干扰区域（共3篇）
干扰区域 篇1
摘要：介绍了烟幕干扰条件下目标区域提取的总体思想及基本流程.在可识别的阈值范围内,对烟幕遮蔽下的目标进行图像增强等预处理后,采用小波多分辨分析、分形布朗随机模型及局部区域熵的计算来提取特征向量,从而判断目标所在区域.最后采用最佳熵阈值分割法将目标区域从烟幕背景中分割出来.实验证明,该方法效果明显,是对烟幕干扰条件下目标探测与识别的关键一步.
关键词：烟幕干扰,图像增强,小波分析,分形特征向量,目标区域分割
当目标被烟幕干扰时,目标的红外辐射会由于烟幕的干扰而衰减,从而使红外成像探测设备无法判断目标所在的区域,即便目标被烟幕干扰后的透过率在可识别的阈值范围内,由于捕捉到的图像中烟幕的红外辐射大于或与目标的红外辐射接近,仅仅依靠热像图进行简单的阈值判别也很难将目标区域从复杂的烟幕背景中区分出来.通过小波多分辨率分析后综合提取图像的分形特征向量和局部区域熵的特征值来判断目标所在区域并通过最佳熵阈值将目标区域分割出来.这样既克服了分形模型在单一尺度下,区域特征不确定性明显和随机性与稳定性差的局限性,又实现了在可识别阈值范围内对烟幕干扰下的目标区域的有效提取.
1 图像预处理及小波多分辨率变换
由于烟幕的干扰效应使目标图像的照度减弱、被观察到的物体表观的信噪比减小,而且还会造成目标图像照度的不均匀变化,从而使系统的跟踪误差信号发生改变,使系统的探测识别能力减弱.所以,对烟幕干扰下的目标进行识别首先要判断视频流图像中,每一帧图像烟幕透过率是否在可探测识别的阈值范围之内.对于烟幕干扰下透过率大于15%的图像,就要经过图像增强等预处理后,采用小波、分形和区域熵的理论对图像进行联合特征向量的提取估算,进而确定最佳熵阈值,对图像进行目标区域的提取.对烟幕干扰条件下目标区域提取的基本流程如图1所示.
1.1 烟幕干扰条件下图像的增强处理
为了避免红外成像设备得到的图像由于数据的剧烈变化导致局部灰度相当集中,并突出烟幕遮蔽条件下目标与背景的分辨率,需要对图像进行增强等预处理.主要采用图像空域内的对比度自适应直方图均衡化(如图2所示)和频域内的同态滤波(近高斯型高通滤波器和同态滤波器滤波示意图如图3所示)的方法对图像进行增强处理[1].图像增强处理前后的效果对比如图4所示.
1.2 基于小波多分辨率分析的图像特征提取
对于复杂形态烟幕的分析,需要应用小波多分辨分析,通过从大到小不同尺度的变换,在越来越小的尺度上观察到越来越丰富的细节.在多尺度情况下,烟幕的分形参数在一定尺度范围内能保持相对稳定,而人造目标的分形参数随尺度的不同会有显著变化,为突出烟幕和人造目标的分形特征随尺度变化的差异,采用多分辨空间下的特征参量可将烟幕区域与人造物的目标区域区分开来[2].
小波变换能够实现图像的多尺度分解,使得图像的任意细节都能够被观察到.设图像f(x,y)∈L2(R2)在分辨力2j下的近似等于在空间Vj的正交投影,可以表示为
式中,Ljf表示在分辨力2j上的低频逼近图像;H1jf、H2jf、H3jf分别表示以分辨力2j观察时,图像在不同频段的水平方向、垂直方向和对角方向的小波系数图像,它们分别表达了3个尺度下图像的高频信息.
红外图像的纹理区域含丰富的高频成分;平滑区的低频成分多.而红外目标通常表现为平滑图像,能量集中在低频区域,而烟幕区域则表现为不同的纹理图像,含有比较多的高频成分.所以采用小波多分辨变换后的低频近似图像的分维作为分形特征,采用高频分量作为图像区域特征参数实现辅助判断与决策,这样即减少了计算量,又可以抑制图像中的高频噪声对分维估算的影响.对红外烟幕干扰下的图像进行单层二维小波多尺度分解并对结果作对比度自适应直方图均衡化后的图像及直方图如图5和图6所示.
