基于Kuhn-munkres最优匹配的D2D资源分配算法设计
最优匹配(Kuhn_Munkras算法)
最优匹配(Kuhn_Munkras算法)// ** Start of PerfectMatch *******************************// Name: PerfectMatch by Kuhn_Munkras O(n^3)// Description: w is the adjacency matrix, nx,ny are the size of x and y, // lx, ly are the lables of x and y, fx[i], fy[i] is used for marking// whether the i-th node is visited, matx[x] means x match matx[x],// maty[y] means y match maty[y], actually, matx[x] is useless,// all the arrays are start at 1int nx,ny,w[MAXN][MAXN],lx[MAXN],ly[MAXN];int fx[MAXN],fy[MAXN],matx[MAXN],maty[MAXN];int path(int u){int v;fx[u]=1;for(v=1;v<=ny;v++)if((lx[u]+ly[v]==w[u][v])&&(fy[v]<0)) {fy[v]=1;if((maty[v]<0)||(path(maty[v]))) {matx[u]=v;maty[v]=u;return(1);} // end of if((maty[v]...} // end of if((lx[u]...return(0);} // end of int path()int PerfectMatch(){int ret=0,i,j,k,p;memset(ly,0,sizeof(ly));for(i=1;i<=nx;i++) {lx[i]=-INF;for(j=1;j<=ny;j++)if(w[i][j]>lx[i])lx[i]=w[i][j];} // end of for(i...memset(matx,-1,sizeof(matx));memset(maty,-1,sizeof(maty));for(i=1;i<=nx;i++) {memset(fx,-1,sizeof(fx));memset(fy,-1,sizeof(fy));if(!path(i)) {i--;p=INF;for(k=1;k<=nx;k++)if(fx[k]>0)for(j=1;j<=ny;j++)if((fy[j]<0)&&(lx[k]+ly[j]-w[k][j]<p))p=lx[k]+ly[j]-w[k][j];for(j=1;j<=ny;j++) ly[j]+=(fy[j]<0?0:p);for(k=1;k<=nx;k++) lx[k]-=(fx[k]<0?0:p);} // end of if(!path(i))} // end of for(i...for(i=1;i<=ny;i++) ret+=w[maty[i]][i];return ret;} // end of int PerfectMatch()// ** End of PerfectMatch *********************************。
D2D通信中联合链路共享与功率分配算法研究
D2D通信中联合链路共享与功率分配算法研究田春生;钱志鸿;阎双叶;付钰【摘要】针对D2D(Device-to-Device,D2D)通信过程中的资源分配问题,提出一种联合链路共享和功率分配算法.在保证系统内蜂窝用户服务质量(Quality of Service,QoS)需求的前提下,利用系统的信道状态信息,为D2D用户生成一个由蜂窝用户组成的通信链路的候选集合;在通信链路候选集合内使用凸优化方法得到D2 D用户最优功率分配策略;最后利用(Kuhn-Munkres,KM)算法求解最大加权二部图匹配(Maximum Weight Bipartite Matching,MWBM)问题,为D2 D用户选择最优的蜂窝用户进行资源共享.仿真结果表明该算法能有效的提升通信网络的吞吐量,可以为D2 D用户选择最优的资源分配策略.【期刊名称】《电子学报》【年(卷),期】2019(047)004【总页数】6页(P769-774)【关键词】D2D通信;链路共享;功率分配;最大加权二部图匹配【作者】田春生;钱志鸿;阎双叶;付钰【作者单位】吉林大学通信工程学院,吉林长春130012;吉林大学通信工程学院,吉林长春130012;吉林大学通信工程学院,吉林长春130012;吉林大学通信工程学院,吉林长春130012【正文语种】中文【中图分类】TN929.51 引言当前，随着云计算、物联网、多媒体等无线技术在异构无线网络中的广泛应用，人们对下一代网络的数据量要求更加严苛，因此需要更高速、高效的无线通信技术作为支撑，终端直通(Device-to-Device,D2D)技术作为一种新兴的通信技术而备受关注[1,2].D2D技术是指网络中近邻设备之间可以不经过基站的转发，直接进行信息交换的技术[3].这样能够大幅度提升频谱利用率和吞吐量，扩大系统容量，为大规模网络的零延迟通信、移动终端的海量接入及大数据传输开辟了新的途径[4,5]. 目前，对于D2D通信的资源分配问题已有广泛的研究，文献[6,7]分别提出了一种基于距离的D2D资源分配方式，在文献[6]中作者基于D2D用户和蜂窝用户与基站之间的距离，提出了一种干扰限制环控制策略来找到合适的蜂窝用户与D2D用户共享相同的频谱资源；文献[7]则根据D2D用户与蜂窝用户之间的最小距离提出了一种距离限制的资源共享准则来保证D2D用户通信的中断概率低于某一特定的阈值.上述文献分别从不同的角度提升了通信系统的性能，但都只考虑了网络中只有一对D2D用户的情形，而未就长远的角度来设计最优的资源分配策略以提升整个通信网络的资源利用水平.为此，在蜂窝网络中多对D2D共存的情况下，Zulhasnine M等人[8]首先将D2D网络中的资源分配问题建模为一个混合整数非线性规划(Mixed Integer Nonlinear Programming,MINLP)问题，随后通过基于贪婪思想的启发式算法对该问题进行了求解.Dinh-Van S等人[9]将D2D用户分成不同的用户组并选择合适的蜂窝用户复用通信资源，以使得系统内干扰的影响降至最低.但仍未从根本上解决D2D通信过程中的资源分配问题，系统性能仍有待提高. 本文在现有成果的基础上提出了一种联合链路共享和功率分配算法.该算法将D2D 通信的资源分配问题建模为一个最优化问题，在保证系统内原有蜂窝用户最小QoS需求前提下，利用系统的信道状态信息定义信道增益因子(Channel GainFactor,CGF)，为D2D用户生成候选通信链路的集合；在每一个链路候选集合内，证明D2D用户的功率分配问题是一个凸优化问题，并得到其最优解；为了降低算法的复杂度，使用Kuhn-Munkres (KM)算法为D2D用户选择最佳的链路复用策略.仿真结果表明此方法可以有效的提升通信网络的吞吐量，为D2D用户选择最优的资源分配策略.2 系统模型采用实际部署中典型的LTE无线移动蜂窝网络架构，同时引入D2D这种新型通信方式[10].