一种基于分布式功率控制的侧行链路高谱效传输机制*

何小祥,王碧钗

(华为技术有限公司,广东 深圳 518129)

0 引 言

智能家居、元宇宙等产业的迅速发展对短距直连通信的关键性能指标(Key Performance Indicator,KPI)提出了越来越高的要求,比如高清视频投屏、扩展现实(Extended Reality,XR)等业务要求吞吐达到百兆比特每秒乃至吉比特每秒以上[1],以满足极致的用户体验。

第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)的第16个版本(Release 16,R16)标准化了新空口(New Radio,NR)车联网 (Vehicle-To-Everything,V2X)侧行链路(Sidelink,SL)技术[2-4],并对物理信道与信号,以及同步、功率控制、资源分配、信道状态信息(Channel State Information,CSI)测量反馈等物理层过程进行了标准化[5]。与传统的蜂窝网络不同,SL通信可以支持用户设备(User Equipment,UE)之间的直接通信,即用户数据直接在UE之间传输,避免了蜂窝通信中用户数据经过基站中转传输,从而可以降低传输时延并提升资源利用率。3GPP的第17个版本(Release 17,R17)将SL的应用场景扩展到了面向消费者的商用场景,以支持智能家居、可穿戴等业务的短距直连通信,并以降低功耗和提升可靠性为目标,在NR V2X的基础上对SL分布式资源分配机制进行了增强设计[3]。

在缺乏集中调度节点的SL分布式系统中,各个通信链路需自主选择通信资源,降低不同链路之间的干扰。现有的SL支持分布式资源分配机制,即Mode2机制,其主要包含资源感知与资源选择两个过程[2-5]。具体而言,UE首先设置一个触发时刻n,在时刻n之前设置一个资源感知窗,在时刻n之后设置一个资源选择窗。在资源感知窗中,该UE盲检测其他发送UE的物理SL控制信道(Physical Sidelink Control Channel,PSCCH),若成功解码其他发送UE的PSCCH所携带的SL控制信息(Sidelink Control Information,SCI),则可通过SCI中包含的预留资源指示信息判断其他发送UE所预留的资源位置;进一步,该UE可以通过其他发送UE的解调参考信号(Demodulation Reference Signal,DMRS)测量参考信号接收功率(Reference Signals Received Power,RSRP),用于判断和其他UE之间的干扰水平。若该UE和其他UE之间的干扰水平大于给定阈值,则将其他UE在资源选择窗中所预留的资源进行排除,并在资源选择窗的剩余资源中选择用于传输的资源,以降低不同通信链路之间的干扰。

除了3GPP的SL技术,电气电子工程师学会(Institute of Electrical and Electronics Engineers,IEEE)802.11标准的WiFi技术也可以支持短距直连通信,其主要采用载波侦听多址(Carrier Sense Multiple Access,CSMA)机制进行干扰规避[6]。在CSMA机制中,UE发送数据前首先通过能量检测判断信道的忙闲状态,若检测到能量大于给定阈值,则认为信道为繁忙状态,否则认为信道是空闲状态,只有认为信道空闲时才有可能接入信道,并且可以通过随机回退降低冲突概率[6]。

相比于WiFi的CSMA机制,SL利用同步系统的优势,通过资源预留可以实现更稳定的传输,具有更优的服务质量(Quality of Service,QoS)保障[7-8]。尽管如此,现有的SL技术和WiFi技术均是基于干扰水平与阈值的比较来判断能否和其他链路复用相同的时频资源,该资源复用准则对于实现最优性能既不是充分的也不是必要的,能否成功解码依赖于目标链路的信号干扰噪声比(Signal-to-Interference plus Noise Ratio,SINR)[9],而不仅仅是不同链路UE之间的干扰强度。因此,现有的分布式资源复用方式存在对资源的不充分利用,频谱效率较低,尤其是在中高用户密度场景下吞吐受限,影响用户体验。

为了提升短距直连通信的吞吐,本文提出了一种基于分布式功率控制的SL传输机制。各发送UE在进行资源选择和功率控制时,不仅考虑目标链路的CSI,而且考虑干扰链路的CSI。设计了以和吞吐最大化为目标的功率分配优化算法以及广播式CSI测量上报机制,降低链路间干扰,以分布式的方式获得近集中式控制的性能。仿真结果表明,所提方案可以有效提升吞吐,改善用户体验。

1 系统模型

本文考虑如图1所示的分布式短距直连通信系统。假设共有K个通信链路,每个通信链路包含一个发送UE和一个接收UE;假设频域资源共包含N个子带(也可以称为子信道),且一个子带内信道是平衰落的,其中每个子带由多个连续的物理资源块(Physical Resource Block,PRB)构成,每个子带包含M个资源粒子(Resource Element,RE)。

第k个接收UE在第n个子带第m个RE的接收信号为

(1)