从图5、图6的分解结果看到小波分解的低频逼近图像保留了原始图像的平滑特征,并且消除了高频噪声的影响;而高频图像则使图像的细节特征得到了明显的加强,为目标区域的判断提供了依据.
2 联合特征向量的提取
经过单层小波二维多分辨率变换后,下面将结合图像低频逼近图像和有明显特征的细节图像,应用分形布朗随机场的理论,提取烟幕干扰下图像的分形维数、分形拟合误差和局部区域熵等联合特征向量,以此来确定烟幕干扰下的目标区域.
2.1 分形特征向量的提取
设一幅M×N的图像,其中M=2m,N=2n,对其进行一次单层小波分解,得到一幅低频近似图像Lf,此时图像大小为2m-1×2n-1,令M1=2m-1,N1=2n-1,并设图像灰度值为f(x,y),则由式(2)可得出[3]
undefined
令:△Ir=|f(x2,y2)-f(x1,y1)| (3)
undefined
则有:E(△fr)=K·rH (5)
等式两边取对数
lg[E(△fr)]=H×lg(r)+c (6)
其中c为常数,则
式中,r为以区域像素坐标值大小为半径的球形结构元素对图像进行膨胀处理后的像素点与区域中所有像素点对之间的距离而构成的矩阵.
这样,对每一个像素点对的距离r,便得到一对数据(lg[E(△fr)],lg(r)).再通过最小二乘法对所有距离对应的数据进行拟合,就得到该图像对应的H,由Ds=3-H得到该图像的分形维数.同时也可求得相应的分形拟合误差,其计算公式为
undefined
分形拟合误差反映了分形模型对于灰度图像的适应程度.红外烟幕作为一种类自然物在一定的尺度范围内符合分形布朗模型,因此会获得较小的分形拟合误差.而人造物目标不具有自相似性,不适用分形模型来模拟.因而,在含有目标的灰度图像区域会得出较高的拟合误差.
2.2 区域熵的提取及最佳熵阈值分割提取
为了减少搜索目标所带来的计算量,并适于并行处理,将图像经一次小波变换后的低频图像划分为大小超过烟幕形态基元的互不重叠的区块,对其进行局部区域熵的计算,从而根据区域熵的不同来准确划分图像区域,并结合获得的分形维数和分形拟合误差,来综合提取目标所在区域.图像中区域熵的计算方法如下: 设f(x,y)为图像中点(x,y)处的灰度,对于一幅图像中大小为M×N的区域图像,由泰勒展开舍去高次项得到近似计算公式有
undefined
其中,Hf就是局部区域M×N的熵.对于含有目标的烟幕干扰图像,灰度起伏较大,其熵值较小,最小熵值对应的位置就是可能存在目标的位置.
提取出红外图像的目标特征区域后,采用最佳熵自动阈值法来确定分割门限,从而将目标区域准确地分割出来,其具体算法为[4]:
(1) 目标特征区域提取后的图像的灰度范围为[0,L-1],L为图像的比特数.假设一阈值t将图像划分为目标W与烟幕背景B两类,[0,t]的分布和[t+1,L-1]的分布分别为:B:undefined;W:undefined.其中,undefined为灰度级i的出现概率.
(2) 令undefined
每个分布对应的熵分别为
undefined
(3) 图像的熵H(t)为HB(t)与HW(t)之和,即
undefined
当熵H(t)取最大值时的t将是烟幕背景与目标最佳的分割门限[5].
3 实验结果及分析
根据以上理论,运用VC++和MATLAB进行了程序实现,并对在可识别阈值范围内的一帧图像进行了处理,实验过程及结果如下:
(1) 结合小波多分辨率变换后的高频细节特征,对低频逼近图像中大于烟幕干扰基元的区块进行选取,并对区块进行区域熵的计算,选取结果如图7所示;区块中区域熵值的变化曲线如图8所示.
(2) 结合熵变化曲线结果,对熵值较小的4个区域按照其所对应的列坐标进行选取(如图7所示),并利用联合特征向量提取的方法计算分形维数、分形拟合误差和局部区域熵.4个区域的计算结果如表1所示.
(3) 从表1可看出,区域2的分形维数最小;分形拟合误差最大;区域熵均值最小.因此,区域2具有明显的目标区域特征,对其运用最佳熵阈值法,便可将目标区域提取并分割出来,区域分割结果如图9.
