一种基于改进和声搜索算法的5G通信系统资源分配方法与流程

本发明涉及5g通信领域，具体涉及一种基于改进和声搜索算法的5g通信系统的资源分配方法。

背景技术

随着5g技术的进一步发展，用户的对于语音和数据服务的需求也趋于多样化，对移动通信网络的数据率、延迟性以及大容量都提出了很多的要求，需要研究出新技术的来提高系统吞吐量，提高频率利用率。蓝牙、wifi等通信模式，要通过复杂的人工配对的方式，且工作在非授权频谱下，信息传输安全性不足。在传统的蜂窝通信模式中，通信的过程需要基站的转发，蜂窝用户由上行链路和下行链路组成的通信特性又使得蜂窝用户占用着大量的频谱资源。为高效利用频谱资源，5g通信规范中提出了端到端(d2d)通信技术。在d2d通信中，基站只需要负责控制协调，减轻了基站的负担。并且d2d移动终端(due)可以与蜂窝网移动终端(cue)共享链路资源，有效地为蜂窝网络提高资源利用率，提高系统容量。d2d用户使用基站分配的授权频段频谱资源存在三种模式。第一种是基站正交分割授权频谱资源，d2d用户与蜂窝用户彼此使用正交的频谱资源，终端间不存在相互干扰。第二种则为d2d用户和蜂窝用户共享相同频谱资源的模式。第三种模式是基站为d2d用户分配一部分信道资源，多个d2d用户可共享专用的信道资源。因此，d2d通信已成为未来移动通信的关键技术。

但随之也会带来一定的干扰问题，cue与due、due与due以及bs与due之间会产生相互干扰。多种干扰的存在使得资源分配更加复杂。目前，存在不少方法来减轻额外的干扰。相较于蜂窝通信，d2d还存在通信距离短的问题。

因此，对于5g通信系统中的的d2d来说，需要一种基于改进和声搜索算法的资源分配方法以提高其系统性能，从而应用于5g通信系统的设计和优化。

技术实现要素：

发明目的：本发明的目的是针对5g通信系统的资源分配问题，提供一种基于改进和声搜索算法的5g通信系统的资源分配方法，对资源分配进行优化，以提高系统吞吐量、降低蜂窝用户的发射功率、提升终端能效。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

一种基于改进和声搜索算法的5g通信系统资源分配方法，系统中的终端包括蜂窝网络终端(cue)和d2d移动终端(due)，一对due包括d2d发射移动终端(dtue)和d2d接收移动终端(drue)，其中有m对due和n个cue共享上行链路资源，m和n为大于0的整数；所述方法包括以下步骤：

(1)初始化系统参数，所述参数包括信干噪比阈值、d2d发射终端的功率、移动终端数量以及各终端间的距离；

(2)将用户复用信道资源的方案用一组和声来表示，x＝[x1,x2,…,xi,…,xm]，和声记忆库中每组和声的音调xi∈[1,n]，每一组和声包含m个音调；

(3)随机产生符合信干噪比和最大发射功率约束条件的初始解空间hm，根据和声记忆库取值概率hmcr判别是否从初始解空间内产生新的和声变量，若满足hmcr条件则按照音调微调概率par微调；若不满足hmcr条件则从和声记忆库以外的解空间内产生新的和声变量；

(4)以系统吞吐量、蜂窝用户的平均发射功率以及终端能效这三个性能优化指标中的至少一个为目标函数，计算每个和声对应的目标函数，来衡量解的优劣性；

(5)用目标函数值较优的新解替换初始解空间中的较劣解，当继续迭代未能显著优化目标函数值时，停止迭代，对编码的解空间逆向解码，从而得到最优的资源分配策略。

所述步骤(4)中系统吞吐量的计算公式为：

其中，b为子信道带宽；ci为第i条蜂窝链路的数据传输速率；dj为第j条d2d链路的数据传输速率；

ci＝blog2(1+sinrc,i)

其中，sinrc,i为蜂窝用户的信干噪比；

其中，pi表示第i个cue的发射功率；ri表示第i个cue和基站之间的距离；α为路径损耗因子；ibs,i表示基站受到的干扰；n0表示加性高斯白噪声的功率；

dj＝blog2(1+sinrd,j)

