高级搜索

基于时延优化的蜂窝D2D通信联合用户关联及内容部署算法

柴蓉 王令 陈明龙 陈前斌

引用本文: 柴蓉, 王令, 陈明龙, 陈前斌. 基于时延优化的蜂窝D2D通信联合用户关联及内容部署算法[J]. 电子与信息学报, 2019, 41(11): 2565-2570. doi: 10.11999/JEIT180408 shu
Citation:  Rong CHAI, Ling WANG, Minglong CHEN, Qianbin CHEN. Joint Clustering and Content Deployment Algorithm for Cellular D2D Communication Based on Delay Optimization[J]. Journal of Electronics and Information Technology, 2019, 41(11): 2565-2570. doi: 10.11999/JEIT180408 shu

基于时延优化的蜂窝D2D通信联合用户关联及内容部署算法

    作者简介: 柴蓉: 女,1974年生,教授,研究方向为通信网络架构及关键技术、无线资源管理及移动性管理技术等;
    王令: 女,1993年生,硕士生,研究方向为无线通信、无线资源管理及网络虚拟化等;
    陈明龙: 男,1993年生,硕士生,研究方向为无线资源管理、网络虚拟化及内容缓存等;
    陈前斌: 男,1967年生,教授,研究方向为无线通信、通信网络理论、软件定义网络、多媒体技术等
    通讯作者: 柴蓉,chairong@cqupt.edu.cn
  • 基金项目: 国家自然科学基金(61571073);国家科技重大专项(2016ZX03001010-004)

摘要: 针对蜂窝网络传输性能及基站(BS)缓存能力受限,多用户内容请求难以满足用户服务质量(QoS)需求等问题,该文提出一种蜂窝终端直通(D2D)通信联合用户关联及内容部署算法。考虑到位于特定区域的多用户可能对于相同内容存在内容请求,该文引入成簇思想,提出一种成簇及内容部署机制,通过为各簇头推送热点内容,而簇成员基于D2D通信模式关联簇头获取所需内容,可实现高效内容获取。综合考虑成簇数量、用户关联簇头、簇头缓存容量及传输速率等限制条件,建立基于用户总业务时延最小化的联合成簇及内容部署优化模型。该优化问题是一个非凸的混合整数优化问题,该文运用拉格朗日部分松弛法,将原优化问题等价转换为3个凸优化的子问题,并基于迭代算法及Kuhn-Munkres算法联合求解各子问题,从而得到联合成簇及内容部署优化策略。最后通过MATLAB仿真验证所提算法的有效性。

English

    1. [1]

      TEHRANI M N, UYSAL M, and YANIKOMEROGLU H. Device-to-device communication in 5G cellular networks: Challenges, solutions, and future directions[J]. IEEE Communications Magazine, 2014, 52(5): 86–92. doi: 10.1109/MCOM.2014.6815897

    2. [2]

      ASADI A, WANG Qing, and MANCUSO V. A survey on device-to-device communication in cellular networks[J]. IEEE Communications Surveys & Tutorials, 2014, 16(4): 1801–1819. doi: 10.1109/COMST.2014.2319555

    3. [3]

      FODOR G, DAHLMAN E, MILDH G, et al. Design aspects of network assisted device-to-device communications[J]. IEEE Communications Magazine, 2012, 50(3): 170–177. doi: 10.1109/MCOM.2012.6163598

    4. [4]

      ZHU Huiling. Radio resource allocation for OFDMA systems in high speed environments[J]. IEEE Journal on Selected Areas in Communications, 2012, 30(4): 748–759. doi: 10.1109/JSAC.2012.120509

    5. [5]

      MA Ruofei, XIA Nian, CHEN H H, et al. Mode selection, radio resource allocation, and power coordination in D2D communications[J]. IEEE Wireless Communications, 2017, 24(3): 112–121. doi: 10.1109/MWC.2017.1500385WC

    6. [6]

      WEN Dingzhu, YU Guanding, and XU Lukai. Energy-efficient mode selection and power control for device-to-device communications[C]. Proceedings of 2016 IEEE Wireless Communications and Networking Conference, Doha, Qatar, 2016: 1–7. doi: 10.1109/WCNC.2016.7565099.

    7. [7]

      PENDA D D, FU Liqun, and JOHANSSON M. Mode selection for energy efficient D2D communications in dynamic TDD systems[C]. Proceedings of 2015 IEEE International Conference on Communications, London, UK, 2015: 5404–5409. doi: 10.1109/ICC.2015.7249183.

    8. [8]

      KLUGEL M and KELLERER W. Leveraging the D2D-gain: Resource efficiency based mode selection for device-to-device communication[C]. Proceedings of 2016 IEEE Global Communications Conference, Washington, USA, 2016: 1–7. doi: 10.1109/GLOCOM.2016.7841953.

