王一然 孙萌

摘  要：机器类通信技术能够实现与4G、5G蜂窝网络的无缝集成、短分组接入和不连续传输，实时监控能量的产生、传输、转换和消耗情况，因此机器类通信对智能电网运行的稳定性起着重要作用。由于频谱资源的稀缺性，我们允许大量的机器类型设备及时地复用分配给蜂窝用户的频谱资源。但是信道复用引起的能效问题使得资源分配面临新的问题。文章提出的算法将基于一对一匹配，最大限度地提高能效。仿真结果表明，与其他算法相比，该算法能以较低的复杂度更好地逼近穷举算法的最优性能。

关键词：机器类通信;能量效率;匹配算法

中图分类号：TN929.5       文献标识码：A 文章编号：2096-4706（2020）06-0071-03

Abstract：Machine communication technology can realize seamless integration，short packet access and discontinuous transmission with 4G and 5G cellular networks，and monitor the generation，transmission，conversion and consumption of energy in real time. Therefore，machine communication plays an important role in the stability of smart grid operation. Due to the scarcity of spectrum resources，we allow a large number of machine type devices to reuse spectrum resources allocated to cellular users in time. But the energy efficiency problem caused by channel multiplexing makes resource allocation face new problems. The algorithm proposed in this paper will be based on one-to-one matching to maximize energy efficiency. The simulation results show that compared with other algorithms，this algorithm can better approximate the optimal performance of the exhaustive algorithm with lower complexity.

Keywords：machine class communication;energy efficiency;matching algorithm

0  引  言

由于機器类通信可实现无需人工干预的设备间数据传输，其在建设泛在电力物联网方面具有极大的研究价值[1]。泛在电力物联网一直是本校的重点研究方向之一，本校为此成立了多个相关项目，以研究机器类通信如何在智能电力系统中更好地应用[2]。之前的研究大多是从能源效率角度通过中断资源分配决策来实现高利用率的资源分配，本文认为匹配理论是此类问题的有效、灵活和低复杂度的解决方案[3]。基于匹配理论的机器类型通信能效算法，将联合功率优化和子信道选择问题描述为二维组合问题[4]。

华北电力大学的研究团队着眼于电力物联网的应用，申请了“5G配用电电力物联网低功耗大连接技术研究”及“泛在电力物联网5G无线通信关键技术研究”等多个项目，致力于研究从无线传输技术和硬件水平方面提高移动蜂窝网络的穿透能力和覆盖能力，通过深入挖掘海量终端接入场景下的机器类通信业务需求和特征规律，建立低功耗、低时延、高可靠的无线资源高效利用方案。

1  背景介绍

机器类通信技术能够实时监控电网能量的产生、传输、转换和消耗情况。但还应考虑能效问题和干扰问题。机器类型设备通常使用低容量电池。故应通过功率控制保证机器类通信的可靠，使其能够有效覆盖通信范围。机器类通信间歇地使用上行链路资源，使蜂窝用户受到同信道干扰。

2  系统模型

本文模拟了单个蜂窝的机器类型通信网络。网络中心为具有全向天线的基站，机器类型设备和蜂窝用户随机分布在网络中。机器类型设备数为n，蜂窝用户数为m，机器类型设备和蜂窝用户的集合为MTDn={M1，…，Mn}和CUm={C1，…，Cm}，资源块的集合为RBm={R1，…，Rm}。规定上行链路信道复用的性能增益大于下行链路信道共享的性能增益。给定时间块的信道状态固定，不同时间块的信道状态独立变化，不受其他时间块的影响。每个蜂窝用户在单个子信道上传输，使得蜂窝用户之间没有同信道干扰。在复用上行链路频谱时，机器类型设备通过多路复用将资源块分配给蜂窝用户，然后通过资源块将数据发送到基站。多个机器类型设备可以分配给同一个蜂窝用户的相同资源块，以提高频谱效率，但蜂窝用户和机器类型设备会受到同信道干扰。

2.1  数据传输模型

假设在数据传输过程中，可得理想的信道状态信息，信道模型考虑阴影、多径传播和路径损耗引起的快衰落效应和慢衰落效应。α和β代表路径损耗常数和路径损耗指数。Fm和Sm代表遵循指数分布的快速衰落增益和遵循长正态分布的慢衰落增益。Dm代表从蜂窝用户Ck到基站的传输距离。从Ck到基站的链路的信道增益为：

Pn代表机器类型设备Mn的传输功率，Pm代表蜂窝用户Cm的传输功率。当机器类型设备Mn复用资源块Rk向基站发送数据时，机器类型设备Mn的接收信噪比为：

Bm代表资源块Rm的信道带宽，从机器类型设备Mn到基站链路的信道传输速率为：

2.2  能耗模型

电路功耗（Cn）和传输功率（Pn）构成机器类型设备Mn的总功耗，假设所有Mn的电路功耗恒定，则机器类型设备Mn的总功耗为：

机器类型设备Mn的能效为每焦耳传输的总位数，T为数据传输持续时间，Mn的能效公式如下：

3  问题表述

最大化能效、优化各机器类型设备的信道选择和功率控制是机器类通信网络的研究关键。N={1，…，n，…，N}，M={1，…，m，…，M}为机器类型设备和蜂窝用户的集合，优化变量集合为{SN，M，PN}，其中PN={PMn|n∈N}。式（7）为所述联合信道选择和功率控制问题。其中C1和C2分别表示蜂窝用户和机器类型设备的QoS需求;C3规定信道选择决策的指示符为二进制;C4保证任何机器类型设备只能复用一个资源块;C5规定同一时间复用同一资源块机器类型设备不超过一个。

