蜂窝网络中D2D中继通信的信道分配算法研究.pdf

第 51 卷收稿日期：2023年4月2日，修回日期：2023年5月17日作者简介：郁从瑞，男，硕士研究生，研究方向：D2D通信方向。刘罡，男，硕士，高级工程师，研究方向：移动通信、电磁辐射、物联网方向。李晖，男，博士，教授，研究方向：无线通信系统、空间通信技术、工业互联网方向。王梦姣，女，硕士研究生，研究方向：移动通信方向。陈志伟，男，硕士研究生，研究方向：移动通信方向。1引言随着智能设备的爆炸式增长以及业务需求的日益多样化，频谱资源匮乏的问题显得愈加严重1。作为 5G 通信关键技术之一的设备到设备（Device-to-Device，D2D）技术，允许临近的终端在基站的控制下，建立直接通信链路，复用蜂窝网络的信道资源以达到减轻基站负载、减小通信时延、提升系统吞吐量的目的23。D2D 用户有三种工作模式45：蜂窝模式、专用模式、复用模式。与Wi-Fi技术、蓝牙（Bluetooth）技术、WLAN 技术等短距离通信技术相比6，D2D通信具有诸多优势：1）D2D通信技术使用的是运营商授权频段7，可以很好地进行干扰控制；2）D2D通信传输距离较远；3）D2D用户的接入配对均由基站统一完成，安全、快速和便捷。针对D2D用户在复用过程中的干扰问题，合理分配信道，有利于提升通信系统的吞吐量，引起许多学者的关注。文献 8 提出一种基于干扰区域限制的信道分配算法，根据 D2D接收端与其复用的蜂窝网络中 D2D 中继通信的信道分配算法研究郁从瑞1刘罡2李晖2王梦姣1陈志伟1（1.南京信息工程大学电子与信息工程学院南京210044）（2.无锡学院电子信息工程学院无锡214105）摘要D2D（Device-to-Device）通信技术通过复用蜂窝用户的信道资源，可以有效提高系统吞吐量。然而，D2D链路对在复用信道资源时，会导致用户间的同频干扰问题。因此，为解决D2D用户、基站、蜂窝用户三者之间的干扰问题，提出一种基于双距离机制的改进信道分配算法，为D2D对分配合适的信道资源。再根据信道分配结果，为每个D2D对选择合适的空闲用户作为中继，实现D2D中继通信。仿真结果表明，该算法能够有效提高通信系统的吞吐量。关键字D2D通信技术；中继通信；同频干扰；信道分配中图分类号TN91DOI：10.3969/j.issn.1672-9722.2023.10.004Research on Channel Allocation Algorithm for Device-to-DeviceRelay Communication Underlaying Cellular NetworksYU Congrui1LIU Gang2LI Hui2WANG Mengjiao1CHEN Zhiwei1（1.School of Electronics&Information Engineering，Nanjing University of Information Science&Technology，Nanjing210044）（2.School of Electronics Information Engineering，Wuxi University，Wuxi214105）AbstractD2D（Device-to-Device）communication technology can effectively improve system throughput by multiplexing thechannel resources of cellular users.However，when the D2D link pair reuses channel resources，it will cause the problem ofco-channel interference between users.Therefore，in order to solve the interference problem between D2D users，base stations，andcellular users，an improved channel allocation algorithm based on a dual distance mechanism is proposed to allocate appropriatechannel resources for D2D pairs.Then，according to the channel allocation results，a reasonable idle user is selected as a relay foreach D2D pair to realize Device-to-Device relay communication.The simulation results show that the algorithm can effectively improve the throughput of the communication system.Key WordsD2D communication technology，relay communication，co-channel interference，channel allocationClass NumberTN91总第 408 期2023 年第 10 期计算机与数字工程Computer&Digital EngineeringVol.51 No.1022362023 年第 10 期计算机与数字工程CUE之间的距离以及预先设定的距离阈值，为D2D对选择出最优的信道资源。