聯(lián)合功率控制的D2D資源分配算法

薛建彬， 陳譜滟

(1.蘭州理工大學(xué)計(jì)算機(jī)與通信學(xué)院， 蘭州 730050；2.東南大學(xué)移動(dòng)通信國家重點(diǎn)實(shí)驗(yàn)室， 南京 210096)

?

聯(lián)合功率控制的D2D資源分配算法

薛建彬1，2， 陳譜滟1

(1.蘭州理工大學(xué)計(jì)算機(jī)與通信學(xué)院， 蘭州 730050；2.東南大學(xué)移動(dòng)通信國家重點(diǎn)實(shí)驗(yàn)室， 南京 210096)

針對(duì)D2D通信引入LTE網(wǎng)絡(luò)中同頻干擾以及能耗過大問題，首先基于模糊聚類算法,將D2D用戶分成若干個(gè)D2D用戶組，并且基于中斷概率最小為每個(gè)D2D用戶組尋找最優(yōu)蜂窩用戶資源，以降低用戶間干擾、提高系統(tǒng)吞吐量. 其次結(jié)合上述資源分配提出了一種有效的功率控制方案，調(diào)節(jié)資源分配后用戶組內(nèi)D2D用戶的發(fā)送功率，以提高系統(tǒng)能量效率. 仿真結(jié)果表明：該算法降低了系統(tǒng)干擾，提高了系統(tǒng)吞吐量以及系統(tǒng)能量效率，同時(shí)又保證了D2D用戶獲得無線資源的公平性.

D2D通信；模糊聚類；資源分配；功率控制；能量效率

D2D(device-to-device)通信技術(shù)可以使蜂窩系統(tǒng)中移動(dòng)終端之間不通過基站轉(zhuǎn)發(fā)而直接進(jìn)行數(shù)據(jù)傳輸，能夠提高數(shù)據(jù)傳輸速率，減少系統(tǒng)延時(shí)以及小區(qū)擁塞[1-3]. 其中，D2D用戶一般通過非正交復(fù)用蜂窩用戶的無線頻譜資源實(shí)現(xiàn)短距離通信，因此將D2D通信引入LTE系統(tǒng)中，可以大幅提高無線頻譜資源利用率、系統(tǒng)能量效率以及系統(tǒng)吞吐量[4-5].

然而，由于D2D用戶非正交復(fù)用蜂窩用戶的無線資源勢(shì)必與蜂窩用戶之間產(chǎn)生同頻干擾，當(dāng)干擾嚴(yán)重時(shí)甚至?xí)斐煞涓C用戶通信中斷. 因此，如何有效抑制同頻干擾成為確保D2D用戶之間進(jìn)行高質(zhì)量直通通信的關(guān)鍵[6]. 此外，由于大量用戶利用D2D通信進(jìn)行多媒體數(shù)據(jù)業(yè)務(wù)，因此對(duì)移動(dòng)終端的節(jié)能也提出了新的需求.

當(dāng)前大量研究表明，一個(gè)良好的資源分配方案可以提高頻譜資源利用率、降低同頻干擾；而通過對(duì)D2D用戶的發(fā)射功率進(jìn)行適當(dāng)控制可以有效地降低能耗，提高電池壽命[7].

文獻(xiàn)[8]研究了多個(gè)D2D用戶復(fù)用一個(gè)蜂窩用戶資源，但是該算法是假設(shè)系統(tǒng)中僅存在一個(gè)蜂窩用戶的場景. 文獻(xiàn)[9]將距離較近的D2D用戶分為一個(gè)D2D用戶組，再為每個(gè)D2D用戶組尋找可復(fù)用的蜂窩用戶資源. 但是該算法僅考慮了用戶的位置信息，而實(shí)際中D2D用戶具有多個(gè)屬性. 文獻(xiàn)[10-11]同樣是允許多個(gè)D2D用戶復(fù)用一個(gè)蜂窩用戶資源，但是這2種算法為了極大地提高系統(tǒng)吞吐量而嚴(yán)重犧牲了系統(tǒng)公平性，會(huì)造成許多D2D用戶無法忍受等待時(shí)延而放棄通信請(qǐng)求. 文獻(xiàn)[12]中作者聯(lián)合資源分配與功率控制，先為每個(gè)D2D用戶尋找到可復(fù)用的蜂窩用戶資源，再調(diào)節(jié)用戶發(fā)射功率，使得D2D用戶采用不低于門限值的最小發(fā)送功率. 雖然可以降低能耗，可是發(fā)射功率過低會(huì)使數(shù)據(jù)傳輸速率受到很大限制，且通信中斷概率也會(huì)大幅提高.

