学术咨询服务正当时学报期刊咨询网是专业的学术咨询服务平台！
发布时间：2022-03-05 14:42所属平台：学报论文发表咨询网浏览： 次
摘要：针对异构网络中密集部署小蜂窝基站(SCBSs)而导致的负载分配不均、可再生能源利用率低的问题，以最小化基站能源成本为目标，提出融合社交属性D2D通信的用户调度和资源分配优化策略。该策略首先考虑现实场景中用户间具有社会关系且满足D2D通信要求的用户建立D2D
摘要：针对异构网络中密集部署小蜂窝基站(SCBSs)而导致的负载分配不均、可再生能源利用率低的问题，以最小化基站能源成本为目标，提出融合社交属性D2D通信的用户调度和资源分配优化策略。该策略首先考虑现实场景中用户间具有社会关系且满足D2D通信要求的用户建立D2D通信链接;接着，结合可再生能源时间和空间上的多样性，将剩余蜂窝用户与可再生能源自适应感知的基站关联;最后，引入带宽分配比例系数，利用拉格朗日对偶法对各基站总的发射功率之和进行优化以实现系统基站总能源成本最小化。通过数值仿真模拟验证该算法能有效降低电网能耗，与最大参考信号接收功率算法和基站喜好偏置因子算法相比较，系统基站总能源成本分别降低了54.8%和25.8%。
关键词：能源成本;D2D通信;社交属性;异构网络;可再生能源;资源分配;能源自适应感知
0引言
随着移动设备数量的大规模增加与通信业务的持续上涨，网络流量的需求也持续走高，根据思科公司的预测报告数据显示，全球IP流量将从2017年的122艾字节/月，增加到2022年的396艾字节/月[1]。结果表明，数据流量的激增导致基站(BS)能耗的急剧增长，而基站的能量消耗取决于业务负载和整个时间段的波动[2]。
如何有效地利用可再生能源是混合能源供电的异构网络(HetNets)运行和优化研究的重要问题[3⁃4]。文献[3]在可用能量和回传约束下，提出了具有回传意识的联合用户关联和资源分配方案来提高网络效用以及均衡基站间的负载。该方案未考虑电池容量耗尽而引起的数据传送中断问题。
能源方向论文：金融发展、经济增长与能源消费分析
文献[4]提出一种流量调度和功率分配的联合优化方法来实现宏基站和小蜂窝基站的总上网能耗最小化。该方案中小蜂窝基站服务于每个移动用户，所需要的能量是平均分配的，很难在各时段中灵活调度。设备到设备(Device⁃to⁃DeviceCommunication，D2D)的直连通信技术作为蜂窝通信的有效补充手段，它对缓解蜂窝通信的负载压力、提高资源利用率以及降低基站能耗同样有着积极的促进作用[5⁃6]。
文献[5]提出一种通过优化无线功率传输时间分配因子来最大化网络能效的算法，但该文献中的模型只适用于较简单的场景，应用范围较窄。文献[6]在密集部署小小区的多频带异构蜂窝网络场景中，提出一种启发式D2D通信上行链路资源分配方案并优化系统性能，该优化性能未考虑用户的移动性，普遍性较弱。
综上，本文针对异构网络(HetNets)中密集部署小蜂窝基站(SCBS)导致的网络中负载分配不均、可再生能源利用率低的问题，首先考虑一个由两种能源混合供电的双层异构网络：宏基站(MBS)由电网能量供电来保证宏小区覆盖区域内能连续通信，小蜂窝基站由混合能源供能[7]。
接着，在保证用户服务质量(QualityofService，QoS)的前提下，以基站能量成本最小化为目标，提出一种融合社交属性D2D通信的可再生能源自适应感知用户⁃基站关联策略(ARenewableEnergyAdaptive⁃awareUser⁃baseStationAssociationStrategyCombiningSocialAttributeD2DCommunication，co⁃social⁃D2DEAAUA)来降低异构网络中基站的能耗，提高可再生能源的利用率。最后，在给定基站用户关联策略后，进一步利用拉格朗日对偶法进行带宽资源比例优化[8]。
1系统模型
系统中有1个位于小区中心的宏基站MBS，在MBS覆盖区域内有L(L∈Ω)个均匀分布的小蜂窝基站SCBSs以及I(I∈U)个随机分布的用户(UE)。该系统内分布有两种通信方式的用户：1)具有社交属性的D2D通信用户(DUE);2)传统蜂窝模式通信用户(CUE)。假设在一个时隙内，1个CUE只能被1个BS服务，而1个BS可以同时服务多个CUE[9]。