文献 9 提出一种最优资源分配算法，考虑不同信道之间的差异性，为每个用户选择质量最好的信道。文献 10 提出一种混合的集中-分布式的资源分配方案，基于聚类思想为D2D用户分配信道，将相互距离小的D2D用户分为一类。文献 11 提出了一种基于QoS的分簇信道分配算法，构建D2D用户间的干扰图，并建立D2D用户的可用颜色列表，最后为D2D用户分簇，在同一簇内的用户可以共享信道。文献 12 以D2D组复用蜂窝用户的最大能效值与其原先的差值为权重，采用Kuhn-Munkres算法为D2D组分配信道。文献 13 提出一种用于功率控制和信道分配的固定SINR跟踪算法，使D2D用户在保证CUE的QoS需求时，选择蜂窝用户子信道进行复用。文献14提 出 一 种 启 发 式 信 道 分 配 算 法，利 用Gale-Shapley算法得到信道匹配的最优解，同时增加了允许接入的D2D对的数量。文献 15 提出一种基于D2D链路和蜂窝链路总和速率的信道分配方案，D2D链路通过频谱聚合技术同时复用多个蜂窝用户子信道，提高了蜂窝网络的频谱利用率。文献 16 根据不同D2D用户复用不同蜂窝用户的功率构建二分匹配的容量矩阵，利用改进的匈牙利算法分配信道，有效提升了蜂窝网络的系统吞吐量。文献 17 基于能效构造D2D链路与蜂窝链路之间的二分图，利用Gale-Shapley算法解决D2D用户与蜂窝用户之间的信道匹配问题。文献 18 提出一种基于贪婪算法的信道分配方案，首先构造一个描述多个D2D用户共用同一信道时的干扰图，然后基于贪婪算法为每对D2D用户分配信道。但是，目前在为D2D对分配信道的研究中，未考虑复用过程中，多个D2D对同时选择同一蜂窝信道的“竞争”问题。因此，本文提出了一种基于双距离机制（channel allocation algorithm based on dualdistance mechanism，DDCA）的改进信道分配算法，该算法同时考虑了蜂窝用户到D2D接收端的距离和D2D发送端到基站的距离，以解决D2D用户在复用过程中“竞争”同一信道资源的问题，可以在保证用户通信质量的前提下有效利用频谱资源。2系统模型及问题描述2.1系统模型如图 1 所示，假设是一个单小区蜂窝通信系统，基站（Base Station，BS）位于小区的中心，小区半径为r，小区内随机均匀地分布有M个蜂窝用户、N个D2D对（每个D2D对的发射端和接收端分别表示为 DT、DR）以及K个空闲用户 IUE，其中MN，KN。其中，蜂窝用户的集合表示为C=CUE1，CUE2，CUE3CUEM；D2D 对用户的集合表示为D=DUE1，DUE2，DUE3DUEN；空闲用户的集合表示为R=IUE1IUE2IUE3IUEK。假设基站预先为蜂窝用户分配好相互正交的频谱资源，蜂窝用户之间不存在同频干扰问题。假设D2D用户对复用同小区中蜂窝用户的上行频谱资源，并且所有的D2D对因链路质量不佳，直接通信链路条件均无法满足，必须借助空闲用户IUE进行中继通信。空闲用户的工作模式为半双工模式，两条D2D链路使用相同的蜂窝频谱资源。图1D2D中继通信系统模型在本文的通信场景中，D2D中继通信只考虑两跳中继通信。其中，在D2D通信第一跳链路中，被选作中继的空闲用户和基站处的信干噪比 SINR（Signal to Interference plus Noise Ratio）表达式分别为SINRre=PdGdrPcGcr+N0（1）SINR1BS=PcGcbPdGdb+N0（2）其中，Pd和Pc分别代表D2D用户对的发射功率和蜂窝用户的发射功率；Gdr、Gcr、Gcb、Gdb分别代表 D2D对发射端到中继用户、蜂窝用户到中继用户、蜂窝用户到基站、D2D对发射端到基站的信道增益；N0则表示加性高斯白噪声 AWGN（Addictive White Gaussian Noise）。同理，在第二跳D2D链路中，D2D用户对的接收端和基站处的信干噪比 SINR（Signal to Interference plus Noise Ratio）表达式分别为SINRDR=PrGrdPcGcd+N0（3）2237第 51 卷SINR2BS=PcGcbPrGrb+N0（4）其中，Pr代表中继用户的传输功率；Grd、Gcd、Gcb、Grb分别代表中继用户到D2D接收端、蜂窝用户到D2D接收端、蜂窝用户到基站、中继用户到基站之间的信道增益。上述公式中，蜂窝通信链路和D2D通信链路的信道增益，不但考虑了慢衰落与路径损耗，同时也考虑了因多径传播导致的快衰落。