一种异构网络中支持D2D通信的资源分配方法与流程

本发明涉及通信技术，具体涉及一种异构网络中支持d2d通信的资源分配方法。

背景技术：

近年来，为了满足不断增加的用户数量及不断上升的宽带业务需求，蜂窝网络中开始引入终端到终端的直接通信技术，与传统通信方式需要经过基站节点进行中转传输不同，在节点间距离较短时，使用端到端(devicetodevice,d2d)的直接通信方式能够直接复用基站的频谱资源，从而有效提高资源利用率与用户通信的速率。同时，在网络结构上，蜂窝网络正从传统的单层同构宏蜂窝小区逐步向异构网络(heterogeneouscellularnetworks,hcn)演进。与单蜂窝网络相比，异构网络能够以较低成本提升频谱利用效率，已成为当前和未来应对巨大业务数据流量需求的最有效的手段之一。然而，当异构网络中使用端到端直接通信技术时，除了需要考虑传统蜂窝用户(cellularuserequipment,cue)的基站关联、频谱分配及功率控制问题外，还需要为每个d2d通信对分配合理的通信资源块及通信功率，使其在不影响所有cue的正常通信外，满足d2d的传输需求。

另外需要引起注意的问题是，随着互联网业务尤其是视频业务的普及，网络规划者开始从只关注网络侧的qos保障逐渐转向用户侧的qoe保障。区别于qos对网络性能的评估，qoe直接体现了用户对运行于网络的服务水平的评价，因而能更直观表现当前网络的性能情况，已经成为下一代网络中着重关注的方向。

技术实现要素：

为解决现有技术中的问题，本发明提供一种异构网络中支持d2d通信的资源分配方法。

第一方面，本发明提供一种异构网络中支持d2d通信的资源分配方法，包括：

步骤s1、d2d资源分配器接收d2d资源申请器发送的当前d2d通信对的资源申请请求；

d2d资源分配器和d2d资源申请器位于当前d2d通信对的发送设备中；

步骤s2、所述d2d资源分配器根据资源分配向量rn、资源价格向量fm，采用分布式博弈方法为当前d2d通信对分配资源，并确定对应所有d2d通信对的d2d的资源分配向量rd；

所述资源分配向量rn为所述发送设备预先接收的基站中的cue资源分配器输出的基于cue的资源分配向量；

所述资源价格向量fm为所述发送设备预先接收的基站中的资源价格分配器输出的资源价格向量；

步骤s3、位于基站中的cue资源分配器接收基站中cue资源申请器发送的预设时间段内所有cue的资源申请请求；

步骤s4、所述cue资源分配器根据所述资源分配向量rd、资源价格向量fm，采用集中式的资源分配方法为每个cue分配资源，并将所有cue分配的资源组成资源分配向量rn；

所述资源分配向量rd为基站接收d2d通信对发送设备发送的所述d2d资源分配器确定的资源分配向量rd；

步骤s5、位于基站中的收敛判断器确定分配资源后任一个cue的qoe值满足使用需求，则将步骤s4分配的资源输出，并向发送设备的d2d资源分配器发送资源分配的确认信息。

可选地，所述方法还包括：

步骤s6、收敛判断器确定分配资源后任一个cue的qoe值不满足使用需求，则，资源价格分配器采用资源价格更新策略更新资源价格向量，并输出更新后的资源价格向量；

基于更新后的资源价格向量，重复步骤s2至步骤s5的过程，直至步骤s5中确定分配资源后任一个cue的qoe值满足使用需求。

可选地，步骤s2包括：

s21、d2d资源分配所属的发送设备接收基站发送的资源价格向量fm和资源分配向量rn，并设置运行次数为0；

s22、d2d资源分配器随机选择一个分配策略为发送设备的d2d资源申请器中的d2d通信对分配资源；

s23、所述发送设备的d2d资源分配器获取所有d2d通信对的资源分配信息；

s24、d2d资源分配器根据所有d2d通信对的资源分配信息，组成d2d的资源分配向量rd^new，获取各d2d通信对的效益函数ud^new；

s25、d2d资源分配器以概率1/d随机选择d2d通信对中的一个d2d，选择另一个分配策略为选择的d2d分配资源，并生成资源分配向量rd^rand，以及获取效益函数ud^rand；