1.1具有社交属性的D2D通信
在实际情况下，用户将不可避免地形成一些社会关系。出于信息的保密性和安全性，用户更愿意同自己认识或者有共同爱好的人进行资源共享[10]。
1.2信道模型
假设当CUE与基站进行关联和基站为关联用户分配资源时，信道是维持稳定的。为简化噪声计算，假设蜂窝用户CUEi连接到BSj上的噪声为最大噪声且是常数[12]。
1.3功耗模型为方便计算，假设每个CUE都有一个固定的数据速率Ri。
2优化问题描述本文考虑一个时间间隔为τ内的关联关系和资源分配。假设每个时间间隔τ内，每个CUE只能与一个BS相关联，任意BS在该时间间隔τ内只能由一种能源供能。
3优化问题求解
本节中，首先通过融合社交属性的D2D用户筛选算法使系统中满足条件的用户建立D2D通信连接;其次，根据可再生能源自适应感知用户⁃基站关联策略均衡MBS和SCBSs上的用户负载;最后引入带宽分配比例系数，为BS上关联的用户分配最优的带宽资源。
3.1融合社交属性的D2D用户筛选算法
定义Dmax，Dmin分别为D2D通信的物理距离上下边界，物理距离在此边界内的用户才能进行D2D通信。基于社交信息和物理距离信息。
3.2可再生能源自适应感知用户⁃基站关联算法
异构网络中的全局信息不易获得，各BS间协调难度很大，针对上述问题，本文提出一种分布式的低复杂度用户关联方案。传统蜂窝网络中每个CUE以最大信干噪比和最大参考信号接收功率(Max⁃RSRP)选择关联基站，这很容易导致负载分配极度不均衡。
3.3带宽资源分配策略
给出用户关联方案后，DUE对发射端一对一复用距离其最近的CUE的信道资源，最后对各基站总的发射功率之和进行优化。
4数值分析
4.1仿真参数
在本节中，首先分析相关参数变化对用户选择的通信模式的影响。其次，将本文所提出的融合社交属性D2D通信的可再生能源自适应感知用户⁃基站关联算法与最大参考信号接收功率Max⁃RSRP)算法以及基站喜好偏置因子算法[16(BiasStaionReceivePower，BSRP)分别在用户连接、总能量成本两方面进行比较分析。系统中MBS位于中心位置，其覆盖半径为500m，周围均匀分布着7个由混合能源供电的小蜂窝基站SCBSs，其覆盖半径为300m。MBS链路路损表达式为L(d)=128.1+37.6logd，SCBSs链路路损表达式为L(d)=140.7+36.7logd以及D2D链路路损[17]表达式为L(d)=148+40logd。用户随机均匀分布在系统内，用户固定数据速率为1Mb/s，每个基站分配有10MHz的带宽。
4.2模式选择算法有效性分析
显示了用户通信模式选择算法中各限制参数变化情况下，DUE数目的变化。从中可知，在用户物理距离上下边界Dmax，Dmin和社交距离αth不变时，DUE用户数目随着社交成本λth的降低而减少，当λth=3时，系统内所有用户都无法建立D2D通信连接。当固定用户社交距离和社交成本时，调节用户物理距离，将会使一些原本社交关系强，但因物理距离过窄而无法进行D2D通信的用户成功建立D2D通信连接。另外，从图3c)中还可看出，放宽社交距离也能使一些社交关系较弱的用户成功进行D2D通信。通过对仿真的分析，验证了该模式选择算法的有用性。
4.3用户关联情况分析
表示在固定服务用户数量为50个，小蜂窝基站可再生能源捕获量为160J的情况下，三种算法的用户⁃基站关联情况。传统的最大参考信号功率算法下的基站负载分布极度不平衡，大多数用户与宏基站连接。BSRP算法卸载了部分MBS上的服务用户到SCBSs，但这会导致一些SCBSs上的负载增加而导致存储的可再生能源不足以为其供能。co⁃social⁃D2DEAAUA算法使一些用户进行D2D直连通信，其卸载了MBS和SCBSs的部分负载压力，并结合可再生能源的使用情况自适应地调节SCBSs上的CUE关联数目，进一步使各基站上的负载更加均衡。
5结语
