一种基于D2D通信的NOMA异构网络的资源分配方法与流程

一种基于d2d通信的noma异构网络的资源分配方法
技术领域
1.本发明涉及无线通信资源分配，更具体地，涉及基于设备到设备(d2d)通信的非正交多址接入(noma)异构网络的资源分配方法。


背景技术：

2.近年来，智能家居、物理网、车联网等新兴技术的出现，意味着对不断增长的更高的数据速率和更高的服务质量的需求。在实现良好系统吞吐量的同时，为了保持接收的低成本，在4g中采用了正交多址接入技术。然而，传统的正交多址技术无法支撑超5代移动通信技术高速率、低延迟、广连接的通信需求，所以非正交多址接入(noma)技术成了现如今的研究热点。在正交多址技术(oma)中，只能为一个用户分配单一的无线资源，例如按频率分割或按时间分割，而noma方式可将一个资源分配给多个用户。在某些场景中，比如远近效应场景和广覆盖多节点接入的场景，特别是上行密集场景，采用功率复用的非正交接入多址方式较传统的正交接入有明显的性能优势，更适合未来系统的部署。然而，现有的noma系统的资源分配方案在吞吐量提升的同时忽视了用户享受资源的平等性。距离基站中心较远的用户由于信道条件较差，可能无法进入传输网络。d2d通信允许用户之间直接进行通信，无需经过基站，从而可以保障边缘用户的公平性。因此，将d2d技术与noma技术结合可以在提升系统性能的同时确保用户公平性，这成了现如今的研究热点。
3.然而，现有的融合d2d通信和noma技术的资源分配方案均计算复杂、效率低，因此期望提供一种改进的基于d2d通信的noma异构网络的资源分配方法，从而在提高系统吞吐量的同时保证系统公平性。


技术实现要素：

4.提供本发明内容以便以简化形式介绍将在以下具体实施方式中进一步的描述一些概念。本发明内容并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。
5.本发明考虑了上行通信中一个子信道上存在多个蜂窝用户和d2d对的情况。由于最大化系统和速率问题是一个混合整数非线性规划问题，因此将其分为了三部分：用户分簇、子信道选择、功率分配。其中用户分簇采用了改进型k均值算法进行聚类，将原始的随机选择簇头改为了有标准的选择簇头。子信道选择和功率分配分别采用了一对一三边匹配算法和逐次凸逼近法。
6.根据本发明的一个方面，提供了一种用于基于d2d通信的noma异构无线通信网络的资源分配方法，所述方法包括：
7.针对所述无线通信网络构建以系统吞吐量最大化为目标的资源分配模型，其中所述无线通信网络包括分布在基站周围的多个蜂窝用户以及多个d2d对，其中每一个子信道上允许多个蜂窝用户和一个d2d对，所述多个蜂窝用户间采用noma进行传输；
8.使用聚类算法基于信道相关性对所述多个蜂窝用户进行用户分簇以得到多个蜂
窝用户群；
9.基于一对一三边匹配来对所得到的多个蜂窝用户群、所述多个d2d对、以及所述子信道进行三方匹配，使得不同的蜂窝用户群在不同的子信道上以正交方式进行传输；以及
10.基于匹配结果来对每一个子信道上的蜂窝用户群和d2d对进行功率分配。
11.根据本发明的一个实施例，对所述多个蜂窝用户进行用户分簇以得到多个蜂窝用户群进一步包括：
12.确定初始簇头集合，其中选择较密集中心蜂窝用户作为第一簇头，随后选择与先前簇头信道相关性最低的簇头，其中所述初始簇头集合中的初始簇头数目与子信道数目相同；
13.确定各簇头的簇内成员，其中选择与各簇头信道相关性最高的蜂窝用户作为该簇头的簇内成员；
14.更新簇头并且重复所述确定各簇头的簇内成员的步骤，直至收敛。
