文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.182031
中文引用格式： 李國睿，周迪，肖海林. 時延QoS保證的D2D-based V2V車載通信功率分配方案[J].電子技術應用，2019，45(3)：71-75.
英文引用格式： Li Guorui，Zhou Di，Xiao Hailin. Power allocation for D2D-based V2V vehicular communication with delay QoS guarantee[J]. Application of Electronic Technique，2019，45(3)：71-75.
0 引言
相比于傳統車輛自組網，基于蜂窩網的V2V通信技術具有覆蓋范圍更廣、靈活性更高、數據傳輸速率更快的優點。D2D技術可用于支持V2V在蜂窩網下的通信[1]（本文稱作D2D-based V2V通信），使用該技術，車輛間的通信不用經過基站轉發，減輕了基站的負擔。蜂窩網下D2D-based V2V有Overlay和Underlay兩種通信模式，前者為D2D-based V2V用戶分配專用的頻譜資源，而Underlay模式下D2D-based V2V用戶會復用蜂窩用戶的頻譜資源，采用Underlay模式可大大提高頻譜效率[2]。
Underlay模式下，D2D-based V2V用戶和蜂窩用戶使用相同的頻譜資源，會有嚴重的同頻干擾[3]。近年來，有研究人員做了相關研究[4-6]，文獻[4]提出一種考慮蜂窩用戶干擾的功率分配算法，實現了D2D-based V2V用戶的連續干擾消除，但沒有考慮QoS需求。文獻[5]考慮了用戶的QoS需求，提出了以最大化有效容量為目的的功率分配算法，但僅考慮了單個蜂窩用戶和單對D2D-based V2V用戶的情況。文獻[6]研究了多對D2D-based V2V共用同一頻帶資源的場景，提出基于D2D-based V2V 用戶QoS保證的資源分配方法，實現了最大化系統吞吐量的目標，但并沒有考慮蜂窩用戶的存在。
實際上，蜂窩小區中有數量較多的蜂窩用戶和D2D-based V2V用戶。本文提出一種多個蜂窩用戶多對D2D-based V2V用戶場景下的功率分配方案，該方案分別考慮了蜂窩用戶和D2D-based V2V用戶的通信需求，采用有效容量模型滿足用戶的時延QoS需求，通過拉格朗日方法得到優化問題的最優解。數值仿真表明，相比于其他方案，本文提出的方案能夠很好地提高系統有效容量。
1 系統模型
考慮一個基于OFDMA的蜂窩小區，包含一個基站、M個蜂窩用戶和N個D2D-based V2V用戶。信道劃分為K個正交子信道，每個子信道帶寬為B。蜂窩用戶隨機的分布在該小區內。用K={1，2，…，K}表示所有可用子信道的集合，C={1，2，…，M}、V={1，2，…，N}分別表示蜂窩用戶的集合和D2D-based V2V用戶的集合。其中M≤K、N≤M。
車輛在城市環境中行駛，系統模型如圖1所示。D2D-based V2V用戶復用蜂窩用戶的上行資源，并且所有D2D-based V2V用戶都采用Underlay模式通信。假設基站可以獲得全部的CSI。
圖2為D2D-based V2V用戶復用蜂窩用戶上行資源時的干擾模型。如圖所示，系統中的干擾主要有D2D-based V2V用戶發射端對基站的干擾、蜂窩用戶對D2D-based V2V接收端的干擾、復用同一蜂窩用戶資源的其他D2D-based V2V用戶的干擾。
假設時隙長度為T，在一個時隙T內，第n個D2D-based V2V通信用戶的最大服務速率為：
2 問題建模
2.1 有效容量模型
僅由物理層的信道狀態信息無法滿足應用層的QoS需求。對此，WU D和NEGI R在有效帶寬理論的基礎上提出了有效容量理論[7]。第n個D2D-based V2V用戶的有效容量表達式如下：
2.2 時延QoS保證
對于車載通信業務，時延是最關鍵的QoS參數。根據大偏差理論[8]，隊列的長度可收斂至一個穩態隊長：
2.3 優化問題
本文的目標是基于車載通信的低時延QoS需求，求解最優功率分配方案使得系統的有效容量最大。相應優化問題可表示為：
3 基于時延QoS保障的功率分配
3.1 拉格朗日方法
由于式(12)滿足Slater準則，強對偶性成立[9]。式(12)的部分拉格朗日函數表達式如下：
3.2 求最優對偶變量
對偶變量的最優解可采用次梯度法求解：
4 仿真分析
本文假設所有車輛都通過D2D-based V2V方式通信，所有車輛具有相同的時延QoS需求。為了便于分析，假設一個D2D-based V2V用戶只復用一個蜂窩用戶的資源。仿真參數的設置依據3GPP標準規定的LTE-OFDMA系統的參數[11]，如表1所示。
首先驗證算法的收斂性。由圖3可以看出，隨著迭代次數的增長，子問題Subn收斂。
為比較性能，選取3種方案作為對比：文獻[12]的和速率最大方案、文獻[13]的隨機功率分配方案以及文獻[14]的恒定功率分配方案。
圖4考察QoS參數θ對系統有效容量的影響。由圖中可見，當θ變大時，系統有效容量隨著θ單調遞減。可以看出提出的拉格朗日對偶資源分配法具有較優性能，相比于速率最大方案，所提方案在θ為10-3和10-2處性能分別提升了14%和108%。
圖5為系統有效容量受干擾D2D-based V2V用戶發射功率影響的情況。隨著干擾用戶發射功率逐漸增大，系統有效容量呈單調遞減趨勢，由此可見干擾控制對提升系統性能的必要性。
圖6為D2D-based V2V用戶與蜂窩用戶間的距離L對有效容量的影響。其中D為車輛用戶發端到收端的距離。由圖6中可以看出，當L值過小時，如圖中L=50，此時產生的干擾值較大，導致系統有效容量接近于0值。隨著L值的增大，系統性能有明顯的改善。另外可以看出有效容量隨D2D-based V2V用戶發端到收端的距離的增大而減小。
5 結論
本文研究了基于OFDMA小區的V2V通信，采用D2D技術支持該場景下的V2V通信。采用有效容量模型滿足用戶的時延QoS需求，提出了有效的功率分配算法，分別保證了蜂窩用戶和車輛用戶的通信需求。本文基于拉格朗日對偶法對原問題進行轉換，并通過求解對偶問題，最終得到了優化函數的最優值。數值仿真表明，相比于其他方案，本文提出的方案能夠很好地提高系統有效容量。
