基于深度q网络的用户分簇与功率分配方法、设备和介质
CN114268350A (zh) 智能反射面辅助通信中非理想信道下的鲁棒波束赋形设计方法
CN112105062A (zh) 时敏条件下移动边缘计算网络能耗最小化策略方法
CN104852758B (zh) 三维大规模天线网络下的垂直波束赋形方法及装置
CN111866901A (zh) 中继选择和资源信息优化方法、系统、计算机设备及应用
CN113965245A (zh) 基于opgw接头盒的智能反射面通信系统资源优化方法
CN114786258A (zh) 一种基于图神经网络的无线资源分配优化方法及装置
CN117412391A (zh) 一种基于增强型双深度q网络的车联网无线资源分配方法
CN116980940A (zh) 一种基于分布式ris辅助毫米波noma系统的资源分配方法
Adhikary et al. A Deep Learning Approach for Target-oriented Communication Resource Allocation in Holographic MIMO
Ahmad et al. Resource allocation for IRS-assisted networks: A deep reinforcement learning approach
Li et al. Joint beamforming and power allocation for intelligent reflecting surface-aided millimeter wave MIMO systems
CN116669073A (zh) 基于智能反射面辅助无人机认知网络的资源分配和轨迹优化方法
CN113541768A (zh) 一种基于noma的leo卫星通信系统频点分配方法
Truong et al. Performance analysis and optimization of multiple IIoT devices radio frequency energy harvesting NOMA mobile edge computing networks
He et al. Resource allocation strategy for UAV-assisted non-linear energy harvesting MEC system
Hadi et al. Joint resource allocation, user clustering and 3-d location optimization in multi-uav-enabled mobile edge computing
Peng et al. Energy efficiency optimization for uplink traffic offloading in the integrated satellite-terrestrial network
CN116056210A (zh) 一种面向容量覆盖的irs辅助超密集网络资源分配方法
CN113573361B (zh) 面向毫米波mec的低时延-高速率的卸载传输方法
Gao et al. Multi-objective optimization of energy and latency in URLLC-enabled wireless VR networks
Barghikar et al. Resource allocation for mmWave-NOMA communication through multiple access points considering human blockages
Zhao et al. RIS-assisted air-to-ground communications with non-orthogonal multiple access

Legal Events

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