高级搜索

基于能效的NOMA蜂窝车联网动态资源分配算法

唐伦 肖娇 赵国繁 杨友超 陈前斌

引用本文: 唐伦, 肖娇, 赵国繁, 杨友超, 陈前斌. 基于能效的NOMA蜂窝车联网动态资源分配算法[J]. 电子与信息学报, doi: 10.11999/JEIT190006 shu
Citation:  Lun TANG, Jiao XIAO, Guofan ZHAO, Youchao YANG, Qianbin CHEN. Energy Efficiency Based Dynamic Resource Allocation Algorithm for Cellular Vehicular Based on Non-Orthogonal Multiple Access[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190006 shu

基于能效的NOMA蜂窝车联网动态资源分配算法

    作者简介: 唐伦: 男,1973年生,教授,博士生导师,主要研究方向为新一代无线通信网络、异构蜂窝网络等;
    肖娇: 女,1995年生,硕士生,研究方向为蜂窝车联网络下的资源调度算法;
    赵国繁: 女,1993年生,硕士生,研究方向为5G网络切片中的资源分配,可靠性;
    杨友超: 男,1993年生,硕士生,研究方向为网络虚拟化和切片资源分配;
    陈前斌: 男,1967年生,教授,博士生导师,主要研究方向为个人通信、多媒体信息处理与传输、下一代移动通信网络、异构蜂窝网络等
    通讯作者: 肖娇,Ir_xiao@163.com
  • 基金项目: 重庆市教委科学技术研究项目(KJZD-M201800601),国家自然科学基金(61571073)

摘要: 在支持车与车直接通信(V2V)的非正交多址接入(NOMA)蜂窝网络场景下,针对V2V用户与蜂窝用户的干扰以及NOMA准则下的功率分配问题,该文提出一种基于能效的动态资源分配算法。该算法首先为了保证V2V用户的时延及可靠性同时满足蜂窝用户的速率需求,联合考虑子信道调度、功率分配和拥塞控制,建立了最大化系统能效的随机优化模型。其次,利用李雅普诺夫随机优化方法,通过控制可接入数据量保证队列稳定性以避免网络拥塞,并根据实时网络负载状态动态地进行资源调度,设计一种次优化子信道匹配算法获得用户调度方案,进一步,利用凸优化理论和拉格朗日对偶分解方法得到功率分配策略。最后,仿真结果表明,该文算法可以满足不同用户的服务质量(QoS)需求,并在保证网络稳定性前提下提高系统能效。

English

    1. [1]

      3GPP. Study on LTE-based V2X services 14.0.0[R]. 3GPP TR 36.885, 2016.

    2. [2]

      3GPP. Study on enhancement of 3GPP support for 5G V2X services 16.2.0[R]. 3GPP TR 22.886, 2017.

    3. [3]

      SAHIN T, KLUGEL M, ZHOU Chan, et al. Virtual cells for 5G V2X communications[J]. IEEE Communications Standards Magazine, 2018, 2(1): 22–28. doi: 10.1109/MCOMSTD.2018.1700060

    4. [4]

      YANG Zhaohui, XU Wei, PAN Cunhua, et al. On the optimality of power allocation for NOMA downlinks with individual QoS constraints[J]. IEEE Communications Letters, 2017, 21(7): 1649–1652. doi: 10.1109/LCOMM.2017.2689763

    5. [5]

      PAN Yijin, PAN Cunhua, YANG Zhaohui, et al. Resource allocation for D2D communications underlaying a NOMA-based cellular network[J]. IEEE Wireless Communications Letters, 2018, 7(1): 130–133. doi: 10.1109/LWC.2017.2759114

    6. [6]

      LIANG Le, LI G Y, and XU Wei. Resource allocation for D2D-enabled vehicular communications[J]. IEEE Transactions on Communications, 2017, 65(7): 3186–3197. doi: 10.1109/TCOMM.2017.2699194

    7. [7]

      LIU Chenfeng and BENNIS M. Ultra-reliable and low-latency vehicular transmission: An extreme value theory approach[J]. IEEE Communications Letters, 2018, 22(6): 1292–1295. doi: 10.1109/LCOMM.2018.2828407

    8. [8]

      SUN Wanlu, STRÖM E, BRÄNNSTRÖM F, et al. Radio resource management for D2D-based V2V communication[J]. IEEE Transactions on Vehicular Technology, 2016, 65(8): 6636–6650. doi: 10.1109/TVT.2015.2479248

    9. [9]

      SUN Wanlu, STRÖM E, BRÄNNSTRÖM F, et al. D2D-based V2V communications with latency and reliability constraints[C]. Proceedings of 2014 IEEE Globecom Workshops, Austin, USA, 2014: 1414–1419. doi: 10.1109/GLOCOMW.2014.7063632.