    9. [9]

      WANG Kan, YU F R, and LI Hongyan. Information-centric virtualized cellular networks with device-to-device communications[J]. IEEE Transactions on Vehicular Technology, 2016, 65(11): 9319–9329. doi: 10.1109/TVT.2016.2518658

    10. [10]

      PAN Yijin, PAN Cunhua, ZHU Huiling, et al. On consideration of content preference and sharing willingness in D2D assisted offloading[J]. IEEE Journal on Selected Areas in Communications, 2017, 35(4): 978–993. doi: 10.1109/JSAC.2017.2680938

    11. [11]

      LI Xiaoshuai, MA Lin, SHANKARAN R, et al. Joint mode selection and proportional fair scheduling for D2D communication[C]. Proceedings of the 2017 IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications, Montreal, Canada, 2017: 1–6. doi: 10.1109/PIMRC.2017.8292254.

    12. [12]

      LIBERTI L and PANTELIDES C C. An exact reformulation algorithm for large nonconvex NLPs involving bilinear terms[J]. Journal of Global Optimization, 2006, 36(2): 161–189. doi: 10.1007/s10898-006-9005-4

    13. [13]

      LEMARÉCHAL C. S. Boyd, VANDENBERGHE L. Convex optimization[J]. European Journal of Operational Research, 2006, 170(1): 326–327. doi: 10.1016/j.ejor.2005.02.002.

    14. [14]

      HUANG Yifei, NASIR A A, DURRANI S, et al. Mode selection, resource allocation, and power control for D2D-enabled two-tier cellular network[J]. IEEE Transactions on Communications, 2016, 64(8): 3534–3547. doi: 10.1109/TCOMM.2016.2580153

    15. [15]

      JIANG Wei, FENG Gang, and QIN Shuang. Optimal cooperative content caching and delivery policy for heterogeneous cellular networks[J]. IEEE Transactions on Mobile Computing, 2017, 16(5): 1382–1393. doi: 10.1109/TMC.2016.2597851

    1. [1]

      程永生, 朱江, 林孝康. 引入D2D通信的蜂窝网上行资源分配算法. 电子与信息学报, 2014, 36(12): 2822-2827.

    2. [2]

      钱志鸿, 阎双叶, 田春生, 王鑫. LTE-A网络中D2D通信的资源分配算法研究. 电子与信息学报, 2018, 40(10): 2287-2293.

    3. [3]

      谢显中, 田瑜, 姚鑫凌, 雷维嘉. 认知网络中D2D全双工通信的速率最大化功率分配算法. 电子与信息学报, 2017, 39(4): 1002-1006.

    4. [4]

      徐少毅, 张鹏. D2D协作通信网络中基于社交信息的中继选择和功率分配. 电子与信息学报, 2017, 39(5): 1142-1149.

    5. [5]

      周斌, 胡宏林. 提高蜂窝网络中数据分发效率的D2D协作转发算法. 电子与信息学报, 2012, 34(3): 704-709.

    6. [6]

      钱志鸿, 田春生, 王鑫, 王雪. D2D网络中信道选择与功率控制策略研究. 电子与信息学报, 2019, 41(10): 2287-2293.

    7. [7]

      张达敏, 张绘娟, 闫威, 陈忠云, 辛梓芸. 异构网络中基于能效优化的D2D资源分配机制. 电子与信息学报, 2020, 42(2): 480-487.

    8. [8]

      蔡世杰, 肖立民, 王京, 周世东. 利用用户移动提高WiFi业务分担能力的用户激励机制研究. 电子与信息学报, 2015, 37(10): 2431-2437.

    9. [9]

      代海波, 陆忞, 黄永明, 俞菲, 杨绿溪. D2D通信系统中节能功率控制算法. 电子与信息学报, 2017, 39(4): 997-1001.

    10. [10]

      钱志鸿, 胡良帅, 田春生, 王雪. 基于非均衡求解的D2D多复用通信资源块分配算法研究. 电子与信息学报, 2019, 41(12): 2810-2816.

    11. [11]

      章扬, 周正, 石磊, 邹卫霞, 李斌. 蜂窝网络下行链路单反馈干扰对齐算法研究. 电子与信息学报, 2012, 34(12): 2816-2822.

    12. [12]

      王练, 王萌, 任治豪, 白佳洁. D2D网络中基于立即可解网络编码的时延最小化重传方案. 电子与信息学报, 2018, 40(7): 1691-1698.

    13. [13]

      姚琳元, 陈颖, 宋飞, 张宏科. 基于时延的软件定义网络快速响应控制器部署. 电子与信息学报, 2014, 36(12): 2802-2808.

    14. [14]

      曾帅, 盖绍聪, 张毅, 赵国锋, 左理政. 软件定义光网络中一种时延约束的控制器生存性部署方法. 电子与信息学报, 2017, 39(7): 1727-1734.

    15. [15]

      史琰, 刘增基, 盛敏. 区分服务网络中确保业务端到端时延的接纳控制算法研究. 电子与信息学报, 2006, 28(5): 774-779.

    16. [16]

      葛琳, 季新生, 江涛. 基于关联规则的网络信息内容安全事件发现及其Map-Reduce实现. 电子与信息学报, 2014, 36(8): 1831-1837.

