[发明专利]一种在车联网中基于联盟博弈算法的D2D资源分配方法

权利要求书

1.一种在车联网中基于联盟博弈算法的D2D资源分配方法，在以下系统中运行,系统包括基站、蜂窝用户、D2D用户，考虑单个基站服务的十字路口场景，基站临近十字路口并且覆盖范围为半径为500m的圆形区域，基站主要获取各个通信链路的信道状态信息、分配频谱资源和功率控制，蜂窝用户为该系统的主用户，用集合表示为D2D用户是两个临近的采用D2D技术进行通信的车辆用户，为次级用户，用集合表示为为提高频谱利用率，D2D用户复用蜂窝用户上行链路的频谱资源块RB，在不影响蜂窝用户服务质量的情况下，一个蜂窝用户的RB可被多个D2D用户同时复用，但一个D2D用户只能同时复用一个蜂窝用户的RB；由于蜂窝用户移动速度较慢，在短时间内其信道状态信息基本不变，而D2D用户移动速度较快，在短时间内其信道状态信息变化十分显著，针对两种不同的用户采用两种不同的信道模型；用联盟博弈算法将D2D用户进行分组，每组的D2D用户共同复用同一个频谱资源块，依蜂窝用户对D2D用户接收端的干扰情况确定每个分组的频谱资源块复用方式；采用伯恩斯坦近似方法和分式规划处理方法将规划问题转换为凸问题，最后采用基于分式规划的鲁棒功率控制方法求解最优的功率分配，该方法具体步骤如下：

1)规划信道模型

蜂窝用户在短时间内位置基本不变，因此其与基站通信只考虑大尺度衰落，定义为蜂窝用户n与基站之间的功率增益，

其中L表示电磁波信号在空间传播过程中由于障碍物引起的阴影衰落，服从均值为0方差为的对数正态分布，即表示信号在蜂窝用户n与基站之间传播过程中产生的路径损耗，d_n表示蜂窝用户n与基站之间的距离，单位为米，z₀表示蜂窝用户n与基站之间的路径损耗指数；

采用向基站周期反馈信道状态信息的方法获取D2D用户相关链路的信道状态信息，快衰落分量表示为其中和分别表示信道信息采样时和基站接收信道信息时的快衰落分量，ε＝J₀(2πf_DT)表示同一信道的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数，其中0≤ε＜1，J₀(·)表示第一类零阶贝塞尔函数，f_D＝υf_c/c表示最大多普勒频移，c＝3×10⁸m/s，f_c是载波频率，υ代表车辆速度，T代表信道状态信息反馈周期；e表示快衰落分量估计误差，独立于并且服均值为0方差为1-ε²的复高斯分布，即用表示蜂窝用户n至D2D用户k接收端的干扰功率增益，该功率增益如下式：

其中表示蜂窝用户n至D2D用户k接收端的路径损耗，z₁表示蜂窝用户n至D2D用户k接收端的路径损耗指数，表示在信道信息采样时蜂窝用户n至D2D用户k接收端的信道快衰落，表示蜂窝用户n至D2D用户k接收端的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数，表示蜂窝用户n至D2D用户k接收端之间的快衰落估计误差，||表示绝对值；表示基站接收信道信息时蜂窝用户n至D2D用户k接收端的快衰落，令公式(2)可表示为其中表示的信道信息采样时蜂窝用户n至D2D用户k接收端的采样信道增益，是基站接收信道信息时蜂窝用户n至D2D用户k接收端信道增益估计误差；用表示D2D用户k发射端与D2D用户k′接收端之间的功率增益，由下式知：

其中表示的信道信息采样时D2D用户k发射端至D2D用户k′接收端的采样信道增益，是基站接收信道信息时D2D用户k发射端至D2D用户k′接收端信道增益估计误差，表示D2D用户k发射端至D2D用户k′接收端的路径损耗，z₂表示D2D用户k发射端与D2D用户k′接收端之间的路径损耗指数，表示在信道信息采样时D2D用户k发射端至D2D用户k′接收端的快衰落，表示D2D用户k发射端至D2D用户k′接收端的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数，表示D2D用户k发射端至D2D用户k′接收端之间的快衰落估计误差；令表示D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的干扰链路功率增益，该功率增益如下式：

