一种面向NOMA与D2D融合通信的资源分配方法与流程

本公开涉及通信技术领域，尤其涉及一种面向noma与d2d融合通信的资源分配方法。

背景技术：

移动通信网络的高速发展与移动通信业务的剧增，给现有的无线资源带来巨大的挑战。为了提高频谱资源利用率，非正交多址接入(non-orthogonalmultipleaccess，简称noma)技术允许多个用户以功率复用方式占用相同信道，与此同时，设备到设备(device-to-device，简称d2d)技术允许短距离的用户可以不经过基站节点的中转，而直接通信，从而降低基站的通信压力，提高资源的利用效率。

为了极大化频谱资源利用率，d2d通信一般需要使用与蜂窝通信(即基站与传统手机终端用户之间的通信)相同的频谱资源，且d2d通信要求不能对传统蜂窝通信产生干扰。如何为成为研究的难点问题。进一步，当蜂窝通信采用noma的通信方式后，基站可以在同一个频带上与多个手机终端用户(cellularuserequipment，简称cue)进行同时通信。此时，cue之间可以基于串行干扰消除(serialinterferencecancellation，简称sic)解码次序来逐渐恢复接收数据。然而，当引入d2d通信后，会导致cue之间的sic关系不能通过与基站的传输距离进行简单判别，还不能为noma通信组选择合适的sic关系，从而无法实现为d2d通信对之间分配合适的通信功率与频谱资源。

基于上述，现有方案仍然存在上述问题需要解决。

技术实现要素：

(一)要解决的技术问题

为了解决现有技术的上述问题，本公开提供面向noma与d2d融合通信的资源分配方法，解决现有技术中无法实现为d2d通信对之间分配合适的通信功率与频谱资源的问题。

(二)技术方案

为了达到上述目的，本公开采用的主要技术方案包括：

本公开一实施例提供一种面向noma与d2d融合通信的资源分配方法，其包括：

获取初始用户群体中个体的cue用户的信道分配信息、d2d用户的信道分配信息和d2d用户功率；

根据cue用户的信道分配信息、d2d用户的信道分配信息和d2d用户功率进行优化计算，得到cue用户功率分配信息；

根据所述cue用户的信道分配信息、所述d2d用户的信道分配信息及所述cue用户功率分配值计算得到个体的适应度值；

从所述初始用户群体中随机选取三个个体，通过所述三个个体的适应度值进行计算，产生新的个体；

根据所述新的个体与所述初始用户群体中的个体的适应度值进行比对留下的个体进行最优化求解。

本公开的一个实施例中，所述根据cue用户的信道分配信息、d2d用户的信道分配信息和d2d用户功率进行优化计算，得到cue用户的功率分配信息，包括：

根据所述cue用户的信道分配信息确定所选信道下的cue用户集合；

对所述cue用户集合中每两个cue用户判断是否满足干扰消除条件；

将所述cue用户集合中所有cue用户根据串行干扰消除sic进行快速排序；

根据排序结果得到所述cue用户的功率分配信息。

本公开的一个实施例中，所述干扰消除条件为：

其中cue用户集合为d2d用户集合为信道集合为m＝{1,2,…,m}；表示第d个d2d用户对占用第m个信道的信道分配信息，且当时表示第d个d2d用户对占用第m个信道，当时则表示第d个d2d用户对并未占用第m个信道，pd表示d2d用户功率，且σ²表示高斯白噪声，表示第d个d2d用户与第n个cue用户之间使用信道m时的信道增益，hb,n表示基站b与第n个cue用户之间的信道增益，hb,k表示基站b与第k个cue用户之间的信道增益。

