协作多组多播认知无线网络的资源优化配置*

2017-01-03石露露杨守义张瑞哲

电讯技术 2016年12期

关键词：多播传输速率无线网络

石露露，杨守义，张瑞哲，李燕

(郑州大学信息工程学院，郑州450001)

协作多组多播认知无线网络的资源优化配置*

石露露，杨守义**，张瑞哲，李燕

(郑州大学信息工程学院，郑州450001)

考虑到无线电频谱资源日益紧缺，提出了一种基于组间组内协作传输的多播组新机制，涉及多个多播组并使用同一频谱资源以协作方式传输信息。基于认知无线网络中该机制，研究了系统的资源优化配置，理论分析得出了功率分配方案，进而讨论了系统加权总传输速率的优化，同时考虑了主用户和认知用户之间信号干扰及功率限制对传输速率的影响，最优化用户性能。仿真结果表明，优化方案下多播组传输速率随用户人数的增加而上升，达到最优化用户服务质量；当功率限制时，通过设置加权因子，能够保证主用户拥有良好的通信性能。

认知无线电网络；多播组；干扰限制；功率优化；资源优化配置

1 引言

随着人们对无线通信数据的传输量和移动多媒体服务体验的需求越来越大，对有限频谱资源的使用率也越来越高。在多用户使用同一接入网络或接入信道前提下，移动多媒体允许用户通过共用资源传输数据，因而使用多播机制可降低带宽消耗，提高频谱利用率。多播技术可将同一数据发送给连接相同基站的数据接收组，其方法是将一个数据包传输给该接收组的所有用户[1-3]。

无线应用服务种类多样，多播组类别也各不相同，使得多组多播系统可共存于同一个蜂窝网络。然而，由于多媒体服务对数据传输速率要求高，所需频段也更多，所以多组多播所面临的最大挑战之一就是系统频谱资源的匮乏。为解决这一问题，认知无线电技术[4]得以快速发展。简言之，认知无线电技术允许认知用户与授权用户通过感知一起使用授权频段，提高频谱效率。

多播组总传输速率取决于组中传输情况最差用户[5]，总服务速率也会随多播组用户人数的增长而降低，同时考虑到个别用户位于网络覆盖边缘，服务质量(Quality of Service，QoS)无法得以保证。为此，人们采用协作通信来解决这类问题，它通过形成空间分集的形式，提高吞吐量，并且减小来信号衰落带来的不利影响，改善通信系统性能[6]。

多播通信和协同通信近期已有研究。例如：文献[7]对信道感知和无线资源分配技术进行了系统性描述，其中后者多应用于基于正交频分多址系统中下行链路的多播服务；文献[8]研究了异构网络最大最小化公平性准则下的多播容量；文献[9]提出了一种被称为多中继的协同多播新方案；文献[10]研究了无线协作组播多用户传输方案，并对所提方案性能和时间分配策略进行了彻底分析。

上述文献主要研究多播通信系统中组间协作方案及其资源优化配置，均没有考虑到组内协作及其资源优化配置的方案，由此课题组提出了基于组内组间协作传输的多播组(Multi-group Multicast,MGMC)新机制。本文着重探讨认知无线电(Cognitive Radio，CR)网络中该传输机制下无线资源配置优化，并考虑了主用户和认知用户之间的信号干扰及各用户的功率限制问题。

2 系统模型

如图1所示，假设两个多播组(Group1和 Group2)的认知无线网络，该网络与主用户共存。其中，每个多播组由3个类型的认知用户(即CUs)组成：第一类认知用户直接从认知无线电基站接收信号，并用作中继，如图1 Group1中的Relay1；第二类认知用户在中继的帮助下接收信号,如图1 Group1中的CU2；第三类认知用户直接从认知无线电基站接收信号，但不发挥中继作用，如图1 Group1中的CU1,n。为方便讨论，将一个多播组中的前两类认知用户数量各设为1，并将第三类认知用户数量设为多个(表达为1-n)。此处考虑为半双工译码转发中继，此时信号发射和信号接收不能同时进行。

