用户贪婪bt

收稿日期:20140915基金项目:国家自然科学基金资助项目(61271299);中央高校基本科研业务费专项资金资助项目(K5051301034);高等学校学科创新引智计划资助项目(B08038);华为公司创新研究计划D2D通信技术研究资助项目作者简介:同钊(1989—),女,博士生,E-mail:loki_tong@126.
com;李兵兵(1955—),男,教授,博士生导师,E-mail:bbli@xidian.
edu.
cn.
第37卷第4期2017年4月北京理工大学学报TransactionsofBeijingInstituteofTechnologyVol.
37No.
4Apr.
2017蜂窝与D2D混合网络中的无线资源分配同钊,李兵兵,惠永涛(西安电子科技大学综合业务网理论及关键技术国家重点实验室,陕西,西安710071)摘要:针对蜂窝与终端直通(D2D)混合网络中的资源分配,将其建模为以最大化网络吞吐量为目标,关于蜂窝用户与D2D用户资源的联合优化问题.
基于该模型进一步提出一种两阶段资源分配策略,即先采用改进的贪婪频谱分配算法将资源块分配给用户,然后基于对偶分解理论给每个资源块分配最优的传输功率.
该算法在考虑蜂窝用户服务质量(QoS)的基础上,不再限制每个资源块上的D2D用户数目以及D2D用户可复用的资源数.
仿真结果表明,所提算法在保证蜂窝用户速率性能的前提下,有效地提升了系统的整体容量.
关键词:终端直通通信;频谱资源分配;功率分配;对偶分解;网络吞吐量中图分类号:TN929.
5文献标志码:A文章编号:1001-0645(2017)04-0396-06DOI:10.
15918/j.
tbit1001-0645.
2017.
04.
013RadioResourceAllocationforCellularandDevice-to-DeviceCommunicationHybridNetworksTONGZhao,LIBing-bing,HUIYong-tao(StateKeyLabofIntegratedServiceNetworks,XidianUniversity,Xi'an,Shaanxi710071,China)Abstract:ForthesolutionofresourceallocationinthecellularandD2Dcommunicationhybridnetworkscouldbeformulatedintoanoptimizationproblemwiththeobjectiveofmaximizingnetworkthroughput,atwo-stepresourceallocationschemewasfurtherdesignedbasedonthismodel.
First,theresourceblockswereassignedtotheuserswithanimprovedgreedyspectrumallocationalgorithm.
Andthen,thedual-decompositionbasedalgorithmwasemployedtoallocateoptimaltransmissionpowerforeachresourceblock.
Moreover,basedonconsiderationofQoSrequirementforcellularusers,theproposedalgorithmnolongerrestrictedthenumberofD2DusersoneachresourceblockandresourcesreusedbyD2Duser.
Thesimulationresultsshowthat,theproposedalgorithmmakesaneffectiveimprovementincapacityofwholesystemwhilestillretainstherateofcellularusers.
Keywords:device-to-devicecommunication;spectrumresourceallocation;powerallocation;dualdecomposition;networkthroughput移动通信网络正在向着更低的能量消耗、更大的资源利用率和更高的网络容量发展.
为了顺应以上需求,终端直通(device-to-device,D2D)通信技术应运而生[1].
D2D通信允许蜂窝网络中相距较近的移动设备之间不经过基站,采用直接通信的方式进行数据传输[23],从而能够降低终端发射功率,提高系统频谱效率,提升网络吞吐量.
当D2D用户复用小区内蜂窝用户的资源时,可以节约频谱资源、提高频谱利用效率,但会给蜂窝用户和D2D用户带来干扰.
为了有效地控制D2D用户与蜂窝用户间的干扰,近些年来国内外学者提出了各种蜂窝与D2D混合网络下的资源分配算法[49].
然而,现有关于蜂窝与D2D混合网络资源分配算法的研究均对D2D资源的使用进行了限制,如文献[4]中规定一对D2D用户只能复用单个蜂窝用户的频谱资源,文献[56]中限制了一个蜂窝用户的资源最多只允许一对D2D用户复用,文献[79]中则对上述两个方面都进行了约束.
以上限制虽然简化了分配问题的求解,但使得频谱并不能得到充分的利用.
另一方面,现有算法均是在蜂窝用户资源分配完成后,独立去研究D2D用户如何复用蜂窝用户资源.
而在实际系统中随着通信场景的实时变化,D2D用户建立连接的同时也会有新的蜂窝用户接入.