4 结 论
提出的基于小波、分形理论及区域熵计算和最佳熵阈值分割的红外烟幕干扰条件下目标区域的提取方法,经实验验证,取得了良好的预期效果,并且该方法经适当的调整也可推广到多频谱烟幕干扰条件下图像目标区域的提取中.虽然本文所述方法只是实现了在可识别阈值范围内,对红外烟幕干扰条件下的目标提取,但它确是烟幕干扰条件下目标识别中最为关键的一步.
参考文献
[1]闫敬文.数字图像处理[M].北京:国防工业出版社,2007:92-93.
[2]Reed Todd.A Review of Recent Texture Segmentationand Feature Extraction Techniques[J].CVGIP ImageUnderstanding,1993,57(3):359-367.
[3]田杰,陈杰,张宇河.基于小波变换及分形特征的目标检测与识别[J].北京理工大学学报,2003,23(1):96.
[4]朱忠博.目标图像自适应分割算法及其实时实现技术研究[D].西安:西安电子科技大学,2006.
[5]Nobuhiko,Morimoto Masancri Arita,Akira Suyama.Solide Phase DNA Solution to the Hamiltonian PathProblem,DNA Based Computers III[C]//DIMACS Se-riesin Discrete Mathematics and Theoretical ComputerScience.American Mathematical Society,1997:193-206.
干扰区域 篇2
为了满足未来战争中无线攻击高精准度的作战要求,必须创新性地发展区域精确干扰技术,研究可适应多种作战要求的干扰能量高度点集中或区域集中的“精确外科手术式”电磁辐射技术,集中一系列分布式低功率干扰节点的能量对通信和导航接收机实施攻击,同时尽可能缩小己方和中立方系统被干扰的实际作用区域,既克服电磁误伤,又使己方指挥官在复杂的电磁环境下按照作战行动的需要随时提供电子干扰支援[1,2]。
区域精确干扰技术采用大孔径稀疏天线阵,在一定的干扰范围内多个干扰源随机布设,干扰距离可比拟于阵列的孔径,属于天线阵近场环境,因而电波具有球面传播特征[3]。对于该系统,要实现空间中区域性的精确干扰,很大程度上依赖于干扰阵型在阵面近场区域内功率合成时产生的类似光线衍射“亮斑”式的效应,因此,阵列孔径、阵列形状、阵元数目及稀疏布局等因素对区域选择性精确干扰的影响至关重要,主要讨论阵型孔径对干扰区域功率覆盖及功率矢量合成的影响,并为优化阵型结构提供指导[4,5]。
1 分布式协同干扰模型
1. 1 干扰物理模型
在多个干扰源组成的协同干扰阵型中,由干扰源几何位置构成的阵列形状估计其几何中心,并定义为当前干扰阵型中心[6]。干扰目标中心与干扰阵型中心连线方向即为干扰方向,与干扰方向相切的直线方向定义为干扰方向的切向。在干扰方向切向上,任意2个干扰源间距离线段的投影距离即为干扰孔径,最长的干扰孔径为干扰阵型的孔径。干扰阵型的干扰距离定义为干扰阵型中心到干扰目标中心的直线距离[7,8,9]。
区域精确干扰示意如图1所示。为了实现具有高度针对性的区域选择性精确干扰,需要多种技术手段保证。首先从空域上实现更好的干扰能量集中,要求各干扰机尽可能采用窄波束宽度的天线。在具体工作时,依据目标位置或定位信息,干扰设备结合自身平台的运动规律实现天线波束对目标区域的精确对准,通过天线的方向性保证对波束方向和非波束方向上区域干扰强度的区别[10,11]。其次,为了保证干扰信号在时域上达到区域性汇聚,可以采用一种类脉冲序列的离散信号形式,脉冲宽度与干扰区域尺度相关,脉冲重复间隔决定对干扰区域的干扰频度,从而保证干扰的有效性。当使用脉冲样式的干扰信号时,为保证各脉冲干扰信号在干扰区域处达到同步汇集的干扰效果,各脉冲的发射时刻需要满足严格的时序关系[12]。