系统架构如图1所示，假设系统中M个蜂窝用户与N对D2D用户共存的情况，由于在LTE通信系统内，与下行链路相比上行链路具有较低的峰值平均功率比，并且其通信链路资源利用率较低的特点，因此，本文只考虑D2D用户通过复用蜂窝用户上行链路的通信资源在直通链路上进行通信的情形[11].假设所考虑的网络是一个全负载网络，即网络中M个蜂窝用户占用了系统中全部的正交信道资源.分别使用集合C={1,…,M}和D={1,…,N}表示系统内的蜂窝用户和D2D用户.在复用模式下，蜂窝用户i与D2D用户j的信号与干扰加噪声比(Signal to Interference plus Noise,SINR)可以表示为：(1)(2)其中ϖi,j为蜂窝用户与D2D用户通信链路复用指示因子，当蜂窝用户i与D2D用户j共享频谱资源时其值为1，其他情况下其值为0.Pc为蜂窝用户的发射功率，为D2D用户j与蜂窝用户i共享频谱资源时的发射功率.为蜂窝用户到基站的发射功率增益，为D2D用户发射端与接收端的发射功率增益，为蜂窝用户与D2D用户接收端的发射功率增益，为D2D用户发射端与基站间的发射功率增益.为热噪声功率.由香农定理可得蜂窝用户i与D2D用户j共享频谱资源时的吞吐量分别为：*(3)*(4)当系统内无D2D用户与蜂窝用户i共享频谱资源时其吞吐量为：(5)其中，Bc表示通信链路带宽.为了最大程度的利用D2D通信所带来的优势，以系统吞吐量最大为优化目标，将问题转换为下面的优化问题：(6)≥∀i∈C(6a)1,ϖi,j∈{0,1},∀i∈C(6b)1,ϖi,j∈{0,1},∀j∈D(6c)0Qmax,∀j∈D(6d)式中表示满足系统内蜂窝用户QoS需求的最小传输速率，将式(1)和式(3)代入约束条件(6a)可以得到：(7)式(7)表示D2D用户发射功率与系统内蜂窝用户所要求的最小传输速率之间的关系.约束条件(6b)和(6c)是为了保证系统中的干扰可控，只考虑每一个D2D用户最多只能复用一个蜂窝用户的通信链路资源以及每一个蜂窝用户的通信链路最多只允许被一对D2D用户复用的情况.Qmax表示D2D用户的最大传输功率，限制条件(6d)保证D2D用户的传输功率在最大传输功率的限制之内.很容易得到优化问题(6)是一个MINLP问题，在系统资源调度周期内很难直接对其进行求解[12].下面将上述优化问题拆分成3个子问题逐步进行求解.3 联合资源共享和功率分配算法3.1 D2D用户候选通信链路的选取定义系统内蜂窝用户i与D2D用户j的CGF值其表达式为：(8)在设备发射功率固定的蜂窝小区中，对于蜂窝用户i，与使获得最大值的D2D用户j复用频谱资源可以为整个系统提供更高的吞吐量[13].定义Ij为D2D用户j候选通信链路的集合，集合中候选通信链路的选取步骤如下：步骤1 初始化Ij=∅,∀j∈D，M=C，对∀i∈M,j∈D，给定初始值步骤2 迭代计算并设置如下参数：ϖi*,j*=1，将蜂窝用户i*和D2D用户j*的链路复用因子设置为1；Ιj*=Ιj*∪{i*}，将i*加入到集合Ij*；M=M\{i*}，将i*从集合M内移除.步骤3 判断集合M是否为空集，当M为空集时进入步骤4，否则执行步骤2；步骤4 输出D2D用户候选链路集合Ij及链路复用因子3.2 D2D用户与候选蜂窝用户的最优功率匹配考虑到集合Ij中包含着D2D用户j所有的候选通信链路，因此对于集合Ij中某一特定的蜂窝用户i，可以将最优功率的匹配问题建模为：(9)(9a)Qmax,∀j∈D(9b)定义根据约束条件(9a)和(9b)有：∀i∈Ij,j∈D(9c)将式(1)～(4)代入中得到：(10)其中与分别表示D2D用户j与蜂窝用户i的SINR.定义函数为：(11)对求一阶导数有：(12)其中，(12a)(12b)(12c)从式(12c)中可以得到D恒为正数，即为因此有：(13)根据式(13)可知当且仅当C0时，存在满足式(9c)的约束条件.计算二阶导数：(14)当满足条件≥时，≥0恒成立.观察式(12b)，当C0时有：≥(15)式(15)两端同时除以可以得到：≥≥(16)即≥0成立，优化问题(9)是一个凸优化问是函数的一个极值点.综上所述，在区间满足等式的解即为优化问题(9)的最优解.因此，对式(10)求一阶导数有：(17)其中，式(17)整理可得：(18)其中，由式(18)有，当G2-4H<0时，在区间内单调递增，此时的最优解可以推导得出当G2-4H≥0时，为在区间内的投影[16].具体执行步骤如下：步骤1 初始化X=Ij,∀j∈D，对∀i∈Ij，给定初始值步骤2 计算投影值将元素i从集合X中删除；步骤3 当X是空集时，进入步骤4，否则，执行步骤2；步骤4 输出最优功率控制策略步骤2中表示在区间[a,b]内的投影.3.3 D2D用户最佳通信链路的选择对于蜂窝用户i(i∈Ij)，D2D用户j与其进行通信链路复用所带来的吞吐量的增益为：(19)经过上面的讨论后优化问题(6)可以转化为对如下问题进行求解：(20)1,ϖi,j∈{0,1},∀j∈D(20a)1,ϖi,j∈{0,1},∀i∈Ij(20b)其中|Ij|表示集合Ij中元素个数.该优化问题属于图论中的最大加权二部图匹配(Maximum Weight Bipartite Matching,MWBM)问题，其模型如图2所示.定义Wi,j表示二部图中的权值，当蜂窝用户i在D2D用户j的通信链路候选集合内时，定义权重Wi,j为蜂窝用户i与D2D用户j共享链路资源时的吞吐量增益，即其他情况下，Wi,j=0.下面采用KM算法对MWBM问题求解.步骤1 构建矩阵W，矩阵中第i行j列的元素即为Wi,j.计算矩阵W行与列的权重值，行的权重值表示为Rowi=max(Wi,j),j=1,2,…,M，列的权重值表示为Comj=0；步骤2 构建矩阵T，矩阵中的元素表示为Ti,j=Rowi+Comj-Wi,j.在矩阵T中找到与Ti,j=0相对应的顶点和边，组成一个子图.确定这个子图的最大匹配并覆盖相对应的边.若这个最大匹配是完美匹配则执行步骤4，否则执行步骤3；步骤3 在得到的矩阵T中，找出没有被覆盖的最小的元素αT，更新未被覆盖的行的权重值为Rowi=Rowi-αT，更新列的权重值为Comj=Comj+αT，重复执行步骤2；步骤4 输出步骤2得到的最大匹配，即为最优的链路共享策略.4 仿真结果与分析对本文所提算法在MATLAB仿真平台中进行仿真验证，在LTE蜂窝网络中考虑单个小区独立分布的情形，小区的覆盖半径为500m.假设系统内D2D与蜂窝链路的阴影衰落均服从均值为0，标准差分别为12dB与10dB的对数正态分布，其他主要仿真参数如表1所示[17].所有仿真结果均为1000次蒙特卡罗实验的平均值.将本文所提出的资源分配算法与另外三种算法进行对比.第一种算法是随机资源分配算法[18]，该算法在D2D用户随机选择与其复用的蜂窝用户的过程中加入了功率控制机制.第二种算法是启发式算法[8]，第三种算法是文献[9]所提算法.图3给出了不同算法条件下系统吞吐量的累积分布函数曲线.其中，D2D用户数N=5，D2D用户的最大发射功率Qmax=20dBm，蜂窝用户的最小速率需求从图中可以看出，与传统的蜂窝通信相比，四种算法的性能均得到大幅度提升.本文所提出的资源分配算法分别比随机资源分配算法、启发式算法和文献[9]中所提算法的最大吞吐量提高了75%、41%和55%.