    17. [17]

      黄晓舸, 樊伟伟, 曹春燕, 陈前斌. 小蜂窝网络中不活跃用户的最优能量效率资源分配方案. 电子与信息学报, 2019, 41(0): 1-8.

    18. [18]

      李云, 王俊伟, 赵为粮, 刘期烈. 基于基站密度和业务负载的异构蜂窝网络能效优化. 电子与信息学报, 2017, 39(4): 854-859.

    19. [19]

      唐伦, 马润琳, 杨恒, 陈前斌. 基于非正交多址接入的网络切片联合用户关联和功率分配算法. 电子与信息学报, 2019, 41(9): 2039-2046.

    20. [20]

      卫星, 杨坚, 奚宏生. 同构流媒体集群系统优化内容部署. 电子与信息学报, 2009, 31(9): 2232-2236.

  • 图 1  蜂窝D2D通信系统场景图

    图 2  基于用户成簇机制的蜂窝D2D系统场景图

    图 3  总业务时延与迭代次数关系图

    图 4  总业务时延与业务到达速率关系图(不同服务速率)

    图 5  总业务时延与业务到达速率关系图(不同最低传输速率)

    图 6  总业务时延与子信道带宽关系图(不同噪声功率谱密度)

    图 7  总业务时延与子信道带宽关系图(不同业务到达速率)

    表 1  联合用户关联及内容部署算法

     (1) 确定L种簇头组合策略;
     (2) for $l = 1$,针对第$l$种簇头组合策略;
     (3) 设置最大迭代次数${T^{\ \max }}$和最大容忍值$\varepsilon $;
     (4) 初始化拉格朗日因子${\eta _{i,j,k}},\;{\varphi _{i,j,k}},\;{\theta _{i,j,k}}$;
     (5) 重复主程序;
     (6) 求解用户关联子问题得到局部变量值${\delta _{i,j}}$;
      求解内容部署子问题得到局部变量值${\beta _{j,k}}$;
      求解联合优化子问题得到局部变量值${\alpha _{i,j,k}}$;
     (7) 更新拉格朗日因子;
      ${\eta _{i,j,k}}(t + 1) = {\left[ {{\eta _{i,j,k}}(t) - {\omega _1}\left( {{\alpha _{i,j,k}}(t) + 1 - {\delta _{i,j}}(t) - {\beta _{j,k}}(t)} \right)} \right]^ + },$
      ${\varphi _{i,j,k}}(t + 1) = {\left[ {{\varphi _{i,j,k}}(t) - {\omega _2}\left( {{\delta _{i,j}}(t) - {\alpha _{i,j,k}}(t)} \right)} \right]^ + },$
      ${\theta _{i,j,k}}(t + 1) = {\left[ {{\theta _{i,j,k}}(t) - {\omega _3}\left( {{\beta _{j,k}}(t) - {\alpha _{i,j,k}}(t)} \right)} \right]^{\rm{ + }}};$
     (8) 若$ \sum\nolimits_{i = 1}^M \sum\nolimits_{j = 1}^M \sum\nolimits_{k = 1}^K \left[ \left| {{\eta _{i,j,k}}(t + 1) - {\eta _{i,j,k}}(t)} \right| \right. $     $\left.+ \left| {{\varphi _{i,j,k}}(t + 1) - {\varphi _{i,j,k}}(t)} \right| + \left| {{\theta _{i,j,k}}(t + 1) - {\theta _{i,j,k}}(t)} \right| \right] \le \varepsilon $ ;
     (9) 算法收敛;
      返回 $\delta _{i,j}^{\left( l \right) * }{\rm{ = }}{\delta _{i,j}},\beta _{j,k}^{\left( l \right) * }{\rm{ = }}{\beta _{j,k}},\alpha _{i,j,k}^{\left( l \right) * }{\rm{ = }}{\alpha _{i,j,k}};$
     (10) 否则 $t = t + 1$;
     (11) 重复步骤(6)—步骤(10),直到算法收敛或$t = {T^{\ \max }}$;
     (12) $l = l + 1$,重复步骤(5)—步骤(11),得到$\delta _{i,j}^{\left( l \right)*},\;\beta _{j,k}^{\left( l \right) * },\;\alpha _{i,j,k}^{\left( l \right) * }$及${D^{\left( l \right) * }}$,直至$l = L$;
     (13) 比较$L$种簇头组合下的最优业务时延,选择最优用户关联及内容部署优化策略,即$\left\{ {\delta _{i,j}^{\left( l \right) * },\beta _{j,k}^{\left( l \right) * },\alpha _{i,j,k}^{\left( l \right) * }} \right\} = \arg \min {D^{\left( l \right) * }}。$
    下载: 导出CSV
  • 加载中
图(7)表(1)
计量
  • PDF下载量:  43
  • 文章访问数:  654
  • HTML全文浏览量:  453
文章相关
  • 通讯作者:  柴蓉, chairong@cqupt.edu.cn
  • 收稿日期:  2018-05-02
  • 录用日期:  2019-05-21
  • 网络出版日期:  2019-07-19
  • 刊出日期:  2019-11-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章