董智超 周垚

摘 要：隨著智能終端用戶的大規(guī)模增長，迫切需要提高網(wǎng)絡帶寬和資源使用效率。5G網(wǎng)絡中的認知D2D（device-to-device） 通信技術可直接通過通信設備建立通信鏈路，兩個建立好鏈路的通信設備可直接通信，既能高效利用通信資源，又能滿足爆發(fā)式增長的數(shù)據(jù)流量需求。如何進行通信資源管理及通信鏈路選擇成為研究重點?；?G網(wǎng)絡的認知D2D通信技術提出了一種基于博弈論的信道分配方法，以解決資源分配問題，最大化D2D通信設備運行效率。將該方法與傳統(tǒng)通信方法進行對比仿真，實驗驗證所提方法更加優(yōu)越。

關鍵詞：5G網(wǎng)絡;D2D通信;博弈論;信道分配

DOI：10. 11907/rjdk. 182423 開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP393 文獻標識碼：A 文章編號：1672-7800（2019）007-0198-04

Channel Allocation Method Based on Game Theory for

Cognitive D2D Communication in 5G Networks

DONG Zhi-chao，ZHOU Yao

（Information Technology Center，Yunnan University， Kunming 650500， China）

Abstract：With the large-scale growth of intelligent terminal users， it is urgent to improve the efficiency of network bandwidth and power resources. Cognitive D2D （device-to-device） communication technology in 5G network can establish communication links directly through communication devices. Two communication devices with good links can communicate directly. They can utilize communication resources efficiently and meet the demand of explosive growth of data traffic. How to manage the communication resources and choose the communication links has become a major and difficult task. Therefore premised on the game theory， this paper proposes a channel allocation method based on cognitive D2D communication technology of 5G network to solve the problem of resource allocation in D2D communication system to maximize the power efficiency of D2D communication equipment. Finally， through simulation experiments， the proposed method is compared with the traditional communication method， and the superiority of the proposed method is verified.

Key Words： 5G network; D2D communication; game theory; channel allocation

作者簡介：董智超（1992-），男，云南大學信息技術中心助理實驗師，研究方向為無線網(wǎng)絡通信;周垚（1988-），男， 云南大學信息技術中心助理實驗師，研究方向為無線通信網(wǎng)絡。本文通訊作者：周垚。

0 引言

4G網(wǎng)絡通信設備在進行通信時都需要通過基站（base station，BS）進行，即使兩個設備靠得很近仍需經(jīng)過基站，這種模式下通信效率非常低，不能高效利用網(wǎng)絡中的帶寬資源，也不能高效進行網(wǎng)絡功率的資源分配[1]，因此5G網(wǎng)絡提出了D2D（device-to-device）通信概念。隨著網(wǎng)絡語音通信普及，網(wǎng)絡應用程序成指數(shù)規(guī)模增加，D2D通信技術倍受重視。認知無線電技術能通過與外界環(huán)境的相互接觸探測到周圍可用的頻譜資源[2]。因此，將D2D通信技術與認知無線電技術相結合，提出了認知D2D通信技術。認知D2D通信技術能降低本地通信成本，提高帶寬利用效率，高效進行功率分配?；?G網(wǎng)絡的認知D2D通信技術成為研究熱點[3]。

在D2D通信系統(tǒng)中，設備間的通信可直接進行，不需要通過BS [4]。在目前的局部區(qū)域通信中，WiFi技術和藍牙技術等點對點通信技術都是在非授權的頻段上進行通信，而D2D通信技術允許通信設備直接使用授權的頻段進行通信[5]，從而更好地確保通信質量（Quality of Service，QOS）。將認知D2D通信技術應用到未來的5G網(wǎng)絡中，可以直接通過通信設備建立通信鏈路，在兩個建立好鏈路的通信設備間就可進行通信。在這種通信模式下，不需要BS進行資源分配或建立鏈路，通信設備間可以進行資源或通信線路選擇，通信資源得到高效利用[6]。這種通信模式下，需要合理管理和分配好資源，才能將這種通信模式更好地應用到5G網(wǎng)絡中[7]。