本公开的一个实施例中，所述排序结果为γ′m＝{1,2,…|γ′m|}；

所述功率分配信息为当j＝1时，

否则

其中cue用户集合为d2d用户集合为信道集合为m＝{1,2,…,m}；表示第n个cue用户占用第m个信道的信道分配信息，且当时表示第n个cue用户占用第m个信道，当时则表示并未占用第m个信道；表示第d个d2d用户对占用第m个信道的信道分配信息，且当时表示第d个d2d用户对占用第m个信道，当时则表示并未占用第m个信道，pd表示d2d用户功率，且σ²表示高斯白噪声，表示第d个d2d用户与第n个cue用户之间使用信道m时的信道增益，hb,n表示基站b与第n个cue用户之间的信道增益。

本公开的一个实施例中，所述根据所述cue用户的信道分配信息计算得到个体的适应度值包括：

构建d2d通信速率最大化的优化模型，所述优化模型为：

根据所述优化模型得到d2d用户的通信速率；

通过对所述个体内的d2d用户的通信速率进行求和，得到所述个体的适应度值；

约束条件(1a)表示所有cue用户分配的功率总和不超过基站所能给出的最大功率pmax，约束条件(1b)表示每个cue用户的速率不低于门限值rn，约束约束(1c)和(1d)表示每个cue用户和每个d2d用户均只能够选择一个信道进行传输；

为d2d通信对d占用第m个信道进行通信时的sinr值，计算公式为：

为cue用户n占用第m个信道与基站进行通信时的sinr值，计算公式为：

其中为用户n与用户k能否执行干扰消除的判断条件，如果表示cue用户n不能通过串行干扰消除的方式消除cue用户k的干扰；如果表示cue用户n能通过串行干扰消除的方式消除cue用户k的干扰，σ²表示高斯白噪声。

本公开的一个实施例中，所述通过所述三个个体的适应度值进行计算包括：

将随机选取的三个个体根据计算得到的适应度值的大小进行排序，表示为xb,xm,xw，以及对应的适应度值fb,fm,fw；

根据设置的所述缩放因子的最小值fl和最大值fu计算得到个体新的缩放因子fi，公式为：

根据所述新的缩放因子计算得到变异因子vi，公式为：

vi＝xb+fi(xm-xw)

根据当前个体的适应度值和群体中个体适应度值的最大值fmax和最小值fmin，计算得到所述当前个体的交叉概率cri，公式为：

如果所述当前个体的适应度低于平均适应度，则所述交叉概率取0.1；如果所述当前个体适应度大于平均适应度，则所述交叉概率取0.6。

本公开的一个实施例中，所述产生新的个体包括：

对所述交叉概率进行判断，如果针对个体设定的概率大于所述交叉概率，则将所述变异因子对应的基因加入到个体中，形成所述新的个体。

本公开的一个实施例中，所述根据所述新的个体与所述初始用户群体中的个体的适应度值进行比对留下的个体进行最优化求解包括：

将所述新的个体加入到随机选取的三个个体形成的群体中，得到新群体；

当所述新群体中个体的数目等于所述初始用户群体的数目时，将所述新群体中个体的适应度值与所述初始用户群体中个体的适应度值进行一一比对，每组比对后将适应度值大的留下。

本公开的一个实施例中，所述将所述新的个体加入到随机选取的三个个体形成的群体中，得到新群体之后，还包括：

计算所述新的个体对应cue用户的功率分配信息；

根据所述形的个体对应cue用户的功率分配信息计算得到所述新的个体的适应度值。

本公开的一个实施例中，得到所述新群体之后，将所述新群体中个体的适应度值与所述初始用户群体中个体的适应度值进行一一比对之前，还包括：

判断所述新群体中个体的数目达到所述初始用户群体中个体的数目，如果所述新群体中个体的数目小于所述初始用户群体中个体的数目，则重新选取个体通过适应度值计算产生新的个体。

(三)有益效果

本公开的有益效果是：本公开实施例提供的面向noma与d2d融合通信的资源分配方法，为了求解d2d用户的最优信道分配，提出基于差分进化的联合资源分配算法，从而有效提升网络的性能，极大化网络的资源利用效率。