    10. [10]

      PENG Mugen, YU Yuling, XIANG Hongyu, et al. Energy-efficient resource allocation optimization for multimedia heterogeneous cloud radio access networks[J]. IEEE Transactions on Multimedia, 2016, 18(5): 879–892. doi: 10.1109/TMM.2016.2535722

    11. [11]

      LAU V K N, ZHANG Fan, and CUI Ying. Low complexity delay-constrained beamforming for multi-user MIMO systems with imperfect CSIT[J]. IEEE Transactions on Signal Processing, 2013, 61(16): 4090–4099. doi: 10.1109/TSP.2013.2264058

    12. [12]

      CHUNG S T and GOLDSMITH A J. Degrees of freedom in adaptive modulation: A unified view[J]. IEEE Transactions on Communications, 2001, 49(9): 1561–1571. doi: 10.1109/26.950343

    13. [13]

      LI Jian, PENG Mugen, YU Yuling, et al. Energy-efficient joint congestion control and resource optimization in heterogeneous cloud radio access networks[J]. IEEE Transactions on Vehicular Technology, 2016, 65(12): 9873–9887. doi: 10.1109/TVT.2016.2531184

    14. [14]

      ZHAO Long and WANG Xiaodong. Round-trip energy efficiency of wireless energy powered massive MIMO system with latency constraint[J]. IEEE Communications Letters, 2017, 21(1): 12–15. doi: 10.1109/LCOMM.2016.2616858

    15. [15]

      KHAN Z, FAN Pingzhi, ABBAS F, et al. Two-level cluster based routing scheme for 5G V2X communication[J]. IEEE Access, 2019, 7: 16194–16205. doi: 10.1109/ACCESS.2019.2892180

    16. [16]

      ZHANG Yi, WANG Huiming, ZHENG Tongxing, et al. Energy-efficient transmission design in non-orthogonal multiple access[J]. IEEE Transactions on Vehicular Technology, 2017, 66(3): 2852–2857. doi: 10.1109/TVT.2016.2578949

    1. [1]

      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,

    2. [2]

      黄容兰, 刘云, 李啟尚, 唐文. 基于非正交多址接入中继通信系统的功率优化. 电子与信息学报,

    3. [3]

      景小荣, 陶红宝. 一种稀疏码本多址接入码本优化设计方法. 电子与信息学报,

    4. [4]

      王汝言, 梁颖杰, 崔亚平. 车辆网络多平台卸载智能资源分配算法. 电子与信息学报,

    5. [5]

      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,

    6. [6]

      王汝言, 徐宁宁, 吴大鹏. 能耗和时延感知的虚拟化云无线接入网络资源分配机制. 电子与信息学报,

    7. [7]

      唐伦, 魏延南, 马润琳, 贺小雨, 陈前斌. 虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法. 电子与信息学报,

    8. [8]

      黄盛. 两用户非正交多址接入的最优时延均衡和功率控制方法. 电子与信息学报,

    9. [9]

      张海波, 李虎, 陈善学, 贺晓帆. 超密集网络中基于移动边缘计算的任务卸载和资源优化. 电子与信息学报,

    10. [10]

      贾向东, 纪珊珊, 范巧玲, 杨小蓉. 基于非正交多接入的多层全双工异构网回程方案及性能研究. 电子与信息学报,

    11. [11]

      王汝言, 李宏娟, 吴大鹏. 基于Stackelberg博弈的虚拟化无线传感网络资源分配策略. 电子与信息学报,

    12. [12]

      梁靓, 武彦飞, 冯钢. 基于在线拍卖的网络切片资源分配算法. 电子与信息学报,

    13. [13]

      熊余, 杨娅娅, 张振振, 蒋婧. 软件定义时分波分复用无源光网络中基于带宽预测的资源分配策略. 电子与信息学报,

    14. [14]

      代美玲, 刘周斌, 郭少勇, 邵苏杰, 邱雪松. 基于终端能耗和系统时延最小化的边缘计算卸载及资源分配机制. 电子与信息学报,

    15. [15]

      唐伦, 杨希希, 施颖洁, 陈前斌. 无线虚拟网络中基于自回归滑动平均预测的在线自适应虚拟资源分配算法. 电子与信息学报,

    16. [16]

      崔苗, 喻鑫, 李学易, 张广驰, 刘怡俊. 多用户多载波无线携能通信系统的上下行联合资源分配. 电子与信息学报,

    17. [17]

      王汝言, 李宏娟, 吴大鹏, 李红霞. 基于半马尔科夫决策过程的虚拟传感网络资源分配策略. 电子与信息学报,

    18. [18]

