CN110225494B - 一种基于外部性和匹配算法的机器类通信资源分配方法 - Google Patents

Abstract

本发明涉及一种基于外部性和匹配算法的机器类通信资源分配方法，针对频谱资源稀缺的问题，允许大量的机器设备(MTDs)复用分配给蜂窝用户(CUs)的频谱资源。通过联合优化信道选择和功率控制，研究了MTDs的能效(EE)最大化问题。提出了一种基于外部性多对一匹配的两阶段优化算法。首先,每个MTD被临时分配到一个预定义的传输功率，然后通过考虑外部性的匹配算法来解决信道选择优化问题，得到建立MTD与资源块(RB)的二维匹配关系；然后，根据已经建立的匹配关系，采用非线性分式规划对MTD的传输功率进行优化，从而有效地提高频谱利用率和最大化通信网络EE。以获取频谱资源最佳分配方案。

Description

一种基于外部性和匹配算法的机器类通信资源分配方法

技术领域

本发明属于无线通信领域，具体涉及一种应用在智能电网机器类通信场景中高能效的资源分配优化算法，通过联合优化信道选择和功率控制，使得通信网络中机器类设备(MTD)的能效(EE)最大化。首先结合存在外部性的匹配模型建立MTD与资源块(RB)的二维匹配关系；然后通过非线性分式规划对 MTD的传输功率进行优化，从而有效地提高频谱利用率和最大化通信网络EE。以获取频谱资源最佳分配方案。

背景技术：

机器类通信在智能电网中发挥着重要的作用。作为一种新的通信方式，机器类型通信可实现与4G或5G蜂窝网络的无缝集成。它具有发送短小数据包和不连续传输的特点，可以实时监控和控制能源的生成，传输，转换，交付和消耗的运行状态。然而，随着物联网设备数量的急剧增加，其对通信技术与协议提出了更高的要求：应适应大规模的数据交换、可提供随时随地连接、支持智能资源分配。

尽管机器类通信是实现物联网愿景的关键技术，但其广泛部署仍然面临一些挑战。首先，在现实应用中，大多数MTD通常电池容量低，并且运行过程中不能更换电池，如果突然断电会导致数据丢失甚至网络崩溃。其次，频谱资源十分稀缺，由于MTD传输的数据包小且传输不连续，所以为MTD分配有限的正交频谱资源是一种浪费。为了减缓频谱使用的压力，可以通过复用传统蜂窝用户(CUs)的频谱资源为MTD提供可用频谱。然而，在这种通信模式下CUs 和MTD之间共享频谱会导致他们之间的同信道干扰。此外，如果一个RB被多个MTD复用，MTD之间还会存在同信道干扰。因此，在保证MTD通信链路与蜂窝通信链路服务质量(QoS)的同时，通过资源分配优化MTD的能效极为重要。

发明内容：

本发明在基于匹配理论的智能电网机器类通信场景下，以最大化MTD 的能效为目标，提出了一种基于外部性和匹配算法的高能效机器类通信资源分配方法。该方案首先通过匹配算法建立MTD与资源块(RB)的匹配关系；然后通过非线性分式规划对MTD的传输功率进行优化，从而有效地提高频谱利用率和最大化通信网络EE。具体过程如下：

1)图1为基于单个蜂窝网络的MTD通信场景图，有N个MTDs、K 个CUs，其中安装有全向天线的BS位于蜂窝网络的中心，MTDs随机分布在周围。采用具有块衰落特性的信道模型，该模型认为信道状态在给定的时间块内是固定的，并且在不同的时间块之间独立变化。采用蜂窝网络频谱资源的正交划分，每个CU在单个子信道或RB上进行传输。考虑上行链路频谱复用场景，每个MTD_n通过最多复用一个蜂窝用户C_k的RB_k将数据传输到基站，但是为了提高频谱效率，多个MTDs可以复用相同的RB_k传输数据。用s_n,k＝1表示，二者形成的多对一匹配关系。

由于上行链路频谱复用，MTD_n通过复用蜂窝用户C_k的RB_k将数据传输到BS时，蜂窝用户C_k将忍受由多个机器设备MTDs产生的同道干扰，蜂窝用户 C_k的信号噪声干扰比(SINR)为：

