面向移动通信网络的D2D跨层传输优化方法

面向移动通信网络的d2d跨层传输优化方法
技术领域
1.本发明属于移动通信技术领域，具体涉及一种移动通信网络中d2d通信节点的跨层传输优化方法。


背景技术：

2.设备到设备通信(device-to-device，d2d)是指移动通信网络中两个对等的用户节点之间直接进行通信的一种通信方式，每个用户节点都能发送和接收信号，并具有自动路由(转发消息)的功能，网络的参与者共享它们所拥有的一部分硬件资源，包括信息处理、存储以及网络连接能力等，这些共享资源向网络提供服务和资源，能被其它用户直接访问而不需要经过中间实体，用户节点同时扮演服务器和客户端的角色，用户能够意识到彼此的存在，自组织地构成一个虚拟或者实际的群体。在高度动态性的无线环境中，为了保证网络的可靠连接和应用的顺利完成，以及认知实体的有效调整和正确重构，网络各层信息的高效交互是非常重要的，链路层、网络层、传输层和物理层之间可通过跨层协作来进行无线资源的整体管理，改善网络性能。


技术实现要素：

3.本发明所要解决的主要技术问题是：对d2d通信节点进行频谱共享的连续比特速率和非连续比特速率传输优化时，考虑在相交干扰下的功率分配问题下提出在不同干扰环境自适应调节幅度调制技术的最优进制数，并利用二分法与梯度法相融合的对偶变量更新迭代算法，更新结算出最优功率分配，以达到最佳的平均子载波传输和速率。
4.本发明所提供的技术方案，包括如下内容：
5.设定用td
mnl
，l＝1,2,...,l表示与第m个移动通信网络基站内用户节点n进行d2d通信的第l个终端设备节点，用户节点与终端设备采取基于自适应多进制正交幅度调制(adaptive multiple quadratureamplitude modulation，a-mqam)的ofdm技术完成无线网络的动态频谱接入，并合理分配信号矢量集。假设基站小区内用户节点总的接入频谱带宽被分成l个子载波带宽用于终端节点通信，则第l个子载波所占用的频段为fm (l-1)δf～fm lδf之间，其中fm为总的接入频谱带宽的基频，δf为每个子载波的带宽，(l-1)δf为相对于接入频谱带宽基频的起始频点。用户节点到对应的终端节点td
mnl
的信道衰弱增益为h
n,l
，用户节点到其他终端节点的信道衰弱增益为g
n,l
。对于终端节点来讲，某一时刻子载波所占用的实际频段为fm f
l
～fm f
l
w
l
，f
l
为相对于接入频谱基频的起始频点，w
l
为终端节点td
mnl
与用户节点进行d2d通信时所需的实际带宽，且认为每个时刻间隙终端节点所占用频段的通信情况以及各子载波链路的信号衰弱增益几乎不变。
6.考虑到用户节点与终端节点之间可以灵活地使用a-mqam调制技术进行信息交互，所以需要考虑用户节点与终端节点两个物理层之间的交互干扰。用户节点在子载波k上的功率谱密度表示为
[0007][0008]
其中p
k,l
为在子载波k上用户节点向终端节点的发射功率，ts为时间间隙。此时，在子载波k上其他用户节点对终端节点链路的干扰功率为
[0009][0010]
其中定义为子载波k上其他通信链路对终端节点td
ml
的干扰因子。其他终端节点对子载波k上该终端节点接收端的干扰功率为
[0011][0012]
其中p
kl,d
(f)为终端节点接收到信号的功率谱密度。
[0013]
为了解决小区内终端节点数量增加而导致的频谱资源紧张问题，将采用无线通信系统的多进制正交幅度调制技术，确保在比特传输速率不变的情况下，改变正交幅度调制的进制数m，从而降低码元传输速率(即波特率)，减小信号频带宽度，进一步提升频谱资源利用率。比特速率(即信息速率，单位为bit/s)与码元速率(即符号速率，单位为baud)的关系表达式为
[0014]
rb＝rblog2m(bit/s)
