5G移動網(wǎng)絡(luò)中終端直連方式下用戶發(fā)送功率自適應(yīng)優(yōu)化方法

王宇鵬,戴欣,李凱麗

（沈陽航空航天大學電子信息工程學院，遼寧 沈陽 110136）

5G移動網(wǎng)絡(luò)中終端直連方式下用戶發(fā)送功率自適應(yīng)優(yōu)化方法

王宇鵬,戴欣,李凱麗

（沈陽航空航天大學電子信息工程學院，遼寧 沈陽 110136）

作為對傳統(tǒng)移動通信網(wǎng)絡(luò)的有力補充，終端直連（device to device,D2D）的概念被引入未來5G移動通信網(wǎng)絡(luò)中。為了解決D2D方式中無基站中轉(zhuǎn)的通信問題及非基站控制用戶無序發(fā)送所帶來的復(fù)雜干擾環(huán)境及覆蓋盲區(qū)情況下發(fā)送資源的自適應(yīng)優(yōu)化分配問題，提出了一種基于博弈理論與模糊邏輯理論的發(fā)送功率自適應(yīng)分配算法，用以充分利用系統(tǒng)的功率與頻譜資源，同時降低功率分配對其他用戶產(chǎn)生的干擾影響。通過對計算機仿真結(jié)果的分析，提出的算法相對于傳統(tǒng)的平均功率分配算法及分布式注水算法有一定的性能提高。

5G移動網(wǎng)絡(luò)；博弈論；模糊邏輯；功率分配

1 引言

移動通信系統(tǒng)在由4G向5G演進的過程中，一方面?zhèn)戎赜趥鹘y(tǒng)移動通信網(wǎng)絡(luò)性能指標（如網(wǎng)絡(luò)容量、頻譜效率、移動性支持等）的提高；另一方面?zhèn)戎赜谔峁└迂S富的通信模式及服務(wù)模式，以滿足用戶不斷變化的通信需求及終端用戶體驗的提升需求。作為5G系統(tǒng)關(guān)鍵技術(shù)之一的終端設(shè)備直連（device to device,D2D）通信在提高系統(tǒng)性能、提升用戶體驗及擴展移動通信系統(tǒng)應(yīng)用方面具有廣泛的前景，受到學術(shù)界及業(yè)界的廣泛關(guān)注。

D2D這一創(chuàng)新性通信方式的引入給傳統(tǒng)移動通信網(wǎng)絡(luò)中的資源分配帶來了一系列新的問題。如參考文獻[1]中指出了D2D方式將給系統(tǒng)中的傳統(tǒng)用戶帶來額外的干擾，應(yīng)對D2D用戶予以區(qū)分，從而使用不同的資源分配策略。參考文獻[2]與參考文獻[3]中討論了協(xié)同傳輸中干擾消除及服務(wù)質(zhì)量、自適應(yīng)等相關(guān)問題。此外，D2D通信過程中數(shù)據(jù)不經(jīng)過基站中轉(zhuǎn)，并且在一些場景下終端用戶可以在基站覆蓋范圍外直接進行通信，因此傳統(tǒng)移動網(wǎng)絡(luò)中常用的集中式或中心式資源分配方法，如參考文獻[4]與參考文獻[5]中所述基于中心控制節(jié)點的注水方法并不適用于D2D的通信場景，而需要終端用戶采用分布式、自主式的分配方法。在參考文獻[6]中描述了一種基于非合作博弈模型的分布式注水算法，通過使用一個簡化的代價常數(shù)來構(gòu)造用戶各自的效用模型及降低用戶間的信息交互需求，但這一簡化也帶來了一定的信道適應(yīng)性問題。與此同時，模糊邏輯理論也被應(yīng)用到移動網(wǎng)絡(luò)資源相關(guān)控制策略中，如參考文獻[7-9]中的算法描述了如何使用模糊邏輯來優(yōu)化水平和垂直切換的性能。另外，參考文獻[10-12]講述了如何使用模糊邏輯來進行接入控制。但是，參考文獻[7-12]中的方法只解決了簡單的二進制判斷問題，例如切換與否、接入與否等，并未應(yīng)用到如資源分配等復(fù)雜的參數(shù)求解計算問題當中。

為了滿足 D2D方式下無基站中轉(zhuǎn)的數(shù)據(jù)傳輸特點，降低功率分配算法對交互信息的依賴性，提高算法自身的自適應(yīng)性，本文提出了一種基于博弈論和模糊邏輯的自適應(yīng)功率分配方法，以滿足D2D方式特殊的傳輸特點及復(fù)雜多變的傳輸信道情況。

