CN111083668B - 一种在车联网中基于联盟博弈算法的d2d资源分配方法 - Google Patents
一种在车联网中基于联盟博弈算法的d2d资源分配方法 Download PDFInfo
- Publication number
- CN111083668B CN111083668B CN202010001449.5A CN202010001449A CN111083668B CN 111083668 B CN111083668 B CN 111083668B CN 202010001449 A CN202010001449 A CN 202010001449A CN 111083668 B CN111083668 B CN 111083668B
- Authority
- CN
- China
- Prior art keywords
- user
- cellular
- users
- base station
- cellular user
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/242—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account path loss
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种在车联网中基于联盟博弈算法的D2D资源分配方法,属于无线通信技术领域。该方法建立了一种基于蜂窝网络的车联网D2D通信系统模型,相邻车辆之间采用D2D技术进行通信,为了提高频谱利用率,在保证蜂窝用户服务质量的要求下,一个蜂窝用户的资源块可以被多个D2D用户复用。该资源分配方法不但提出了一种联盟博弈算法将D2D用户进行分组,同一分组的D2D用户复用同一蜂窝用户的资源块,根据蜂窝用户对各个D2D用户的干扰情况确定资源块分配方式,而且针对D2D用户的高速移动性,提出了一种D2D用户鲁棒功率控制方法。
Description
技术领域
本发明涉及一种在车联网中基于联盟博弈算法的D2D资源分配方法,属于无线通信技术领域。
背景技术
人工智能技术和自动驾驶技术的发展,吸引了工业界和学术界对车联网技术研究的兴趣。车联网技术主要包括车与车通信、车与路边基础设置通信和车与人通信等通信应用,车与车之间进行通信可以相互交换汽车的安全信息,包括车辆的行驶速度、加速度和紧急刹车等重要信息,车与路边基础设施进行通信包括路边单元向车辆发送道路状况信息,车辆向路边单元迁移计算任务或者向路边单元请求娱乐信息等,车与人进行通信包括车辆与弱势交通群体、用户智能设备等进行通信。2010年发布了IEEE802.11p车联网技术标准,该标准利用具有避碰机制的载波感知多址技术,车辆可以自发地建立动态网络,但是该技术具有很多缺陷并没有进行大量的网络部署,基于蜂窝网络辅助的车联网技术具有很大的发展潜力,该网络覆盖范围广、传输时延小,可以充分使用D2D技术满足不同通信链路的服务质量。
最近几年许多文章中做了车联网网络资源分配的工作,“Power Control in D2D-Based Vehicular Communication Networks”【Y.Ren,F.Liu,Z.Liu,C.Wang and Y.Ji,IEEE Transactions on Vehicular Technology,vol.64,no.12,pp.5547-5562,Dec.2015.】一文中讨论了车联网中D2D用户功率优化方法,但是没有考虑由于车辆移动速度快导致的信道信息不确定的问题;“Chance-Constrained Optimization in D2D-BasedVehicular Communication Network”【Z.Liu,Y.Xie,K.Y.Chan,K.Ma and X.Guan,IEEETransactions on Vehicular Technology,vol.68,no.5,pp.5045-5058,May 2019.】文中虽然考虑了车辆移动速度快导致的信道信息不确定的问题,但是没有考虑复杂场景中(比如十字路口场景)的资源块分配问题。目前查阅到的资料中,没有在车联网复杂场景中考虑信道信息不确定问题且使用联盟博弈算法辅助分配频谱资源块的先例。
发明内容
为了克服背景技术的缺陷和不足,本发明提供了一种在车联网中基于联盟博弈算法的D2D资源分配方法。
本发明的技术方案如下:
一种在车联网中基于联盟博弈算法的D2D资源分配方法,在以下系统中运行,系统包括基站、蜂窝用户、D2D用户,考虑单个基站服务的十字路口场景,基站临近十字路口并且覆盖范围为半径为500m的圆形区域,基站主要获取各个通信链路的信道状态信息、分配频谱资源和功率控制,蜂窝用户为该系统的主用户,用集合表示为D2D用户是两个临近的采用D2D技术进行通信的车辆用户,为次级用户,用集合表示为K≥N,为提高频谱利用率,D2D用户复用蜂窝用户上行链路的频谱资源块RB,在不影响蜂窝用户服务质量的情况下,一个蜂窝用户的RB可被多个D2D用户同时复用,但一个D2D用户只能同时复用一个蜂窝用户的RB;由于蜂窝用户移动速度较慢,在短时间内其信道状态信息基本不变,而D2D用户移动速度较快,在短时间内其信道状态信息变化十分显著,针对两种不同的用户采用两种不同的信道模型;用联盟博弈算法将D2D用户进行分组,每组的D2D用户共同复用同一个频谱资源块,依蜂窝用户对D2D用户接收端的干扰情况确定每个分组的频谱资源块复用方式;采用伯恩斯坦近似方法和分式规划处理方法将规划问题转换为凸问题,最后采用基于分式规划的鲁棒功率控制方法求解最优的功率分配,该方法具体步骤如下:
1)规划信道模型
其中L表示电磁波信号在空间传播过程中由于障碍物引起的阴影衰落,服从均值为0方差为的对数正态分布,即表示信号在蜂窝用户n与基站之间传播过程中产生的路径损耗,dn表示蜂窝用户n与基站之间的距离,单位为米,z0表示蜂窝用户n与基站之间的路径损耗指数;
