CN112616189A - 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 - Google Patents

Abstract

本发明公开了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，属于无线通信领域；针对静态热点地区场景，运用基于匹配理论的分布式多基站多用户协同框架，构建了能够动态感知毫米波基站回程能力和基站内、基站间波束干扰的双边匹配效用函数，在计算复杂度低的前提下实现毫米波多波束的高效分配。利用毫米波波束发射功率的优化策略，推导得到最优发射功率的理论凸上界和凸下界，实现网络吞吐量的最优化；针对动态车辆网络场景，在V2I阶段，提出一种低复杂度的波束选择方案实现基站覆盖范围内的车辆内容初步缓存。在V2V阶段，提出一种基于联盟博弈的收发车辆合作方法，实现差异化内容的高效分发。

Description

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

技术领域

本发明涉及无线通信领域中毫米波波束资源分配技术，具体是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。

背景技术

近年来，智能终端数量的激增和新型业务的不断涌现使得无线通信面临多种挑战，但同时也带来了更大的机遇与更广阔的应用场景。根据ITU-R(InternationalTelecommunication Union-Radiocommunication Sector)项目联盟预测，到2030年，全球移动通信流量将达到每月5zettabytes，个人数据速率将达到100Gbps。然而，仅仅凭借6GHz以下频谱资源已经无法满足新型业务如虚拟现实、增强现实、触觉互联网等对大带宽和高速率的迫切需求。为了应对频谱资源短缺的严峻挑战，毫米波通信被认为是下一代无线通信中的关键技术之一，以60GHz频段为例，每个信道的可用信号带宽高达2GHz，能够支持上千兆的数据速率，在热点覆盖、沉浸交互式体验等方面，有着巨大的应用潜力。

在毫米波静态热点地区场景中，目前的大部分资源分配技术都是基于理想光纤的回程链路架构展开研究，不适用于历史建筑等特殊环境下的通信部署。在最新3GPPR(theThird Generation Partnership Project)16版本中，提出了一种接入回程一体化(Integrated Access and Backhaul，IAB)的新架构，使接入链路和回程链路都能够基于同一网络基础设施进行毫米波通信。目前仅有少数资源分配方法考虑了接入回程一体化的通信架构，然而，这些方法只解决了回程链路容量不受限的理想情况，并没有考虑到实际中毫米波基站回程受限下的分配问题，且没有考虑到多毫米波基站间差异化的回程能力对网络流量负载均衡带来的影响，从而导致资源利用率的提升面临瓶颈。

另一方面，现有的资源分配方法只考虑基站内或基站间的波束干扰情况，缺乏对波束干扰的完备分析，无法适用于毫米波基站和用户均部署多波束的热点场景。与此同时，现有方法仅面向静态的资源分配，无法通过动态感知波束间干扰对网络性能的影响来实现毫米波波束资源的灵活分配，严重制约网络性能的提升。

进一步，从用户移动性角度出发，路面行驶的车辆与其他车辆、基站间的毫米波可靠通信也是当下迫切需要解决的问题之一。毫米波频段下的大带宽为车辆通信系统提供了获得更高数据速率的手段。高速的数据传输可用于交换原始的传感器数据或娱乐资讯应用，以改善车上的交通安全和效率，以及用户体验，具有广阔的应用前景。针对动态车辆网络，现有方法仅考虑简单的毫米波V2I或毫米波V2V传输模式下的资源分配，尚未考虑毫米波基站覆盖范围内外的通信链路联合优化。此外，现有方法未基于车辆差异化的内容需求做出毫米波波束资源的动态调整。从提高计算效率的角度出发，现有集中式资源分配算法存在计算复杂度高的缺点，无法适用于网络拓扑结构高动态变化的车辆网络。

为了克服传统集中式方法引起的计算量过大的难题，实现毫米波多基站多用户场景下的高效波束资源分配，使用分布式资源分配方法、使毫米波基站和用户拥有快速独立决策的能力，是一种较为有效的方法。然而，现有的分布式资源分配方法所应用的通信场景较为受限，无法适配于静态和动态结合的毫米波通信场景，也无法灵活消除毫米波波束间干扰，满足多用户差异化的内容需求。

对于现有的毫米波资源分配技术，存在以下五个方面的提升空间：

第一，针对静态热点地区场景，目前大部分资源分配方案只考虑理想光纤回程部署，未考虑存在光纤部署的地理局限性。尚未考虑无线回程的通信架构，也无法解决毫米波基站在回程链路容量受限下的分配问题。

第二，未充分考虑多毫米波基站间差异化的回程能力对回程、接入链路之间的流量负载平衡的影响，导致2种情况：1)当毫米波基站的回程能力远大于该基站当前所有接入链路的数据速率的总和时，会造成回程频谱资源的浪费，资源利用率低；2)针对接入链路质量好的毫米波基站，回程能力差将无法满足当前接入用户的数据速率需求，造成流量超载问题。因此，失败的接入链路数量增加，进一步导致网络空间复用增益和网络吞吐量的下降。

第三，在毫米波多波束传输场景下，未对基站内及基站间的波束干扰进行完备建模与分析，尤其当毫米波基站和用户分布较为密集时，波束间干扰更为明显。

第四，针对动态车辆网络，现有方法仅优化毫米波V2I或V2V模式下的毫米波资源分配，尚未考虑毫米波基站覆盖范围内外的通信链路联合优化。此外，无法满足车辆差异化的内容需求。从计算效率角度出发，现有集中式资源分配算法存在计算复杂度高的缺点，无法适用于网络拓扑结构高动态变化的车辆网络。

第五，传统的集中式资源分配算法存在计算量大、复杂度高的问题，导致实际计算效率低下。

然而，在静态热点地区场景中，现有的资源分配方法仅针对回程链路容量不受限的理想情况，并没有解决实际中毫米波基站回程受限下的分配问题，且没有考虑多毫米波基站间差异化的回程能力。同时，当毫米波基站和用户分布较为密集时，多波束间干扰严重将导致网络性能增益的下降，但是现有的资源分配方法仅考虑毫米波基站内或基站间的波束干扰情况，缺乏针对毫米波多波束干扰的完备分析；

进一步，在动态车辆网络中，现有的毫米波资源分配方法仅单独考虑V2I(Vehicleto Infrastructure)或V2V(Vehicle to Vehicle)传输，尚未实现内容分发传输的端到端优化，同时也无法满足车辆差异化的内容需求；此外，传统的集中式资源分配算法存在计算复杂度高的缺点，不能够应对多波束多用户干扰消除带来的庞大计算量，实际应用扩展性不高。

发明内容

针对上述问题，本发明分别针对静态热点地区和高动态车辆网络两种实际场景，提出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，是一种面向新型大带宽业务的系统级的毫米波资源分配与优化方法，保证虚拟现实、增强现实等大带宽新型业务的成功传输。

所述的毫米波波束资源分配与优化方法，具体步骤如下：

步骤一、针对某用户i，判断该用户的移动速度是否小于速度阈值η_v，如果是，则转入步骤二，归类到静态场景处理；否则，用户位于车辆内，进入步骤九，归类到动态场景处理。

