[论文解读] Robust Underlay Device-to-Device Communications on Multiple Channels

Mohamed Elnourani, Siddharth Deshmukh+2 more|arXiv (Cornell University)|Feb 26, 2020

Advanced MIMO Systems Optimization参考文献 34被引用 4

一句话总结

本文提出了一种针对多通道的鲁棒非许可设备到设备（D2D）通信的上行链路与下行链路联合资源分配框架，在信道状态信息（CSI）不完善的情况下，优化功率与信道分配。通过凸松弛、分数规划和交替优化，该方法设计了具有理论收敛保证的集中式与分布式算法，并通过实验验证表明其性能优于现有最先进方法。

ABSTRACT

Most recent works in device-to-device (D2D) underlay communications focus on the optimization of either power or channel allocation to improve the spectral efficiency, and typically consider uplink and downlink separately. Further, several of them also assume perfect knowledge of channel-stateinformation (CSI). In this paper, we formulate a joint uplink and downlink resource allocation scheme, which assigns both power and channel resources to D2D pairs and cellular users in an underlay network scenario. The objective is to maximize the overall network rate while maintaining fairness among the D2D pairs. In addition, we also consider imperfect CSI, where we guarantee a certain outage probability to maintain the desired quality-of-service (QoS). The resulting problem is a mixed integer non-convex optimization problem and we propose both centralized and decentralized algorithms to solve it, using convex relaxation, fractional programming, and alternating optimization. In the decentralized setting, the computational load is distributed among the D2D pairs and the base station, keeping also a low communication overhead. Moreover, we also provide a theoretical convergence analysis, including also the rate of convergence to stationary points. The proposed algorithms have been experimentally tested in a simulation environment, showing their favorable performance, as compared with the state-of-the-art alternatives.

研究动机与目标

• 解决以往研究中仅单独优化功率或信道分配的局限性，特别是在CSI不完善条件下的问题。
• 设计一种联合上行链路与下行链路资源分配方案，以在确保D2D对之间公平性的同时最大化网络频谱效率。
• 通过保证目标中断概率来维持服务质量（QoS），即使在CSI不完善的情况下。
• 开发计算效率高、开销低的分布式算法，并提供可证明的收敛性，以支持实际部署。

提出的方法

• 为非许可D2D网络中的联合功率与信道分配问题建立混合整数非凸优化模型。
• 应用凸松弛方法处理原始问题的非凸性，从而支持可处理的求解方法。
• 采用分数规划将速率最大化目标转化为更易处理的形式。
• 使用交替优化方法迭代更新功率、信道和辅助变量，以提升收敛性能。
• 设计一种分布式算法，将计算负载分配至D2D对与基站之间，以减少信令开销。
• 基于Kurdyka–Łojasiewicz（KL）性质，建立理论收敛性分析，证明算法收敛至目标函数的驻点。

实验结果

研究问题

• RQ1 如何在CSI不完善条件下，通过联合优化上行链路与下行链路的功率与信道分配，以最大化非许可D2D网络的频谱效率？
• RQ2 CSI不完善对D2D性能有何影响？如何在信道不确定性下保证服务质量（QoS）？
• RQ3 分布式算法能否在最小化通信开销与计算负载的同时，实现与集中式算法相当的性能？
• RQ4 在该非凸设置下，可为迭代优化算法提供哪些理论收敛性保证？
• RQ5 所提方法在公平性、频谱效率与鲁棒性方面，如何优于现有最先进方法？

主要发现

• 仿真环境中，所提出的集中式与分布式算法在频谱效率方面优于现有最先进方法。
• 分布式算法通过将计算任务分配至D2D对与基站之间，保持了较低的通信开销。
• 理论收敛性分析证明，交替优化序列收敛至目标函数的驻点。
• 收敛速率受 $ | abla F_2| \rightarrow 0 $ 限制，收敛速率为 $ O(k^{-(1-\theta)/(2\theta-1)}) $，其中 $ \theta \neq 1/2 $，表明在KL性质下实现超线性收敛。
• 通过使用实解析函数与KL性质，确保了非凸设置下优化过程的稳定性，并收敛至有意义的解。
• 该框架成功维持了D2D对之间的公平性，并保证了目标中断概率，从而在CSI不完善条件下实现了鲁棒的QoS。