其中，p_c和p_n分别是基站与MTD_n的发射功率，p_n′(n′≠n)代表与MTD_n同时复用RB_k的机器设备MTD_n′的传输功率。g_k,0是蜂窝用户C_k与基站之间得到信道增益，g_n,0和g_n′,0分别代表MTD_n与MTD_n′到蜂窝用户C_k的信道增益。N₀是加性高斯白噪声。

机器设备MTD_n可达到的SINR的表达式为：

根据香农公式，MTD_n到基站的传输速率为：

R_n,0,k＝B_klog₂(1+γ_n,0,k)

B_k表示RB_k的信道带宽。

MTD_n的功耗表达式为：

其中，P_n,c代表电路功率，P_n代表传输功率。

能效定义为每焦耳传输的总比特数，所以，MTD_n的能效表达式为：

其中，T是传输时间。

2)在机器型通信网络中，关键的研究挑战是如何从能效的角度出发联合优化信道选择以及功率优化。在保证蜂窝用户与MTD通信链路用户服务质量 (QoS)的同时，考虑频谱复用，所形成的MTDs能效最大化问题为：

P1:

s.t.C₁:

C₂:

C₃:

C₄:

C₅:

C₆:

其中，C₁和C₂保证蜂窝用户和MTDs的QoS需求；C₃是MTD_n的功率约束；C₅保证了每个MTD至多复用一个RB；C₆表示一个RB最多被q_k个MTDs复用； C₄～C₆保证了RB与MTDs之间是多对一匹配。

3)P1是一个混合整型非线性规划(MINLP)问题，因此将P1分解成信道选择和功率优化两个子问题来得到最优解。在求解信道选择子问题时，为了得到MTDs与RBs之间的匹配关系，每一个MTD_n都被临时分配到一个预定义的传输功率

并将其设置为实际约束下的最大传输功率。然后通过“提出申请”与“交换”的方法求解信道选择优化问题，实现MTDs和RBs之间的稳定匹配，步骤如下：

当MTD_n复用RB_k时，MTD_n的效用值定义为：

多个MTDs复用一个RB_k时，MTDs与RB_k之间的多对一匹配模型中会存在“外部性”，即MTD_n的效用值不仅取决于它所匹配的RB_k，还取决于使用相同RB_k的其他MTDs。因此，任意两个MTDs之间可以交换他们已经匹配的 RBs，以获得更有效的匹配结果。对于两对已经匹配的MTDs和RBs，即 (MTD_n,RB_k)和(MTD_n′,RB_k′)它们之间的“交换”被定义为：

如果通过交换MTDs的RBs可以使MTDs的效用增加，那么就进行资源块之间的交换，即：

U_n|μ(MTD_n)＝RB_k-U_n|μ(MTD_n)＝RB_k′≥δ_U

其中，δ_U是一个正数。

4)基于上述所获得的匹配结果，采用非线性分式规划和非合作博弈论来解决功率优化的子问题。为了获得所有MTDs的最大能效，P1可以转化为：

采用非线性分式规划算法将问题P2转化为：

其中，

是P2可获得最优能效值。

为了求解上述问题，采用Dinkelbach算法获得MTD_n最优功率

以及最优能效值

并且通过非合作博弈理论使所获得的功率收敛于Nash equilibrium(纳什均衡)。因此，P3可以转化为：

P4是一个标准凸优化方程，可采用标准凸优化方法进行优化。其中t 是内循环Dinkelbach迭代次数，l是外循环非合作博弈的迭代次数。第t次迭代中的

可以通过求解第(t-1)次的

获得。在每次迭代中，q_n,0,k更新于：

Dinkelbach迭代将终止于：

δ是一个任意大小的正常数。

当MTD_n对应的最优功率控制变量收敛于纳什均衡时，迭代终止。

附图说明：

图1是基于单个蜂窝网络的MTD通信网络系统模型图。

图2是仿真参数图。

图3是单蜂窝MTD通信网络系统撒点图。

图4是MTDs的总能效与资源块RBs的关系图。

图5是MTDs的总能效与机器类设备MTDs数量的关系图。

图6是MTDs的总能效与蜂窝用户CUs配额的关系图。

图7是MTDs的总能效与蜂窝用户CUs的SINR阈值的关系图。

图8Dinkelbach迭代次数与MTDs总能效的关系图。

具体实施方式

本发明的实施方式分为两个步骤，第一步为建立模型，第二步为算法的实施。其中，建立的系统模型如图1所示，它和发明内容中基于单个蜂窝网络的MTD通信网络系统模型图的介绍完全对应。

