基于能量采集的D2D通信资源分配算法研究

本文是通信工程论文，主要内容如下：（1）该算法首先根据D2D用户之间的干扰将D2D用户分为与蜂窝用户数目相等的D2D簇，同一D2D簇内的用户复用相同的信道。然后将同一D2D簇内的用户建模为非合作博弈，通过构造拉格朗日函数求解D2D用户的最优发送功率和能量采集时间表达式。最后，将D2D簇复用不同蜂窝用户信道时的容量作为权重，利用KM算法完成加权二分图的匹配，即D2D簇和蜂窝用户信道资源的匹配。仿真结果表明，所提算法可以取得比文献[56]算法和等时间分配方法更高的D2D用户总容量。AP模式时接入点间直接通信，D2D模式时接入点通过中继转发数据进行通信，根据推导的两种模式下的中断概率确定传输模式，并且选择D2D模式时的最佳中继。考虑两种通信模式：一种是D2D用户直接通信，另一种是D2D发送端充当中继协助蜂窝通信的同时应用NOMA技术与D2D接收端通信。首先推导了不同模式时用户中断概率的闭式表达式，根据中断性能确定用户的通信模式并利用KM算法优化用户的信道分配和中继选择。

第一章绪论

为了提高本地数据传播的频谱效率和能量效率，文献[29]提出了一种社会感知的能量采集D2D通信架构，该架构融合了能量采集技术和社交网络特性。为了进一步高效地传播本地数据，提出了两种社会感知的能量采集D2D通信方案：基于社会关系的能量采集设备中继方案和基于社会社区的能量采集设备多播方案。在能量采集的认知D2D通信场景中，文献[30]提出了两种蜂窝通信频谱接入策略：随机频谱接入和优先频谱接入。在随机频谱接入策略中，包括D2D通信所用信道在内的任何可用信道都可以被随机选择用于蜂窝通信，而在优先频谱接入策略中，当其他可用信道都被占用时才可以使用D2D用户的信道资源。另外，利用随机几何工具，作者分析了两种接入策略的传输概率和信干噪比中断概率。同样是利用随机几何学，文献[31]假设异构能量采集D2D网络中的接入点（AccessPoint，AP）服从齐次泊松点过程，提出了一种高效的传输模式选择策略。然后假设已知所有时段的系统信息，利用强化学习方法实现D2D用户功率的最优离线分配。最后利用神经网络进一步提出在线功率分配优化算法。

第二章基于能量采集的D2D通信技术

2.1引言

近年来，无线技术迅速发展，从最初只能语音通信的第一代移动通信网络发展到业务类型和通信速率都显著增长的第五代移动通信网络，给人们的生活带来了很大的变化。但是随着移动数据流量的显著增长、海量设备的无线接入、不断出现的各种新业务，使得频谱资源越来越紧缺，能量消耗越来越大。D2D通信就是在这种情况下被提出，通过在地理位置较近的用户终端间建立直接通信链路，复用蜂窝网络的授权频段进行点到点通信，可以在很大程度上缓解频谱资源短缺问题。而能量采集技术可以从周围环境中采集能量，解决低功耗设备的能量供应问题，实现绿色通信。因此，复用蜂窝用户频谱资源的能量采集D2D通信得到了广泛的关注。接下来，本章将简要概述D2D通信的设备发现和会话建立、能量采集的架构，以及能量采集D2D通信的无线资源管理，包括异构蜂窝网络中的资源分配问题和存在的干扰、考虑能量采集时的功率控制问题。

2.2D2D通信的设备发现和会话建立

设备发现和会话建立是D2D通信的基础，在进行D2D通信之间，需要先进行发现对等设备和建立会话链路。设备发现是指一个D2D用户寻找邻近可能D2D通信用户的过程，判定邻近用户的条件包括地理位置、服务质量要求、信道状态信息等。根据用户的权限要求，D2D设备发现有限制发现和公开发现两种[47]。限制发现是指D2D设备不允许被其他设备发现，也就是不可以和其他用户进行通信，这样可以保护用户的隐私和安全，适用于网络环境好、注重用户隐私的情况。公开发现则允许周围的邻近设备都可以检测到当前D2D设备并与之通信，适用于救援、应急通信，即网络环境不好的情况。从网络方面分析，D2D设备发现可以分为紧控制D2D模式和松控制D2D模式两种[48]。紧控制D2D模式时，D2D设备发现过程由基站控制，基站首先向周围一定距离范围内的用户发送配置信息、同步信息等，然后基站控制目标用户接受信息，从而形成D2D用户对，完成设备发现。松控制D2D模式时，D2D设备发现过程主要由D2D用户自己完成，基站通过不断地广播进行发送信息和接受信息，辅助实现D2D设备发现。

第三章能量采集D2D通信的功率控制和信道分配算法....................................................................................21