ꢀꢀ
(4)
[0015]
其中rb为比特速率，rb为码元速率，m为调制的进制数。由于数字信号调制的码元速率与调制技术的进制数无关，只有传输的单位码元的长度有关，所以在不改变码元速率的情况下，可以通过增加进制数m的正交幅度调制，从而增加比特传输速率，使得在相同的时间与带宽下传输更多的信息量。
[0016]
对于a-mqam调制技术而言，在满足瞬时目标误比特率ber的情况下，为了优化频谱利用率，可以控制其a-mqam调制的传输速率与发射功率。当进制数m≥4、信干噪比为0≤sinr≤50db时，a-mqam网络系统在有加性高斯白噪声的信道中，其相干解调目标误比特率的上界为
[0017]
berb≤0.2e-1.5
·
sinr
·
(m-1)
ꢀꢀ
(5)
[0018]
而在加性高斯白噪声的信道中a-mqam网络的理想相干解调目标误比特率的上界为
[0019]
berb≤2e-1.5
·
sinr
·
(m-1)
ꢀꢀ
(6)
[0020]
则可以用用户节点与终端节点之间通信链路上的相干解目标调误比特率berb近似地表示为关于信干噪比与码元速率的关系表达式为
[0021][0022]
其中sinr为该通信链路上受到的信干噪比，rb为对应的码元速率，a1,a2,a3为大于0的常数，a4为实常数。
[0023]
假设每个子信道上用户节点受到的加性高斯白噪声为独立循环的对称复高斯随机过程，具有零均值和相同的方差则用户节点与终端节点之间通信链路的信干噪比
sinr可以表示为
[0024][0025]
其中为所有终端节点对用户节点在子载波k上的干扰功率，p
k,l
为在子载波k上用户节点向终端节点的发射功率，hk为用户节点到对应的终端节点td
ml
的信道衰弱增益。
[0026]
结合式(8)，对式(7)求逆函数，可以转化成用发射功率pk与目标误比特率berb来表示其终端节点在子载波k上的码元速率r
b,k
为
[0027][0028]
将上式(9)代入式子(4)可得出终端节点在子载波k上的比特速率r
b,k
为
[0029][0030]
其中a1,a2,a3为大于0的常数，a4为实常数，r
b,k
为对应的码元速率，berb目标误比特率，m为调制的进制数。
[0031]
此外，还考虑到用户节点在移动过程中时延与抖动对用户节点与终端节点通信链路之间的影响。用户节点在与终端节点创建通信连接后，由于用户自身原点停留或移动过程中接收功率的抖动，必然导致传输质量下降，可能对通信传输造成一定的时延，且使得实际比特传输速率会低于理论传输速率。由于每个终端节点最多与一个用户节点创建通信链路，可以构建i时隙下的用户节点与终端节点链路通信之间的系统罚函数为
[0032][0033]
其中α为时延罚系数，un(t)为t时刻的时延惩罚因子，β为抖动罚系数，wn(t)为t时刻的抖动惩罚因子。
[0034]
为了终端节点在每个子载波上可以分配到适宜的用户节点发射功率，在d2d用户满足自身发射功率约束、每个终端节点接收信号受到干扰功率约束的情况下，使得用户节点与终端设备节点之间的信号传输和速率最大化、传输性能最优化。先考虑在连续比特速率，而不考虑取整比特速率限制的情况下，其系统优化问题可以表示为模型1：
[0035][0036]
[0037][0038]
p
k,l
≥0
ꢀꢀ
(15)
[0039][0040]
其中用户节点与终端节点通信网络上引入功率抖动与其通信链路时延总的罚函数m为特定的调制进制数，p
n,max
为用户节点的发射功率约束，p
th,l
为终端节点l的干扰功率约束，且各用户节点在各子载波链路上的功率约束相互影响，式子(10)表示的是加权和的总干扰功率约束，式(15)和(16)为用户节点发射功率与码元传输速率都应该为非负值。
[0041]
