基于两层结构熵最小化的UAV辅助D2D-蜂窝混合网络资源分配方法
本发明涉及无线通信与网络优化,具体涉及一种基于两层结构熵最小化的无人机(uav)辅助设备到设备(d2d)-蜂窝混合网络资源分配方法,适用于5g/6g高密度、多连接无线通信网络场景下的频谱资源管理与网络拓扑结构调控。
背景技术:
1、随着移动通信技术的快速发展,蜂窝网络中的数据流量呈指数级增长,频谱资源日益紧张。设备到设备(device-to-device,d2d)通信作为一种能够提升频谱利用效率、降低通信时延、减轻基站负载的关键技术,被广泛应用于蜂窝通信网络中。与此同时,无人机(unmanned aerial vehicle,uav)凭借其部署灵活、空地视距链路条件良好等优势,被引入无线通信网络中以增强覆盖范围、提升系统吞吐量或改善链路质量。在uav辅助d2d-蜂窝混合网络中,uav可以作为空中中继节点,为超出d2d直接通信范围的用户提供多跳中继服务,从而扩展网络覆盖并提升通信可靠性。
2、在uav辅助d2d-蜂窝混合网络中,通信模式选择、频谱资源复用及发射功率控制是资源分配的核心问题。已有文献对此开展了大量研究工作。例如,冯大权等研究了无人机与蜂窝网络共存场景下的联合接入控制、模式选择、功率控制和资源分配优化问题,以最大化网络整体吞吐量为目标,采用凸优化和凸凹过程(cccp)迭代算法进行求解。曾晓婉等针对无人机辅助d2d通信网络,以最大化网络保密能力为目标,对频谱复用和功率控制策略进行了联合优化。此外,还有研究将无人机辅助d2d通信中的资源分配问题建模为混合整数非线性规划问题,并通过子问题分解和迭代算法求解。
3、然而,上述现有方法均存在以下不足:
4、第一,忽略网络拓扑结构的有序性。现有资源分配方法主要围绕吞吐量最大化、能效最大化、时延最小化或保密速率最大化等传统物理层性能指标构建优化目标。这类方法在优化过程中仅关注链路级的信干噪比和数据速率,未对通信连接的整体拓扑形态进行任何形式的约束或引导。在高密度、多连接的混合网络场景中,即使吞吐量或能效指标达到较优水平,通信连接仍可能呈现高度分散和无序的状态,导致网络对干扰变化、节点移动和负载波动极为敏感,系统鲁棒性不足。
5、第二,干扰传播不可控。在d2d链路复用蜂窝频谱资源的场景下,一条链路的发射功率调整或模式切换会通过干扰耦合影响多条其他链路。现有以吞吐量为导向的优化方法往往为了提升局部链路的速率而过度提高发射功率或选择干扰较大的复用模式,导致干扰在拓扑中“级联传播”,最终使整体网络性能恶化。在uav辅助场景中,空地链路的视距传输特性进一步加剧了干扰的传播范围,使得这一问题更加突出。
6、第三,网络重构频繁、运行成本高。在动态环境中,现有方法缺乏对拓扑结构稳定性的考量,每当信道条件或用户位置发生微小变化时,资源分配方案可能发生剧烈调整,导致网络频繁重构,增加信令开销和系统运行成本。这一缺陷在uav移动导致空地链路动态变化的场景中尤为明显。
7、第四,缺乏对网络拓扑结构的系统性量化工具。近年来,有研究者尝试将图熵(graph entropy)的概念引入无线通信网络,用于量化网络拓扑的不确定性、复杂度和潜在信息含量。然而,现有图熵方法主要针对非空间网络或无标度网络的静态拓扑分析,尚未被应用于uav辅助d2d-蜂窝混合网络的实时资源分配与拓扑协同优化中。无线通信网络本质上是空间网络,节点间的连通性依赖于空间距离,现有图熵方法未能有效结合通信链路的可靠性、干扰耦合等无线传播特性,难以直接用于指导动态网络的资源分配决策。
8、因此,如何在保证蜂窝用户和d2d用户基本服务质量的前提下,对网络拓扑结构的有序性进行量化度量与有效调控,从而从结构层面提升系统的稳定性和可控性,成为亟需解决的技术问题。
技术实现思路
1、本发明的目的在于:针对目前存在的上述问题,提供了基于两层结构熵最小化的uav辅助d2d-蜂窝混合网络资源分配方法,基于结构信息论构建通信系统的拓扑度量模型和累计结构熵最小化优化方程 ;在保证蜂窝与 d2d 用户服务质量(qos)约束的前提下,通过引入结构熵量化描述网络拓扑的有序程度;构建了以最小化累计结构熵为核心的多维资源联合优化框架,并利用一阶泰勒展开将非线性结构熵目标函数转化为线性上界近似形式;通过分层交替迭代求解算法,实现了通信性能与结构稳定性的协同优化。