其中表示的信道信息采样时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的采样信道增益，是基站接收信道信息时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站之间的道增益估计误差，表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的路径损耗，z₃表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的路径损耗指数，表示在信道采样时D2D用户k复用蜂窝用户n的上行链路RB发送端至基站的快衰落，表示D2D用户k复用蜂窝用户n的上行链路RB发送端至基站的快衰落分量在信道信息采样时和基站接收信道信息时的相关系数，表示D2D用户k复用蜂窝用户n的上行链路RB时发送端至基站之间的快衰落估计误差；

2)D2D用户分组

采用联盟博弈方法根据D2D用户之间的信道状态信息，为D2D用户分组；将系统中的K个D2D用户分成S组，分组个数小于等于蜂窝用户的个数，即S≤N，只考虑S＝N，定义w_k,s为分组因子，w_k,s∈{0,1}，D2D用户在s组中表示为w_k,s＝1，D2D用户k不在s组中表示为w_k,s＝0，其中任意一个D2D用户只能分到一个组内，即

在联盟博弈方法中每个组称为联盟，定义联盟为当时，并且其中表示空集，∩和∪分别表示交集和并集；D2D用户k的效用函数为D2D用户k在联盟中受联盟内除其本身外其它D2D用户对其接收端干扰的程度，表示在反馈周期内的长期功率增益，其中表示求均值，定义第n个联盟的效用函数为表示联盟内所有D2D用户总体受干扰的程度；定义偏好运算如果则表示D2D用户k更愿意加入联盟而不是即

如在联盟中的D2D用户k更愿意加入联盟更新当前联盟状态，并且将连续不切换联盟的计数置为零，即num＝0，如在联盟中的D2D用户k不愿意加入联盟保持当前联盟的状态，将连续不切换联盟的计数加一，即num＝num+1，每次执行切换操作，所有联盟的总干扰是严格减少的，经有限次迭代，如果num大于10倍的D2D用户的数量，则说明联盟最终收敛至纳什稳定状态；

据此提出如下联盟博弈方法确定D2D用户的分组：

①随机初始化联盟状态

②初始化当前联盟状态为且num＝0；

③统一随机选取一个D2D用户k，并且其联盟记为

④统一随机选择另一个联盟

⑤如果满足D2D用户k从当前联盟切换至联盟更新当前的联盟状态并且num＝0，如果满足保持当前的联盟状态，并且num＝num+1；

⑥重复上述步骤③至⑤，直至联盟收敛至纳什稳定状态

采用上述联盟博弈方法，经过有限次迭代最终得到稳定的D2D用户分组信息，可确定分组因子w_k,s；

3)确定频谱资源分配方式

D2D用户受蜂窝用户的干扰越小，其数据吞吐量越大，以降低D2D用户受蜂窝用户的干扰为目标，为每个分组分配蜂窝用户的RB，ρ_s,n为蜂窝用户RB分配因子，当蜂窝用户n的RB分配给分组s时ρ_s,n＝1，当蜂窝用户n的RB不分配给分组s时ρ_s,n＝0，并且同一个分组的D2D用户只能复用一个蜂窝用户的RB，同时一个RB只能分配给同一个分组的D2D用户，即系统中考虑每个蜂窝用户的发送功率为确定的常数，可以计算出蜂窝用户对复用其资源块的每个D2D用户接收端的反馈时间内长期平均干扰功率值，定义效用函数表示蜂窝用户n对分组s中所有D2D用户的总干扰功率，其中表示在反馈周期内的长期功率增益，频谱资源块分配问题可以简化为：

其中s.t.表示约束符号，C1，C2表示约束式符号，表示取任意值，该问题是一个简单的整数线性规划问题，用yalmip工具箱求解ρ_s,n，确定蜂窝用户RB分配方式；定义α_k,n为每个D2D用户的资源块复用因子，D2D用户k复用蜂窝用户n的RB表示为α_k,n＝1，α＝wρ，其中