此外，在考虑到a-mqam调制是受到整数比特限制情况下的离散数字调制方式，每个子载波上的比特传输速率为非连续整数，其系统优化问题可以表示为模型2：
[0042][0043][0044][0045][0046][0047]
其中与分别为该网络系统对应的整数比特速率与对应的发射功率，调制进制数m表示为
[0048][0049]
当其通信链路上的信干噪比在-30db≤sinr≤-15db时，采用4qam调制技术；当其信干噪比在-15db＜sinr≤5db时，由于干扰功率并不算很大，因此采用宽带利用率高的64qam调制技术进行快速传输；但当通信链路中信干噪比在5db＜sinr≤20db时，此时多终端节点通信环境中的信号相交干扰较大，且64qam调制的抗干扰能力不强，容易出现较高的误码率以及断流现象，因而采用低一点的32qam调制，在损失不多传输速率前提下，保证了信息传输的稳定性。
[0050]
(1)先考虑连续比特速率下的跨层优化传输场景
[0051]
由于连续比特速率为连续实数，显然可以证明出模型1为凸优化问题，可以通过拉格朗日优化理论和对偶分解方法来求解模型。我们先考虑单用户节点对与单终端节点的情况，在此把r
b,k
的表达式(9)代入式(12)(15)，并令模型1中的l＝1，则模型1可以转化为模型
3：
[0052][0053][0054][0055]
p
k,1
≥0
ꢀꢀ
(26)
[0056][0057]
如果没有式(25)(26)对应的约束条件，模型3变为传统网络中的最优功率分配问题，则可以使用经典注水法求解其最优功率解。在此模型中，用户节点的发射功率与干扰功率同时存在的情况下，可以使用对偶理论逐一松弛模型中的约束条件，简化计算的复杂度，直至最后将复杂问题模型转化为容易求解的子问题为止。
[0058]
首先，引入用户节点发射功率约束条件所应对的对偶变量λ2，把模型3分解为若干个子问题进行求解，则模型3的一级拉格朗日函数为
[0059][0060]
此时l1({p
k,1
},λ2)的拉格朗日对偶函数df1(λ2)可以定义为包含约束条件式(25)(26)(27)的问题1：
[0061][0062]
易得出该对偶问题提供了模型3的最优解上界，即当λ2＞0时，则模型3的最优解存在如下关系：
[0063][0064]
那么模型3所对应的对偶问题可以表示为
[0065][0066]
令对偶问题(31)的最优解为则由凸优化理论可以得出当模型3为凸优化问题时，它们各自对偶问题最优解之间的对偶间距为
[0067]
为了求解对偶问题(31)的最优解以及继续松弛干扰功率约束条件，需要先把λ2看作一个定值，则模型3的二级拉格朗日函数表示为
[0068][0069]
其中μ2为用户节点与终端节点之间通信链路干扰功率约束(25)的对偶变量且μ2＞0。此时l2({p
k,1
},λ2,μ2)的对偶函数df2(λ2,μ2)表示成问题2：
[0070][0071]
其中，问题2的约束条件为式(26)(27)。此时，在假设λ2为定值的情况下，对偶问题(29)所对应的对偶问题可以表示为
[0072][0073]
同理，由于对偶问题(29)为凸优化问题，式(34)与(29)的最优解相同，即最优解之间的对偶间距为零。求解μ2使得df2(λ2,μ2)最小化，即可得出定值λ2时的df1(λ2)的值，即
[0074][0075]
为了使得df2(λ2,μ2)最小化，此时我们把λ2,μ2看作一个定值，则式(33)可以转化为
[0076][0077]
其中，
[0078]
由式(36)可知，该二级拉格朗日函数l2({p
k,1
},λ2,μ2)可以用k个相互独立子载波上的拉格朗日函数进行累加求和，即最大化每个子载波上的拉格朗日函数就可以使得该二级拉格朗日函数l2({p
k,1