2、本发明的技术方案如下:
3、基于两层结构熵最小化的uav辅助d2d-蜂窝混合网络资源分配方法,包括以下步骤:
4、构建无线通信系统:建立由一个蜂窝基站、一个无人机中继节点、多个蜂窝用户和多对d2d用户组成的无线通信系统;系统包含基站到蜂窝用户的下行链路、d2d发射端到接收端的直连链路以及无人机辅助模式链路三类信道链路;
5、构建加权通信结构图并定义两层结构熵:计算各链路的接收信干噪比,基于链路可靠性对通信边赋予权重,构建加权通信结构图,定义节点加权度,并基于节点加权度定义表征网络拓扑有序性的两层结构熵;
6、构建联合优化问题模型:以最小化整个时间窗口内的累计两层结构熵为优化目标,构建包含频谱分配约束、发射功率约束及服务质量约束的联合优化问题模型;
7、优化问题近似与分解:利用对数函数的凹性,通过在当前工作点执行一阶泰勒展开将两层结构熵转化为关于节点加权度的线性上界近似形式,将原优化问题分解为通信模式与频谱复用优化、功率分配优化及加权通信图重构三个子问题;
8、迭代求解与输出:通过三个子问题间的交替迭代使系统结构熵单调下降至收敛点,输出最优的通信模式选择、频谱复用状态及各节点发射功率。
9、通过引入两层结构熵作为网络拓扑有序性的量化度量指标,并将其最小化作为优化目标,将使网络拓扑趋于有序这一抽象的技术需求转化为具体的数学优化问题。同时,通过一阶泰勒展开线性化处理将非线性结构熵目标转化为可高效求解的线性形式,使得原本在计算上不可行的混合整数非线性规划问题变得可解。三个子问题交替迭代的求解框架保证了结构熵在整个优化过程中的单调收敛性,从根本上解决了高密度混合网络中因拓扑无序导致的系统性失稳、干扰级联传播和网络重构频繁的技术问题。
10、进一步地,所述两层结构熵的定义方式为:将网络节点按照功能划分为基站子结构、无人机子结构、蜂窝用户子结构和d2d用户子结构四类功能子结构,两层结构熵由子结构间熵和子结构内熵两项构成,子结构间熵量化各功能子结构之间的通信流量分布不确定性,子结构内熵量化各功能子结构内部节点的负载均衡程度。
11、通过将网络按照基站、无人机、蜂窝用户、d2d用户四类功能实体进行自然划分,使两层结构熵的子结构间熵能够量化四类功能实体之间的通信流量分布是否协调均衡,子结构内熵能够量化同一类功能实体内部各节点负载是否均匀。这种层次化的刻画方式使得网络拓扑无序性的来源可识别——运营商可以明确知道无序来自功能层之间的失衡还是某一功能层内部的负载不均,从而为针对性调控提供了细粒度信息。
12、进一步地,所述两层结构熵的计算表达式为:
13、
14、其中,为第个功能子结构,为子结构的体积,为加权通信图的总体积,为子结构总数,为节点的加权度。
15、通过两层结构熵的数值化表征,使原本不可量化的拓扑结构特性变为可计算、可比较、可优化的技术参数。结构熵值越低表明网络越有序,系统运营商可以直接依据该数值评估当前网络拓扑的健康程度。
16、进一步地,所述两层结构熵关于节点加权度的线性上界近似公式为:
17、,
18、其中,为第次迭代中由结构熵关于节点加权度的梯度确定的权重系数,其计算表达式为:
19、,
20、其中,为加权通信图的总体积,为第次迭代下由当前加权通信图诱导的节点的结构概率分布,为与当前待优化变量无关的常数项。
21、权重系数的计算使得该系数能够自动识别当前拓扑中的薄弱节点并优先强化其通信连接,引导网络节点加权度分布趋于均衡。相邻时隙的优化结果因此具有天然的平滑性和时间连续性,有效降低了网络重构频率和信令开销。同时线性近似形式保证了算法单调收敛,运行时间满足动态网络实时调度的工程需求。
22、进一步地,所述节点加权度的计算表达式为:
23、,
24、其中,为时隙的被激活通信链路集合,为激活边的可靠性边权,其计算表达式为:
25、,