為了解決以上問題，本文提出了聯(lián)合功率控制的資源分配算法. 首先，基于模糊聚類分組算法將D2D用戶分為若干個(gè)D2D用戶組，并為每個(gè)D2D用戶組尋找到最優(yōu)蜂窩用戶資源，以提高系統(tǒng)吞吐量、降低同頻干擾. 其次，基于博弈論思想提出D2D用戶功率控制方案，調(diào)節(jié)D2D用戶組內(nèi)的每個(gè)D2D用戶的發(fā)送功率以提升能量效率. 最后，結(jié)合仿真結(jié)果，分析該算法相比于其他算法的優(yōu)勢(shì).

1 系統(tǒng)模型

為了提高LTE網(wǎng)絡(luò)中上行鏈路資源的利用率，本文選擇復(fù)用系統(tǒng)中蜂窩用戶上行鏈路頻譜資源. 此外，相比以往一個(gè)蜂窩用戶的上行鏈路資源僅允許一個(gè)D2D用戶對(duì)進(jìn)行復(fù)用，本文按照一定條件將若干個(gè)D2D用戶對(duì)分為一個(gè)D2D用戶組，再為D2D用戶組尋找最優(yōu)蜂窩用戶上行資源，使得一個(gè)D2D用戶組內(nèi)的所有D2D用戶對(duì)復(fù)用同一蜂窩用戶上行鏈路資源，即實(shí)現(xiàn)了多個(gè)D2D對(duì)復(fù)用單一蜂窩用戶上行鏈路資源，從而大幅提高了頻譜資源利用率.

基于以上模型，若蜂窩用戶Cl的上行鏈路資源未被D2D用戶復(fù)用，則基站端的SINR為

(1)

當(dāng)蜂窩用戶Cl的上行鏈路資源被多個(gè)D2D用戶對(duì)復(fù)用時(shí)，不僅蜂窩用戶與D2D用戶之間存在干擾，D2D用戶之間同樣存在干擾. 此時(shí)，將共同復(fù)用蜂窩用戶Cl上行鏈路資源的D2D用戶對(duì)稱為一個(gè)D2D用戶組,并且表示為：Gi={Dj|j∈1,2,3,…,N}(1≤i≤K)，那么基站端的SINR為

(2)

D2D用戶對(duì)的接收端Rxj收到的SINR為

(3)

式中：PC和PD分別為蜂窩用戶和D2D用戶對(duì)發(fā)送端的發(fā)射送率；dc2b、dc2d、dd2d、dd2b、dTx2Rx分別為蜂窩用戶到基站的距離、蜂窩用戶到D2D對(duì)Rx的距離、不同D2D鏈路之間的距離、D2D對(duì)到基站的距離、D2D對(duì)Tx到Rx之間的距離；hc2b、hc2d、hd2d、hd2b、hTx2Rx分別為蜂窩用戶到基站的信道衰落系數(shù)、蜂窩用戶到D2D對(duì)Rx的信道衰落系數(shù)、不同D2D鏈路之間的信道衰落系數(shù)、D2D用戶對(duì)Tx到基站的信道衰落系數(shù)、D2D用戶對(duì)Tx到Rx的信道衰落系數(shù)；?為路損因子；N0是均值為0、方差為σ2的高斯白噪聲.

在引入D2D通信后，系統(tǒng)的吞吐量增益為

(4)

其中

(5)

式中：ΔR為系統(tǒng)吞吐量增益；BERtar為目標(biāo)誤比特率. 由此可以得出，若D2D通信系統(tǒng)中的干擾得到有效抑制，系統(tǒng)的吞吐量會(huì)顯著提高.

