网站首页  词典首页

请输入您要查询的论文：

　

标题 一种交互式中继选择策略
范文 王本超++江帆



摘 要： 提出了一种协作中继网络的交互式中继节点选择（IRS）策略。用户首先分布式构造基于信道状况及中继节点负载情况的中继选择函数，选择最优的中继节点；中继节点再根据资源分配情况、业务优先级以及加权信道调度算法进行反向用户选择。仿真结果表明，相比于已研究的算法，所提出的IRS算法结合了信道状况、MAC层资源与用户业务状况等因素，利用用户和中继之间的两步式交互中继选择来调节小区内的用户负载分布，获得了小区吞吐量与用户公平性之间的折衷。
关键词： 中继选择； 协作中继网络； 负载均衡； 调度
中图分类号： TN929.5?34 文献标识码： A 文章编号： 1004?373X（2015）03?0001?05
Scheme of interactive relay selection
WANG Ben?chao1， JIANG Fan2
（1. Shaanxi Radio Monitoring Station， State Radio Regulatory Center of China， Xian 710200， China；
2. School of Communication and Information Engendering， Xian University of Posts and Telecommunications， Xian 710121， China）
Abstract： An interactive relay selection （IRS） scheme is presented for cooperative relay network. Each user chooses the optimal relay node according to the relay selection function， channel status and relay node load condition. The reverse user selection is performed through relay node according to the resource allocation situation， service priority stage and weigh channel scheduling algorithm. Simulation results indicate that， compared with available algorithms， IRS algorithm can achieve a compromise between handling capacity in small domain and fairness for users by adjusting uses load distribution within the small domain by two?step interactive relay selection between relay nodes and users. The factors of channel condition， MAC layer resource and users service condition are considered in IRS scheme.
Keywords： relay selection； cooperative relay network； load balance； dispatch
0 引 言
未来无线通信系统中的中继节点选择主要解决“与谁协作”的问题[1]。尽管目前业界认同中继节点的部署将由运营商完成，但是由于多变性的无线链路状况，多样化的用户服务质量QoS（Quality of Service）需求以及不平衡的用户接入请求，需要结合网络的具体状况参照一定准则来选择中继节点，从而进行用户接入以及数据传输。目前研究的中继选择策略主要将物理层参数作为中继选择的依据。在相关的研究中，Song探讨了在双向多个中继节点的中继网络中[2]，基于放大转发（Amplify and Forward，AF）模式下的中继选择问题。Cho研究了随机中继网络中[3]，保障用户QoS的中继选择方式及用户掉线概率。Li 探讨了协作中继网络中解码转发模式下[4]，过期的信道状况信息对于中继选择的性能影响。Etezadi研究了节点非均匀分布的无线传感器网络中[5]，基于最优信道状况、最优地理位置以及随机选择准则的中继选择算法，并对这三种中继选择的性能进行了比较。
上述研究的中继选择算法一般都基于单一的中继选择准则来选择中继节点。而事实上，协作中继蜂窝网络中的每个用户的速率不仅取决于当前的信道状况，还与高层所采用的具体参数及算法（如MAC（Media Access Control）层资源分配方式、所采用的调度算法等）密切相关。在文献[6]中，已经提出了一种基于用户选择准则的节点选择算法，但是该算法仅仅考虑了用户单方面的中继选择，未考虑小区的整体负载分布状况。
为了解决上述问题，本文首先提出了一种交互式负载均衡的中继节点选择算法（Interactive Relay Selection，IRS）。该算法通过两步式交互中继选择来实现负载均衡：
第一步，用户根据信道状况以及中继节点负载情况，依据中继选择函数，找到使得其可达速率最大的中继节点；
第二步，中继节点根据所采用的信道调度准则，再反向选择合适的用户进行调度。
利用用户和中继的两步的交互式选择，不仅有效地调整了各中继节点的负载情况，还通过中继调度调节了不合适的节点选择，使得小区之内的负载合理的分布，进而提高了网络的整体性能。
1 算法描述
1.1 系统模型
假设网络中有[L]个小区，如图1所示，6个中继节点（Relay station，RS）均匀地布设在每个小区中。整个系统中分布着[K]个用户设备（User Equipment，UE）。物理层接入技术采用基于OFDMA（Orthogonal Frequency Division Multiple Access）接入技术，每个UE使用正交子信道接入。每个UE根据某种准则确定通过基站（Base Station，BS）一跳传输数据或者选择一个中继节点m（m=1～6）两跳传输数据。假设UE和RS都可获得实时信道状态信息。系统是全网时间同步的，且传输格式为时隙格式，即如果UE直接通过BS传输，则UE在每时隙直接向BS发送数据；若UE采用协作传输模式，则UE在第一个时隙向RS发送数据，在第二个时隙RS向BS转发从UE收到的数据。RS以解码转发（Decode and Forward，DF）的工作方式实现协作传输。