},λ2,μ2)最大化。此时，对偶问题可以分解为k个子问题来求解，其中第k个子问题可以表示为包含约束条件式(26)(27)的问题3：
[0079][0080]
其中此时，引入约束条件(26)的对偶变量ν2，引入约束条件(27)的对偶变量θ2，问题3的拉格朗日函数表示为
[0081][0082]
其中，m为进制数，ε2为该通信系统罚函数，λ2,μ2,ν2,r2分别各约束条件(24)(25)(26)(27)所对应的非负拉格朗日对偶系数。根据非线性优化理论可知，其最优解需满足以下kkt条件方程组：
[0083][0084]
λ2((1-ε2)p
k,1-p
n,max
)＝0
ꢀꢀ
(40)
[0085][0086]
ν2p
k,1
＝0
ꢀꢀ
(42)
[0087]
θ2r
b,k
＝0
ꢀꢀ
(43)
[0088]
其中λ2≥0,μ2≥0,ν2≥0,θ2≥0,k＝1,2,...,k。所有k个子问题都具有相似的表示结构，且由式(39)可以得出最优功率解为
[0089][0090]
又因为在最大化用户节点与终端节点之间的信息传输和速率过程中，应当满足p
k,1
＞0与r
b,k
＞0，则由式(42)(43)可得ν2＝θ2＝0，式(44)可以转化为如下表达式：
[0091][0092]
将式(45)代入式(36)即可求出l2({p
k,1
},λ2,μ2)的最大值，此时这个值为λ2与μ2为定值下的df2(λ2,μ2)函数值。然后需要求解出最优的μ2值使得函数值df2(λ2,μ2)最小。由于对偶函数df2(λ2,μ2)为凸优化问题，故可以通过一维搜索来求取最优的μ2值，但是又由于df2(λ2,μ2)不一定是一个可微函数，所以传统的梯度法不一定适用于该对偶问题。此时，通过基于子梯度的二分法来检索μ2的最优值。在求解出使得df2(λ2,μ2)最小的最优μ2值后，继续用二分法来检索λ2的最优值，使得df1(λ2)最小化，即网络传输和速率最大化。
[0093]
值得注意的是，问题1至问题3的分析过程是为了将多个联合约束条件的模型3的问题分解成各个子问题。在实际求解过程中也可以直接松弛所有的联合约束条件得到对应的拉格朗日函数(38)，然后再逐个求解更新对偶变量，则模型3的对偶问题可以写成
[0094][0095]
在式(46)中，先假设λ2为定值不变的情况，更新对偶变量的μ2值，使其df2(λ2,μ2)函数值最小化，然后将更新出的μ2最优值代入df1(λ2)，再更新出λ2的最优值。在每次迭代更新过程中，根据问题的子梯度函数对对偶变量λ2与μ2进行迭代更新，其子梯度方向可以通过以下命题1来表达：当λ2为定值不变时，关于对偶变量μ2的df2(λ2,μ2)函数的子梯度表示为其中p
k,1
为在更新出最优λ2与μ2值后通过式(45)计算出当前单用户节点与单终端节点在各个子载波上的最优功率分配。
[0096]
当λ2为定值不变时，关于对偶变量λ2的df2(λ2)函数的子梯度表示为其中p
k,1
为在给定出最优λ2值后通过式(45)计算出当前单用户节点与单终端节点在各个子载波上的最优功率分配。
[0097]
综合上述分析，我们设计出两个对偶变量λ2和μ2的双层迭代求解步骤来求解模型3的方法1：
[0098]
(1)初始化参数，给定λ
2,max
与λ
2,min
；
[0099]
(2)迭代求解过程如下：
[0100]
1)计算
[0101]
2)初始化给定的μ
2,max
与μ
2,min
；
[0102]
3)迭代求解过程如下；
[0103]
①
求
[0104]
②
for k＝1,2,...k，通过式子(45)求解各子载波k上的功率p
k,1
；
[0105]
③
ifμ
2,max
＝μ2；
[0106]
else，μ
2,min
＝μ2；
[0107]
4)重复子步骤3)，直至0≤μ
2,max-μ
2,min
≤ξ1′
，即求解出满足迭代收敛精度ξ1′