D2D通信研究較多，如文獻[8]研究了D2D通信的上行鏈路問題，但忽略了下行鏈路問題;文獻[9]研究了的D2D設備發(fā)現(xiàn)和通信鏈路建立。不同場景下D2D通信相互作用或多媒體應用研究也較多，如文獻[10]中，作者提出了兩種方法減輕上行鏈路負載，從而降低上行鏈路的數(shù)據(jù)延時。文獻[11]中，作者提出一種新的信道分配方式，但未考慮到通信過程中的干擾。文獻[12]中，作者建立的數(shù)學模型太單一，不能滿足真實網(wǎng)絡環(huán)境需求。

本文提出基于博弈論的信道分配方法解決D2D通信系統(tǒng)中資源的分配問題，研究在認知D2D通信系統(tǒng)中網(wǎng)絡的信道功率分配，使其能保證通信QOS。在本文提出的系統(tǒng)模型中，通信鏈路的信道功率計算是通過在一個周期內信道功率的獲得率和消耗率進行的。本文建立了一個含有信道容量和信道功率的系統(tǒng)模型，在保證系統(tǒng)每個D2D通信設備的頻譜資源可以共享的前提下，最大化D2D通信設備的功率效率，即在D2D通信系統(tǒng)中為信道的功率分配制定一個最優(yōu)分配方式[13]。

1 系統(tǒng)模型

假定在認知D2D通信系統(tǒng)中所有D2D通信設備都具備探測到信道中有空閑信道的能力[14]。在一條鏈路中，功率效率n用比特/焦耳表示，在本模型中用來表示功率效率，用數(shù)學公式表示如下：

其中，H以比特的形式表示每秒信道中的容量，X表示鏈路中每秒信道的損耗，而信道中傳輸?shù)谋忍亓骺梢员硎緸椋?/p>

其中，C表示信道的吞吐量，T表示分配信道時的時間間隙，C根據(jù)香濃定理得到，而T則是一個預定義的持續(xù)時間。

在通信線路中功率的消耗可以表示為：

Q表示在通信狀態(tài)時的功率消耗，[Qb]表示在空閑狀態(tài)時的功率消耗，[Tx]表示系統(tǒng)設備在傳輸信號時的持續(xù)時間。

假設系統(tǒng)有K個設備，J個信道，每個設備都可探測到不同的可用信道進行通信。每個通信信道的空閑或被占用通過泊松過程表示[15]。系統(tǒng)中每個設備都可使用空閑的信道進行通信。

x為決策變量，當[xkjb]的值為1時，表示第b個信道用于第k個和第j個D2D設備之間進行通信。當信道空閑時，決策變量值為0。當?shù)赽個信道空閑時，第k個和第m個設備可進行通信，兩個設備間的通信限定在一定范圍內。所以，D2D通信時的信道分配問題可表示為如下優(yōu)化問題：

其中，存在k和j且k與j不相等，公式（4）的目標就是最大化D2D設備通信時的功率效率直到到達納什均衡點。約束條件C1表示只有一個信道能分配給第k個和第j個D2D設備進行通信，約束條件C2是最小化功率需求，約束條件C3是保證通信的D2D設備只在第k個和第j個信道之間進行通信，并且在其通信范圍內進行。

2 基于博弈論的信道分配方式

2.1 信道分配總體框架

假設在D2D通信過程中信道的分配是在靜態(tài)機制下的非合作分配方式。通常情況下，靜態(tài)機制下的博弈論由參與者、動作、效用函數(shù)[16]3部分組成。在數(shù)學上一個靜態(tài)的博弈論函數(shù)表示如下：

其中K表示有限的參與者，即D2D通信設備的數(shù)量， A表示一系列的動作，U是一個效用函數(shù)，效用函數(shù)讓每個參與者和參與者的動作相互關聯(lián)。效用函數(shù)可被每個K信道中的參與者進行感知，然后讓每個參與者選擇動作A，讓剩下的K-1個參與者也選擇相應的動作。

2.2 潛在博弈公式

在所提出的非合作博弈中，每個參與者動作可表示為A，A是從總的M個信道中分配到的信道集。每個參與者K通過效用函數(shù)以迭代達到納什均衡，達到納什均衡后所有參與者都不能通過增加效用函數(shù)來改變動作[17]。在非合作博弈中，有很多種數(shù)學方法達到納什均衡，本文選擇最佳響應動態(tài)機制達到納什均衡[18]。非合作博弈中最佳響應動態(tài)機制是一種不斷更新的策略機制，參與者在保證其他參與者策略不變的情況下，最大化個體效用函數(shù)。在遍歷所有參與者之后，函數(shù)效用如果沒有增加則意味達到了納什均衡[19]。第K個參與者要獲得在T+1時刻的最佳響應動態(tài)必須滿足如下條件：