另外，D2D通信作為輔助通信方式引入LTE蜂窩系統(tǒng)中. 因此，系統(tǒng)中蜂窩用戶是主用戶而D2D用戶是從用戶. 為了保證主用戶蜂窩用戶的正常通信，需要滿足

s.t.γl,b≥γ1

(6)

γl,d≥γ2

(7)

式中γ1、γ2為預(yù)設(shè)的門限值.

2 信道資源分配

信道資源分配的核心思想是對(duì)系統(tǒng)內(nèi)的D2D用戶進(jìn)行有效的分組，并以分組為單位進(jìn)行資源復(fù)用. 首先，與現(xiàn)有研究的分組方式不同，本文基于模糊聚類算法對(duì)D2D用戶分組，將屬性相異性較大的用戶分為一組，以降低用戶組內(nèi)D2D用戶之間的干擾，充分利用頻譜資源. 其次，以最小化中斷概率為目標(biāo)，為D2D用戶組分配最優(yōu)的蜂窩用戶上行鏈路資源.

2.1 D2D用戶分組

基于模糊聚類算法將N個(gè)D2D用戶對(duì)分為C個(gè)D2D用戶組，記為Gi(i=1,2,…，C). 每個(gè)用戶組內(nèi)D2D用戶的屬性應(yīng)該具有較大的相異性. 為了接近實(shí)際情況，所考慮的D2D用戶屬性集合為{用戶位置，待發(fā)送數(shù)據(jù)，速率要求，誤碼率要求，SINR要求，最大容忍等待時(shí)延}，即考察D2D用戶的M(M=6)個(gè)屬性. 用矩陣X表示出所有的D2D用戶屬性，即

(8)

式中：X=[X1X2X3…XN]T，Xi=[xi1xi2…xiM].Xi是矩陣中的第i行，代表第i個(gè)D2D用戶的6個(gè)屬性，xij代表第i個(gè)D2D用戶的第j個(gè)屬性.

理論分析表明，若小區(qū)內(nèi)2個(gè)D2D用戶距離較遠(yuǎn)，并且其中一個(gè)D2D用戶對(duì)信道資源要求較高，而另一個(gè)D2D用戶對(duì)信道資源要求較低，那么將這2個(gè)D2D用戶分為1組讓其共同復(fù)用1個(gè)蜂窩用戶資源，所產(chǎn)生的干擾較小，被復(fù)用蜂窩用戶的資源也能得到充分利用. 因此，本文基于模糊聚類算法將屬性相異性較大的用戶分為1組，以降低組內(nèi)用戶之間的干擾，增加系統(tǒng)吞吐量. 在分組時(shí)還應(yīng)該滿足以下2個(gè)條件：1) 每個(gè)D2D用戶組內(nèi)至少含有1個(gè)D2D用戶；2) 每個(gè)D2D用戶只能屬于1個(gè)D2D用戶組.

設(shè)定D2D用戶組之間最小距離門限值為ε，定義任意2個(gè)D2D用戶間距離為

(dij)2=‖Xi-Xj‖=(Xi-Xj)T(Xi-Xj)

(9)

引入隸屬函數(shù)uik=uGi(Xk)來表示對(duì)象Xk對(duì)用戶組Gi的隸屬程度，uik∈[0,1]，uik越大表明對(duì)象Xk屬于用戶組Gi的程度越大，離Gi的聚類中心越近. 具體定義為

(10)

即uik表示Xk對(duì)Gi組的隸屬度與除Gi外所有用戶組隸屬度之和的比值.

為避免產(chǎn)生平凡解，每個(gè)對(duì)象與聚類中心的距離用其隸屬度的平方加權(quán)，從而得到加權(quán)誤差平方和目標(biāo)函數(shù)

(11)

(12)

式中：U=[uik]C×N；P=[pi|i=1,2，…，C]表示聚類中心；m是模糊因子，決定聚類結(jié)果模糊度的權(quán)重指數(shù).