2 D2 D模式下功率優(yōu)化問題建模

D2D方式作為對傳統(tǒng)移動通信網(wǎng)絡(luò)的有力補充，可以使用戶在進入系統(tǒng)覆蓋盲區(qū)或者遭遇由大型災(zāi)難、電力中斷所引起的系統(tǒng)癱瘓情況下，依然獲得高速穩(wěn)定的通信服務(wù)。目前3GPP標準化組織已完成了針對D2D應(yīng)用場景及工作模式等的相關(guān)學習預(yù)研工作，并完成了相應(yīng)的技術(shù)報告[13,14]。針對參考文獻[14]中所列D2D的典型應(yīng)用場景，本文主要圍繞基站弱覆蓋或無覆蓋情況下的用戶功率分配優(yōu)化相關(guān)問題展開研究，考慮用戶在獲得系統(tǒng)D2D服務(wù)授權(quán)并獲取D2D通信資源如頻點、帶寬等相關(guān)配置信息后，如何在系統(tǒng)覆蓋盲區(qū)利用傳輸功率的優(yōu)化配置來獲取高速穩(wěn)定的通信服務(wù)。圖1展示了本文所考慮的場景，D2D用戶在獲取系統(tǒng)相關(guān)配置信息后，由于用戶移動、建筑物遮擋、系統(tǒng)失敗等原因進入系統(tǒng)覆蓋盲區(qū)，為了保持通信從而由傳統(tǒng)基站中轉(zhuǎn)方式轉(zhuǎn)入 D2D方式進行通信。由于用戶無法接收到基站發(fā)送的資源分配RRC指令，因此用戶需根據(jù)自身通信狀況對發(fā)送功率進行自主優(yōu)化以尋找資源使用效率與用戶干擾之間的最佳折中。

圖1 終端直連（D2D）方式通信場景

同時，為了考慮通信過程中無中心控制節(jié)點的應(yīng)用限制，本文將博弈論的概念引入所設(shè)計算方法當中。可以按如下方式構(gòu)筑一個非合作博弈實例：

其中，N={1,2,…,N}是這個博弈的參與者,即D2D用戶, {Pn×An}是每一個D2D用戶的策略空間,un是用戶n的效用函數(shù)。然后，關(guān)于發(fā)送功率分配的非合作博弈實例可以寫為：

如果給定發(fā)送功率集合P，那么第n個用戶在第m個資源塊上的接收信干噪比可以被計算為：

其中，Gm,n與 Glm,n分別代表有效信道增益及干擾信道增益，其中包括快速衰落信道、路徑損耗、陰影衰落損耗和天線增益，其可以通過D2D方式下同步及路由查找等輔助流程獲得；σ2代表加性高斯白噪聲功率。由式（3）可以計算用戶n在資源塊m上的傳輸速率為：

其中，B表示系統(tǒng)的帶寬；M表示系統(tǒng)的資源塊個數(shù)；Γ為誤碼率相關(guān)修正系數(shù)[15]。

本文可以使用資源塊分配指示函數(shù)am,k按式（6）進一步計算用戶n的數(shù)據(jù)傳輸速率。

其中，am,n=1代表資源塊 m 被分配給用戶 n,否則am,n=0。

3 基于博弈論與模糊邏輯的下行發(fā)送功率自優(yōu)化算法

由式（1）～式（6）可以發(fā)現(xiàn)，上述優(yōu)化問題旨在基于D2D用戶傳輸功率限制的基礎(chǔ)上最大化其自身的傳輸效率，同時降低其發(fā)送信號對其他用戶所產(chǎn)生的干擾，基于這種思想，本文提出了式（7）所示的用戶效用函數(shù)函數(shù) un為：

其中，un代表用戶的服務(wù)等級系數(shù)；Bn表示用戶n所分配的帶寬。由式（7）可知，代表用戶 n自身的傳輸效率，代表由于用戶n發(fā)送信號可能給其他用戶所帶來的影響，用代價系數(shù)cn來表示這種影響的大小，并且該值為非負值，ckn越大意味著用戶k對用戶n的發(fā)送功率變化越敏感。

根據(jù)博弈論及最佳響應(yīng)原理可知，式（2）中所述優(yōu)化問題的解可以通過尋找該博弈的納什均衡獲得，其可以通過拉格朗日方法和KKT（Karush-Kuhn-Tucker）條件進行計算。那么，在用戶n的第m個資源塊上的最佳響應(yīng)為：