4)规划功率控制问题

D2D用户k复用蜂窝用户n的RB时其接收端的信干噪比表示如下：

其中表示D2D用户k发射端的发送功率，表示蜂窝用户n的发送功率，σ²表示信号接收端的加性噪声总功率；

同一个分组的D2D用户复用同一个蜂窝用户上行链路的频谱资源块，为了保证蜂窝用户服务质量QoS要求，需要考虑基站接收到蜂窝用户发送的信号时，其信干噪比大于等于一个满足服务质量QoS要求的阈值γ_th，即基站接收蜂窝用户n的信号时其信干噪比为：

经过转换可得如下约束：

最终规划了一个D2D用户鲁棒功率优化的问题，目标函数为最大化所有D2D用户的和速率，同时满足每个蜂窝用户的服务质量要求:

约束C1为每个蜂窝用户满足信干噪比的中断概率，其中Pr表示概率，ξ表示最大容忍中断概率；约束C2为D2D用户的功率约束，表示D2D用户的最大发送功率值；

5)非凸问题转换为凸问题

(1)问题(P2)中约束C1是一个机会约束条件，采用伯恩斯坦近似方法将非凸的机会约束近似为仿射约束，概率约束形式如下：

其中θ＜＜1，θ为容忍度，{η_k}为不确定的数据的集合，使用伯恩斯坦近似方法机会约束需要满足以下条件：

a){f_k(p)}是关于向量p的仿射函数，其中p为待确定的向量值；

b)不确定的数据集合{η_k}是具有{ξ_k}分布的随机变量，且彼此之间相互独立；

c){ξ_k}分布在[-1,1]范围内成立，即{η_k}中每个元素的取值范围均在[-1,1]内，如果机会约束满足以上三个条件，可用下式近似替代，

其中inf表示最大下界运算，辅助变量δ＞0，Ω_k为一个函数，函数表达式为x₁为关于ξ_k分布的自变量，x₂为关于函数Ω_k的自变量，引入辅助变量和ω_k，ω_k≥0，当辅助变量选择合理的值时，可满足当Ω_k(x₂)取下界时，公式(9)可以近似为下式，

任意一个向量m满足其2-范数小于等于其1-范数,即||m||₂≤||m||₁，上式中公式(11)中的2-范数可用1-范数代替，即

设公式(4)中的取值范围为[a_k,n,b_k,n]，a_k,n为取值下界，b_k,n为取值上界，定义辅助变量和根据问题(P2)的概率约束C1给出函数f₀(p_d)和f_k(p_d)的表达式：

其中问题(P2)的概率约束C1根据公式(12)和(13)可以近似为公式(14)，即

其中

(2)目标函数是非凸函数，使用新的分式转换技术引入辅助向量y进行转换，然后重新规划为一个凹问题：

其中

6)设计功率控制算法

当是一个固定值时，目标函数是一个关于y_k,n变量的凹函数，可以获得y_k,n最优值的表达式：

当y_k,n是一个固定值时问题(P3)是一个凸问题，采用拉格朗日对偶方法优化功率变量，定义为问题(P3)约束式C1的拉格朗日乘子，并且λ0；问题(P3)的拉格朗日函数为：

由上式可得原问题(P3)的对偶函数和对偶问题，分别为公式(18)和公式(19)，

使用子梯度迭代法，更新拉格朗日乘子λ，更新方法如下：

其中[x]⁺＝max[0,x]，τ_n表示迭代步长，t代表迭代次数，

功率向量p_d的迭代方法如下：

其中

设计基于分式规划方法的鲁棒功率控制算法求解最优功率分配，其步骤如下：

ⅰ)设置迭代步长τ_n；

ⅱ)初始化迭代计数t＝1，功率初值p_d＝p₀和对偶变量λ＝λ₀；

ⅲ)使用公式(16)计算对于任意的

ⅳ)使用公式(22)更新p_d，使用公式(20)更新λ，更新迭代次数t＝t+1；

ⅴ)重复步骤ⅲ)至ⅳ),直至p_d和λ同时收敛至功率最优值和对偶变量最优值λ^*时算法结束；此时能获得功率最优值，使所有D2D用户的和速率最大。