15.根据本发明的进一步实施例，所述资源分配模型的约束条件包括限定任何一个子信道上的蜂窝用户群内的蜂窝用户数；限定蜂窝用户与d2d对均仅占用一个信道；限定任何蜂窝用户或d2d对的发射方的最大功率。
16.根据本发明的进一步实施例，基于一对一三边匹配来对所得到的多个蜂窝用户群、所述多个d2d对、以及所述子信道进行三方匹配进一步包括：
17.从包括k个子信道的子信道集合和包括n个d2d对的d2d对集合中形成n
×
k个sc
‑
dp对；
18.在所有sc
‑
dp对上构造所有蜂窝用户群的偏好列表，其中所述偏好定义为一个子信道上的所有用户的传输速率总和；
19.对于每个蜂窝用户群，选择该蜂窝用户群最偏好的相应sc
‑
dp对；以及
20.若所述相应sc
‑
dp对尚未被匹配，则将该蜂窝用户群与所述相应sc
‑
dp对形成一组。
21.根据本发明的进一步实施例，基于匹配结果来对每一个子信道上的蜂窝用户群和d2d对进行功率分配进一步包括：
22.采用基于算术平均加几何规划的逐次凸逼近方法来对每一个子信道上的蜂窝用户群和d2d对进行功率分配。
23.根据本发明的另一方面，提供了一种基于d2d通信的noma异构无线通信网络，所述无线通信网络包括：
24.基站；
25.分布在所述基站周围的多个蜂窝用户；以及
26.分布在所述基站周围的多个d2d对，
27.其中每一个子信道上允许多个蜂窝用户和一个d2d对，所述多个蜂窝用户间采用noma进行传输，并且
28.其中所述基站被配置成通过以下方式来为所述多个蜂窝用户和所述多个d2d对进行资源分配：
29.使用聚类算法基于信道相关性对所述多个蜂窝用户进行用户分簇以得到多个蜂窝用户群；
30.基于一对一三边匹配来对所得到的多个蜂窝用户群、所述多个d2d对、以及所述子信道进行三方匹配，使得不同的蜂窝用户群在不同的子信道上以正交方式进行传输；以及
31.基于匹配结果来对每一个子信道上的蜂窝用户群和d2d对进行功率分配。
32.根据本发明的一个实施例，对所述多个蜂窝用户进行用户分簇以得到多个蜂窝用户群进一步包括：
33.确定初始簇头集合，其中选择较密集中心蜂窝用户作为第一簇头，随后选择与先前簇头信道相关性最低的簇头，其中所述初始簇头集合中的初始簇头数目与子信道数目相同；
34.确定各簇头的簇内成员，其中选择与各簇头信道相关性最高的蜂窝用户作为该簇头的簇内成员；
35.更新簇头并且重复所述确定各簇头的簇内成员的步骤，直至收敛。
36.根据本发明的进一步实施例，所述资源分配的约束条件包括限定任何一个子信道上的蜂窝用户群内的蜂窝用户数；限定蜂窝用户与d2d对均仅占用一个信道；限定任何蜂窝用户或d2d对的发射方的最大功率。
37.根据本发明的进一步实施例，基于一对一三边匹配来对所得到的多个蜂窝用户群、所述多个d2d对、以及所述子信道进行三方匹配进一步包括：
38.从包括k个子信道的子信道集合和包括n个d2d对的d2d对集合中形成n
×
k个sc
‑
dp对；
39.在所有sc
‑
dp对上构造所有蜂窝用户群的偏好列表，其中所述偏好定义为一个子信道上的所有用户的传输速率总和；
40.对于每个蜂窝用户群，选择该蜂窝用户群最偏好的相应sc
‑
dp对；以及
41.若所述相应sc
‑
dp对尚未被匹配，则将该蜂窝用户群与所述相应sc
‑
dp对形成一组。
42.根据本发明的进一步实施例，基于匹配结果来对每一个子信道上的蜂窝用户群和d2d对进行功率分配进一步包括：
43.采用基于算术平均加几何规划的逐次凸逼近方法来对每一个子信道上的蜂窝用户群和d2d对进行功率分配。
