D2D通信的干扰控制和资源分配算法研究

范康康，董颖，钱志鸿，王雪



D2D通信的干扰控制和资源分配算法研究

范康康，董颖，钱志鸿，王雪

（吉林大学通信工程学院，吉林 长春 130012）

针对D2D（device-to-device）通信复用蜂窝资源所带来的干扰问题，提出了一种单小区蜂窝系统下D2D通信的干扰控制和资源分配算法。首先，根据系统内用户之间的干扰构建干扰图，为D2D用户寻找可以复用的信道资源；然后根据预先设定的D2D用户优先级依次为D2D用户执行信道资源预分配和信道交换策略。仿真结果表明，所提出的算法可以明显提高系统的吞吐量以及D2D用户的接入率，使系统在存有少量或大量D2D用户的情况下都能使性能达到更优。

D2D通信；干扰控制；资源分配；信道交换

1 引言

近年来，智能终端数量增长迅速，而蜂窝系统中的频谱资源却是有限的，为了能够满足更多用户的需求，D2D通信技术应运而生。D2D通信技术作为短距离无线通信的关键技术可以明显降低基站负载，并且已经加入到LTE-Advanced相关的技术标准中[1]。D2D通信不需要基站作为中继，能够大幅度的提高蜂窝系统的频谱利用率以及吞吐量，可以使更多的设备接入到系统中[2]。目前，D2D通信技术已经成为物联网[3]与下一代移动通信（5G, 5-generation）[4-5]的关键技术之一。

D2D通信主要存在3个研究热点：模式选择[6-8]、功率控制[9-10]和资源分配。而在研究中干扰是不可避免的，合理的干扰管理可以有效提高系统的整体性能。本文针对资源分配展开研究，现有的资源分配算法大多都集中在蜂窝用户和D2D用户一对一的分配方式。Xu[11]提出了一种启发式算法，在D2D对和蜂窝用户独立分配信道时，优先保证蜂窝通信，在每一轮分配中D2D对优先选择对蜂窝用户干扰最小的资源复用。Feng[12]提出了一种完美信道下的资源分配算法，运用分支定界法将问题分成了3个步骤，根据距离为D2D链路定义接入方式、依据凸优化算法选择最佳功率以及通过二分图来进行分配资源。Guo等[13]提出了一种在瑞利衰落信道下多用户场景的基于图的资源分配方案，有效地降低了计算复杂度。Wang[14]则提出一种简化的二分图，以最大化速率为目标运用匈牙利算法进行资源分配。

对于一对一的分配方式仅适用于D2D用户数量小于蜂窝用户数量的情况。而当蜂窝系统中存在大量D2D用户时，上述的资源分配方式将不再适用，于是就出现了多对一的分配方式，即多对D2D用户复用一个蜂窝用户的信道资源。对此，Xu等[15]同时研究了信道分配和功率控制问题，允许多对D2D与蜂窝用户共享资源，以最大限度地提高D2D通信链路的能量效率。Yang等[16]提出了一种全资源共享方案，每个信道可以由蜂窝链路和任意数量的D2D链路共享，可以很大程度上提高用户的吞吐量。Sun[17]根据系统中各个通信链路之间的相互干扰，提出了一种贪婪启发式算法，可以显著增加D2D链路的接入数量。上述文献中的多对一的资源分配算法，虽然可以明显提高蜂窝系统的吞吐量，但是其分配方式仍然存在较大的干扰，不能同时保证蜂窝用户和D2D用户的服务质量（QoS, quality of service）需求，并且仅适用于D2D用户较多的情况。与上述文献不同，Son等[18]提出了一种分组的资源分配方式，将D2D用户分成几组，尽量保证空间上远离的D2D用户分成一组，最终在蜂窝用户的候选集中选择距离基站最近的蜂窝用户，此算法保证了用户的QoS需求，并且在接入率上有很大的提高，但是算法的优化过程中没有考虑吞吐量，因此系统总的吞吐量保持在一个较低的水平，同时一旦D2D用户增多，每一个组内的D2D用户也必然增多，此时无法保证组内D2D用户之间的距离在合理的范围之内。

