《基于博弈论的5G网络认知D2D通信信道分配方法》-工学论文，软件工程论文-论文范文参考-科学狗论文网

标题

基于博弈论的5G网络认知D2D通信信道分配方法

范文

董智超周垚

摘要：随着智能终端用户的大规模增长，迫切需要提高网络带宽和资源使用效率。5G网络中的认知D2D（device-to-device）通信技术可直接通过通信设备建立通信链路，两个建立好链路的通信设备可直接通信，既能高效利用通信资源，又能满足爆发式增长的数据流量需求。如何进行通信资源管理及通信链路选择成为研究重点。基于5G网络的认知D2D通信技术提出了一种基于博弈论的信道分配方法，以解决资源分配问题，最大化D2D通信设备运行效率。将该方法与传统通信方法进行对比仿真，实验验证所提方法更加优越。

关键词：5G网络;D2D通信;博弈论;信道分配

DOI：10. 11907/rjdk. 182423 开放科学（资源服务）标识码（OSID）：

中图分类号：TP393 文献标识码：A 文章编号：1672-7800（2019）007-0198-04

Channel Allocation Method Based on Game Theory for

Cognitive D2D Communication in 5G Networks

DONG Zhi-chao，ZHOU Yao

（Information Technology Center，Yunnan University， Kunming 650500， China）

Abstract：With the large-scale growth of intelligent terminal users， it is urgent to improve the efficiency of network bandwidth and power resources. Cognitive D2D （device-to-device） communication technology in 5G network can establish communication links directly through communication devices. Two communication devices with good links can communicate directly. They can utilize communication resources efficiently and meet the demand of explosive growth of data traffic. How to manage the communication resources and choose the communication links has become a major and difficult task. Therefore premised on the game theory， this paper proposes a channel allocation method based on cognitive D2D communication technology of 5G network to solve the problem of resource allocation in D2D communication system to maximize the power efficiency of D2D communication equipment. Finally， through simulation experiments， the proposed method is compared with the traditional communication method， and the superiority of the proposed method is verified.

Key Words： 5G network; D2D communication; game theory; channel allocation

作者簡介：董智超（1992-），男，云南大学信息技术中心助理实验师，研究方向为无线网络通信;周垚（1988-），男，云南大学信息技术中心助理实验师，研究方向为无线通信网络。本文通讯作者：周垚。

0 引言

4G网络通信设备在进行通信时都需要通过基站（base station，BS）进行，即使两个设备靠得很近仍需经过基站，这种模式下通信效率非常低，不能高效利用网络中的带宽资源，也不能高效进行网络功率的资源分配[1]，因此5G网络提出了D2D（device-to-device）通信概念。随着网络语音通信普及，网络应用程序成指数规模增加，D2D通信技术倍受重视。认知无线电技术能通过与外界环境的相互接触探测到周围可用的频谱资源[2]。因此，将D2D通信技术与认知无线电技术相结合，提出了认知D2D通信技术。认知D2D通信技术能降低本地通信成本，提高带宽利用效率，高效进行功率分配。基于5G网络的认知D2D通信技术成为研究热点[3]。

在D2D通信系统中，设备间的通信可直接进行，不需要通过BS [4]。在目前的局部区域通信中，WiFi技术和蓝牙技术等点对点通信技术都是在非授权的频段上进行通信，而D2D通信技术允许通信设备直接使用授权的频段进行通信[5]，从而更好地确保通信质量（Quality of Service，QOS）。将认知D2D通信技术应用到未来的5G网络中，可以直接通过通信设备建立通信链路，在两个建立好链路的通信设备间就可进行通信。在这种通信模式下，不需要BS进行资源分配或建立链路，通信设备间可以进行资源或通信线路选择，通信资源得到高效利用[6]。这种通信模式下，需要合理管理和分配好资源，才能将这种通信模式更好地应用到5G网络中[7]。

