基于QoS的D2D资源分配算法

邬春明，尚恒蕾

(东北电力大学电气工程学院，吉林 吉林 132012)

移动通信技术日趋成熟的今天，频谱资源如何更好的被利用起来仍然是众多人研究的问题，终端直连的D2D技术具有潜在的提升系统性能的前景.因此，其作为5G的关键技术，近年来发展相当迅速[1-8].D2D技术指距离较近的设备与设备可以直接进行数据传递，而不利用基站转发，这样做能减少基站搭建，降低通信成本.另外系统通信只用到上行链路或者下行链路其中的一个，使得资源利用率得到有效提高[9-10].但与此同时，由于信道的原因，通信会与原始用户相互干扰，从而会对系统的整体QoS产生了不好的影响.因此，如何在D2D用户与蜂窝小区用户之间协调，更加合理的使用频谱，使系统吞吐量得到有效增大，将是一个巨大挑战.

关于这一问题，有许多研究人员在研究，并提出自己的算法.文献[11-15]中，作者规定每对D2D用户只能占用一个原有小区用户信道，这样的方法不利于系统容量提升，因为D2D用户数量比基站小区信道数量小的多的时候，上述方法将会无法有效利用资源，使很多信道被浪费.文献[16]中，作者允许D2D可以占用多个基站用户信道，但有一个前提，任一基站中只存在一对D2D通信，这过于理想化，不符合实际通信系统情况，因此其难以成为一项成熟的技术.新提出的算法从QoS的角度出发，对每个D2D占用的信道数不做限制，并且保证新增的D2D用户，不会使原有吞吐量下降.在此前提下，文中建立了最大化D2D吞用户吐量的函数模型，由于这是一个混合整数非线性优化模型，如果单纯利用数学方法直接求解函数最大值，会导致计算度过于复杂，不具有实际研究价值.因此本文引入了信道分派联合功率约束方式求解函数.由于D2D用户可能复用多个基站小区内的信道，所以首先要确定D2D用户可以复用的信道集合，然后优化基站小区用户与D2D用户的传输功率，使得D2D用户的总容量得到有效提升，以期达到最大化.实验最终显示，新提出的算法可以很好地增加D2D总容量.

文章后续安排如下：第一部分是建立系统模型；第二部分是建立系统函数；第三部分是信道选择和功率分配；第四部分仿真结果分析；第六部分是对本文的总结.

1 系统模型建立

这一部分，本文建立了“一对多”基站通讯系统及信道通讯模型，规定每对D2D均可占用多个基站小区信道，但每个信道只能被一个D2D用户复用.

1.1 系统模型

本文建立了一种单基站微型系统模型，模型中包含N个蜂窝用户和M个D2D对，在模型中对信道和基站中用户作了规定，即每个基站小区用户占用一个独立的信道资源，彼此正交，信道间不存在相互干扰，并且D2D占用基站上行链路进行通信.另外本文模型内的干扰，不考虑邻近小区的影响.系统模型如图1所示.

由图1可知，由于复用上行链路，且信道之间不存在干扰，因此只存在两种干扰：

(1)基站用户对共享此信道的D2D用户的干扰；

(2)D2D用户对共享此信道的基站用户的干扰.

1.2 信道模型

在本文中，假定D2D用户复用的是上行链路，并假设微型系统的信道衰落符合瑞利衰落，则路径损耗模型为[18]：

PL=36.7log10(dist)+22.7+26log10(fc)，

(1)

公式中：dist为两个设备之间的距离；fc为载频.则系统中两个设备之间的增益为

Gx，y=10-PL/10，

(2)

公式中：x和y分别为两个设备.

根据上述分析，则在信道k上蜂窝用户i的信干比为

(3)

D2D用户j在信道k上的信干比为

(4)

2 问题函数建立

为了增大系统吞吐量，根据香农公式得其优化函数为

(5)

约束条件：

(6)

(7)

(8)

(9)

(10)

3 资源分配

3.1 信道分配

本文根据D2D用户信干比阈值和新加入D2D不能使得系统总容量变小这个条件，来确定D2D用户j所有可以复用的信道.