将蜂窝用户与D2D用户的资源分配分开进行,不能达到整体性能最优并且会产生分配延迟,从而导致网络吞吐量下降.
针对以上算法的缺陷,本文对小区中含有多个上行蜂窝用户和多对D2D用户场景下的资源分配问题进行了研究,联合考虑了蜂窝用户和D2D用户的资源分配,并且不再限制每个资源块(resourceblock,RB)上D2D用户数以及D2D用户可复用的资源数,以最大化网络吞吐量为准则,提出一种满足蜂窝用户服务质量(quality-of-service,QoS)需求的用户调度和功率分配算法.
算法根据信道状态信息动态调整蜂窝用户与D2D设备所使用的RB以及在各RB上的传输功率,在保证蜂窝用户性能的同时提升了系统的总容量.
1系统模型及问题描述本文考虑一种典型的蜂窝与D2D混合网络,网络中随机分布着K个蜂窝用户和发起D2D通信请求的D对D2D用户,D2D用户复用上行蜂窝资源,因此上行蜂窝数据会在基站端接收到来自D2D用户的干扰,同时D2D传输数据在接收端也会接收到来自蜂窝用户的干扰.
将系统整个频段划分成N个RB,并且满足N≥K,确保每个蜂窝用户都可以分配到一块传输资源,RB索引集合记为C={1,2,…,N}.
蜂窝用户和D2D用户对的索引集合分别记为UK={1,2,…,K}和UD={1,2,…,D}.
以下符号中的上标变量(n)均表示在RBn上的信道状态或发射功率.
定义h(n)d,d∈UD为D2D用户对d收发端之间的信道增益,h(n)k,k∈UK为蜂窝用户k的上行信道增益,h(n)i,d,i∈UK,d∈UD为蜂窝用户i到D2D用户对d接收端的信道增益,h(n)j,d,j,d∈UD为D2D用户对j和d之间的信道增益,h(n)j,B,j∈UD为D2D用户对j的发送端到基站的信道增益.
p(n)d,d∈UD为D2D用户对d发送端的发射功率,p(n)k,k∈UK为蜂窝用户k的上行发射功率.
用变量x(n)j,j∈UK∪UD表示小区内的蜂窝用户j或D2D用户对j是否使用RBn进行数据传输,则D2D用户对d在RBn上传输数据的信干噪比(signaltointerferenceplusnoiseratio,SINR)可表示为γ(n)d=x(n)dh(n)dp(n)dN0+∑i∈UKx(n)ih(n)i,dp(n)i+∑j∈UDj≠dx(n)jh(n)j,dp(n)j,(1)式中N0为噪声功率.
同样,蜂窝用户k在RBn上进行上行传输时的SINR可表示为γ(n)k=x(n)kh(n)kp(n)kN0+∑j∈UDx(n)jh(n)j,Bp(n)j.
(2)根据香农公式,γ(n)d与γ(n)k所对应的可达数据速率分别可表示为r(n)d=Blb(1+γ(n)d),(3)r(n)k=Blb(1+γ(n)k),(4)式中B为每个RB在频域上的宽度.
一般地,D2D通信的引入是作为蜂窝系统中的一项可选服务,蜂窝用户相比于D2D用户具有更高的优先级[1].
因此,如何在满足蜂窝用户需求的前提下最大化D2D通信所带来的效益,是蜂窝与D2D混合网络中用户资源共享算法的研究目的.
为了满足以上目标,本文以蜂窝用户的QoS要求以及用户功率限制为约束,通过为蜂窝设备和D2D设备分配适当的频谱资源和功率,最大化网络总吞吐量.
基于以上分析,最优化问题可以建模为P1:max{x,p}∑n∈C∑d∈UDr(n)d+∑n∈C∑k∈UKr(n)k.
s.
t.
(C5.
1)∑n∈Cr(n)k≥Γk∈UK(C5.
2)∑n∈Cp(n)k≤PCk∈UK(C5.
3)∑n∈Cp(n)d≤PDd∈UD(C5.
4)∑n∈Cx(n)k=1k∈UK(C5.
5)∑k∈UKx(n)k≤1n∈ìíC.
(5)793第4期同钊等:蜂窝与D2D混合网络中的无线资源分配式中:问题P1的优化目标为系统总吞吐量;x{x(n)jj∈UD∪UK,n∈C};p{p(n)jj∈UD∪UK,n∈C}为需要优化的变量,包括蜂窝用户与D2D用户的频谱与功率分配变量.
约束条件(C5.
1)保证了蜂窝用户性能,其中Γ为蜂窝用户的速率要求.