44.与现有技术中的方案相比，本发明所提供的基于d2d通信的noma异构网络的资源分配方法至少具有以下优点：
45.(1)本发明通过设计用户分簇、子信道匹配和功率分配的资源分配方案，可以有效地提升算法效率，同时在保证蜂窝小区边缘用户公平性的情况下，能够有效提升频谱效率，最大化系统的吞吐量；以及
46.(2)本发明通过采用改进型k均值算法解决了用户分簇过程中所产生的震荡问题，有效地实现了用户分簇。
47.通过阅读下面的详细描述并参考相关联的附图，这些及其他特点和优点将变得显而易见。应该理解，前面的概括说明和下面的详细描述只是说明性的，不会对所要求保护的各方面形成限制。
附图说明
48.为了能详细地理解本发明的上述特征所用的方式，可以参照各实施例来对以上简要概述的内容进行更具体的描述，其中一些方面在附图中示出。然而应该注意，附图仅示出了本发明的某些典型方面，故不应被认为限定其范围，因为该描述可以允许有其它等同有效的方面。
49.图1示出了根据本发明的一个实施例的基于d2d通信的上层异构网络模型图；
50.图2示出了根据本发明的一个实施例的基于d2d通信的noma异构网络的资源分配方法的过程流图；
51.图3示出了根据本发明的一个实施例的改进型k均值算法流程图；
52.图4示出了根据本发明的一个实施例的采用改进型k均值算法进行用户分簇的示意图；
53.图5示出了根据本发明的一个实施例的采用不同聚类算法进行用户分簇的情况下均方误差随迭代次数收敛的示图；
54.图6示出了根据本发明的一个实施例的采用不同资源分配方案的情况下系统吞吐量随总用户数变化的示图；以及
55.图7示出了根据本发明的一个实施例的采用不同资源分配方案的情况下公平指数随总用户数变化的示图。
具体实施方式
56.下面结合附图详细描述本发明，本发明的特点将在以下的具体描述中得到进一步的显现。
57.图1示出了根据本发明的一个实施例的基于d2d通信的上层noma异构无线通信网络100的示意图。在图1中，基站位于蜂窝小区中心，周围随机分布m个蜂窝用户和n个d2d对，其中例如该蜂窝小区的半径为400米，采用1.4mhz系统带宽，共4个信道进行平分。每个d2d对包含一个发射方和一个接收方。基站可经由一个或多个基站天线与蜂窝用户进行无线通信。本文中所描述的基站可包括或可被本领域技术人员称为基收发机站、无线电基站、接入点、无线电收发机、b节点、演进型b节点(enb)、下一代b节点或千兆b节点(其中任一者可被称为gnb)、家用b节点、家用演进型b节点、或某个其他合适的术语。本文中所描述的蜂窝用户可以能够与各种类型的基站和网络装备(包括宏enb、小型蜂窝小区enb、gnb、中继基站等)进行通信。如图1所示，在k个子信道中的每个子信道上允许多个蜂窝用户和一个d2d对，该多个蜂窝用户之间采用noma进行传输，每个noma集群在不同的子信道上以正交的方式进行传输。在一个优选的实施例中，最多仅r个用户可在同一子信道或同一集群上被调度，以保持接收机复杂度相对较低。
58.在一些实现中，基站被配置成通过以下方式来为无线通信网络中的多个蜂窝用户和d2d对进行资源分配：使用聚类算法基于信道相关性对所述多个蜂窝用户进行用户分簇以得到多个蜂窝用户群；基于一对一三边匹配来对所得到的多个蜂窝用户群、所述多个d2d对、以及所述子信道进行三方匹配，使得不同的蜂窝用户群在不同的子信道上以正交方式进行传输；以及基于匹配结果来对每一个子信道上的蜂窝用户群和d2d对进行功率分配。进一步地，基站可通过确定优化目标为最大化系统吞吐量、约束条件为用户发射功率、蜂窝用