D2D通信研究较多，如文献[8]研究了D2D通信的上行链路问题，但忽略了下行链路问题;文献[9]研究了的D2D设备发现和通信链路建立。不同场景下D2D通信相互作用或多媒体应用研究也较多，如文献[10]中，作者提出了两种方法减轻上行链路负载，从而降低上行链路的数据延时。文献[11]中，作者提出一种新的信道分配方式，但未考虑到通信过程中的干扰。文献[12]中，作者建立的数学模型太单一，不能满足真实网络环境需求。

本文提出基于博弈论的信道分配方法解决D2D通信系统中资源的分配问题，研究在认知D2D通信系统中网络的信道功率分配，使其能保证通信QOS。在本文提出的系统模型中，通信链路的信道功率计算是通过在一个周期内信道功率的获得率和消耗率进行的。本文建立了一个含有信道容量和信道功率的系统模型，在保证系统每个D2D通信设备的频谱资源可以共享的前提下，最大化D2D通信设备的功率效率，即在D2D通信系统中为信道的功率分配制定一个最优分配方式[13]。

1 系统模型

假定在认知D2D通信系统中所有D2D通信设备都具备探测到信道中有空闲信道的能力[14]。在一条链路中，功率效率n用比特/焦耳表示，在本模型中用来表示功率效率，用数学公式表示如下：

其中，H以比特的形式表示每秒信道中的容量，X表示链路中每秒信道的损耗，而信道中传输的比特流可以表示为：

其中，C表示信道的吞吐量，T表示分配信道时的时间间隙，C根据香浓定理得到，而T则是一个预定义的持续时间。

在通信线路中功率的消耗可以表示为：

Q表示在通信状态时的功率消耗，[Qb]表示在空闲状态时的功率消耗，[Tx]表示系统设备在传输信号时的持续时间。

假设系统有K个设备，J个信道，每个设备都可探测到不同的可用信道进行通信。每个通信信道的空闲或被占用通过泊松过程表示[15]。系统中每个设备都可使用空闲的信道进行通信。

x为决策变量，当[xkjb]的值为1时，表示第b个信道用于第k个和第j个D2D设备之间进行通信。当信道空闲时，决策变量值为0。当第b个信道空闲时，第k个和第m个设备可进行通信，两个设备间的通信限定在一定范围内。所以，D2D通信时的信道分配问题可表示为如下优化问题：

其中，存在k和j且k与j不相等，公式（4）的目标就是最大化D2D设备通信时的功率效率直到到达纳什均衡点。约束条件C1表示只有一个信道能分配给第k个和第j个D2D设备进行通信，约束条件C2是最小化功率需求，约束条件C3是保证通信的D2D设备只在第k个和第j个信道之间进行通信，并且在其通信范围内进行。

2 基于博弈论的信道分配方式

2.1 信道分配总体框架

假设在D2D通信过程中信道的分配是在静态机制下的非合作分配方式。通常情况下，静态机制下的博弈论由参与者、动作、效用函数[16]3部分组成。在数学上一个静态的博弈论函数表示如下：

其中K表示有限的参与者，即D2D通信设备的数量， A表示一系列的动作，U是一个效用函数，效用函数让每个参与者和参与者的动作相互关联。效用函数可被每个K信道中的参与者进行感知，然后让每个参与者选择动作A，让剩下的K-1个参与者也选择相应的动作。

2.2 潜在博弈公式

在所提出的非合作博弈中，每個参与者动作可表示为A，A是从总的M个信道中分配到的信道集。每个参与者K通过效用函数以迭代达到纳什均衡，达到纳什均衡后所有参与者都不能通过增加效用函数来改变动作[17]。在非合作博弈中，有很多种数学方法达到纳什均衡，本文选择最佳响应动态机制达到纳什均衡[18]。非合作博弈中最佳响应动态机制是一种不断更新的策略机制，参与者在保证其他参与者策略不变的情况下，最大化个体效用函数。在遍历所有参与者之后，函数效用如果没有增加则意味达到了纳什均衡[19]。第K个参与者要获得在T+1时刻的最佳响应动态必须满足如下条件：

