基于D2D的车联网MCRR算法

王 靓， 郁进明

(东华大学 信息科学与技术学院， 上海 201620)

近年来，随着汽车数量的快速增多，交通拥堵、行车安全等问题引发人们的广泛关注[1]，V2V(vehicle-to-vehicle) 通信也成为人们研究的重点。V2V通信具有低时延和高可靠性的特点[2]，目前普遍认为D2D_V通信(将D2D技术运用到V2V通信)可以满足上述要求。D2D(device-to-device)技术是指通信网络中临近的设备不经过基站直接交换信息[3]，从而减轻基站负载，提高系统容量。

在underlay模式(复用小区蜂窝频谱资源)下，D2D_V通信提高了频谱的利用率，但对原蜂窝系统产生了干扰。国内外众多学者对D2D_V通信做了大量研究，通过资源分配和功率控制[4]减小引入D2D_V对原蜂窝造成的干扰。文献[5]提出基于动态规划的资源分配和基于贪心算法的资源分配以减小蜂窝无线资源的消耗，两种算法分别从最优分配和低复杂度的角度来解决资源分配问题。文献[6]提出基于地理位置的资源分配算法，分别研究复用单用户和多用户条件下，最大化D2D_V系统速率的算法。文献[7]根据用户相对速度判断D2D对(D2D收、发两端组成一个D2D对)是否可以接入，研究用户低速移动对系统性能的影响。文献[8]将资源不共享的车辆分为同一个簇，形成多个动态簇，从而有效减少通信时延。文献[9]提出基于运动一致性的车辆分簇算法，增加D2D通信的持续时间。

本文以蜂窝链路总速率最大化为目标，研究D2D_V链路和蜂窝链路资源复用算法。首先估算所有蜂窝链路被复用后的速率矩阵，将最大化蜂窝链路总速率转化为对复用因子的0～1不平衡指派问题。本文提出的虚拟D2D_V链路的概念将不平衡指派问题转化为平衡指派问题，并将速率矩阵进行变形从而转化为求解最小化问题。最后利用匈牙利算法[10]进行最优解的求解。

1 系统模型

1.1 系统及信道模型

图1 系统模型Fig.1 System model

小区采用正交频分复用技术，蜂窝链路之间互相没有干扰。D2D_V通信采用underlay方式复用CUE使用的资源，以提高频谱利用率。小区内有N个CUE的随机分布，组成集合C={CUE1，CUE2， …，CUEN}。公路上有M(M≤N)对等待通信的D2D_V对，组成集合V={VUE1，VUE2， …，VUEM}，用D2D_VTi和D2D_VRi分别代表第i对D2D_V对的发射端和接收端，D2D_V对在公路上随机分布且D2D_V链路的平均链路距离为40 m。假设所有车辆的行驶方向一致。

(1)

式中：Pi(d12)表示两终端间的路径损耗；(x1，y1)、(x2，y2)分别表示链路两终端坐标；αi表示路径损耗指数，i∈{1， 2， 3， 4}，根据发射、接收端的不同，αi取不同的值。路径损耗指数参数如表1。

1.2 干扰分析

如图1所示的D2D_V链路复用CUE的上行蜂窝资源存在3种干扰(如图1中虚线所示)。一种是CUE对D2D_VRm的干扰ICm，为

ICm=PCP2(dCm)

(2)

式中：PC为蜂窝链路CUE的发射功率，根据式(1)、(2)，可知CUE和D2D_VR之间的距离越远，路径损耗越小，干扰越小。

另一种是D2D_VTm对eNB的干扰Ime为

Ime=PVP3(dme)

(3)

式中：PV为D2D_V链路D2D_VT的发射功率。此时应将链路质量好、抗干扰能力强的蜂窝用户资源分配给D2D_V链路。

若D2D_Vm、 D2D_Vj(j≠m)链路复用同一个CUE的蜂窝资源，则会产生同频干扰Ijm为

Ijm=PVP4(djm)

(4)

假设eNB为所有D2D_V链路分配同一个CUE的蜂窝资源，则D2D_V链路的信干燥比(signal to interference plus noise ratio，下文用表示)为

(5)

式中：N0为噪声功率。假设所有链路的噪声功率相同，PVP4(dmm)为第m对D2D_V链路间的信道增益。被复用的蜂窝链路的信干燥比为

(6)

式中：PCP1(dCe)为蜂窝用户和基站间的信道增益。系统总速率和D2D_V链路可达到的最小速率分别为

(7)

(8)