因此，将通信链路的信道增益建模为G=*fast*slow*L-（5）其中，代表路径损耗常数；fast代表快衰落因子，服从均值为1的指数分布；slow代表慢衰落因子，服从均值为1、标准偏差8dB的对数正态分布；L代表用户间的距离；代表路径损耗指数。由香农公式C=B*log2(1+SINR)可知，基站处的吞吐量、D2D通信第一跳和第二跳链路中的D2D用户的吞吐量分别表示为Cc=B*(log2(1+SINR1BS)+log2(1+SINR2BS)（6）C1d=B*log2(1+SINRre)（7）C2d=B*log2(1+SINRDR)（8）2.2问题描述根据式（6）（8），D2D中继通信的总吞吐量为基站的吞吐量与D2D用户的吞吐量之和，具体表达式如下：THR=m=1Mn=1Nk=1KmnnkCc+12min(C1d+C2d)（9）其中，mn表示信道分配因子，当第n个D2D对复用第m个CUE的信道资源时，mn=1，否则mn=0；nk表示中继选择因子，当第n个D2D对选择第k个空闲用户IUE作中继时，nk=1，否则nk=0。本文的优化目标是最大化整个D2D中继通信系统的吞吐量，即：max THR（10）s.t.m=1Mmn1nD（11）n=1Nmn1mM（12）mn01mMnD（13）n=1Nnk1kK（14）k=1Knk1nD（15）nk01nDkK（16）0PcPmaxc（17）0PdPmaxd（18）0PrPmaxr（19）其中，式（11）（13）保证一个D2D对只能复用一个蜂窝用户信道，而且一个信道也只能被一个D2D对复用；式（14）（16）保证一个D2D对只能选择一个空闲用户作为中继进行通信，而且一个空闲用户也只能被一个D2D对选择；式（17）（19）是对蜂窝用户、D2D用户、空闲用户的传输功率的约束。3信道分配算法设计针对式（10）所提出来的优化目标，本文提出一种改进的基于双重距离机制的信道分配算法，为每个D2D对分配合适的信道，使得系统吞吐量得以最大化。D2D对复用蜂窝用户信道资源时，蜂窝用户距离D2D用户越远，蜂窝用户对D2D用户的干扰值越小。同理，D2D发射端距离基站越远，D2D用户对基站的干扰值也越小。算法的具体步骤如下：Step1：考 虑 欧 式 几 何 距 离 公 式L=(x1-x2)2+(y1-y2)2，计算小区内蜂窝用户与D2D用户对接收端、D2D用户对发射端与基站的距离，得到两个干扰距离矩阵dist_c2dr、dist_d2bs；Step2：根据距离越远，干扰越小准则，找出dist_c2dr矩阵每一列的最大值，令其相对应的信道分配因子mn=1；Step3：计算信道分配因子矩阵每行元素中“1”的个数，如果均为0或1，完成所有匹配且是一对一匹配，如果大于1，则存在“竞争”现象，将信道未被复用的CUE加入新的集合C1；Step4：寻找信道分配因子矩阵每一行中存在“竞争”的D2D对，根据dist_d2bs矩阵，找出其中距离基站最远的D2D对，保留其信道分配因子的值不变，其余D2D对的信道分配因子的值置零，同时将“竞争”失败的D2D对加入新的集合D1；Step5：对C1和D1集合中的CUE和D2D对，根据 Step1 距离矩阵中的元素值，再次执行 Step2 到Step4的操作，以此循环，更新集合C1与D1，直至所有的D2D对完成一对一的信道分配。根据上述信道分配算法的最终结果，结合基于距离的中继选择算法和随机选择算法进行仿真，并与随机信道分配进行对比。4仿真结果与分析本文借助Matlab仿真平台对所提算法进行仿郁从瑞等：蜂窝网络中D2D中继通信的信道分配算法研究22382023 年第 10 期计算机与数字工程真，反复运行1000次蒙特卡洛实验，并对仿真所得数据取平均值。每执行一次，CUE、空闲用户以及D2D 用户在小区中的位置分布都随之发生改变。将本文所提算法与随机信道分配算法 RCA（Random Channel Algorithm）进行比较，并结合基于距离的中继选择算法DRS（Relay Selection Based On Distance）与随机中继选择算法RRS（Random Relay Selection Algorithm）进行通信仿真。主要仿真参数设置如表1所示。表1仿真参数设置参数小区半径r/m蜂窝用户数M/个D2D对数N/个空闲用户数K/个D2D对最大距离/m蜂窝用户最大发送功率/dBmD2D用户最大发送功率/dBm空闲用户发送最大功率/dBm加性高斯白噪声N0/dBm路径损耗常数路径损耗指数参数值50030605305010050100242424-1140.014图2所示是D2D中继通信场景仿真图，基站位于小区中心，蜂窝用户、D2D用户、空闲用户随机均匀的分布在小区内。图2通信系统仿真图随着D2D对数量的增加，系统吞吐量的变化曲线如图 3 所示。由图可知，随着 D2D 对数量的增加，4种情况下的系统吞吐量都呈现递增的趋势，验证了D2D通信能有效提高吞吐量。此外，在同一种中继选择算法下，本文所提的信道分配算法明显优于随机信道分配算法，能够有效降低同频干扰以及“竞争”问题，提升系统吞吐量。图4所示为空闲用户数目的变化与系统吞吐量的关系曲线。可以看出，随着空闲用户数量的不断增加，D2D用户对能够选择的潜在最优中继的概率也会增加，使得D2D链路的吞吐量随之增加，因此系统的吞吐量也会随之逐渐增加。