采用向基站周期反馈信道状态信息的方法获取D2D用户相关链路的信道状态信息,快衰落分量表示为其中和分别表示信道信息采样时和基站接收信道信息时的快衰落分量,ε=J0(2πfDT)表示同一信道的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,其中0≤ε<1,J0(·)表示第一类零阶贝塞尔函数,fD=υfc/c表示最大多普勒频移,c=3×108m/s,fc是载波频率,υ代表车辆速度,T代表信道状态信息反馈周期;e表示快衰落分量估计误差,独立于并且服均值为0方差为1-ε2的复高斯分布,即用表示蜂窝用户n至D2D用户k接收端的干扰功率增益,该功率增益如下式:
其中表示蜂窝用户n至D2D用户k接收端的路径损耗,z1表示蜂窝用户n至D2D用户k接收端的路径损耗指数,表示在信道信息采样时蜂窝用户n至D2D用户k接收端的信道快衰落,表示蜂窝用户n至D2D用户k接收端的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,表示蜂窝用户n至D2D用户k接收端之间的快衰落估计误差,||表示绝对值;表示基站接收信道信息时蜂窝用户n至D2D用户k接收端的快衰落,令公式(2)可表示为其中表示的信道信息采样时蜂窝用户n至D2D用户k接收端的采样信道增益,是基站接收信道信息时蜂窝用户n至D2D用户k接收端信道增益估计误差;用表示D2D用户k发射端与D2D用户k′接收端之间的功率增益,由下式知:
其中表示的信道信息采样时D2D用户k发射端至D2D用户k′接收端的采样信道增益,是基站接收信道信息时D2D用户k发射端至D2D用户k′接收端信道增益估计误差,表示D2D用户k发射端至D2D用户k′接收端的路径损耗,z2表示D2D用户k发射端与D2D用户k′接收端之间的路径损耗指数,表示在信道信息采样时D2D用户k发射端至D2D用户k′接收端的快衰落,表示D2D用户k发射端至D2D用户k′接收端的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,表示D2D用户k发射端至D2D用户k′接收端之间的快衰落估计误差;令表示D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的干扰链路功率增益,该功率增益如下式:
其中表示的信道信息采样时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的采样信道增益,是基站接收信道信息时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的道增益估计误差,表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的路径损耗,z3表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的路径损耗指数,表示在信道采样时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站的快衰落,表示D2D用户k复用蜂窝用户n的上行链路RB发送端至基站的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的快衰落估计误差;
2)D2D用户分组
采用联盟博弈方法根据D2D用户之间的信道状态信息,为D2D用户分组;将系统中的K个D2D用户分成S组,分组个数小于等于蜂窝用户的个数,即S≤N,只考虑S=N,定义wk,s为分组因子,wk,s∈{0,1},D2D用户在s组中表示为wk,s=1,D2D用户k不在s组中表示为wk,s=0,其中任意一个D2D用户只能分到一个组内,即
在联盟博弈方法中每个组称为联盟,定义联盟为当时,并且其中表示空集,∩和∪分别表示交集和并集;D2D用户k的效用函数为D2D用户k在联盟中受联盟内除其本身外其它D2D用户对其接收端干扰的程度,表示在反馈周期内的长期功率增益,其中表示求均值,定义第n个联盟的效用函数为表示联盟内所有D2D用户总体受干扰的程度;定义偏好运算>k,如果则表示D2D用户k更愿意加入联盟而不是即
如在联盟中的D2D用户k更愿意加入联盟更新当前联盟状态, 并且将连续不切换联盟的计数置为零,即num=0,如在联盟中的D2D用户k不愿意加入联盟保持当前联盟的状态,将连续不切换联盟的计数加一,即num=num+1,每次执行切换操作,所有联盟的总干扰是严格减少的,经有限次迭代,如果num大于10倍的D2D用户的数量,则说明联盟最终收敛至纳什稳定状态;
据此提出如下联盟博弈方法确定D2D用户的分组:
3)确定频谱资源分配方式
D2D用户受蜂窝用户的干扰越小,其数据吞吐量越大,以降低D2D用户受蜂窝用户的干扰为目标,为每个分组分配蜂窝用户的RB,ρs,n为蜂窝用户RB分配因子,当蜂窝用户n的RB分配给分组s时ρs,n=1,当蜂窝用户n的RB不分配给分组s时ρs,n=0,并且同一个分组的D2D用户只能复用一个蜂窝用户的RB,同时一个RB只能分配给同一个分组的D2D用户,即系统中考虑每个蜂窝用户的发送功率为确定的常数,可以计算出蜂窝用户对复用其资源块的每个D2D用户接收端的反馈时间内长期平均干扰功率值,定义效用函数表示蜂窝用户n对分组s中所有D2D用户的总干扰功率,其中表示在反馈周期内的长期功率增益,频谱资源块分配问题可以简化为:
其中s.t.表示约束符号,C1,C2表示约束式符号,表示取任意值,该问题是一个简单的整数线性规划问题,用yalmip工具箱求解ρs,n,确定蜂窝用户RB分配方式;定义αk,n为每个D2D用户的资源块复用因子,D2D用户k复用蜂窝用户n的RB表示为αk,n=1,α=wρ,其中