其中，[（Ak，At-k）]是第K个参与者在时间T时的动作表现，[At+1k]为在非合作策略下参与者的动作。

2.3 效用函数与势函数

为解决等式（4）中出现的问题，使用一个潜在的博弈论方式，第K个参与者的效用函数就相当于是目标函数[20]：

目标函数U相当于是最大化D2D通信过程中的功率效率。

根据效用函数（10），势函数可用如下公式表示：

因此，基于上文势函数，[At+1k=argmaxβk（A）]是最大化的势函数，纳什均衡可得到保障[21]。这个动作具有紧密凸性，而势函数[βk（Ak，A-k）]连续可微，因此确定有纳什均衡的存在。

3 仿真结果

将本文所提方法与传统蜂窝网络及认知D2D网络在功效方面进行仿真分析。D2D通信设备部署在一个300m2的区域内，在这个区域内D2D设备随机进行分配，假设每个设备有两个信道的干扰且每个通信设备总有数据进行传输。区域内总共有M个信道，而用于每个设备进行通信的信道是M信道的子集，并且任何两个设备之间可用的信道不同。仿真中，通信设备用户根据信道被占用的概率选择未被占用的信道进行通信。对于每个信道来说，信道被占用或是信道空闲的概率是一样的，并且这个概率是独立的。每个节点的功率效率是在仿真范围内由通信设备的仿真参数和通信信道的仿真参数值计算出来的。仿真参数如表1所示。

表1 仿真参数

根据表1中的仿真数据进行仿真分析得到图1。

图1表明设备数量在10-400范围内设备的平均功率效率。一开始，随着设备的增加，每个设备的平均功率效率也在提高，这是由于在可用的空间区域内，对于可用的信道进行有效复用的结果。在固定区域内，当设备增加到一个固定点时，每个设备的平均能量效用开始逐渐降低，这是由于没有更多的空间用于有效的信道复用。此后，随着通信设备数量的增加，每个设备的平均功率效率在减少。由图2可知，与传统的蜂窝网络及D2D通信网络相比，本文所提方法具有较高效的功率效率。

图1 设备数增加后相应的功率效率

图2说明信道在10-25范围内变化时每个设备在变化的信道参数下的平均功率效率，通信设备数量设定为100个，可用信道增加导致分配信道概率上升。因此，每个设备平均功率效率的提升是随着可用信道数量的增加而上升的。但是在超过纳什均衡点时这个速率增加很缓慢。与传统的蜂窝网络及D2D通信网络相比，本文所提方法具有较高效的功率效率。

图2 信道数增加相应的功率效率

4 结语

本文讨论了基于认知D2D通信中的信道分配问题。针对D2D通信设定一个模型，假设每个D2D通信设备都具备认知感知能力，根据设定模型提出一个优化的信道分配问题，提出一种基于博弈论的信道分配方式，最大化D2D通信设备的功率效率。仿真实验表明，在变化的设备参数和信道数量下，本文所提方法相对于其它方式有更优质的通信链路可选，提高了每条链路的功率效率，同时减少了设备信道占用时间，大大提高了通信资源利用率。

要完全实现通信效率的提高，本文研究内容还远远不够，系统模型及理论设计需更上一个层次。后续研究争取将研究理论应用于实践，助力推进5G。

参考文献：

[1] ELSAWY H， HOSSAIN E. Two-tier hetnets with cognitive femtocells：downlink performance modeling and analysis in a multi-channel environment[J]. IEEE Trans，Mobile Comput，2014，13（3）：649-663.

[2] FLINT I， LU X， PRIVAULT N， et al. Performance analysis of ambient rf energy harvesting： a stochastic geometry approach[C]. Proceedings of IEEE GLOBECOM， 2014：1471-1476.

[3] LEI L，SHEN X，DOHLER M，et al. Queuing models with applications to mode selection in device-to-device communications underlaying cellular networks[J]. IEEE Transactions on Wireless Communications，2014，13（12）：6697-6715.