条件(C5.
2)和(C5.
3)限制了移动终端的发射功率,其中PC和PD分别为蜂窝用户与D2D用户的最大发射功率.
条件(C5.
4)和(C5.
5)表明了每个蜂窝用户只能复用一个RB并且每个RB只能分配给一个蜂窝用户.
从问题P1中可以看出,该问题在保证蜂窝用户性能的前提下不再对D2D用户的资源进行限制,从而给D2D用户提供了更大的资源复用自由度.
2资源分配算法设计本文从启发式的角度出发,将整个无线资源分配过程分为频谱分配与功率分配两个阶段,并设计了相应的分配算法.
2.
1改进的贪婪频谱资源分配算法频谱资源优化问题可归类为非线性0~1规划问题,此时的问题仍为NP难,穷举法获得其最优解的复杂度随着N和D呈指数倍增长,在实际应用中难以实现.
为了在较短时间内得到优化问题的解,本文基于贪婪思想,根据优化模型的目标以及约束限制提出一种求解算法,该算法在保证蜂窝用户QoS性能的前提下,首次迭代挑选出性能最好的(蜂窝用户,D2D用户对)组合,在以后的每次迭代中通过添加一对D2D用户使得网络性能增益最大,依次类推直到添加新的D2D用户不再能提升网络性能.
定义(蜂窝用户,D2D用户对)组合速率矩阵将表示每个RB在不同用户复用情况下传输速率大小的N*K*(D+1)维矩阵称为(蜂窝用户,D2D用户对)组合速率矩阵,可记为R={r(n)k,d}N*K*(D+1).
其中元素r(n)k,d为RBn在不同复用模式下的速率:当1≤k≤K,1≤d≤D时表示蜂窝用户k和D2D用户对d复用RBn时所得到的速率之和,即r(n)k,d=Blb(1+h(n)dp(n)d/(N0+h(n)k,dp(n)k))+Blb(1+h(n)kp(n)k/(N0+h(n)d,Bp(n)d)).
(6)当1≤k≤K,d=D+1时表示只有蜂窝用户k使用RBn所能达到的速率,即r(n)k,d=Blb(1+h(n)kp(n)k/N0).
(7)用Sn(t)=SnC(t)∪SnD(t)表示RBn在第t次迭代后的已选用户集合.
首先根据(蜂窝用户,D2D用户对)组合速率矩阵挑选出本次循环中将要分配的RB以及所对应的用户复用方式,即{n,πC(1),πD(1)}=argmaxn∈C,k∈UK,d∈UD∪{D+1},r(n)k{}d≥Γr(n)k,d,(8)式中r(n)kS为与D2D用户对集合S共同复用资源n时蜂窝用户k的速率.
如果πD(1)=D+1,说明蜂窝用户πC(1)专用资源n时可以获得最大的速率,则将RBn分配给用户πC(1),迭代停止.
如果1≤πD(1)≤D,说明蜂窝用户πC(1)与D2D用户对πD(1)复用资源n时能获得最大的速率,则更新已选用户集合SnC(1)={πC(1)},SnD(1)={πD(1)}.
(9)用R(n)(SnD(t))表示D2D用户对集合SnD(t)复用资源n时的总速率,则在t>1次迭代时,用户更新步骤如下πD(t)=argmaxd∈UD\Snu(t-1)r(n)πC(1)SnD(t-1)SnD(t-1)∪{d}≥ΓΔR(n)(d),(10)ΔR(n)(d)=R(n)(SnD(t-1)∪{d})-R(n)(SnD(t-1)),(11)SnD(t)=SnD(t-1)∪{πD(t)}.
(12)基于以上分析,本文提出一种改进的贪婪频谱资源分配算法,算法在增量贪婪思想的基础上引入"删除"与"交换"操作,用于剔除冗余用户和避免陷入局部最优.
记SnC和SnD分别为复用RBn的蜂窝用户和D2D用户对集合,ia、ie和ic分别为用户添加、删除和交换操作的循环指示,则改进的贪婪频谱资源分配算法的步骤为:①初始化RB循环指示Tn=1,并初始化SnC=,SnD=,n∈C.
②初始化D2D用户集合UD={1,2,…,D}.
③判断如果Tn>K,令n为RB集合C的第(Tn-K)个元素,转入步骤6;否则,继续进行下一步;④生成RBn∈C的(蜂窝用户,D2D用户对)组合速率矩阵;⑤根据式(8)挑选本次循环中将要分配的RB以及复用该RB的蜂窝与D2D用户,并更新RB集合N=N\n.