根據(jù)文獻(xiàn)[13]模糊聚類算法就是一個(gè)使目標(biāo)函數(shù)Jm(U,P)最小化的迭代求解過程. 因此

(13)

(14)

可以推出使得Jm(U,P)為最小的uik以及得到Jm(U,P)為最小值時(shí)的pi分別為

(15)

(16)

但是由于以上的模糊聚類分組理論推導(dǎo)中同一D2D用戶對(duì)隸屬于所有分組的隸屬度之和為1，這使得聚類結(jié)果對(duì)野值比較敏感. 另外，Tan等在文獻(xiàn)[14]提出的分層方法(hierarchical approach，HA)，主要通過分開與整合技術(shù)來獲得FCM算法初始化條件. 實(shí)驗(yàn)結(jié)果表明：HA通過優(yōu)化聚類數(shù)目與聚類中心克服了常規(guī)模糊C均值聚類(fuzzyC-means，F(xiàn)CM)算法對(duì)野值的敏感性. 因此本文在進(jìn)行模糊分組時(shí)則直接引用了文獻(xiàn)[14]中的HA來確定初始聚類數(shù)目和聚類中心以達(dá)到有效剔除聚類分組中的野值. 同時(shí)根據(jù)文獻(xiàn)[15]所提出聚類分組數(shù)的最大值與研究對(duì)象之間的關(guān)系，即

(17)

基于以上分析，將N個(gè)D2D用戶分為C個(gè)D2D用戶組的流程如圖2所示.

由最終輸出的聚類中心數(shù)來確定分組數(shù)C，并且根據(jù)歸屬度矩陣來確定每個(gè)用戶所隸屬的用戶組，得出最終的分組結(jié)果. 由于該聚類分組算法在確定初始化條件時(shí)候考慮到了野值的敏感性，而不需要通過多次迭代分組去減小野值的影響提高分組的有效性. 因此，相比于傳統(tǒng)FCM算法在實(shí)時(shí)性上幾乎沒有任何差別. 同時(shí)依靠于4G基站強(qiáng)大的處理運(yùn)算能力，在實(shí)際網(wǎng)絡(luò)部署中能夠及時(shí)對(duì)區(qū)域內(nèi)的D2D用戶對(duì)進(jìn)行及時(shí)的分組，因此該聚類分組算法具有較強(qiáng)的實(shí)用價(jià)值.

2.2 選擇最優(yōu)蜂窩用戶資源

D2D用戶組復(fù)用蜂窩用戶資源將會(huì)對(duì)蜂窩用戶造成一定程度的干擾，甚至導(dǎo)致蜂窩用戶通信中斷. 基于蜂窩用戶中斷概率最小原則選擇最優(yōu)資源是指一個(gè)D2D用戶組復(fù)用某一特定蜂窩用戶資源，相比于復(fù)用其他蜂窩用戶的無線資源而言，給該蜂窩用戶造成的中斷概率最小. 即該蜂窩用戶的上行鏈路可以較好地容納此D2D用戶組，允許其復(fù)用資源進(jìn)行通信.

由式(2)可知，當(dāng)蜂窩用戶Cl上行鏈路資源被用戶組Gi復(fù)用，所受到的信干噪比為γb,l，因此蜂窩用戶中斷概率為

Fγb,l(γb,l)

(18)

式中：Pout為中斷概率；γ1為設(shè)定的SINR門限值；fγb,l(γb,l)為γb,l的概率密度函數(shù)；Fγb,l(γb,l)為γb,l的累計(jì)分布函數(shù).

同樣，根據(jù)式(2)，蜂窩用戶Cl所在的無線資源l上基站受到的SINR為

(19)

(20)

(21)

則將蜂窩用戶Cl的上行鏈路資源分配給用戶組Gi，即Gi中所有D2D用戶共同復(fù)用Cl的上行鏈路資源. 式中Pout為Gi復(fù)用所有蜂窩用戶的中斷概率集合.

3 用戶功率控制

資源分配完成之后，每個(gè)D2D用戶組均基于中斷概率最小原則尋找到了最優(yōu)蜂窩用戶資源. 但是，每個(gè)D2D用戶組內(nèi)的D2D用戶均是采用固定的發(fā)送功率，這樣不僅能量效率低，且用戶組內(nèi)D2D用戶之間的干擾也無法進(jìn)一步協(xié)調(diào). 為了解決以上問題，提出一種基于博弈論思想的用戶功率控制方案，調(diào)整用戶組內(nèi)D2D用戶的發(fā)送功率，以降低用戶組內(nèi)D2D用戶間干擾、提高能量效率.