[4] DOPPLER K， RINNE M P， WIJTING C， et al. Device-todevice communication as an underlay to LTE-advanced networks[J]. IEEE Communications Magazine，2009，47（12）：29-42.

[5] FODOR G， DAHLMAN E，? MILDH G， et al. Design aspects of network assisted device-to-device communications[J]. IEEE Communications Magazine，2012，50（3）：70-177.

[6] LEE D H， CHOI K W，JEON W S，et al. Two-stage semidistributed resource management for device-to-device communication in cellular networks[J]. IEEE Transactions on Wireless Communications，2014，13（4）：1908-1920.

[7] WANG H，CHU X. Distance-constrained resource-sharing criteria for device-to-device? communications underlaying cellular networks[J]. Electronics Letters，2012，48（9）：528-530.

[8] AHMED H S. Cognitive and energy harvesting-based D2D communication in cellular networks： stochastic geometry modeling and analysis[J]. IEEE Transactions on Communications，2015，63（5）：1867-1880.

[9] 唐菁敏，龍华，邵玉斌，等. 中继选择协议下的认知无线电系统性能研究[J]. 电子技术应用，2012，38（10）：10-11.

[10] HAJIAGHAJANIF，MEHDIR. Downlink resource reuse for device- to-devicecommunication underlaying cellular networks using a generalized knapsack framework[C]. Proceedings ofthe 13th IEEE Annual Consumer Communications & Networking Conference.Washington D. C， USA： IEEE Press， 2016：171-176.

[11] 陶卿，高乾坤，姜纪远，等. 稀疏学习优化问题的求解综述[J]. 软件学报，2013，24（11）：2498-2507.

[12] 张莹，滕伟，韩维佳，等. 认知无线电频谱感知技术综述[J]. 无线电通信技术，2015，41（3）：12-16

[13] GEORGIOSI，TSIROPOULOSOA，DOBRE M H A，et al. Radio resource allocation techniques for ef？cient spectrum access in cognitive radio networks[J]. IEEE Communications Surveys & Tutorials，2016，18（1）：824-847.

[14] LIANG LIANG，FENGGANG，ZHANGYIDE. Resource allocation with interference coordination for relay-aided cellular of DMA systems[J]. IET Communications， 2012， 6（3）：300-310.

[15] JAMES C F， LI M L， GAO F F. Device-to-device （d2d） communication in mu-mimo cellular networks[C]. Global Communications Conference （GLOBECOM），2012：3583-3587.

[16] MIN H，SEO W，LEE J， et al. Reliability improvement using receive mode selection in the device-to-device uplink period underlaying cellular networks[J]. IEEE Transactions on Wireless Communications，2011，10（2）：413-418.

[17] BOGALE T E，VANDENDORPE L. Linearly combined signal energy based spectrum sensing algorithm for cognitive radio networks with noise variance uncertainty[C]. 8th International Conference on Cognitive Radio Oriented Wireless Networks，2013：80-86.

[18] AHMED HAMDI SAKR，HINA TABASSUM，EKRAM HOSSAIN，et al.Cognitive spectrum access in device-to-device-enabled cellular networks[J]. IEEE Communications Magazine， July 2015，53（7）：126-133.

[19] LEI L，SHEN X，DOHLER M，et al. Queuing models with applications to mode selection in device-to-device communications underlaying cellular networks[J]. IEEE Transactions on Wireless Communications，2014，13（12）：6697-6715.

[20] DOPPLER K，RINNE M? P，WIJTING C，et al. Device-to device communication as an underlay to LTE-advanced networks[J]. IEEE Communications Magazine，2009，47（12）： 29-45.

[21] FODOR G， DAHLMAN E， MILDH G， et al. Turanyi.design aspects of network assisted device-to-device communications[J]. IEEE Communications Magazine，2012，50（3）：70-177.

（責任编辑：杜能钢）

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。