4)规划功率控制问题
D2D用户k复用蜂窝用户n的RB时其接收端的信干噪比表示如下:
同一个分组的D2D用户复用同一个蜂窝用户上行链路的频谱资源块,为了保证蜂窝用户服务质量QoS要求,需要考虑基站接收到蜂窝用户发送的信号时,其信干噪比大于等于一个满足服务质量QoS要求的阈值γth,即基站接收蜂窝用户n的信号时其信干噪比为:
经过转换可得如下约束:
最终规划了一个D2D用户鲁棒功率优化的问题,目标函数为最大化所有D2D用户的和速率,同时满足每个蜂窝用户的服务质量要求:
5)非凸问题转换为凸问题
(1)问题(P2)中约束C1是一个机会约束条件,采用伯恩斯坦近似方法将非凸的机会约束近似为仿射约束,概率约束形式如下:
其中θ<<1,θ为容忍度,{ηk}为不确定的数据的集合,使用伯恩斯坦近似方法机会约束需要满足以下条件:
a){fk(p)}是关于向量p的仿射函数,其中p为待确定的向量值;
b)不确定的数据集合{ηk}是具有{ξk}分布的随机变量,且彼此之间相互独立;
c){ξk}分布在[-1,1]范围内成立,即{ηk}中每个元素的取值范围均在[-1,1]内,如果机会约束满足以上三个条件,可用下式近似替代,
其中inf表示最大下界运算,辅助变量δ>0,Ωk为一个函数,函数表达式为x1为关于ξk分布的自变量,x2为关于函数Ωk的自变量,引入辅助变量和ωk,ωk≥0,当辅助变量选择合理的值时,可满足当Ωk(x2)取下界时,公式(9)可以近似为下式,
(2)目标函数是非凸函数,使用新的分式转换技术引入辅助向量y进行转换,然后重新规划为一个凹问题:
其中
6)设计功率控制算法
由上式可得原问题(P3)的对偶函数和对偶问题,分别为公式(18)和公式(19),
s.t.λ≥0
使用子梯度迭代法,更新拉格朗日乘子λ,更新方法如下:
其中[x]+=max[0,x],τn表示迭代步长,t代表迭代次数,
功率向量pd的迭代方法如下:
设计基于分式规划方法的鲁棒功率控制算法求解最优功率分配,其步骤如下:
ⅰ)设置迭代步长τn;
ⅱ)初始化迭代计数t=1,功率初值pd=p0和对偶变量λ=λ0;
ⅳ)使用公式(22)更新pd,使用公式(20)更新λ,更新迭代次数t=t+1;
本发明的有益效果是能够高效的确定频谱资源分配方式采用联盟博弈算法将D2D用户进行分组并且根据蜂窝用户对各个D2D用户的干扰情况确定资源分配方式;另外考虑车辆用户高速移动性,研究车辆用户鲁棒功率控制方法。
附图说明
图1为本发明车联网中D2D用户通信系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,但不限于此。
实施例:
本发明实施例如图1所示,一种在车联网中基于联盟博弈算法的D2D资源分配方法,在以下系统中运行,系统包括基站、蜂窝用户、D2D用户,考虑单个基站服务的十字路口场景,基站临近十字路口并且覆盖范围为半径为500m的圆形区域,基站主要获取各个通信链路的信道状态信息、分配频谱资源和功率控制,蜂窝用户为该系统的主用户,用集合表示为D2D用户是两个临近的采用D2D技术进行通信的车辆用户,为次级用户,用集合表示为K≥N,为提高频谱利用率,D2D用户复用蜂窝用户上行链路的频谱资源块RB,在不影响蜂窝用户服务质量的情况下,一个蜂窝用户的RB可被多个D2D用户同时复用,但一个D2D用户只能同时复用一个蜂窝用户的RB;由于蜂窝用户移动速度较慢,在短时间内其信道状态信息基本不变,而D2D用户移动速度较快,在短时间内其信道状态信息变化十分显著,针对两种不同的用户采用两种不同的信道模型;用联盟博弈算法将D2D用户进行分组,每组的D2D用户共同复用同一个频谱资源块,依蜂窝用户对D2D用户接收端的干扰情况确定每个分组的频谱资源块复用方式;采用伯恩斯坦近似方法和分式规划处理方法将规划问题转换为凸问题,最后采用基于分式规划的鲁棒功率控制方法求解最优的功率分配,该方法具体步骤如下:
1)规划信道模型
其中L表示电磁波信号在空间传播过程中由于障碍物引起的阴影衰落,服从均值为0方差为的对数正态分布,即表示信号在蜂窝用户n与基站之间传播过程中产生的路径损耗,dn表示蜂窝用户n与基站之间的距离,单位为米,z0表示蜂窝用户n与基站之间的路径损耗指数;
采用向基站周期反馈信道状态信息的方法获取D2D用户相关链路的信道状态信息,快衰落分量表示为其中和分别表示信道信息采样时和基站接收信道信息时的快衰落分量,ε=J0(2πfDT)表示同一信道的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,其中0≤ε<1,J0(·)表示第一类零阶贝塞尔函数,fD=υfc/c表示最大多普勒频移,c=3×108m/s,fc是载波频率,υ代表车辆速度,T代表信道状态信息反馈周期;e表示快衰落分量估计误差,独立于并且服均值为0方差为1-ε2的复高斯分布,即用表示蜂窝用户n至D2D用户k接收端的干扰功率增益,该功率增益如下式:
其中表示蜂窝用户n至D2D用户k接收端的路径损耗,z1表示蜂窝用户n至D2D用户k接收端的路径损耗指数,表示在信道信息采样时蜂窝用户n至D2D用户k接收端的信道快衰落,表示蜂窝用户n至D2D用户k接收端的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,表示蜂窝用户n至D2D用户k接收端之间的快衰落估计误差,||表示绝对值;表示基站接收信道信息时蜂窝用户n至D2D用户k接收端的快衰落,令公式(2)可表示为其中表示的信道信息采样时蜂窝用户n至D2D用户k接收端的采样信道增益,是基站接收信道信息时蜂窝用户n至D2D用户k接收端信道增益估计误差;用表示D2D用户k发射端与D2D用户k′接收端之间的功率增益,由下式知:
其中表示的信道信息采样时D2D用户k发射端至D2D用户k′接收端的采样信道增益,是基站接收信道信息时D2D用户k发射端至D2D用户k′接收端信道增益估计误差,表示D2D用户k发射端至D2D用户k′接收端的路径损耗,z2表示D2D用户k发射端与D2D用户k′接收端之间的路径损耗指数,表示在信道信息采样时D2D用户k发射端至D2D用户k′接收端的快衰落,表示D2D用户k发射端至D2D用户k′接收端的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,表示D2D用户k发射端至D2D用户k′接收端之间的快衰落估计误差;令表示D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的干扰链路功率增益,该功率增益如下式:
其中表示的信道信息采样时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的采样信道增益,是基站接收信道信息时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的道增益估计误差,表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的路径损耗,z3表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的路径损耗指数,表示在信道采样时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站的快衰落,表示D2D用户k复用蜂窝用户n的上行链路RB发送端至基站的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的快衰落估计误差;
2)D2D用户分组
采用联盟博弈方法根据D2D用户之间的信道状态信息,为D2D用户分组;将系统中的K个D2D用户分成S组,分组个数小于等于蜂窝用户的个数,即S≤N,只考虑S=N,定义wk,s为分组因子,wk,s∈{0,1},D2D用户在s组中表示为wk,s=1,D2D用户k不在s组中表示为wk,s=0,其中任意一个D2D用户只能分到一个组内,即
在联盟博弈方法中每个组称为联盟,定义联盟为当时,并且其中表示空集,∩和∪分别表示交集和并集;D2D用户k的效用函数为D2D用户k在联盟中受联盟内除其本身外其它D2D用户对其接收端干扰的程度,表示在反馈周期内的长期功率增益,其中表示求均值,定义第n个联盟的效用函数为表示联盟内所有D2D用户总体受干扰的程度;定义偏好运算>k,如果则表示D2D用户k更愿意加入联盟而不是即
如在联盟中的D2D用户k更愿意加入联盟更新当前联盟状态, 并且将连续不切换联盟的计数置为零,即num=0,如在联盟中的D2D用户k不愿意加入联盟保持当前联盟的状态,将连续不切换联盟的计数加一,即num=num+1,每次执行切换操作,所有联盟的总干扰是严格减少的,经有限次迭代,如果num大于10倍的D2D用户的数量,则说明联盟最终收敛至纳什稳定状态;
据此提出如下联盟博弈方法确定D2D用户的分组:
3)确定频谱资源分配方式
D2D用户受蜂窝用户的干扰越小,其数据吞吐量越大,以降低D2D用户受蜂窝用户的干扰为目标,为每个分组分配蜂窝用户的RB,ρs,n为蜂窝用户RB分配因子,当蜂窝用户n的RB分配给分组s时ρs,n=1,当蜂窝用户n的RB不分配给分组s时ρs,n=0,并且同一个分组的D2D用户只能复用一个蜂窝用户的RB,同时一个RB只能分配给同一个分组的D2D用户,即系统中考虑每个蜂窝用户的发送功率为确定的常数,可以计算出蜂窝用户对复用其资源块的每个D2D用户接收端的反馈时间内长期平均干扰功率值,定义效用函数表示蜂窝用户n对分组s中所有D2D用户的总干扰功率,其中表示在反馈周期内的长期功率增益,频谱资源块分配问题可以简化为:
其中s.t.表示约束符号,C1,C2表示约束式符号,表示取任意值,该问题是一个简单的整数线性规划问题,用yalmip工具箱求解ρs,n,确定蜂窝用户RB分配方式;定义αk,n为每个D2D用户的资源块复用因子,D2D用户k复用蜂窝用户n的RB表示为αk,n=1,α=wρ,其中
4)规划功率控制问题
D2D用户k复用蜂窝用户n的RB时其接收端的信干噪比表示如下:
同一个分组的D2D用户复用同一个蜂窝用户上行链路的频谱资源块,为了保证蜂窝用户服务质量QoS要求,需要考虑基站接收到蜂窝用户发送的信号时,其信干噪比大于等于一个满足服务质量QoS要求的阈值γth,即基站接收蜂窝用户n的信号时其信干噪比为:
经过转换可得如下约束:
最终规划了一个D2D用户鲁棒功率优化的问题,目标函数为最大化所有D2D用户的和速率,同时满足每个蜂窝用户的服务质量要求:
5)非凸问题转换为凸问题
(1)问题(P2)中约束C1是一个机会约束条件,采用伯恩斯坦近似方法将非凸的机会约束近似为仿射约束,概率约束形式如下:
其中θ<<1,θ为容忍度,{ηk}为不确定的数据的集合,使用伯恩斯坦近似方法机会约束需要满足以下条件:
a){fk(p)}是关于向量p的仿射函数,其中p为待确定的向量值;
b)不确定的数据集合{ηk}是具有{ξk}分布的随机变量,且彼此之间相互独立;
c){ξk}分布在[-1,1]范围内成立,即{ηk}中每个元素的取值范围均在[-1,1]内,如果机会约束满足以上三个条件,可用下式近似替代,
其中inf表示最大下界运算,辅助变量δ>0,Ωk为一个函数,函数表达式为x1为关于ξk分布的自变量,x2为关于函数Ωk的自变量,引入辅助变量和ωk,ωk≥0,当辅助变量选择合理的值时,可满足当Ωk(x2)取下界时,公式(9)可以近似为下式,
(2)目标函数是非凸函数,使用新的分式转换技术引入辅助向量y进行转换,然后重新规划为一个凹问题:
其中
6)设计功率控制算法
由上式可得原问题(P3)的对偶函数和对偶问题,分别为公式(18)和公式(19),
s.t.λ≥0
使用子梯度迭代法,更新拉格朗日乘子λ,更新方法如下:
其中[x]+=max[0,x],τn表示迭代步长,t代表迭代次数,
功率向量pd的迭代方法如下:
设计基于分式规划方法的鲁棒功率控制算法求解最优功率分配,其步骤如下:
ⅰ)设置迭代步长τn;
ⅱ)初始化迭代计数t=1,功率初值pd=p0和对偶变量λ=λ0;
ⅳ)使用公式(22)更新pd,使用公式(20)更新λ,更新迭代次数t=t+1;
Claims (1)
1.一种在车联网中基于联盟博弈算法的D2D资源分配方法,在以下系统中运行,系统包括基站、蜂窝用户、D2D用户,考虑单个基站服务的十字路口场景,基站临近十字路口并且覆盖范围为半径为500m的圆形区域,基站主要获取各个通信链路的信道状态信息、分配频谱资源和功率控制,蜂窝用户为该系统的主用户,用集合表示为D2D用户是两个临近的采用D2D技术进行通信的车辆用户,为次级用户,用集合表示为 为提高频谱利用率,D2D用户复用蜂窝用户上行链路的频谱资源块RB,在不影响蜂窝用户服务质量的情况下,一个蜂窝用户的RB可被多个D2D用户同时复用,但一个D2D用户只能同时复用一个蜂窝用户的RB;由于蜂窝用户移动速度较慢,在短时间内其信道状态信息基本不变,而D2D用户移动速度较快,在短时间内其信道状态信息变化十分显著,针对两种不同的用户采用两种不同的信道模型;用联盟博弈算法将D2D用户进行分组,每组的D2D用户共同复用同一个频谱资源块,依蜂窝用户对D2D用户接收端的干扰情况确定每个分组的频谱资源块复用方式;采用伯恩斯坦近似方法和分式规划处理方法将规划问题转换为凸问题,最后采用基于分式规划的鲁棒功率控制方法求解最优的功率分配,该方法具体步骤如下:
1)规划信道模型
其中L表示电磁波信号在空间传播过程中由于障碍物引起的阴影衰落,服从均值为0方差为的对数正态分布,即 表示信号在蜂窝用户n与基站之间传播过程中产生的路径损耗,dn表示蜂窝用户n与基站之间的距离,单位为米,z0表示蜂窝用户n与基站之间的路径损耗指数;
采用向基站周期反馈信道状态信息的方法获取D2D用户相关链路的信道状态信息,快衰落分量表示为其中和分别表示信道信息采样时和基站接收信道信息时的快衰落分量,ε=J0(2πfDT)表示同一信道的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,其中0≤ε<1,J0(·)表示第一类零阶贝塞尔函数,fD=υfc/c表示最大多普勒频移,c=3×108m/s,fc是载波频率,υ代表车辆速度,T代表信道状态信息反馈周期;e表示快衰落分量估计误差,独立于并且服均值为0方差为1-ε2的复高斯分布,即用表示蜂窝用户n至D2D用户k接收端的干扰功率增益,该功率增益如下式:
其中表示蜂窝用户n至D2D用户k接收端的路径损耗,z1表示蜂窝用户n至D2D用户k接收端的路径损耗指数,表示在信道信息采样时蜂窝用户n至D2D用户k接收端的信道快衰落,表示蜂窝用户n至D2D用户k接收端的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,表示蜂窝用户n至D2D用户k接收端之间的快衰落估计误差,||表示绝对值;表示基站接收信道信息时蜂窝用户n至D2D用户k接收端的快衰落,令公式(2)可表示为其中表示的信道信息采样时蜂窝用户n至D2D用户k接收端的采样信道增益,是基站接收信道信息时蜂窝用户n至D2D用户k接收端信道增益估计误差;用表示D2D用户k发射端与D2D用户k′接收端之间的功率增益,由下式知:
其中 表示的信道信息采样时D2D用户k发射端至D2D用户k′接收端的采样信道增益,是基站接收信道信息时D2D用户k发射端至D2D用户k′接收端信道增益估计误差,表示D2D用户k发射端至D2D用户k′接收端的路径损耗,z2表示D2D用户k发射端与D2D用户k′接收端之间的路径损耗指数,表示在信道信息采样时D2D用户k发射端至D2D用户k′接收端的快衰落,表示D2D用户k发射端至D2D用户k′接收端的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,表示D2D用户k发射端至D2D用户k′接收端之间的快衰落估计误差;令表示D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的干扰链路功率增益,该功率增益如下式:
其中 表示的信道信息采样时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的采样信道增益,是基站接收信道信息时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的道增益估计误差,表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的路径损耗,z3表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的路径损耗指数,表示在信道采样时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站的快衰落,表示D2D用户k复用蜂窝用户n的上行链路RB发送端至基站的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数,表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的快衰落估计误差;
2)D2D用户分组
采用联盟博弈方法根据D2D用户之间的信道状态信息,为D2D用户分组;将系统中的K个D2D用户分成S组,分组个数小于等于蜂窝用户的个数,即S≤N,只考虑S=N,定义wk,s为分组因子,wk,s∈{0,1},D2D用户在s组中表示为wk,s=1,D2D用户k不在s组中表示为wk,s=0,其中任意一个D2D用户只能分到一个组内,即