在通常的基于中心節(jié)點的注水方法中，用戶向中心控制節(jié)點上報有用信號路徑增益及干擾路徑增益，中心控制節(jié)點根據(jù)用戶上報結(jié)果將變量所代表的干擾影響考慮到其集中式優(yōu)化目標函數(shù)中。然而在D2D模式下，由于中心控制節(jié)點的缺失，造成傳統(tǒng)集中式注水算法無法適用于D2D特殊的應(yīng)用場景。

為了避免上述算法中的不利因素，參考文獻[6]中提出使用一個簡化的常數(shù)e對用戶間干擾影響進行近似，以避免用戶間頻繁的信息交互。但是這種簡化的常數(shù)c并不能適應(yīng)快速變化的干擾環(huán)境并且仍然依賴多次信道測量來支持。為了解決以上問題，本文在此應(yīng)用模糊邏輯來獲得合適的代價系數(shù)，使D2D用戶僅依靠自身發(fā)送功率變化所引起的傳輸效率變化來自主地猜測的變化趨勢，從而獲得最佳的設(shè)置。

在模糊邏輯理論中，語言變量是一項非常重要的概念。例如本文中所考慮功率分配問題中的發(fā)送功率就是一個語言變量，它可以取高、中、低3個不同的語言值。如此的語言變量被嵌入模糊控制器的規(guī)則庫中并且允許通過控制經(jīng)驗來表示。一個簡單的模糊控制器主要由3部分組成：負責將測量值/觀察值轉(zhuǎn)化為模糊變量的模糊器、推理規(guī)則庫及根據(jù)模糊控制結(jié)果產(chǎn)生控制命令的解模糊器。更加復(fù)雜的控制器可能同時包含預(yù)測能力和時間延遲補償。模糊器用來將測量結(jié)果和控制規(guī)則相關(guān)聯(lián)，每一個測量結(jié)果需要被轉(zhuǎn)換為可以被規(guī)則所使用的相應(yīng)表示。規(guī)則庫負責指示由經(jīng)驗知識啟發(fā)出的控制行動。在規(guī)則被處理后，解模糊器將采取由所有相關(guān)控制規(guī)則結(jié)合而得到的控制行動來產(chǎn)生一個新的控制設(shè)定。

圖2展示了本文中所使用的模糊邏輯推理系統(tǒng)的基本結(jié)構(gòu)，其主要由輸入、推理規(guī)則庫、輸出和成員函數(shù)構(gòu)成。在本模糊推理系統(tǒng)中，使用了單位頻率發(fā)送功率變化值（W/Hz）和單位頻率功率傳輸效率（bit/（s·w·Hz））作為輸入變量，并且兩個變量都被分為{增加，不變，降低}3個水平。相似地，輸出變量可取{增加，不變，降低}3個不同的輸出值。在本文中，模糊規(guī)則庫由表1中所示9個模糊控制規(guī)則組成。另外，在模糊邏輯推理系統(tǒng)中使用了中心面積解模糊方法。

在由圖2所示的模糊邏輯推理系統(tǒng)根據(jù)用戶發(fā)送功率及傳輸效率的變化計算相應(yīng)的后,可以基于式 （8）使用二進制搜索方法找到最佳的系數(shù)，從而獲得用戶在當前傳輸環(huán)境下的最佳功率分配。

圖2 本算法中所應(yīng)用的模糊推理系統(tǒng)結(jié)構(gòu)

表1 推理規(guī)則庫

4 自適應(yīng)功率分配算法性能驗證

4.1 仿真環(huán)境設(shè)置

比較了本文所提出的自適應(yīng)功率分配算法、平均功率分配算法和分布式注水算法的性能。為了避免用戶由于不分配傳輸功率而造成的傳輸數(shù)據(jù)損失，從而影響系統(tǒng)的公平性，使用了功率動態(tài)分配比例系數(shù)α，將總傳輸功率中的1-α平均分配到用戶所獲得每個資源塊，而將余下的部分使用本文所提出的方法進行動態(tài)功率分配，每個資源塊上分配的功率為兩部分功率之和。在本仿真中，選取0.1、0.5、1共3個不同的α值，來檢驗不同的功率動態(tài)分配比例系數(shù)α對系統(tǒng)性能的影響。表2展示了詳細的相關(guān)仿真參數(shù)設(shè)置[16，17]。

在傳統(tǒng)移動通信系統(tǒng)中，一般將平均接收速率在系統(tǒng)整體用戶速率累計分布函數(shù)5%及以下的用戶定義為小區(qū)邊緣用戶，其較低的接收速率主要由系統(tǒng)間較強的小區(qū)干擾所致。本文主要考慮系統(tǒng)覆蓋盲區(qū)情況下D2D用戶發(fā)送功率的自主分配問題，干擾主要來自其他D2D用戶間的信息傳輸。為驗證不同干擾情況下算法的性能，因此繼續(xù)沿用這一概念進行用戶區(qū)分，將用戶平均接收速率在系統(tǒng)整體用戶速率累計分布函數(shù)5%及以下的用戶定義為強干擾用戶，從強干擾用戶速率及系統(tǒng)整體平均速率兩個方面對算法性能展開分析。

