一种面向能效最优多对一匹配的车联网资源优化方法

技术领域

本发明涉及车联网领域，具体为一种面向能效最优多对一匹配的车联网资源优化方法。

背景技术

随着车辆技术的飞速发展，车联网面临着前所未有的低延时、高服务质量需求。为实现可靠的车联网移动通信，V2V通信以及车辆与边缘节点的通信是两个有效方案。然而，成本因素的桎梏导致RSUs的广泛部署并不现实，将边缘停放车辆引入城市通信网，并成为P-RSU辅助车联网通信是现阶段颇有潜力的手段。

现实情况中P-RSU提供正交信道的能力十分有限，信道复用是在频谱资源稀缺的环境中提升资源利用率的有效策略，但复用带来的不可预期干扰使资源优化问题充满挑战。因此，对于包含P-RSU的车联网通信系统，一方面要通过信道复用提升系统容量，另一方面应控制不可预期干扰满足服务质量需求，EE逐渐成为备受关注的目标。设计EE最大化的车联网资源分配方案需要多端信道资源的联合优化，通常是一个目标函数非凸的NP难问题。此外，为了减轻核心网络负担，同时包含C-V2V和蜂窝用户的异构网络是最具现实指导意义的模型。

现存的C-V2V车联网资源优化方法都未考虑边缘停放车辆的辅助，也较少考虑控制信道复用带来的干扰问题。本发明提出一种面向能效最优多对一匹配的车联网资源优化方法，允许多个C-V2V复用同一正交信道，达到优异的系统EE和频谱效率性能。

发明内容

本发明公开了一种面向能效最优多对一匹配的车联网资源优化方法，主要针对基于边缘停放车辆辅助的车联网通信场景，所述方法的步骤如下：步骤一、利用车辆位置和发射功率信息表达网络中各用户的EE，描述EE最大化的通信资源优化问题；步骤二、将正交信道与C-V2V的信道复用关系建模为具有同伴效用的多对一匹配模型，定义匹配双方的效用函数；步骤三、采用swap机制使匹配朝着EE增大的方向进行，当swap blocking pair不存在时匹配收敛，达到最优系统EE。本发明最终得到的稳定匹配结果对应了最大化系统EE的资源分配方案，能够有效保证用户的频谱效率，控制同信道用户之间的干扰，提升服务质量，实现可靠高效的车联网资源分配。具体过程如下：

本发明提出的基于P-RSU的C-V2V车联网系统模型包含1个P-RSU和多个行驶车辆用户，其中共有K个蜂窝用户车辆占用K个P-RSU提供的正交信道与P-RSU进行上行或下行的数据通信，定义蜂窝用户与正交信道用集合

其中，

蜂窝用户和C-V2V的EE可如下计算：

其中，η指功率放大器效率；p

EE最大化通信资源分配问题可描述如下：

s.t.

其中，

该问题求解可以划分为以下几步：

1)采用多对一匹配函数Φ建模正交信道和C-V2V的信道复用关系，Φ的定义为：从集合

2)计算正交信道和C-V2V的匹配效用函数如下：

3)定义swap操作为两个C-V2VV

4)反复搜索系统中的swap blocking pair并进行swap操作，直到不存在swapblocking pair时匹配收敛至稳定的匹配结果。根据匹配结果Φ可以得出优化后的信道分配方案

本发明的技术方法具有以下优点：

首先，允许多个C-V2V同时复用同一正交信道，大幅提升了系统容量和频谱利用率。其次，将信道复用关系建模为具有同伴效应的多对一匹配模型，通过swap机制合理控制层间和层内干扰。最后，本发明最终得到的稳定匹配结果对应了EE最大的资源分配方案，实现可靠高效的车联网资源分配。。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方法，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为EE相对正交信道数变化曲线。

图2为频谱效率相对正交信道数的变化曲线。

图3为EE随swap操作次数的变化曲线。

图4为swap操作次数的累积概率密度曲线。

具体实施方式

本发明提出了一种面向能效最优多对一匹配的车联网资源优化方法，下面结合附图，对实施例作详细说明。

本发明的具体实施场景为北京公主坟立交桥，位于北纬39.91°西经116.32°。系统模型中的P-RSU位于场景左上方的翠微百货，蜂窝用户和C-V2V对从道路上行驶的车辆中挑选。

本发明的整体仿真时间为500s，其中每0.5s提取一次所有车辆的实时位置输入到功率控制算法，并运行算法获取仿真结果。仿真参数如下选取：C-V2V对数为12～36，正交信道数为4～12，C-V2V链路长度为20m，计算信道增益的参数

具体实施的步骤如下：

1)初始化一个满足

2)进入搜索swap blocking pair的循环，该循环的结束条件是系统中不存在swapblocking pair。

3)任意选取两个不相同的C-V2VV

4)比较swap操作前后的效用函数判断V

5)由匹配结束后得到的结果Φ得出优化的信道分配方案

图1和图2分别展示了平均EE和频谱效率相对正交信道数的关系，随着K的增加，C-V2V更容易找到合适的正交信道并与之达成匹配，因此系统EE和频谱效率性能有所提升。从方法间的对比来看，提出方法的性能显著优于随机匹配方法，这是因为合理的信道分配策略增加了频谱利用率，同时削弱了用户间干扰的影响。数值结果表明，正交信道数为10时，提出算法的EE和频谱效率分别高于随机匹配方法33.4％和24.6％。

图3展示了平均EE随swap操作次数的变化情况。该结果论证了每进行一次swap操作系统EE性能必然提升，直到匹配结束时EE收敛到最优结果。可见C-V2V对数增多导致平均EE增大，这是因为信道数量增加使C-V2V有更多信道复用选择。此外，需要的Swap次数也随着C-V2V对数的增加而增多，原因是匹配对象增多使swap blocking pair出现的概率增大。从数值结果来看，12、24和36对C-V2V对应的swap操作次数分别为5、9和15，这表明提出算法的复杂度相对较低。

图4展示了swap操作次数的累积概率密度(Cumulative Distribution Func-tion,CDF)，其中的每条曲线都是经过500次实验得出的统计结果。从该图同样可以看出随着C-V2V对数增多，需要的平均swap次数增加。在12、24和36对C-V2V时分别需要最多10、12和21次swap就可以收敛。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方法，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方法。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方法。