3.1 能量效率分析

若蜂窩用戶Cl的上行鏈路頻譜資源被D2D用戶組Gi復(fù)用，Gi中D2D用戶的初始發(fā)送功率為PD，則該無線資源上系統(tǒng)所獲得的速率rl(Gi,Cl)為

(22)

相應(yīng)的蜂窩用戶Cl和Gi中所有D2D用戶在該無線資源上所消耗的功率Pl(Gi,PD)為

(23)

式中：Ptc式蜂窩用戶消耗的總功率；Ptd是D2D用戶消耗的總功率，Pcir是電路消耗功率. 那么在該無線資源上的能量效率ηl(Gi,Cl)為

(24)

另外，若蜂窩用戶Cl的無線資源未被任何D2D用戶組復(fù)用，則該無線資源上的能量效率為

(25)

基于以上分析，定義蜂窩用戶Cl所占有的無線資源l上的收益vl為

vl=

(26)

由式(26)定義可知，若蜂窩用戶Cl的無線資源被用戶組Gi復(fù)用后，使得該無線資源上的能量效率反而下降，則記為0收益，認(rèn)為沒有給系統(tǒng)帶來正收益. 反之，若，Gi復(fù)用Cl的資源后，使得該無線資源上的能量效率提高，則給系統(tǒng)帶來正收益，其收益便是復(fù)用前后能量效率的差值. 由此可知，該功率控制的主要目的是提高能量效率.

3.2 效用函數(shù)

(27)

通過降低Gi組內(nèi)D2D用戶的發(fā)送功率可以一定程度上降低用戶能耗，但是，也會(huì)導(dǎo)致數(shù)據(jù)傳輸速率降低，能量效率未必會(huì)提高. 若提高發(fā)送功率則可能導(dǎo)致蜂窩用戶的終端概率大幅升高，因此需要在考慮各種因素后，取一個(gè)均衡各方面的發(fā)送功率. 此處，將蜂窩用戶成功通信的概率作為代價(jià)函數(shù)，那么，對(duì)于整個(gè)D2D通信系統(tǒng)而言，就會(huì)有一個(gè)效用函數(shù)為

(28)

此外，為了更好地評(píng)價(jià)系統(tǒng)性能，這里定義系統(tǒng)滿意度Q為

(29)

式中：N為當(dāng)前系統(tǒng)中收到信道資源請(qǐng)求的用戶總數(shù)；N′為當(dāng)前已被服務(wù)的信道資源請(qǐng)求用戶中，速率滿足用戶要求的數(shù)量.

基于以上分析，在對(duì)用戶進(jìn)行分組后，聯(lián)合功率控制的資源分配流程如下:

Begin

2) fori=1 toC

3) forj=1 tok

4) ifCj?C

5)j=j+1

6) continue

7) else

8) 用式(14)計(jì)算Gi對(duì)Cj的中率；

9) end if

10) 更新中斷概率集合；

11) 用式(14)將中斷概率最小Cm的資源分配給用戶組Gi

12) end for

13) 用式(28)最大化效用函數(shù)求解D2D用戶的發(fā)送功率；

14)C=C-{Cm};

15)i=i+1

16) end for

end

根據(jù)該算法處理流程，現(xiàn)將本文提出的聯(lián)合功率控制模糊聚類資源分配算法(fuzzyC-means resource allocation algorithm with power control，F(xiàn)CM-PC)進(jìn)行復(fù)雜度分析. FCM-PC主要由兩部分組成，即D2D的聚類分組和組內(nèi)用戶間的功率控制. 根據(jù)算法流程可以得出FCM-PC的復(fù)雜度主要取決于D2D的用戶聚類分組. 分組算法中基本的運(yùn)算操作包括加法、乘法、除法和比較. 最壞的情況下分組迭代更新聚類中心和歸屬度矩陣的次數(shù)為C次，那么該部分中加法運(yùn)算次數(shù)為2NC+C2，乘法運(yùn)算次數(shù)為2C2+3NC，除法運(yùn)算次數(shù)為2C，比較運(yùn)算次數(shù)為C次. 鑒于基站端強(qiáng)大的運(yùn)算能力，當(dāng)系統(tǒng)內(nèi)D2D用戶在建立通信鏈路時(shí)基站會(huì)進(jìn)行以上計(jì)算并及時(shí)為D2D用戶分配資源. 因此該算法基站端進(jìn)行集中調(diào)度不會(huì)引起用戶對(duì)D2D通信鏈路建立延時(shí)的感知.