式中:sk[n,m]是第k个发送UE在第n个子带第m个RE的发送符号且满足E(sk)=1;pk[n]是第k个发送UE在第n个子带上的发射功率;hjk[n]是第j个发送UE与第k个接收UE之间在第n个子带上的信道增益;vk[n,m]是第k个接收UE在第n个子带第m个RE的接收噪声且服从高斯分布CN(0,σ2/M)。根据公式(1),第k个接收UE在第n个子带的SINR可以表示为

(2)

根据香农公式,第k个通信链路可以实现的最大吞吐率可以表示为

(3)

式中:B是每个子带的信道带宽。

本文以最大化多个通信链路的和吞吐为目标,优化问题可以表示为

C2:pk[n]≥0,∀k,n

(4)

式中:Pk,max是第k个发送UE的最大发射功率。

通过求解优化问题(4),可以获得每个发送UE在各个子带的发射功率,各个通信链路的发送UE均基于优化的发射功率进行传输,可以使得多个链路的和吞吐最大化。

2 方案设计

2.1 功率分配优化算法

由于目标函数的非凸性,优化问题(4)是一个非凸问题,难以获得全局最优解。为了解决这一非凸优化问题,本文利用SINR与最小均方误差(Minimum Mean Square Error,MMSE)的等价变换关系将目标函数转换为凸函数[10],并通过迭代优化的方式获得局部最优解。

具体而言,公式(2)中的SINR与MMSE的变换关系可以表示为[10]

(5)

式中:ek[n]是第k个接收UE在第n个子带进行信号检测的均方误差,即

ek[n]=E{|sk[n]-ck[n]·yk[n]|2}

(6)

式中:sk[n]是第k个发送UE在第n个子带上的发送符号;yk[n]是根据公式(1)得到的接收信号;ck[n]是均衡系数。将根据公式(1)得到的yk[n]表达式代入公式(6)可得

(7)

对公式(7)求导可以得到ck[n]的最优值,即

(8)

将公式(5)代入公式(3)可以得到

(9)

为了进一步简化目标函数,可以基于引理1[10]将公式(9)转换为线性函数,具体如下:

(10)

证明:令f(a)对变量a的导数等于0,可以获得使得f(a)取最大值的a的取值,即

(11)

根据公式(11)可以获得f(a)的最大值为

(12)

由此引理1得到证明。

根据引理1,公式(9)可以转化为

(13)

根据公式(13),优化问题(4)可以转化为如下优化问题:

C2:pk[n]≥0,∀k,n

(14)

(15)

将公式(15)代入公式(7)可得

(16)

根据公式(11)和公式(16)可以获得第(t+1)次迭代{ak[n]}的最优解,即

(17)

获得第(t+1)次迭代{ck[n]}和{ak[n]}的最优解后,第(t+1)次迭代{pk[n]}的最优解可通过求解以下优化问题获得:

C2:pk[n]≥0,∀k,n

(18)

式中:

(19)

根据拉格朗日乘子法,优化问题(18)可以转化为如下优化问题:

(20)

式中:λk≥0为拉格朗日乘子。

(21)

在每次迭代中,通过公式(15)、(17)、(21)获得的{ck[n]},{ak[n]},{pk[n]}均为当次迭代的最优解,因此迭代更新{ck[n]},{ak[n]},{pk[n]}可以使得优化问题(14)中的目标函数取值增大或不变,在每个发送UE最大发射功率的约束下,优化问题(14)中的目标函数取值将会收敛到全局或局部最大值。

在每次迭代中,通过公式(15)和(17)计算{ck[n]}和{ak[n]}的计算复杂度分别为O(K·N),通过公式(21)计算{pk[n]}的计算复杂度为O(K·N·lb(1/δ)),其中δ>0为二分法搜索的精度。因此,上述迭代优化算法的计算复杂度为O(Tmax·K·N·lb(1/δ)),Tmax为最大迭代次数。

2.2 基于广播式CSI测量上报的分布式功率控制

由公式(15)、(17)、(21)可知,第k个发送UE为了计算在第n个子带的最优发射功率,需要获得与目标链路接收UE之间的信道增益hkk[n]以及与其他干扰链路接收UE之间的信道增益{hjk[n]}j≠k。为了获得上述信息,如图2所示,需要每个链路的接收UE测量与各个链路发送UE之间的CSI,并将CSI以广播的形式上报给各个链路的发送UE,其中每个接收UE上报的CSI包含该接收UE与目标链路发送UE之间的信道增益以及与其他干扰链路发送UE之间的信道增益;每个链路的发送UE收集来自各个链路接收UE上报的CSI,然后基于这些信息根据2.1节的算法进行功率优化。