步骤二、构建两层毫米波异构蜂窝网络的下行传输场景；

场景中包括：M个毫米波小区基站，用集合

表示，且每个小区基站具备缓存能力。各个毫米波小区基站通过回程链路连接到宏基站0，通过接入链路连接到I个用户，表示为用户集合

步骤三、针对当前次迭代，计算用户i与基站m的有效天线增益、基站内干扰和基站间干扰，并上报给基站m；

基站m到用户i的有效天线增益，表示为：

为基站发射天线的主瓣增益，

为用户接收天线的主瓣增益。

基站内干扰增益表示为：

表示发射波束

和

主瓣间的重叠角度，

θ^t表示基站发射天线的主瓣波束宽度；

表示发射波束

相对基准方向m→i的偏移角度，

表示发射波束

相对基准方向m→i的偏移角度；

为基站发射天线的旁瓣增益。

基站间干扰增益

表示为：

为干扰发射波束

相对于基准方向m′→i的波束偏移角度；

为参考接收波束

相对于基准方向m′→i的波束偏移角度。

步骤四、利用有效天线增益、基站内干扰和基站间干扰，计算毫米波小区基站m和用户i接入链路的传输速率，进而分别构建各自的匹配效用函数U_m(i)和U_i(m)；

首先，利用基站内干扰和基站间干扰计算基站m到用户i的信干噪比γ_m,i；

P_m,i代表基站m发射给用户i的发射功率；h_m,i为基站m到用户i的小尺度阴影衰落的增益；L_m,i指基站m到用户i的大尺度路径损耗增益。

指发射波束

对发射波束

造成的基站内干扰增益。

指干扰发射波束

对参考接收波束

造成的基站间干扰增益。h_m',i指干扰发射基站m'到参考接收用户i的小尺度阴影衰落增益。L_m',i指干扰发射基站m'到参考接收用户i的大尺度路径损耗增益；

是L_m',i的倒数。P_N指加性高斯白噪声功率。

然后，利用信干噪比γ_m,i计算基站m到用户i的接入链路的传输速率，表示为：

R_m,i＝B_alog₂(1+γ_m,i)；

B_a表示接入链路的带宽。

最后，利用接入链路的传输速率计算用户i的效用函数U_i(m)和基站m的效用函数U_m(i)；

用户i的效用函数U_i(m)表示为：

其中，τ为回程占用率的权重因子，且τ≥0；R_m为宏基站0到毫米波小区基站m的传输速率。

基站m的效用函数U_m(i)如下：

ω₁为干扰项的权重因子，ω₂为回程占用率的权重因子，且ω₁≥0，ω₂≥0；I_m,i为用户i对其他用户造成的总干扰；c_m,v(i)表示用户i当前的申请内容。

步骤五、构建基站m和每个用户的匹配效用函数，形成基站m的匹配偏好列表List_m；构建用户i和每个基站的匹配效用函数，形成用户i的匹配偏好列表List_i。

列表List_m中存储的是按效用函数从大到小排列的各用户序号；列表List_i中存储的是按效用函数从大到小排列的各基站序号。

同理，对每个基站都能得到各基站的匹配偏好列表，对每个用户也能得到各用户的匹配偏好列表。

步骤六、根据每个基站和每个用户的匹配偏好列表对多基站-多用户进行匹配，得到基站-用户协同矩阵X，建立下行通信连接。

具体匹配过程如下：

首先，针对未完全连接的用户i，向匹配偏好列表List_i中效用函数值最高的小区基站m发送接入请求

并将该基站m的序号从列表List_i中清除。

同理，每个未完全连接的用户都从各自的匹配偏好列表List_i中选择效用函数值最高的小区基站发送请求操作；

然后，基站m将它的所有请求用户加入集合

判断集合

中的用户数量是否小于等于基站m的配额Q_m，如果是，基站m接受集合

中所有的用户请求；否则，基站m只接受Q_m个函数值最高的用户并且拒绝其他申请用户；

被拒绝的用户仍属于未完全连接，重复上述过程，继续进行下一轮迭代，直至最终不存在用户被拒绝时，匹配过程结束，得到最终优化的基站-用户协同矩阵X。

步骤七、基于基站-用户连接状态，基于凸优化理论优化基站的毫米波波束发射功率，生成当前次迭代的发射功率最优解。

首先，构建基站的毫米波波束发射功率的资源分配模型：

x_m,i为基站-用户协同变量，x_m,i∈X；X指基站-用户协同优化矩阵，表征基站和用户是否建立通信连接；矩阵X的维度为M*I。

P指发射功率优化矩阵，表征基站的发射波束到用户的发射功率大小；矩阵P的维度为M*I；发射功率变量P_m,i∈P。

p_f指内容f的申请概率，且服从Zipf分布，即

其中δ代表文件f的流行度指数。c_m,f为内容f的缓存变量，且c_m,f∈{1,0}，代表基站m对是否缓存内容f。

其中，约束条件C1保证每个波束的发射功率非负值，且每个基站的总发射功率不超过功率最大值P^max；

约束条件C2保证每个基站传输未缓存内容占用的回程容量不超过该基站的回程链路能力；

约束条件C3保证用户i的接入速率不小于最低速率需求

然后，利用连续凸逼近求解法，计算得到频谱效率r_m,i的凸上界和凸下界。

具体过程如下：

a)、利用用户i与基站m的有效天线增益、基站内干扰和基站间干扰，计算中间函数：

是指发射波束

受到的基站内干扰和基站间干扰的总和；

是基站m到用户i的接收功率和

的总和；

b)、然后利用两中间函数相减，计算频谱效率r_m,i；

c)、分别利用泰勒展开公式和对数函数性质对两个函数进行凸逼近处理。

具体为：

对函数

利用泰勒展开公式近似为一阶泰勒函数的形式：

对函数

利用对数函数性质

近似为：

d)、基于上述两个函数的凸逼近处理结果，得到频谱效率r_m,i的凸上界

表示为：

相反地，将上述两个函数分别利用对数函数性质和泰勒展开的操作逼近，得到r_m,i的凸下界，表示为：

最后，利用边界在t∈{1,...,T}的时间内迭代生成发射功率的最优解序列{P^(t)}；

步骤八、基于当前次迭代的基站-用户协同矩阵X和发射功率计算网络吞吐量，并判断当前次迭代的网络吞吐量与前一次迭代的网络吞吐量的差值是否小于收敛阈值，如果是，即网络吞吐量收敛，当前次迭代的基站-用户协同矩阵和发射功率作为最优解，毫米波基站进行下行传输直到所有数据传输完毕；否则，返回步骤三重新运行下一次迭代。

步骤九、构建动态车辆网络的内容分发传输场景。

场景中包括：N个车辆随机分布在长度为L的双车道上，各个车辆以不同的速度朝同一方向行驶，车辆集合

且车辆具备缓存能力，并遵从FMM移动模型。

内容分发过程可以分为两个阶段：V2I阶段和V2V阶段。

在V2I阶段，车辆处于毫米波基站的覆盖范围内，接收到流行内容的部分片段；每个基站最多支持Q₀个波束同时传输。

在V2V阶段，车辆在毫米波小区覆盖范围外，车辆间通过合作来进行内容共享，从而获取尽可能多的剩余所需内容片段；每个车辆最多支持Q_v个波束同时传输，或支持单个毫米波接收波束。

流行内容集合为

将各个内容切分为大小为s比特的单位内容片段，则内容c的大小表示为sD_c比特，其中D_c表示单位内容片段的个数。

步骤十、判断车辆是否在基站覆盖范围内，如果是，转到步骤十一；否则，转到步骤十三。

步骤十一：计算车辆i与毫米波小区基站m的信道状态，并上报给毫米波小区基站m；

信道状态包括有效天线增益和基站内干扰；

步骤十二：在V2I阶段每个调度时隙T_t下，每个基站挑选各自的最优车辆来传输下行数据，进入步骤十七。

具体过程为：

首先，在V2I阶段，计算车辆i接收到基站m的功率为：

其中，

为基站m发射给车辆i的发射功率。

然后，同理计算基站m接收到覆盖范围内所有车辆的接收功率，并按功率从大到小对各候选车辆进行排序，选择与前Q₀个车辆进行连接；

最后，在当前调度时隙T_t内，遍历所有已连接车辆，找到传输速率最高的已连接车辆i。判断当前未连接车辆i′替换掉车辆i后的网络吞吐量是否增加，如果是，将车辆i′替换掉车辆i，否则，将当前未连接车辆i′丢弃，继续进行下一个未连接车辆的替换工作。