參考文獻
[1] VINEL A.3GPP LTE Versus IEEE 802.11p/WAVE: which technology is able to support cooperative vehicular safety applications[J].IEEE Wireless Communication Letters，2012，1(2)：125-128.
[2] Wang Wei，LAU V K N.Delay-aware cross-layer design for device-to-device communications in future cellular systems[J].IEEE Communications Magazine，2014，52(6)：133-139.
[3] Li Jiandong，Huang Sheng.Delay-aware power control for D2D communication with successive interference cancellation and Hybrid energy source[J].IEEE Wireless Communications Letters，2017，6(6)：806-809.
[4] Song Hojin，RYU J Y，CHOI W，et al.Joint power and rate control for Device-to-Device communications in cellular systems[J].IEEE Transactions on Wireless Communications，2015，14(10)：5750-5762.
[5] Cheng Wenchi，Zhang Xi，Zhang Hailin.Optimal power allocation with statistical QoS provisioning for D2D and cellular communications over underlaying wireless networks[J].IEEE Journal on Selected Areas in Communications，2016，34(1)：151-162.
[6] Mi Xiang，Xiao Limin，Zhao Ming，et al.Statistical QoS-driven power control and source adaptation for D2D communications[C].IEEE Military Communications Conference(MLCOM).Baltimore，MD，USA：IEEE Press，2016：307-312.
[7] WU D，NEGI R.Effective capacity：a wireless link model for support of quality of service[J].IEEE Transactions on Wireless Communications，2003，2(4)：630-643.
[8] Chang Chengshang.Stability，queue length，and delay of deterministic and stochastic queueing networks[J].IEEE Transactions on Automatic Control，1994，39(5)：913-931.
[9] BOYD S，VANDENBERGHE L.Convex optimization[M].Cambridge，UK：Cambridge University Press，2004.
[10] Zhang Rui，Cui Shuguang，Liang Yingchang.On ergodic sum capacity of fading cognitive multiple-access and broadcast channels[J].IEEE Transactions on Information Theory，2009，55(11)：5161-5178.
[11] 3GPP TR 25.814V7.1.0，Physical layer aspects for evolved UTRA[S].2006.
[12] ABRARDO A，MORETTI M.Distributed power allocation for D2D communications underlaying/overlaying OFDMA cellular networks[J].IEEE Transactions on Wireless Communications，2017，16(3)：1466-1479.
[13] LEE H W，MODIANO E，LE L B.Distributed throughput maximization in wireless networks via random power allocation[J].IEEE Transactions on Mobile Computing，2012，11(4)：577-590.
[14] BASH B A，GOECKEL D，TOWSLEY D.Asymptotic optimality of equal power allocation for linear estimation of WSS random processes[J].IEEE Wireless Communications Letters，2013，2(3)：247-250.
作者信息:
李國睿1，周 迪1，2，肖海林1
（1.桂林電子科技大學 信息與通信學院，廣西 桂林541004；2.浙江宇視科技有限公司，浙江 杭州310051）