基于D2D通信和虚拟MIMO的飞行器集群网络传输方案设计

在无中心飞行器集群网络中,非直通条件节点间不同的中继路径可能导致较大路径损耗落差,为有限资源前提下网络传输能力的提升带来困难。参考5G移动通信中的终端直通(Device to Device,D2D)技术与中继通信中的虚拟多输入多输出(Multiple-Input Multiple-Output,MIMO)技术,提出一套D2D通信与虚拟MIMO技术结合的无中心飞行器集群网络传输方案。重点研究在正交资源模式下,将不同的协作传输协议与空时编码进行组合,在信噪比、误比特率、接入概率等方面对通信性能的影响。仿真结果表明:D2D通信与虚拟MIMO技术结合的传输方案在不增加资源的前提下,对集群网络的通信性能有明显提升,且引入分布式空时编码可进一步优化误比特率性能,但3种传输协议在不同传输质量评价方向的改善有所不同。

NOMA增强型D2D组的鲁棒资源分配算法

为提高非正交多址接入(non-orthogonal multiple access,NOMA)增强型设备到设备(device-to-device,D2D)组链路的鲁棒性和能效,考虑非理想信道状态信息(channel station information,CSI),提出一种能效优化的鲁棒资源分配算法.首先,在保证子信道分配、蜂窝用户和D2D组最小速率以及D2D组最大传输功率约束下,建立最大最小鲁棒能效模型;其次,考虑最坏情况法将信道不确定性建模为有界信道估计误差,并用泰勒级数展开式、凸松弛、变量转换法将原多变量耦合问题转化为凸优化问题;最后,用拉格朗日对偶理论求解.仿真结果表明,所提出的算法将传输速率控制在最低速率阈值以上,具有良好的鲁棒性,与其他算法相比能效提高了8.3%.

基于改进白鲸优化算法的D2D通信功率控制

D2D(Device-to-Device)通信作为未来移动通信网络的关键技术,为用户提供了直接通信的便利性和资源共享的高效性.然而,D2D通信的功率控制一直是影响通信质量和系统性能的关键问题.为解决这一问题,将精英反向学习、自适应权重两种策略引入到白鲸优化算法(Beluga Whale Optimization,BWO)中,并利用莱维飞行的随机步长策略来增加算法寻优的多样性,提出了基于改进白鲸优化算法的D2D通信功率控制方法.该方法利用最优解的信息引导搜索过程,可提高搜索效率和全局收敛,并能够有效提高通信效率和系统稳定性.为了验证所提出方法的有效性,开展了大量的数值仿真实验.结果显示,基于改进白鲸优化算法的D2D通信功率控制方法在增加系统吞吐量、减少干扰方面有显著的改善.同时,提出的算法相对于已有的算法有着更出色的收敛性与鲁棒性,在不同通信环境和参数设置下都能表现出更稳定的性能.

城市街道下场景IRS辅助D2D通信系统波束成形设计

针对城市街道场景下蜂窝用户和D2D通信用户共享频谱以及城市街道下无线信道特性,该文提出一种IRS辅助的联合波束成形设计方法。在D2D链路信号与干扰加噪声比的约束下,以最大化蜂窝用户容量为目标,设计了最优的波束形成向量、相移矩阵和D2D链路发射功率。引入松弛变量将非凸且变量耦合的优化问题转换为解耦后的凸优化问题和二分法搜索功率分配,采用黎曼共轭梯度算法对反射相移矩阵进行优化。仿真结果表明,所提算法收敛性较好,且与基准方案相比能有效地提升用户信道容量。

基于D2D的车联网资源分配与模式选择方案

针对当前设备到设备(D2D:Device-to-Device)通信在车联网端应用时只考虑提高D2D的复用模式的资源利用率或系统遍历容量,而未将D2D的其他模式纳入到系统内的问题,提出一种兼顾资源分配与模式选择的算法。通过优先复用模式的方式提高通信资源利用率,对不满足复用模式的D2D用户对(D-UE:Device-to-device UsErs)采用蜂窝模式,采取和蜂窝用户(C-UE:Cellular UsErs)相同的方案满足D-UE的基础需求,考虑D-UE用户与蜂窝用户和基站(BS:Base Station)距离、D-UE间的信噪比等因素对D-UE分配不同的资源接入模式。理论计算与仿真结果均表明所提资源分配与模式选择方案能有效提升系统容量及D-UE的服务质量(QoS:Quality of Service)。