依次将所有未连接车辆均替换完毕后，完成基站m的所有最优连接车辆选择。

步骤十三：每个调度时隙T_t下，确定与各基站连接的车辆作为内容发送车辆，将未连接的车辆作为接收车辆；

步骤十四：利用每个接收车辆和每个内容发送车辆形成的链路，计算各链路的实际接收内容数量；

具体步骤为：

步骤1401，针对发送车辆i和接收车辆j形成的链路l_i,j，计算有效天线增益G_i,j；

步骤1402，计算当前链路l_i,j受到来自于同时传输内容的其他链路l_i',j'的干扰I_i,j，表示为:

P^t为车辆发射波束的功率；h_i',j为干扰发送车辆i'到参考接收车辆j链路的小尺度阴影衰落；L_i',j为干扰发送车辆i'到参考接收车辆j链路的大尺度路径损耗；

为V2V链路间干扰增益，表示为：

为基站接收天线的旁瓣增益；

为干扰发射波束

相对于基准方向i′→j的波束偏移角度；

为参考接收波束

相对于基准方向i′→j的波束偏移角度。

步骤1403，利用V2V链路间干扰计算发送车辆i和接收车辆j的信干噪比，进一步计算接入链路l_i,j的传输速率R_i,j；

步骤1404，利用接入链路l_i,j的传输速率R_i,j，计算链路l_i,j的实际可传输内容片段数量

t_s指链路相关通信时间，即车辆收发波束从对准到失去对准的时间；s为每个单位内容片段的比特大小。

步骤1405，计算链路l_i,j的命中内容片段数量

为发送车辆i的缓存内容片段集合，

为接收车辆j的申请内容集合；

步骤1406，通过链路l_i,j的实际可传输内容片段数量

和命中内容片段数量

计算链路l_i,j的实际接收内容数量；

步骤十五：利用每个链路的实际接收内容数量计算车辆间联盟合作和车辆个体的效用函数。

联盟合作的效用函数为联盟收益函数和开销函数的差值；具体如下：

联盟收益函数为联盟S中所有链路l_i,j实际接收到的内容数量，计算公式为：

开销函数与联盟中V2V链路数成正比，计算公式为：

|S|-1为联盟S中的链路总数，其中β为常数。

个体效用函数

的计算公式如下：

其中，δ是略大于1的常数；

表示发送内容的车辆集合；

表示接收内容的车辆集合。

步骤十六：将每个发送车辆和每个内容接收车辆，根据联盟合作和车辆个体的效用函数实现车辆间联盟，建立V2V链路实现内容分发。

具体联盟过程如下：

首先，随机划分收发车辆，构建初始联盟组合

并且初始化当前联盟组合

和初始化迭代指示变量iter＝0；

然后，针对发送车辆i，找到当前所属联盟

以及随机选择当前联盟组合中的其他新联盟

S_m≠S_k。

判断车辆i相对于旧联盟S_k，是否更偏好选择新联盟S_m，即是否满足

如果是，即车辆i离开旧联盟S_k并加入新联盟S_m，同时更新联盟组合；否则，车辆i继续选择当前联盟组合中的其他联盟进行判断，直到车辆i找到偏好的新联盟或者当前联盟中的所有其他联盟都不被偏好，车辆i的联盟过程终止，继续下一个车辆进行联盟选择。

的计算公式为：

指车辆i在加入新联盟S_m后可获得的个体效用值；

指车辆i还在旧联盟S_k中可以获得的个体效用。U(S_m∪{i})指车辆i在加入新联盟S_m后，联盟S_m可获得的联盟效用值；U(S_k\{i})指车辆i还在旧联盟S_k中时，联盟S_k可获得的联盟效用值。

联盟组合的更新公式为：

最后，判断更新的联盟组合

是否收敛于纳什均衡

如果是，得到最优的车辆联盟结构；否则，选择下一个发送车辆重复上述过程，直至满足联盟组合的要求。

步骤十七：每个传输时隙T_t执行V2I或V2V的毫米波波束资源联合优化，直到数据传输完毕或者达到调度周期T_s＝NT_t。

步骤十八、利用静态场景下基站-用户协同和发射功率的最优结果，或动态场景下车辆联盟的最优结果，实现静态和动态相结合的毫米波波束资源分配。

本发明的优点在于：

1)、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，与现有技术相比，重点解决了静态和动态场景下的毫米波波束资源分配效率低的瓶颈难题，保证新型业务的成功传输，因此有着巨大的应用潜力和实际意义。

2)、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，针对静态热点地区场景，重点解决了毫米波基站差异化回程能力无法感知、波束干扰分析不完备、系统计算复杂度高这几个核心难题。

3)、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，针对多基站多用户的协同构建了基于匹配理论的分布式框架，能够在保证低复杂度的前提下缓解回程链路压力、消除波束间干扰，从而提升网络吞吐量。

4)、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，构建了能够动态感知毫米波基站回程能力和波束间干扰的双边匹配效用函数，实现毫米波多波束的高效分配。

5)、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，基于凸优化理论推导得到最优发射功率的理论凸上界和凸下界，从而实现网络总体性能的最优化。

6)、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，针对动态车辆网络场景，在V2I阶段，提出一种低复杂度的波束选择方案实现基站覆盖范围内的车辆内容初步缓存。在V2V阶段，提出一种基于联盟博弈的收发车辆合作方法，能够实现车辆联盟和车辆个体效用的双重保证，实现差异化内容的高效分发。

附图说明

图1为本发明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流程图；

图2为本发明构建的两层毫米波异构蜂窝网络的下行传输场景示意图；

图3a为本发明基站内干扰上报给基站的示意图；

图3b为本发明基站间干扰上报给基站的示意图；

图4为本发明利用接入链路的传输速率计算用户的效用函数和基站的效用函数示意图；

图5为本发明构建动态车辆网络的内容分发传输场景示意图；

图6a为本发明毫米波V2V通信链路中波束对准(有效通信链路)示意图；

图6b为本发明毫米波V2V通信链路中波束未完全对准(邻近干扰链路)示意图；

图7为本发明毫米波V2V通信链路相关时间示意图；

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图对本发明作进一步的详细和深入描述。

本发明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，针对静态热点地区场景，运用基于匹配理论的分布式多基站多用户协同框架，构建了能够动态感知毫米波基站回程能力和基站内、基站间波束干扰的双边匹配效用函数，在计算复杂度低的前提下实现毫米波多波束的高效分配。利用毫米波波束发射功率的优化策略，推导得到最优发射功率的理论凸上界和凸下界，实现网络吞吐量的最优化；针对动态车辆网络场景，在V2I阶段，提出一种低复杂度的波束选择方案实现基站覆盖范围内的车辆内容初步缓存。在V2V阶段，提出一种基于联盟博弈的收发车辆合作方法，实现差异化内容的高效分发。