显而易见，在相同条件下，本文所提的算法可以更好地提高系统吞吐量。图3D2D对的数量与系统吞吐量关系图4空闲用户的数量与系统吞吐量的关系图5描述了D2D用户对之间的距离逐渐加大时，系统吞吐量的变化曲线。可以看出，当D2D对之间的距离变大时，D2D 链路的路径损耗随之变大，吞吐量将下降，从而导致整个系统的吞吐量在下降。但是，本文所提算法的性能始终优于随机信道分配算法。图5D2D对间的距离与系统吞吐量的关系图6给出了随着D2D用户的发射功率增加，系统吞吐量的变化曲线。D2D用户对的发射功率逐渐增加，使D2D链路的抗干扰能力不断加强，D2D链路的吞吐量得以提升，从而提升了整个系统的吞吐量。2239第 51 卷图6D2D用户的发射功率与系统吞吐量的关系5结语本文描述了在D2D中继通信场景下，针对D2D用户分配信道过程中，未考虑多个D2D对选择同一信道资源的“竞争”问题，同时考虑蜂窝用户与D2D接收端的距离和D2D发射端与基站的距离这两个因素，提出一种基于双距离机制的改进信道分配算法，解决了信道分配过程中的“竞争”问题。根据最后的仿真结果，明显看出本文所提出的算法能够有效改善蜂窝通信系统的吞吐量。参 考 文 献1钱志鸿，王雪.面向5G通信网的D2D技术综述 J.通信学报，2016，37（07）：1-14.QIAN Zhihong，WANG Xue.Reviews of D2D technologyfor 5G communication networks J.Journal on Communications，2016，37（07）：1-14.2虞新颖，谭冲，刘洪，等.一种基于合作缓存的D2D通信缓 存 策 略J.计 算 机 与 数 字 工 程，2019，47（09）：2242-2246，2256.YU Xinyin，TAN Chong，LIU Hong，et al.A CachingStrategy in D2D Communication Based on CooperativeCaching J.Computer and Digital Engineering，2019，47（09）：2242-2246，2256.3K.Doppler，M.Rinne，C.Wijting，C.B.Ribeiro，et al.Device-to-device communication as an underlay to LTE-advanced networksJ.IEEE Communications Magazine，2009，47（12）：42-49.4王俊义，巩志帅，符杰林，等.D2D通信技术综述 J.桂林电子科技大学学报，2014，34（02）：114-119.WANG Junyi，GONG Zhishuai，FU Jielin，et al.A survey on device-to-device communicationJ.Journal ofGuilin University of Electronic Technology，2014，34（02）：114-119.5柯春华.基于NOMA的中继D2D通信系统容量分析和功率分配 D.南京：南京邮电大学，2019.KE Chunhua.Capacity analysis and power allocation of relay D2D communication system based on NOMAD.Nanjing：Nanjing University of Posts and Telecommunications，2019.6梁彦军.面向D2D用户的NOMA系统功率分配及干扰管理研究 D.海口：海南大学，2019.LIANG Yanjun.Research on Power Allocation and Interference Management of NOMA System for D2D users D.Haikou：Hainan University，2019.7张胜南.蜂窝网络覆盖下的D2D通信研究 J.软件导刊，2020，19（3）：210-214.ZHANG Shengnan.Research on D2D Communication Underlaying Cellular Net-work J.Software Guide，2020，19（3）：210-214.8朱国晖，刘涛，杨晶晶.5G全双工D2D通信系统中的最优功率控制方案 J.计算机应用研究，2017，34（12）：3771-3774.ZHU Guohui，LIU Tao，YANG Jingjing.Optimal powercontrol for 5G full-duplex enabled D2D communicationJ.Application Research of Computers，2017，34（12）：3771-3774.9林淑君，唐俊华.5G网络中D2D通信模式选择和资源优化算法 J.