附图说明

图1为本公开一实施例提供的一种面向noma与d2d融合通信的资源分配方法的流程图；

图2为本公开一实施例中融合noma与d2d通信的网络模型图；

图3为本公开一实施例图1中步骤s120的流程图；

图4为本公开一实施例图1中步骤s140的流程图；

图5为本公开一实施例中对利用差分演化算法进行信道分配的流程图；

图6为本公开一实施例中基站使用noma技术与传统oma技术传输时，所获得的整体速率对比图；

图7为本公开一实施例中自适应差分算法与原始差分算法结果对比图。

具体实施方式

为了更好的解释本公开，以便于理解，下面结合附图，通过具体实施方式，对本公开作详细描述。

本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中在本公开的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本公开。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

在本公开相关实施例中，将noma通信与d2d通信进行融合，但是如何选择为noma通信组选择合适的sic关系依然是难点。为此，本公开考虑将noma通信与d2d通信进行融合，并提出一种面向d2d与noma融合通信方向的新型资源分配优化方法。为此，针对noma与d2d融合通信这种新型的网络架构，本公开系统分析网络中在引入d2d通信后，传统手机终端用户cue的传输功率与串行干扰消除sic解码次序间的关系，从而将求解最大化d2d用户速率问题转化为求解每一个d2d组中用户的sinr值的问题，并由此设计cue用户满足最小传输速度情况下功率设置方法。进一步，为了求解d2d用户的最优信道分配，提出基于差分进化的联合资源分配算法，从而有效提升网络的性能，极大化网络的资源利用效率。

图1为本公开一实施例提供的一种面向noma与d2d融合通信的资源分配方法的流程图，如图1所示，该方法包括以下步骤：

如图1所示，在步骤s110中，获取初始用户群体中个体的cue用户的信道分配信息、d2d用户的信道分配信息和d2d用户功率；

如图1所示，在步骤s120中，根据cue用户的信道分配信息、d2d用户的信道分配信息和d2d用户功率进行优化计算，得到cue用户功率分配信息；

如图1所示，在步骤s130中，根据所述cue用户的信道分配信息、所述d2d用户的信道分配信息及所述cue用户功率分配值计算得到个体的适应度值；

如图1所示，在步骤s140中，从所述初始用户群体中随机选取三个个体，通过所述三个个体的适应度值进行计算，产生新的个体；

如图1所示，在步骤s150中，根据所述新的个体与所述初始用户群体中的个体的适应度值进行比对留下的个体进行最优化求解。

以下对图1所示实施例的各个步骤的具体实现进行详细阐述：

在步骤s110中，获取初始用户群体中个体的cue用户的信道分配信息、d2d用户的信道分配信息和d2d用户功率。

在本公开的一个实施例中，首先构建融合noma与d2d通信的网络模型，图2为本公开一实施例中融合noma与d2d通信的网络模型图，如图2所示，网络中分布的cue能够复用同一个信道，而且相邻的终端用户则可以采用直接通信的方式进行数据交互。在这种通信方式支持下，定义网络中的cue用户的集合为d2d用户对的集合是其中这里面的d表示的是第几个d2d用户对，进一步拆分d2d传输设备集合其中d2d接收设备集合其中所有用户设备的集合可表示为定义网络环境下可用的频谱集合为m＝{1,2,…,m}。表示第n个cue用户占用第m个信道的情况，当时表示第n个cue用户占用第m个信道，当时则表示第n个cue用户并未占用该信道。表示第d个d2d用户对占用第m个信道的情况，当时表示第d个d2d用户对占用第m个信道，当时则表示第d个d2d用户对并未占用该信道。

在本公开的一个实施例中，构建该网络模型后，在不影响cue用户正常通信的基础上，构建一个满足d2d通信速率最大化的优化模型，所述优化模型为：

基于上述优化模型，公式(1)就是整个模型进行求解的目标函数，即最大化d2d的传输速率。约束条件(1a)表示所有cue用户分配的功率总和不超过基站所能给出的最大功率pmax，约束条件(1b)表示每个cue用户的速率不低于门限值rn，该门限值可以根据具体应用场景进行设置，本文不做限制；约束约束(1c)和(1d)表示每个cue用户和每个d2d用户均只能够选择一个信道进行传输。