表2 詳細仿真參數(shù)

4.2 驗證結(jié)果

圖3和圖4展示了平均功率分配算法、分布式注水算法和本文中所提出的自適應(yīng)功率分配算法的用戶平均接收速率的累積分布函數(shù)（cumulative distribution function, CDF）曲線。為便于比較，選取了圖3及圖4中所示CDF曲線值為5%所對應(yīng)的速率作為強干擾用戶速率，將不同參數(shù)取值與分配方法情況下的強干擾用戶速率與系統(tǒng)平均速率記錄在表3中進行比較。

圖3 本文算法在不同功率動態(tài)分配比例系數(shù)情況下與平均功率分配算法的用戶接收平均速率性能比較

圖4 3種功率分配算法用戶接收平均速率性能比較（功率全部重新分配情況）

從仿真結(jié)果上可以發(fā)現(xiàn)，參數(shù)的取值可以用來平衡D2D方式下受強干擾用戶和其他用戶之間的性能。當所有的發(fā)送功率都被用來動態(tài)分配時（例如α=1），大多數(shù)的發(fā)送功率將會被分配到信道條件較好及所受干擾較小的D2D用戶，但是這種分配方法會給遭受強干擾的D2D用戶帶來很大的性能損失，從而引起系統(tǒng)公平性問題，因為遭受強干擾的D2D用戶幾乎分配不到發(fā)送功率。與分布式注水算法相比，本文的算法在功率全部動態(tài)分配情況下系統(tǒng)平均和受強干擾D2D用戶的接收速率分別提高36.2%和 5.3%。在使用本文算法的情況下，當α減小時，小區(qū)用戶平均接收速率降低但是受強干擾的D2D用戶接收速率增加。

5 結(jié)束語

本文提出了一種適用于未來5G移動通信網(wǎng)絡(luò) D2D方式的用戶發(fā)送功率自適應(yīng)分配算法，通過信息論和模糊邏輯理論的優(yōu)勢來實現(xiàn)分布式自適應(yīng)功率分配及交互信息的最小化。本文方法解決了現(xiàn)存集中式和分布式注水法在D2D方式下的適用性問題，并且將用戶干擾考慮到發(fā)送功率分配的流程之中。從仿真結(jié)果中可以觀察到，本文方法為系統(tǒng)帶來了相對于傳統(tǒng)平均功率算法及分布式注水方法超過30%的增益，并且不同用戶間信道差異引起的公平性問題可以通過動態(tài)功率分配比例進行調(diào)節(jié)。

[1]凌亞,張勇,莊園.基于分區(qū)和干擾限制區(qū)域的多小區(qū)D2D資源分配策略[J].廣東通信技術(shù)，2016(2)：37-41. LING Y,ZHANG Y,ZHUANG Y.Cell splitting and interference limitation area based multi-cell D2D resource assignment strategy [J].Guangdong Communication Technology,2016(2)：37-41.

[2]李國友,周亞建,原泉,等.利用干擾消除的協(xié)同中繼傳輸方案[J].應(yīng)用科學學報，2013,31(2)：111-115. LI G Y,ZHOU Y J,YUAN Q,et al.Cooperative relay transmission scheme based on interference cancelation[J].Journal of Applied Sciences,2013,31(2)：111-115.

[3]李國彥,張有光,廖芒.一種基于QoS的自適應(yīng)混合協(xié)同傳輸方法及性能分析[J].航空學報，2012(9)：1688-1696. LI G Y,ZHANG Y G,LIAO M.Method and performance of QoS-based adaptive hybrid cooperative transmission[J].Acta Aeronautica ET Astronautica Sinica,2012(9)：1688-1696.

[4]LOZANO A,TULINO A M，VERDU S.Mercury/waterfilling for fixed wireless OFDM systems[C]//2006 IEEE Symposium on Radio&Wireless,Oct 17-19,2006,San Diego,CA,USA. New Jersey：IEEE Press,2006：211-214.

[5]LOZANO A,TULINO A M,VERDU S.Optimum power allocation for multi-user OFDM with arbitrary signal constellations[J].IEEE Transactions on Communications,2008,56(5)：828-837.