4  匹配理论

匹配理论是描述随着时间的推移形成互惠关系的数学框架。匹配时，每个元素会自发地对另一组元素进行排序。因此，基于匹配理论的协议一般无需集中式协调器，且具有良好的可扩展性。本文将机器类通信中信道、机器类型设备和蜂窝用户的选择问题表示为一个匹配博弈。匹配函数如式（8）所示。

条件（1）：每个机器类型设备最多可以复用一个资源块;条件（2）：每个资源块最多可以接受一个机器类型设备;条件（3）：如果Mn与Rm匹配，则Rm也与Mn匹配。

Sn，m用来表示Mn是否与Rm匹配。Sn，m=1表示Mn与Rm匹配，而Sn，m=0表示Mn与Rm不匹配。

5  基于匹配理论的P1解决方案及稳定性分析

5.1  初始化

假设起始时所有机器类型设备和蜂窝用户都未匹配，并构建未匹配的机器类型设备和蜂窝用户的集合Munmatch和Cunmatch，匹配的机器类型设备和蜂窝用户的集合Mmatch和Cmatch，以及机器类型设备和蜂窝用户的偏好列表。

5.2  迭代

（1）Munmatch中每个机器类型设备Mn发布通信要求，并向在其最为偏好的蜂窝用户Cm发送请求。如果Cm未匹配且满足Mn的通信要求，则接受Mn的匹配请求，并将Mn从Munmatch中删除，添加到Mmatch中。否则，Mn的请求将被拒绝;（2）如果Cm已与Mn匹配，但Cm更能满足Mn的通信要求，则接受Mn。并将Mn从Mmatch中移除，添加到Munmatch，将Mn从Munmatch中移除，添加到Mmatch中。否则，Mn的请求将被拒绝;（3）如果Mn不与任何Cm匹配，则表示没有Cm能够满足Mn的通信要求，则将Mn从Munmatch中删除。直至Munmatch为空集。

5.3  稳定性分析

由于系统中的匹配稳定性偏差是固定的，Mn和Cm在一个稳定的匹配系统中时，任何匹配对都不会偏好先前的匹配结果。引理1：当该算法结束时，Mn和Cm的匹配稳定。证明参见文献[5]。

6  仿真结果

仿真参数如下：（1）网络半径r=50 m;（2）路径损耗常数α=0.01;（3）快衰落增益F=1 dB;（4）慢衰落增益S=8 dB;（5）机器类型设备和蜂窝用户之间的最大距离Dmax=35;（6）加性高斯白噪声的单边功率谱密度N0=-114;

（7）传输功率Pn，min=0 dBm，Pn，max=23 dBm;（8）电路功耗CPMn|=20 dBm。

图1表明该算法的效果更接近穷举算法的最优性能。当机器类型设备数为10时，该算法的性能比随机算法提高了62.1%。当机器类型设备没有充分利用蜂窝用户时，随着机器类型设备增加，能效显著提高。当所有蜂窝用户被最大程度地复用，机器类型设备继续增加，总能效也不会明显增加。图2表明该算法能够更好地逼近穷举算法的最优性能。当蜂窝用户数为10時，该算法的性能比随机算法高39.4%。随着蜂窝用户数量的增加，机器类型设备将更有可能匹配到更为偏好的蜂窝用户，当所有机器类型设备都匹配时，蜂窝用户增加不会使总能效显著提高。

7  结  论

本文提出了一种能效优化算法。仿真结果表明，该算法能以较低的复杂度更好地接近最优性能。当m=10，n=6时，该算法的性能比随机算法高39.4%。今后我们还将研究多对多的匹配场景，其中每个机器类型设备可以复用多个资源块，同一资源块可以被多个机器类型设备复用。

参考文献：

[1] 宫诗寻，陶小峰.5G大规模机器类通信中的传输技术 [J].中兴通讯技术，2017，23（3）：20-23.

[2] ZHANG K，MAO Y M，LENG S P，et al. Mobile-Edge Computing for Vehicular Networks：A Promising Network Paradigm with Predictive Off-Loading [J].IEEE Vehicular Technology Magazine，2017，12（2）：36-44.

[3] ZHOU Z Y，GAO C X，XU C，et al. Social Big-Data-Based Content Dissemination in Internet of Vehicles [J].IEEE Transactions on Industrial Informatics，2018，14（2）：768-777.

[4] YIN J J，CHEN Y P，SANG G，et al. QoE-Oriented Rate Control and Resource Allocation for Cognitive M2M Communication in Spectrum-Sharing OFDM Networks [J].IEEE Access，2019（7）：43318-43330.

[5] GU B，CHEN Y P，LIAO H J，et al. A Distributed and Context-Aware Task Assignment Mechanism for Collaborative Mobile Edge Computing [J].Sensors，2018，18（8）：2423.

作者简介：王一然（1998.11-），男，汉族，天津人，本科，研究方向：通信工程;孙萌（1996.08-），男，汉族，山东费县人，硕士，研究方向：物联网中的资源分配、干扰控制、能量控制和机器学习等。