其中表示第n个cue用户占用第m个信道的信道分配信息，且当时表示第n个cue用户占用第m个信道，当时则表示并未占用第m个信道；表示第d个d2d用户对占用第m个信道的信道分配信息，且当时表示第d个d2d用户对占用第m个信道，当时则表示第d个d2d用户对并未占用第m个信道，pd表示d2d用户功率，且σ²表示高斯白噪声，表示第d个d2d用户(即用户d)与第n个cue用户(即用户n)之间使用信道m时的信道增益，类似hb,n表示基站b与第n个cue用户之间的信道增益，hb,k表示基站b与第k个cue用户之间的信道增益。

其中为d2d通信对d占用第m个信道进行通信时的sinr值，计算公式为：

为cue用户n占用第m个信道与基站进行通信时的sinr值，计算公式为：

其中为用户n与用户k能否执行干扰消除的判断条件，如果表示cue用户n不能通过串行干扰消除的方式消除cue用户k的干扰；如果表示cue用户n能通过串行干扰消除的方式消除cue用户k的干扰，σ²表示高斯白噪声。

对于信噪比sinr值，如果cue用户n接收用户k的信号所计算的sinr值大于或者等于用户k接收自己信号所计算的sinr的数值时，即用户n就可以在传输过程中不受用户k所造成的同信道干扰，与用户接收sinr的关系可表示为：

对公式(4)进行化简，可求得如果即满足

表示第d个d2d用户与第n个cue用户之间使用信道m时的信道增益，类似hb,n表示基站b与第n个cue用户之间的信道增益，hb,k表示基站b与第k个cue用户之间的信道增益。从公式(5)可知，网络中cue用户在得知d2d通信对的通信功率与通信信道时，即可求得noma通信组内任意两个用户是否满足干扰消除的条件，该干扰消除条件在后文中可以用于对cue用户进行排序。

在步骤s120中，根据cue用户的信道分配信息、d2d用户的信道分配信息和d2d用户功率进行优化计算，得到cue用户的功率分配信息。

在本公开的一个实施例中，该步骤为了尽可能提升d2d通信对的传输速率，cue用户的通信干扰应尽可能低。同时，cue用户的传输速率应该满足其最低通信速率需求，根据干扰消除条件与最低通信速率需求，在noma组内对cue用户功率的分配信息进行计算，图3为本公开一实施例图1中步骤s120的流程图，具体包括以下步骤：

如图3所述，在步骤s301中，根据所述cue用户的信道分配信息确定所选信道下的cue用户集合。即首先获取cue用户信道分配数组d2d用户的信道分配数组以及d2d用户功率然后从一个信道开始通过cue的信道分配情况确定在m信道下cue用户的集合

如图3所述，在步骤s302中，对所述cue用户集合中每两个cue用户判断是否满足干扰消除条件。该步骤中对cue用户给集合γm中所有用户，对两两用户i，j之间按照公式(4)判断是否满足干扰消除条件，如果则对于串行干扰消除的大小关系设置为sici＞sicj。

如图3所述，在步骤s303中，将所述cue用户集合中所有cue用户根据串行干扰消除sic进行快速排序。

如图3所述，在步骤s304中，根据排序结果得到所述cue用户的功率分配信息。得到的所述排序结果为γ′m＝{1,2,…|γ′m|}。

然后对排序结果集合中每个元素一次进行判断，当j＝1时，所述功率分配信息为：

当j≠1时，所述功率分配信息为：

表示第d个d2d用户与第n个cue用户之间使用信道m时的信道增益，类似表示第d个d2d用户与第n个cue用户之间使用信道m时的信道增益，hb,n表示基站b与第n个cue用户之间的信道增益。