式中：式(7)的右边第一项为D2D_V系统的总速率；CC为蜂窝链路系统总速率，包括被复用和未被复用蜂窝链路。

2 资源复用算法

2.1 单蜂窝资源复用算法

随机单蜂窝资源复用算法(single-cellular random resource reuse algorithm，SRRA)的基本思想是完全不考虑蜂窝链路和D2D_V链路的干扰，eNB随机选择一个CUE，所有D2D_V链路共同复用该蜂窝资源。

文献[13]提出了一种基于地理位置的资源复用算法(geographic-based resource reuse algorithm，GRA)，增加约束C≥β0代入式(2)和(6)，可得

(9)

图2 由CUE引起的归一化干扰总和Fig.2 Normalized sum interference caused by CUE

2.2 多蜂窝资源复用算法

在2.1节所述算法中，由于所有D2D_V链路复用同一个CUE的蜂窝资源，D2D_V链路间会产生同频干扰，大大降低了D2D_V通信的性能，同时也对被复用的CUE产生了极大的干扰。因此为了提高D2D_V系统的性能，减小CUE所受干扰，本节对所提出的资源复用算法做出了以下限制：

(1) 每条D2D_V链路最多复用一个CUE的蜂窝资源；

(2) 每条蜂窝链路资源最多只能被一条D2D_V链路复用。

基于以上限制，D2D_V链路间不再存在干扰，且被复用的蜂窝链路也只会受到一条D2D_V链路的干扰。因此，式(5)、(6)更新为

(10)

(11)

式(10)和(11)分别代表D2D_Vm链路复用CUEn的蜂窝资源时D2D_V链路和蜂窝链路的信干燥比，引入复用因子χm， n来描述复用情况。χm， n组成M×N的矩阵Φm， n，χm， n∈{0， 1}，χm， n=1表示D2D_Vm复用CUEn的蜂窝资源，χm， n=0表示D2D_Vm不复用CUEn的蜂窝资源。

文献[14]提出了一种算法，即使得蜂窝用户与D2D用户间的干扰最小(minimum interference resource reuse algorithm，MIRA)。将该算法运用到D2D_V中，其基本思想是：eNB预估所有D2D_V链路的信道增益并排序，优先为信道质量好的D2D_V链路分配对其干扰最小的资源，即距离该D2D_V链路接收端最远的CUE，然后为信道质量次优的D2D_V链路分配对其干扰最小的资源，若该CUE已被复用，则选择干扰次小的，遍历所有D2D_V链路求得矩阵Φm， n。此算法只考虑了对D2D_V链路造成的干扰最小化，无法保证蜂窝链路的通信质量。

本文基于上述研究，提出了基于蜂窝链路总速率最大的资源复用算法(MCRRA)，并提出虚拟D2D_V链路的概念，同时改进传统的匈牙利算法求得矩阵Φm， n的最优解。该算法的基本思想是：遍历蜂窝链路若被不同的D2D_V链路复用所有的速率，组成M×N蜂窝速率矩阵Cm， n(m=1， 2， …，M；n=1， 2， …，N)，根据式(12)，将最大化蜂窝链路总速率的目标转化为对Φm， n进行最优0～1指派的问题。

(12)

传统的匈牙利算法一般用来求解平衡的指派问题，例如指派h名工作人员完成h个不同的工作，使得总工作时间最少。用传统的匈牙利算法解决资源复用问题存在以下两个问题：

(1) 在MCRRA中，D2D_V链路数和蜂窝链路数不等，因此这是一个不平衡指派问题，本文提出的虚拟D2D_V链路的概念，使不平衡指派问题转化为平衡指派问题。在系统中增加N-M条虚拟D2D_V链路，编号为M+1，M+2， …，N-M，矩阵Cm， n转化为N×N的方阵。虚拟D2D_V链路实际并不存在，不会对蜂窝系统、D2D_V系统产生任何影响。被虚拟D2D_V链路复用的蜂窝链路速率为

(13)

矩阵Cm， n中新增加的N-M行用该数值填满。

遍历蜂窝部分代码如下：

forn=1：N

form=1：M

CAP(m，n)=log2(1+cg_C(n)/(N0+Ime(m)))； % cg_C(n)为CUEn的信道增益，

%Ime(m)为D2D_VTm对eNB的干扰

end

end

fori=1：N-M

CAP(M+i，：)=log2(1+cg_C./N0)；%虚拟D2D_V链路

end

(2) 匈牙利算法一般用来求解最小化问题，本文将Cm， n转化为

(14)

MCRRA流程图如图3所示。

图3 MCRRA流程图Fig.3 Flow chart of MCRRA

3 仿真与分析

利用Matlab完成资源复用算法的仿真，仿真模型采用第1节所建立的模型，仿真参数如表2所示。50个CUEs在小区内均匀分布，10对等待通信的D2D_V对在道路上均匀分布，D2D_V对间的平均距离为40 m，D2D_V链路复用蜂窝上行资源。仿真进行3 000次随机模拟，每次模拟持续10 s，车辆用户位置每更新一次，将重新按照预定算法分配复用资源。