1)对于系统模型，装有全向天线的基站位于蜂窝网络的中心，MTDs 随机分布在周围。采用具有块衰落特性的信道模型，该模型认为信道状态在给定的时间块内是固定的，并且在不同的时间块之间独立变化。采用蜂窝网络频谱资源的正交划分，每个CU在单个子信道或RB上进行传输。考虑上行链路频谱复用场景，每个MTD_n通过最多复用一个蜂窝用户C_k的RB_k将数据传输到基站，同时为了提高频谱效率，多个MTDs可以复用相同的RB_k传输数据。但是在这种通信模式下CUs和MTD之间共享频谱会导致他们之间的同信道干扰。此外，如果一个RB被多个MTD复用，MTD之间还会存在同信道干扰。因此，在保证MTD 通信链路与蜂窝通信链路服务质量(QoS)的同时，通过智能资源分配优化MTD 的能效极为重要。

2)为了解决上述问题，首先通过匹配算法建立MTD与资源块(RB) 的二维匹配关系；然后通过非线性分式规划对MTDs以及蜂窝用户(CUs)的传输功率进行优化，从而有效地提高频谱利用率和最大化通信网络EE。以获取频谱资源最佳分配方案。

对于本发明，我们进行了大量仿真。仿真中的具体参数如图表2所示，假设小区半径为50m，CUs随机分布在小区内，MTDs以不超过35m的距离随机分布在小区内。所提算法与其它几种启发式算法进行对比。

图3是基于单个蜂窝网络的MTD通信网络系统撒点图。蜂窝用户以及机器设备的数量分别为K＝5,N＝10，M2M通信链路的最大传输距离设置为d_max＝35m。

图4显示了蜂窝资源RBs与MTDs的总能效的关系。通过观察发现，与其他两种启发式算法相比，该算法具有更好的性能。随着RBs数量的增加，系统的能效性能呈单调增长。因为大量的RBs可以保证每个MTD可以匹配到喜好值较高的RB的概率，从而获得更高的能效。

图5显示了机器类设备MTDs与MTDs的总能效的关系。研究发现，在MTDs数量不大的情况下，系统的能效呈单调增长趋势。因为在MTDs数量不多的情况下，蜂窝网络中的RBs没有得到充分的利用。但是，随着MTDs达到一定数量时，性能增量呈缓慢上升趋势，因为所有RBs都达到了可复用的最大容量，只有通过交换才能实现能效的提高。

图6显示了蜂窝用户CUs配额与MTDs的总能效的关系。结果表明，系统的能效性能随蜂窝用户配额的增加而单调增加。因为当蜂窝用户CUs的配额足够大时，蜂窝网络便可以保证所有的MTDs匹配到资源块RBs。此外，MTDs 与RBs的建立了稳定的匹配关系，蜂窝网络的总能效也会逐渐趋于恒定。

图7显示了蜂窝用户CUs的SINR阈值与MTDs的总能效的关系。研究结果表明，当γ_min≤25dBm时，由于MTDs的传输功率可以设置为相对合适的值，所以γ_min几乎不影响MTDs的总能效。当25dBm<γ_min≤30dBm时， MTDs的总能效随着γ_min的增加单调递减，因为从MTDs到BS通信链路所获得的单位传输功率的增量不能补偿增加的能量消耗。当γ_min>30dBm时,由于信道条件有限，MTDs无法有效地向基站传输数据，使得系统的总能量效率降为零。

图8显示了Dinkelbach迭代次数与MTDs总能效的关系。在不断的迭代过程中，

会逐渐收敛至一个最优值。可以发现，迭代次数约为2次。此外，CUs和MTDs的数量对所提功率控制算法的收敛性能几乎没有影响。

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 (1)

1.一种基于外部性和匹配算法的机器类通信资源分配方法，其特征在于：包括以下步骤：

1)针对MTD通信网络中能效低、频谱资源紧缺问题，结合存在外部性的匹配模型，建立MTD与RB之间的多对一匹配关系，从而提出节能高效的信道选择优化策略；

2)基于所获得的匹配关系，通过非线性分式规划以及非合作博弈理论解决功率控制子问题，以获取频谱资源最佳分配方案；

针对步骤1)所述的MTD通信网络中能效低、频谱资源紧缺问题，考虑复用蜂窝用户的频谱资源RB以实现高能效的通信，由于同信道干扰，MTD的效用不仅取决于匹配的RB，还取决于复用相同RB的其他MTD，即所提出的匹配模型存在“外部性”，步骤1)包括：