下的最优μ2值；
[0108]
5)ifλ
2,max
＝λ2；
[0109]
else，λ
2,min
＝λ2；
[0110]
(3)重复步骤(2)，直至0≤λ
2,max-λ
2,min
≤ξ
′2，即求解出满足迭代收敛精度ξ
′2下的最优λ2值；
[0111]
(4)将求解出的最优λ2与μ2值代入式(45)子求出最优功率p
k,1
。
[0112]
在方法1中，ξ
′1与ξ
′2分别为双层迭代中对偶变量μ2与λ2所对应的正实数收敛精度。在外层迭代过程中，使用式(45)计算出p
k,1
需要进行k次计算，每次迭代计算的复杂度与计算次数k呈线性相关的。此外，根据master定理，利用二分法检索对偶变量μ2时，根据所要求μ2的精度ξ1′
按照该方法迭代需要ο(log2(1/ξ
′1))次，则内层迭代复杂度约为ο(klog2(1/ξ
′1))，其中希腊字母函数ο(x)表示关于算法迭代x次的复杂度函数。同理，根据二分法对外层对偶变量λ2进行迭代需要经过ο(log2(1/ξ
′2))次才收敛并满足于设定的精度ξ
′2，因此，方法1总的计算复杂度为ο(klog2(1/ξ
′1)log2(1/ξ
′2))。在实际网络系统中子载波较多的情况下，与内点法计算复杂度ο(k
3.5
log2(1/ξ
′1)log2(1/ξ
′2))相比较，方法1的复杂度明显降低。
[0113]
在讨论完单用户节点与单终端节点之间的通信优化问题后，对于多终端节点的情况下求解模型1的主要思路与单终端节点类似，但差别在于多终端节点环境下需要额外的多个对偶变量对于多链路上的干扰功率余数。通过对模型1中的约束条件进行松弛，可得该模型1的拉格朗日函数为
[0114][0115]
其中m为调制进制数，ε2为该无人机通信系统罚函数，λ3,μ
l
,ν3,r3分别各约束条件(13)(14)(15)(16)所对应的非负拉格朗日系数。该拉格朗日函数l({p
k,l
},λ3,{μ
l
},ν3,θ3)所对应的对偶函数df3(λ3,{μ
l
})可以表示为
[0116][0117]
同理，与上述单终端节点情况类似，可以将其分解成若干个子问题进行分析，求出单用户与多终端节点情况下的每个子载波功率分配情况如下：
[0118][0119]
由式(49)可以看出多终端节点下，每个子载波上用户节点的发射功率p
k,l
都受到其他终端节点的干扰因子的影响。接下来需要检索最优对偶变量λ3与μ
l
,l＝1,2,...,l使得模型1中的和速率最大化。模型1的对偶函数可以表示为
[0120][0121]
根据凸优化理论以及模型1是凸问题，可知式(50)与(12)之间的对偶间距为0，即具有相同的最优解。此时，二分法不再适用于多终端节点环境下的多个对应干扰功率约束的对偶变量。但是可以采用适合的多个对偶变量更新的子梯度法，具体思路为在外层迭代过程中对偶变量μ
l
的更新始终延时子梯度的方向。而对偶变量λ3为一个一维标量，所以可以使用二分法求解其收敛的最优解。多无人用户节点与多终端节点环境下的功率分配方法2：
[0122]
(1)初始化给定的λ
3,max
与λ
3,min
[0123]
(2)迭代求解过程如下：
[0124]
1)计算
[0125]
2)令迭代次数i＝1，初始化μ
l,i
[0126]
3)迭代求解过程如下：
[0127]
①
for k＝1,2,...k，通过式(45)求解各子载波k上的功率p
k，l
；
[0128]
②
计算出其中ti为μ
l,i
的更新步进值；
[0129]
③
i＝i 1；
[0130]
4)重复子步骤3)至即求解出满足迭代收敛精度ξ1′
下的最优μ
l
值；退出该循环迭代；
[0131]
6)ifλ
3,max
＝λ3；
[0132]
else，λ
3,min
＝λ3；
[0133]