其中，sinrd,j为d2d用户的信干噪比；

其中，pt为dtue的发射功率；dj为dtuej和druej之间的距离，id,j表示druej受到的干扰；

其中，dk,j为dtuek和druej之间的距离，pm为第m个cue的发射功率，dm,j为第m个cue到druej的距离，为第m个子信道的终端集，δm,j为d2d对资源选择策略因子；

所述步骤(4)中系统中的蜂窝用户平均发射功率的计算公式为：

其中，pi为蜂窝用户的发射功率；

pi＝(ibs,i+n0)·τ·ri

其中，ibs,i为基站受到的干扰；τ为蜂窝用户的信干噪比阈值；ri为蜂窝用户到基站的距离。

所述步骤(4)中系统中全局通信终端效能的计算公式为：

ee＝s/psum

其中，总的发射功率记作psum；

其中，pt为dtue的功率且恒定不变。

所述步骤(3)中和声记忆库取值概率hmcr在优化过程中，随着迭代次数变化的计算公式为：

hmcr＝hmcrmax-(hmcrmax-hmcrmin)·gn/maxi

其中，hmcrmax表示和声记忆库取值概率的最大值；hmcrmin表示和声记忆库取值概率的最小值；gn表示迭代次数；maxi表示最大迭代次数。

所述步骤(3)中在优化过程中微调概率par的计算公式为：

par＝parmin+(parmax-parmin)·gn/maxi

其中，parmin为微调概率的最小值；parmax为微调概率的最大值。

所述步骤(3)中在优化中为保证解空间多样性的微调带宽的计算公式为：

其中，umax和umin分别为音调的最大值和最小值；a为带宽调节因子；方向调节因子取0.5，保证微调的方向等概率前进或后退。

有益效果：本发明基于改进和声搜索算法的5g通信系统的资源分配方法能够有效提升系统吞吐量、降低蜂窝用户的发射功率、提升终端能效，其性能优越，且易于实现。

附图说明

图1是本发明资源分配方法实施的具体流程图；

图2是d2d通信系统的场景图；

图3是基于改进和声搜索算法的系统资源分配示意图；

图4是采用改进和声搜索算法和其他算法所得的系统吞吐量图；

图5是采用改进和声搜索算法和其他算法所得的系统中cue平均发射功率图；

图6是采用改进和声搜索算法和其他算法所得的系统中全局通信设备的能效图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

场景的选择直接影响了资源分配方法的性能，下面详细分析一下场景的设定与参数的设置。

1.移动终端的分类与数量

在d2d通信系统中，终端分为两类：传统蜂窝网移动终端cue和d2d移动终端due。due是以成对形式存在的，一对due包括d2d发射移动终端dtue和d2d接收移动终端drue。在fdd-lte网络中，均匀划分授权频段得到正交的子载波，形成子信道，每个蜂窝用户占据一个独立的子信道，m个d2d用户对共享所有子信道的频谱资源。图2是d2d通信系统的场景图，其中n个cue和m个dtue均匀分布在一个半径为r的小区内，drue分布在以其对应的dtue为圆心，最大通信距离为半径的圆内。本发明专利即为基于此场景提出的基于改进和声搜索算法的5g通信系统的资源分配方法。

2.信道模型的建立

在传统蜂窝网络中，cue采用严格的功率控制方式。然而在d2d通信中，d2d发射终端dtue通常采用相同的发射功率，记作pt。我们假设发射终端和接收终端之间的信道模型为自由空间衰减模型，即pr/pt＝1/r^α,其中pr是接收终端接收到的功率，pt是发送终端的发射功率，r为终端之间的距离，α是路径损耗因子。

3.资源分配方法

因为在fdd-lte网络中，一个子信道只能分给一个cue，而多个due可以共享一个子信道，所以均匀划分频段形成w+q个子信道，q为专用信道的数量,每个蜂窝用户占据一个独立的子信道，m个d2d用户对共享w+q个子信道的频谱资源。