4 仿真與性能分析

通過計(jì)算機(jī)仿真對(duì)所提算法進(jìn)行性能驗(yàn)證和分析. 同時(shí)選擇半徑為300 m的LTE小區(qū)作為場景，其余仿真參數(shù)見表1. 將本文所提出的聯(lián)合功率控制的資源分配算法(FCM-PC)對(duì)比另外3種算法：僅采用本文提出的改進(jìn)型模糊聚類資源分配而無功率控制的算法(fuzzyC-means resource algorithm without power control，F(xiàn)CM-NPC)、隨機(jī)資源分配且無功率控制的算法(random resource allocation algorithm without power control，RDM-NPC)以及文獻(xiàn)[17]中傳統(tǒng)模糊聚類資源分配且無功率控制的算法(traditional fuzzyC-means resource allocation algorithm without power control，TFCM-NPC)，重點(diǎn)對(duì)比分析了每種算法的系統(tǒng)吞吐量、系統(tǒng)滿意度及系統(tǒng)能量效率.

表1 仿真參數(shù)設(shè)置表

圖3比較了不同算法下的系統(tǒng)吞吐量，從圖3可以看出，吞吐量由大到小是FCM-PC—FCM-NPC—TFCM-NPC—RDM-NPC. 傳統(tǒng)的TFCM-NPC僅根據(jù)用戶的地理位置進(jìn)行分組，并且是將距離較近的用戶分為一組，導(dǎo)致組內(nèi)用戶間干擾較大. 此外，傳統(tǒng)算法隨機(jī)選取聚類中心，沒有解決分組野值問題，也沒有對(duì)分組后用戶的發(fā)送功率進(jìn)行控制，其吞吐量較低. 本文所提的FCM-PC以及FCM-NPC，更多兼顧了待發(fā)送數(shù)據(jù)量、速率要求等方面，將屬性相異性較大的用戶分為一組，有效降低了用戶組內(nèi)D2D用戶間的干擾及D2D用戶與蜂窩用戶之間的干擾，系統(tǒng)提高了吞吐量. 而FCM-PC在分配資源后對(duì)用戶的發(fā)送功率進(jìn)行了控制，使得數(shù)據(jù)傳輸速率得到一定程度提高，所以有功率控制的FCM-PC下的吞吐量要稍高于FCM-NPC. RDM-NPC隨機(jī)算法沒有采用模糊聚類算法對(duì)干擾進(jìn)行有效抑制且沒有進(jìn)行功率控制，其吞吐量最低.

圖4在不同D2D用戶數(shù)時(shí)對(duì)比了4種算法的系統(tǒng)滿意度，4種算法的系統(tǒng)滿意度均隨著系統(tǒng)內(nèi)D2D用戶對(duì)數(shù)的增加而降低，而FCM-PC的滿意度最高. 每個(gè)信道資源復(fù)用的D2D用戶越多，用戶間干擾越大，SINR也隨之降低，系統(tǒng)滿意度呈下降趨勢(shì). FCM-PC在資源分配時(shí)考慮了用戶的SINR要求，使得同一個(gè)D2D用戶組內(nèi)用戶的SINR要求差異性比較大，即2個(gè)SINR要求較大的用戶不會(huì)分到同一組，從而降低了同頻干擾，此外，功率控制部分以成功通信的概率作為代價(jià)函數(shù)，也一定程度上降低了干擾.

相比于FCM-PC，F(xiàn)CM-NPC沒有功率控制部分，因此在用戶不斷增加的情況下，D2D用戶的發(fā)送功率難以得到有效控制，與蜂窩用戶的干擾會(huì)比有功率控制時(shí)大，其系統(tǒng)滿意度要低于FCM-PC. 傳統(tǒng)TFCM-NPC沒有功率控制部分，且組內(nèi)同頻干擾較大，系統(tǒng)滿意度較低. 但是傳統(tǒng)算法中對(duì)每個(gè)組內(nèi)D2D用戶數(shù)量進(jìn)行了限制，因此已經(jīng)得到信道資源的D2D用戶的數(shù)據(jù)傳輸速率得到一定保證. RDM-NPC在資源分配時(shí)沒有考慮SINR要求、最大容忍等待時(shí)延等方面，系統(tǒng)滿意度較低.