图1 多播组认知无线网络结构

Fig.1 The structure of a MGMC CR network

设hBP、hCU1,n、hCR1、hCR2和hCU3,m分别表示认知无线电基站和主用户接收端、CU1,n、Relay1、Relay2、CU3,m之间的信道系数，hR1P、hRU2、hR1R2分别表示Relay1和主用户接收机、CU2、Relay2之间的信道系数，hR2P和hRU4分别表示Relay2和主用户接收端、CU4之间的信道系数，假定认知无线电基站了解所有信道状态，则基于多播组的组内组间协同传输机制如下。

该传输方案有3个阶段：

(1)在阶段1中，认知无线电基站将数据x1传输给Group1,CU1,n和Relay1均接收到x1，同时，Group2中的Relay2也接收到该数据。

(2)在阶段2中，Relay1将数据x1传输给CU2，而认知无线电基站则将数据x2传输给Group2,CU3,m和Relay2均接收到x2,同时，Relay2还从Relay1接收到x1。因此，本阶段中Relay2可使用其在阶段1所获信息抵消从Relay1接收的干扰信号。

(3)在阶段3中，Relay2将信号x2发送给CU4，从而提高系统吞吐量。

由于认知无线网络对主用户来说是透明的，来自主用户的干扰信号是不可控的，通常将其视为噪声，并在下文分析中将其忽略。

在阶段1中，CU1,n、Relay1和Relay2接收的信号分别为

(1)

(2)

(3)

式中：P1是认知无线电基站在阶段1采用的信号功率；nCU1,n[1]、nR1[1]和nR2[1]分别是CU1,n、Relay1、Relay2的复高斯白噪声，服从复高斯白噪声分布CN(0，σ2)。

在阶段2中，CU2、CU3,m和Relay2接收的信号分别为

(4)

(5)

(6)

式中：P2和P3分别是Relay2和认知无线电基站在阶段2中采用的信号功率；nCU2[2]、nCU3,m[2]和nR2[2]分别是CU2、CU3,m和 Relay 2的复高斯白噪声，并服从复高斯白噪声分布CN(0，σ2)。

在阶段3中，CU4接收的信号为

(7)

式中:P4是Relay2在阶段3采用的信号功率。

假设多播组1和组2中分别有N个和M个第三类认知用户。由于传输方案将传输过程分为3个时隙，且采用半双工译码转发(DF)方式，信号从源端发送到中继，在中继进行译码后再转发，两条链路取最小值，可知x1的传输速率为

(8)

其中:

x2的传输速率为

(9)

其中:

上述认知无线网络中两个多播组的总传输速率是Group1和Group2传输速率总和，它取决于认知无线电基站在阶段1和阶段2所采用的功率P1和P3，Relay1和Relay2在阶段2、阶段3采用的功率P2、P4。实际上，考虑到绝大多数用户的满意度，即当多播组中用户较多时用户可以获得更高传输速率，本文提出了加权总传输速率，如下所示：

(10)

第三部分将着重探讨功率分配方案，以优化这两个多播组的总传输速率。

3 总传输速率的优化

本文研究允许认知无线网络与主用户同时传输数据的接入方案。主用户拥有对授权频段的优先使用权，应当受到保护，因此，控制认知无线网络的功率是非常重要的。在主用户所受干扰处于可接受范围的前提下，为求最大限度提高上述总传输速率，本文提出了数据传输功率控制问题，解决方法是在考虑实际限制的同时优化数据传输功率P1、P2、P3和P4。

考虑到各认知用户所受限制，该优化问题所述如下：

(11)

P1|hBP|2≤I,

(12)

P2|hR1P|2+P3|hBP|2≤I,

(13)

P4|hR2P|2≤I,

(14)

P1≤PCR,

(15)

P2≤PR1,

(16)

P3≤PCR,

(17)

P4≤PR2,

(18)

P1,P2,P3,P4≥0。

(19)

方程(12)～(14)得出了上述阶段1、阶段2和阶段3中的干扰限制，以防认知无线网络对主用户产生不利干扰，其中I是主用户接收端可容忍的干扰阈值。方程(15)～(18)分别给出了认知无线电基站、Relay1和Relay2的数据传输峰值功率限制。

