蜂窝下含D2D系统基于二部超图的资源分配
2022-05-11
来源:易榕旅网
第44卷第8期 2017年8月 计算机科学 COMPUTER SCIENCE Vo1.44 No.8 Aug.2017 蜂窝下含D2D系统基于二部超图的资源分配 王振朝 赵云 薛文玲 (河北大学电子信息工程学院 保定071002) (河北省数字医疗工程重点实验室 保定071002)。 摘要针对蜂窝下含D2D系统的资源分配问题,提出一种基于二部超图的资源分配算法。首先,以最大化系统和 速率为目标,将该问题建模为一个整数规划问题。为求解该NP—hard问题,相继提出二部超图的概念、二部超图边的 感知比较构造法则以及基于二部超图的链路匹配算法。仿真结果表明,与二部图算法相比,所提算法在同等条件下可 将系统频谱效率提升40b/s/Hz左右,同时可将系统容量提升0.5倍左右。 关键词D2D通信,资源分配,图论 TP393 文献标识码A DOI 10.11896/j.issn.1002-137X.2017.08.015 中图法分类号Resource Allocation for D2D Communication Underlaid Cellular Networks Using Bipartite Hypergraph WANG Zhen-chao ’。ZHAO Yun XUE Wen-ling (College of Electronic&Informational Engineering,Hebei University,Baoding 071002,China) (Key Laboratory of Digital Medical Engineering of Hebei Province,Baoding 071002,China) Abstract In this paper,we proposed a bipartite hypergraph based spectrum sharing algorithm in device-to-device (D2D)underlaid cellular network.Our design aims to maximize the system sum-rate assuming that each channel can be assigned to multi—links.To solve this NP-hard problem,we proposed the concept of bipartite hypergraph,construction rules of hyper-edges,and optimal matching algorithm.Simulation results show that,compared with the weighted bipar— tite graph based algorithm,the system sum-rate can be increased approximately by 40b/s/Hz and the system capacity can be improved about 50 through our algorithm. Keywords Device-to-device communications,Resource allocation,Graph theory 1 引言 近年来,紧缺的频谱资源越来越难满足用户的需求。为 此,JANIS P等[1 提出蜂窝下含D2D系统(DUCN),以进一 步挖掘当前未被充分利用的信道容量。蜂窝下含D2D系统 图论进行DUCN系统的资源分配l9”]。针对文献Eg]提出的 基于图的干扰感知算法没有考虑累积干扰的影响的不足,文 献[-10]提出用超边对累积干扰进行数学建模,并提出信道分 配的着色算法以保证用户服务质量(QoS)。文献[-11]将系统 模型构造成加权二部图,将资源分配问题转化成以最大化系 统容量为优化目标的最大二元匹配问题。上述方法[11 13 均 是一种端对端(D2D)直传通信与传统蜂窝通信两种方式并存 的两层异构蜂窝网络系统,可大大提高系统的频谱利用率和 吞吐量 。 存在两点不足:1)以系统容量为算法目标;2)仅保证了链路信 干噪比(SINR)高于固定门限值。这种设置既没有充分利用 信道容量,也不能尽量满足用户的高速数据通信的需求。文 针对DUCN系统资源分配的研究是当前的热点[3 ],旨 在通过多条链路共同占用信道的方式扩展小区容量,并尽量 降低同道干扰,以实现容量、吞吐量、能效、拥塞等多种系统性 能指标的提升。该研究领域中,多条链路共用信道的资源分 献[12]同样采用二部图对系统建模,但不同于文献[11],该文 将信道传输速率建模为边的加权值,以最大化系统和速率为 优化目标,显著增加了信道的频谱效率。但是,该文仅考虑一 配是NP-hard问题_6j。为了使问题得到简化,在场景设置方 面,早期的研究工作_7]均假设一条CE链路最多与一条D2D 个CE与一对D2D共用信道,设置CE全负载,且D2D的请求 接入量少于CE总量,这种设计严重限制了系统容量性能。 链路共用信道;已有的绝大多数研究工作口 ]均假设蜂窝链路 (CE)的信道分配既定,且系统的CE链路全负载,即每条CE 链路均占用一个正交信道,且信道总量等于CE总量,从而将 文献[133用超图法将CE、D2D对及信道建模为点,分别提 分枝定界算法和迭代循环算法;然而该文仅考虑了一个CE 与一对D2D共用信道而其他链路独占正交信道两种情况,限 制了系统容量。 资源分配问题转化为最优匹配问题。这些设置限制了系统吞 吐量、容量性能最大潜能的发挥。最近相继有少量工作lg ] 针对以上不足进行了改进。 