基于穷举搜索的5G通信D2D资源分配算法

魏 康，夏宇星

（中通服咨询设计研究院有限公司，江苏 南京 210019）

0 引 言

5G作为下一代移动通信系统，具有频谱利用率高和能效大的特点。与4G相比，5G移动通信系统需要服务更多类型的用户，在有限的通信资源中如何保障用户的服务质量成为了当前研究的热点和难点[1]。D2D设备直通技术是5G异构网络的关键技术之一，具有速率快、延迟率低、通信安全程度高、操作性高、抗灾性强以及能耗低等特点，对未来5G网络架构建设有着重大影响。D2D设备直通技术借助网络中近邻设备进行直接通信，通过共享蜂窝用户的频谱资源来提升频谱利用率，但复用通信资源会对使用5G通信技术的用户带来不同程度的干扰与影响，并且其影响程度会随着使用人数的逐渐增多而加深。因此，如何在不影响5G通信技术的服务质量的情况下提升通信资源的利用率是当前研究的热点，针对该问题研究5G通信环境下D2D资源的分配具有重要意义。

1 穷举搜索法

穷举搜索法是按某种顺序对众多可能解进行逐一枚举和检验，从这些可能解中找出符合要求的解作为问题的答案[2]。当需要解决的问题符合如下情况时适合使用穷举搜索法，即问题的可能解不唯一且数量有限，问题可能解被划定在一定范围中，而且需要解决的问题不能通过其他方法或算法予以解决。

具体到5G通信D2D资源分配上，穷举搜索法将D2D资源分配的可能取值全部放入考虑范围之中，并逐一进行相关公式的计算，比较得到最优解，从而真正实现全域搜索[3]。穷举搜索法与优化方法相比，它可得到D2D资源分配的最优值，而不是某局部范围内的较优值，因此可以得到最接近实际需要的D2D资源分配方式，且初始值的变化不影响最终结果的确定。在给定的搜索范围内，可得到确定的D2D资源分配方式最优值。由于穷举搜索法需要搜索5G通信D2D资源所有的分配方式，因此其运算时间要比优化方法长，这也是穷举搜索法只适用于存在有限数量可能解的问题的原因。

2 基于穷举搜索的5G通信D2D资源分配算法

2.1 建立5G通信D2D资源分配模型

5G通信D2D资源分配系统模型由主网络和蜂窝网络两大部分组成，主网络以蜂窝用户为主要用户，以D2D用户为次要用户。在蜂窝系统中，用Mmax表示主网络所拥有的最大信道数，次要用户所能复用的信道数由PU的数量和状态是否良好决定，而每个主要用户都可以单独配置一个网络信道，多对D2D、DUE及CUE复用全频谱资源才能配置一个网络信道[4]。因此，DUE之间的同层干扰现象以及DUE与CUE之间的跨层干扰现象在蜂窝系统中必定存在。考虑到DUE本身所具备的认知性和系统中必然存在的干扰现象，将DUE作为系统的发送端和接收端以感知空闲频谱资源。

次级用户DUE发送端和接收端的集合形式为D={DA1-DS1,DA2-DS2,…,DAx-DSx,…,DAn-DSn}， 其 中DAx表示DUE发送端，DSx表示DUE接收端。CUE的集合形式为C={C1,C2,…,Cx,…,Cn}。

在建立模型的过程中要考虑干扰分析及5G移动通信系统的吞吐量，假设小区中的通信设备包含1个基站、1个CUE及两个D2D。CUE的上行链路资源被两个D2D同时复用，这时需要分析复用CUE资源对各个通信设备的干扰情况，主要有以下两种干扰方式。

一是由于每一对次级用户DUE发送端和接收端都需要复用对应CUE的上行链路资源，因此会出现D2D用户之间的同频干扰。其中，DA1与DA2受到的同频干扰用IDA1和IDA2表示。在DA1处会受到来自DS2和蜂窝网络用户CUE的上行链路干扰，DA2则会受到DS1和CUE的干扰，即：