为了更好地解决上述问题，本文提出了一种D2D通信的干扰控制和资源分配算法，首先根据系统内存在的干扰建立一个干扰图，然后为将要接入蜂窝系统的D2D用户分配优先级，最后为D2D用户执行资源预分配方案，并执行信道交换策略以提高系统吞吐量。本文算法可以使蜂窝系统中存在少量D2D用户或大量D2D用户的情况下都能使性能达到更优，不仅可以明显提高系统总的吞吐量和D2D用户的接入率，还可以减小系统内的干扰，有效保证蜂窝用户和D2D用户的QoS需求。

2 系统模型

在单小区蜂窝网络中，假设存在个蜂窝用户和对D2D用户，同时有个信道资源，每一个蜂窝用户占用不同的信道资源，这样就构成了一个全负载蜂窝系统。根据和的数量关系可以分为两种情况：当蜂窝系统中存在较少的D2D用户时，即≥，往往采用一对一的分配原则；当蜂窝系统中存在大量的D2D用户时，即<，若采用一对一的方式进行分配，将会有大量的D2D用户无法接入网络，因此在这种情况下应采用多对一的方式来提高系统吞吐量以及D2D用户的接入率。本文算法同时适应于≥和<的情况。在全负载网络中，蜂窝用户和D2D用户的索引集表示为={1,2,…,}，={1,2,…,}，信道索引集表示为{1,2,…,Ch}。如图1所示，若有3对D2D用户{1,2,3}和2个蜂窝用户{12}，D−表示D2D用户的发射端，D−表示D2D用户的接收端。1和2复用1的信道资源，3单独复用C的信道资源，则网络中存在3种干扰，即同一信道内D2D用户之间的干扰，D2D用户对基站的干扰以及蜂窝用户对D2D用户的干扰。

图1 系统模型

蜂窝用户和D2D用户的信干噪比(SINR)及其限制条件表示如下。

系统中总体的吞吐量可表示为式(7)。

3 基于干扰图的干扰管理

3.1 干扰图的构建

图2 干扰图

3.2 D2D用户之间的干扰

为了保证信道分配后每对D2D用户的通信质量，本文限制同一信道中D2D用户之间的距离大于一定的安全距离，以使D2D用户受到的干扰在合理范围之内。通过理论分析可以得到每一对D2D用户可以与其他D2D用户共享同一信道的最小距离d，只有D2D用户之间的距离不小于0i才能保证D2D用户之间的干扰在合理范围之内。由式(3)可以得到式(10)和式(11)。

式(11)中将D2D用户分为两部分，第一部分为信道内现有的D2D用户o对，第二部分为还未分配信道的D2D用户对。令

由式(11)和式(12)可以求得D2D用户对之间的最小距离。

因为在不同信道中已有的D2D用户是不同的，所以0i会根据信道的不同而不同。D2D用户之间的距离定义为一个矩阵d，矩阵对角线是同一对D2D用户的距离，所以设置为零。

本文定义一个指示集合Ψ，当d≥0i且d≥0j，Ψ=1，否则Ψ=0。当Ψ=1时，表示第对D2D用户和第对D2D用户可以分配到同一个信道中。

为了方便说明，以几何图形的方式来分析上述过程，以D2D用户D的发射端为圆心，0i为半径画圆，其圆外称为可行性区域，允许可行性区域内的其他D2D用户与D分在同一个信道。以3对D2D用户1、2、3为例，如图3所示，1的接收端在2的可行性区域，并且2的接收端也在1的可行性区域，即12≥01，21≥02，所以1和2可以分配在同一个信道中。由于3的接收端不在2的可行性区域，即23<02，所以3不能与2分配在同一个信道中。

图3 D2D用户之间的干扰距离限制

3.3 蜂窝用户对D2D用户的干扰

由式(16)、式(4)可以得到蜂窝用户和D2D用户的最小距离。

3.4 D2D用户对蜂窝用户的干扰

分布在同一信道的D2D用户，不仅要保证D2D用户所受的干扰在合理范围之内，更重要的是要保证蜂窝用户所受的干扰不能影响其通信质量。由式(1)~式(4)可以得到蜂窝用户所能承受的最大干扰，如式(20)所示。