4.终端能效定义

d2d通信系统中的终端能效，其定义为系统吞吐量与发射功率的比值。其中，总的发射功率psum由恒定的dtue的功率以及动态调整的蜂窝用户的发射功率组成。

分析系统吞吐量的数学特征，第i条蜂窝链路的数据传输速率ci和第j条d2d链路的数据传输速率dj数学特征有：

最终，终端能效记作：

ee＝s/psum

基于上述理论基础，对本发明的基于改进和声搜索算法的5g通信系统的资源分配方法进行设计。

首先对本发明使用的符号或参数说明如下：

cue：传统蜂窝网移动终端；

due：d2d移动终端；

dtue：d2d移动终端对中的发射移动终端；

drue：d2d移动终端对中的接收移动终端；

m：小区内d2d移动终端对的数量；

n：小区内cue移动终端的数量；

r：小区半径；

bs：基站；

l：一对due中drue和dtue之间的最大距离；

pt：dtue的发射功率；

pi：cuei的发射功率；

ri：cuei和基站之间的距离；

dj：dtuej和druej之间的距离；

dm,j：cuem和druej之间的距离；

dk,j：dtuek和druej之间的距离；

α：路径损耗指数；

n0：噪声功率；

b：子信道带宽；

第m个子信道对应的终端集；

hmcr：和声记忆库取值概率；

gn：迭代次数；

par：微调概率；

bw：微调带宽；

τ：终端用户的信干噪比阈值；

pm：第m个cue的发射功率；

pmax为cue所允许的最大发射功率。

如图1所示，本发明实施例提供的一种基于改进和声搜索算法的5g通信系统的资源分配方法，包括以下步骤：

(1)初始化：

1)初始化系统参数，所述参数包括信噪比阈值、d2d发射终端的功率等参数；

2)获取网络中的d2d通信移动终端的数量m、cue移动终端的数量n以及各种距离变量dk,i、dm,j和dk,j的值；各距离信息可以基于检测信号进行估计得到或者基于各终端向基站报告的位置信息计算得到，仿真环境中可以直接初始化各设备所在位置信息；

3)对每个cue来说，其仅并且只占用一个信道，不失一般性，我们假设分配给第i个信道的cue终端的编号记作i。

(2)设定一组和声表示为x＝[x1,x2,…,xi,…,xm]，每一组和声包含m个音调。一组和声编码为长度为m的行向量，和声记忆库中每组和声的音调xi∈[1,n]，向量中每个元素值即代表相应d2d用户复用的信道资源。

(3)初始化初始解空间hm，和声搜索算法通过概率化的寻优策略将初始解空间以及初始解空间以外的可行解有机结合，增加了解的多样性，有效规避了遗传算法交叉步骤易于陷入局部收敛的问题。本实例中，我们随机化产生符合约束条件的初始解空间hm，根据和声记忆库取值概率hmcr判别是否从初始解空间内产生新的和声变量，若满足hmcr条件则按照音调微调概率par微调；若不满足hmcr条件则从和声记忆库以外的解空间内产生新的和声变量。其中约束条件为：cue和drue的信干噪比需满足如下条件：

sinrc,i≥τi∈(1…n)

sinrd,j≥τj∈(1…m)

0＜pm≤pmaxm∈(1…n)

本例中，和声记忆库取值概率hmcr在优化过程中，随着迭代次数变化的计算公式为：

hmcr＝hmcrmax-(hmcrmax-hmcrmin)·gn/maxi

hmcrmax表示和声记忆库取值概率的最大值；hmcrmin表示和声记忆库取值概率的最小值；gn表示迭代次数；maxi表示最大迭代次数。

在优化过程中微调概率par的计算公式为：

par＝parmin+(parmax-parmin)·gn/maxi

parmin为微调概率的最小值；parmax为微调概率的最大值。

在优化中为保证解空间多样性的微调带宽的计算公式为：

其中，umax和umin分别为音调的最大值和最小值；a＝0.24为带宽调节因子；同时利用d＝0.5的方向调节因子，保证微调的方向可以等概率前进或后退，从而保证解空间的多样性。

(4)求解系统中d2d通信系统中吞吐量s、蜂窝用户的发射功率pa以及终端能效ee，并分别设置他们为改进和声搜索算法中的适应度函数，求解过程如下：

1)分析系统吞吐量的数学特征，需遍历蜂窝链路和d2d链路的数据传输速率。根据第i条蜂窝链路的数据传输速率ci和第j条d2d链路的数据传输速率dj数学特征可以表示系统吞吐量s为：