无人机辅助D2D通信网络安全通信资源分配算法

针对被动窃听下的无人机辅助D2D通信网络中能量受限、频谱短缺、同频干扰严重等问题,考虑每个用户的保密速率和发射功率约束,引入网络保密能效的概念。基于物理层安全传输理论,以最大化网络保密能效为目标,研究频谱复用和功率控制策略的联合优化问题。该问题是非线性非凸优化问题,提出了一种结合Dinkelbach算法和凸近似算法的资源分配算法,通过凸近似算法将非凸优化问题转化为几何规划问题,并结合Dinkelbach算法保证原问题收敛到全局最优解。仿真结果表明,所提算法可有效缓和同频干扰,提高网络保密能效,平衡网络安全通信性能和功耗之间的关系。

多用户D2D计算卸载与资源分配算法

基于边缘服务器架构的移动计算卸载场景避免了核心网链路的网络延迟,在一定程度上提高了计算任务的处理效率,然而在移动用户密集分布的场景下,该计算卸载架构可能面临较高的蜂窝网络接入延迟。为提高移动边缘计算的用户体验,本文在移动用户密集分布的场景下研究了基于D2D通信的多用户计算卸载问题。根据是否具有任务处理需求将用户分为两类,定义拥有密集型计算任务需要处理的用户为需求用户,无任务需要处理且能够提供计算资源的用户为空闲用户。需求用户可以将任务以整体的形式卸载至空闲用户进行辅助处理。联合考虑需求用户与空闲用户在计算卸载中的收益,分别构建了各方的效用函数并形成了相应的优化问题。为了提高各方用户的效用,本文提出了基于Stackelberg博弈与遗传算法相结合的计算卸载与资源分配算法,该算法为两层结构,内层基于Stackelberg博弈对需求用户计算资源租赁单价决策以及空闲用户计算资源分配决策进行优化,并证明了各方用户的策略存在唯一纳什均衡。外层采用遗传算法对需求用户的任务卸载决策进行优化,根据内层算法的反馈结果,可以求解出能够有效提高需求用户效用的任务卸载决策。为验证算法的性能,本文进行了大量的实验仿真工作,仿真结果表明,与其他方案相比,本文算法能够有效提高需求用户与空闲用户的效用。同时,本文还对不同参数对算法有效性的影响进行了仿真分析。

基于D2D通信系统的无人机辅助物联网保密通信频谱共享方法

保密通信作为物联网安全的一项核心技术近些年受到了广泛关注。无人机(UAV)由于其高机动和灵活部署等特性,被认为是提高物联网通信安全的有力手段。针对当前物联网中UAV辅助保密通信频谱利用率问题,研究了UAV和地面设备到设备(Device-to-Device, D2D)通信系统频谱共享的系统保密容量最大化,提出了一种基于块坐标下降(Block Coordinate Descent, BCD)法的频谱共享算法,该算法通过联合优化系统中发送方(UAV和地面设备对)的传输功率和无人机轨迹,在确保地面设备对和UAV能够共存的情况下最大化接收方的保密容量。具体来说,该算法通过差分凸规划(Difference of Two Convex Functions, DC)方法优化固定轨迹下的系统功率,利用连续凸优化方法解决给定发射功率的UAV轨迹优化问题。仿真结果表明,所提方法在多种参数配置下都能有效提高系统的保密容量,并且和其他算法相比有更低的功率消耗。

SWIPT-D2D通信中基于深度强化学习的资源分配

针对信道状态信息未知SWIPT-D2D(Simultaneous Wireless Information and Power Transfer Device to Device)无线通信网络环境下设备间信号干扰以及设备能量损耗问题,提出通过使用近端策略优化(Proximal Policy Optimization,PPO)算法,在满足蜂窝用户通信质量要求的前提下同时对D2D用户的资源块、发射功率以及功率分割比三部分进行联合优化。仿真结果表明,所提算法相比于其他算法能够为D2D用户制定更好的资源分配方案,在保证蜂窝用户保持较高通信速率的同时使D2D用户获得更高的能效。同时,当环境中用户数量增加时,所提算法相比于Dueling Double DQN(Deep Q-Network)以及DQN算法,D2D能效分别平均提高了15.95%和23.59%,当通信网络规模变大时所提算法具有更强的鲁棒性。

D2D通信增强的蜂窝网络中基于DDPG的资源分配

针对终端直通(D2D)通信增强的蜂窝网络中存在的同频干扰,通过联合调控信道分配和功率控制最大化D2D链路和速率,并同时满足功率约束和蜂窝链路的服务质量(QoS)需求。为有效求解上述资源分配所对应的混合整数非凸规划问题,将原问题转化为马尔可夫决策过程,并提出一种基于深度确定性策略梯度(DDPG)算法的机制。通过离线训练,直接构建了从信道状态信息到最佳资源分配策略的映射关系,而且无需求解任何优化问题,因此可通过在线方式部署。仿真结果表明,相较于遍历搜索机制,所提机制在仅损失9.726%性能的情况下将运算时间降低了4个数量级(99.51%)。