表3 用戶接收速率比較

[6]KWON H,LI B G.Distributed resource allocation through non-cooperative game approach in multi-cell OFDMA systems[C]// 2006 IEEE ICC,Jun 11-15,2006,Istanbul,Turkey.New Jersey：IEEE Press,2006：4345-4350.

[7]LOBINGER A,STEFANSKIS,JANSEN T,etal.Load balancing in downlink LTE self-optimizing networks[C]//2010 IEEE 71st Vehicular Technology Conference,May 16-19, 2010,Taipei,China.New Jersey：IEEE Press,2010：1-5.

[8]KWAN R,ARNOTT R,PATERSON R,et al.On mobility load balancing for LTE systems[C]//2010 IEEE 71st Vehicular Technology Conference,May 16-19,2010,Taipei,China.New Jersey：IEEE Press,2010：1-5.

[9]MUNOZ P,BARCO R,BANDERA I,et al.Optimization of a fuzzy logic controller for handover-based load balancing[C]// 2011 IEEE 72stVehicularTechnology Conference (VTC Spring),May 15-18,2011,Budapest,Hungary.New Jersey：IEEE Press,2011：1-5.

[10]FALOWO O E,CHAN H A.Fuzzy logic based call admission control for next generation wireless networks[C]//2006 3rd International Symposium on Wireless Communication Systems, Sept 6-8,Valencia,Spain.New Jersey：IEEE Press,2006：574-578.

[11]YE J,SHEN X,MARK J W.Call admission control in wideband CDMA cellular networks by using fuzzy logic[J]. IEEE Transactions on Mobile Computing,2005,4(2)：129-141.

[12]IKEBATA T,MINO G,BAROLLI L,et al.Evaluation of a fuzzy-based CAC scheme for different priorities in wireless cellular networks[C]//2010 International Conference on Broadband, Wireless Computing,Communication and Applications,Nov 4-6, 2010,Fukuoka,Japan.New Jersey：IEEE Press,2010：616-621.

[13]3GPP.Evolved universal terrestrial radio access(E-UTRA); further advancements for E-UTRA physical layer aspects：TS 36.814,V9.0.0[S].2010.

[14]3GPP.Study on LTE device to device proximity services;radio aspects：TR 36.843 V12.0.1[S].2014.

[15]GOLDSMITH A J,CHUA S G.Variable-rate variable-power MQAM for fading channels [J].IEEE Transactions on Communication,1997,45(10)：1218-1230.

[16]3GPP.Evolved universal terrestrial radio access (E-UTRA)and evolved universal terrestrial radio access network(EUTRAN); overall description：TS 36.300,V8.4.0[S].2008.

[17]3GPP.Evolved universal terrestrial radio access(E-UTRA); physical layer procedures：TS 136.213,V10.1.0[S].2011.

Adaptive transmission power allocation algorithm in device to device manner of 5G mobile networks

WANG Yupeng,DAI Xin,LI Kaili
College of Electrical and Information Enginering,Shenyang Aerospace University,Shenyang 110136,China

As a strong supplementary technique to the traditional mobile communication networks,the concept of device to device was introduced into the future 5G mobile communication networks.To solve the problems of base station-free transmission manner and the complex interference environment induced by the non-coordinated user data transmission,an adaptive transmission power allocation algorithm based on game theory and fuzzy logic was proposed,to utilize the system power and frequency in a more efficient way while minimizing the interference to other users.Through the simulation results,the proposed algorithm outperformed the conventional equal power allocation and distributed water-filling algorithms in the aspect of user received data rates.

5G mobile network,game theory,fuzzy logic,power allocation

TN915

A

10.11959/j.issn.1000-0801.2017028

王宇鵬（1981-），男，博士，沈陽航空航天大學電子信息工程學院副教授，主要研究方向為移動通信網(wǎng)絡(luò)、物聯(lián)網(wǎng)、多天線技術(shù)和無線資源分配等。

戴欣（1992-），女，沈陽航空航天大學電子信息工程學院碩士生，主要研究方向為無線與移動通信技術(shù)等。

李凱麗（1991-），女，沈陽航空航天大學電子信息工程學院碩士生，主要研究方向為無線與移動通信技術(shù)等。

2016-12-21；

2017-01-09

遼寧省教育廳科技研究項目（No.L2014067）；遼寧省科技廳聯(lián)合封閉基金資助項目（No.2015020097）；沈陽航空航天大學校博士科研啟動基金資助項目（No.16YB04）

Foundation Items：Research Foundation of Liaoning Provincial Education Department(No.L2014067)，Research Foundation of Liaoning Provincial Science and Technology Department（No.2015020097)，The Doctoral Startup Research Foundation of Shenyang Aerospace University（No.16YB04）