如果πD=D+1,则将RBn分配给用户πC,Tn=Tn+1,并转入步骤2,否则更新集合SnC={πC},SnD={πD},UK=UK\{πC},UD=UD\{πD}.
⑥初始化循环指示ia=ie=ic=1;893北京理工大学学报第37卷⑦根据式(10)挑选即将添加的D2D用户;⑧如果ΔR(n)(πD)>0,更新集合SnD=SnD∪{πD},UD=UD\{πD},并令ie=1;否则令ia=0;⑨判断如果ia=1且UD≠,转入⑦;否则,继续进行下一步;⑩πD=argmaxd∈SnDΔR(n)(d),其中ΔR(n)(d)=R(n)(SnD\{d})-R(n)(SnD);11如果ΔR(n)(πD)>0,更新集合SnD=SnD∪{πD},UD=UD\{πD},并令ia=1;否则令ie=0;12判断如果ie=1且SnD≠,转入⑩;否则,继续进行下一步;13判断如果ia=1且UD≠,转入⑦;否则,继续进行下一步;14根据{πD,uD}=argmaxΔR(n)(d,v)挑选交换用户对,其中,d∈SnD,v∈u,r(n)πCSnD∪{v}\{d}≥Γ;15如果ΔR(n)(πD,uD)>0,SnD=SnD\{πD}∪{uD},UD=UD∪{πD}\{uD},并令ia=ie=1;否则令ic=0;16判断如果ic=1,转入⑦;否则,更新Tn=Tn+1;17判断如果Tn≤N,转入②,否则算法终止,输出频谱资源分配结果.
2.
2基于对偶分解的功率分配算法当复用每个RB的蜂窝用户和D2D用户确定后,接下来通过设计功率分配优化算法来实现系统吞吐量最大化.
最优功率分配问题是一个非凸的优化问题,可以采用对偶分解理论将其转化到相应的对偶域求解.
对偶问题可描述为minθ,λ,β≥0maxpL(p,θ,λ,β).
(13)对偶问题(13)可分为两层进行迭代求解:在较低的层次上,需要对K个子问题进行求解,每个子问题对应一个RB;在较高的层次上,需要对一个主问题进行求解.
子问题可写为如下等价形式maxp(n)gn(p(n),θ,λ,β),n=1,2,…,K.
(14)问题(14)的优化变量p(n)为K+D维向量,对其直接进行优化复杂度过高.
为了简化多维目标优化的难度,采用一种协作提升的方法求解该问题.
其思想为:令p⌒(n)为先前所得到的在RBn上的功率分配向量,首先保持p⌒(n)2,p⌒(n)3,…,p⌒(n)K+D不变,优化并更新p⌒(n)1.
然后使用更新的p⌒(n)1和p⌒(n)3,…,p⌒(n)K+D来优化p⌒(n)2.
依次类推,每次仅需对单个变量进行优化,该问题为典型的一维搜索问题,复杂度大大降低.
由于式(14)的目标函数在每次迭代中均有提升,所以上述的协作提升过程是收敛的.
对于i=1,2,…,(K+D),一维搜索问题可以描述为p⌒(n)i=argmaxp(n)i≥0gn(p(n),θ,λ,β),s.
t.
p(n)j=p⌒(n)jj≠iìí.
(15)在已知p的情况下,主问题变为只与拉格朗日乘子有关的凸优化问题,可采用次梯度算法求解.
综上,主问题不断调整拉格朗日乘子,子问题则在更新的拉格朗日乘子基础上求解每个用户的功率.
基于对偶分解的功率分配算法是将以上两层问题的求解过程进行迭代,直至收敛.
其具体步骤如下:①设置算法所需的各类参数,包括最大迭代次数Tmax、拉格朗日乘子初始值和初始功率,并令迭代指示t=0;②对于所有RBn=1∶N,按照式(15)依次更新p⌒(n)i,i=1,2,…,(K+D),直至p⌒(n)收敛;③按照次梯度法更新θ,λ,β,并更新迭代指示t=t+1;④如果θ,λ,β收敛或者t=Tmax,算法停止,输出最优功率值;否则,转入②.
3仿真结果及分析为评估所提出的蜂窝与D2D混合网络下无线资源分配算法的性能,本文基于Matlab仿真平台,以蜂窝用户吞吐量、系统总吞吐量和D2D用户传输速率的累积分布函数(cumulativedistributionfunction,CDF)为主要性能评价指标,对所提出的算法进行性能仿真,并与文献[6]中的D2D贪婪资源分配算法、文献[9]中的"三步"资源分配策略比较.