表1 仿真参数参数取值信道带宽,Bc180KHz小区半径500m蜂窝用户数,M 10(全负载网络)D2D用户数,N 1～10蜂窝链路路径损耗模型128.1+37.6log10(d/Km)D2D链路路径损耗模型148+40log10(d/Km)噪声功率谱密度-114dBm/Hz蜂窝用户发射功率,Pc24dBm蜂窝用户最小速率要求0.36,0.72,1.08MbpsD2D用户最大发射功率-15dBm ～ 20dBm图4给出了系统吞吐量随D2D用户数变化的曲线.其中，D2D用户的最大发射功率Qmax=20dBm，蜂窝用户的最小速率需求随着D2D用户数的增加，四种算法的吞吐量总体上都呈现出了递增的趋势.随机资源分配算法的吞吐量出现了较为明显的波动，这是由于随机算法在为D2D用户分配资源时并未将干扰的因素考虑在内的缘故.在D2D用户数相同的条件下，本文所提出的资源分配算法的性能要明显的优于其他三种算法.图5给出了系统吞吐量随D2D用户最大发射功率变化曲线.其中，D2D用户数N=5.从仿真图中可以看出系统的吞吐量随着D2D用户最大发射功率的增加而不断的递增，并且本文所提算法的性能得到了很大幅度的提升，当Qmax=20dBm时，本文所提算法的吞吐量分别比文献[9]所提算法和启发式算法提高了12%和29%.当D2D用户的发射功率较小时，系统吞吐量增加的速度较快；当Qmax≥5dBm 时，曲线的增长开始变得平滑，这意味着此时系统的吞吐量在趋于饱和，D2D用户的发射功率对于系统吞吐量而言不再起决定性的作用.从仿真图中还可以得出，随着系统内蜂窝用户最小速率需求的不断增加，系统的吞吐量在不断的降低.这是由于当蜂窝用户的速率需求增大时，对与之共享相同频谱资源的D2D用户的限制变得更加的严格，D2D用户的实际发射功率不断减小，最终导致了系统总的吞吐量在不断的降低.5 结论本文针对D2D通信的资源分配问题，提出了一种联合链路共享和功率分配算法.在满足蜂窝用户QoS需求的前提下，推导出D2D用户发射功率与蜂窝用户所要求的最小传输速率之间的关系，结合系统的信道状态信息，为D2D用户生成通信链路的候选集合；使用凸优化方法得到D2D用户的最优功率分配策略；最后利用KM算法求解MWBM问题，为D2D用户选择最佳的蜂窝用户进行链路共享.仿真结果显示该算法通过对网络资源进行合理的分配和控制，可以显著提升D2D通信网络的整体性能，为D2D用户选择最优的资源分配方法.下一步将重点探索在系统内只有部分信道状态信息已知的条件下D2D通信的资源分配问题.参考文献【相关文献】[1]Doppler K,Rinne M,Wijting C,et al.Device-to-device communication as an underlay to LTE-advanced networks[J].Modern Science & Technology of Telecommunications,2009,47(12):42-49.[2]钱志鸿,王义君.物联网技术与应用研究[J].电子学报,2012,40(5):1023-1029.QIAN Zhi-hong,WANG Yi-jun.IoT technology and application[J].Acta Electronica Sinica,2012,40(5):1023-1029.(in Chinese)[3]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 Zhi-hong,WANG Xue.Reviews of D2D technology for 5G communication networks[J].Journal on Communications,2016,37(7):1-14.(in Chinese)[4]Ahmad M,Azam M,Naeem M,et al.Resource management in D2D communication:an optimization perspective[J].Journal of Network & Computer Applications,2017,93:51-75.[5]Shen X.Device-to-device communication in 5G cellular networks[J].IEEENetwork,2015,29(2):2-3.[6]Bao P,Yu G.An interference management strategy for device-to-device underlaying cellular networks with partial location information[A].International Symposium on Personal Indoor and Mobile Radio Communications[C].Hangzhou,China:IEEE,2012.465-470.[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]Zulhasnine M,Huang C,Srinivasan A.Efficient resource allocation for device-to-device communication underlaying LTE network[A].International Conference on Wireless and Mobile Computing,Networking and Communications[C].Ottawa,Canada:IEEE,2010.368-375.[9]Dinh-Van S,Shin Y,Shin O.Resource allocation and power control based on user grouping for underlay device-to-device communications in cellularnetworks[J].Transactions on Emerging TelecommunicationsTechnologies,2017,28(1):e2920.[10]Feng D,Lu L,Yi Y W,et al.Device-to-device communications underlaying cellular networks[J].IEEE Transactions on Communications,2013,61(8):3541-3551.[11]Tang H,Ding Z.Mixed mode transmission and resource allocation for D2D communication[J].IEEE Transactions on Wireless Communications,2016,15(1):162-175. [12]Zhang R,Song L,Han Z,et al.Distributed resource allocation for device-to-device communications underlaying cellular networks[A].International Conference on Communications[C].Budapest:IEEE,2013.1889-1893.