s26、d2d资源分配器基于sbr机制，选择资源分配向量rd^rand、资源分配向量rd^new中的一个对应的分配策略作为最后资源分配的策略；

s28、d2d通信对所属的发送是设备向所有邻居节点广播当前的资源分配策略；

s29、运行次数+1，并判断是否到达最大运行次数，如是，返回s30；否则返回s22；

s30、d2d资源分配器采用最后选择的资源分配的策略，为每个d2d通信对分配资源；并将所有d2d通信对分配的资源组成资源分配向量rd。

可选地，子步骤s25和子步骤s24中分别采用公式一，获取各自的效益函数；

公式一：

限制条件，

其中ηd为d2d通信对d所分配的通信功率，为d2d通信对d能使用的最大通信功率，l为离散化后的最大功率等级，限制条件用于保证每个d2d通信对只能分配一个信道，表示d2d通信对d是否使用信道m，否则为0，fm为信道m的价格；

mos3(rd)为每个d2d通信对获取的mos值。

可选地，子步骤s26，包括：

s261、采用公式二，计算策略判断概率p；

其中χ为平衡因子(χ>0),及为采用子步骤s22中分配策略及子步骤s25中分配策略时按照公式一计算获得的效益函数；

s261、若p<＝rand(0,1)，则选择子步骤s22的分配策略作为最后资源分配的策略；

否则，选择子步骤s25的分配策略作为最后资源分配的策略。

可选地，对于每一个cue，优化目标是满足每个cue的qoe使用需求时，获取更高的资源收益；

优化模型：

约束条件：

约束条件一；

约束条件二；

约束条件三；

约束条件四；

其中，约束条件一用于保证每个cue的获得的qoe值满足各自使用需求；约束条件二用于保证每个cue最多能够关联一个基站的一个信道；为第n个cue的关联变量，如果第n个cue关联基站s的信道m，则否则约束条件三则用于保证每个基站的每个信道最多只分配给一个cue，其中为关联机制s所有cue的集合；约束条件四中ls,m为基站s在信道m上分配的功率。

可选地，步骤s4包括：

s41、随机初始化种群与种群迭代次数g，并设置种群初始运行代数g＝1；

s42、对初始化后的个体进行修复，使其满足约束条件；

s43、根据优化模型计算种群中每个个体的适应值；

s44、当g≤g时，令并从i＝1至r/2开始；

s45、按照轮盘赌方法从种群中选择两个个体a和b，对个体a与个体b中的信道关联向量与使用改进的二进制交叉方法，并得到新的信道关联向量及

s46、对个体a与个体b中的功率分配向量与使用传统的二进制交叉方法，并得到新的功率分配向量及

s47、将与组合生成子代个体a，将与组合生成子代个体b；

对子代个体a与b以qm概率进行变异；

对变异后的个体进行修复，使其满足约束条件；

按照优化模型计算种群中每个个体的适应值；

s48、依次比较种群r与r’中个体的适应值大小，将种群r中的低适应值个体替换为r’中对应的高适应值个体。

可选地，步骤s1之前，

基站中的cue资源分配器为各cue随机选择满足约束条件的信道资源，并随机分配通信功率；且基站中的资源价格分配器根据当前cue使用的信道资源信息、剩余的信道资源信息和/或d2d通信对使用的信道资源信息为各个信道随机初始化一个价格。

可选地，所述d2d通信对的发送设备为d2d通信对的请求方；

预设范围内的每一个d2d通信对所使用信道资源在该范围内所有d2d通信对均通过共享机制能够获知。

第二方面，本发明还提供一种异构网络中支持d2d通信的资源分配系统，所述系统包括：基站，所述基站覆盖范围内采用d2d通信的多个d2d通信对的发送设备，多个cue；

其中，所述发送设备与所述基站交互，所述基站根据所述发送设备进行d2d通信占用的信道资源信息，确定与基站交互的cue中每一cue的qoe值是否满足使用需求；

若不满足，则基站调整信道资源价格，以及发送设备适应调整正在申请信道资源的d2d通信对的信道资源分配信息和基站适应调整正在申请信道资源的cue的信道资源分配信息，直至所述与基站交互的cue中每一cue的qoe值满足使用需求。

