基于能量收集的D2D通信资源分配与优化研究

发布时间：2020-06-23 02:21

【摘要】：随着无线蜂窝设备及其流量需求的显著增长,蜂窝网络将面临频谱稀缺和高能耗的考验。3GPP(3rd Generation Partnership Project)网络工作组不断推进有效的无线通信技术,以期望将蜂窝网络从频谱限制中解放出来,并控制不断增长的能量消耗。与此同时,移动设备高倍数增长的态势将加速能源消耗,并带来环境污染(显著表现在温室气体排放)等隐含问题。因此,无线蜂窝设备及其流量需求的快速增长,以及其背后的环境和能源供给问题正驱动业界去探索能效和谱效更优的无线通信方案。复用蜂窝频谱的能量采集充电设备到设备(Device-to-Device:D2D)通信(EH-based D2D Communication underlaying Cellular Network:EH-DCCN)集合D2D通信和能量采集技术优势,能在绿色通信的基础上卸载蜂窝基础设施侧流量。因此,EH-DCCN能实现未来网络对高能效、高谱效的需求,是未来绿色无线蜂窝通信部署和实施的重要组成部分。但是,由于环境的波动性以及能量转换技术的不成熟,这种新兴的能量技术使得设备的可用能量具有很强的随机性、间歇性和异构性。基于这种特性,高效能量管理方案成为了 EH-DCCN场景下的重要热点课题,也是EH-DCCN现实化的基石。本文结合D2D无线通信模式和能量采集的电量特性,以满足网络不同传输需求为目的,设计高效的多域资源调度和分配机制,为推进EH-DCCN通信的发展提供更充实的理论依据和关键技术支撑。因此,本文的主要工作和创新点如下:(1).针对能量可用性将改变资源分配方式的特点,联合考虑可用能量和信道特征,在多个能量采集支持的D2D通信复用一个蜂窝用户频谱资源场景下,设计了能量和信道联合感知的动态频谱匹配和干扰控制方案。考虑到可用能量是EH-DCCN场景下资源分配时不可忽略的重要影响因素。本部分内容联合考虑可用能量和信道特性对资源分配的影响,在多个能量采集支持的D2D通信对(EH-based D2D Pair:EH-DP)可复用一个蜂窝用户的频谱资源前提下,以最大化系统吞吐量(即传输速率)为目标,对蜂窝频谱资源进行合理分配,并优化分配频谱后的用户间同频干扰(即功率控制)问题。针对本研究建立的频域和功率域联合优化问题,本部分内容首先利用不等式近似和等式替换的方式,将原问题近似转化成凸的混合整数非线性规划问题,并利用外逼近方法求得该转化问题的近似解;其次,由于外逼近算法的求解复杂度较大,不能满足无线网络决策延迟的需求。本内容根据优化问题特性,结合距离匹配思想,提出一种快速的能量感知频谱匹配和干扰控制方案。通过仿真和复杂度分析验证了提出算法的性能,并给出在不同场景下提出算法的优缺点,给EH-DCCN场景下实际的频谱和功率资源分配提供参考依据。(2).针对频谱资源匹配后,能量可用性会使得用户频谱负载在时域上变得不均衡的特性,研究时域上的资源调度及其功率分配方案,设计了离线近似最优和利于实际部署的在线负载均衡算法,减少了用户传输过程中的相互干扰,进一步提升了系统的整体能效。在短期时间长度内,建立了以EH-DP用户总能效为优化目标的时域频谱调度及其相应的干扰控制规划模型。为有效求解以上短期分式非凸规划问题,首先结合丁克尔巴赫分式规划和凸松弛方案,设计出一个两层的凸近似迭代资源优化算法,在离线场景下对优化问题进行近似最优求解。其次,考虑到该离线优化方案需要短期时间段内的所有状态信息,与实际应用有一定差距。因此,本部分内容结合模型和网络的特性,建立了一个在线的时间差分资源调度和功率分配方案。该方案在获知下一时隙的状态信息前提下,基于推导的用户侧基础传输需求消耗,对相邻时隙(当前时隙和下一时隙)间的传输负载进行均衡、调度、以及相应的功率分配。仿真分析验证了该基于能量特性的短期负载均衡方案能进一步提升EH-DP用户传输能效,更适用于EH-DCCN传输场景。(3).针对实际的非全负载数据业务模式和无线设备侧有限的存储空间,研究了在EH-DCCN场景下的能效和延迟多效用传输均衡调度问题,建立了更贴近实际场景的数据和能量模型,利用增强学习理论,设计传输优化调度算法,提升了 EH-DCCN网络的传输质量。考虑面向多效用需求的业务,针对蜂窝用户和EH-DP 一对一和一对多复用模型,建立了长期平均能效-延迟加权和最优化均衡模型。考虑到建立的优化模型属于长期非凸分式多目标规划,直接通过凸优化等优化方案进行求解较为复杂。通过结合Q学习,在一对一和一对多复用场景下分别建立了集中式和利于实际部署的分布式无限水平、离散时间、有限状态的马尔科夫决策过程。考虑到Q学习收敛性对该马尔科夫模型的状态-行为空间大小较为敏感。本部分内容通过状态空间降维和学习经验共享的方式分别对马尔科夫模型进行改进,以提升算法收敛性和性能。仿真验证了该基于Q学习的改进算法能通过更快的收敛速度比拟Q学习算法性能。与此同时,仿真分析了在不同场景下,达到较好能效-延迟均衡性能时网络能服务的数据到达情况。该部分结论有利于给EH-DCCN场景中实际的能效-延迟资源调度提供参考依据。
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TN929.5
【图文】：

碳排放,蜂窝网络

逑给并非是一个明智和长远之举。这是由于：非再生能源的产生需要长时间的不逡逑断累积，并且其消耗的增大将带来空前巨大的碳排放觉。图１－２展示了预计到逡逑２０２０年，移动通信的碳排放Ｍ？分布ｍ。此时，来自移动蜂窝设备端的碳排放占逡逑比超过４０％，预ｉ十到２０２０年，移动蜂窝网络的二氧化碳（Ｃ０２）排放量将达到逡逑３．４５邋亿吨（８］。逡逑数据中心和数｜逦ＱｌＪ逦逦逦逡逑３０％邋．逦，逡逑图１－２移动蜂窝通信的碳排放分布（预计在２０２０年）ｐ’９１逡逑通过以上分析，不断增加的基础设施以及移动设备通信需求使得能量消耗逡逑不断攀升，其背后不仅仅会造成温室气体的大量排放，还会造成运营商操作开逡逑销成本的加剧。基于此，考虑到未来５Ｇ蜂窝网络的发展状况、以及能源消耗逡逑带来的能源危机和其对环境的影响，能量有效的绿色无线通信势在必行。现今，逡逑如图１－３所示

无线通信,绿色,能量,碳排放

【参考文献】