首先，D2D用户的信干比要大于规定的阈值，如公式(11)所示：

(11)

其次，因为新D2D不能使得原信道容量降低，如公式(12)所示：

Ri+Rj>Ri0，

(12)

公式中：Ri，o为没有加入D2D之前第i个基站小区用户的容量；Ri为加入D2D后，第i个基站小区用户的容量；Rj为加入第j个D2D的容量.综上可知，D2Dj可以占用基站中信道候选集合为

Ωj={i|eqs.(11)，(12)}

.

(13)

3.2 最优功率求解

在限制条件公式(9)下，公式(5)的Lagrangian函数为

(14)

公式中：λ为Lagrangian 乘子，其优化函数用Lagrangian对偶函数表示为

(15)

其中

(16)

将公式(4)带入公式(16)中可得

(17)

对于公式(17)，如果λ是确定的，那就可以把它分解为K(信道的条数)个独立的问题.假设将信道k分配给第j个D2D对，由于确定第j个D2D对占用第k个信道，所以πj，k值为1，则公式(17)可以简化为

(18)

约束条件：

(19)

其中，公式(19)是根据公式(6)、公式(7)转化而来.

(20)

将公式(20)带入公式(18)可得

(21)

约束条件：

pj，k≤α，

(22)

(23)

则pj，k的最优值为

(24)

将公式(24)带入公式(21)可得到

(25)

(26)

(27)

其中：θ(t)是一系列的步长序列，根据文献[10]的研究，只要θ(t)足够小，上述的次梯度方法就能收敛于最优值.公式(27)的推导过程为

4 仿真结果分析

本节利用MATLAB进行仿真，建立一个单基站模型，蜂窝用户与D2D随机分布在单基站中，其相关参数如表1所示.

表1 仿真参数表

在蜂窝小区用户数量增长的时候如图2所示，对D2D对总容量产生的影响，并与文献[13]的Greedy算法和文献[14]Random算法进行了对比.从中很明显的可以得出结论，在横轴变量逐渐上升的情况下，纵轴D2D对总容量也逐渐增大.这是因为每个D2D对不再只是占用一个基站小区用户的信道，而是随着基站中蜂窝用户数目的增加，每个D2D对能够复用更多信道.另外通过对比发现，本文算法的性能同Greedy算法和Random算法相比，有明显优势.

当用户之间距离逐渐增大时如图3所示，D2D用户对总容量会越来越小，因为D2D对传输端与接收端之间通信距离增大时，D2D对传输端与接收端之间信道增益会随之下降，而容量与信道增益是正比关系.从图3中可以看到本课题提出的算法优于文献[13]的Greedy算法和文献[14]的Random算法，并且可以看到当距离慢慢变大时，吞吐量的下降速度会变快.

图2 蜂窝用户数量的变化对D2D总容量的影响图3 D2D用户之间距离对D2D用户对吞吐量的影响

用户SINR阈值对D2D总容量的影响如图4所示.从中可以看到，本课题所提出的算法在当基站小区用户SINR阈值变高时，D2D容量越来越低.这是因为，为了保证蜂窝系统传输速率，当蜂窝用户信干比SINR阈值越来越高时，将会牺牲一些D2D用户对性能，来满足蜂窝用户通信需求.而文献[13]的Greedy算法和文献[14]的Random算法实现过程中对功率不做约束，因此SINR阈值变化时，D2D对吞吐量没有明显变化.

5 结束语

新提出的以QoS为基础的信道选择兼功率支配算法首先允许每个D2D占用多个用户信道，所以当基站小区用户数量增加时，D2D对可用信道数就会变多，使得 D2D对总容量增加.另外，算法根据D2D信干比限制，以及假设新加入D2D不能使原系统总吞容量下降这两个限制条件，来确定D2D可用的基站小区信道集合，再利用凸优化方法，求解每个信道所对应最优D2D对的发射功率，然后利用次梯度迭代法迭代出最优的λ，从而最大化系统容量.实验结果表明，相较于另外两种算法，基于QoS的D2D资源分配算法能更加明显地提升了D2D总容量.