1. 2 数学建模
将上述过程建立数学模型,考虑干扰信号以球面波方式向目标干扰区域传播,那么从一个干扰源发射的脉冲信号从数学角度可以看作是以该干扰源为中心的一个扇形圆环,圆环的宽度等价于脉冲的宽度,扇形的角度为天线的波束宽度。由于各干扰源到目标干扰中心的距离不同,从时间上需要保证各干扰源的脉冲信号同时到达干扰中心,因此需要根据各自的路程差来调整干扰信号的发射时刻。
假设 ( xi yi) 为干扰源位置坐标i = 1,2,…,N,N为干扰源 数目,干扰目标 中心位置 坐标为
式中,PW = L /C为脉冲宽度; L为干扰区域最大距离尺度; C为电磁波传播速度。x、y的取值范围通过计算脉冲干扰信号和天线波束覆盖区域的交点( xi1,yi1) 、( xi2,yi2) 、( xi3,yi3) 和 ( xi4,yi4) 来获得,如图1所示,即有:
考虑采用辛格函数形式的天线方向图,窄波束天线的覆盖区域可表示为:
式中,θ为天线 - 3 d B波束宽度。将脉冲干扰信号覆盖区域的表达式与窄波束天线的覆盖区域表达式联立方程组求解:
解得这2个覆盖区域的4个交点坐标分别为: ( xi1,yi1) 、( xi2,yi2) 、( xi3,yi3) 和 ( xi4,yi4) ,根据这些交点,通过式( 2) 可以确定出式( 1) 中x和y的取值范围,这样各干扰源在干扰目标处汇聚时,干扰能量的覆盖区域由式( 1) 来确定。
2 干扰阵型特征仿真分析
对于干扰区域内的任意一个点,从干扰源发出单音干扰,在该处将产生一个干扰矢量,所有干扰矢量的叠加就形成了合成干扰矢量。合成干扰矢量的幅度就表征了在该点处干扰能量的大小。因此干扰区域内某点处 ( X Y) 的干扰能量可表示为:
式中,freq为干扰频率; phi为干扰信号的初相。
仿真计算干扰区域内的实际干扰合成效果,考虑采用离散抽样统计的方法,将干扰区域以一定的距离粒度d ( 只要选择合适的步进,就可以无限逼近实际的干扰效果,经仿真论证粒度不大于波长的1/6可满足精度要求) 分割成一个个较小的统计区域,称之为点位。
2. 1 考察区域功率覆盖效果仿真
为说明干扰区域内外干扰效果的不同,设置考察区域,与干扰区域内的功率合成情况进行对比,考察干扰能量在考察区域的衰落情况。
当N个干扰源对目标区域进行干扰时,考察区域内各点位 ( m n) 上合成的干扰功率为:
式中,Pi为第i个干扰源的干扰功率; Gi,m,n为第i个干扰源在点位 ( m n) 处的干扰天线增益,由干扰源到点位和到干扰中心的方向夹角决定; λ为干扰信号波长; Ri,m,n为第i个干扰源到点位 ( m n) 的距离。
分析上述数学模型的物理意义发现,干扰源发射的定向性干扰波束在干扰目标中心处相交的夹角越大,波束之间相交叠加的区域面积越小。换言之,对于一个干扰阵型来说,干扰阵型孔径相对于干扰距离的比例对考察有效干扰功率覆盖的影响至关重要。下面仿真干扰阵型孔径的变化对考察区域内有效干扰功率覆盖面积的影响。
仿真条件设置: 干扰源数目10,干扰区域100 m×100 m范围,考察区域200 m×200 m范围,干扰信号频率1 GHz,为得到确定的仿真结果采用具有固定结构的线阵,保证干扰目标中心处角度均匀,因此只考虑干扰方向的切向上干扰阵型孔径这维因素的影响,设定干扰阵型孔径与干扰距离的比例关系从0. 02 ~13变化,干扰功率在干扰目标中心处归一化为1,干扰天线 -3d B波束宽度为10°,有效干扰功率门限设为7。
在不同的干扰阵型孔径条件下,采用式( 6) 计算考察区域内有效干扰功率覆盖面积与干扰区域面积的百分比,仿真结果如图2所示。