圖5比較了4種算法下系統(tǒng)能量效率，在LTE系統(tǒng)中引入D2D通信之后，雖然通過資源復(fù)用能夠提高系統(tǒng)速率，但是隨著D2D用戶數(shù)的增加系統(tǒng)用戶所消耗的總功率也會(huì)大幅增加，因此會(huì)出現(xiàn)隨著D2D用戶數(shù)增加系統(tǒng)能量效率反而降低的現(xiàn)象. 不過，當(dāng)對(duì)D2D用戶發(fā)送功率進(jìn)行有效調(diào)控之后，則系統(tǒng)能量效率便會(huì)得到提升.

FCM-PC對(duì)D2D用戶的發(fā)送功率進(jìn)行了有效控制，因而該算法下系統(tǒng)的能量效率得到了提升. 此外，F(xiàn)CM-PC對(duì)無線資源的分配更為有效，能夠最大程度地減小系統(tǒng)內(nèi)同頻干擾. 而采用FCM-NPC、TFCM-NPC以及RDM-NPC沒有對(duì)功率進(jìn)行控制，用戶使用隨機(jī)發(fā)送功率，此時(shí)系統(tǒng)能量效率會(huì)隨著D2D用戶數(shù)的增加而下降.

5 結(jié)論

1) 本文所提出的聯(lián)合功率控制的D2D資源分配算法，在資源分配階段基于改進(jìn)型的FCM算法來確定初始聚類數(shù)目和聚類中心，有效解決了聚類分組中野值問題.

2) 在分組過程中綜合考慮了用戶的多個(gè)屬性，并且將歐式距離較大的用戶分為一個(gè)用戶組，從而降低了用戶之間的同頻干擾，提高了系統(tǒng)吞吐量以及系統(tǒng)滿意度.

3) 在基于最小中斷概率原則為每個(gè)D2D組尋找最優(yōu)蜂窩用戶資源之后，以用戶成功通信概率為代價(jià)函數(shù)，對(duì)組內(nèi)D2D用戶的發(fā)送功率進(jìn)行調(diào)控，從而提高了系統(tǒng)能量效率.

[1] XU S, XIA C, KWAK K S. Overlapping coalition formation games based interference coordination for D2D underlaying LTE-A networks[J]. Aeu-International Journal of Electronics and Communications, 2016, 70(2): 204-209.

[2] LEONARDO M, MASSIMO C, GIUSEPPE A, et al. When D2D communication improves group oriented services in beyond 4G networks[J]. Wireless Networks, 2015, 21(4): 1363-1377.

[3] CHEN P, XUE J, CHEN Y, et al. Resource allocation algorithm based on fuzzy cluster grouping for device-to-device communication [C]∥ Communications in Computer and Information Science. Hefei: Spring Verlag, 2015: 33-44.

[4] ZHAO H, CAO Y, LIU Y. Interference cancellation for relay-assisted D2D communication [J]. KSII Transactions on Internet and Information Systems, 2015, 9(9): 3276-3292.

[5] ABDALLAH M, ABDALLAH S, HANAN L. Wireless resource virtualization with device-to-device communication underlaying LTE network[J]. IEEE Transactions on Broadcasting, 2015, 61(4): 734-740.

[6] CHENG H, CHEN L, YOUHU A. Interference suppression algorithms for D2D communication underlaying cellular networks[J]. Journal of Computational Information Systems, 2015, 11(18): 6705-6717.

[7] CHEN X, HU R Q, JEON J, et al. Energy efficient resource allocation for D2D communication underlaying cellular networks[C]∥International Conference on Communications. London: IEEE, 2015: 2943-2948.

[8] WANG B, CHEN L, CHEN X, et al. Resource allocation optimization for device-to-device communication underlaying cellular networks[C]∥IEEE Vehicular Technology Conference. Budapest: IEEE, 2011.