针对静态热点地区场景，本发明优化两种不同维度的毫米波波束资源，包括基于匹配理论的分布式多基站-多用户协同决策，主要负责波束的空间维度分配，以及发射功率优化决策，主要负责波束的能量维度分配；针对动态车辆网络场景，在V2I和V2V进行毫米波波束分配优化，并分别提出一种V2I阶段的内容分发车辆选择算法和一种基于联盟博弈的收发车辆合作方法，实现毫米波波束的高效分发。

如图1所示，具体步骤如下：

步骤一、针对某用户i，判断该用户的移动速度是否小于速度阈值η_v，如果是，则转入步骤二，归类到静态场景处理；否则，用户位于车辆内，进入步骤九，归类到动态场景处理。

步骤二、构建两层毫米波异构蜂窝网络的下行传输场景；

如图2所示，场景中密集部署M个毫米波小区基站，用集合

表示，且每个小区基站具备缓存能力。各个毫米波小区基站通过回程链路连接到宏基站0，通过接入链路连接到I个用户，表示为用户集合

特别地，接入链路和回程链路工作在不同毫米波频段(带宽分别为B_a和B_b)来避免接入链路和回程链路的相互干扰。宏基站0与核心网络之间通过有线光纤连接。在每个毫米波小区基站中，随机且均匀分布用户。

步骤三、针对当前次迭代，计算用户i与基站m的有效天线增益、基站内干扰和基站间干扰，并上报给基站m；

首先分析毫米波通信模型，为保证有效的数据传输，毫米波通信均采用定向天线，且采用扇形天线模型。设每个毫米波小区基站的天线都具有相同的波束模型

包括发射天线的主瓣增益

旁瓣增益

和主瓣波束宽度θ^t。同理，

代表每个用户的波束模型，包括接收天线的主瓣增益

旁瓣增益

和主瓣波束宽度θ^r。因此，基站m到用户i的有效天线增益，表示为：

为基站发射天线的主瓣增益，

为用户接收天线的主瓣增益。

针对波束干扰问题，本发明对多波束并行传输过程中的基站内干扰和基站间干扰两种情况进行建模，相较于现有大部分技术方法仅考虑其中一种干扰的情况，本发明对毫米波波束干扰进行完备的数学分析，如图3所示。

一方面，基站内干扰增益由不同发射波束主瓣间的相互交叠引起，表示为：

表示发射波束

和

主瓣间的重叠角度，

θ^t表示基站发射天线的主瓣波束宽度；

表示发射波束

相对基准方向m→i的偏移角度，

表示发射波束

相对基准方向m→i的偏移角度；

为基站发射天线的旁瓣增益。

另一方面，用户i接收来自其他基站的基站间干扰，其中干扰发射波束

和参考接收波束

分别指向对方的主瓣或旁瓣，因此基站间干扰增益

表示为：

为干扰发射波束

相对于基准方向m′→i的波束偏移角度；

为参考接收波束

相对于基准方向m′→i的波束偏移角度。

步骤四、利用有效天线增益、基站内干扰和基站间干扰，计算毫米波小区基站m和用户i接入链路的传输速率，进而分别构建各自的匹配效用函数U_m(i)和U_i(m)；

针对毫米波信道传输，基站m到用户i的大规模路径衰落增益可表示为：

其中，

为视距链路(line-of-sigh，LoS)的路损大小，

为视距链路(line-of-sigh，LoS)的通信概率；非视距链路(non-line-of-sigh，LoS)同理，且

基站m到用户i的小尺度阴影衰落的增益表示为h_m,i，且h_m,i是一个服从均值为一的指数分布的随机变量。P_m,i代表基站m发射给用户i的发射功率，噪声N₀为高斯白噪声，毫米波总带宽为B，可得到噪声总功率为P_N＝BN₀。由香农公式，基站m和用户i的接入链路的传输速率可表示为：

R_m,i＝B_alog₂(1+γ_m,i) (3)

B_a表示接入链路的带宽。γ_m,i为基站m到用户i的信干噪比；

G_m,i指基站m到用户i的有效天线增益。

是路径损耗增益L_m,i的倒数。P_m,i′指基站m发射给用户i′的发射功率。

指发射波束

对发射波束

造成的基站内干扰增益。P_m′,i′指基站m′发射给用户i′的发射功率。

指干扰发射波束

对参考接收波束

造成的基站间干扰增益。h_m',i指干扰发射基站m'到参考接收用户i的小尺度阴影衰落增益。L_m',i指干扰发射基站m'到参考接收用户i的大尺度路径损耗增益；

是L_m',i的倒数。P_N指加性高斯白噪声功率。

式(4)的分子代表用户i的接收功率；分母三项依次为用户i受到的基站内干扰、基站间干扰和加性高斯白噪声(AWGN)功率。

同理，将回程链路的带宽B_b均匀分配给M个毫米波小区基站，则可以得到宏基站0到毫米波小区基站m的传输速率R_m。

最后，利用接入链路的传输速率计算用户i的效用函数U_i(m)和基站m的效用函数U_m(i)；

如图4所示，对每个用户i，在与基站协同时需要考虑接入链路质量和回程链路能力的折中问题：即与最高传输速率的基站协同，还是与最大回程能力的基站协同。基于此，定义候选接入链路m→i对基站m的回程占用率为

代表该接入链路对当前基站带来的回程压力。因此，用户i的效用函数U_i(m)表示为：

其中，τ为回程占用率的权重因子，且τ≥0；R_m为宏基站0到毫米波小区基站m的传输速率。

对每个基站m，需要综合考虑协同用户i的接入速率以及用户i对网络中其他用户造成的潜在干扰。此外，对回程链路，U_m(i)通过感知基站差异化的回程能力来优化回程资源利用率。因此，基站m的效用函数U_m(i)如下：

ω₁为干扰项的权重因子，ω₂为回程占用率的权重因子，且ω₁≥0，ω₂≥0；I_m,i为用户i对其他用户造成的总干扰

c_m,v(i)表示用户i当前的申请内容。若c_m,v(i)＝1，则公式(7)中等式右边第三项变为0，表示该候选接入链路m→i不会对基站m造成回程压力；反之c_m,v(i)＝0，权重项

表示该接入链路m→i占用回程资源所受到的效用惩罚。

步骤五、构建基站m和每个用户的匹配效用函数，形成基站m的匹配偏好列表List_m；构建用户i和每个基站的匹配效用函数，形成用户i的匹配偏好列表List_i。

列表List_m中存储的是按效用函数从大到小排列的各用户序号；列表List_i中存储的是按效用函数从大到小排列的各基站序号。

同理，对每个基站都能得到各基站的匹配偏好列表，对每个用户也能得到各用户的匹配偏好列表。

如果用户i相较于小区基站m更偏好小区基站m′，则该匹配偏好关系可表示为

相似地，基站m关于用户集合

的匹配偏好关系可表示为

步骤六、根据每个基站和每个用户的匹配偏好列表对多基站-多用户进行匹配，得到基站-用户协同矩阵X，建立下行通信连接。

具体匹配过程如下：

首先，针对未完全连接的用户i，向匹配偏好列表List_i中效用函数值最高的小区基站m发送接入请求

并将该基站m的序号从列表List_i中清除。

同理，每个未完全连接的用户都从各自的匹配偏好列表List_i中选择效用函数值最高的小区基站发送请求操作；

然后，基站m将它的所有请求用户加入集合

判断集合

中的用户数量是否小于等于基站m的配额Q_m，如果是，基站m接受集合

中所有的用户请求；否则，基站m只接受Q_m个函数值最高的用户并且拒绝其他申请用户；

被拒绝的用户仍属于未完全连接，重复上述过程，继续进行下一轮迭代，直至最终不存在用户被拒绝时，匹配过程结束，得到最终优化的基站-用户协同矩阵X。

极端情况：用户一直申请、却一直被拒绝。考虑到用户i申请一个基站就删除List_i中对应的该基站序号，直到List_i变空，则用户i停止申请、不再参与循环，同时用户i未与任何基站连接。这种情况因为基站有配额限制Q_m，发射波束有限，竞争失败的用户得不到与基站通信的机会。