图1 系统模型
1.2 IRS算法描述
本文所提出的IRS的工作步骤如下：
（1） 小区内的BS和RS周期性的广播导频信号，其中RS发送的导频信号中还包含其当前时隙内其服务的用户数。
（2） 根据从BS以及RS接收到的导频信号强度，选择两跳传输的UE首先根据导频信号强度计算接收信干噪比（Signal to Interference and Noise Ratio，SINR），并且获知每个RS的服务用户数；
（3） UE在相邻的小区中再选择一个具有最大SINR的RS，并记录其服务的用户数；将本小区中6个的RS与邻小区的一个RS作为候选的中继节点集合。
（4） 在时刻[t，]UE在候选的RS集合中，计算选择不同RS的两跳传输速率[rck，m，i（t），]建立中继节点选择函数，获取候选中继节点预测吞吐量；依据预测吞吐量值从大到小的顺序对所有候选中继节点进行排序，建立候选中继节点排序列表，选择使得预测吞吐量最大的中继节点作为服务中继节点。
[β*（t）=argmaxi，mErck，m，i（t）EKm（t）+1] （1）
式中：[β*（t）]代表t时刻的最大预测数据速率；[Erck，m，i（t）]表示用户[k（k∈K），]选择小区[i]中的RSm作为其服务中继所能达到的吞吐量；[EKm（t）]表示时刻[t，]UE所获得的中继[m]服务用户数，[EKm（t）+1]表示[t]时刻中继[m]的预期服务用户数，[E?]表示期望，上标[c]则代表协作传输方式。
（5） 根据候选节点吞吐量排序，利用加权信道相关调度算法，候选中继节点RS分别在时刻t构造下述的用户调度函数，调度使得用户调度函数值最大的UE：
[γ*（t）=argmaxkωkErck，m，i（t）Erck，m，i（t-1）αm] （2）
式中：[γ*（t）]代表调度函数的最大值；[Erck，m，i（t）]代表了时刻[t]用户[k]通过中继选择所能达到的数据速率；[Erck，m，i（t-1）]代表了[t-1]时刻，用户[k]通过中继选择所能达到的数据速率；[ωk]代表用户[k]的权重，根据每个UE的业务类型可以调节其取值；[αm]代表中继节点m所采用的与信道状况相关的资源调度因子。
（6） 对比步骤（4）用户的中继选择结果以及步骤（5）中继节点的用户调度结果，如果二者相匹配，则将步骤（4）所选择的中继节点[m]将作为用户[k]的两跳传输的中继节点，中继节点[m]为用户分配子载波，用户在分配的子载波上根据调度准则实现两跳协作传输，完成基于负载均衡的中继选择。如果二者不匹配，则根据候选中继节点排序列表，取出列表中选择的下一个中继节点与步骤（5）中的用户调度结果进行比较，持续上述比较步骤直至二者匹配或已遍历全部候选中继节点。
（7） 如果已遍历全部候选中继节点，且二者无匹配，则结束中继选择，用户选择直接传输。
1.3 IRS算法分析
根据1.2节的步骤（2），选择采用两跳接入基站的UE首先根据从BS和RS接收到的导频信号强度计算出接收到基站的信号得SINR值以及接收到中继信号的SINR值。在时刻t，用户k到小区中[BSi，]小区中任意一个RSm以及RSm到BSi的三条链路的SINR可以表示为：
[Sk，i（t）=hk，i（t）2pklk，i（t）j=1，j≠kKhj，i（t）2pjlj，i（t）+σ（n）2] （3）
[Sk，m（t）=hk，m（t）2pklk，m（t）j=1，j≠kKhj，m（t）2pjlj，m（t）+σ（n）2]（4） [Sm，i（t）=hm，i（t）2pmlm，i（t）j=1，j≠mNhm，j（t）2pjlm，j（t）+σ（n）2] （5）
式中：[pk]和[pm]分别表示UE和RS的发射信号功率；参数[li，k（t）]，[lk，m（t）]和[lm，i（t）]分别表示UE到BS，UE到RS以及RS到BS在t时刻的路径损耗大小；参数[hk，i，][hk，m]和[hm，i]分别代表了UE到BS，UE到RS以及RS到BS的多径及阴影衰落，表达式[j=1，j≠kKhj，i（t）2pjlj，i（t）+σ（n）2，][j=1，j≠kKhj，m（t）2?][pjlj，m（t）+σ（n）2，][j=1，j≠mNhm，j（t）2pjlm，j（t）+σ（n）2]分别代表来自于本小区及其他小区的干扰以及接收端白噪声之和。
根据香农定理，若[t]时刻[UEk]通过BS直接传输，则[UEk]在带宽B内最大数据速率为：