本发明具有的有益效果如下：

本发明的方法为融合遗传算法与博弈模型的半分布式资源分配方法，遗传算法主要基于集中式方法，为每个cue分配合适的通信资源，博弈模型则基于分布式方法，为每个d2d通信对分配通信资源。上述半分布式资源管理框架能够有效适应异构网络中资源管理的特点，有效提升每个用户的qoe水平。

附图说明

图1a为本发明一实施例的方法流程示意图；

图1b为本发明的资源分配装置结构示意图；

图2为本发明的个体编码方法的示意图；

图3(a)为传统的两点交叉方法的示意图；

图3(b)为本发明改进的两点交叉方法的示意图；

图4为d2d用户qoe水平随迭代代数变化的示意图；

图5为cue用户各资源块价格变化的示意图；

图6为各类算法性能对比的示意图。

具体实施方式

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

本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明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，不是旨在于限制本发明。本文所使用的术语“及/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。

如图1a所示，图1a示出了本发明一实施例提供的资源分配方法的流程示意图，该方法包括下述的步骤：

步骤s1、d2d资源分配器接收d2d资源申请器发送的所有d2d通信对的资源申请请求。

本实施例中，d2d资源分配器和d2d资源申请器位于当前d2d通信对的发送端设备即发送设备中。

步骤s2、d2d资源分配器根据资源分配向量rn、资源价格向量fm，采用分布式博弈方法为当前d2d通信对分配资源，并确定对应所有d2d通信对的d2d的资源分配向量rd。

在该步骤中，资源分配向量rn可为所述发送设备预先接收的基站中的cue资源分配器输出的基于cue的资源分配向量；

所述资源价格向量fm可为所述发送设备预先接收的基站中的资源价格分配器输出的资源价格向量。

步骤s3、位于基站中的cue资源分配器接收基站中cue资源申请器发送的预设时间段内所有cue的资源申请请求。

步骤s4、cue资源分配器根据所述资源分配向量rd、资源价格向量fm，采用集中式的资源分配方法为每个cue分配资源，并将所有cue分配的资源组成资源分配向量rn。

本步骤中，所述资源分配向量rd可为基站接收d2d通信对发送设备发送的所述d2d资源分配器确定的资源分配向量rd。

步骤s5、位于基站中的收敛判断器确定分配资源后任一个cue的qoe值满足使用需求，则将步骤s4分配的资源输出，并向发送设备的d2d资源分配器发送资源分配的确认信息。

相应地，上述方法还包括下述的图中未示出的步骤s6；

s6、收敛判断器确定分配资源后任一个cue的qoe值不满足使用需求，则，资源价格分配器采用资源价格更新策略更新资源价格向量，并输出更新后的资源价格向量；

基于更新后的资源价格向量，重复步骤s2至步骤s5的过程，直至步骤s5中确定分配资源后任一个cue的qoe值满足使用需求。

在具体应用中，上述方法中的步骤s1之前，

基站中的cue资源分配器可为各cue随机选择满足约束条件的信道资源，并随机分配通信功率；且基站中的资源价格分配器根据当前cue使用的信道资源信息、剩余的信道资源信息和/或d2d通信对使用的信道资源信息为各个信道随机初始化一个价格。

应说明的是，本实施例中d2d通信对的发送设备可为d2d通信对的请求方。

本实施例的方法为融合遗传算法与博弈模型的半分布式资源分配方法，遗传算法主要基于集中式方法，为每个cue分配合适的通信资源，博弈模型则基于分布式方法，为每个d2d通信对分配通信资源。上述半分布式资源管理框架能够有效适应异构网络中资源管理的特点，有效提升每个用户的qoe水平。

上述方法中的步骤s2还可包括下述的子步骤s21至子步骤s27：

s21、d2d资源分配所属的发送设备接收基站发送的资源价格向量fm和资源分配向量rn，并设置运行次数为0；

s22、d2d资源分配器随机选择一个分配策略为发送设备的d2d资源申请器中的d2d通信对分配资源；

s23、所述发送设备的d2d资源分配器获取所有d2d通信对的资源分配信息。

特别说明的是，预设范围内的每一个d2d通信对所使用信道资源在该范围内所有d2d通信对均通过共享机制能够获知。

s24、d2d资源分配器根据所有d2d通信对的资源分配信息，组成d2d的资源分配向量rd^new，获取各d2d通信对的效益函数ud^new；

s25、d2d资源分配器以概率1/d随机选择d2d通信对中的一个d2d，选择另一个分配策略为选择的d2d分配资源，并生成资源分配向量rd^rand，以及获取效益函数ud^rand。