4 D2D用户资源分配策略

本文首先定义D2D用户的优先级，并按照优先级大小依次分配资源。D2D用户的优先级由QoS需求、等待时延[19]和用户的紧急程度[20]共同决定。QoS需求由D2D用户的业务类型决定，3GPP划分了4种业务，分别为会话类业务、流类业务、交互类业务和背景类业务，并根据吞吐量和时延抖动等要求赋予了不同的权值，且满足W>W>W>W；同时随着D2D用户的等待时间wait的增加，其优先级也不断增加，当wait≥max时，优先级设置为最高值max，max为D2D用户可以容忍等待的最大时间；紧急程度由D2D用户在一定时间内的请求次数决定，请求次数越多说明紧急程度越大，当请求次数大于一定次数max之后，优先级设置为最高值max。基站实时监测用户的状态信息，并为D2D用户分配优先级，D2D用户的优先级(D)定义如下。

由式(3)和式(4)可以得到D2D用户所能承受的最大干扰。

4.1 D2D用户资源预分配

为了最大化系统的总吞吐量，首先进行资源预分配。按照优先级顺序依次为D2D用户进行资源分配，假设(D)(D)…(D)(D)…，过程如下。

步骤3 优化策略组合。若某一D2D用户的候选集{}中的所有信道已经被其他D2D用户占用，则取出T最大的信道所复用的D2D用户，判断{}中是否存在未被占用的信道资源。若有，则令第对D2D用户在{}未被占用的信道资源中选择T最大的信道复用，第对D2D用户复用D2D用户空出的信道资源，否则，取出T次大的信道继续执行。若存在D2D用户一直找不到可以复用的信道，即{}=，表示空集，此D2D用户进入等待状态，并继续为下一对D2D用户分配资源。直到每一个信道都被某一对D2D用户复用或已经遍历完所有的D2D用户为止，将剩余D2D用户存入集合中，并按优先级排序。若=，算法结束，否则执行步骤4。

吞吐量增益由式(30)表示。

式(30)中前半部分表示D2D用户加入信道之后信道内用户总的吞吐量，后半部分表示D2D用户未加入信道时信道内用户总的吞吐量。T′、T表示信道内每个用户的吞吐量。

本文构建一个资源分配二分图=(,)，来说明每对D2D用户在进行资源分配时可以复用的信道资源，若D2D用户的候选集中包含某一信道，则此D2D用户与信道之间就有连线，连线的权重为吞吐量大小。顶点表示进行资源分配的D2D用户和信道资源，边表示D2D用户和信道之间的权值。如图4所示，顶点1,2,…,Ch表示信道，分布在图的上边，顶点1,2,…,D表示D2D用户，分布在图的下边。D2D用户和信道之间的权值用T表示。

图4 资源分配二分图

4.2 信道交换策略

为了使系统吞吐量进一步提高，本文在D2D用户预分配信道之后，执行信道交换策略，确定每对D2D用户最终分配的信道。信道交换策略指的是将不在同一信道的D2D用户与D2D用户交换复用信道。交换信道的首要条件是两对D2D用户的最终候选集{}和{}中要互相包含对方所在的信道才能有交换的资格。决定两对D2D用户是否交换信道的标准为吞吐量标准和中断概率标准。其中，吞吐量标准是指交换信道后是否能够提高系统吞吐量；中断概率标准是指信道的交换策略是否会导致信道内蜂窝用户通信中断或者发生交换的D2D用户通信中断，即判断是否满足其最小信干噪比要求，如式(2)、式(4)所示。当≥时，仅对吞吐量标准进行判断，若吞吐量提高则交换信道；当<时，则同时对吞吐量标准和中断概率标准进行判断，若在吞吐量提高的同时信道内的用户不会发生通信中断则交换信道。本文依据上述准则将已经预分配信道的D2D用户按照优先级顺序依次与其他非同一信道的D2D用户执行信道交换策略，直到遍历完所有预分配信道的D2D用户为止。因此，信道交换的次数最多为(−1)次，由于D2D用户候选集的不同，并且存在两个用户在同一信道的情况等，其交换次数必然远远小于(−1)。