步骤七、基于基站-用户连接状态，基于凸优化理论优化基站的毫米波波束发射功率，生成当前次迭代的发射功率最优解。

接下来建立毫米波小区基站侧的缓存模型，考虑到虚拟现实等新型业务对高速率的需求，本发明引入缓存模型来有效缓解毫米波小区基站的回程压力。

假设用户从内容库

中请求高清视频、文件等内容，小区基站m具有缓存能力S_m(1＜S_m＜F)。当用户i申请一个内容时，如果基站m已经缓存了该内容，则可以直接通过接入链路快速获取内容；否则，该内容从核心网通过回程链路传输给基站m，再由基站m通过接入链路传输给用户i。设每个内容f的申请概率p_f服从Zipf分布，即

其中δ代表文件f的流行度指数。令

代表基站m对内容f的缓存变量，且c_m,f∈{1,0}，代表基站m对是否缓存内容f；则基站m的缓存命中概率可表示为

特别地，本发明考虑基站无法先验探知缓存内容流行度的最差情况，因此采用随机缓存策略。

针对高流量密度热点地区的容量提升瓶颈难题，有着巨大的应用潜力和实际意义。目标是通过联合优化多基站多用户协同策略和多波束发射功率来最大化网络吞吐量，资源分配问题可用数学表示为：

x_m,i为基站-用户协同变量，x_m,i∈X；X指基站-用户协同优化矩阵，表征基站和用户是否建立通信连接；矩阵X的维度为M*I。

P指发射功率优化矩阵，表征基站的发射波束到用户的发射功率大小；矩阵P的维度为M*I；发射功率变量P_m,i∈P。

其中，约束条件C1保证每个波束的发射功率非负值，且每个基站的总发射功率不超过功率最大值P^max；

约束条件C2保证每个基站传输未缓存内容占用的回程容量不超过该基站的回程链路能力；

约束条件C3保证用户i的接入速率不小于最低速率需求

然后，由于接入带宽B_a为常数，利用连续凸逼近求解法，对频谱效率r_m,i＝R_m,i/B_a进行讨论，得到频谱效率r_m,i的凸上界和凸下界。

通过连续凸逼近方法将复杂非凸的功率优化问题转化为凸问题，得到最优发射功率的理论凸上界和凸下界，并证明所求解理论可收敛。

具体过程如下：

a)、利用用户i与基站m的有效天线增益、基站内干扰和基站间干扰，计算中间函数：

是指发射波束

受到的基站内干扰和基站间干扰的总和；

是基站m到用户i的接收功率和

的和；

b)、然后利用两中间函数简单的代数运算，计算频谱效率r_m,i；

c)、分别利用泰勒展开公式和对数函数性质对两个函数进行凸逼近处理。

具体为：

对函数

考虑到当x＞0时的对数函数log(x)为凸函数，利用泰勒展开公式近似为一阶泰勒函数的形式：

对函数

利用对数函数性质

近似为：

d)、基于上述两个函数的凸逼近处理结果，得到频谱效率r_m,i的凸上界

表示为：

相反地，将上述两个函数分别利用对数函数性质和泰勒展开的操作逼近，得到r_m,i的凸下界，表示为：

最后，利用边界在t∈{1,…,T}的时间内迭代生成发射功率的最优解序列{P^(t)}；

通过将凸边界

和

带入问题P1，则问题P1可进一步转化为以下形式：

因此，非凸问题P1的求解问题可以转化为最大化凸问题P2的下界，得到以下结论：对问题P2的一个初始可行点{P⁽⁰⁾}，在t∈{,1,..T}的时间内迭代生成问题P2的最优解序列{P^(t)}，则{P^(t)}最终会收敛到KKT(Karush–Kuhn–Tucker conditions)点。

证明：设P^(t)和P^(t+1)为问题P2的可行点，且有

即P^(t+1)是优于P^(t)的可行点。由于解序列{P^(t)}是有界的，根据柯西定理，存在子序列

收敛到有限点

，即

因此，对每个时间t都存在ν使得以下条件成立：

因此，可证明

则

为一个KKP点。

步骤八、基于当前次迭代的基站-用户协同矩阵X和发射功率计算网络吞吐量，并判断当前次迭代的网络吞吐量与前一次迭代的网络吞吐量的差值是否小于收敛阈值，如果是，即网络吞吐量收敛，当前次迭代的基站-用户协同矩阵和发射功率作为最优解，毫米波基站进行下行传输直到所有数据传输完毕；否则，返回步骤三重新运行下一次迭代。

首先，初始化毫米波小区基站侧的波束发射功率P_m,i为基站最大发射功率的平均值P^max/Q_m，得到用户协同矩阵X⁽⁰⁾的初始值。进一步，通过功率优化策略得到最优发射功率解P^*；基于P^*更新基站侧和用户侧的匹配偏好列表List_m和List_i。其中，匹配偏好列表List_m基于最新的接入链路速率

对所有候选用户的效用值进行降序排列，匹配偏好列表List_i同理。根据更新的匹配偏好列表，得到最新匹配结果。最后迭代至收敛为止。

步骤九、构建动态车辆网络的内容分发传输场景。

如图5所示，首先建立面向动态车辆网络的系统模型，包括车辆移动模型、毫米波信道模型和内容分发计算。

场景中包括：N个车辆随机分布在长度为L的双车道高速公路路段上，各个车辆以不同的速度朝同一方向行驶，车辆集合

且车辆具备缓存能力，并遵从FMM移动模型。

内容分发过程可以分为两个阶段：V2I阶段和V2V阶段。

在V2I阶段，车辆处于毫米波基站的覆盖范围内，接收到流行内容的部分片段；考虑到天线阵列等硬件设备限制，每个基站最多支持Q₀个波束同时传输。

在V2V阶段，毫米波V2V通信链路如图6所示，图6(a)和图6(b)分别表示和波束对准(有效通信链路)和波束未完全对准(邻近干扰链路)的情况。

车辆在毫米波小区覆盖范围外，车辆间通过合作来进行内容共享，从而获取尽可能多的剩余所需内容片段；每个车辆采用半双工模式通信，最多支持Q_v个波束同时传输，或支持单个毫米波接收波束。

此外，假设流行内容集合为

考虑到差异化的业务需求，不同内容的大小不同，若将各个内容切分为大小为s比特的单位内容片段，则内容c的大小可表示为sD_c比特，其中D_c表示单位内容片段的个数。

本发明考虑双车道无交叉口的高速公路机动模型(freeway mobility model，FMM)。所有车辆初始随机分布在车道上，并以初始速度v_i行驶。对于同一车道上的相邻两辆车，限制车辆间距离范围为[d_min,d_max]，其中为d_min最小安全距离，d_max为最大间隔距离。对每辆车

限制速度范围为[v_min,v_max]。每个车辆的速度选择是独立的，在每个时隙下基于加速度a以概率p随机选择加速或减速。为了保证车辆行驶的安全，本文暂不考虑车辆超车的情况。因此，为防止超车行为的发生，对于同一车道上的车辆i和j，给出车辆i的行为约束条件如下：