[rdk，i（t）=Blog（1+Sk，i（t））] （6）
如果UE通过[RSm]以协作传输的方式两跳传输，则[UEk]在t时刻在带宽B上可达数据速率的上限[rck，m，i（t）]为：
[rck，m，i（t）=B2minlog（1+Sk，m（t）），log（1+Sk，i（t）+Sm，i（t）） ] （7）
如果直接传输能获得更大的增益，即有[rdk，i（t）>rck，m，i（t），]则移动用户[k]直接通过基站传输数据；否则用户[k]通过中继节点两跳协作传输。因此，如果能够选择出合适的中继节点，协作传输比直接传输的增益更大。
对于步骤（4）中的式（1），在[t]时刻，由于用户k需要与已经接入中继的用户竞争资源，因此，式[Erck，m，i（t）EKm（t）+1]代表了采用协作传输的用户k在时刻[t]预测最大数据速率。因此中继节点选择的准则不仅是最大化用户k的预测数据速率β*（t），在构造中继选择函数的同时考虑了中继节点的负载情况。
在步骤（5）中，式（2）中的[Erck，m，i（t）]与[Erck，m，i（t-1）]之间的关系为[7]：
[Erck，m，i（t）=1-11 000Erck，m，i（t-1）+11 000maxrdk，i（t），rck，m，i（t）] （8）
根据用户需要发送的具体业务，权重因子[ωk]的取值可以不同，如语音业务如VOIP、视频点播等对时延敏感的业务，就需要优先安排资源发送，因此权值取值较大；反之，对于如短信、FTP下载等对时延不敏感的数据业务，则可以采取较小的权值。[αm]的取值反映了用户公平性与用户吞吐量之间的折衷：当所有用户的权重[ωk]取值时，[αm]的取值越趋近于0，则中继节点越趋向于调度信道状况较好的用户，因此调度准则趋近于MAX C/I准则[8]，反之，当[αm]的取值越趋近于1，则中继节点越趋向于在用户之间均匀的分配资源，调度准则逐渐趋近于比例公平准则[9]。从而根据用户的具体信道状况在两种调度准则之间做出优选。
通过分析可以看出，在所提出的交互式中继节点选择算法中，用户首先根据中继选择函数选择使得其数据速率最大的中继节点。然后，中继节点再根据网络的具体情况选择合适的调度准则，反向调度合适的用户，不仅有效地均衡了各中继节点之间的负载，且结合调度算法调整了不合适的中继节点选择结果，利用用户和中继节点之间的两步交互式选择使得每个小区之间的负载分布趋于合理，保证了整个网络系统中负载的均衡和高效传输。
2 仿真结果及性能分析
2.1 仿真参数设定
场景如图2所示，考虑一个由27个蜂窝小区构成蜂窝通信系统，系统工作在2 GHz频段，采用OFDMA物理层接入技术。每个小区中均匀布设6个位置固定的RS，小区半径设置为1 km，中继节点部署于距离基站2/3的位置。