仿真结果显示考察区域内有效干扰功率覆盖面积( 可认为是对干扰区域的有效干扰功率泄露) 随着阵型孔径( 即干扰方向切向) 的增大逐步下降,由最初的100% ( 有效干扰泄露面积约为干扰区域面积) 下降至10% 以下,但是在达到10% 后逐步收敛,再增大阵型孔径意义不大。在这一方面希望有效干扰功率泄露面积越小越好,从仿真结果看,达到10%以下需要阵型孔径为干扰距离6倍以上。
2. 2 干扰区域功率矢量合成仿真
该仿真中考虑各干扰信号在干扰区域内矢量相加进行功率合成的情况。在不同的干扰阵型孔径条件下,采用式( 5) 计算干扰区域内有效干扰面积与干扰区域面积的百分比,仿真结果如图3所示。
从仿真图中可知,通过调整阵型孔径,可以实现有效干扰面积百分比从2% ~16% 的变化范围。在阵型孔径大于0.8倍干扰距离时,有效干扰面积逐渐收敛,阵型孔径的变化对有效干扰面积影响不大。选取几个阵型孔径进行进一步仿真分析,分别是阵型孔径为干扰距离的0.02倍、0.2倍、1倍和6倍。
几种干扰阵型孔径下干扰信号在干扰区域内矢量相加进行功率合成的情况如图4所示。这里有效干扰门限为 -5 d B( 将干扰合成功率与最大合成功率进行归一化处理,即最大合成功率为0 d B,并确定合成功率达到某一值之上视为干扰有效) 。图中有效干扰的功率合成能量在干扰区域内形成类似“亮斑”状的电磁场能量分布。通过仿真图比较不同阵型孔径下,有效干扰面积所占比例及分布形状,可见有效干扰“亮斑”随着阵型孔径的增大逐渐变小,最后形成针状散布在干扰区域内。在这一方面希望有效干扰“亮斑”面积越大越好,若想通过控制“亮斑”分布来达到干扰区域的全面覆盖,有效干扰“亮斑”存在一定的分布规律为最优。
2. 3 干扰阵型特征分析
总结上述仿真分析所得到的结论,对于分布式区域精确性干扰,阵型的孔径在很大程度上决定了干扰区域外有效干扰的衰落情况,阵型孔径增大可以提高区域选择性干扰的精确度; 但是随着阵型孔径的增大,在干扰区域内的有效干扰功率合成面积又会降低,同时有效干扰“亮斑”面积也会变得很小。因此对于最优阵型孔径这一问题是一个综合干扰区域内外各因素的折中问题,通过分析各部分因素的仿真曲线的拐点及收敛情况,得到问题的优化解决方案。
在优化干扰阵型结构时,明确符合系统目标的阵型孔径后,还需考虑各干扰源之间的相对位置关系所带来的影响。考虑在满足阵型孔径条件下,随机布设干扰源,通过蒙特卡罗仿真,发现相对于干扰阵型孔径来说,干扰源之间的位置关系属于次要的决定因素。仿真在考察区域内的有效干扰功率覆盖情况,当阵型孔径大于干扰距离5倍以上时,考察区域内有效干扰功率覆盖面积的收敛情况开始逐步恶化,与干扰区域面积的百分比由20% 升至60%; 而仿真在干扰区域内的有效干扰功率矢量合成情况,当阵型孔径大于干扰距离0.8倍以上时干扰区域内形成的有效干扰面积与图3中的情况近似一致,数值上变化幅度约为0. 3%,关于这部分的仿真内容限于篇幅原因不再详述。
3 结束语
仿真分析了分布式协同干扰系统中,干扰阵型孔径对于实现区域精确性干扰所呈现的一些规律性特征。针对脉冲式协同干扰进行了物理及数学描述,在不同干扰阵型孔径条件下,分析了考察区域和干扰区域内干扰合成效果的仿真曲线的特征,综合各影响因素选择满足系统目标的阵型孔径值,对干扰阵型的优化设计给出了指导性建议。
参考文献
[1]郑宝玉.通信工程中的最优化方法[M].黑龙江:哈尔滨工业大学出版社,1996.
[2]邓乃扬.最优化方法[M].辽宁:辽宁省教育出版社,1987.
[3]李艳斌.通信电子战面临的挑战[J].无线电通信技术,2013,39(2):1-3.
[4]邢美丽,肖军鹏.复杂电磁环境下协同干扰技术研究[J].遥测遥控,2010,31(4):30-35.
[5]张程.基于虚拟阵列变换的相干源测向方法[J].无线电工程,2012,42(6):16-18.
[6]田波,张永顺.发展中的分布式干扰技术[J].航天电子对抗,2004(1):41-43.