[13]Esmat H H,Elmesalawy M M,Ibrahim I I.Joint channel selection and optimal power allocation for multi-cell D2D communications underlaying cellular networks[J].IET Communications,2017,11(5):746-755.[14]Gjendemsjo A,Gesbert D,Oien G E,et al.Optimal power allocation and scheduling for two-cell capacity maximization[A].International Symposium on Modeling and Optimization in Mobile,Ad Hoc and Wireless Networks[C].Sophia-Antipolis,France:IEEE,2006.1-6.[15]范展,梁国龙.基于凸优化的最小旁瓣恒定束宽时域宽带波束形成[J].电子学报,2013,41(5):943-948.FAN Zhan,LIANG Guo-long.Broadband beamforming with miniimum sidelobe and constant beamwidth based on convex optimization[J].Acta ElectronicaSinica,2013,41(5):943-948.(in Chinese)[16]Zhang Y,Li F,Al-Qaness M,et al.A resource allocation scheme for multi-D2D communications underlying cellular networks with multi-subcarrier reusing[J].Applied Sciences,2017,7(2):148.[17]ITU-R.Guidelines for Radio Interface Technologies for IMT-Advanced[R].Report ITU-R M.2135,2008.[18]Belleschi M,Fodor G,Penda D D,et al.Benchmarking practical RRM algorithms for D2Dcommunications in LTE advanced[J].Wireless Personal Communications,2013,82(2):883-910.。
基于稳定匹配的多回合迭代D2D资源分配方案
基于稳定匹配的多回合迭代D2D资源分配方案张河昌;王斌;陈玲;王文鼐【期刊名称】《南京邮电大学学报（自然科学版）》【年(卷),期】2016(036)006【摘要】在D2D(Device-to-Device)通信中,移动用户相互之间无需通过基站就能直接进行通信.D2D的主要优势在于能有效地改善频谱利用率,提升移动用户的吞吐量,但是复用蜂窝用户的频谱资源所带来的严重干扰是一个严峻的挑战.合适的资源匹配是有效防止干扰的最直接的措施,文中提出了一种新的D2D资源分配方案——基于稳定匹配的多回合迭代(Multi-Round Iteration Stable Matching,MRI SM) D2D资源分配方案,即在稳定分配的基础上引入多回合迭代算法完成二次优化,以最大化系统吞吐量为目标,使每个D2D对复用更合适的频谱资源.仿真分析可以看出,文中提出的方案能提升D2D的满意度,系统吞吐量也有所提高.【总页数】7页(P8-14)【作者】张河昌;王斌;陈玲;王文鼐【作者单位】南京邮电大学通信与信息工程学院,江苏南京210003;南京邮电大学通信与信息工程学院,江苏南京210003;南京邮电大学宽带无线通信与传感网技术教育部重点实验室,江苏南京210003;南京邮电大学通信与信息工程学院,江苏南京210003;南京邮电大学通信与信息工程学院,江苏南京210003【正文语种】中文【中图分类】TN929.5【相关文献】1.一种基于D2D公平性的LTE无线资源分配方案 [J], 兰双双;王斌;王钰华;王文鼐2.一种基于D2D的VANET中时延最小化的资源分配方案 [J], 赵银泽;江凌云3.基于超图的D2D多对多资源分配方案 [J], LIU Hui;YAN Biao;CHEN Yong-li4.基于烟花算法的D2D资源分配方案 [J], 刘辉;颜飙;赵瑞雪5.5G网络中基于设备的D2D通信资源分配方案 [J], 朱豪;王皓;陈生学;刘祥;颜悦因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于蜂窝网络的D2D通信资源分配算法
一种基于蜂窝网络的D2D通信资源分配算法陆音;王慧茹;孙丹丹【期刊名称】《数据采集与处理》【年(卷),期】2018(033)006【摘要】设备直连(Device-to-device,D2D)通信用户通过复用蜂窝用户的频谱资源可提高频谱利用率和系统的整体通信容量,但复用蜂窝网络频谱资源会带来严重的干扰,影响整体通信质量.针对干扰问题,本文通过建立通信系统模型,研究系统的线性规划问题以及相应的最佳资源分配算法.考虑到最佳算法复杂度较高,本文提出一种启发式算法来分配通信资源,通过遍历D2D对用户与蜂窝用户之间的干扰矩阵找到最小干扰值,分配复用资源给相应的蜂窝用户和D2D对用户.在蜂窝用户都分配到通信资源之后,对D2D对用户进行专用通信资源分配.仿真结果表明,该算法在降低算法复杂度的基础上显著地减小了D2D对用户对蜂窝用户的干扰,能够最大程度地增加D2D对用户的数量.【总页数】7页(P1034-1040)【作者】陆音;王慧茹;孙丹丹【作者单位】南京邮电大学江苏省无线通信重点实验室 ,南京 ,210003;南京邮电大学江苏省无线通信重点实验室 ,南京 ,210003;南京邮电大学江苏省无线通信重点实验室 ,南京 ,210003【正文语种】中文【中图分类】TN929.5【相关文献】1.D2D通信复用异构蜂窝网络下行链路的人工鱼群资源分配算法 [J], 李中捷;谢东朋;陈燚雷;刘倩倩2.距离受限的蜂窝网络D2D通信资源分配算法 [J], 龚文熔; 庞立华; 王静; 夏猛; 李文娟3.移动蜂窝网络中D2D通信资源分配算法概述 [J], 陈雨洁4.一种基于Q-Learning的蜂窝网络中D2D通信资源分配策略 [J], 谢经纬;许艺瀚;花敏5.蜂窝网络中支持全双工D2D通信的资源分配算法 [J], 李云;杨雄;张乐;夏威因版权原因，仅展示原文概要，查看原文内容请购买。
基于Kuhn-Munkres最优匹配的D2D资源分配算法设计
基于Kuhn-Munkres最优匹配的D2D资源分配算法设计黄俊伟;刘晓江
【期刊名称】《计算机应用研究》
【年(卷),期】2015(032)003
【摘要】由于资源复用,D2D链路与蜂窝链路之间会产生同频干扰.为了抑制这种干扰,提出了一种基于Ku-hn-Munkres最优匹配的资源分配算法.该算法采用了图论中的Kuhn-Munkres最优匹配算法来实现最大限度的复用系统内的RB,达到提高系统吞吐量的目的.同时,通过使一对D2D用户复用多个RB进行通信以保证不同的QoS需求.最后,通过计算机仿真可以看出,该算法既可以有效地满足D2D用户的不同QoS需求,又提高了系统吞吐量.