图2 广播式CSI上报

特别地,各个发送UE可以首先基于如图3所示的现有SL资源感知与资源选择过程选择干扰较小的时隙,选择相同时隙的多个发送UE可以通过分布式功率控制提高频谱效率。

图3 SL Mode2分布式资源分配

为了让发送UE明确需要和哪些链路的发送UE进行分布式功率控制以及获得功率优化所需的信息,可以建立发送信道状态信息参考信号(Channel State Information Reference Signal,CSI-RS)的资源与发送数据的资源之间的关联关系,且不同通信链路可以采用默认的发送功率发送正交的CSI-RS序列。具体而言,一个CSI-RS资源可以与Q个时隙的物理SL共享信道(Physical Sidelink Shared Channel,PSSCH)资源相关联,其中PSSCH可以携带通信数据,一个CSI-RS资源在时域上包含一个或多个正交频分复用(Orthogonal Frequency-Division Multiplexing,OFDM)符号,在频域上每个子带包含Q个PRB集合,每个PRB集合的资源可以用于发送一个完整的CSI-RS序列。如图4所示,假设时隙Ti的CSI-RS资源与时隙Tj、Tj+1、Tj+2、Tj+3共4个时隙的PSSCH资源相关联,其中时隙Ti的CSI-RS资源在每个子带上包含4个PRB集合,分别对应4个时隙;比如一个发送UE通过资源感知与资源选择过程选择了时隙Tj+1作为候选传输时隙,则该发送UE在时隙Ti的CSI-RS资源每个子带的第2个PRB集合上发送CSI-RS。由于不同发送UE的CSI-RS序列是正交的,每个链路的接收UE可以根据检测到的CSI-RS序列判断CSI-RS资源关联的每个时隙上的发送UE集合,并可以测量与这些发送UE之间的信道增益。接收UE可以在时隙Ti与时隙Tj之间以广播的形式将测量到的CSI上报给各发送UE,选择相同时隙的发送UE基于目标链路接收UE以及干扰链路接收UE上报的CSI分别进行功率优化,且不同发送UE采用相同的优化参数。

3 仿真分析

本节对所提方案进行性能验证,仿真参数如表1所示。具体而言,本文采用Python作为仿真平台;仿真中考虑如图1所示的分布式短距直连通信系统,其包含K个通信链路,每个通信链路有一个发送UE和一个接收UE,以模拟诸如手机与大屏通信、手机与XR眼镜通信等多链路共存的场景;在生成用户分布时,首先生成K个发送UE的位置,每个发送UE的位置服从在20 m×20 m范围内的均匀分布,然后生成K个接收UE的位置,其中第k个接收UE和第k个发送UE之间的距离服从2～5 m之间的均匀分布;仿真中采用5G NR的MCS表,即3GPP TS 38.214中的表5.1.3.1-1和表5.1.3.1-2[5],发送UE可以根据接收UE反馈的CSI进行链路自适应,从表中选取最优的MCS。考虑业务周期为10 ms,在每个周期内,每个发送UE占据20 MHz带宽,传输时长共2.5 ms,因此可以允许4个发送UE占据完全正交的时频资源,当通信链路数超过4时,至少有两个发送UE占据的时频资源会全部或部分重叠,本文将这种情况认为是中高用户密度场景。

表1 仿真参数

为了验证所提方案的有效性,本文考虑如下3种分布式传输机制:①CSMA机制[6],其中能量检测阈值设为-72 dBm;②SL Mode2机制[3,5],其中初始资源感知阈值设为-112 dBm,若资源选择窗中的候选资源数小于20%,则将资源感知阈值增加3 dB后重新选择候选资源;③本文所提的SL分布式功率控制机制,功率优化时的初始功率为各子带等功率分配,优化迭代次数为3。对于每个链路数的取值,仿真次数均为1 000次,以获得吞吐的统计平均值。

图5给出了平均每个通信链路的吞吐随着通信链路数的变化,可以看出,随着通信链路数的增加,不同链路之间的干扰增加,从而导致平均每个通信链路的吞吐下降。仿真结果表明所提方案通过分布式功率控制可以有效提升吞吐:相比于SL Mode2机制,在通信链路数为5时可以获得30%的吞吐增益,在通信链路数为8时可以获得107%的吞吐增益;相比于WiFi的CSMA机制,在通信链路数为5时可以获得50%的吞吐增益,在通信链路数为8时可以获得209%的吞吐增益。由此可见,所提方案在资源复用时充分考虑了目标链路和干扰链路的信道信息,中高用户密度场景下可以实现更有效的干扰管理,提升资源利用率。

图6给出了不同机制在时延预算内正确传输包大小的累计分布函数(Cumulative Distribution Function,CDF),其中通信链路数为5,时延预算为10 ms。特别地,对于2K视频业务,平均每帧的大小为125 kb。从图6可以看出,在相同的时频资源下,CSMA机制可以有70%的用户满足2K视频业务需求,SL Mode2机制可以有90%的用户满足2K视频业务需求,所提方案可以有95%的用户满足2K视频业务需求。因此,本文提出的基于分布式功率控制的SL传输机制可以实现高效的资源利用,有效提升用户体验。

图6 包大小分布

4 结 论

本文以最大化和吞吐为目标,设计了基于分布式功率控制的SL传输机制。首先,对SL多链路分布式通信系统的功率优化问题进行了建模;然后,根据SINR与MMSE的等价变换关系,将非凸功率优化问题转化为多个凸优化子问题,并通过迭代优化获得局部最优解;最后,设计了广播式CSI测量上报机制,使能多链路的分布式功率控制和资源选择。仿真结果表明,本文所提方案可以有效提升分布式系统的吞吐,改善用户体验。