举例来说，在本实施例中，上述子步骤s25和子步骤s24分别采用公式一，获取各自的效益函数；

公式一：

限制条件，

其中ηd为d2d通信对d所分配的通信功率，为d2d通信对d能使用的最大通信功率，l为离散化后的最大功率等级，限制条件用于保证每个d2d通信对只能分配一个信道，表示d2d通信对d是否使用信道m，否则为0，fm为信道m的价格；mos3(rd)为每个d2d通信对获取的mos值。

s26、d2d资源分配器基于sbr机制，选择资源分配向量rd^rand、资源分配向量rd^new中的一个对应的分配策略作为最后资源分配的策略。

举例来说，本实施例的子步骤s26可包括：

采用公式二，计算策略判断概率p；

其中χ为平衡因子(χ>0),及为采用子步骤s22中分配策略及子步骤s25中分配策略时按照公式一计算获得的效益函数；

若p<＝rand(0,1)，则选择子步骤s22的分配策略作为最后资源分配的策略；否则，选择子步骤s25的分配策略作为最后资源分配的策略。

s28、d2d通信对所属的发送是设备向所有邻居节点广播当前的资源分配策略；

s29、运行次数+1，并判断是否到达最大运行次数，如是，返回s30；否则返回s22；

s30、d2d资源分配器采用最后选择的资源分配的策略，为每个d2d通信对分配资源；并将所有d2d通信对分配的资源组成资源分配向量rd。

另外，为更好的理解上述图1a的内容，以下结合图1b进行详细说明。以下说明书cue用户和cue均指的是传统蜂窝用户。

1、资源分配装置的各部分说明：

(1)cue资源分配初始化器：位于基站中，主要用于为各cue随机选择满足约束条件的信道资源，并为其随机分配通信功率；其中约束条件需要满足同一bs的同一信道不能同时分配给两个不同的cue，且同一cue在相同时刻不能同时占用两个信道。

具体而言，定义整个网络中cue集合为n＝{1,2,3…,n}。则所有cue的初始化资源分配定义为其中为各个cue的信道初始化向量，ln＝{l1,l2,…,ln}为各个cue的功率初始化向量。

(2)资源价格初始化rn器：位于基站中，为各个信道随机初始化一个价格

假设整个异构网络中所有bs的可用信道集合相同，均为m，则初始化资源价格向量为fm＝{f1,f2,…,fm}，其中fm为信道m使用单位功率的价格。或者，根据资源价格更新策略更新资源价格向量。

(3)d2d资源申请器：位于终端/发送设备中，用于为每个d2d通信对申请资源，其中对任意d2d通信对d，其资源申请的内容为<idd,qoed>,d∈d。

应说明的是，正常而言，只要两个终端的距离非常近，就可以采用d2d直接通信技术，本实施例中的d2d通信对是预先给定的。

(4)cue资源申请器：位于基站中，用于为每个cue申请资源，其中对任意cue用户n，其资源申请的内容为<idn,qoen>,n∈n。

当cue用户需要申请资源的时候，开始使用cue资源申请器。

(5)d2d资源分配器：位于终端/发送设备中，基于收集的资源价格，及每个d2d通信对的资源申请，执行分布式博弈方法，为每个d2d通信对分配资源。所有d2d通信对的资源分配向量表示为其中为每个通信对分配的频谱向量，为每个通信对分配的通信功率向量。

(6)cue资源分配器：位于基站中，基于d2d的资源分配向量rd，所有cue的资源请求，以极大化资源出售收益为目标，执行集中式的资源分配方法，为每个cue分配资源，并更新所有cue资源分配向量同时输出所有cue的最终qoe水平aqoen。

图1b中灰色部分为资源申请的内容，如cue的资源申请只包括cue的id号及qoe需求，把上述需求发送给资源分配分配器后，由资源分配器执行资源分配算法，为各资源申请者分配资源。qoe为资源申请者判断自身的业务后，自行设定的值。