26、其中,表示概率算子,为节点到节点的接收信干噪比,为预设的信干噪比门限。
27、将链路可靠性(信干噪比达到门限的概率)作为边权,使节点加权度精确反映了该节点所维持的有效通信容量。在结构熵最小化过程中,系统通过调整功率分配和模式选择使节点加权度趋于均衡,网络中不再出现极端的超级枢纽节点,单条链路的性能波动对整体拓扑的影响被分散和稀释,级联干扰的传播范围和强度被有效遏制。
28、进一步地,所述构建联合优化问题模型中的优化目标函数的表达式为:
29、,
30、其中,为待优化的决策变量集合,包括通信模式选择变量、频谱复用变量及各节点发射功率变量;为时隙索引,为总时隙数;
31、服务质量约束包括蜂窝用户服务质量约束和d2d用户服务质量约束,其表达式分别为:
32、,
33、,
34、其中,和分别为蜂窝用户和d2d对在时隙对资源块的分配指示变量,为蜂窝用户的下行可达速率,为d2d用户的有效速率,和分别为预设的最小速率需求阈值;
35、发射功率约束的表达式为:
36、,
37、其中,、和分别为基站、d2d发射端和无人机在相应资源块或模式下的发射功率,、和为对应的最大发射功率限值。
38、通过结构熵最小化目标+qos约束的架构,使系统运营商能够通过调整qos约束阈值的松紧程度,在系统总吞吐量与拓扑结构有序性之间实现连续可调的灵活权衡,而非“二选一”的刚性取舍,应急通信时可优先保障结构稳定性,普通业务时可兼顾吞吐量性能。
39、进一步地,所述通过三个子问题间的交替迭代使系统结构熵单调下降至收敛点的具体步骤包括:
40、基于当前迭代点的加权通信结构图,计算各节点的结构概率分布和线性上界近似中的权重系数;
41、在固定各节点发射功率的条件下,基于权重系数,采用贪婪调度策略优化通信模式选择与资源块分配,使节点加权度的加权和最小化;
42、在固定通信模式和频谱复用方案的条件下,利用逐次凸近似方法求解各节点的最优发射功率;
43、基于优化后的通信模式、频谱复用和发射功率,重新计算各链路的信干噪比和可靠性权重,重构加权通信图,更新各节点的加权度和两层结构熵;
44、判断当前两层结构熵与上一次迭代的两层结构熵之间的差值是否小于预设的收敛容差,若是则停止迭代并输出结果,否则返回s5.1继续迭代。
45、迭代步骤中,权重系数计算、贪婪调度、sca功率优化和图重构形成闭环反馈,每次迭代保证目标函数不增,相邻迭代结果具有时间连续性。十个迭代以内即可稳定收敛的特性满足5g/6g网络中时隙级调度的实时性要求,解决了传统方法无法在动态环境中快速自适应优化的技术缺陷。
46、进一步地,所述贪婪调度策略具体为:将所有节点按照权重系数的绝对值从大到小排序,依次对每个节点遍历所有可选的通信模式和所有可用的资源块组合,选择使整体节点加权度的加权和最小的组合作为该节点的最优选择,在所有节点均完成选择后修正资源块分配冲突。
47、将节点按权重系数绝对值从大到小排序并依次优化的方式,使优化计算复杂度与系统规模呈线性关系,确保算法能够在大规模网络中实时运行。背景技术中指出现有方法在高密度场景中计算复杂度急剧增长、难以工程部署,线性复杂度特性使本技术在d2d对数量大幅增加时仍能保持实时调度能力。
48、进一步地,蜂窝用户和d2d用户的有效速率均采用香农容量公式计算,其中d2d辅助模式的有效速率需乘以半双工传输结构系数。
49、确保了速率计算的准确性,使服务质量约束能够精确反映实际可用速率而非理论上限,优化结果在实际部署中不会因速率过高估计而导致服务质量无法满足。
50、进一步地,所述无人机中继节点内部集成有半双工译码转发模块,在两个等长传输相位内分别执行信号接收与转发;在第一传输相位中,基站向蜂窝用户发送下行信号,同时d2d发射端向无人机或对应的d2d接收端发送数据;在第二传输相位中,无人机向d2d接收端转发在第一相位中接收的数据。
51、明确了uav辅助模式在时间维度上的资源占用特性,使半双工传输结构带来的速率损失被精确纳入优化模型,从而保证了多址接入时隙划分的系统可行性。
52、与现有的技术相比本发明的有益效果是:
53、1、本技术将结构信息理论引入uav辅助d2d-蜂窝混合网络的资源分配领域,通过两层结构熵对网络拓扑的有序程度进行精确的数值化表征,将“使网络拓扑趋于有序”这一抽象的技术需求转化为具体的数学优化目标。在优化过程中,结构熵的权重系数能够自动识别当前拓扑中的薄弱节点并优先强化其通信连接,引导网络节点加权度分布趋于均衡,从根本上抑制了高密度混合网络中因拓扑无序导致的系统性失稳风险。
54、2、本技术通过以两层结构熵最小化为优化目标,并在约束条件中保留用户服务质量要求,实现了拓扑有序性优化与通信性能保障的协同。仿真验证表明,在用户密度不断攀升的场景下,本技术始终能将拓扑无序度控制在最低水平,且网络越密集、相对优势越明显——传统方法为追求吞吐量会激活尽可能多的并发链路导致拓扑无序扩张,而本技术在满足服务质量的前提下主动抑制冗余连接,引导网络向精简有序的形态演化。
55、针对所构建的混合整数非线性规划问题这一求解难题,本技术设计了一阶泰勒展开线性化与分层交替迭代相结合的高效求解算法。该算法具有严格的单调收敛性保证,在有限次迭代内即可稳定收敛、无振荡发散风险,运行时间满足动态网络实时调度的工程需求,运营商可根据收敛曲线预判优化时间开销,便于工程调度与资源规划。
56、3、由于本技术以结构熵最小化为目标,引导网络拓扑向有序、均衡的形态持续演化,而非在每一时隙独立地最大化瞬时吞吐量,因此相邻时隙的优化结果具有天然的平滑性和时间连续性。在同等动态信道条件下,本技术所需的网络重构次数显著少于传统方法,信令开销和系统运行成本大幅降低。对于无人机移动导致空地链路持续变化的动态场景,这一效果尤为突出,意味着更小的控制面开销、更稳定的用户体验和更长的设备使用寿命。
57、同时,通过结构熵最小化引导拓扑有序演化,网络中不再出现极端的“超级枢纽节点”。在干扰环境中,超级枢纽节点往往是干扰的主要集散中心,其性能波动会通过多条连接扩散至全网;本技术通过消除极端节点,使单条链路的性能波动对整体拓扑的影响被分散和稀释,级联干扰的传播范围和强度被有效遏制。在无人机辅助场景中,由于空地链路具有视距传输特性、干扰传播范围更广,这一问题尤为突出,本技术的干扰抑制效果因此更加显著。
58、4、本技术将用户最小速率需求作为约束条件而非放弃吞吐量优化,使系统运营商能够通过调整服务质量约束阈值的松紧程度,在系统总吞吐量与拓扑结构有序性之间实现连续可调的灵活权衡,而非“二选一”的刚性取舍。这一权衡关系呈现平滑的曲线形态,无突变或不连续,运营商可根据实际场景灵活配置——应急通信时优先保障稳定性,普通业务时兼顾吞吐量性能,具备广泛的工程适用性。
59、此外,本技术将无人机发射功率和空间位置相关的信道增益纳入统一优化体系,使无人机的空间部署自由度被充分利用于拓扑结构调控,无需人工预设飞行高度或依赖遍历搜索,即可通过联合优化框架自动发现并收敛至最优空间部署方案,实现了无人机三维空间部署与网络拓扑有序性的协同优化。
60、5、本技术在仿真验证中还产生了本领域技术人员无法从现有技术中预期或推导的预料不到的技术效果。其一,在网络用户密度不断攀升时,本技术的拓扑无序度增长率显著低于传统方法且呈亚线性特征,网络规模扩张带来的无序代价被有效控制,这一反直觉特性无法从引入结构熵优化的思路本身直接推导。其二,结构熵随无人机高度呈现先降后升的非单调变化,存在最优高度区间,这一复杂耦合关系无法通过简单的工程直觉预测,而本技术无需人工干预即可自动收敛至该最优区间,显著降低了工程部署复杂度。其三,结构熵与吞吐量之间的权衡关系呈现连续平滑的过渡形态,不存在突变或分段,使系统运行状态的切换更加平稳可控。
61、综上所述,本技术通过两层结构熵度量模型的建立、累计结构熵最小化目标的定义以及高效求解算法的设计,系统地解决了uav辅助d2d-蜂窝混合通信网络中拓扑无序性无法量化与调控的技术难题,实现了通信性能保障与网络结构稳定性的协同优化,具有突出的实质性特点和显著的进步。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com