【总页数】3页(P827-829)
【作者】黄俊伟;刘晓江
【作者单位】重庆邮电大学通信与信息工程学院,重庆400065;重庆邮电大学通信与信息工程学院,重庆400065
【正文语种】中文
【中图分类】TN929.5
【相关文献】
1.基于模糊聚类的D2D通信二次资源分配算法设计 [J], 黄俊伟;刘晓江;包瑜;白鸿平
2.全双工下基于最优匹配的D2D用户簇资源分配 [J], 李校林;朱彬欣
3.基于最优匹配的全双工D2D通信资源分配研究 [J], 王志欣;马晓莹;卢忠青
4.基于索引结构的电子商务命令最优匹配算法设计 [J], 张君雁;傅翀;段钢;邵培基
5.基于HAGA的D2D-NOMA资源分配优化算法 [J], 宋勇春;王茜竹;高正念因版权原因，仅展示原文概要，查看原文内容请购买。
《2024年基于D2D通信的频谱接入与资源分配研究》范文
《基于D2D通信的频谱接入与资源分配研究》篇一一、引言随着无线通信技术的快速发展，设备到设备（Device-to-Device，D2D）通信已成为未来无线网络的重要组成部分。
D2D 通信在频谱资源管理和优化上起着至关重要的作用，尤其在解决网络拥塞、提升系统效率和加强服务质量等方面，它所提供的优势已获得业界的广泛关注。
本篇论文的研究旨在针对D2D通信中的频谱接入和资源分配进行深入研究，从而更有效地提高频谱资源的利用率，以实现更加稳定、高效、可持续的无线网络服务。
二、D2D通信技术概述D2D通信是一种直接的设备间通信方式，其不需要通过传统的基站进行中继，可以大大提高网络吞吐量和提高用户体验。
它有助于提升系统整体频谱利用率和减小干扰。
但与此同时，其复杂性也在增大频谱管理和资源分配的难度。
频谱的有效利用和合理的资源分配策略成为关键的研究问题。
三、频谱接入技术分析（一）技术现状及挑战对于频谱接入问题，目前主要的研究方向包括动态频谱共享和认知无线电技术。
然而，由于无线环境的复杂性和动态性，如何实现有效的频谱共享和接入仍是一个挑战。
特别是在D2D通信中，多个设备之间的信号传输和干扰问题以及与基站和其他设备间的协作都需要精细的频谱接入策略。
（二）解决策略本研究通过深度学习算法以及频谱决策策略来实现高效的频谱接入。
我们设计了一种基于机器学习的动态决策模型，该模型可以根据实时环境信息自动调整频谱接入策略，从而在满足设备需求的同时，最大化频谱利用率。
四、资源分配策略研究（一）研究现状及问题在资源分配方面，我们需要解决的问题是如何根据设备需求和网络状况合理地分配有限的无线资源，包括频带、功率和时间等。
有效的资源分配可以减少信号间的干扰，提升系统的总体性能。
在D2D通信中，这一点尤为关键。
（二）解决方法针对这一问题，我们提出了一种基于强化学习的资源分配策略。
通过建立复杂的网络模型和环境模型，我们设计了一种自适应的资源分配算法。
基于Kuhn-Munkres算法保证认知用户QoS的动态频谱分配
基于Kuhn-Munkres算法保证认知用户QoS的动态频谱分配叶培青;李莉;周小平;陈小丹【摘要】本算法采用图论方法解决认知无线网络动态频谱分配(DSA)问题.首先,根据认知用户的服务质量(QoS)以及空闲信道的状态,分别为认知用户和信道划分优先权.然后,提出一种新的计算方式预计认知用户使用信道可获得的带宽效益.最后,将划分优先权后的认知用户、信道建立二分图,将带宽效益作为图的权重.在兼顾考虑认知用户的带宽效益和频谱利用率的前提下,使用Kuhn-Munkres算法将信道分配给认知用户.实验仿真结果表明,本算法可以同时优化带宽效益和频谱利用率,在认知用户等待分配信道时间方面也能取得较好服务质量要求.【期刊名称】《上海师范大学学报（自然科学版）》【年(卷),期】2013(042)002【总页数】6页(P137-142)【关键词】动态频谱分配;Kuhn-Munkres算法;优先权【作者】叶培青;李莉;周小平;陈小丹【作者单位】上海师范大学信息与机电工程学院,上海200234;上海师范大学信息与机电工程学院,上海200234;上海师范大学信息与机电工程学院,上海200234;上海师范大学信息与机电工程学院,上海200234【正文语种】中文【中图分类】TN929.5认知无线电被认为是解决有限的频谱资源利用率不高问题的主要技术之一.动态频谱分配是认知无线电的一项关键技术.基于频谱池原理［1］的动态频谱分配研究主要集中在带宽效益和／或频谱利用率方面.802.22是首个提出将认知无线电技术应用到数字电视的工作组.为满足现实无线通信的技术需求，802.22工作组针对认知无线电技术制定了几个标准：在IEEE802.11a标准中，无线局域网的产品在物理层应该能提供54 Mbps的传输速率；在IEEE802.11n标准中，要提供600 Mbps 的传输速率.在IEEE802.22标准中建议，无线区域网每条信道的传输速率要达到22 Mbps.这几类标准均对传输速率提出了要求，在可用频谱资源有限的前提下，提高带宽效益和频谱利用率是增大传输速率的一个解决方法.但是带宽效益和频谱利用率受到媒体接入控制和物理层开销的限制［2］，比如认知用户之间的相互竞争和干扰造成信道不可用，路径损耗降低了总带宽效益等.目前国内外已有一些关于带宽效益和频谱利用率的优化算法提出：Swami等在文献［3］中提出了一种利用图论分配信道的算法，首次提出了将认知用户和信道综合考虑的想法.具体为：首先根据每条信道可以承受的传输功率给信道分配优先权，然后根据吞吐量和误码率对认知用户划分优先权，最后利用匈牙利算法扩大增广路径的方法以增多分配的认知用户的信道数.该文(匈牙利算法）可以提高频谱的利用率，但是不能提高带宽效益.Im等在文献［4］中提出基于信噪比干扰管理机制的贪婪算法来完善动态频谱分配的算法.用干扰管理机制来解决基站(BSs）之间的干扰.该文(贪婪算法）可以取得局部带宽效益的最大值.在限制干扰后，该文算法也可以提高频谱利用率，但是信噪比的门限很难确定.因为信噪比的门限在不同的传输环境里是不同的.所以，该算法只能应用在特定的传输场合.Xu等在文献［5］中将吞吐量作为带宽效益，并提出了一种有效的信道再分配机制.文献［5］的实验仿真结果表明，将认知用户和信道结合考虑可以在带宽效益和频谱利用率方面取得更好的效果.本算法以提高带宽效益和频谱利用率为主要目标，综合上述已有算法的优点和不足，采用集中式网络结构，设计了一种结合考虑认知用户和信道的基于图论的动态频谱分配，给出一种新的计算方式来估计信道的带宽效益.本算法可以应用在无线区域网(WRAN）环境下.WRAN是面向无线宽带(远程）接入，面向独立分散、人口稀疏的区域.WRAN网络内数据传输距离可以比较远，与市区相比传输时受其他无线电干扰小.WRAN的应用环境决定了使用无线区域网通信的用户传输数据时间长短的差异较大，并且数据传输时路径损耗相对简单的特点.本算法主要根据这两个特点设计，用于提高动态频谱分配中带宽效益和频谱利用率问题，保证认知用户的QoS要求.在多用户传输场景中，认知用户在环境干扰、传输距离、发送数据量等方面各不相同，对认知用户分类，找到合适的信道，以提高认知用户可以获得的带宽效益.假设当前有M个认知用户申请发送数据.1.1 划分策略将认知用户发送数据时需要占用信道的时间作为认知用户QoS要求.认知用户优先权的划分基于认知用户QoS要求，M个认知用户传输数据的平均时间作为划分的门限值.设第i(1≤i≤M）个认知用户需要发送数据包的个数为Numi，每个数据包包含的固定比特数为I，数据传输速率为R(Mbps），数据传输的信道带宽B(MHz）；发送信号的传输距离di(km）.