基于深度强化学习的蜂窝网络中D2D通信资源分配

设备到设备(Device to Device,D2D)通信可以提升频谱利用率和系统吞吐量,但由于D2D通信存在干扰问题,资源分配难度较大。近年来,深度强化学习(Deep Reinforcement Learning,DRL)被广泛应用于蜂窝通信的资源分配。因此,提出了一种基于优势演员-评论员(Advantage Actor-Critic,A2C)的资源分配算法,该算法可以根据环境状态选择最佳的D2D资源分配策略。通过仿真实验验证了该算法在网络性能上的优越性,并与其他算法进行了对比,结果表明,所提算法在提高系统吞吐率方面效果最好。因此,该算法为蜂窝网络中D2D通信资源分配问题提供了一种新的解决方案,具有广泛的应用前景。

对抗全双工主动窃听的安全高效D2D通信策略

第5代(The Fifth-generation,5G)移动通信网络技术飞速发展,同频双工技术是其中一项关键技术。将这项技术运用到设备到设备(Device to Device,D2D)通信系统中,不仅可以提高资源利用率,还能提高系统通信的安全性。然而,非法用户运用全双工技术将对系统的安全性产生巨大的威胁。因此,针对D2D通信系统中存在全双工主动窃听者恶意干扰D2D用户的问题,主要研究基于Stackelberg博弈的对抗全双工恶意窃听者的安全高效功率分配方案。由于合法用户和主动窃听者的行为相互影响、相互干扰,在保证保密速率要求的情况下,分别考虑单链路与多链路的场景,研究以最小化D2D用户消耗功率和最大化窃听效用为目标的最佳功率分配策略。由于D2D用户和恶意窃听者的优化问题不能分开解决,通过将它们之间的交互构建成Stackelberg博弈模型,并基于二分法算法和模拟退火算法进行求解。仿真表明,通过合理的功率分配能够有效对抗全双工恶意窃听者的窃听和干扰,从而实现安全高效通信,满足更高的系统安全性需求。

D2D通信复用异构蜂窝网络中分布式路由资源分配方法

由于设备到设备(Device-To-Device,D2D)通信复用异构蜂窝网络环境的复杂性和动态性,难以实现高效、均衡的路由资源利用,文章提出D2D通信复用异构蜂窝网络中分布式路由资源分配方法。采用分布式系统模型构建D2D通信复用异构蜂窝网络的拓扑结构,基于邻居节点信息交换实现D2D设备发现,并引入自适应的会话建立策略建立通信链路,采用贪婪算法为D2D用户分配子信道,实现路由资源的均衡分配。实验结果表明,设计方法在提升D2D用户之间数据传输速率方面具有较好的性能,适用于D2D通信复用异构蜂窝网络中的路由资源分配。

基于干扰辅助MMSE检测的去蜂窝大规模MIMO中D2D通信干扰协调算法

针对D2D通信复用去蜂窝大规模MIMO网络资源所带来的干扰问题,研究了与D2D通信共存的去蜂窝大规模多输入多输出系统的联合导频分配和功率优化问题。首先,为了抑制D2D用户(DUEs)对去蜂窝用户(CFUEs)的干扰,提出了一种干扰辅助最小均方误差(MMSE)检测器,并推导了DUE和基于干扰辅助MMSE检测的CFUEs在不完美信道状态条件下的上行链路闭合频谱效率表达式。其次,为了减少导频污染,针对导频分配问题,提出了以最小化系统归一化信道估计误差(NMSE)之和为优化目标的导频复用方式给DUEs分配导频,并结合基于禁忌搜索的粒子群算法给CFUEs分配导频的方案。针对数据功率优化问题,提出了在保证DUEs服务质量下最大化CFUEs中最小频谱效率的方案,并采用二分法进行求解。仿真结果表明,所提出的基于干扰辅助MMSE检测的联合导频分配和功率控制方案有效提高了系统总和频谱效率,且导频开销不会随着D2D数量增加而增加。

Outage Probability Analysis for D2D-Enabled Heterogeneous Cellular Networks with Exclusion Zone:A Stochastic Geometry Approach