表2 仿真参数

3.1 资源复用算法对系统性能的影响

本节仿真比较SRRA、 GRA、 MIRA、 MCRRA和RRA(random resource reuse algorithm)[15]5种资源复用算法对系统性能的影响，其中RRA与MIRA类似，但其不考虑干扰、随机为D2D_V链路分配复用资源。系统性能由D2D_V链路总速率、蜂窝链路总速率、D2D_V链路最小速率和系统总速率评估。5种算法下系统性能如图4所示。

(a) D2D_V链路总速率

(b) 蜂窝链路总速

(c) D2D_V链路最小速率

(d) 系统总速率 图4 5种算法下系统性能比较Fig.4 Comparison of system performance under five algorithms

5种算法下评估系统性能的4种速率大小如表3所示。比较图4(a)、(c)、(d)可以看出，MIRA、 MCRRA和RRA的速率明显大于SRRA和GRA。这是因为SRRA和GRA所有的D2D_V链路复用同一个蜂窝，D2D_V链路之间互相干扰，造成D2D_V系统性能非常差。而图4(b)中SRRA和GRA的蜂窝速率略大于MIRA、 MCRRA和RRA，因为整个蜂窝系统只有一个蜂窝链路受到了D2D_V链路的影响。SRRA和GRA选择不同的复用CUE，影响式(5)中的ICm，D2D_V链路间的同频干扰Ijm较大，因此在仿真中SRRA和GRA性能差异不大。比较图4和表3中MIRA、 MCRRA和RRA的性能，可以看出本文所提出的MCRRA综合性能比较优秀。由于MIRA以最大化D2D_V链路的速率为目标，所以D2D_V系统中MCRRA的性能略差于MIRA。而在蜂窝链路速率和系统总速率方面，MCRRA的性能都要优于MIRA和RRA。

表3 系统性能比较

3.2 PC对D2D_V系统的影响

5种算法下PC对D2D_V系统速率的影响如图5所示，D2D_V链路速率与图4(a)基本吻合。由图5可知，随着PC的增大，CUE对D2D_VR的干扰增加，D2D_V链路的速率减小。在SRRA和GRA中D2D_V链路受到的干扰I=ICm+Ijm+N0，其中Ijm占主导地位，PC增大，总干扰I缓慢增大，造成D2D_V链路的总速率缓慢下降。MIRA以最大化D2D_V链路的速率为目标，因此PC对链路速率的影响也较小。在本文所提MCRRA下，PC对D2D_V链路速率的影响较大，若将MCRRA与功率控制结合，可以保证D2D_V链路的通信质量。

(a) SRRA和GRA

(b) MIRA、MCRRA和RRA 图5 PC对D2D_V链路速率的影响Fig.5 Influence of PC on D2D_V’s sum rate

3.3 车辆密度对蜂窝系统的影响

车辆密度对蜂窝系统的影响如图6所示，CUEs位置固定，进行3 000次随机模拟。随着车辆密度的增大，D2D_V链路对蜂窝系统干扰增大，蜂窝链路速率减小。SRRA和GRA蜂窝速率的下降速度较小，由于只选择一个复用蜂窝，车辆密度对蜂窝总体干扰较小。MIRA、 MCRRA和RRA为多蜂窝资源复用算法，蜂窝链路速率随着车辆密度的增大几乎呈直线下降。因为随着D2D_V链路数量的增加，受干扰的蜂窝链路数量也相应增加，但从图6可以看出，本文所提MCRRA受车辆密度影响小于MIRA和RRA。

图6 车辆密度对蜂窝系统速率的影响Fig.6 Influence of density on cell’s sum rate

4 结 语

在车联网V2V通信中引入D2D技术，并以underlay模式工作，有利于提高频谱利用率，扩大系统容量。但由于D2D_V链路复用小区资源对原蜂窝网络造成了干扰，为控制这一干扰对蜂窝系统的影响，提出了最大化蜂窝链路速率的资源复用算法。仿真结果表明，该算法可以同时兼顾蜂窝系统和D2D_V系统的通信质量，在最大化蜂窝链路速率的同时，也一定程度上保证了D2D_V系统的通信速率，且与已有算法相比，蜂窝和D2D_V混合系统的总速率最大。本文仅考虑了资源复用算法，在今后的工作中将继续学习功率控制、D2D中继等，进一步研究蜂窝系统和D2D_V系统间的干扰控制问题。