在联盟博弈方法中每个组称为联盟,定义联盟为当时,并且其中表示空集,∩和∪分别表示交集和并集;D2D用户k的效用函数为D2D用户k在联盟中受联盟内除其本身外其它D2D用户对其接收端干扰的程度,表示在反馈周期内的长期功率增益,其中表示求均值,定义第n个联盟的效用函数为表示联盟内所有D2D用户总体受干扰的程度;定义偏好运算如果则表示D2D用户k更愿意加入联盟而不是即
如在联盟中的D2D用户k更愿意加入联盟更新当前联盟状态, 并且将连续不切换联盟的计数置为零,即num=0,如在联盟中的D2D用户k不愿意加入联盟保持当前联盟的状态,将连续不切换联盟的计数加一,即num=num+1,每次执行切换操作,所有联盟的总干扰是严格减少的,经有限次迭代,如果num大于10倍的D2D用户的数量,则说明联盟最终收敛至纳什稳定状态;
据此提出如下联盟博弈方法确定D2D用户的分组:
采用上述联盟博弈方法,经过有限次迭代最终得到稳定的D2D用户分组信息,可确定分组因子wk,s;
3)确定频谱资源分配方式
D2D用户受蜂窝用户的干扰越小,其数据吞吐量越大,以降低D2D用户受蜂窝用户的干扰为目标,为每个分组分配蜂窝用户的RB,ρs,n为蜂窝用户RB分配因子,当蜂窝用户n的RB分配给分组s时ρs,n=1,当蜂窝用户n的RB不分配给分组s时ρs,n=0,并且同一个分组的D2D用户只能复用一个蜂窝用户的RB,同时一个RB只能分配给同一个分组的D2D用户,即系统中考虑每个蜂窝用户的发送功率为确定的常数,可以计算出蜂窝用户对复用其资源块的每个D2D用户接收端的反馈时间内长期平均干扰功率值,定义效用函数表示蜂窝用户n对分组s中所有D2D用户的总干扰功率,其中表示在反馈周期内的长期功率增益,频谱资源块分配问题可以简化为:
其中s.t.表示约束符号,C1,C2表示约束式符号,表示取任意值,该问题是一个简单的整数线性规划问题,用yalmip工具箱求解ρs,n,确定蜂窝用户RB分配方式;定义αk,n为每个D2D用户的资源块复用因子,D2D用户k复用蜂窝用户n的RB表示为αk,n=1,α=wρ,其中
4)规划功率控制问题
D2D用户k复用蜂窝用户n的RB时其接收端的信干噪比表示如下:
同一个分组的D2D用户复用同一个蜂窝用户上行链路的频谱资源块,为了保证蜂窝用户服务质量QoS要求,需要考虑基站接收到蜂窝用户发送的信号时,其信干噪比大于等于一个满足服务质量QoS要求的阈值γth,即基站接收蜂窝用户n的信号时其信干噪比为:
经过转换可得如下约束:
最终规划了一个D2D用户鲁棒功率优化的问题,目标函数为最大化所有D2D用户的和速率,同时满足每个蜂窝用户的服务质量要求:
5)非凸问题转换为凸问题
(1)问题(P2)中约束C1是一个机会约束条件,采用伯恩斯坦近似方法将非凸的机会约束近似为仿射约束,概率约束形式如下:
其中θ<<1,θ为容忍度,{ηk}为不确定的数据的集合,使用伯恩斯坦近似方法机会约束需要满足以下条件:
a){fk(p)}是关于向量p的仿射函数,其中p为待确定的向量值;
b)不确定的数据集合{ηk}是具有{ξk}分布的随机变量,且彼此之间相互独立;
c){ξk}分布在[-1,1]范围内成立,即{ηk}中每个元素的取值范围均在[-1,1]内,如果机会约束满足以上三个条件,可用下式近似替代,
其中inf表示最大下界运算,辅助变量δ>0,Ωk为一个函数,函数表达式为x1为关于ξk分布的自变量,x2为关于函数Ωk的自变量,引入辅助变量和ωk,ωk≥0,当辅助变量选择合理的值时,可满足当Ωk(x2)取下界时,公式(9)可以近似为下式,
(2)目标函数是非凸函数,使用新的分式转换技术引入辅助向量y进行转换,然后重新规划为一个凹问题:
其中
6)设计功率控制算法
由上式可得原问题(P3)的对偶函数和对偶问题,分别为公式(18)和公式(19),
使用子梯度迭代法,更新拉格朗日乘子λ,更新方法如下:
其中[x]+=max[0,x],τn表示迭代步长,t代表迭代次数,
功率向量pd的迭代方法如下:
设计基于分式规划方法的鲁棒功率控制算法求解最优功率分配,其步骤如下:
ⅰ)设置迭代步长τn;
ⅱ)初始化迭代计数t=1,功率初值pd=p0和对偶变量λ=λ0;
ⅳ)使用公式(22)更新pd,使用公式(20)更新λ,更新迭代次数t=t+1;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010001449.5A CN111083668B (zh) | 2020-01-02 | 2020-01-02 | 一种在车联网中基于联盟博弈算法的d2d资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010001449.5A CN111083668B (zh) | 2020-01-02 | 2020-01-02 | 一种在车联网中基于联盟博弈算法的d2d资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111083668A CN111083668A (zh) | 2020-04-28 |
CN111083668B true CN111083668B (zh) | 2021-06-11 |
Family
ID=70322170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010001449.5A Active CN111083668B (zh) | 2020-01-02 | 2020-01-02 | 一种在车联网中基于联盟博弈算法的d2d资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111083668B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112616189B (zh) * | 2020-12-10 | 2022-09-09 | 北京邮电大学 | 一种静态和动态相结合的毫米波波束资源分配与优化方法 |