(3)重复步骤(2)，直至0≤λ
3,max-λ
3,min
≤ξ
′2即求解出满足迭代收敛精度ξ
′2下的最优λ3值；
[0134]
(4)将求解出的最优λ3与μ3值代入式(45)求出最优功率p
k,l
。
[0135]
在方法2中，更新步进值ti是关于迭代次数i的函数，显然在子梯度法在特定精度下收敛于最优对偶解，应当满足如下条件：
[0136][0137]
而当ti为定值常量时，μ
l,i
最优对偶解将根据其收敛精度ξ
′1趋于理论最优值的
邻域内，即满足如下条件：
[0138][0139]
当对偶变量的维度为1时，子梯度法将退化为二分法问题，即当方法2中的网络系统的终端节点数目为1时，可以认为方法1是方法2的一种特殊情况。就方法2而言，求解每个子载波功率p
k,l
需要执行k次计算，求解μ
l
,l＝1,2,...,l对偶变量需要计算l次，外层迭代次数与对偶变量μ
l
的数量呈线性相关的。此时，内层迭代过程的复杂度为ο(k(k l))，而利用二分法的外层迭代过程的复杂度为ο(log2(1/ξ
′2))，因此方法2的整体计算复杂度为ο(k(k l)log2(1/ξ
′2))，其中希腊字母函数ο(x)表示关于算法迭代x次的复杂度函数。
[0140]
(2)而后考虑非连续比特速率下的跨层优化传输场景
[0141]
由于在实际系统中a-mqam调制是属于离散型数字调制技术且整比特率且为非负值，所以需要进一步对连续比特速率进行取整离散化，建立了模型2。值得注意的是，由于在相同信道环境以及系统参数设置下存在其中为连续比特速率模型1的最大和速率，为整数比特速率模型2的最大和速率。通过对模型1中的对应的连续比特速率r
b,k
进行取整可以求解出实际的a-mqam技术中的整数比特速率为
[0142][0143]
其中int[x]为取整函数。当x的小数位小于0.5时，我们向下取整，即int[x]值等于x的整数位；当x的小数位大于等于0.5时，向上取整，即|int[x]|值等于|x 1|。根据关系表达式(10)，可得出对应的用户节点的发射功率表达式为
[0144][0145]
值得注意的是该功率调整方法可能使得超过发射功率约束或者超过干扰功率约束。为了避免出现这个情况，我们将当前子载波上取整后的比特传输速率减小则对应的功率调低量表示为
[0146][0147]
然后根据以下准则更新子载波功率：
[0148]
(1)若用户节点调整后的功率大于发射功率约束后，则对应发射功率调低量在子载波上的比特速率减去即先求解再更新并更新对应的用户节点发射功率
[0149]
(2)若用户节点调整后的功率大于干扰功率约束后，则对应的干扰功率调低量在子载波上的比特传输速率减去即先求解再更新并更新对应的用户节点发射功率
[0150]
(3)不断执行上述2个条件，迭代更新最优比特速率与最优发射功率直到满足所有约束条件为止。
[0151]
倘若取整函数(53)被向下取整函数所替代，那么对应的用户节点的发射功率迭代调整将不会超过限定的约束条件，但毫无疑问会影响系统的传输性能。该传输性能的损失量与子载波数量以及向下取整的调低量有关，当向下取整的子载波数量及调低量越大时，向下取整后的k个子载波上的和速率损失量也将越大，但是由于向下取整后每个子载波上的速率损失量不会大于1bit/s，所以系统所有子载波上的和速率损失量不会超过k bit/s。此外，比特速率向下取整后的传输性能还跟连续比特速率有关。如：当子载波上的连续比特速率为10≤r
b,k
＜11bit/s，那么向下取整后的比特速率为10bit/s，损失量不超过10％；而当子载波的连续比特速率为100≤r
b,k
＜101bit/s，那么向下取整后的比特速率为100bit/s，此时损失量只是不超过1％。
附图说明
[0152]
图1：单终端节点下的平均子载波最大传输和速率随用户节点信干噪比的变化情况。