通信技术，2016，49（01）：56-61.LIN Shujun，TANG Junhua.Mode Selection and ResourceOptimization Algorithm for D2D Communication in 5GCellular Network J.Communications Technology，2016，49（01）：56-61.10尹国庆，宋荣方.D2D通信模式下集中-分布式混合资源优化分配方案 J.南京邮电大学学报（自然科学版），2018，38（03）：47-53.YIN Guoqin，SONG Rongfang.Hybrid centralized-distributed resource allocation optimization scheme for device-to-device communicationJ.Journal of NanjingUniversity of Posts and Telecommunications（Natural Science Edition），2018，38（03）：47-53.11石纯子，朱琦.D2D通信系统中基于QoS的分簇信道分配算法 J.信号处理，2017，33（07）：953-960.SHI Chunzi，ZHU Qi.QoS-based Clustering Channel Allocation Algorithm in D2D Communication SystemJ.Journal of Signal Processing，2017，33（07）：953-960.12陶静，朱琦.基于NOMA的D2D通信联合子信道与功率分配算法 J.南京邮电大学学报（自然科学版），2018，38（03）：32-39.TAO Jing，ZHU Qi.Joint subchannel and power allocation algorithm in D2D communication based NOMA J.Journal of Nanjing University of Posts and Telecommunications（Natural Science Edition），2018，38（03）：32-39.13Sanusi I O，Nasr K M，Moessner K.Channel assignmentand power control for D2D-enabled cellular networksC/2019 International Conference on Computing，Elec郁从瑞等：蜂窝网络中D2D中继通信的信道分配算法研究22402023 年第 10 期计算机与数字工程tronics&CommunicationsEngineering（iCCECE）.IEEE，2019：225-228.14Boamah S，Ventura N.Interference Minimization for Uplink Channel Reusing in Device-to-Device Communication Underlaying Cellular Networks C/2019 IEEE AFRICON.IEEE，2019：1-4.15Du Y，Shao Y，Shi Y，et al.Joint Power and Channel Allocation for D2D Underlaid Multi-user Cellular NetworksC/2021 IEEE International Conference on ArtificialIntelligenceandComputerApplications（ICAICA）.IEEE，2021：219-223.16隋美玲，张乃谦，杨豆.一种基于容量最大化的D2D通信资源分配算法 J.电视技术，2020，44（11）：38-42.SUI Meiling，ZHANG Naiqian，YANG Dou.Resource Allocation Algorithm of D2D Communication Based on Capacity MaximizationJ.Video Engineering，2020，44（11）：38-42.17Zhou Z，Ota K，Dong M，et al.Energy-efficient matching for resource allocation in D2D enabled cellular networks J.IEEE Transactions on Vehicular Technology，2016，66（6）：5256-5268.18Zhao L，Wang H，Zhong X.Interference graph basedchannel assignment algorithm for D2D cellular networksJ.IEEE Access，2018（6）：3270-3279.2017，37（4）：915-923.4浙江大学 SEL 实验室.Docker容器与容器云 M.第 2版.