CN112637813B (zh) * | 2020-12-16 | 2022-09-13 | 温州大学 | 一种基于信道反转的c-v2x动态功率控制方法 |
CN112788563B (zh) * | 2021-01-12 | 2022-10-28 | 华东交通大学 | 轨道交通车车通信中通信模式选择与资源分配方法 |
CN112996071B (zh) * | 2021-03-11 | 2021-12-31 | 北京交通大学 | 一种基于用户业务感知的车辆垂直切换方法及系统 |
CN113346479B (zh) * | 2021-05-18 | 2022-12-13 | 国网吉林省电力有限公司 | 一种基于机会约束的电力系统经济调度方法 |
CN113645700A (zh) * | 2021-07-15 | 2021-11-12 | 中国移动通信集团广东有限公司广州分公司 | 基于深度学习的提升scma系统性能的资源分配方法及装置 |
CN113726463B (zh) * | 2021-08-23 | 2023-11-17 | 山东交通学院 | 一种基于有限状态马尔科夫的宽带无线信道建模方法 |
CN113795013A (zh) * | 2021-09-28 | 2021-12-14 | 山东大学 | 车联网中基于Lyapunov优化的V2V通信资源分配方法 |
CN114245345B (zh) * | 2021-11-25 | 2024-04-19 | 西安电子科技大学 | 面向不完美信道状态信息的车联网功率控制方法及系统 |
CN114245344A (zh) * | 2021-11-25 | 2022-03-25 | 西安电子科技大学 | 一种车联网不确定信道状态信息鲁棒功率控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796991A (zh) * | 2015-04-08 | 2015-07-22 | 南京邮电大学 | 基于势博弈的ofdma系统的资源分配方法 |
CN107426820A (zh) * | 2017-05-27 | 2017-12-01 | 重庆邮电大学 | 一种认知d2d通信系统中多用户博弈提高能效的资源分配方法 |
CN107682838A (zh) * | 2017-11-20 | 2018-02-09 | 哈尔滨工业大学 | 车联网通信联合集中式资源调度和自组织资源分配方法 |
CN107979846A (zh) * | 2017-12-29 | 2018-05-01 | 中国人民解放军陆军工程大学 | 一种情景知觉下的重叠联盟博弈模型及空间自适应算法 |
CN109769257A (zh) * | 2019-01-16 | 2019-05-17 | 重庆邮电大学 | 基于能效的异构网络鲁棒资源分配和时长混合优化方法 |
CN110062017A (zh) * | 2018-01-19 | 2019-07-26 | 华北电力大学 | 一种车联网中基于大数据与联盟博弈方法的内容分发方案 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102984200B (zh) * | 2012-09-13 | 2015-07-15 | 大连理工大学 | 一种适用于稀疏和稠密多种VANETs场景的方法 |
CN107948983B (zh) * | 2017-11-13 | 2019-12-27 | 南京邮电大学 | 一种基于联盟博弈的能量采集小基站资源分配方法 |
CN108495332B (zh) * | 2018-03-28 | 2020-10-13 | 山东大学 | 一种基于蜂窝d2d通信系统的联合资源公平分配方法 |
-
2020
- 2020-01-02 CN CN202010001449.5A patent/CN111083668B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796991A (zh) * | 2015-04-08 | 2015-07-22 | 南京邮电大学 | 基于势博弈的ofdma系统的资源分配方法 |
CN107426820A (zh) * | 2017-05-27 | 2017-12-01 | 重庆邮电大学 | 一种认知d2d通信系统中多用户博弈提高能效的资源分配方法 |
CN107682838A (zh) * | 2017-11-20 | 2018-02-09 | 哈尔滨工业大学 | 车联网通信联合集中式资源调度和自组织资源分配方法 |
CN107979846A (zh) * | 2017-12-29 | 2018-05-01 | 中国人民解放军陆军工程大学 | 一种情景知觉下的重叠联盟博弈模型及空间自适应算法 |
CN110062017A (zh) * | 2018-01-19 | 2019-07-26 | 华北电力大学 | 一种车联网中基于大数据与联盟博弈方法的内容分发方案 |
CN109769257A (zh) * | 2019-01-16 | 2019-05-17 | 重庆邮电大学 | 基于能效的异构网络鲁棒资源分配和时长混合优化方法 |
Non-Patent Citations (4)
Title |
---|
Buffer-Aided Device-to-Device Communication: Opportunities and Challenges;Haoming Zhang;《IEEE Xplore》;20151231;全文 * |