1)若d_i,j≤d_min，车辆i减速至v_i(t+1)＝v_min；

2)若d_i,j≥d_min，车辆i加速至v_i(t+1)＝v_max。

步骤十、判断车辆是否在基站覆盖范围内，如果是，转到步骤十一；否则，转到步骤十三。

步骤十一：计算车辆i与毫米波小区基站m的信道状态，并上报给毫米波小区基站m；

信道状态包括有效天线增益和基站内干扰；

步骤十二：在V2I阶段每个调度时隙T_t下，每个基站挑选各自的最优车辆来传输下行数据，进入步骤十七。

具体过程为：

首先，在V2I阶段，计算车辆i接收到基站m的功率为：

其中，

为基站m发射给车辆i的发射功率。

然后，同理计算基站m接收到覆盖范围内所有车辆的接收功率，并按功率从大到小对各候选车辆进行排序，选择与前Q₀个车辆进行连接；

最后，在当前调度时隙T_t内，遍历所有已连接车辆，找到传输速率最高的已连接车辆i。判断当前未连接车辆i′替换掉车辆i后的网络吞吐量是否增加，如果是，将车辆i′替换掉车辆i，否则，将当前未连接车辆i′丢弃，继续进行下一个未连接车辆的替换工作。

依次将所有未连接车辆均替换完毕后，完成基站m的所有最优连接车辆选择。

步骤十三：每个调度时隙T_t下，确定与各基站连接的车辆作为内容发送车辆，将未连接的车辆作为接收车辆；

步骤十四：利用每个接收车辆和每个内容发送车辆形成的链路，计算各链路的实际接收内容数量；

针对毫米波V2V通信链路，本发明采用标准对数距离路径损耗模型。

因此，发送车辆i和接收车辆j间的毫米波V2V链路l_i,j的传输路径损耗L_i,j可表示为：

L_i,j[dB]＝A+20log₁₀(f_c)+10δ_i,jlog(d_i,j)

其中，A代表大气衰减值，f_c代表毫米波通信的中心载频，δ_i,j代表路损指数，d_i,j代表车辆i和j的相对距离。此外，有

为实现车辆通信中内容片段的高效分发，本发明从两个角度衡量内容分发效率：1)V2V链路传输能力，即发端车辆实际能传输多少内容片段给接收车辆；2)命中内容数量，即发端车辆中已缓存有的申请内容数量。

具体步骤为：

步骤1401，针对发送车辆i和接收车辆j形成的链路l_i,j，得到发送车辆i的发射天线增益

和接收车辆j侧的接收天线增益

计算有效天线增益G_i,j；

步骤1402，计算当前链路l_i,j受到来自于同时传输内容的其他链路l_i',j'的干扰I_i,j，表示为:

P^t为车辆发射波束的功率；h_i',j为干扰发送车辆i′到参考接收车辆j链路的小尺度阴影衰落；L_i',j为干扰发送车辆i'到参考接收车辆j链路的大尺度路径损耗；

为V2V链路间干扰增益，表示为：

为基站接收天线的旁瓣增益；

为干扰发射波束

相对于基准方向i′→j的波束偏移角度；

为参考接收波束

相对于基准方向i′→j的波束偏移角度。

步骤1403，利用V2V链路间干扰计算发送车辆i和接收车辆j的信干噪比，进一步计算接入链路l_i,j的传输速率R_i,j；

假设所有车辆发射波束的功率均为P^t代表。因此，可得到接收车辆j的SINR：

同理，针对毫米波基站m和车辆i间V2I链路l_m,i，可以得到内容分发车辆i的SINR为

注意到车辆i受到的干扰I_m,i来自于毫米波基站的其他同时发射波束带来的基站内干扰。

步骤1404，利用接入链路l_i,j的传输速率R_i,j，计算链路l_i,j的实际可传输内容片段数量

t_s指链路相关通信时间，即车辆收发波束从对准到失去对准的时间；s为每个单位内容片段的比特大小。

假设在V2V阶段，每次调度周期时长为T_s＝NT_t，即包含N个传输时隙T_t。每个传输时隙T_t可进一步分为两个阶段：波束对准阶段T_A和数据传输阶段T_d。

对于波束对准阶段T_A，假设每辆车已经完成扇区级对准来有效减少波束搜索时间。因此，链路l_i,j的波束对准时延T_A可表示为

其中，

和

分别表示车辆i和j的扇区级波束宽度，导频表示导频传输时间T_p。综上所述，可以根据香农公式计算出链路l_i,j的吞吐量为

对于数据传输阶段T_d，考虑到车辆的高移动性，V2V链路传输能力不仅取决于链路吞吐量，也取决于当前链路稳定性。因此，接下来讨论链路通信相关时间t_s，即车辆收发波束从对准到失去对准的时间。以图7为例(x_j＞x_i,y_j＞y_i,v_j＞v_i)，A和B是收发车辆i和j的初始位置，C和D是收发波束失去对准的位置，E是假设车辆i和j的相对速度为0的虚拟接收车辆映射位置。则可以得到

其中，长度l_CE可基于下述公式得到：

其中，角度β由收发车辆的相对位置和相对速度所决定。

步骤1405，计算链路l_i,j的命中内容片段数量

考虑到业务差异化需求，内容分发效率也取决于内容片段的多样性。内容片段多样性越高，命中内容片段数量也越大。设

和

分别为发射车辆i的缓存内容片段集合和接收车辆j的申请内容集合，则链路l_i,j的命中内容片段数量可定义为：

步骤1406，通过链路l_i,j的实际可传输内容片段数量

和命中内容片段数量

计算链路l_i,j的实际接收内容数量；

步骤十五：利用每个链路的实际接收内容数量计算车辆间联盟合作和车辆个体的效用函数。

联盟合作同时存在收益和开销，因此联盟S的效用函数可表示为U(S)＝V(S)-C(S)。具体如下：

一方面，为最优化网络整体收益，将一个联盟的收益函数定义为所有链路l_i,j实际接收到的内容数量，计算公式为：

另一方面，尽管车辆间通过合作可以提升网络整体收益，但是这些收益可能被建立和维持联盟的开销所削减。具体地，为了建立一条新的链路，车辆会承受一定的能耗损失，同时为其他V2V通信链路带来干扰。因此，有必要建立开销函数，联盟内车辆开销的总和形成了联盟的开销。考虑到联盟S中的链路总数为|S|-1，其中|S|为联盟内的车辆数，β为常数，则开销函数可表示为：

其次，设计联盟内每个成员车辆的个体效用函数。在车辆间的联盟博弈中，用u_i表示车辆的个体效用。如果车辆能够通过联盟获得比独自行动更多的效用，即u_i≥u({i}),

这个博弈结果就是个体理性(individually rational)的。考虑到每个接收车辆希望尽可能接收到多的有效内容片段，定义车辆个体效用

为：

其中，δ是略大于1的常数；对于发射车辆

来说，不合作时的效用是

合作时的效用

意味着在联盟中能够获得比单独行动更多的效用；对于接收车辆来说，不合作时无内容接收，则获得的效用为0，在加入一个联盟后，给予效用

因此接收车辆在联盟中能够获得比单独行动更多的效用。

步骤十六：将每个发送车辆和每个内容接收车辆，根据联盟合作和车辆个体的效用函数实现车辆间联盟，建立V2V链路实现内容分发。

具体联盟过程如下：

首先，随机划分收发车辆，构建初始联盟组合

并且初始化当前联盟组合

和初始化迭代指示变量iter＝0；

然后，针对发送车辆i，找到当前所属联盟

以及随机选择当前联盟组合中的其他新联盟

S_m≠S_k。

判断车辆i相对于旧联盟S_k，是否更偏好选择新联盟S_m，即是否满足

如果是，即车辆i离开旧联盟S_k并加入新联盟S_m，同时更新联盟组合；否则，车辆i继续选择当前联盟组合中的其他联盟进行判断，直到车辆i找到偏好的新联盟或者当前联盟中的所有其他联盟都不被偏好，车辆i的联盟过程终止，继续下一个车辆进行联盟选择。