[7]谢军.电子对抗组网仿真技术研究[J].无线电工程,2011,41(4):56-58,61.
[8]孙鹏,唐宏,邱连龙.分布式干扰仿真研究[J].航天电子对抗,2008,24(2):59-61.
[9]李志刚.基于同一子阵的平面稀疏阵列优化[J].无线电工程,2014,44(3):28-31.
[10]张君毅,杨义先.针对无线网络的智能干扰技术研究[J].无线电通信技术,2012,38(6):6-7,19.
[11]张勇军.小型化低功耗多媒体传感器网络节点设计[J].无线电工程,2012,42(12):4-6,19.
干扰区域 篇3
关键词：干扰,资源分配,分区,干扰限制区域
0 引言
随着各种移动通信系统的演进,分配的带宽资源或许将无法满足无线通信发展的需求。为了提升蜂窝网络的性能,满足用户对速率的要求,提高频谱利用率的相关技术成为近几年研究的热点,而可直接在现网中升级而来的D2D技术更是受到大家的关注。但是由于D2D终端直接通信可能会因为距离等其他因素而导致通信链路质量不佳的问题,有些学者提出的D2D中继技术可以很好地解决这一问题。
然而引入中继后也会引起更为复杂的干扰问题。如何对复用模式下的D2D通信链路选择合适的复用资源成为研究的一大难点,既要能保证蜂窝通信链路的正常通信,又要保证D2D通信链路受到的干扰在可接受的范围。尤其是对于多小区场景下,不仅要考虑小区内干扰,还要顾及小区间干扰。针对这些分析,本文提出了一种合理的资源分配方法来减小各种干扰,从而保证系统内链路的正常通信。
现有的关于D2D通信链路资源分配的研究多是考虑在单小区场景下。文献[1] 提出了基于系统最大吞吐量的贪婪算法,从D2D通信用户复用蜂窝用户上、下行资源两方面提出优化策略,把D2D用户使用小区无线资源的分配问题总结为混合整数非线性规划问题。这是此文献的一个难点。文献[2] 提出一种解决D2D用户组间干扰的新方案。通过在用户组间干扰最小化和频率复用因子最大化建立一种平衡,从而达到减小干扰和小区阻塞率的目的。文献[3] 结合模式选择与资源分配算法,对单蜂窝场景下的通信场景做出研究,提出并验证D2D通信链路并非复用最大的蜂窝用户资源才能获得最佳性能。
借助中继后的资源分配的研究如今仍是研究的热点,但也多考虑单小区场景。文献[4] 研究了单小区场景下有中继协作的D2D通信系统中的最优中继选择和功率分配问题。在满足D2D发射端对蜂窝链路干扰可控的前提下,最大化D2D链路的吞吐量。文献[5] 提出了一种帕累托最佳功率分配方法使得系统内D2D链路和蜂窝链路获得的总速率最大。文献[6] 从节能的想法出发,提出一种启发式的绿色中继分配算法,达到在中继节点处以最小的数据传输速率得到最大容量的绿色中继方案。
考虑单小区场景时,通常把其他小区对其的干扰直接当作噪声或者直接忽略了。
然而现有的D2D中继都是考虑单小区场景,也就是说把其他小区对其的干扰直接当作噪声或者直接忽略了,由文献[7] 可推出一种新的场景,即在跨小区或者多小区存在D2D通信链路时可能也会需要借助中继来改善通信链路质量。
本文就以上分析,研究了多小区场景下跨小区D2D通信链路的资源分配问题。针对多小区复杂场景下的干扰问题,提出了一种有效的减少干扰的资源分配方法。
本文将分以下几个部分进行研究:第一部分描述了一个新的存在中继的D2D通信的混合网络场景;第二部分对新场景的干扰问题提出一种能够有效减少干扰的资源分配方法;第三部分给出了几种算法的比较并进行分析;第四部分对本文进行总结。
1 系统模型
一个多小区D2D通信的无线混合系统如图1 所示,系统采用全频率复用方式进行通信,每个蜂窝用户分配的资源是正交的,且每个小区一个蜂窝用户的资源只能被一条D2D链路复用。设小区数量为K ,每个小区蜂窝数量为C ,总D2D链路为D ,资源块数目为N 。本文针对多小区场景复杂的干扰问题,提出了一种减小干扰的资源分配方法。
如图1 所示,DTx3-DRx3 是一条D2D直连链路,DTx1-R1-DRx1 与DTx2-R2-DRx2 是两条D2D中继通信链路。本文考虑选择信道较好的空闲蜂窝用户做中继。当D2D链路复用蜂窝用户上行链路的资源进行通信时,D2D发射端会对本小区和邻小区的基站造成干扰,而中继节点和D2D中继两跳链路的接收端则都会受到来自使用相同资源的蜂窝用户的干扰。