在不计干扰情况下，第i个用户需要的传输时间可表示为式(1）：所有认知用户发送数据的平均传输时间如式(2）：若ti＜，划分认知用户i的优先权为CR0，若ti≥，划分认知用户i的优先权为CR1.优先权为CR1的认知用户比优先权为CR0的认知用户需要发送更多的数据或者更长的传输距离，所以优先权为CR1的认知用户占用信道的时间长于优先权为CR0的认知用户.规定CR1的优先级高于CR0.1.2 认知用户的优先权管理优先权为CR1的认知用户所需的传输时间较长.为了保证所有认知用户的带宽效益，优先权为CR1的认知用户需要比优先权为CR0的认知用户更好的信道.因此频谱管理应该基于这样的策略：a）缩短认知用户竞争信道的等待时间；b）保证对所有认知用户的公平性；c）单个认知用户不会长时间占用信道.信道优先权的划分是基于可用信道状态及传输路径损耗.2.1 可用信道状态将频谱池中空闲频谱划分为N个相互正交的频带，每一条带宽为B的频带对应1条信道.频谱池中的信道k(1＜k＜N）有2个相邻信道，定义3种可用信道状态，记为j：j＝ 1，表示认知用户只能使用当前信道k；j＝ 2，表示认知用户能使用当前信道k以及相邻信道(k-1）或(k＋1）；j＝3，表示认知用户能使用信道(k-1）、k和(k＋1）.在所受背景噪声相同的情况下，根据香农定理，信道能够传输的最大信息速率正比于带宽大小.在可用信道状态j＝3时，可以发送更多的数据量，承受更大的发送功率.规定：当把信道k分配给1个认知用户，是指把信道k和相邻的可用信道一起分配给认知用户，表示为认知用户使用信道kj，j表示可用信道数，j＝ 1， 2，3.2.2 传输路径损耗Hata模型通常用于路径损耗的建模.可以证明：用Hata模型建模时传输距离是影响路径损耗的主要原因，频带内载频的不同对路径损耗影响比较小，为简便计算，本算法认为路径损耗只由传输距离决定.2.3 信道优先权分配在集中式网络结构中，设基站的覆盖半径为D，将它划分为( 0，D／3）、(D／3，2D／3）、(2D／ 3，D）3块.在IEEE 802.22标准中，基站的覆盖半径为40～100 km.记在这3个范围内，信号距离基站的平均半径为Dm，m∈｛ 1， 2，3｝.设L(di）表示认知用户i发送信号在传输距离为di时的路径损耗，S／N0是接收端处的信噪比.认知用户i使用信道kj的带宽效益定义为：用βjm表示信号传输距离为平均半径Dm、分别在3种可用信道状态j∈｛1，2，3｝下的带宽效益，即βjm＝j×B×log2(1＋S／N0）／L(Dm），可计算3×3＝9个带宽效益，表示认知用户在不同信道状态数和不同平均传输距离下获得的带宽效益.根据βjm值的大小，取3个大的βjm所对应的可用信道优先权划分为T1，3个小的βjm所对应的可用信道优先权划分为T0.规定T1的优先权高于T0.中间剩下的3个βjm对应的那部分信道被分配为优先权T0和T1.当优先权为CR1的认知用户数多于优先权为T1的信道数时，该3个βjm所对应的这部分信道作为优先权为T1的信道，反之，作为优先权为T0的信道.这样的信道优先权管理可以灵活地为不同优先权的认知用户分配信道，增大认知用户可以获得的总带宽效益. 目标是同时提高带宽效益和频谱利用率，在认知用户等待分配信道时获得更好的QoS要求.建立图G＝(S，C，B）.其中，S(1×M）表示申请发送数据的认知用户矩阵，每一个元素表示1个认知用户；C(1×N）表示频谱池中空闲的授权信道矩阵，每一个元素表示1条空闲信道.B(M×N）表示效益矩阵，每一个元素bi，kj可以用公式(3）计算获得，表示认知用户i使用信道k和相邻信道后获得的带宽效益.图G是对一次分配情况的描述，图G包括申请发送数据的认知用户数、空闲信道数以及认知用户使用信道后可以获得的带宽效益，以便于用图论的方法解决实际的频谱分配问题.用矩阵A(M×N）表示图G的分配矩阵.矩阵A是针对图G所反应的认知用户、信道以及带宽效益情况，采用动态频谱分配算法后表明哪一条信道分配给哪一个认知用户的矩阵.Kuhn-Munkres(KM）算法可以获得在完备匹配下的最大权分配.完备匹配是指将信道全部分配给认知用户.最大权分配是指权重最大，指在分配信道后所有认知用户可以获得的带宽效益和最大.在获得带宽效益方面，优先权为T1的信道要优于优先权为T0的信道.为了缩短认知用户传输数据时占用信道的时间和其他申请发送数据的认知用户等待分配信道的时间，规定优先权为CR1的认知用户只能使用优先权为T1的信道，优先权为CR0的认知用户可以使用多余的优先权为T1的信道和优先权为T0的信道.在一次分配管理中，使用KM算法将优先权为T1的信道分配给优先权为CR1的认知用户，再将多余的优先权为T1的信道和优先权为T0的信道分配给优先权为CR0的认知用户.表达式(4）和(5）代表了本动态频谱分配算法要取得的目标.B＿benefit表示M个认知用户的带宽效益和.C＿fairness表示频谱利用率，是被分配信道和空闲信道的比值.ai，k表示分配矩阵A的任意元素.ai，k∈｛ 0，1｝代表分配结果.当ai，k＝1时，表示信道k分配给认知用户i；当ai，k＝0时，表示信道k不分配给认知用户i.bi，kj表示认知用户i被分配信道k和相邻信道后可以获得的带宽效益.在图论中，1条信道只能被分配给1个认知用户.所以，通过KM算法，认知用户之间在发送数据时不会相互干扰.在集中式网络结构中，基站接收来自主用户和认知用户的信息：当前有M个认知用户申请发送数据，N条空闲信道，每一个认知用户要传输的距离和发送数据包的个数.步骤1 优先权划分：根据接收到的信息，基站分别对认知用户和信道分配优先权.步骤2 频谱管理规定：规定优先权为CR1的认知用户只能使用优先权为T1的信道，优先权为CR0的认知用户可以使用多余的优先权为T1的信道和优先权为T0的信道.步骤3 最优化分配：在频谱分配过程中，兼顾带宽效益和频谱利用率.利用最优分配KM算法将空闲的信道分配给认知用户，获得分配矩阵.本算法讨论在无线区域网(WRAN）环境下的动态频谱分配，部分仿真参数设置如表1所示.本算法按照IEEE802.22标准对WRAN的相关规定，带宽取值为22 MHz，基站的覆盖范围取值为100 km.在仿真中，比较了贪婪算法、基于KM算法实现的动态频谱分配和文献［3］提出的基于匈牙利算法实现的动态频谱分配.图1是对3种算法的带宽效益比较.在频谱池信道数多于认知用户数的前提下，随着认知用户数增多，3种算法下带宽效益都增大.图1中，贪婪算法是在没有干扰的前提下做的仿真，获得局部最大的带宽效益.匈牙利算法是可以获得最大匹配的算法，但是不能获得最大的带宽效益.仿真可得，本算法在带宽效益方面可以接近贪婪算法.但在认知用户数为15时，本算法的带宽效益有所下降，匈牙利算法在认知用户数为14和19时，带宽效益也有所下降.主要是因为不同认知用户在使用相同的信道传输不同的距离时，会获得不同带宽效益.在公式(3）中清楚地表示距离会影响路径损耗，路径损耗会影响带宽效益.本文作者介绍的KM算法要在带宽效益和频谱利用率之间取得平衡，算法会牺牲带宽效益来提高频谱利用率.但是对于贪婪算法，在不考虑干扰的前提下，带宽效益是随着认知用户数的增加而增大的.图2是在频谱利用率方面对3种算法进行的比较.本算法和匈牙利算法在频谱利用率方面都能接近1.因为KM算法能获得在完备匹配下的最大权分配.匈牙利算法和KM算法都是基于干扰图的，1条信道只能分配给1个认知用户.采用贪婪算法分配，由于认知用户之间为竞争获得最大带宽效益，多个用户使用同1条信道，干扰过大反而造成信道不可用，所以贪婪算法的频谱利用率不高.图3是认知用户在等待接入信道的时间比较图.