式中，IA1表示蜂窝网络用户在A1处受干扰的程度，I1表示蜂窝网络用户在A1处受到的同频干扰，I2表示蜂窝网络用户在A2处受到的上行链路干扰，N0表示加性高斯白噪声。此外：

式中，IA2表示蜂窝网络用户在A2处受干扰的程度，I3表示蜂窝网络用户在A2处所受到的同频干扰，I4表示蜂窝网络用户在A1处受到的上行链路干扰。

二是通信基站本身会受到来自D2D用户发送端的干扰，该干扰用IBS表示。这种情况下的分配模型为：

式中，DA1表示通信基站在A1处受到的同频干扰，DA2表示通信基站在A2处受到的上行链路干扰。

2.2 5G通信D2D资源分配相关计算操作流程

通过建立5G通信D2D资源分配模型可得出系统吞吐量，即：

式中，Rsum表示系统的吞吐量，R1表示用户处传播信息的速率，R2表示通信基站传播信息的速率，IBS表示通信基站受到来自D2D用户发送端的干扰。

根据5G通信D2D资源分配模型和相关干扰分析，结合穷举搜索法的相关算法，可将5G通信D2D资源分配问题表示为：

式中，R表示系统资源分配的最佳吞吐值，RD2Di表示i个D2D用户所处位置传播信息的速率，RBS表示通信基站受到的来自D2D用户发送端的干扰程度。

此外，还需要找到在阈值范围内蜂窝用户和DUE的特定发送功率，使系统吞吐量达到最大值，这样基于穷举搜索的5G通信D2D资源分配才可以实现最优，流程如图1所示。

图1 算法流程图

获取当前系统中用户位置及相关参数，将数据初始化后进行相关计算，以符合网络和用户参数要求作为穷举搜索终止的标准，最终筛选出符合网络和用户参数要求的数值，使5G通信D2D资源分配达到最优。

3 5G通信D2D资源分配实验仿真及性能分析

本文提出一种基于穷举搜索的5G通信D2D资源分配算法，通过获取的用户数据信息进行数据的相关处理，结合穷举搜索算法在保证用户需求和服务质量的情况下进行5G通信D2D资源分配最优化操作，对所有数据进行计算，从而得出5G通信D2D资源的最佳分配方案。

为了评估基于穷举搜索的5G通信D2D资源分配算法的优劣性，在仿真实验过程中都采用通用的仿真参数及相关约束条件[5]。首先模拟小区中DUE，CUE和基站的分布位置，将D2D发送端和接收端与基站的距离以及DUE用户数量作为实验变量，与PSO算法和最大功率算法这两种分配方法进行比较，检验基于穷举搜索的5G通信D2D资源分配算法的仿真效果。取30次实验仿真的结果以保证实验的准确性和客观性，其中一次实验的网络中用户位置分布示意如图2所示。

图2 网络中基站、CUE及DUE位置分布图

仿真模拟一个CUE用户资源被5个D2D用户复用，对比基于穷举搜索的5G通信D2D资源分配算法与粒子群算法和最大功率分配方法，结果如图3所示。

图3 算法比较的结果

由图3可知，基于穷举搜索的5G通信D2D资源分配算法相比于最大功率算法，其算出的资源分配方式给用户带来的干扰更小。与粒子群算法相比，其吞吐量较大。粒子群算法只能找出资源分配问题的较优解，而穷举搜索可以通过计算所有数据来找出资源分配问题的最优解。

4 结 论

本文对基于穷举搜索的5G通信D2D资源分配算法进行了相关研究，通过初步建立5G通信D2D资源分配数据模型，融合穷举搜索的相关特性建构算法，且实验验证了基于穷举搜索的5G通信D2D资源分配算法优于粒子群算法和最大功率算法。希望本文可以对5G通信D2D资源分配算法的研究有一定的帮助。