图2 仿真场景
仿真采用的参数参照LTE（Long Term Evolution）规范中所规定的参数[10]：每个时隙长度为1 ms，每调度时隙中包含14个OFDM符号；所包含的子信道数为24，每个子信道又划分为12个子载波，每个子载波的带宽设置为15 kHz。收发信机之间保持时间同步。每个UE的信号功率为50 mW，RS的发射功率为1 W，接收机热噪声[σ2=10-10]W，仿真所采用的BS，RS及UE之间的传播模型为[11]：
[PL=38.4+35lg（d）+20lg（fc/5）+Xσ，MS→BS，σ=8PL=36.5+23.5lg（d）+20lg（fc/2.5）+Xσ，RN→BS，σ=3.4PL=41+22.7lg（d）+20lg（fc/5）+Xσ，MS→RN，σ=2.3] （9）
其中，随机变量[Xσ]用来模拟传播信道的多径及阴影衰落，服从对数正态分布.
2.2 仿真结果
在仿真中，为了做一对比，分别考虑了4种基于不同准则的算法的性能：无中继传输；最小距离准则（Shortest Distance Based Relay Selection，SRS）；最大信干噪比准则（Maximum SINR Based Relay Selection， MRS）算法和所提出的IRS。假设在每个资源调度时隙，每个RS最多能够同时服务8个UE。仿真中每个BS及RS采用基于轮询调度（Round Robin，RR）的资源调度的准则[12]。通过小区吞吐量、用户公平因子、中继服务的用户数这三个指标来评估其性能。
图3给出了小区用户吞吐量随着小区中用户数目的增加的变化情况。从图中可以看出，随着小区中用户数的增长，越来越多的用户由于信道状况较差会选择协作传输，从而导致小区局部区域某些RS的负载过重。然而，无论SRS或MRS，都无法避免某些中继节点服务的用户数过多。而对于提出的IRS中继选择算法，由于每个用户是通过中继选择函数选择最优的中继节点，所构造的中继选择函数不仅仅考虑了当前时隙的具体信道状况，还考虑了当前中继节点的负载情况，因此有效地增加了系统的吞吐量。此外，当采用较小的中继资源调度因子[αm，]如[αm=0，]则意味着信道状况较好的移动用户则会被所选择的中继节点优先分配资源来实现两跳协作传输，从而使得系统的吞吐量变大；反之，当采用较大的中继资源调度因子[αm，]如[αm=1，]则意味着中继节点会综合地考虑用户之间的公平性，机会均等地调度所有需要协作传输的用户，从而导致了系统吞吐量的减少。
综上所述，采用了所提出的中继选择算法之后，通过用户和中继节点之间的两步中继选择来实现中继节点的负载均衡，从而充分利用那些负载较轻的中继节点来实现协作传输，提高了整个小区的用户传输性能。


图3 小区用户吞吐量
图4给出了小区中用户的公平因子随着用户数目的增加的变化情况。对于公平性因子F，定义式为[13]：[F=k=1Krk2Kk=1Kr2k，]参数[rk]表示用户k的数据速率。从仿真图中可以看出，所提出的IRS并没有随着用户数的增加而降低用户的公平性。而对于基于信道状态的MRS以及SRS策略，用户的公平性却显著的降低了。这是由于通过中继选择参数及加权信道调度算法，所提出的IRS算法避免了某些用户一直无法传输情况的发生。此外，可以观察到当中继资源调度因子[αm]采用不同值时，用户之间的公平性情况略有不同。当[αm]取值较大时，由于中继节点在资源分配时考虑到了用户之间的公平性，因此用户公平因子较大；而当[αm]取值较小时，由于中继节点优先考虑了信道状况较好的用户，因此用户的公平性有所下降。