在步骤s130中，根据所述cue用户的信道分配信息与所述d2d用户的信道分配信息及所述cue用户功率分配值计算得到个体的适应度值。

基于前述步骤得到的cue用户的信道分配信息之后，步骤s130～s150中基于差分演化算法的信道优化方法求解最优的d2d用户与cue用户的通信信道分配。

差分算法作为演化算法的一种，以其结构简单、容易实现、收敛速度快、鲁棒性强等特点，被广泛应用在数据挖掘、模式识别、人工神经网络等多个领域的研究之中。与遗传算法类似，差分进化算法本身也是一种基于现代智能理论的优化算法，通过对群体内部的各个个体间的差异与合作以竞争的方式来指导目标函数的优化求解方向。算法中的基本思想就是从初始的随机种群开始，通过将两个个体向量的向量差值与第三个个体进行计算从而产生全新的个体，并将新的个体与当代群体中的个体进行适应度的比较保留高适应度的个体。算法通过这种方式不断进化，保留下优势个体，淘汰劣势个体，将探索的目标不断向最优解的方向进行逼近。

基于步骤s120可以计算群体中各个个体内cue用户的功率分配情况，进而在步骤s130中可以根据所述优化模型得到d2d用户的通信速率；从而通过对所述个体内的d2d用户的通信速率进行求和，得到所述个体的适应度值。

在步骤s140中，从所述初始用户群体中随机选取三个个体，通过所述三个个体的适应度值进行计算，产生新的个体。

该步骤中通过所述三个个体的适应度值进行如下计算，得到缩放因子、差异因子和交叉概率，图4为本公开一实施例图1中步骤s140的流程图，具体包括以下步骤：

如图4所示，在步骤s401中，将随机选取的三个个体根据计算得到的适应度值的大小进行排序，表示为xb,xm,xw，以及对应的适应度值fb,fm,fw。

如图4所示，在步骤s402中，根据设置的所述缩放因子的最小值fl和最大值fu计算得到个体新的缩放因子fi，公式为：

如图4所示，在步骤s403中，根据所述新的缩放因子计算得到变异因子vi，公式为：

vi＝xb+fi(xm-xw)公式(9)

如图4所示，在步骤s404中，根据当前个体的适应度值和群体中个体适应度值的最大值fmax和最小值fmin，计算得到所述当前个体的交叉概率cri，公式为：

如果所述当前个体的适应度低于平均适应度，则所述交叉概率取0.1；如果所述当前个体适应度大于平均适应度，则所述交叉概率取0.6。

需要说明的是，本实施例中采用差分进化算法主要为cue用户与d2d通信对分配通信信道，所以在这种情况下差分进化的主要的编码是针对用户所选择的信道进行编码，为此，采用一种联合编码的方式并用向量表示为其中表示的是d2d用户的信道选择，表示的是cue用户的信道选择情况。

表1信道编码方式

表1中示出一种信道分配结果，即当网络中存在5个d2d通信对，且8个cue用户时，可用信道为7时。从表1中可以看出，整个编码包含两个部分，d和c分别表示的是d2d用户以及cue用户。每个用户选择的信道为可用信道中的任何一个。需要注意的是，由于noma技术的加入，cue用户可以选择相同的信道，从而形成noma通信组，不再受到同一时刻使用单一信道的用户最多不超过1个的影响。

该步骤中到新群体之后，还包括：计算所述新的个体对应cue用户的功率分配信息；根据所述形的个体对应cue用户的功率分配信息计算得到所述新的个体的适应度值。适应度、交叉概率与变异概率的设计同样是差分进化算法设计中需重点关注的问题。例如，在本实施例中，适应度设定为所有d2d用户速率的总和，也就是整个模型的目标函数的值。而对于交叉概率以及变异概率，除了可采用传统的固定参数值的方式外，还可以通过将参数进行自行迭代进化的方式，从而更有利于模型的求解。