3.1引言.............................................................................................................................................................21
3.2系统模型和优化问题建模.........................................................................................................................22

3.3最优联合功率控制和信道分配算法.........................................................................................................24

3.4仿真结果与分析.........................................................................................................................................28

3.5本章小结.....................................................................................................................................................32
第四章基于NOMA的能量采集D2D通信资源分配算法..................................................................................33

4.1引言.............................................................................................................................................................33
4.2系统模型和优化问题建模.........................................................................................................................34

4.2.1系统模型..........................................................................................................................................35

4.3离线信道分配和功率控制优化算法.........................................................................................................36

第五章能量采集D2D通信的中断概率分析和资源优化算法............................................................................48

5.1引言.............................................................................................................................................................48
5.2系统模型.....................................................................................................................................................49

第五章能量采集D2D通信的中断概率分析和资源优化算法

5.1引言

然后假设已知所有时段的能量采集和信道状态信息，通过KM算法完成D2D用户的信道分配和蜂窝用户的中继选择，考虑发送功率限制和用户通信质量，利用强化学习方法优化D2D用户的离线发送功率。最后利用神经网络进一步提出在线功率分配优化算法。仿真结果验证了所推导中断概率表达式的准确性，并且表明了所提离线算法和在线算法可以提高系统性能。本章考虑能量采集D2D用户可以采用模式A或模式B进行通信，模式A为D2D发送端与D2D接收端直接通信，模式B为D2D发送端作为中继协助基站与蜂窝用户通信的同时应用NOMA技术与D2D接收端通信，以提供更好的小区边缘覆盖。首先推导了不同模式时用户的中断概率，并根据中断性能确定用户的通信模式。为了优化D2D发送端的在线发送功率，首先假设已知所有时段的能量采集和信道状态信息，利用KM算法为D2D用户分配信道以及为蜂窝用户选择中继，考虑能量因果关系约束和最大发送功率限制，利用强化学习方法优化D2D用户的离线发送功率。然后利用神经网络的强自适应性和学习能力，将离线功率优化分配的结果组成训练数据集训练神经网络，得到最优发送功率与相关系统参数的数学模型，进一步提出在线功率分配优化算法。仿真结果表明，所提资源算法可以有效提高系统性能，在线功率分配优化算法的性能接近离线功率分配优化算法。

5.2系统模型

本节利用蒙特卡罗仿真方法验证理论推导的中断概率表达式的准确性，仿真统计10000个时段的通信数据，根据中断次数计算中断概率的仿真值。另外，给出所提资源分配算法的系统性能，分析D2D用户数目N、能量到达分布的最大值maxE对D2D用户和模式B下行蜂窝用户总容量的影响。两层前向神经网络采用MATLAB神经网络工具箱实现，考虑训练神经网络的收敛期数、收敛时间和均方误差，经过测试，选择L-M算法训练神经网络，隐层神经元数为4，隐层和输出层的传递函数分别为对称sigmoid传输函数和线性传输函数，最大迭代期数为1500次，最小均方误差为10e-5，最小梯度为10e-7，最大确认失败次数为15次。其他仿真参数参照文献[14]设置，如表5.2所示。图5.3给出蜂窝用户中断概率理论值与仿真值的比较图，横坐标为蜂窝用户通信的信干噪比阈值，纵坐标为用蜂窝用户通信的中断概率。由图5.3可以看出，蜂窝用户中断概率的理论值与仿真值基本一致，验证了中断概率理论推导的准确性。同时可以看出，随着蜂窝用户信干噪比阈值的增大，蜂窝通信的中断概率增大，这是因为信干噪比阈值增大，意味着蜂窝用户要求更高的服务质量，使蜂窝通信的中断概率增大。

第六章总结与展望

本文考虑D2D发送端可以从周围环境中采集能量，并且应用NOMA技术与两个D2D接收端通信，在满足用户信干噪比阈值和能量因果限制的条件下，通过优化D2D用户的信道分配、D2D发送端在不同时段的发送功率和叠加混合信号的功率分配因子，最大化D2D组总容量。首先假设已知所有时隙的系统信息，提出了离线信道分配和功率控制优化算法。然后将离线功率分配的最优发送功率和相关影响发送功率的系统参数作为训练数据集，神经网络通过学习训练数据集得到发送功率的优化模型，进一步提出在线功率分配优化算法。仿真结果表明，本章所提离线算法可以有效提高D2D组总容量，在线功率分配优化算法可以很好地接近离线功率分配算法所提供的上限。（3）考虑能量采集D2D发送端可以采用模式A与D2D接收端直接通信，或者采用模式B充当中继协助蜂窝通信的同时应用NOMA技术与D2D接收端通信。首先推导了不同模式时D2D用户和蜂窝用户的中断概率，并根据中断性能确定用户的通信模式。

参考文献（略）