Interference management is one of the most important issues in the device-to-device(D2D)-enabled heterogeneous cellular networks(HetCNets)due to the coexistence of massive cellular and D2D devices in which D2D devices reuse the cellular spectrum.To alleviate the interference,an efficient interference management way is to set exclusion zones around the cellular receivers.In this paper,we adopt a stochastic geometry approach to analyze the outage probabilities of cellular and D2D users in the D2D-enabled HetCNets.The main difficulties contain three aspects:1)how to model the location randomness of base stations,cellular and D2D users in practical networks;2)how to capture the randomness and interrelation of cellular and D2D transmissions due to the existence of random exclusion zones;3)how to characterize the different types of interference and their impacts on the outage probabilities of cellular and D2D users.We then run extensive Monte-Carlo simulations which manifest that our theoretical model is very accurate.

D2D通信系统中基于图卷积网络的分布式功率控制算法

为有效控制终端直通(D2D)通信系统中的同频干扰并降低它的实现复杂度,提出一种基于图卷积网络(GCN)的分布式功率控制算法,旨在最大化所有D2D链路的加权和速率。首先将系统拓扑结构建模为图模型并定义节点和边的特征以及消息传递方式,随后借助无监督学习模型训练GCN中的模型参数。离线训练后,每条D2D链路可根据局部信道状态信息以及与相邻节点的交互过程来分布式地得到最佳功率控制策略。实验结果表明,相较于基于优化理论的算法,所提算法缩短了97.41%的运算时间且仅损失了3.409%的加权和速率;相较于基于深度强化学习理论的算法,所提算法具有良好的泛化能力,在不同参数设置下表现更加稳定。

基于D2D技术的V2V中断模式的信息传输机制

针对车联网中节点高速移动性特点,以及信息传递低时延与可靠性高的需求,多网络融合已成为部署车联网架构的必然趋势。由于车联网的信息传递往往只需在一定范围内的车辆之间发生,将D2D技术的通信模式引入车联网中进行消息传输,在车辆的覆盖范围内联合完全自组网与混合车联网两种通信模式,提出了一种中断模式的信息传输机制,只有当车辆的行驶状态发生改变时才向其他车辆发送,其他时间只需一定时间间隔向其他车辆发送一个确认信息,以此来判断车辆是否仍处于保护圈内或链路是否通畅。仿真数据显示:该中断传输机制可以有效地提高互传信息的车辆数目,节省了信令开销从而避免网络堵塞,也提高了覆盖圈内所有节点的信道容量。

基于增强学习的D2D用户和蜂窝用户传输功率的联合优化

针对D2D用户与蜂窝用户间的干扰问题,提出基于深度增强学习的传输功率优化算法(DTPO)。DTPO算法通过调整传输设备的传输功率,缓解干扰。先将功率分配问题构建成基于线性约束的联合优化问题,再利用深度增强算法求解,获取D2D用户和蜂窝用户的传输功率,进而最大化和速率。仿真结果表明,DTPO算法的性能逼近于穷尽搜索算法的性能。

D2D网络中基于多目标优化的计算卸载策略

针对终端直传(Device-to-Device,D2D)通信技术的移动边缘计算场景中计算卸载的高时延、高能耗问题,提出一种基于多目标优化的计算卸载策略。该计算卸载策略基于时延和能耗多目标优化模型,引入过度卸载问题的分析,对NSGA-II算法进行改进,包括适用于计算卸载的基因编码策略、交叉和变异方法,通过求解帕累托最优来最小化任务执行时间和能耗。此外,还提出一种数据路由算法,以平衡路由设备的传输能耗,并优化路由路径。通过仿真实验,该算法的平均提升效率最高可达41.7%,任务重传率降低至7.8%。实验结果表明,本文提出的算法能明显减少执行时延、能耗,降低任务重传率和提高任务卸载成功率。

蜂窝网络中基于D2D用户总能量效率保证的资源分配策略

在基于终端直连(D2D)通信的蜂窝网络中,文章提出了一种基于D2D用户能量效率保证的资源分配策略,我们的目标是尽量增大系统传输速率,并在同一时间,保证目标D2D用户能量效率。在文章提出的策略的第一阶段,采用加权二分匹配算法最大化系统传输速率,在目标D2D用户能效需求较低时,一阶段也可以满足需求,但D2D用户总能效需求变高时就需要进入第二阶段。因此,在第二阶段,先利用加权二分匹配算法最大化D2D用户能效并得到初始复用策略,然后使用局部搜索技术来改善初始复用策略。仿真结果表明,与已存在的基准策略相比,所提出的策略能够保证D2D用户能效并获得较高的系统传输速率性能收益。