[论文解读] Radio Resource Allocation for Device-to-Device Underlay Communication Using Hypergraph Theory

Hongliang Zhang, Lingyang Song+1 more|arXiv (Cornell University)|Apr 12, 2016

Advanced MIMO Systems Optimization参考文献 16被引用 17

一句话总结

本文提出了一种基于超图的设备到设备（D2D）Overlay通信中的无线资源分配方案，以管理来自多个D2D对和蜂窝用户设备（UE）的累积干扰。通过将干扰建模为超图中的超边，并采用贪心超图着色算法，该方法相比传统图-based方法将小区容量提高了33%，尤其在D2D对密度较高时表现更优。

ABSTRACT

Device-to-Device (D2D) communication has been recognized as a promising technique to offload the traffic for the evolved Node B (eNB). However, the D2D transmission as an underlay causes severe interference to both the cellular and other D2D links, which imposes a great technical challenge to radio resource allocation. Conventional graph based resource allocation methods typically consider the interference between two user equipments (UEs), but they cannot model the interference from multiple UEs to completely characterize the interference. In this paper, we study channel allocation using hypergraph theory to coordinate the interference between D2D pairs and cellular UEs, where an arbitrary number of D2D pairs are allowed to share the uplink channels with the cellular UEs. Hypergraph coloring is used to model the cumulative interference from multiple D2D pairs, and thus, eliminate the mutual interference. Simulation results show that the system capacity is significantly improved using the proposed hypergraph method in comparison to the conventional graph based one.

研究动机与目标

• 解决多个D2D对与蜂窝UE共享频谱时，D2D Overlay通信中累积干扰的挑战。
• 克服传统图模型的局限性，后者无法同时捕捉来自多个干扰源的干扰。
• 通过将资源分配问题建模为超图着色问题，最大化系统容量。
• 设计一种时间复杂度为O((M+N)^3)的低复杂度贪心算法，适用于实际部署。

提出的方法

• 将D2D对和蜂窝UE建模为超图中的顶点，其中超边表示影响同一接收端的干扰发射机集合。
• 基于累积干扰阈值定义超边，即包含所有联合干扰超过预设水平的发射机。
• 将信道分配问题形式化为超图着色问题，确保同一超边内的任意两个顶点不被分配相同信道。
• 提出一种贪心超图着色算法，以最小化干扰并最大化同时传输数量的方式分配信道。
• 引入选择阈值η以控制超边的形成，平衡干扰抑制与系统容量。
• 将超图模型与信道分配策略相结合，使多个D2D对和蜂窝UE可在干扰约束下共享上行信道。

实验结果

研究问题

• RQ1 超图理论能否有效建模D2D Overlay网络中来自多个D2D对和蜂窝UE的累积干扰？
• RQ2 与传统图-based方法相比，基于超图的资源分配在系统容量和干扰管理方面表现如何？
• RQ3 D2D对数量和可用信道数的变化对基于超图的方法性能有何影响？
• RQ4 超边大小（Q）和干扰阈值（η）的选择如何影响系统容量与计算复杂度？
• RQ5 所提出的贪心算法在计算开销较低的情况下，能在多大程度上实现近似最优性能？

主要发现

• 当N=50个D2D对、M=20个蜂窝UE和K=30个信道时，基于超图的方法相比图-based方法将小区容量提高了33%。
• 当K=20时，基于超图的方法使D2D对吞吐量比图-based方法高出3.0 bit/s/Hz。
• 当K=20时，图-based方法的蜂窝UE吞吐量高出0.8 bit/s/Hz，但基于超图的方法因更优的干扰协调，能支持更多UE。
• 当K=20时，与图-based方法相比，基于超图的方法使D2D对的中断概率降低40%，表明用户调度性能更优。
• 当K=20时，将超边大小Q从1增加到3，使小区容量提升约3 bit/s/Hz，但复杂度增加超过增益，因此Q=2为最优选择。
• 当D2D对密度超过某一临界值后，系统容量趋于饱和，表明频谱复用与干扰之间存在权衡。