在实际中，第一和第三类认知用户一般比第二类认知用户拥有更好的性能，而多播组总传输速率取决于组内情况最差的认知用户[5]。由此，本文简化了问题(11)，并设第三类认知用户只含一个用户。简化问题后各多播组的传输速率所示如下：

(20)

(21)

首先，讨论认知无线电基站在阶段1时的信号功率P1。由式(8)可知，β1,2和r1,1是P1的单调递增函数，而β1,3和R2不受P1支配。因此，在满足限制条件(12)和(15)的情况下，P1应取最大，即

(22)

同理，P4的特点与P1相似，在满足限制条件(14)和(18)的情况下，它也应取最大，即

(23)

根据(13)及各限制条件，对于P2和P3的最优解将分为两种情况讨论。

(1)β1,2≥β1,3,γ1,1≥β1,3,β2,2≥β2,3,γ2,1≤β2,3

可得γ2,1≤β2,3≤β2,2。进而可知

故问题(11)可简化为

(24)

由式(24)可知P2、P3是R的单调递增函数，结合方程(13)、(16)、(17)干扰阈值限制条件，P2和P3应取最大,故P2和P3的最优值应为

(25)

(26)

(2)β1,2≥β1,3,γ1,1≤β1,3,β2,2≥β2,3,γ2,1≤β2,3

得出γ2,1≤β2,3≤β2,2,γ1,1≤β1,3≤β1,2。同理，问题(11)可简化为

(27)

由式(27)可知P3是R的单调递增函数，因此，只要满足相关干扰阈值限制条件，P3应取最大，故P2和P3的最优值应为

(28)

(29)

实际上，根据各用户所受限制可将问题分解成16种情况，限于篇幅，我们只讨论上述两种情况，其他情况与其类似。

本文仅描述了两个多播组参与协作通信,然而，如图2所示,实际中可能有3个及3个以上多播组参与协作通信，此时通信效率更高。当有3个多播组参与协作通信时，完成数据传输需要4个阶段，此时无线网络结构与数据传输方案如下所示:

(1)在阶段1中，认知无线电基站将数据x1传输至Group1,CU1,n和Relay1接收x1,同时，Group2中的Relay2也接收该数据。

(2)在阶段2，Relay1将数据发送给CU2，而认知无线电基站将数据x2传输给Group2,CU3,m和Relay2、Relay3均接收数据x2，与此同时，Relay2从Relay1接收数据x1。因此，在本阶段中Relay2可使用在阶段1中所获有关x1的信息来撤消从Relay1接收干扰信号。

(3)在阶段3中，Relay2将数据x2发送给CU4，而认知无线电基站将信号x3传输给Group3,CU5,l和Relay3均接收信号x3，与此同时，Relay3还从Relay2接收信号x2。因此，在本阶段中Relay3可使用其在阶段1所获有关x2的信息撤消从Relay2接收干扰信号，而只接收x3。

(4)在阶段4，Relay3将信号x3发送给CU6，从而提高系统吞吐量。

图2 多播组认知无线网络结构(3个多播组)

Fig.2 The structure of a MGMC CR network (3 multicast groups as a group)

从上述讨论可知，当M个多播组参与协同通信时，完成数据传输需要M+1个阶段。当使用传统互不相干的多播组时，完成数据传输需要2M个阶段，较新传输机制繁琐很多。

4 仿真与分析

本节主要讨论功率优化分配方案的性能。假定所有信道均为瑞利衰落信道，且信道增益在传输各个阶段均恒定不变。路径增益服从瑞利分布，并取决于信号发射端与信号接收端之间的距离，表示为

(30)