仿真模型采用小区半径为500m的蜂窝与D2D混合系统,蜂窝用户和D2D通信的发送端随机分布在小区中.
将D2D通信收发端之间的最大距离记为r,则D2D接收端分布在以发送端为圆心,以r为半径的圆内.
系统的载波频率为2GHz,带宽为10MHz,其中包含50个RB,用于50个蜂窝用户和若干D2D用户对的数据传输.
蜂窝用户与D2D用户的最大发射功率分别为24和21dBm.
蜂窝用户最低速率限制Γ为0.
8Mbit/s.
信道模型参数如下:蜂窝链路损耗模型为L=128.
1+37.
6lgd(d为993第4期同钊等:蜂窝与D2D混合网络中的无线资源分配基站与用户间的距离,单位为km),D2D链路损耗模型为L=148+40lgd,阴影衰落的标准偏差为8dB,小尺度衰落采用瑞利衰落模型,噪声功率谱密度为-174dBm/Hz.
以下仿真中的每一个结果都是独立进行1000次拓扑(包括蜂窝/D2D用户终端的位置和相关信道)平均求得.
图1和图2分别为D2D用户收发最大间距r=50m,小区中D2D用户对数目在5~30之间变化时,文献[6]和文献[9]中的算法与本文所提出的算法的蜂窝用户吞吐量和系统总吞吐量.
图1不同D2D用户对数目情况下各算法的蜂窝用户吞吐量Fig.
1CellularuserthroughputforeachalgorithmwithdifferentnumbersofD2Dpairs图2不同D2D用户对数目情况下各算法的系统总吞吐量Fig.
2SystemthroughputforeachalgorithmwithdifferentnumbersofD2Dpairs从图1中可以看出,3种算法的蜂窝用户吞吐量均随着D2D用户对数目的增加而下降,这是由于D2D对数的增加会使得蜂窝用户的同频干扰越来越严重,从而导致蜂窝用户性能变差.
但是由于算法限制了蜂窝用户的最低传输速率,其下降趋势随着D2D用户数目的增大逐渐变缓.
由于3种算法均考虑了蜂窝用户QoS需求,因而蜂窝用户吞吐量性能相差不大.
由图2可得,随D2D用户数目的增加,3种算法的系统性能得到明显提升.
在所有仿真的D2D用户对数中,本文提出的算法系统总吞吐量均为最优,其原因是:比较算法均限制了D2D资源的使用,而本文所提出的算法不再限制每个RB上D2D用户数目以及D2D用户可复用的资源数,在不影响蜂窝用户性能的前提下使D2D用户获得更多的传输资源,并且对D2D用户与蜂窝用户的资源同时进行分配,兼顾了蜂窝用户和D2D用户的性能.
图3对比了所提出的算法与两种对比算法在D2D用户对数为20、D2D用户收发最大间距r=50m时,D2D用户传输速率的CDF曲线.
从图3中可以看出,使用文献[6]和[9]中的算法时,D2D用户传输速率小于1.
5Mbit/s的比例已经分别达到了88%和50%,严重影响了D2D用户的性能,而使用本文所提出的算法小于1.
5Mbit/s的D2D用户比例仅为3%,说明本文算法提升了多数D2D用户的传输速率.
其主要原因在于本算法相比于其他算法给D2D用户资源的复用提供了更大的自由度,使得D2D用户可以使用更多的RB进行数据传输.
图3D2D用户速率CDF曲线Fig.
3CDFcurvesofD2Duserrate4结论本文针对蜂窝与D2D混合网络中的资源分配问题,建立了频谱与功率分配的混合非线性整数规划模型.
与现有的模型相比,该模型提升了D2D用户资源复用的自由度,并且对蜂窝与D2D用户的资源联合进行优化.
该优化问题为NP难问题,本文提出了一种两阶段资源分配策略:改进的贪婪频谱分配和基于对偶分解的功率分配.
仿真结果表明:所提出的算法在保证蜂窝用户性能的同时,提升了网络的总容量.
(下转第429页)004北京理工大学学报第37卷temperature-programmedoxidation,andhigh-resolutiontransmissionelectronmicroscopy[J].
TheJournalofPhysicalChemistryA,2009,113(50):1387113880.
[6]ClagueADH,DonnetJB,WangTK,etal.
Acomparisonofdieselenginesootwithcarbonblack1[J].