4.3 复杂度分析

本文所提出的干扰控制和资源分配算法在系统性能方面有了很大的提高，但是衡量算法的优劣不仅仅在于系统性能，算法复杂度同样也是衡量算法优劣的重要指标。接下来本文分析在最差情况下的算法复杂度，最差情况为所有的D2D用户同时接入网络并且共用一个信道资源，其复杂度表示如式(31)所示。

prop=(()(−1)+()2(−1)) (31)

式(31)的前一部分为干扰控制部分的复杂度，后一部分为资源分配部分的复杂度。当的值足够大时，取复杂度为prop=(())。

若在资源分配的过程中遍历所有的可能性，即最优算法。则其算法复杂度如式(32)所示。

opt=(M) (32)

从式(32)中可以看出，随着和数量的增加算法复杂度成幂指数增加。而本文所提出算法的复杂度都是在最差情况下求得的，真实情况中不会出现这种情况，所以算法复杂度会远远小于(()3)。因此，本文提出算法的复杂度要远远低于最优算法。

5 仿真

本文以Matlab 2016a为仿真平台对算法进行仿真，采用蒙特卡洛方法重复执行1 000次，然后对结果取平均值，每一次算法执行过程中，蜂窝用户和D2D用户均随机分布在系统中，D2D用户之间的距离随机产生，并限定在50 m以内，分别在≥和<两种情况下对系统性能进行仿真，同时仿真中蜂窝用户和D2D用户均取最大发射功率。系统中仿真参数如表1所示。

本文分别从吞吐量和D2D用户的接入率两方面与分组算法[18]、启发式算法[19]和随机算法进行比较。其中，为了将启发式算法与本文算法形成对比，本文对启发式算法在多对一的情况下进行了仿真；随机算法，即随机选择匹配组合。D2D用户的接入率表示为成功接入网络的D2D用户数量与系统中所有D2D用户数量的比值。

表1 仿真参数

首先对≥时系统吞吐量和D2D用户的接入率进行仿真，图5和图6中取的数量为30个，的数量从5对增加到30对。如图5所示，本文提出的算法的吞吐量明显高于其他3种算法，在D2D用户数量较少时，本文提出算法与启发式算法、分组算法吞吐量相差较小，但随着D2D用户的增多，3种算法的差距越来越大，吞吐量与启发式算法相比最大可提高约13%。如图6所示，随着D2D用户数量的增加，本文算法与分组算法可以依然保持较高的接入率，仅出现轻微下降，而启发式算法的D2D用户接入率明显下降。由于随机算法选择复用信道资源的随机性，所以其D2D用户的接入率不会有明显的变化，基本保持在一个相对平稳的状态。

图5 M ≥N时系统吞吐量

从图7和图8可以得到当<时系统总的吞吐量和D2D用户的接入率的变化趋势。当系统中的数量为5个，的数量从5对增加到30对时，如图7所示，随着D2D用户的增多吞吐量增加的速度逐渐变缓，这是由于系统资源有限，D2D用户数目越多，每个信道中含有的D2D用户也随之增多，导致系统中干扰增大，因而吞吐量增加趋势开始变缓。同时，本文所提算法的吞吐量明显高于分组算法、启发式算法和随机算法。从图8可以看出，随着D2D用户的增多其接入率逐渐下降，同样是由于D2D用户越多干扰越大造成的。而且，本文所提出的算法的用户接入率下降的幅度明显小于启发式算法和随机算法，其用户接入率平均比启发式算法高约30%，比随机算法高约38%。而分组算法在D2D用户较少的情况下可以保证较高的接入率，但是当D2D用户的不断增大时，与本文算法相比下降的幅度依然较大。