A)考虑上行链路频谱资源复用场景，假设有N个MTD，K个蜂窝用户，每个MTD通过最多复用一个蜂窝用户的RB将数据传输到基站，为了提高频谱效率，多个MTD复用相同的RB传输数据，用s_n,k＝1表示机器类设备MTD_n复用蜂窝用户C_k的频谱资源RB_k，则MTD_n到基站的传输速率为：

R_n,0,k＝B_klog₂(1+γ_n,0,k(p_n))

B_k表示RB_k的信道带宽，γ_n,0,k(p_n)是机器类设备MTD_n可达到的信号噪声干扰比SINR，其表达式为：

p_c和p_n分别是蜂窝用户C_k的发射功率和MTD_n的发射功率，p_n'代表与MTD_n同时复用RB_k的机器类设备MTD_n'的传输功率，其中n'≠n，g_k,0是蜂窝用户C_k与基站之间的信道增益，g_n,0和g_n',0分别代表MTD_n与MTD_n'到蜂窝用户C_k的信道增益，N₀是加性高斯白噪声；

MTD_n的总功耗为：

p_n,c表示电路功率，则MTD_n的效用值能效为

T是传输时间；

B)在保证蜂窝用户与MTD_n通信链路用户服务质量QoS的同时，考虑频谱复用，所形成的MTD_n能效最大化问题为：

其中，C₁和C₂保证蜂窝用户和MTD_n的QoS需求；C₃是MTD_n的功率约束；C₅保证了每个MTD至多复用一个RB；C₆表示一个RB最多被q_k个MTD复用；C₄～C₆保证了RB与MTD之间是多对一匹配；

C)为了得到MTD与RB之间的匹配关系，MTD_n被临时分配到一个预定义的发射功率

并将其设置为实际约束下的最大发射功率，在该功率下，每个MTD利用蜂窝用户的RB将数据传输到基站，通过“提出申请”与“交换”的方法，实现MTD和RB之间的稳定匹配，子步骤如下：

将MTD_n复用RB_k的能效定义为：

当多个MTD复用一个RB时，MTD_n的能效不仅取决于它所匹配的RB_k，还取决于使用相同RB_k的其他MTD，即MTD与RB之间的多对一匹配模型中会存在“外部性”；

如果通过交换MTD的RB可以使MTD的效用增加，那么就进行资源块之间的交换；

对于两对已经匹配的MTD和RB，即(MTD_n,RB_k)和(MTD_n′，RB_k′)，如果

(U_n|μ(MTD_n)＝RB_k′)-(U_n|μ(MTD_n)＝RB_k)≥δ_u

时，就执行“交换”操作：

其中，δ_u是一个正数；

步骤2)所述的基于所获得的匹配关系，通过解决功率控制子问题以获取频谱资源最佳分配方案，所形成的优化问题P1是混合整数非线性规划MINLP问题，需采用非线性分式规划和非合作博弈理论对MTD的传输功率进行优化，从而有效地提高频谱利用率和最大化通信网络能效，包括：

D)将优化问题P1进行转换与分解，考虑MTD_n复用蜂窝用户C_k的通信资源块RB_k，为了获得所有MTD的最大能效，P1转化为：

s.t.C₁～C₃

采用非线性分式规划算法将问题P2转化为：

s.t.C₁～C₃

其中，

是P2可获得的最优能效值；

E)采用Dinkelbach算法以获得MTD_n的最优功率

以及最优能效值

并且通过非合作博弈理论使所获得的功率收敛于Nash equilibrium，因此，P3转化为：

s.t.C₁～C₃

P4是一个标准凸优化方程，可采用标准凸优化方法进行优化，其中t是内循环Dinkelbach迭代次数，l是外循环非合作博弈的迭代次数，第t次迭代中的

通过求解第(t-1)次的

获得，在每次迭代中，

通过：

更新；

Dinkelbach迭代将终止于：

δ是一个任意大小的正常数，当MTD_n对应的最优功率控制变量收敛于纳什均衡时，迭代终止。

Images