Carbon,1999,37(10):15531565.
[7]谢纯,陈建,崔汶静,等.
扫描探针对炭黑结构及其结合胶微观形貌的研究[J].
弹性体,2013,23(2):16.
XieChun,ChenJian,CuiWenjing,etal.
Studyingthestructureofcarbonblackandboundrubber'smicrostructurebyscanningprobe[J].
ChinaElastomerics,2013,23(2):16.
(inChinese)[8]JungY,OhKC,BaeC,etal.
Theeffectofoxygenen-richmentonincipientsootparticlesininversediffusionflames[J].
Fuel,2012,102:199207.
[9]OliveiraMHA,OlofssonNE,JohnssonJ,etal.
Soot,PAHandOHmeasurementsinvaporizedliquidfuelflames[J].
Fuel,2013,112:145152.
[10]FranzelliB,ScouflaireP,CandelS.
Time-resolvedspatialpatternsandinteractionsofsoot,PAHandOHinaturbulentdiffusionflame[J].
ProceedingsoftheCombustionInstitute,2015,35:19211929.
[11]聂百胜,何学秋,张金锋,等.
泡沫陶瓷对瓦斯爆炸火焰传播的影响[J].
北京理工大学学报,2008,28(7):573576.
NieBaisheng,HeXueqiu,ZhangJinfeng,etal.
Effectoffoamceramicsupongasexplosionflamepropagation[J].
TransactionsofBeijingInstituteofTechnology,2008,28(7):573576.
(inChinese)[12]NieB,LiuX,YangL,etal.
Porestructurecharacterizationofdifferentrankcoalsusinggasadsorptionandscanningelectronmicroscopy[J].
Fuel,2015,158:908917.
[13]季君晖.
炭黑表面性能的表征[J].
炭素,1999,27(4):812.
JiJunhui.
Characterizationofcarbonblacksurface[J].
Carbon,1999,27(4):812.
(inChinese)(责任编辑:刘雨)(上接第400页)参考文献:[1]DopplerK,RinneM,WijtingC,etal.
Device-to-devicecommunicationasanunderlaytoLTE-advancednetworks[J].
IEEECommunicationMagazine,2009,47(12):4249.
[2]JnisP,YuCH,DopplerK,etal.
Device-to-devicecommunicdationunderlayingcellularcommunicationssystems[J].
NetworkandSystemSciences,2009,2(3):169178.
[3]HuanleZhang,YuFu,JianLiu.
Optimaltransmissiondistanceofmeanprogressandmeantransportindevice-to-devicenetworks[C]∥ProceedingsofInternationalConferenceonCyberspaceTechnology.
Beijing,China:IETPress,2013:332337.
[4]XuChen,SongLingyang,HanZhu,etal.
Efficiencyresourceallocationfordevice-to-deviceunderlaycommunicationsystems:areverseiterativecombina-torialauctionbasedapproach[J].
IEEEJournalonSelectedAreasinCommunications,2013,31(9):348358.
[5]WangJiaheng,ZhuDaohua,ZhaoChunming,etal.
Resourcesharingofunderlayingdevice-to-deviceanduplinkcellularcommunications[J].
IEEECommunic-ationsLetters,2013,17(6):11481151.
[6]荣涛,吴斌,糜正琨.
一种LTE网络D2D通信资源共享算法[J].
南京邮电大学学报:自然科学版,2013,33(3):8590.
RongTao,WuBin,MiZhengkun.
AresourcesharingalgorithmforD2DcommunicationwithinLTEnetwork[J].
JournalofNanjingUniversityofPostsandTele-communications:NaturalScienceed,2013,33(3):8590.
(inChinese)[7]ZulhasnineM,HuangChangcheng,SrinivasanA.
Efficientresourceallocationfordevice-to-devicecommunicationunderlayingLTEnetwork[C]∥ProceedingsofIEEEInternationalConferenceonWIMOB.
NiagaraFalls,USA:IEEEPress,2010:368375.
[8]XuYanfang,YinRui,HanTao,etal.
Dynamicresourceallocationfordevice-to-devicecommunicationunderlayingcellularnetworks[J].
InternationalJournalofCommunicationSystems,2014,27(10):24082425.
[9]FengDaquan,LuLu,YiYuanwu,etal.
Device-to-devicecommunicationsunderlayingcellularnetworks[J].
IEEETransactionsonCommunications,2013,61(8):35413551.
(责任编辑:李兵)924第4期聂百胜等:瓦斯爆炸炭黑结构及产生机理分析