图6 M≥N时D2D用户的接入率

图7 M < N时系统吞吐量

图8 M < N时D2D用户的接入率

接下来仿真≥和<时每个信道吞吐量的累积分布函数图，由于分组算法容易出现D2D用户集中复用少量蜂窝用户的情况，导致组间D2D用户分布不均，并且此算法并不是以提高吞吐量为主要目标，仿真每个信道吞吐量的意义并不大，因此此处只与启发式算法和随机算法作比较。从图9和图10中可以明显地看出本文所提出的算法明显优于其他算法。图9为≥时的仿真图，为了更清晰的观察算法性能，取和的数量均为30，从图中可以看出本文提出的算法在吞吐量为4.0×106~6.0×106bit/s的信道要明显高于其他两种算法，约有62%的信道吞吐量超过4.0×106bit/s，而启发式算法和随机算法分别约占41%、32%；图10为<时的仿真图，取的数量为5，的数量为30，从图10中可以看出此时本文提出算法的系统吞吐量始终远远超过随机算法和启发式算法，约有88%的信道吞吐量超过1.0×107bit/s，而启发式算法和随机算法分别约占53%、45%。

图9 M≥N时信道吞吐量的累积分布函数

图10 M < N时信道吞吐量的累积分布函数

6 结束语

为了提高系统吞吐量和D2D用户接入率，降低用户之间的干扰，本文提出了一种D2D通信的干扰控制和资源分配算法。该算法分为干扰控制和资源分配两部分，在干扰控制方面建立一个干扰图，分析了系统中存在的3种干扰，并以此判断D2D用户可以复用的信道资源；在资源分配方面首先为D2D用户设定优先级，然后为D2D用户执行资源预分配，并执行信道交换策略以提高系统吞吐量。仿真结果显示，本文所提出的算法在吞吐量和D2D用户接入率方面都明显优于其他算法。

[1] KLAUS D, MIKA R, CARL W, et al. Device-to-device communication as an underlay to LTE-advanced networks[J]. IEEE Communications Magazine, 2009, 47(12): 42-49.

[2] 钱志鸿, 王雪. 面向5G 通信网的D2D 技术综述[J]. 通信学报, 2016, 37(7): 1-14.

QIAN Z H, WANG X. Reviews of D2D technology for 5G communication networks[J]. Journal on Communications, 2016, 37(7): 1-14.

[3] 钱志鸿, 王义君. 面向物联网的无线传感器网络综述[J]. 电子与信息学报, 2013, 35(1): 215-227.

QIAN Z H, WANG Y J. Internet of things-oriented wireless sensor networks review[J]. Journal of Electronics & Information Technology, 2013, 35(1): 215-227.

[4] IMRAN A, ZOHA A. Challenges in 5G: how to empower SON with big data for enabling 5G[J]. IEEE Network, 2014, 28(6): 27-33.

[5] 张平, 陶运铮, 张治. 5G 若干关键技术评述[J]. 通信学报, 2016, 37(7): 15-29.

ZHANG P, TAO Y Z, ZHANG Z. Survey of several key technologies for 5G[J]. Journal on Communications, 2016, 37(7):15-29.

[6] CHOU H J, CHANG R Y. Joint mode selection and interference management in Device-to-Device communications underlaid MIMO cellular networks[J]. IEEE Transactions on Wireless Communications, 2017, 16(2): 1120-1134.

[7] HOANG T, LONG B L, LE-NGOC T. Joint mode selection and resource allocation for relay-based D2D communications[J]. IEEE Communications Letters, 2017, 21(2): 398-401.

[8] XU Y L. A distributed mode selection scheme for Device-to-Device communications[J]. Wireless Personal Communications, 2016, 90(2): 639-655.

[9] SOBHI-GIVI S, KHAZALI A, KALBKHANI H. Resource allocation and power control for underlay device-to-device communication in fractional frequency reuse cellular networks[J]. Telecommunication Systems, 2017, 65(4): 677–697.

[10] WANG R, LIU J, ZHANG G, et al. Energy efficient power allocation for relay-aided D2D communications in 5G networks[J]. China Communications, 2017, 14(6):54-64.