GAME-THEORETIC RESOURCE ALLOCATION METHODS FOR DEVICE-TO-DEVICE COMMUNICATION;LINGYANG SONG;《IEEE Xplore》;20140630;全文 * |
On Optimal Device-to-Device Resource Allocation for Minimizing End-to-End Delay in VANETs;Xianghui Cao;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20161031;全文 * |
基于凸优化理论的D2D通信系统公平性资源分配研究;董亚男;《信息科技辑》;20190930;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111083668A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111083668B (zh) | 一种在车联网中基于联盟博弈算法的d2d资源分配方法 | |
Xu et al. | Deep deterministic policy gradient (DDPG)-based resource allocation scheme for NOMA vehicular communications | |
CN112616189B (zh) | 一种静态和动态相结合的毫米波波束资源分配与优化方法 | |
CN107682838B (zh) | 车联网通信联合集中式资源调度和自组织资源分配方法 | |
Zhong et al. | Traffic matching in 5G ultra-dense networks | |
Qian et al. | Leveraging dynamic stackelberg pricing game for multi-mode spectrum sharing in 5G-VANET | |
CN106160993B (zh) | 一种基于its中d2d通信模型的系统容量扩容方法 | |
Wang et al. | Cell-less communications in 5G vehicular networks based on vehicle-installed access points | |
Liu et al. | Energy-efficient subchannel matching and power allocation in NOMA autonomous driving vehicular networks | |
CN110062017B (zh) | 一种动态变化的车联网场景中的内容分发基站及方法 | |
CN111148069A (zh) | 基于雾计算空地一体化车联网信息传输方法、智慧交通 | |
CN110636523B (zh) | 一种基于q学习的毫米波移动回程链路能量效率稳定方案 | |
Vu et al. | Multi-agent reinforcement learning for channel assignment and power allocation in platoon-based c-v2x systems | |
Zhang et al. | Fuzzy logic-based resource allocation algorithm for V2X communications in 5G cellular networks | |
CN106972898A (zh) | 基于信道预测的车联网数据传输调度方法 | |
CN116456493A (zh) | 一种基于深度强化学习算法的d2d用户资源分配方法及存储介质 | |
Wang et al. | Self-adaptive clustering and load-bandwidth management for uplink enhancement in heterogeneous vehicular networks | |
CN113453358B (zh) | 一种无线携能d2d网络的联合资源分配方法 | |
Gupta et al. | A D2D multicast network architecture for vehicular communications | |
Steinmetz et al. | Communication analysis for centralized intersection crossing coordination | |
Liu et al. | An elastic-segment-based V2V/V2I cooperative strategy for throughput enhancement | |
Dai et al. | Multi-objective intelligent handover in satellite-terrestrial integrated networks | |
Chen et al. | The upper bounds of cellular vehicle-to-vehicle communication latency for platoon-based autonomous driving | |
Sun et al. | Control efficient power allocation of uplink NOMA in UAV-aided vehicular platooning | |
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 |
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 |