2 基于分区的资源分配方法
对系统内的每个小区进行等大小的分区,并对其进行编号,由于边缘区域蜂窝用户普遍来说没有中心用户的信道质量好,所以本文考虑边缘区域的D2D中继链路复用中心区域蜂窝用户的资源。如图2 所示,每个小区中小六边形内的是中心区域,小六边形与大六边形之间的是边缘区域。
当D2D中继链路上的3 个终端如DTx1、R1、DRx1所示的位置时,则Cell1(小区1)内A2、A3 和Cell2 内B5 中3 个区域内的资源不能被复用,即用户所在位置相邻的所划分的中心区域不能被此用户所在的链路复用。若用户处于划分线上时,如DTx2 所在位置,则Cell1 内的A1 和A6 区域都不能被DTx2 所在的区域复用。以DTx1-R1
-DRx1 通信链路为例,Cell1中可复用的区域为:
Cell2 中可复用的区域为:
由于DTx1-R1-DRx1 通信链路上的任何用户都不在Cell3 内,所有Cell3 的中心区域都是可复用区域,设为Ω3 。则DTx1-R1-DRx1 通信链路的总可复用区域为:
2.1 小区基站间的协作机制
以此类推分析,会发现可能存在两种情况:
第一种情况:当多条链路的可复用区域有重叠区域时,即可能多条D2D通信链路复用相同的资源块时,会增大干扰。若复用相同资源块的两条链路较远,则链路间的干扰可通过对发射端的发射功率控制;若复用相同资源块的两条链路较近,则链路间的干扰也需要解决。
针对这种情况,本文考虑借助小区基站间的协作机制,具体步骤如下:
(1)小区基站对小区内的所有信息都已知,且对小区内的资源分配和复用资源情况进行监控;
(2)当确定每条D2D通信链路的可复用区域后,监控在可复用区域内是否有相同的资源块,如果没有,则确定了各条链路的可复用区域,可暂时放弃监控;如果有,则对相同的资源块进行监控,如果发现有资源块被D2D通信链路复用,则被标记,其他的D2D通信链路不能再复用此资源块,以避免相互间干扰。
2.2 发射端与接收端干扰受限区域
第二种情况:当通信链路DTx1-R1 -DRx1 选定的Cell1 中可复用的区域 Ω1 内的蜂窝用户资源可能位于Cell2 中不可复用的区域,此时也会增大干扰。
针对这种情况,本文考虑借助干扰受限区域来解决[8],给每条链路的发射端和接收端都设定一个干扰限制区域。以DTx1-R1- DRx1 通信链路为例。
如图3 所示,此通信链路上DTx1 和R1 分别是两跳中继的第一个时隙和第二个时隙的发射端。为了保证蜂窝链路的正常通信,减小D2D通信链路对基站的干扰,给两个发射端设定如图3 所示的干扰限制区域。
设定基站BS1,BS2 的干扰门限值都为Ith0,则其接收到的干扰满足:
其中IDTx1,BS1,IR1,BS1分别表示D2D发射端和中继对基站的干扰大小,N0表示其他的热噪声。
当基站BS1, BS2 在满足最低通信的条件下,接收到的干扰刚好等于门限值时,此时IDTx1,BS+IR1,BS为基站BS1, BS2 所能容忍的最大干扰值,即当两个干扰最大时总干扰也最大。由于此链路对两个基站都有干扰,而距离越近干扰越大,所以以考虑较近的基站为主,较远的基站为辅,即选择较近的基站的距离为干扰限制区域的半径。
联合(4)-(9) 可得:
由式(10)(11) 可知,干扰限制区域只与终端的最大发射功率和衰减系数α1有关。
如图4 所示,设定接收端的干扰受限区域,选择区域外的蜂窝用户资源复用,也能减少链路上的干扰。设D2D中继链路上中继与接收端在数据传输时所能承受的来自蜂窝用户的干扰的门限值都为Ith1。
中继与D2D链路接收端的SINR应满足:
当SINR最小时,D2D链路受到的干扰最大。
又D2D通信链路的干扰门限设为δd,且
联合(12)-(16),得:
式(11)(17) 均为中继R1 的受限区域,由于其作为D2D通信链路第二跳的发射端时,发射功率相比于作为蜂窝用户时的功率要小,所以对基站的干扰没有作为接收端时的干扰大,所以中继R1的受限区域半径为:
3 仿真分析
为了验证所提策略的性能,本文基于Matlab环境进行仿真实现。考虑考虑一个3 小区的D2D通信混合网络场景。仿真参数设置如下:系统带宽为10MHz,小区的站间距为500m,各小区内随机分布10 个蜂窝用户,小区相邻区域有3 条跨小区D2D中继链路。蜂窝用户的最大发射功率为23d Bm,D2D用户最大发射功率为10d Bm;系统的热噪声密度为-174d Bm/Hz。蜂窝链路的路损模型为:128.1+37.6log10(d);D2D链路的路损模型为:148+40log10(d)。