图4 小区用户的公平因子变化情况
图5 给出了中继节点服务的平均用户数的情况。可以看出，由于IRS（[αm=1]）算法利用两步式的交互中继选择实现了中继节点之间的负载均衡分配，从而使得采用协作传输的用户数目逐渐逼近中继能够服务用户数的上限。而对于SRS及MR，由于用户仅仅从单方面的某一准则进行中继选择，无法适应网络中负载的动态变化，从而无法调节某些用户不合适的中继选择结果，导致小区中的某些中继节点由于负载较轻而造成资源浪费，某些中继节点却负载过重，使得系统的资源利用率大大降低。

图5 中继节点服务用户数
3 结 语
本文提出的交互式中继选择算法是一种能够兼顾系统性能和用户公平性的算法。每个用户通过分布式构造的中继选择函数选择中继节点；中继选择函数的构造充分考虑到了用户具体的信道状况和中继节点的负载情况；中继节点再根据结合了资源分配和用户业务的优先级的参数加权信道调度算法进行用户选择。与已有的中继选择算法相比，所提出的算法充分利用了用户和中继之间的两步式交互选择实现了资源与负载之间的均衡，从而充分考虑到了不同用户的接入性能，合理地调整小区内不同优先级用户不同业务的负载分布，进而获得了小区整体吞吐量性能与每个用户的公平性之间的折衷。
参考文献
[1] ABOUELSEOUD M， NOSRATINIA A . Heterogeneous relay selection [J]. IEEE Transactions on Wireless Communications， 2013， 12（4）： 1735?1743.
[2] SONG Ling?yang. Relay selection for two?way relaying with amplify?and?forward protocols [J]. IEEE Transactions on Vehicular Technology， 2011， 60（4）： 1954?1959.
[3] CHO Sung?rae， CHOI Wan， HUANG Kai?bin. QoS provisio?ning relay selection in random relaynetworks [J]. IEEE Transaction on Vehicular Technology， 2011， 60（6）： 2680?2689.
[4] LI Yu?bo， YIN Qin?ye， XU Wei， et al. On the design of relay selection strategies in regenerative cooperative networks with outdated CSI [J]. IEEE Transaction on wireless communications， 2011， 10（9）： 3086?3097.
[5] ETEZADI F， ZARIFI K， GHRAYEB A， et al. Decentralized relay selection schemes in uniformly distributed wireless sensor networks [J]. IEEE Transactions on Wireless Communications， 2012， 11（3）： 938?951.
[6] 江帆，王本超.中继蜂窝网络中基于负载均衡的中继节点选择算法[J].电讯技术，2011，51（10）：80?85.
[7] SANG Ai?min， WANG Xiao?dong， MADIHIAN Mohammad， et al. Coordinated load balancing， handoff/cell?site selection， and scheduling in multi?cell packet data system [J]. Wireless Networks， 2008， 14（1）： 103?120.
[8] BIANCHI Giuseppe， TINNIRELLO Ilenia. Channel?dependent load balancing in wireless packet networks [J]. Wireless Communications and Mobile Computing， 2004， 4（1）： 43?53.
[9] HAHNE E L. Round?robin scheduling for max?min fairness in data networks [J]. IEEE Journal on Selected Areas in Communications， 1991， 9： 1024?1039.
[10] Anon. 3GPP TR25.814 V3.0.1 Physical layer aspects for evolved UTRA [S]. Seoul， Korea： [s.n.]， 2005.
[11] CHEN D， FU I?Kang， HART M， et al. Channel models and performance metrics for IEEE 802.16j relay task group [EB/OL]. [2006?03?30]. http：//www.wirelessman.org/relay.
[12] HAHNE E L. Round?robin scheduling for max?min fairness in data networks [J]. IEEE Journal on Selected Areas in Communications， 1991， 9： 1024?1039.
[13] XU Xiao?dong， WU Qiong. Pre?sorted dynamic resource allocation algorithm based on resource pooling [J]. China Communications， 2010， 7（1）： 148?155.


随便看

　

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

　

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间：2025/2/11 8:39:56