[0153]
图2：多终端节点下的平均子载波最大传输和速率随用户节点信干噪比的变化情况。
[0154]
图3：方法2与内点法所分配的跨层网络最大和速率随用户节点最大发射功率约束的变化曲线。
[0155]
图4：方法2在a-mqam技术下所分配的跨层网络平均最大和速率随用户节点的目标误比特率ber变化曲线。
具体实施方式
[0156]
以下将结合具体实施例对本发明提供的技术方案进行详细说明。
[0157]
与此同时，由于qpsk调制技术占用较大的带宽，且频谱利用率低，而qam调制技术具有更高的频谱利用率，信息承载能力较强，传输速率很快，因此将采用qam调制技术。4qam、32qam与64qam三种调制技术的最大传输和速率是依次递增的，但随着调制进制数m的增加，抗感扰能力趋于下降趋势，因此引入了a-mqam调制技术，根据信干噪比的情况，自动选择适当的进制数调制。a-mqam可以根据通信环境情况，通过调节发射功率以及信干噪比自适应选择出4qam、32qam与64qam中的一种最优的幅度调试方式。在不同数量的终端节点情况下，设定用户节点通信链路上的信干噪比在-30db≤sinr≤-15db时，由于三种调制方式的效果基本是相同的，所以我们采用4qam调制技术；当其通信链路上的信干噪比在-15db＜sinr≤5db时，由于干扰功率并不算很大，因此采用宽带利用率高的64qam调制技术进行较快地数据传输；但是当其通信链路上的信干噪比在5db＜sinr≤20db时，此时发射信号的
相交干扰功率较大，64qam调制的抗干扰能力不强，容易出现较高的误码率，因而采用低一点的32qam调制，在损失不多传输速率前提下，保证了信息传输的稳定性。
[0158]
如图1所示，给出单终端节点下的平均子载波最大传输和速率随用户节点信干噪比的变化情况。从图中可以看出，在1个终端节点的情况下，在低信干噪比时4种调制方式具有几乎相同的传输速率；在-15db＜sinr≤5db时，a-mqam调制技术的跨层传输速率都优于单一的4qam、32qam调制方案；在5db＜sinr≤20db时，显然64qam调制抗干扰低，而采用a-mqam会自适应地使用32qam调制，不仅提高了频谱利用率，增强了多发射功率下的抗干扰能力，减少误码率与断流的情况，而且传输速率也优于单一的4qam调制。在相同的跨层网络最大传输和速率下，发射功率约束随着正交幅度调制的进制数的增加而逐渐降低。此外，由图可知，4种调制方式都是在其信干噪比为sinr＝15db时，因为用户节点总发射功率限制条件逐渐变为紧约束，故跨层网络平均子载波的最大和传输速率都趋于一个收敛值。
[0159]
当终端设备节点数量为4时，给出多终端节点下的平均子载波最大传输和速率随用户节点信干噪比的变化情况，如图2所示。由图可知，大部分情况与单终端节点下的一致，但是由于式(19)可见终端节点l的干扰功率约束条件的作用，所以一定程度上会对跨层网络平均子载波最大和速率产生影响。此外，用户节点总发射功率限制条件的共同作用，使得此时平均子载波最大和速率达到收敛值时的信干噪比小于单终端节点时的情况，看出a-mqam调制可以在保证良好传输速率的情况下，具有较高的抗干扰能力，大大降低跨层网络的传输误码率，保障终端设备所需网络的稳定性。
[0160]
在不改变码元速率的条件下，使用自适应a-mqam调制技术来增加编码的进制数m，进而提高信息传输的比特速率，使得在带宽不变的情况下拥有更多信息传输量。根据上述分析，假设移动通信网络用于d2d通信的总宽带为6mhz，子载波数量为k＝10。假设该基站中，其中一个d2d用户节点服务8个终端节点，其中每个终端节点所占用的频谱带宽的起始频点是随机生成的，且所占用的频谱带宽在2δf～10δf内均匀分布，所有终端节点都服从相等的干扰功率约束阈值p