户簇数量等来形成最优化问题，其中由于该最优化问题是一个np难问题，无法直接求解，因此将其分为三个部分：用户分簇、子信道匹配、功率分配。
59.聚类算法优选地是改进型k均值算法，其中在选择簇头时并非是随机选择的，而是基于信道相关性来进行选择的，这使得聚类结果更为准确。进一步地，基站可被配置成在进行用户分簇时确定初始簇头集合，其中先挑选较密集中心蜂窝用户作为第一个簇头，而后所有簇头选择都遵循与前面所有簇头相关性最低的原则，随后确定簇内成员，其中所有簇内成员选择都遵循与各个簇头相关性最高的原则，随后更新簇心位置，重复上述确定簇内成员的步骤，直到每个用户均不再变动。
60.进一步地，基站可被配置成在进行一对一三边匹配时从包括k个子信道的子信道集合和包括n个d2d对的d2d对集合中形成n
×
k个sc
‑
dp对，在所有sc
‑
dp对上构造所有蜂窝用户群的偏好列表，其中偏好定义为一个子信道上的所有用户的传输速率总和，对于每个蜂窝用户群，选择该蜂窝用户群最偏好的相应sc
‑
dp对，并且若相应的sc
‑
dp对尚未被匹配，则将该蜂窝用户群与该相应的sc
‑
dp对形成一组。
61.进一步地，基站可被配置成在进行功率分配时基于上述匹配结果来对每一个子信道上的蜂窝用户群和d2d对进行功率分配。在一个优选的实施方式中，基站可采用基于算数平均和几何规划的逐次凸逼近法来对每一个子信道上的蜂窝用户群和d2d对进行功率分配。
62.图2示出了根据本发明的一个实施例的基于d2d通信的noma异构网络的资源分配方法200的过程流图。方法200的步骤如下：
63.步骤s1：针对无线通信网络构建以系统吞吐量最大化为目标的资源分配模型，其中该无线通信网络包括分布在基站周围的多个蜂窝用户以及多个d2d对，其中每一个子信道上允许多个蜂窝用户和一个d2d对，该多个蜂窝用户间采用noma技术进行传输，如图1所示；
64.由于本发明的资源分配方案的最优化模型的目标是在保持蜂窝用户和d2d用户的信噪比的同时，最大限度提高整个网络的吞吐量，因此可将以系统吞吐量最大化为目标的资源分配问题表示为如下式1所示的优化问题：
[0065][0066]
s.t.c1：
[0067]
c2：
[0068]
c3：
[0069]
c4：
[0070]
c5：
[0071]
c6：
[0072]
其中，约束条件c1限定了任意一个子信道上的蜂窝用户群内的蜂窝用户数，在此，n
×
r＜m，约束条件c2
‑
c4限定了不管是蜂窝用户还是d2d用户都只能占用一个信道，约束条件c5
‑
c6分别限定了上行系统中任一蜂窝用户或者d2d对的发射方的最大功率。
[0073]
由于约束条件c4是二进制整数，因此在式1中提出的优化问题是一个minlp问题，因此该问题是np难问题，无法直接解决。为了解决这一问题，将其分为三个子问题：用户分簇、子信道匹配和功率分配。
[0074]
步骤s2：给定蜂窝用户和d2d用户的发射功率，使用聚类算法基于信道相关性来对无线通信网络中的多个蜂窝用户进行用户分簇以得到多个蜂窝用户群。
[0075]
为了减少干扰，各集群中的用户之间最好有较强的相关性。k均值算法是以距离作为相似性的评价指标，其类别个数是预先给定的。在本发明的一个实施例中，由于距离越远，用户之间的干扰越大，这会降低用户的传输和速率，因此，在一些情形中，可以采用k均值算法来对用户进行分簇。然而，传统的k均值算法由于在初始化时随机挑选聚类中心，对初始聚类中心敏感，因此导致不同初始聚类中心的波动和震荡，并且由于聚类效果依赖于聚类中心的初始化，在聚类数增多时，可能发生聚类不准确的问题。为了克服这一缺点，在本发明的优选实施例中，提出了一种基于改进型初始簇头选择的k均值算法。根据本发明的一个实施例的具体的改进型k均值算法的流程图300如图3所示。流程图300包括以下步骤：