其中，

ci＝blog2(1+sinrc,i)

dj＝blog2(1+sinrd,j)

2)优化蜂窝用户的发射功率时，保证所有终端用户通信质量准则，计算所需要的最小的蜂窝用户的发射功率。此时适应度函数为蜂窝用户的平均发射功率pa：

pi＝(ibs,i+n0)·τ·ri

3)优化终端能效指标，即优化系统吞吐量与发射功率的比值。有总的发射功率psum由恒定的dtue的功率以及动态调整的蜂窝用户的发射功率组成。

最终，终端能效记作：

ee＝s/psum

上述三个性能优化指标在网络优化过程时，可以根据运营商实际需求选择一个或多个指标进行优化。

(5)改进和声搜索算法包络在解空间随机生成新的变量，在初始解空间hm随机选取变量进行微调，根据适应度函数将新解与和声记忆库中的解排序选择最优的解作为新的解。

优化前期阶段，和声记忆库取值概率hmcr初始值较高，从而能保证和声搜索算法优异的局部搜索能力。随着不断迭代，该概率逐渐降低，从而提高和声记忆库以外的搜索能力，提升后期的全局搜索能力。

借鉴遗传算法的轮盘赌的选择机制，改进和声搜索算法从和声记忆库中产生新解遵循遗传算法随机竞争选择的模式，选取适应度高的作为新的和声变量。

每次迭代产生k个新解，将这些新解与和声记忆库中的解按适应度排序，选择最优的hms个解作为新的和声记忆库中的解。当继续迭代未能得到显著优化的目标函数值时，则停止迭代，对码空间进行逆向解码得到最优资源分配方案。

图3本发明实施例的具体示例基于改进和声搜索算法的系统资源分配示意图。以m＝8，n＝3为例，对应的和声为(3,2,1,4,3,4,2,4)，即：due终端对3与cue1共享信道资源1、due终端对2,7与cue2共享信道资源2、due终端对1,5与cue3共享信道资源3、due终端对4,6,8共享信道资源4。

图4详细比较了改进和声搜索算法和其他算法所得的系统吞吐量。为验证本发明方法比现有技术的优势，本发明设定如下仿真参数：小区半径r为600m，专用子信道数量为1，子信道带宽为0.15mhz，due终端对的最大距离l为20m，due终端对的数量是8，cue终端的数量为3，cue的最大发射功率为2w，due的发射功率为0.01w，噪声功率n0为-105dbm，信道中路径损耗系数为4，最大迭代次数为50，sinr的门限值为4.6db，最小微调概率为0.01，最大微调概率为0.99，最大和声记忆库取值概率为0.95，最小和声记忆库取值概率为0.6，和声记忆库和声数量为10，新解数量为10。从图中可以看出，随机算法性能最劣，穷举算法找出来的资源分配方法其系统吞吐量最高，但穷举法是将所有可行的分配方案列出并进行计算，计算量大，耗时长，寻找最优值非常困难。与应用到d2d资源分配领域体现出良好性能的遗传算法相比，改进和声搜索算法优于遗传算法，并且自适应参数设置的合理性以及其优越的全局搜索性能，改进和声搜索算法得到的结果更逼近穷举算法。

图5详细比较了改进和声搜索算法和其他算法所得的系统中cue平均发射功率。根据仿真图可以直观地分析出本文提出的基于改进和声搜索算法的资源分配策略性能更优，逼近最优解，在一定复杂度约束下，有效降低了蜂窝用户的发射功率。

图6详细比较了改进和声搜索算法和其他算法所得的d2d通信系统中全局通信设备的能效由于改进和声搜索算法优越的全局搜索性能，通过将小区中的终端合理分为不同的通信簇，有效降低了同频终端彼此间的干扰，提升了系统吞吐量。同时蜂窝用户采用功率控制模式，当蜂窝用户受到的同频干扰得到有效抑制时，蜂窝用户的功耗也随之降低，从而有效提升全局通信设备的能效。

如上所述，本发明的基于改进和声搜索算法的资源分配方法，能够有效提高系统吞吐量、降低蜂窝用户的发射功率、提升终端能效，性能优越，且易于实现。