的计算公式为：

指车辆i在加入新联盟S_m后可获得的个体效用值；

指车辆i还在旧联盟S_k中可以获得的个体效用。U(S_m∪{i})指车辆i在加入新联盟S_m后，联盟S_m可获得的联盟效用值；U(S_k\{i})指车辆i还在旧联盟S_k中时，联盟S_k可获得的联盟效用值。

联盟组合的更新公式为：

最后，判断更新的联盟组合

是否收敛于纳什均衡

如果是，得到最优的车辆联盟结构；否则，选择下一个发送车辆重复上述过程，直至满足联盟组合的要求。

步骤十七：每个传输时隙T_t执行V2I或V2V的毫米波波束资源联合优化，直到数据传输完毕或者达到调度周期T_s＝NT_t。

步骤十八、利用静态场景下基站-用户协同和发射功率的最优结果，或动态场景下车辆联盟的最优结果，实现静态和动态相结合的毫米波波束资源分配。

Claims (6)

1.一种静态和动态相结合的毫米波波束资源分配与优化方法，其特征在于，具体步骤如下：

步骤一、针对某用户i，判断该用户的移动速度是否小于速度阈值η_v，如果是，则转入步骤二，归类到静态场景处理；否则，用户位于车辆内，进入步骤九，归类到动态场景处理；

步骤二、构建两层毫米波异构蜂窝网络的下行传输场景；

场景中包括：M个毫米波小区基站，用集合

表示，且每个小区基站具备缓存能力；各个毫米波小区基站通过回程链路连接到宏基站0，通过接入链路连接到I个用户，表示为用户集合

步骤三、针对当前次迭代，计算用户i与基站m的有效天线增益、基站内干扰和基站间干扰，并上报给基站m；

基站m到用户i的有效天线增益，表示为：

为基站发射天线的主瓣增益，

为用户接收天线的主瓣增益；

基站内干扰增益表示为：

表示发射波束

和

主瓣间的重叠角度，

θ^t表示基站发射天线的主瓣波束宽度；

表示发射波束

相对基准方向m→i的偏移角度，

表示发射波束

相对基准方向m→i的偏移角度；

为基站发射天线的旁瓣增益；

基站间干扰增益

表示为：

为干扰发射波束

相对于基准方向m′→i的波束偏移角度；

为参考接收波束

相对于基准方向m′→i的波束偏移角度；

步骤四、利用有效天线增益、基站内干扰和基站间干扰，计算毫米波小区基站m和用户i接入链路的传输速率，进而分别构建各自的匹配效用函数U_m(i)和U_i(m)；

首先，利用基站内干扰和基站间干扰计算基站m到用户i的信干噪比γ_m,i；

P_m,i代表基站m发射给用户i的发射功率；h_m,i为基站m到用户i的小尺度阴影衰落的增益；L_m,i指基站m到用户i的大尺度路径损耗增益；

指发射波束

对发射波束

造成的基站内干扰增益；

指干扰发射波束

对参考接收波束

造成的基站间干扰增益；h_m',i指干扰发射基站m'到参考接收用户i的小尺度阴影衰落增益；L_m',i指干扰发射基站m'到参考接收用户i的大尺度路径损耗增益；

是L_m',i的倒数；P_N指加性高斯白噪声功率；

然后，利用信干噪比γ_m,i计算基站m到用户i的接入链路的传输速率，表示为：

R_m,i＝B_alog₂(1+γ_m,i)；

B_a表示接入链路的带宽；

最后，利用接入链路的传输速率计算用户i的效用函数U_i(m)和基站m的效用函数U_m(i)；

用户i的效用函数U_i(m)表示为：

其中，τ为回程占用率的权重因子，且τ≥0；R_m为宏基站0到毫米波小区基站m的传输速率；

基站m的效用函数U_m(i)如下：

ω₁为干扰项的权重因子，ω₂为回程占用率的权重因子，且ω₁≥0，ω₂≥0；I_m,i为用户i对其他用户造成的总干扰；c_m,v(i)表示用户i当前的申请内容；

步骤五、构建基站m和每个用户的匹配效用函数，形成基站m的匹配偏好列表List_m；构建用户i和每个基站的匹配效用函数，形成用户i的匹配偏好列表List_i。

步骤六、根据每个基站和每个用户的匹配偏好列表对多基站-多用户进行匹配，得到基站-用户协同矩阵X，建立下行通信连接；

步骤七、基于基站-用户连接状态，基于凸优化理论优化基站的毫米波波束发射功率，生成当前次迭代的发射功率最优解；

首先，构建基站的毫米波波束发射功率的资源分配模型：

P1：

s.t.C1:

C2:

C3:

x_m,i为基站-用户协同变量，x_m,i∈X；X指基站-用户协同优化矩阵，表征基站和用户是否建立通信连接；矩阵X的维度为M*I；

P指发射功率优化矩阵，表征基站的发射波束到用户的发射功率大小；矩阵P的维度为M*I；发射功率变量P_m,i∈P；

p_f指内容f的申请概率，且服从Zipf分布，即

其中δ代表文件f的流行度指数；c_m,f为内容f的缓存变量，且c_m,f∈{1,0}，代表基站m对是否缓存内容f；

其中，约束条件C1保证每个波束的发射功率非负值，且每个基站的总发射功率不超过功率最大值P^max；

约束条件C2保证每个基站传输未缓存内容占用的回程容量不超过该基站的回程链路能力；

约束条件C3保证用户i的接入速率不小于最低速率需求

然后，利用连续凸逼近求解法，计算得到频谱效率r_m,i的凸上界和凸下界；

最后，利用边界在t∈{1,...,T}的时间内迭代生成发射功率的最优解序列{P^(t)}；

步骤八、基于当前次迭代的基站-用户协同矩阵X和发射功率计算网络吞吐量，并判断当前次迭代的网络吞吐量与前一次迭代的网络吞吐量的差值是否小于收敛阈值，如果是，即网络吞吐量收敛，当前次迭代的基站-用户协同矩阵和发射功率作为最优解，毫米波基站进行下行传输直到所有数据传输完毕；否则，返回步骤三重新运行下一次迭代；

步骤九、构建动态车辆网络的内容分发传输场景；

场景中包括：N个车辆随机分布在长度为L的双车道上，各个车辆以不同的速度朝同一方向行驶，车辆集合

且车辆具备缓存能力，并遵从FMM移动模型；

内容分发过程可以分为两个阶段：V2I阶段和V2V阶段；

在V2I阶段，车辆处于毫米波基站的覆盖范围内，接收到流行内容的部分片段；每个基站最多支持Q₀个波束同时传输；

在V2V阶段，车辆在毫米波小区覆盖范围外，车辆间通过合作来进行内容共享，从而获取尽可能多的剩余所需内容片段；每个车辆最多支持Q_v个波束同时传输，或支持单个毫米波接收波束；