th,l
＝1mw。为了不考虑信道中的大尺度衰弱，假设小尺度衰弱满足三径瑞利衰落信道，所有链路的衰落系数是相互独立的，每条路径的功率时延剖面呈指数分布关系。假设用户节点的目标误比特率为ber＝10-4
，所有子载波链路上的具有相同噪声功率为在单用户节点情况下，设定不同数量的终端节点，通过内点法与方法2分别求解出精度0.001下的最优λ3与μ
l
值，然后再计算出跨层网络平均最大和速率与用户节点发射功率约束p
n,max
之间的变化曲线，如图3所示。从图3可以看出，在不同发射功率约束p
n,max
变化范围内，设定不同终端节点数量，方法2与内点法所分配的跨层网络最大和速率几乎具有相似的传输性能。随着用户节点的最大发射功率约束的增加，跨层网络的平均最好和速率也随之增加，但是当发射功率变化情况不变时，随着终端节点数量的增加，导致干扰功率增加，所以跨层网络最大和速率反而下降。从图中可以看到，用户节点最大发射功率约束在-30db≤p
n,max
≤-15db时，不论终端节点数量多少，在相同的发射功率约束下，内点法与方法2的平均最大传输和速率几乎都是为零的。当该最大发射功率约束为-15db＜p
n,max
≤5db时，随着发射功率约束的增加，内点法与方法2的平均最大传输和速率稍微分离开来，此时方法2的平均最大传输和速率略大于内点法的传输性能。当该最大发射功率约束为5db＜p
n,max
≤20db时，具有8个、4个或者1个终端节点通信链路的情况下，用户节点的传输
性能将先后趋于收敛稳定的状态。这是由于当-30db≤p
n,max
≤-15db时，用户节点采用自适应a-mqam技术中的4qam调制，用户节点最大功率约束条件(13)为紧约束，而干扰功率约束条件(14)为松约束，即起到约束作用的较小。随着发射功率约束增加到-15db＜p
n,max
≤5db时，将采用自适应a-mqam技术中的64qam调制，干扰功率约束开始对跨层网络的传输性能有一定的影响了，但是由于干扰功率约束较小，起到约束作用也较小，所以受到干扰约束数量的影响也较小。但是当发射功率约束增加到较大时，用户节点将采用自适应a-mqam技术中的32qam调制，且在各终端节点干扰阈值一致的前提下，用户节点到终端节点的干扰链路上的干扰因子也会增加，此时每个子载波上的发功率需要被适当降低，以便满足总的干扰功率约束，所以随着终端节点数量的增加，和速率增长率反而下降。然而当发射功率增加到一定值时，由于干扰功率约束条件的限制作用越来越强，发射功率约束的增加不会再使网络的比特传输速率增加了。
[0161]
为了进一步了解方法2在a-mqam技术下，不同的用户节点目标误比特率条件下跨层网络平均子载波的最大传输和速率的变化情况。假设网络中的子载波数量为k＝10，通信链路中的终端节点数量为8个，用户节点发射功率约束p
n,max
分别为0.1mw、1mw、10mw、100mw。根据上述自适应调制方法以及式子p_db
n,max
＝10
·
logp
n,max
，当用户节点发射功率约束为0.1mw和1mw时，该网络采用a-mqam中的64qam调制技术；当其发射功率约束为10mw和100mw时，发射功率较大，相互干扰较大，不能采用对干扰比较敏感的64qam，而采用a-mqam中的32qam调制技术，从而提高网络吞吐量，降低平均误码率。方法2在a-mqam技术下所分配的跨层网络平均最大和速率随用户节点的目标误比特率ber变化曲线如图4所示。由图4可以看出，在用户节点不同发射功率下，所有曲线的跨层网络传输和速率都随着目标误比特率ber的增加而增大。由式(10)也可以看出，当ber增加时，计算出的跨层网络传输比特速率也随之增大。在目标误比特率ber相同的情况下，也可以发现用户节点发射功率约束越大，跨层网络传输和速率也越大。