式中:φ代表路径损耗，它与传输距离成反比，并含一个路径损耗指数α，即φ=d-α;ε为单位方差瑞利分布的随机变量。假定主用户发射端、主用户接收端、认知无线电基站、CU1,1、CU2、CU3,1和CU4的位置固定，它们的坐标分别是(0,1)、(2,1)、(0,0)、(1,0)、(3,0)、(1,-1)和(3,-1)；另假定Relay1和Relay2的坐标分别是(2,0)和(2,-1)。基本仿真参数参考文献[10]设置如下：将A组峰值功率限制设为PCR=8，PR1=PR2=8；B组峰值功率限制设为PCR=10，PR1=PR2=10,考虑实际限制在对比Group1、Group2传输速率的同时，对比A组、B组峰值功率增加对多播组总传输速率的影响;另外，将干扰功率限制设为I=0每个信道的噪声功率为σ2=1，路径损耗指数为α=4。

图3表示功率分配方案下，当Group2用户人数不同且N=1时，Group1和Group2传输速率的对比情况。从图中可发现，组2的传输速率随用户人数的增加而上升，而组1的情况则相反。这是因为，本文为每个多播组均设置了加权因子，而加权因子会随该组用户人数的增加而减小，验证了在功率一定的情况下此方式可为更多用户提供更高的传输速率。从图3可知，当M=6时组2传输速率达到最大值，实现最优化用户服务质量。

图3 M值不同且N=1时组1和组2传输速率比较

Fig.3 Rate comparison between Group 1 and Group 2 for differentMwhenN=1

图4所示的多播组总传输速率与图3相对应，从图中可以发现总传输速率随M值的增加而降低，峰值功率增加时总传输速率增加。本文考虑到了多播组的优先级别，多播组用户增加时总传输速率会有所下降，此时可以通过提高峰值功率来缓解这种下降趋势。

图4 M值不同、N=1且峰值功率不同时总传输速率比较

Fig.4 Sum rate of the system for differentMand peak power whenN=1

5 结束语

本文介绍了一种基于组内组间协作传输的多播组新机制，将信号传输过程分为3个时隙，进一步探讨该机制下资源优化配置。首先讨论了两个多播组参与协作通信的情况，理论分析得出功率分配方案，提出多播组用户较多时的加权传输速率，为更多的用户提供更好的服务。仿真结果表明，基于组内组间协作传输的多播组认知无线网络，在功率分配方案下，可以使更多用户拥有更高的传输速率，当功率限制时，通过加权因子，可使主用户保持良好的用户性能。另外，本文还描述了3个及3个以上多播组参与协同通信时的传输方案。下一步将继续深入研究认知无线网络在数据传感不完善情况下的传输机制以及各用户的位置对总传输速率的影响。

[1] VELLA J M，ZAMMIT S.A survey of multicasting over wireless access networks[J]. IEEE Communications Surveys & Tutorials,2012,15(2):718-753.

[2] GRUBER M,ZELLER D.Multimedia broadcast multicast service:new transmission schemes and related challenges[J]. IEEE Communications Magazine,2011,49(12):176-181.

[3] 荣玫. 认知无线电网络子空间映射频谱共享[J]. 电讯技术,2015,55(8):829-835. RONG Mei. Subspace projected spectrum sharing in cognitive radio networks [J]. Telecommunication Engineering,2015,55(8):829-835.(in Chinese)

[4] TAWK Y,COSTANTINE J,CHRISTODOULOU C G.Cognitive radio and antenna functionalities:atutorial [J].IEEE Antennas and Propagation Magazine,2014,56(1):231-243.

[5] SUH C,MO J. Resource allocation for multicast services in multicarrier wireless communications[J]. IEEE Transactions on Wireless Communications,2006,7(1):27-31.

[6] SAMI M,NOORDIN N,KHABAZIA M,et al.A survey and taxonomy on medium access control strategies for cooperative communication in wireless networks:research issues and challenges[J].IEEE Communications Surveys & Tutorials,2016,18(4):2493-2521.

[7] AFOLABI R O,DADLANI A,KIM K.Multicast scheduling and resource allocation algorithms for OFDMA-based systems:a survey[J]. IEEE Communications Surveys & Tutorials,2013,15(1):240-254.

[8] LI Y,PENG Q,WANG X. Multicast capacity with max-min fairness for heterogeneous networks[J]. IEEE/ACM Transactions on Networking,2014,22(2):622-635.