[9] MLADEN B, MARKUS K, WOLFGANG K, et al. Location dependent resource allocation for mobile device-to-device communications[C]∥ Wireless Communications and Networking Conference. Istanbul: IEEE, 2014, 1679-1684.

[10] WANG F, XU C, SONG L, et al. Energy-aware resource allocation for device-to-device underlay communication[C]∥International Conference on Communications. Budapest: IEEE, 2013: 6076-6080.

[11] WEI L, HU R Q, QIAN Y, et al. Enable device-to-device communications underlaying cellular networks: challenges and research aspects[J]. IEEE Communications Magazine, 2014, 52(6): 90-96.

[12] GU J, BAE S J, HASAN S F, et al. A combined power control and resource allocation scheme for D2D communication underlaying an LTE-advanced system[J]. IEICE Transactions on Communications, 2013, E96-B(10): 2683-2692.

[13] 陳東輝. 基于目標(biāo)函數(shù)的模糊聚類算法關(guān)鍵技術(shù)研究[D]. 西安: 西安電子科技大學(xué), 2012. CHEN D H. Research of key techniques in fuzzy clustering based on objective function[D]. Xi’an: Xidian University, 2012. (in Chinese)

[14] TAN K S, LIM W H, ISA N A M. Novel initialization scheme for fuzzyC-means algorithm on color image segmentation[J]. Applied Soft Computing, 2013, 13(4): 1832-1852.

[15] 張慧哲, 王堅(jiān). 基于初始聚類中心選取的改進(jìn)FCM聚類算法[J]. 計(jì)算機(jī)科學(xué), 2009, 36(6): 206-209. ZHANG H Z, WANG J. Improved fuzzyC-means clustering algorithm based on selecting initial clustering centers[J]. Computer Science, 2009, 36(6): 206-209. (in Chinese)

[16] 李孟華. 蜂窩網(wǎng)絡(luò)D2D資源共享優(yōu)化及干擾抑制算法研究[D]. 成都: 電子科技大學(xué), 2013. LI M H. Resource sharing optimization and interference suppression algorithms for device-to-device communication underlaying cellular networks[D]. Chengdu: University of Electronic Science and Technology of China, 2013. (in Chinese)

[17] ELKOTBY H E, ELSAYED K M F, ISMAIL M H. Shrinking the reuse distance: spectrally-efficient radio resource management in D2D-enabled cellular networks with interference alignment[C]∥2012 IFIP Wireless Days. Dublin: IEEE, 2012.

(責(zé)任編輯 呂小紅)

Resource Allocation Algorithm Joint Power Control for Device-to-Device Communication

XUE Jianbin1，2, CHEN Puyan2

(1.School of Computer and Communication, Lanzhou University of Technology, Lanzhou 730050, China; 2.National Mobile Communications Research Laboratory, Southeast University, Nanjing 210096, China)

To solve the problem of co-channel interference and excessive energy consumption when D2D communication was used to LTE network, an algorithm of joint power control and resource allocation was proposed in this research. Firstly, in order to reduce the interference between the users and improve the system throughput, a resource allocation algorithm was proposed based on fuzzy clustering, D2D users were divided into several D2D user groups based on minimum outage probability to research optimal cellular user resource for each D2D user group. Secondly, an effective power control scheme was proposed to regulate the transmission power of D2D users in the D2D user group, which improved the energy efficiency of the system. Simulation results show that the proposed algorithm can reduce the system interference, improve the system throughput and system energy efficiency, and ensure the fairness of D2D users to access the radio resources.

D2D communication; fuzzy clustering; resource allocation; power control; energy efficiency

2016- 05- 23

東南大學(xué)移動(dòng)通信國家重點(diǎn)實(shí)驗(yàn)室開放研究基金資助項(xiàng)目(2014D13)；甘肅省自然科學(xué)基金資助項(xiàng)目(1310RJZA003)

薛建彬(1973—)， 男， 教授， 主要從事無線通信理論與技術(shù)方面的研究， E-mail:317124704@qq.com

陳譜滟(1991—)， 男， 碩士研究生， 主要從事無線通信理論與技術(shù)方面的研究， E-mail: cpychen@126.com

TN 929.5

A

0254-0037(2016)12-1833-08

10.11936/bjutxb2016050058