本实施例中将使用自适应即参数通过自身进化进行改变的方式来进行关于影响交叉概率方面因子的调节以及变异概率的改变，这样的方式将更加有利于模型的求解，因此基于上述计算之后，对所述交叉概率进行判断，如果针对个体设定的概率大于所述交叉概率，则将所述变异因子对应的基因加入到个体中，形成所述新的个体，即通过利用交叉概率进行相关基因的互换，将变异因子对应的基因加入其中以形成新个体。

在步骤s150中，根据所述新的个体与所述初始用户群体中的个体的适应度值进行比对留下的个体进行最优化求解。

该步骤包括：

将所述新的个体加入到随机选取的三个个体形成的群体中，得到新群体；当所述新群体中个体的数目等于所述初始用户群体的数目时，将所述新群体中个体的适应度值与所述初始用户群体中个体的适应度值进行一一比对，每组比对后将适应度值大的留下。

另外，将所述新群体中个体的适应度值与所述初始用户群体中个体的适应度值进行一一比对之前，还包括：

判断所述新群体中个体的数目达到所述初始用户群体中个体的数目，如果所述新群体中个体的数目小于所述初始用户群体中个体的数目，则重新选取个体通过适应度值计算产生新的个体。

图5为本公开一实施例中对利用差分演化算法进行信道分配的流程图，具体包括以下步骤：

如图5所示，在步骤s501中，初始化群体中各个个体cue用户和d2d用户的信道分配，计算用户间信道增益。

如图5所示，在步骤s502中，计算群体中个体内cue用户的功率分配信息。

如图5所示，在步骤s503中，计算群体中各个个体的适应度值。

如图5所示，在步骤s504中，根据适应度值计算缩放因子、变异因子和交叉概率。

如图5所示，在步骤s505中，根据变异因子和交叉概率形成新的个体。

如图5所示，在步骤s506中，计算新的个体的功率分配情况计算适应度值存入新的集合中。

如图5所示，在步骤s507中，判断群体中个体的数目是否达到初始用户群体的数目，如果达到则转至步骤s508，如果未达到则转至步骤s504。

如图5所示，在步骤s508中，将新群体中个体的适应度值与初始用户群体中个体的适应度值进行一一比对，保留适应度值大的个体。

如图5所示，在步骤s509中，将新的群体以及对应参数返回，判断是否达到迭代次数，如果没有达到迭代次数，则返回步骤s504，如果达到迭代次数则保存结果。

以下结合一具体实例对上述方法及其效果进行说明：

假如设置网络中存在10个cue用户，15个d2d传输组，10个信道时。图6为本公开一实施例中基站使用noma技术与传统oma技术传输时，所获得的整体速率对比图，由图6可以看出，基站采用noma技术进行传输后，d2d速率总和比传统的传输方式的d2d传输速率总和要高，noma技术的加入使得多个cue用户在能够满足自身传输功率的情况下共用同一个信道，这样就给d2d传输选择信道时带来更小的干扰。同时可以看到本实施例中的算法具有良好的收敛性，能够较快收敛到最优解。

图7为本公开一实施例中自适应差分算法与原始差分算法结果对比图，如图7所示，对于原始差分算法示出三种取值情况，包括：①变异因子f＝0.5，交叉概率cr＝0.5；②变异因子f＝0.4，交叉概率cr＝0.4；③变异因子f＝0.6，交叉概率cr＝0.5。从图7中结果可知，本实施例的自适应的差分进化算法可以很好的收敛到较高的目标值，而原始的差分进化算法收敛效果会因为各种参数的变动出现不确定性，出现收敛速度慢或者收敛在局部解的情况。

综上所述，采用本公开实施例提供的基于目标检测的面向noma与d2d融合通信的资源分配方法，求解d2d用户的最优信道分配，提出基于差分进化的联合资源分配算法，从而有效提升网络的性能，极大化网络的资源利用效率。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。