[发明专利]一种车辆编队模式下基于NOMA的分布式资源分配方法

权利要求书

1.一种车辆编队模式下基于NOMA的分布式资源分配方法，其特征在于，该资源分配方法包括：

步骤1：考虑系统模型中无线信道大尺度衰落和小尺度衰落的影响，建立信道模型；

步骤2：在保护V2I链路正常通信的情况下最大化车与多车(vehicle to multi-vehicle,V2mV)链路的传输速率，将优化目标设置为最大化V2mV链路总的吞吐量；

首先表征V2mV内部干扰、其他V2mV链路与V2mV n复用相同信道l导致的相互干扰、以及由基站引起的干扰和

其中，Ψ_n为车辆编队n包含的车辆集合，μ_v和μ_w分别为接收车辆v和w的功率分配因子，P_n和P_m分别为V2mV n和m中发射车辆的发射功率，P_l^c为在频段l处基站的发射功率，为车辆编队n中发送车辆与第v辆接收车辆通信的信道增益，为车辆编队m中的发送车辆对编队n中第v辆接收车辆的干扰，为基站对车辆编队n中第v辆接收车辆的干扰，Ω_l＝{1,2,…,L}表示可用频谱资源集，L为可以分配的频谱资源块的数量，l∈Ω_l为已分配到V2mVn上的频段；

其次，分别表征用户v和用户w在编队n中的吞吐量和

其中，B_l为在频段l处的基站发射带宽，N₀为加性高斯白噪声的功率谱密度，μ_v和μ_w分别为用户v和w的功率分配因子，为车辆编队n中发送车辆与第w辆接收车辆通信的信道增益；

最后，表征优化目标为最大化V2mV链路总的吞吐量：

其中，P＝{P_n,P_m,P_l^c}，N为自动驾驶的车辆编队的总数；

步骤3：考虑V2I和V2mV链路的频率复用对V2I链路正常通信的影响，表征考虑干扰的V2I链路传输速率，并对其进行约束表征；

表征V2I链路k的吞吐量为：

其中，为V2I链路k受到的干扰，为V2mV n对第k辆单独行驶车辆的干扰，为基站到第k辆单独行驶车辆通信的信道增益；

基于频谱复用的车辆编队模型为保证V2I链路的通信质量，应以p₀的概率大于既定的阈值

其中，K为单独行驶的车辆的总量；

步骤4：以最大化V2mV链路总的吞吐量为优化目标，将V2I链路的传输速率阈值、功率分配约束和子信道分配约束作为优化问题的约束条件，构建车辆编队下基于NOMA的分布式资源分配模型，并将优化问题解耦为功率分配和子信道分配两个部分：

其中，第一个约束条件表示V2I链路k的吞吐量应以p₀的概率大于既定的阈值第二个约束条件中S_n,l＝1表示频段l已分配给V2mV n，S_n,l＝0则表示频段l未分配给V2mV n；第三和第四个约束条件给出了子信道l的最大复用数，其中L_max定义为频段的最大复用数；第五和第六个约束条件中为V2mV n中第v辆车的接收功率，和分别限制了V2mVn和基站的最大功率；

步骤5：采用基于车道条件的功率分配方案，根据不同车道对应的安全距离对功率分配进行合理地调整，从而减小不同车道上NOMA之间吞吐量的差异性：

首先分析得到第n个V2mV编队吞吐量R_n的计算方法，推导编队内部信干噪比的不等关系，得到R_n的近似式；其次，为减小不同车道上NOMA之间的差异性，计算不同车道上的编队n和m吞吐量的差值函数R_n-R_m，该差值是关于车辆编队发送功率P_n和P_m的函数：

其中，Ψ_n和Ψ_m为车辆编队n和m包含的车辆集合，为第n个车辆编队中的发送车辆与第|Ψ_n|辆车通信的信道增益，为第m个车辆编队中的发送车辆与第|Ψ_m|辆车通信的信道增益；

最后，为减小吞吐量的差异性，引入支持NOMA的V2mV链路的基准功率，将基准功率分配给安全距离最小的车道，并令完成其他车道上基于NOMA的车辆编队功率分配，其中d_n和d_m分别为车辆编队n和m内车辆间的安全间距，γ为路径损耗指数；

步骤6：利用分布式多智能体Q-learning算法表征子信道分配，并通过考虑基于编队位置的邻域迭代顺序来加快收敛速度：

首先构造Q-learning框架，定义框架中的智能体、动作、状态、奖励和迭代顺序；其中智能体为V2mV编队，动作为智能体以均匀分布的方式选择的子信道，状态由智能体的相对速度、位置、功率分配和子信道状态组成，奖励为智能体的吞吐量，迭代顺序决定V2mV链路进行Q-learning的顺序；

其次，获得智能体基于迭代顺序的最优子信道分配解，使用Q表存储由不同状态和动作得到的奖励值，并根据Bellman最优方程得到最优的Q值，并根据动作选择策略π_a更新Q表，策略π_a为：

其中，策略π_a的价值分别对应于选择动作a的概率和探索概率ε，A是智能体可选择的动作集合，|A|是智能体所选择的动作总数，为智能体在状态s、动作a时的Q值；

最后，得到收敛后的Q表，并根据已收敛的Q表选择最优的动作和状态，确定最优的子信道分配方案。