协作式D2D通信网络中的资源分配策略

### 协作式D2D通信网络中的资源分配策略 #### 1. 带频率复用的缓冲辅助D2D中继 在D2D通信中，当D2D对之间距离足够远，覆盖区域不重叠时，可尝试进行频率复用，以充分利用可用频谱。之前针对正交传输提出的资源分配方案，由于未考虑频率复用，在此场景下可能频谱效率不高。 在第一个时隙，基站广播消息，无法进行频率复用；但在第二个时隙，可尝试频率复用，以建立中继用户设备（relay - UE）和目标用户设备（d - UE）之间的D2D通信。为利用频率复用的优势，提出了一种使用缓冲辅助中继的通信协议。 以一个包含两个D2D对和两个子载波的系统为例： - 第一个时隙，基站通过两个子载波向每个relay - UE广播一个数据包。 - 第二个时隙，基站再次通过两个子载波广播另外两个数据包。此时，每个relay - UE的缓冲区中有两个数据包。 - 第三个时隙，由于两个D2D对的覆盖区域不重叠，两个relay - UE可以同时使用两个子载波进行D2D通信，将四个数据包传输到两个d - UE。 而之前讨论的无频率复用的正交传输方案，需要四个时隙才能将相同的四个数据包从基站传输到两个d - UE。 为理解频率复用的好处，我们制定了一个资源分配问题，目标是最大化系统的总吞吐量。该问题可表述为： \[ \begin{align*} &\text{maximize} \quad \sum_{k = 1}^{K}\sum_{m_k\in R_k}\sum_{i = 1}^{N}\sum_{j = 1}^{N}\sum_{t = 1}^{T}s_{k,m_k,i,j,t}R_{k,m_k,i,j,t}\\ &\text{subject to:}\\ &C1: \quad \sum_{k = 1}^{K}\sum_{m_k\in R_k}\sum_{i = 1}^{N}\sum_{j = 1}^{N}s_{k,m_k,i,j,t}P_{B,R_{k,m_k,i,t}}\leq P_{max},\quad \forall t\\ &C2: \quad s_{k,m_k,i,j,t}\in\{0, 1\},\quad \forall i,j,k,m_k,t\\ &C3: \quad \sum_{k = 1}^{K}\sum_{m_k\in R_k}\sum_{j = 1}^{N}s_{k,m_k,i,j,t}\leq 1,\quad \forall i,t\\ &C4: \quad \sum_{t = 1}^{T}\sum_{m_k\in R_k}\sum_{i = 1}^{N}s_{k,m_k,i,j,t}\leq 1,\quad \forall k,j\\ &C5: \quad \sum_{t = 1}^{T}\sum_{m_k\in R_k}\sum_{i = 1}^{N}\sum_{j = 1}^{N}s_{k,m_k,i,j,t}\leq N,\quad \forall k\\ &C6: \quad P_{B,R_{k,m_k,i,t}}\geq 0,\quad \forall i,k,m_k,t \end{align*} \] 其中，$P = \{P_{B,R_{k,m_k,i,t}}\}$ 和 $S = \{s_{k,m_k,i,j,t}\}$ 分别表示功率分配和子载波分配策略。各约束条件含义如下： |约束条件|含义| | ---- | ---- | |C1|基站的功率预算约束，$P_{max}$ 是基站的最大功率预算| |C2|子载波分配指标 $s_{k,m_k,i,j,t}$ 是二进制整数变量| |C3|基站在给定的广播时隙内不能复用任何子载波，以避免干扰| |C4|在给定的时隙内，D2D对内部通信不能复用子载波，以避免干扰| |C5|每个relay - UE的缓冲区长度最多为N| |C6|功率变量非负| 下行链路从基站到UE k，通过中继 $m_k$，分别在第t个和第 $(T + 1)$ 个时隙通过子载波i和j的可实现吞吐量 $R_{k,m_k,i,j,t}$ 为： \[ R_{k,m_k,i,j,t}=\frac{1}{2}\log_2\left(1+\frac{P_{B,R_{k,m_k,i,t}}P_Rg_{B,R_{k,m_k,i,t}}g_{R,U_{k,m_k,j,T + 1}}}{P_{B,R_{k,m_k,i,t}}g_{B,R_{k,m_k,i,t}}+P_Rg_{R,U_{k,m_k,j,T + 1}}\cdot\frac{1}{N_0W}}\right) \] 原问题是一个混合整数非线性规划（MINLP）问题。我们采用类似的解决方法，先将整数变量松弛为连续区间，并定义辅助功率变量，使原问题变为凸问题，然后应用对偶分解技术。 对应的对偶拉格朗日函数为： \[ L(\lambda,\hat{P},S)=\sum_{k = 1}^{K}\sum_{m_k\in R_k}\sum_{i = 1}^{N}\sum_{j = 1}^{N}\sum_{t = 1}^{T}s_{k,m_k,i,j,t}\frac{1}{2}\log_2\left(1+\frac{\hat{P}_{B,R_{k,m_k,i,t}}g_{B,R_{k,m_k,i,t}}}{s_{k,m_k,i,j,t}N_0W + P_Rg_{R,U_{k,m_k,j,T + 1}}}\right)+\sum_{t = 1}^{T}\lambda_t\left(P_{max