流行内容集合为

将各个内容切分为大小为s比特的单位内容片段，则内容c的大小表示为sD_c比特，其中D_c表示单位内容片段的个数；

步骤十、判断车辆是否在基站覆盖范围内，如果是，转到步骤十一；否则，转到步骤十三；

步骤十一：计算车辆i与毫米波小区基站m的信道状态，并上报给毫米波小区基站m；

信道状态包括有效天线增益和基站内干扰；

步骤十二：在V2I阶段每个调度时隙T_t下，每个基站挑选各自的最优车辆来传输下行数据，进入步骤十七；

步骤十三：每个调度时隙T_t下，确定与各基站连接的车辆作为内容发送车辆，将未连接的车辆作为接收车辆；

步骤十四：利用每个接收车辆和每个内容发送车辆形成的链路，计算各链路的实际接收内容数量；

具体步骤为：

步骤1401，针对发送车辆i和接收车辆j形成的链路l_i,j，计算有效天线增益G_i,j；

步骤1402，计算当前链路l_i,j受到来自于同时传输内容的其他链路l_i',j'的干扰I_i,j，表示为:

P^t为车辆发射波束的功率；h_i',j为干扰发送车辆i'到参考接收车辆j链路的小尺度阴影衰落；L_i',j为干扰发送车辆i'到参考接收车辆j链路的大尺度路径损耗；

为V2V链路间干扰增益，表示为：

为基站接收天线的旁瓣增益；

为干扰发射波束

相对于基准方向i′→j的波束偏移角度；

为参考接收波束

相对于基准方向i′→j的波束偏移角度；

步骤1403，利用V2V链路间干扰计算发送车辆i和接收车辆j的信干噪比，进一步计算接入链路l_i,j的传输速率R_i,j；

步骤1404，利用接入链路l_i,j的传输速率R_i,j，计算链路l_i,j的实际可传输内容片段数量

t_s指链路相关通信时间，即车辆收发波束从对准到失去对准的时间；s为每个单位内容片段的比特大小；

步骤1405，计算链路l_i,j的命中内容片段数量

为发送车辆i的缓存内容片段集合，

为接收车辆j的申请内容集合；

步骤1406，通过链路l_i,j的实际可传输内容片段数量

和命中内容片段数量

计算链路l_i,j的实际接收内容数量；

步骤十五：利用每个链路的实际接收内容数量计算车辆间联盟合作和车辆个体的效用函数；

联盟合作的效用函数为联盟收益函数和开销函数的差值；具体如下：

联盟收益函数为联盟S中所有链路l_i,j实际接收到的内容数量，计算公式为：

开销函数与联盟中V2V链路数成正比，计算公式为：

|S|-1为联盟S中的链路总数，其中β为常数；

个体效用函数

的计算公式如下：

其中，δ是略大于1的常数；

表示发送内容的车辆集合；

表示接收内容的车辆集合；

步骤十六：将每个发送车辆和每个内容接收车辆，根据联盟合作和车辆个体的效用函数实现车辆间联盟，建立V2V链路实现内容分发；

步骤十七：每个传输时隙T_t执行V2I或V2V的毫米波波束资源联合优化，直到数据传输完毕或者达到调度周期T_s＝NT_t；

步骤十八、利用静态场景下基站-用户协同和发射功率的最优结果，或动态场景下车辆联盟的最优结果，实现静态和动态相结合的毫米波波束资源分配。

2.如权利要求1所述的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，其特征在于，所述步骤五中列表List_m中存储的是按效用函数从大到小排列的各用户序号；列表List_i中存储的是按效用函数从大到小排列的各基站序号；

同理，对每个基站都能得到各基站的匹配偏好列表，对每个用户也能得到各用户的匹配偏好列表。

3.如权利要求1所述的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，其特征在于，所述步骤六具体匹配过程如下：

首先，针对未完全连接的用户i，向匹配偏好列表List_i中效用函数值最高的小区基站m发送接入请求

并将该基站m的序号从列表List_i中清除；

同理，每个未完全连接的用户都从各自的匹配偏好列表List_i中选择效用函数值最高的小区基站发送请求操作；

然后，基站m将它的所有请求用户加入集合

判断集合

中的用户数量是否小于等于基站m的配额Q_m，如果是，基站m接受集合

中所有的用户请求；否则，基站m只接受Q_m个函数值最高的用户并且拒绝其他申请用户；

被拒绝的用户仍属于未完全连接，重复上述过程，继续进行下一轮迭代，直至最终不存在用户被拒绝时，匹配过程结束，得到最终优化的基站-用户协同矩阵X。

4.如权利要求1所述的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，其特征在于，所述步骤七中连续凸逼近的具体过程如下：

a)、利用用户i与基站m的有效天线增益、基站内干扰和基站间干扰，计算中间函数：

是指发射波束

受到的基站内干扰和基站间干扰的总和；

是基站m到用户i的接收功率和

的总和；

b)、然后利用两中间函数相减，计算频谱效率r_m,i；

c)、分别利用泰勒展开公式和对数函数性质对两个函数进行凸逼近处理；

具体为：

对函数

利用泰勒展开公式近似为一阶泰勒函数的形式：

对函数

利用对数函数性质

近似为：

d)、基于上述两个函数的凸逼近处理结果，得到频谱效率r_m,i的凸上界

表示为：

相反地，将上述两个函数分别利用对数函数性质和泰勒展开的操作逼近，得到r_m,i的凸下界，表示为：

5.如权利要求1所述的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，其特征在于，所述的步骤十二具体为：

首先，在V2I阶段，计算车辆i接收到基站m的功率为：

其中，

为基站m发射给车辆i的发射功率；

然后，同理计算基站m接收到覆盖范围内所有车辆的接收功率，并按功率从大到小对各候选车辆进行排序，选择与前Q₀个车辆进行连接；

最后，在当前调度时隙T_t内，遍历所有已连接车辆，找到传输速率最高的已连接车辆i，判断当前未连接车辆i′替换掉车辆i后的网络吞吐量是否增加，如果是，将车辆i′替换掉车辆i，否则，将当前未连接车辆i′丢弃，继续进行下一个未连接车辆的替换工作；

依次将所有未连接车辆均替换完毕后，完成基站m的所有最优连接车辆选择。

6.如权利要求1所述的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，其特征在于，所述的步骤十六具体为：

首先，随机划分收发车辆，构建初始联盟组合

并且初始化当前联盟组合

和初始化迭代指示变量iter＝0；

然后，针对发送车辆i，找到当前所属联盟

以及随机选择当前联盟组合中的其他新联盟

S_m≠S_k；

判断车辆i相对于旧联盟S_k，是否更偏好选择新联盟S_m，即是否满足

如果是，即车辆i离开旧联盟S_k并加入新联盟S_m，同时更新联盟组合；否则，车辆i继续选择当前联盟组合中的其他联盟进行判断，直到车辆i找到偏好的新联盟或者当前联盟中的所有其他联盟都不被偏好，车辆i的联盟过程终止，继续下一个车辆进行联盟选择；

的计算公式为：

指车辆i在加入新联盟S_m后可获得的个体效用值；

指车辆i还在旧联盟S_k中可以获得的个体效用；U(S_m∪{i})指车辆i在加入新联盟S_m后，联盟S_m可获得的联盟效用值；U(S_k\{i})指车辆i还在旧联盟S_k中时，联盟S_k可获得的联盟效用值；

联盟组合的更新公式为：

最后，判断更新的联盟组合

是否收敛于纳什均衡

如果是，得到最优的车辆联盟结构；否则，选择下一个发送车辆重复上述过程，直至满足联盟组合的要求。

Images