其中，[（Ak，At-k）]是第K個參與者在時間T時的動作表現(xiàn)，[At+1k]為在非合作策略下參與者的動作。

2.3 效用函數(shù)與勢函數(shù)

為解決等式（4）中出現(xiàn)的問題，使用一個潛在的博弈論方式，第K個參與者的效用函數(shù)就相當于是目標函數(shù)[20]：

目標函數(shù)U相當于是最大化D2D通信過程中的功率效率。

根據(jù)效用函數(shù)（10），勢函數(shù)可用如下公式表示：

因此，基于上文勢函數(shù)，[At+1k=argmaxβk（A）]是最大化的勢函數(shù)，納什均衡可得到保障[21]。這個動作具有緊密凸性，而勢函數(shù)[βk（Ak，A-k）]連續(xù)可微，因此確定有納什均衡的存在。

3 仿真結果

將本文所提方法與傳統(tǒng)蜂窩網(wǎng)絡及認知D2D網(wǎng)絡在功效方面進行仿真分析。D2D通信設備部署在一個300m2的區(qū)域內，在這個區(qū)域內D2D設備隨機進行分配，假設每個設備有兩個信道的干擾且每個通信設備總有數(shù)據(jù)進行傳輸。區(qū)域內總共有M個信道，而用于每個設備進行通信的信道是M信道的子集，并且任何兩個設備之間可用的信道不同。仿真中，通信設備用戶根據(jù)信道被占用的概率選擇未被占用的信道進行通信。對于每個信道來說，信道被占用或是信道空閑的概率是一樣的，并且這個概率是獨立的。每個節(jié)點的功率效率是在仿真范圍內由通信設備的仿真參數(shù)和通信信道的仿真參數(shù)值計算出來的。仿真參數(shù)如表1所示。

表1 仿真參數(shù)

根據(jù)表1中的仿真數(shù)據(jù)進行仿真分析得到圖1。

圖1表明設備數(shù)量在10-400范圍內設備的平均功率效率。一開始，隨著設備的增加，每個設備的平均功率效率也在提高，這是由于在可用的空間區(qū)域內，對于可用的信道進行有效復用的結果。在固定區(qū)域內，當設備增加到一個固定點時，每個設備的平均能量效用開始逐漸降低，這是由于沒有更多的空間用于有效的信道復用。此后，隨著通信設備數(shù)量的增加，每個設備的平均功率效率在減少。由圖2可知，與傳統(tǒng)的蜂窩網(wǎng)絡及D2D通信網(wǎng)絡相比，本文所提方法具有較高效的功率效率。

圖1 設備數(shù)增加后相應的功率效率

圖2說明信道在10-25范圍內變化時每個設備在變化的信道參數(shù)下的平均功率效率，通信設備數(shù)量設定為100個，可用信道增加導致分配信道概率上升。因此，每個設備平均功率效率的提升是隨著可用信道數(shù)量的增加而上升的。但是在超過納什均衡點時這個速率增加很緩慢。與傳統(tǒng)的蜂窩網(wǎng)絡及D2D通信網(wǎng)絡相比，本文所提方法具有較高效的功率效率。

圖2 信道數(shù)增加相應的功率效率

4 結語

本文討論了基于認知D2D通信中的信道分配問題。針對D2D通信設定一個模型，假設每個D2D通信設備都具備認知感知能力，根據(jù)設定模型提出一個優(yōu)化的信道分配問題，提出一種基于博弈論的信道分配方式，最大化D2D通信設備的功率效率。仿真實驗表明，在變化的設備參數(shù)和信道數(shù)量下，本文所提方法相對于其它方式有更優(yōu)質的通信鏈路可選，提高了每條鏈路的功率效率，同時減少了設備信道占用時間，大大提高了通信資源利用率。

要完全實現(xiàn)通信效率的提高，本文研究內容還遠遠不夠，系統(tǒng)模型及理論設計需更上一個層次。后續(xù)研究爭取將研究理論應用于實踐，助力推進5G。

參考文獻：

[1] ELSAWY H， HOSSAIN E. Two-tier hetnets with cognitive femtocells：downlink performance modeling and analysis in a multi-channel environment[J]. IEEE Trans，Mobile Comput，2014，13（3）：649-663.