(7)收敛判决器：位于基站中，用于判断整个资源分配过程是否已经收敛。

举例来说，收敛判断方法为连续s轮后资源价格保持不变，即判定收敛。s可自行设定。

(8)资源价格计算器：位于基站中，用于根据各个cue所获得的qoe值aqoen对资源价格向量fm＝{f1,f2,…,fm}进行更新。

2、资源分配方法

2.1半分布式资源分配方法：

本发明还提出一种半分布式资源分配方法，其资源分配方法如算法1所示。

其中算法1中7行到12行为资源价格更新方法，其主要原理如下：对于任意cue用户n，如果其分配频谱资源后tn后，其获得的qoe值aqoen不能满足其qoe需求，即(aqoen<τq)那么可断定d2d通信对在频谱资源tn上的干扰较大，因为，需要提高该频谱资源的价格以限制网络中d2d通信对使用该频谱的概率。

2.2分布式资源分配方法

针对d2d通信对的资源分配，本发明提出一种基于博弈方法的分布式资源分配算法，整个算法流程下述算法2所示。

其中d2d通信对d的效益函数ud定义为通信对当前获得的qoe值并减去其使用该频谱的花费(策略的价格乘以功率)，表示为：

其中ηd为d2d通信对d所分配的通信功率，为d2d通信对d能使用的最大通信功率，l为离散化后的最大功率等级。限制条件1(a)用于保证每个d2d通信对只能分配一个信道。

对d2d通信对d而言，其采用随机选择的策略作为当前策略的概率为

其中χ为平衡因子(χ>0),及为采用原有策略及新策略时按照公式(1)计算获得的效益函数值。在这种情况下，如果那么将有较大可能使用新策略，这种基于概率选择的sbr(smoothedbetterresponse)机制能以较大概率收敛至纳什均衡。

2.3集中式资源分配方法

对cue而言，其优化目标在于维持每个cue的qoe需求的前提下，尽可能获得高的资源收益，因而，其优化模型可定义为：

其中，公式(3)的优化目标为资源出售的总体收益，约束条件(3a)用于保证每个cue用户的获得的qoe值满足其需求值。约束条件(3b)用于保证每个cue最多能够关联一个基站的一个信道。其中为cue用户n的关联变量，如果cue用户n关联基站s的信道m，则否则约束条件(3c)则用于保证每个基站的每个信道最多只分配给一个cue用户，其中为关联机制s所有cue用户的集合。约束条件(3d)中ls,m为基站s在信道m上分配的功率，其中本发明采用的为离散功率控制机制，因而，分配的功率为功率等级。具体而言，当分配的功率等级为ls,m时，其具体的功率为其中l为最大功率等级，为基站s在每个信道上分配的最大通信功率。

针对上述优化问题，本发明提出一种基于遗传算法的集中式资源分配方法，如算法3所示。

这其中，对于种群中任意个体a，其编码方案由两部分组成，分别为信道关联向量与功率分配向量图2展示了其中的编码方案。

对于功率分配向量则采用传统的两点交叉方法。如图3(a)所示。另外，对于信道关联向量我们设计了改进的两点交叉方法，如图3(b)所示。具体而言，其交叉方法为：

(1)随机选择两点交叉为c1与c2；

(2)将两个交叉个体a、b之间的基因进行保留至下一子代个体ca与cb；

(3)将b个体中与ca个体不同的基因依次插入ca个体剩余位置，从而生成子代个体ca；

(4)将a个体中与cb个体不同的基因依次插入cb个体的剩余位置，从而生成子代个体cb；

上述实现方法中，充分考虑了异构网络中cue资源分配及d2d资源分配的特点，并提出了半分布式的资源分配模型与方法，能够在维持cue用户qoe需求的前提下，尽可能提升d2d用户的qoe水平。

参照图4和图5所示，图4与图5分别展示了d2d用户的qoe水平变化及cue用户的资源块价格变化，可以看到本发明实施例提出的算法能够快速收敛至全网的最优解。

另外，图6展示了d2d用户的最终获得qoe与传统maxdata、及基于穷举搜索的optimal算法进行对比，可见本发明实施例提出的算法非常接近最优解。

最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。