[0076]
步骤s2.1：确定初始簇头集合φ，其中给定系统中所有的蜂窝用户数m，分簇数目(即，子信道数目)k以及信道增益。
[0077]
步骤s2.1.1：首先在蜂窝用户集合内选择较密集中心蜂窝用户作为簇头以及
[0078]
步骤s2.1.2：从第二个簇头开始，一直到最后一个簇头选择结束，都遵循选择与前面若干已选择的簇头信道相关性最低的蜂窝用户，其中信道相关性衡量的标准，即，信道增益h1和h2之间的信道相关参数可以表示为：在此，聚类算法中剩余蜂窝用户到各初始簇头的距离是按照该信道相关参数的大小来衡量的。
[0079]
步骤s2.2：各初始簇头选择结束后，需要为各簇头选择合适的簇内成员。此时，就要遵循选择与该簇头信道相关性最高的蜂窝用户。
[0080]
步骤s2.2.1：对于每个簇头而言，遍历尚未被标记的所有用户，选择信道相关性最高的；
[0081]
步骤s2.2.2：判断此簇头是否已拥有r个蜂窝用户，如果有，则比较r+1个蜂窝用户与簇头的信道相关性，将信道相关性最低的蜂窝用户去除该簇；否则，直接进行下一步骤；以及
[0082]
步骤s2.2.3：将该蜂窝用户分配给该簇。
[0083]
步骤s2.3:针对每个已形成的簇更新簇头，并且按照步骤s2.2重组簇结构。
[0084]
步骤s2.4:直到当前变量均未更新，算法收敛。
[0085]
在该改进型k均值算法中采用了迭代更新的方法，其中在选择初始簇头(又称为聚类中心)的步骤中，尽可能选择信道误差较小的用户，而不是传统k均值算法中的随机选择
初始簇头。具体而言，k个初始簇头是根据信道相关参数来选择的，其中采用随机方法来选择第一簇头，随后，与先前簇头信道相关性越低，该蜂窝用户被选为下一簇头的概率越高。在采用不同聚类算法进行用户分簇的情况下，均方误差随迭代次数收敛的曲线图如图5所示，从图5中可见，改进型k均值算法与传统的k均值算法相比可以实现更快的收敛，并且其均方误差最低，这意味着此算法的聚类用户之间的相关性较高。另外，由于簇头选择算法在确定簇头后不进行迭代，因此其均方误差值保持不变。作为一个示例，如图4所示，30个蜂窝用户在改进型k均值算法的作用下，均匀分成了4组(即，图4中的簇1、簇2、簇3和簇4)，其中中心叉号表示初始簇头，由此可以看出尽管多次迭代后，初始簇头的选择偏差很小。另外，在每次循环过程中需要判断该簇内用户数是否合适，例如，是否小于限定的最大用户数r。例如，在图4中可见，簇1、簇2、簇3和簇4内的蜂窝用户数分别为7、7、8、8，所限定的每个蜂窝小区内的最大用户数r可以为8，此时每个蜂窝小区群内的用户数合适。
[0086]
步骤s3：在进行用户分簇以得到多个蜂窝用户群之后，基于一对一三边匹配来将所得到的多个蜂窝用户群中的每个蜂窝用户群与相应d2d对和相应子信道相匹配。在本发明的一个实施例中，在进行用户分簇之后得到k个簇(即，k个蜂窝用户群)，其中将蜂窝用户群表示为uc(user cluster)，其中ω＝{uc1,
…
,uc
i
}，类似地，将k个子信道sc(sub
‑
channel)表示为将n个d2d对dp(d2d pair)表示为θ＝{dp1,
…
dp
n
}。
[0087]
首先，在初始化阶段中，从子信道集合和d2d对集合中形成n
×
k个sc
‑
dp对，在所有的sc
‑