在本算法中，由于优先权为T1的信道可以发送更多的数据，再根据第四章步骤2中的规定，优先权为CR1的认知用户占用带宽效益更高的信道，优先权为CR1的认知用户不会长时间得占用信道，其他的认知用户也不会长时间地等待分配可用信道.所以本算法在认知用户等待分配可用信道的时间方面要少于其他2种算法，保证了认知用户的QoS.文献［3］提出了对不同优先权的认知用户的排队机制.这样的安排也可以缩短认知用户的等待时间，但是不排除1个认知用户会分配到带宽效益不好的信道，则该认知用户占用信道的时间就会增长，造成其他认知用户长时间等待可用的信道.本算法是基于图论KM算法实现的动态频谱分配.在带宽效益和频谱利用率的约束下，本算法取得了两者的平衡和优化.本算法的带宽效益接近贪婪算法，频谱利用率接近1.在信道分配过程中，当认知用户数多于空闲信道数时，本算法可以一直循环执行直到所有的信道被分配完成.本次分配中未得到分配的认知用户等待下一次分配.当基站发现有主用户需要通信时，认知用户必须马上退出属于该主用户的授权信道.该认知用户需要等待下一次分配新的空闲可用信道.在图论中，1条信道只能被分配给1个认知用户.但是如果1条信道能被分配给多个用户，这将极大地提高频谱利用率.但随之而来产生一个新的问题：多个认知用户使用同一条信道必定会有干扰，这是必须处理的问题.在未来的研究中，动态频谱分配的研究可以深入考虑干扰管理，已有部分文章对此进行了讨论［6-7］，这也是下一阶段可以努力的方向.【相关文献】［1］ WEISST A，JONDRAL FK.Spectrum pooling：an innovative strategy for the enhancementof spectrum efficiency［J］.IEEE Radio Communications， 2004，42（3）：S8-14.［2］ FITZEK FH P，KATZM D.Cognitive wireless networks［M］.Berlin：Springer，2007. ［3］ SWAMR S，GHOSH C，DHEKNE R P，et al.Graph Theoretic approach to qos-guaranteed spectrum allocation in cognitive radio networks［C］.Texas：IEEE，Performance Computing and Communications Conference IPCCC 2008 IEEE International，2009.［4］ IM S，KANG Y，KIM W，et al.Dynamic spectrum allocation with efficient SINR-Based interference management［C］.San Francisco：IEEE，Vehicular Technology Conference（VTC Fall），2011.［5］ XU D，JUNG E，LIU X.Efficient and fair bandwidth allocation in multichannel cognitive radio networks［J］.IEEE transactions onmobile computing， 2012，11（8）：1372-1385.［6］ AINWAIMIG，ARSHAD K，MOESSNER K.Dynamic spectrum allocation algorithm with interferencemanagement in displaced networks［C］.Istanbul：IEEE，Wireless Communications and Mobile Computing Conference（IWCMC）2011 7th International，2011.［7］ YANG J，FEIZM Z.Bipartite graph based dynamic spectrum allocation for wirelessmesh networks［C］.Beijing：IEEE，Distributed Computing SystemsWorkshops 2008 ICDCS’08 28th International Conference，2008.。
一种最大化吞吐量增益的D2D通信资源分配算法
收稿日期：2018-04-19一种最大化吞吐量增益的D2D通信资源分配算法A Resource Allocation Algorithm to Maximize Throughput Gainin D2D CommunicationsD2D 通信用户与蜂窝用户复用相同的时频资源，能成倍地提升蜂窝小区的系统吞吐量，但蜂窝用户会付出复用代价，如功耗、速率等性能恶化。
从兼顾D2D 用户性能提升与蜂窝用户性能损失的角度出发，提出一种最大化吞吐量增益的资源分配算法。
算法分为两个步骤：为单个D2D 用户与单个蜂窝用户复用计算最大复用增益；为多个D2D 用户和多个蜂窝用户执行二部图的最大权值匹配。
理论研究和仿真结果表明，提出的算法能获得较大的吞吐量增益，且减少了系统总功耗，降低了蜂窝用户的复用代价。
D2D 通信；复用代价；资源分配；吞吐量增益Device-to-device (D2D) users and cellular users are multiplexed in the same time-frequency resource so that the cell system throughput can exponentially increase. But cellular users would pay for multiplexing, such as performance deterioration of power consumption, rate and so on. From the perspective of considering the performance improvement of D2D users and the performance loss of cellular users, a resource allocation algorithm that maximizes throughput gain is proposed in this paper. The proposed algorithm was divided into two steps: 1) To calculate the maximum multiplexing gain for multiplexing with a single D2D user and a single cellular user. 2) To perform the maximum weight matching for multiple D2D users and multiple cellular users by bipartite graph. Theoretical and simulation results show that the proposed algorithm can obtain a large throughput gain, reduce the total system power consumption, and reduce the multiplexing cost of cellular users. D2D communication; multiplexing cost; resource allocation; throughput gain（1.