可见光通信与WiFi异构网络资源调度算法的优化*

朱福荣，杨立伟，刘鑫来，王恩宇，廖丹怡，黄若曦

（中国农业大学，北京 100083）

0 引 言

可见光通信（Visible Light Communication，VLC）技术是一种利用发光二极管（Light-Emitting Diode，LED）的快速响应特性实现无线高速数据传输的新型绿色信息技术[1]。VLC中作为现有无线通信技术的补充，频谱丰富，频率高，传输速率快，是解决传统无线频谱资源严重不足的一种途径[2]。但同时VLC技术也一定的缺点，它的链路比较脆弱，外界环境的变化是其主要的干扰因素，单独的一个VLC接入点的覆盖范围不及WiFi的大，其次在上行链路通信也具有一定的难以解决的问题[3]。

随着人们对通信质量和通信过程的要求不断增加，异构网络的出现就是顺应了时代的潮流，针对于VLC与WiFi异构网络联合资源分配，重点是研究在WiFi资源区和VLC资源区如何进行资源的调度。2016年，李淑贞等人设计了一种基于Stackelberg模型博弈理论的算法来调度异构网络资源，该算法通过通信网络给予用户的服务以及用户获得的收益设计网络和用户相应的效用函数，然后根据两者之间的Stackelberg博弈模型，得到了最优的选择接入策略，并且获得了子博弈完美纳什平衡[4]。

由于传统的非中继通信传输技术如非中继蜂窝网技术不能完全保证边缘用户的服务质量和需求，因此通过中继站的辅助协调，使得边缘用户得到一定的服务，因此这种中继技术被广泛应用于现代通信中。针对中继异构网络中如何优化资源传输速率的问题，2017年有学者提出了另一种资源分配算法，该算法通过对传输功率的限制以及平衡分配子载波，将两者结合，并通过考虑用户的服务质量，获得了较高的通信容量。

由于电磁场环境会受到外界诸多因素的影响，因此无线通信传输过程中会出现许多不确定性。大部分算法是基于完美的信道传输状态而设计的，但是这样设计出来的资源分配算法在实际中可能会使得系统的通信性能降低。因此如何降低系统的鲁棒性以及如何减少系统中的干扰，需要考虑系统的不确定性，减少干扰以保证用户通信质量[5-6]。

目前异构无线网络的资源分配算法研究现状如前所示，与传统的网络结构不同，异构网络中含有不同网络重叠的部分，这就需要灵活分配异构网络的资源，合理分配网络系统功率。现阶段对于异构网络资源分配算法研究主要在于无线异构网络的资源分配，对于VLC与WiFi异构网络的资源分配算法的研究还较少，因此需要进一步研究。本文通过研究新的调度函数来衡量用户在WiFi资源区和VLC资源区获得资源块的能力，在VLC与WiFi融合组网的异构网络的环境下动态地、高效地分配资源块给访问网络的用户[7]。

1 VLC与WiFi融合系统模型

近年来大多是在室内安装WiFi热点提供给多用户网络资源，但是这样存在以下两个问题：WiFi技术的频谱资源是有限度的；安装多个WiFi热点会造成一些难以处理的问题，比如同频干扰等。因此，将WiFi技术与VLC技术融合在一起，形成一个异构融合网络，这样既能解决VLC存在的问题，发挥VLC的优势，又能够在享受WiFi资源的同时，极大地提高用户的上网体验和上网速度，使系统吞吐量有一个较为直观的改进。

VLC与WiFi的异构网络模型如图1所示。该异构网络采用可见光进行下行链路的传输，WiFi作为VLC的补充技术则进行上、下行链路的传输，并提供比较高速的下行传输速率。如果下行的可见光传输中断，就可以使用WiFi继续进行传输。

2 资源分配算法

调度算法主要是在终端用户进行网络资源进行调度请求时，通过一定的算法合理地调度用户所在区域内的资源给用户。一般来讲，衡量一个调度算法好坏的指标主要是依据公平性指数和吞吐量两个方面。本文针对传统的比例公平算法（Proportional Fair，PF）进行了改进，并将改进后的PF算法与最大载干比算法（MAX Carrier to Interference，Max C/I）的公平性指数和吞吐量进行对比研究。