dp对上构造所有uc的偏好列表：{p(uc1),
…
,p(uc
i
)}，其中偏好被定义为一个子信道上所有用户(包括蜂窝用户和d2d用户)的传输速率总和，并且构造尚未匹配的集合：uω＝ω、uθ＝θ。
[0088]
随后，在匹配阶段中，每个uc将自己提名给最喜欢的sc
‑
dp对，即，根据上述偏好定义中的一个子信道上所有用户的传输速率总和最高的sc
‑
dp对。如果此时该sc
‑
dp对尚未被匹配，则将该uc与该sc
‑
dp对形成一组，并将它们从未被匹配的集合中去除。如果此时形成阻塞三元，则该sc
‑
dp对可拒绝自己当前的匹配代理，并且与该uc进行配对。如果以上都不符合，则将该sc
‑
dp对从uc的匹配列表中删除。随后，在所有uc被匹配完成后，结束匹配阶段。
[0089]
步骤s4：在匹配阶段之后，基于匹配结果来对每一个子信道上的蜂窝用户群和d2d对进行功率分配。在一些情形中，可以利用逐次凸逼近法来进行功率分配。具体而言，可以采用基于算术平均加几何规划的逐次凸逼近方法来将非凸问题转为凸问题，最后用次优解代替最优解。逐次凸逼近方法的关键思想是用凸问题迭代逼近非凸问题，其中首先对目标函数进行等价替换，通过算术平均不等式将优化问题表达为一个集合规划问题，最终通过不断迭代得到最佳功率分配。
[0090]
图6和图7分别示出了根据本发明的一个实施例的采用不同资源分配方案的情况下系统吞吐量和公平指数随总用户数变化的示图。从图6中可见，本文所提出的noma与d2d融合的资源分配方案明显优于传统的正交多址(oma)方案和非正交多址(noma)方案，其中在用户数为50时，三种方案之间的差距更为显著，因此本文中的资源分配方案更加适合大网络连接。此外，图7示出了资源分配公平性相对于系统中总用户的变化情况，其中贾恩公平性指数被定义为在图7中，由于在有限的子信道数量下，越多的
用户产生更激烈的竞争，信道条件差的用户可能无法进入网络，因此，采用各种方案的公平指数随着总用户数的增多而减少。由于在采用oma方案的情况下，一个信道上只能一次性传输一个用户，这导致其他用户未被分配到合理的信道，因此公平性指数较低。而在采用noma方案和本文中的noma与d2d融合的方案的情况下，公平情况得到进一步缓解。
[0091]
结合本文中的公开描述的各种解说性框以及模块可以用设计成执行本文中描述的功能的通用处理器、dsp、asic、fpga或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可被实现为计算设备的组合(例如，dsp与微处理器的组合、多个微处理器、与dsp核心协同的一个或多个微处理器，或者任何其他此类配置)。
[0092]
本文中所描述的功能可以在硬件、由处理器执行的软件、固件、或其任何组合中实现。如果在由处理器执行的软件中实现，则各功能可以作为一条或多条指令或代码存储在计算机可读介质上或藉其进行传送。其他示例和实现落在本公开及所附权利要求的范围内。例如，由于软件的本质，本文描述的功能可使用由处理器执行的软件、硬件、固件、硬连线或其任何组合来实现。实现功能的特征也可物理地位于各种位置，包括被分布以使得功能的各部分在不同的物理位置处实现。
[0093]
以上所已经描述的内容包括所要求保护主题的各方面的示例。当然，出于描绘所要求保护主题的目的而描述每一个可以想到的组件或方法的组合是不可能的，但本领域内的普通技术人员应该认识到，所要求保护主题的许多进一步的组合和排列都是可能的。从而，所公开的主题旨在涵盖落入所附权利要求书的精神和范围内的所有这样的变更、修改和变化。