      张骥先, 谢宁, 张学杰, 李伟东. 基于监督学习的可信云计算资源拍卖机制研究. 电子与信息学报,

    19. [19]

      唐伦, 周钰, 杨友超, 赵国繁, 陈前斌. 5G网络切片场景中基于预测的虚拟网络功能动态部署算法. 电子与信息学报,

    20. [20]

      唐伦, 周钰, 谭颀, 魏延南, 陈前斌. 基于强化学习的5G网络切片虚拟网络功能迁移算法. 电子与信息学报,

  • 图 1  密集城区场景下的车辆通信及干扰模型图

    图 2  连续时隙上的队列变化与控制参数V的关系

    图 3  平均能效与控制参数V的关系

    图 4  V2V用户平均时延与包到达率的关系

    图 5  平均能效与控制参数V的关系

    图 6  平均能效与NOMA用户最大功率和的关系

    表 1  基于能效的动态资源分配算法

     (1) 初始化控制参数$V$, NOMA用户队列${Q_i}(0) = 0$、虚拟队列${Q_k}(0) = 0$、${H_i}(0) = 0$, ${\varGamma _i}(t)$, $R_k^{\min }$, $\forall k \in K,i \in I$;
     (2) 设置时隙长度${T_{\max }}$;
     (3) For $t = 0,1, ··· ,{T_{\max }} - 1,$ do;
     (4) 观察该时隙每个NOMA用户的队列状态${Q_i}(t)$以及虚拟队列${Q_k}(t)$和${H_i}(t)$;
     (5) 计算辅助变量${\gamma _i}(t)$,然后根据式(18)和式(19)得到拥塞控制优化解$\varGamma _i^*$;
     (6) 执行表2求解优化问题式(16)得到子信道调度策略$x_i^*,\alpha _k^*$;
     (7) 执行表3求解问题式(21)得到优化的功率分配方案$\{ p_1^{\rm{*}},p_2^{\rm{*}},···,p_{M{\rm{ - }}1}^{\rm{*}}\} $;
     (8) 根据下面公式分别更新下一时隙NOMA用户的队列状态${Q_i}(t + 1)$,虚拟队列状态${Q_k}(t + 1)$和${H_i}(t + 1)$;
      ${Q_i}(t + 1) = \max \{ {Q_i}(t) + {\varGamma _i}(t) - {r_i}(t),0\} ,\;\;\forall i$, ${Q_k}(t + 1) = \max \{ {Q_k}(t) + R_k^{\min } - {r_k}(t),0\} ,\forall k$;
      ${H_i}(t + 1) = \max \{ {H_i}(t) - {\varGamma _i}(t) + {\gamma _i}(t),0\} ,\forall i$;
     (9) $t = t + 1$;
     (10) End;
     (11) 输出优化拥塞控制策略、频谱和功率分配方案$\varGamma _i^*$, $x_i^*,\alpha _k^*$, $p_i^*,p_k^*$。
    下载: 导出CSV

    表 2  联合次优化子信道匹配算法

     (1) 初始化${p_i},{p_k}$, ${Q_i}(0) = 0$, ${Q_k}(0) = 0$, ${H_i}(0) = 0$,初始化未分配子信道的NOMA和V2V用户集$S_{{\rm{un}}}^C$, $S_{{\rm{un}}}^V$,复用同一信道的用户集
      ${{U}} = \{ U_1,U_2,···,U_N\} $, ${\psi _n} = \varnothing $,用户调度策略${{x}} = \varnothing ,{{\alpha}} = \varnothing $,分别构造NOMA用户和V2V用户的信道增益矩阵,${{ H}_i} \triangleq {[|{h_{i,n}}|]_{I \times N}}$,
      ${{ H}_k} \triangleq {[|{h_{k,n}}|]_{K \times N}}$;
     (2) while ${S_{{\rm{un}}}}^C \ne \varnothing $&${S_{\rm{un}}}^V \ne \varnothing$ do;
     (3) for $n = 1:N$;
     (4) 从${{ H}_i}$中找到最大信道增益,将子信道$n$调度给用户$i$,更新${{x}}$,并将矩阵中的第$i$行元素置0;
     (5) 更新${U_n} = {U_n} \cup u_n^i$ & $S_{{\rm{un}}}^C = S_{{\rm{un}}}^C\backslash u_n^i$;
     (6) end for;
     (7) for $n = 1:N$;
     (8) while ${N_{{U_n}}} < M$ do;
     (9)  分别从信道矩阵${{ H}_i}$和${{ H}_k}$ 中找到最大信道增益$|{h_{i,n}}|$和$|{h_{k,n}}|$;
     (10)   if ${\rm{|}}{h_{i,n}}| > {h_{k,n}}|$;
     (11)    将子信道$n$分配给用户$i$,更新${U_n} = {U_n} \cup u_i^n$;
     (12)   else;
     (13)    将子信道$n$分配给用户$k$,更新${U_n} = {U_n} \cup u_k^n$;
     (14)   end if;
     (15) end while;
     (16) if ${N_{{U_n}}} = M$;
     (17)   计算用户集${U_n}$复用在子信道$n$上的$\varphi (t)$,并将结果保存于${\psi _n}$
     (18)   求解式(16)得到用户调度的解$x_i^n,\alpha _k^n$以及被调度用户集$u_n^C,u_n^V$,更新未调度用户集$S_{un}^C = S_{un}^C\backslash u_n^C$ & $S_{un}^V = S_{un}^V\backslash u_n^V$,并将
    信道矩阵${{ H}_i}$中的第$i$行置0,或将${{ H}_k}$中的第$k$行元素及第$n$列元素置0;
     (19)  end if;
     (20) end for;
     (21) end while;
     (22) 输出用户调度策略${{x}},{{\alpha}} $。
    下载: 导出CSV