军事科学院系统工程研究院，北京 100141；2.信息管理中心，北京 100034；3.重庆大学通信工程学院，重庆 400044）(1. Institute of Systems Engineering, Academy of Military Science of Chinese PLA, Beijing 100141, China;2. Information Management Center, Beijing 100034, China;3. College of Communication Engineering, Chongqing University, Chongqing 400044, China)【摘 要】【关键词】郑相全1，张先禄2，何香3ZHENG Xiangquan 1, ZHANG Xianlu 2,HE Xiang 3[Abstract][Key words]1 引言D2D （Device-to-Device ，D2D ）通信[1]是指蜂窝网络中的终端直接通信而无需经过基站，这种通doi:10.3969/j.issn.1006-1010.2018.06.006 中图分类号：TN929.5 文献标志码：A 文章编号：1006-1010(2018)06-0026-08引用格式：郑相全,张先禄,何香. 一种最大化吞吐量增益的D2D通信资源分配算法[J]. 移动通信, 2018,42(6): 26-33.信方式可降低传输时延、提升传输速率，并能增加小区可承载的用户数量，是未来移动蜂窝网络实现高速率、近距离通信的重要方式。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计 算 机 应 用 研 究
第 32 卷
基于 Kuhn-munkres 最优匹配的 D2D 资源分配算法设计 *
黄俊伟，刘晓江
(重庆邮电大学 通信与信息工程学院，重庆 400065) 摘 要：由于资源复用，D2D 链路与蜂窝链路之间会产生同频干扰。为了抑制这种干扰， 提出了一种基于 Kuhn-munkres
0 引言
随着移动多媒体业务的不断发展，人们对移动通信系统中 的吞吐量,用户传输速率和用户体验提出了更高的要求。蜂窝移 动通信终端直通通信 (Device-to-Device)是移动通信领域中的一 个研究热点。D2D 是指相邻的终端可以在近距离范围内通过直 连链路进行数据传输，而不需要通过中心节点（即基站）进行 转发。 由于 D2D 复用蜂窝用户的无线资源进行通信， 因此在提高 频谱利用率和提高系统吞吐量方面占据着巨大优势。 除此之外， D2D 通信技术还能通过适当的功率控制来降低终端发射功率， 从而提高终端电池的使用年限。 但是，由于资源复用的引入，在蜂窝小区内 D2D 链路和蜂 窝通信链路之间就会产生一定的同频干扰。为了最大的抑制这 种干扰， 小区内的无线资源管理和 D2D 用户的功率控制在 D2D 通信中显得尤为重要。文献[1]中提出了一种基于干扰感知的无 线资源分配方案。 但是该方案只允许一对 D2D 用户复用一个蜂 窝用户的资源。文献[2]中提出了一种基于不同 Qos 需求的资源
--------------------------------
1 LTE 系统中的 D2D 模型
1.1 D2D 通信模型 如图 1.1，在允许 D2D 通信的蜂窝网络中，考虑单小区模 式。一个小区内包括 N 个蜂窝用户(Ce_UE)，M 对 D2D 通信用 户(D_UE)和一个位于小区中心的基站(eNB)。N 个蜂窝用户组 成集合 C Ce _ UE1 , Ce _ UE2 组成一个集合 D D 2D1 , D 2 D2
Ce _ UEn 。 同时 M 对 D2D 用户
D 2 Dm ，其中 D2D 用户对中发
送端记为 Tx，接收端记为 Rx，小区内用户数量 N>M。
基金项目：国家级重大专项 TD-LTE 面向商用的多模单待手机研发(2012ZX03001003-002) 作者简介：黄俊伟(1969-)，正高级工程师，硕导，主要研究方向为新一代宽带移动通信核心芯片、协议及系统应用的研究；刘晓江(1988-)，硕士研究生，主 要研究方向为移动通信与无线技术．
最优匹配的资源分配算法。 该算法采用了图论中的 Kuhn-munkres 最优匹配算法来实现最大限度的复用系统内的 RB， 达 到提高系统吞吐量的目的。同时，通过使一对 D2D 用户复用多个 RB 进行通信以保证不同的 Qos 需求。最后，通过计 算机仿真可以看出该算法既可以有效的满足 D2D 用户的不同 Qos 需求又提高了系统吞吐量。 关键词：D2D；Qos 需求；资源分配；最优匹配；吞吐量 中图分类号：TN929.5 文献标志码：ABiblioteka 文章预览已结束获取全文请访问
/article/02-2015-03-049.html
Design of resource allocation scheme for D2D based on Kuhn-munkres optimal matching
HUANG Jun-wei, LIU Xiao-jiang
(School of Communication & Information Engineering, Chongqing University of Posts & Telecommunications, Chongqing 400065, China) Abstract: There are interference between D2D links and cellular links due to resource reuse. In order to limit the interference effectively, proposing a Kuhn-munkres optimal matching based resource allocation scheme for D2D users. This scheme, adopting Kuhn-munkres optimal matching can not only reuse RB as many as possible to improve system throughput, but also allocate sufficient RB for D2D users as needed to meet Qos requirements. Finally, the computer simulation shows that the scheme can fulfill D2D users Qos requirements effectively and improve the system throughput. Key Words: D2D; Qos requirements; resource allocation; optimal matching; system throughput 分配方案，通过该方案可以实现一对 D2D 用户复用多个 RB。 但是该方案不能够将系统内可复用的 RB 进行最优的分配。文 献[3]和[4]提出了通过基站适当的限制 D2D 发送功率来保证蜂 窝通信的质量。 针对以上问题， 我们提出了一种基于 Kuhn-munkres 最优匹 配的 D2D 资源分配算法。该算法的目的是满足 D2D 用户对不 同 Qos 的需求。同时，使得一个小区内可复用的 RB 分配给尽 可能多的 D2D 用户以提高系统吞吐量增益。