图5 描述的是D2D用户速率随着D2D发射功率的变化趋势。随着D2D通信链路发射功率的增大,D2D用户速率也随之增大,而引入中继后的速率明显高于无中继时D2D通信链路的速率。该仿真表明在此场景下,D2D通信链路质量不佳时,引入中继确实能改善链路的信道质量,提升用户速率。
图6 描述的是采用3 种不同资源分配的方法时,系统总吞吐量随D2D发射功率的变化趋势。由图可知,当发射功率一定时,本文所提方案优于随机资源分配方案和单一的分区资源分配方案。随着D2D发射功率的增大,吞吐量的增长越来越缓慢,这是由于D2D发射功率越大,其对基站的干扰就越大,对使用相同资源块的蜂窝链路的影响也就越大,因此系统吞吐量的增长趋势渐于平缓。由于分区考虑的情况较单一,对于本文所提的后两种情况没有深入考虑,所以分区之后受到特殊情况下的干扰对链路吞吐量仍有影响。
4 总结
随着D2D通信在5G技术领域越来越深入的研究,其干扰问题仍是人们研究的重点。现有的研究仍多是对单小区内存在的问题进行研究,本文考虑了一个新的多小区D2D混合网络场景,针对跨小区D2D直连链路可能存在通信质量不佳的问题,建立一个D2D中继两跳链路改善信道质量。对系统内的干扰问题提出合理分区选择的策略避免干扰,进一步分析分区策略可能存在的问题,提出借助基站协助机制和干扰限制区域对其进行解决。仿真结果表明,本文所提两跳中继链路能够提高通信链路速率,且所提分配策略能够有效减少系统内干扰,提高系统吞吐量,提升系统性能。
参考文献
[1]Mohammad Zulhasnine,Changcheng Huang,An and Srinivasan.Efficient Resource Allocation for Device-toDevice Communication Underlaying LTE Network.[C].IEEE 6th International Conference on Wireless and Mobile Computing Networking and mmunications.2010,pp.368-375
[2]员陈军,王晓湘,王冬宇.基于用户分组的D2D通信资源分配方案[J].成都信息工程学院学报,2012,27(6):594-598
[3]林楠.蜂窝网络下D2D通信重用多用户资源研究[J].软件,2012,33(12):242-245
[4]李方健.D2D通信系统中的最优中继选择及功率分配策略研究[J].重庆邮电大学学报(自然科学版),2014,(05),pp.605-610
[5]Ni Y,Jin S,Zhu H,et al.Pareto-optimal power allocation of device-to-device communication with two-way decodeand-forward helping relay[C]//Wireless Communications&Signal Processing(WCSP),2013 International Conference on.IEEE,2013:1-6
[6]Han T,Ansari N.Heuristic relay assignments for green relay assisted device to device communications[C]//Global Communications Conference(GLOBECOM),2013 IEEE.IEEE,2013:468-473
[7]Xu S,Wang H,Chen T.Effective Interference Cancellation Mechanisms for D2D Communication in Multi-Cell Cellular Networks[C]//Vehicular Technology Conference(VTC Spring),2012 IEEE 75th.IEEE,2012:1-5