    表 3  基于连续凸逼近和拉格朗日对偶的迭代功率优化算法

     (1) 初始化最大迭代次数${T_1}$及最大允许误差${\xi _1}$,初始化${[{\tilde p_i}(t),{\tilde p_k}(t)]^0}$,迭代次数索引$t$;
     (2) while $g \le {T_1}$ or ${\rm{||}}\tilde \varphi ({[{\tilde p_i}(t),{\tilde p_k}(t)]^g}) - \tilde \varphi ({[{\tilde p_i}(t),{\tilde p_k}(t)]^{g - 1}})|| \le {\xi _1}$ do;
     (3)  根据迭代得到的${[{\tilde p_i}(t),{\tilde p_k}(t)]^g}$和$\tilde r_k^n$, $\tilde r_i^n$计算$c_k^n$$d_k^n$$c_i^n$$d_i^n$,得到更新后的${{{c}}^g},{{{d}}^g}$;
     (4)  求解优化问题式(20),更新当前最优解${[{\tilde p_i}(t),{\tilde p_k}(t)]^{{\rm{g + 1}}}}$并令$g = g + 1$;
     (5) end while;
     (6) 输出连续凸逼近迭代后的优化解$\tilde P(t) = {\left[ {{{\tilde p}_i}(t),\tilde p{}_k(t)} \right]^g}$;
     (7) 初始化最大迭代次数${N_1}$和${N_2}$及收敛条件${\varDelta _1}$和${\varDelta _2}$,初始化迭代索引$m = 0,n = 0$,初始化拉格朗日乘子${\nu ^0},{\lambda ^0},{\mu ^0},{\eta ^0}$,
       ${[{\tilde p_i}{(t)_m},\tilde p{}_k{(t)_m}]^0} = {[{\tilde p_i}{(t)_n},{\tilde p_k}{(t)_n}]^0} = {[{\tilde p_i}(t),{\tilde p_k}(t)]^g}$;
     (8) 观察时隙$t$每个NOMA用户的队列状态${Q_i}(t)$和虚拟队列状态${Q_k}(t)$, ${H_i}(t)$;
     (9) while $m < {N_1}$ or ${\rm{||} }\tilde \varphi ({[{\tilde p_i}{(t)_m},{\tilde p_k}{(t)_m}]^{m + 1} }) - \tilde \varphi ({[{\tilde p_i}{(t)_m},{\tilde p_k}{(t)_m}]^m})|| \ge {\varDelta _1}$ do;
     (10) while $n < {N_2}$ or $||{J^{n + 1} }(t) - {J^n}(t)|| \ge {\varDelta _2}$ do;
     (11)  将${\nu ^m},{\lambda ^m},{\mu ^m},{\eta ^m}$和${[{\tilde p_i}{(t)_n},{\tilde p_k}{(t)_n}]^n}$分别代入表达式(21)求导;
     (12)  通过KKT条件和二分搜索法求得功率分配${[{\tilde p_i}{(t)_n},{\tilde p_k}{(t)_n}]^{n + 1}}$,更新拉格朗日乘子;
     (13)  $n = n + 1$;
     (14) end while;
     (15)  $m = m + 1$;
     (16) end while;
    下载: 导出CSV
  • 加载中
图(6)表(3)
计量
  • PDF下载量:  7
  • 文章访问数:  153
  • HTML全文浏览量:  110
文章相关
  • 通讯作者:  肖娇, Ir_xiao@163.com
  • 收稿日期:  2019-01-03
  • 录用日期:  2019-05-28
  • 网络出版日期:  2019-11-25
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