本文在保证系统用户QoS的情况下，提出了一种融合社交属性D2D通信的可再生能源自适应感知用户⁃基站关联策略。根据用户社交属性筛选符合条件的服务用户进行D2D直连通信，利用可再生能源自适应感知用户关联算法和拉格朗日对偶算法对CUE进行能效优化，最终实现系统中基站总能源成本的最小化。通过与其他两种算法对比，本文提出的算法在相同用户数量和可再生能源捕获量的约束下，系统中基站总能量成本分别平均降低了54.8%和25.8%。下一步工作将考虑用户的移动性和不同时间点基站能量成本的消耗情况，利用灰狼智能算法实现系统基站能耗的智能优化。
参考文献：
[1]CiscoSystems，Inc.Ciscovisualnetworkingindex：forecastandtrends，2017⁃2022[R].SanJose，CA，USA：Cisco，2018.
[2]AUERG，GIANNINIV，DESSETC，etal.Howmuchenergyisneededtorunawirelessnetwork?[J].IEEEwirelesscommu⁃nications，2012，18(5)：40⁃49.
[3]HANQN，YANGB，MIAOGW，etal.Backhaul⁃awareuserassociationandresourceallocationforenergy⁃constrainedHetNets[J].IEEEtransactionsonvehiculartechnology，2017，66(1)：580⁃593.
[4]WUY，YANGXW，QIANLP，etal.Optimaldual⁃connectivitytrafficoffloadinginenergy⁃harvestingsmall⁃cellnetworks[J].IEEEtransactionsongreencommunications&networking，2018，2(4)：1041⁃1058.
[5]SHANGBD，ZHAOLQ，CHENKC，etal.Wireless⁃powereddevice⁃to⁃device⁃assistedoffloadingincellularnet⁃works[J].IEEEtransactionsongreencommunications&net⁃working，2018，2(4)：1012⁃1026.
[6]CHENYL，AIB，NIUY，etal.Resourceallocationfordevice⁃to⁃devicecommunicationsinmulti⁃cellmulti⁃bandheterogeneouscellularnetworks[J].IEEEtransactionsonvehiculartechnology，2019，68(5)：4760⁃4763.
[7]CHENYJ，LIJ，LINZH，etal.Userassociationwithunequaluserprioritiesinheterogeneouscellularnetworks[J].IEEEtransactionsonvehiculartechnology，2016，65(9)：7374⁃7388.
[8]张亚梅，张国平.基于拉格朗日对偶的认知无线电网络最优资源分配算法[J].现代电子技术，2016，39(19)：6⁃10.
[9]YANGB，SHENYY，HANQN，etal.Energyefficientre⁃sourceallocationfortime⁃varyingofDMArelaysystemswithhybridenergysupplies[J].IEEEsystemsjournal，2018，12(1)：702⁃713.
[10]FENGL，ZHAOP，ZHOUFQ，etal.Resourceallocationfor5GD2Dmulticastcontentsharinginsocial⁃awarecellularnetworks[J].IEEEcommunicationsmagazine，2018，56(3)：112⁃118.
作者：左清念1，肖海林2，邱斌3，刘小兰1，张文倩1
转载请注明来源。原文地址：http://www.xuebaoqk.com/xblw/7390.html
《融合社交属性D2D通信的能源成本最优化研究》