[9] HADEF M,APOSTOLARAS A,O′REILLY J,et al. Cooperative multicast resource allocation strategy[C]//Proceedings of 2014 IEEE Wireless Communication and Networking Conference. Istanbul:IEEE,2014:2769-2774.

[10] YANG L,CHEN J,ZHANG H,et al.Cooperative wireless multicast:performance analysis and time allocation[J].IEEE Transactions on Vehicular Technology,2015,65(7):5810-5819.

[11] HAO W,YANG S,NING B.Optimal resource allocation for CR networks with multi-group multicast based on inter-group and inner-group cooperation transmission[C]//Proceedings of 2015 IEEE 82nd Vehicular Technology Conference(VTC Fall). Boston,MA:IEEE,2015:1-4.

SHI Lulu was born in Shangqiu,Henan Province,in 1990. She received the B.S. degree from Zhengzhou University in 2014. She is now a graduate student. Her research concerns resource allocation and optimization in cognitive radio networks.

Email:aprilshi@foxmail.com

杨守义(1965—)，男，河南郑州人，2003年获博士学位，现为教授、博士生导师，主要研究方向为无线通信系统、认知无线电、通信信号处理;

YANG Shouyi was born in Zhengzhou,Henan Province,in 1965. He received the Ph.D. degree in 2003. He is now a professor and also the Ph. D. supervisor. His research concerns wireless communication systems,cognitive radio,communication signal processing,etc.

Email:iesyyang@zzu.edu.cn

张瑞哲(1989—)，男，河南郑州人，2014年于英国曼彻斯特大学获硕士学位，现为郑州大学信息工程学院博士研究生，主要研究方向为认知无线电资源优化分配;

ZHANG Ruizhe was born in Zhengzhou,Henan Province,in 1989. He received the M.S. degree from the University of Manchester,UK,in 2014. He is currently working toward the Ph.D. degree. His research concerns resource allocation and optimization in cognitive radio networks.

Email:iezhangruizhe@gs.zzu.edu.cn

李燕(1989—)，女，河南郑州人，现为郑州大学信息工程学院硕士研究生，主要研究方向为认知无线电资源分配。

LI Yan was born in Zhengzhou,Henan Province,in 1989. She is now a graduate student. Her research concerns resource allocation in cognitive radio networks.

Email:liyanzzu@foxmail.com

Optimal Resource Allocation for Cognitive Radio Networks with Multi-group Multicast

SHI Lulu,YANG Shouyi，ZHANG Ruizhe,LI Yan

(School of Information Engineering,Zhengzhou University,Zhengzhou 450001,China)

For the increasing shortage of radio spectral resource,a new multi-group multicast(MGMC) mechanism based on inter-group and inner-group cooperative transmission is proposed,which relates to multiple multicast groups and uses the same spectrum resource to transmit information in a cooperative way. In cognitive radio(CR) network based on this new transmission mechanism,the optimal resource allocation of system is presented. The power allocation scheme is derived from theoretical analysis,and then the optimization of system weighted overall rate is discussed. Moreover,the impact of the signal interference between primary user(PU) and CR users and the power constraint on the transmission rate is considered to optimize user performance.Simulation result indicates that the transmission rate of multi-group multicast rises with the increasing number of users,and optimal user quality of service(QoS) is achieved;when power is constrainted,the PU can be ensured to have good communication performance by setting weighted factors for every multicast group.

cognitive radio network;multi-group multicast;interference constraint;power optimization;optimal resource allocation

10.3969/j.issn.1001-893x.2016.12.002

石露露，杨守义，张瑞哲，等.协作多组多播认知无线网络的资源优化配置[J].电讯技术，2016,56(12):1310-1315.[SHI Lulu,YANG Shouyi，ZHANG Ruizhe,et al.Optimal resource allocation for cognitive radio networks with multi-group multicast[J].Telecommunication Engineering,2016,56(12):1310-1315.]

2016-03-25；

2016-08-05 Received date:2016-03-25；Revised date：2016-08-05

国家自然科学基金资助项目(61271421)

Foundation Item：The National Natural Science Foundation of China(No. 61271421)

TN92

1001-893X(2016)12-1310-06