传统PF算法的优先级表达式为

式中：Ri(t)为用户i在t时刻的瞬时传输速率；Ti(t)为终端用户i在t时刻的吞吐量。

传统PF算法的调度优先级由用户的瞬时传输速率和平均传送速率共同决定。该算法具有一定的长期公平性，通常信道的通信条件较好的话，系统会根据PF算法将资源调度给该用户，所以条件相对比较好的终端在一定时间内获得系统分配资源的概率会更高，但是这样就不能保证用户的短期公平性。从式（1）可以看出，用户的吞吐量大小影响用户优先级的大小，当新的用户加入小区进行资源管理分配时，由于新加入的用户的吞吐量很小，导致该用户的优先级在一段时间内无限大，该用户得到连续的调度，当其他用户又受到访问时延的限制时，这在很大程度上给其他用户造成短期不公平。

而Max C/I算法旨在追求通信系统性能最优化，却没有考虑用户之间的公平性，总是一味地追求高质量信道，这样就造成某些存在于小区边缘的用户由于信道质量较差而长时间得不到资源分配调度，而被“饿死”的不公平现象发生。

传统PF算法没有考虑到用户的短期公平性，对于存在访问时延限制的用户没有给予调度时间，使得该类用户的需求得不到满足。为了提高算法的短期公平性，决定在传统PF算法优先级中加入短期服务质量保证，使得访问时延比较大的用户的优先级增大。改进PF算法优先级表达式为：

式中：λc为用户访问的最大时延；λi(t)为用户i在t时刻的分组时延。分组时延的公式为：

I(t)和λi(t)初始值设置为0；之后λi(t)增加，I(t)设置为1。用户λi(t)增大的时候，其优先级也会随着增高；当用户的分组时延到达最大时延值时，用户的优先级无穷大。当用户的λi(t)较小时，优先级就会较小，这时就会影响信道状态不太好的用户的资源调度，使得它们的吞吐量比较低。改进PF算法的大致工作过程如图2所示。

3 实验研究

假设将通信系统覆盖的区域一分为二，A区域的用户仅仅享有WiFi资源，而B区域既享有WiFi资源又享有VLC资源，所以A区和B区在资源分配上存在着不公平。为了减少这种不公，本文引入一个调整因子，让系统在资源分配的时候，用户较少时优先分配VLC资源，而当用户较多VLC资源不够用时再分配WiFi资源，引入的调整因子为：

假设M为20，通过MATLAB的仿真可以得到图3。可以看到，当VLC用户较少时该区域内的用户首先使用VLC资源的概率更大，这样就不会浪费VLC资源而节省了WiFi资源。调整因子与异构网络内人数的关系仿真结果图如图3所示。

所以系统在进行调度时新的优先级计算公式为：

用对改进PF算法与传统的PF算法公平性指数进行比较，结果如图4所示。

从图4可以看出改进PF算法在前期具有较好的公平性，能够满足公平性需求，使系统的性能也得到了保证，具有更平稳更好的公平性。

模拟在用户数为10的情况下，对改进PF算法与Max C/I算法分配资源所获得吞吐量进行比较。仿真结果如图5所示。

从图5中可以看出，Max C/I 算法虽然保证了一定吞吐量，但是用户的公平性并未得到保证，出现了过于极端的资源分配情况。改进的PF算法经过引入分组时延参数，使得用户在分配资源时获得了较好的公平性，不过由于改进PF算法在区域内用户人数较少时前期会受到时延影响，系统性能略低于Max C/I 算法，但是随着用户人数的增加时延的增大，系统性能逐渐高于Max C/I算法，获得了较好的吞吐量。

另外，在不同情况下，由于改进的PF算法引进了用户的分组时延，系统的访问时延概率（Access Delay Probability，ADP）在时延为一定值时就趋近于零，而传统PF算法则在时延达到最大时才趋于0，因此改进的PF算法能够降低通信用户的访问时延，进而保证了用户在通信过程中的短期服务质量。

4 结 语

本文在VLC与WiFi融合组网的环境下，对异构网络进行了深入的研究和探讨，主要研究如何分配VLC与WiFi联合资源。因为传统的PF算法容易受到用户访问时延的限制，不能保证通信用户的短期公平性，所以本文引入了用户的分组时延和最大时延来满足用户的短期保证。设计仿真得出的数据表明了本文改进后的PF算法相比其他资源调度算法有着更好的公平性和系统性能，并且与传统的PF算法相比，降低了用户的访问时延，在追求公平的前提上更好地满足用户的服务质量要求。但是在时延的影响下，系统在前期会受到一定的影响，导致资源分配时性能有一定的降低，如何改善还需要继续深入研究。