北京：人民邮电出版社，2016.Software Engineering Lab of Zhejiang University.DockerContainers and Container CloudsM.2nd Edition.Beijing：Posts and Telecommunications Press，2016.5 Amazon Web Services.AWS Auto ScalingEB/OL.2021-12-15.https：/ Z，Liu D，Lu Y，et al.Unequal-interval based loosely coupled control method for auto-scaling heterogeneouscloud resources for web applications J.Concurrency andComputation：Practice and Experience，2020，32（23）：5926.7Bitsakos C，Konstantinou I，Koziris N.Derp：A deep reinforcement learning cloud system for elastic resource provisioning C/2018 IEEE international conference on cloudcomputing technology and science（CloudCom）.IEEE，2018：21-29.8徐建中，王俊，周迅钊，等.一种基于预测的云计算的弹性伸缩策略 J.计算机与数字工程，2018，46（6）：1160-1162.XU Jianzhong，WANG Jun，ZHOU Xunzhao，et al.AnElastic Retractable Strategy in Cloud Computing Based onPredictive ModelsJ.Computer&Digital Engineering，2018，46（6）：1160-1162.9杨茂，陈莉君.基于Kubernetes的容器自动伸缩技术的研究 J.计算机与数字工程，2019，47（9）：2217-2220.YANG Mao，CHEN Lijun.Research on Container Auto-scaling Based on KubernetesJ.Computer&DigitalEngineering，2019，47（9）：2217-2220.10屠雪真，杨海潮.基于Kubernetes的水平弹性扩缩容系统 J.计算机与现代化，2019（07）：25-31.TU Xuezhen，YANG Haichao.A Horizontal Elastic Expansion and Contraction System Based on KubernetesJ.Computer and Modernization，2019（07）：25-31.11龚正，吴治辉，闫健勇.Kubernetes权威指南：从Docker到 Kubernetes实践全接触 M.第 5版.北京：电子工业出版社，2021.GONG Zheng，WU Zhihui，YAN Jianyong.Kubernetes：The Definitive Guide M.5nd Edition.Beijing：Publishing House of Electronics Industry，2021.12杨鹏飞.基于Kubernetes的资源动态调度的研究与实现 D.杭州：浙江大学，2017.YANG Pengfei.Research and Implementation of Dynamic Resource Scheduling Based on Kubernetes D.Hangzhou：Zhejiang University，2017.13Kubernetes.Horizontal Pod Autoscaling EB/OL.2021-12-15.https：/kubernetes.io/docs/tasks/run-application/horizontal-pod-autoscale/.14陆传赉.排队论 M.第2版.北京：北京邮电大学出版社，2009.LU Chuanlai.Queuing Theory M.2nd edition.Beijing：Beijing University of Posts and TelecommunicationsPress，2009.15Rossi F，Conan-Guez B.Functional Multi-Layer Perceptron：a Nonlinear Tool for Functional Data Analysis J.Neural Networks the Official Journal of the InternationalNeural Network Society，2005，18（1）：45-60.16WikiBench.Wikipedia access tracesEB/OL.2021-12-15.http：/www.wikibench.eu/？page_id=60.（上接第2223页）2241