[2] FLINT I， LU X， PRIVAULT N， et al. Performance analysis of ambient rf energy harvesting： a stochastic geometry approach[C]. Proceedings of IEEE GLOBECOM， 2014：1471-1476.

[3] LEI L，SHEN X，DOHLER M，et al. Queuing models with applications to mode selection in device-to-device communications underlaying cellular networks[J]. IEEE Transactions on Wireless Communications，2014，13（12）：6697-6715.

[4] DOPPLER K， RINNE M P， WIJTING C， et al. Device-todevice communication as an underlay to LTE-advanced networks[J]. IEEE Communications Magazine，2009，47（12）：29-42.

[5] FODOR G， DAHLMAN E，? MILDH G， et al. Design aspects of network assisted device-to-device communications[J]. IEEE Communications Magazine，2012，50（3）：70-177.

[6] LEE D H， CHOI K W，JEON W S，et al. Two-stage semidistributed resource management for device-to-device communication in cellular networks[J]. IEEE Transactions on Wireless Communications，2014，13（4）：1908-1920.

[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] AHMED H S. Cognitive and energy harvesting-based D2D communication in cellular networks： stochastic geometry modeling and analysis[J]. IEEE Transactions on Communications，2015，63（5）：1867-1880.

[9] 唐菁敏，龍華，邵玉斌，等. 中繼選擇協(xié)議下的認知無線電系統(tǒng)性能研究[J]. 電子技術應用，2012，38（10）：10-11.

[10] HAJIAGHAJANIF，MEHDIR. Downlink resource reuse for device- to-devicecommunication underlaying cellular networks using a generalized knapsack framework[C]. Proceedings ofthe 13th IEEE Annual Consumer Communications & Networking Conference.Washington D. C， USA： IEEE Press， 2016：171-176.

[11] 陶卿，高乾坤，姜紀遠，等. 稀疏學習優(yōu)化問題的求解綜述[J]. 軟件學報，2013，24（11）：2498-2507.

[12] 張瑩，滕偉，韓維佳，等. 認知無線電頻譜感知技術綜述[J]. 無線電通信技術，2015，41（3）：12-16

[13] GEORGIOSI，TSIROPOULOSOA，DOBRE M H A，et al. Radio resource allocation techniques for ef？cient spectrum access in cognitive radio networks[J]. IEEE Communications Surveys & Tutorials，2016，18（1）：824-847.

[14] LIANG LIANG，F(xiàn)ENGGANG，ZHANGYIDE. Resource allocation with interference coordination for relay-aided cellular of DMA systems[J]. IET Communications， 2012， 6（3）：300-310.

[15] JAMES C F， LI M L， GAO F F. Device-to-device （d2d） communication in mu-mimo cellular networks[C]. Global Communications Conference （GLOBECOM），2012：3583-3587.

[16] MIN H，SEO W，LEE J， et al. Reliability improvement using receive mode selection in the device-to-device uplink period underlaying cellular networks[J]. IEEE Transactions on Wireless Communications，2011，10（2）：413-418.

[17] BOGALE T E，VANDENDORPE L. Linearly combined signal energy based spectrum sensing algorithm for cognitive radio networks with noise variance uncertainty[C]. 8th International Conference on Cognitive Radio Oriented Wireless Networks，2013：80-86.

[18] AHMED HAMDI SAKR，HINA TABASSUM，EKRAM HOSSAIN，et al.Cognitive spectrum access in device-to-device-enabled cellular networks[J]. IEEE Communications Magazine， July 2015，53（7）：126-133.

[19] LEI L，SHEN X，DOHLER M，et al. Queuing models with applications to mode selection in device-to-device communications underlaying cellular networks[J]. IEEE Transactions on Wireless Communications，2014，13（12）：6697-6715.

[20] DOPPLER K，RINNE M? P，WIJTING C，et al. Device-to device communication as an underlay to LTE-advanced networks[J]. IEEE Communications Magazine，2009，47（12）： 29-45.

[21] FODOR G， DAHLMAN E， MILDH G， et al. Turanyi.design aspects of network assisted device-to-device communications[J]. IEEE Communications Magazine，2012，50（3）：70-177.

（責任編輯：杜能鋼）