[11] XU Y F, YIN R, HAN T, et al. Dynamic resource allocation for device-to-device communication underlaying cellular networks[J]. International Journal of Communication Systems, 2014, 27(10): 2408-2425.

[12] FENG D Q, LU L, YI Y W, et al. Device-to-device communications underlaying cellular networks[J]. IEEE Transactions on Communications, 2013, 61(8): 3541-3551.

[13] GUO B, SUN S, GAO Q. Graph-based resource allocation for D2D communications underlying cellular networks in multiuser scenario[J]. International Journal of Antennas and Propagation, 2014, 2014(2): 1-6.

[14] WANG L, TANG H, WU H Q, et al. Resource allocation for D2D communications underlay in rayleigh fading channels[J]. IEEE Transactions on Vehicular Technology, 2017, 66(2): 1159-1169.

[15] XU H, XU W, YANG Z H, et al. Energy-efficient resource allocation in D2D underlaid cellular uplinks[J].IEEE Communications Letters, 2017, 21(3): 560-563.

[16] YANG Y, LIU T, MA X, et al. FRESH: push the limit of D2D communication underlaying cellular networks[J]. IEEE Transactions on Mobile Computing, 2017, 16(6): 1630-1643.

[17] SUN H G, SHENG M, WANG X J, et al. Resource allocation for maximizing the Device-to-Device communications underlaying LTE-advanced networks[C]. //2013 IEEE/CIC International Conference on Communications in China-Workshops (CIC/ICCC), 2013: 60-64.

[18] VAN S D, SHIN Y, SHIN O S. Resource allocation and power control based on user grouping for underlay Device-to-Device communications in cellular networks[J]. Transactions on Emerging Telecommunications Technologies, 2017, 28(1): 1-12.

[19] BALAKRISHNAN R, CANBERK B. Traffic-aware QoS provisioning and admission control in OFDMA hybrid small cells[J]. IEEE Transactions on Vehicular Technology, 2014, 63(2): 802-810.

[20] KALEEM Z, CHANG K. Public safety priority-based user association for load balancing and interference reduction in PS-LTE systems[J]. IEEE Access, 2016, 4: 9775-9785.

Research on the interference control and resource allocation in D2D communication

FAN Kangkang, DONG Ying, Qian Zhihong, WANG Xue

College of Communication Engineering, Jilin University, Changchun 130012, China

In order to solve the problem of interference caused by D2D users reuse cellular resources in cellular network, an algorithm of interference control and resource allocation of D2D communication in single cell cellular system was proposed. Firstly, an interference graph was constructed according to the interference between users in the system to find the reusable channel resource for D2D users. Then, the channel resource pre-allocation and the channel switching policy were performed for D2D users in sequence according to the preset D2D user priority. The simulation results show that the proposed algorithm can significantly improve the system throughput and the access rate of D2D users so that the system can achieve better performance in the presence of small or large number of D2D users.

D2D communication, interference control, resource allocation, channel exchange

TN92

A

10.11959/j.issn.1000-436x.2018240

范康康（1992−），男，山东滨州人，吉林大学硕士生，主要研究方向为D2D通信技术。

董颖（1971−），女，辽宁开原人，博士，吉林大学副教授、硕士生导师，主要研究方向为近距离无线通信技术、物联网、无线传感器网络。

钱志鸿（1957−），男，吉林长春人，博士，吉林大学教授、博士生导师，主要研究方向为基于物联网、D2D、WiFi、RFID等无线网络与通信技术。

王雪（1984−），女，吉林白山人，博士，吉林大学副教授，硕士生导师，主要研究方向为物联网与D2D通信技术。

2018−01−18；

2018−05−09

钱志鸿，dr.qzh@163.com

国家自然科学基金资助项目（No.61771219）；吉林大学基础科研基金资助项目（No.SXGJQY2017-9, No.2017TD-19）

The National Natural Science Foundation of China (No.61771219), Fundamental Research Funds of Jilin University (No.SXGJQY2017-9, No.2017TD-19)