考虑到以上不足,本文在系统模型设计方面假设多条链 路可同时占用一条信道,系统的非CE链路全负载,且D2D与 CE在接入网络的优先权上无差异。这种设计可充分利用距 图论是无线资源分配的有效工具_8]。已有许多学者采用 到稿日期:2017—01—04返修日期:2017-03—16 本文受河北省自然基金项目(F2014201168)资助。 王振朝(1958一),男,博士,教授,主要研究方向为下一代移动通信网和工业数据通信,[;mail:1057442101@qq.com;赵云(1989一),男,硕士生 主要研究方向为无线资源分配和蜂窝下含D2D系统;薛文玲(1975一),女,博士生,副教授,主要研究方向为网络通信、无线通信。 第8期 王振朝,等:蜂窝下含D2D系统基于二部超图的资源分配 83 离因素和阴影效应对同道干扰的抑制作用,使不同的D2D对 在不过分降低通信质量的前提下多次复用同信道,从而显著 提高系统的和速率及容量。显然,这种设计将会增加最优资 源分配问题求解的复杂度,为此本文第3节首次将超边思想 多占用一个信道,式(3-c)、式(3-d)表示只有SINR高于门限 值时才为该链路分配信道。该式是一个NP-hard问题l_6],无 法在多项式时间内取得最优解。为了使问题简化,提出如下 定理。 引入到二部图理论,提出基于二部超图的资源分配算法,该算 法在超边的构造与二部图的匹配等方面均不同于现有方 法 删,且复杂度较低。仿真结果表明,本文算法在系统和速 率和容量两方面的性能均显著优于二部图法。 定理1假设系统的链路总量大于信道总量,忽略不同 载频信道传输质量的微弱差异,只有系统全负载时,系统和速 率才能达到最大。 定理2若系统全负载,当且仅当任意信道的传输速率 最大时,系统和速率达到最大。 定理1和定理2的证明从略。根据定理1和定理2,该最 优化问题可转化为以下形式: 2系统模型 考虑单蜂窝小区上行链路集中控制[1]传输场景。将系统 上行频谱资源分割成带宽相等且互相正交的K个信道,记为 K一{1,2,…,K)。上行蜂窝链路CE、D2D对链路的相应标号 集合分别用C一{1,2,…,C)和D一{1,2,…,D)表示。1Kl= K,lCI—C,lDl—D,算子1.1表示向量的分量数。设L— CUD,lLI≥K。 针对已有研究工作在场景设置上的不足,本文做出两点 改进:1)仅通过链路接人信道可实现的信道传输速率的大小 来决定是否为某条链路分配该信道;2)在保证QoS的前提 下,允许多条链路同时共占某个信道。 分别用 , ,,表示第i个CE与基站(Bs)、第 对D2D 发送端与接收端占用信道k进行单工通信时的信道增益, .e, -J’ ’j2分别表示第J对D2D发送端与BS、第i个CE 与第 对D2D接收端、第 l对D2D发送端与第 2对D2D接 收端问干扰链路的信道增益。热噪声服从均值为0、方差为 的正态分布。设CE终端(CUE)、D2D对发送端(DUE)的 发射功率固定,分别为 和P 。用二元变量 表示链路£ 对信道k的占用情况,p『一1表示占用,p产一0表示不占用。 厶一(fl£∈L且10,=1}表示同时共占信道k的链路集, 正表 示L条链路共占信道k时第l条链路的SINR,其中L一 1l,则基站端接收到的第i个CE发送信号的SINR为: P+cg f,  ̄ 其中,iE{CM }。 第J对D2D接收端接收到的发送端发送信号的SINR 为: “: “ E P ̄gf, +乏 p…k + (2) cf∈{。其中,JE{oN }。 带宽归一化的信道传输速率可用R—logz(1+y)计算。 因此,以最大化系统和速率为目标的信道最优分配问题可表 达为: max EP kEK Z∈L∑( R}’ 正) (3) S.t.E ≤1,V z∈c (3一a) ∈K’ ∑ ≤1,VlED (3-b) ∈K’ ≥珐,V ∈c (3一c) ≥ ,VIED (3一d) 其中,P是以p 为元素的信道分配矩阵, 和泞分别是cE 链路接收端、D2D对接收端的SINR门限值,只有高于相应门 限值时才能正常通信;式(3-a)、式(3-b)分别表示每条链路最 ( max E() ∈“ ofRf正) (4) S.t.(3一a)(3-b)(3一c)(3-d) 其中,p是以P}为元素的信道分配向量。该问题的求解仍是 一个NP-hard问题。下节采用二部超图理论对该问题进行求 解,并提出链路匹配算法。 3基于二部超图的链路匹配算法 本节相继提出二部超图的定义、超边的构造法则以及基 于二部超图的链路匹配算法。 3.1二部超图的定义 用图论对资源分配进行建模的方法是用顶点 表示链 路,边E( )表示共用信道链路子集,不在同一子集中的链路 不能同时占用同一条信道。为了建立多条链路同时占用一条 信道的数学表达式,首先提出二部超图及匹配的定义。 定义1 设G一( ,E)是一个无向超图[ ],V(0)表示与 超边e 连接的顶点的集合。若顶点集可分成两个满足下述 条件的子集X,y:①XUY=v,Xny一0;②(V(矗)nX)U (V(日)ny)=V( );③当lV(e )l>1时,V(e )nX≠0,且 (ei)ny≠0,则称G为一个二部超图。 定义2对于二部超图G一(V,E),设M是E(G)的一个 子集,若对于M中任意两条边e 和P ,V(e )nV(ej):0,则 称M是G的一个匹配。 3.2二部超图的构造 DUCN系统中多条链路同时占用一条信道的信道复用 方式不仅会产生累积干扰,还会增加算法的复杂度。对此,文 献Elo]指出,信道复用率每增加1,构造图的算法的复杂度的 增幅将显著高于系统容量的增幅;文献[-43指出,DUCN系统 资源分配的信道复用率与信道同时容纳的通信用户量之间存 在折中效应。基于此,并且为了保证CE链路的传输质量El3, 本文考虑以下3种复用情况:1)一条CE链路与一条D2D链 路共占信道;2)两条D2D链路共占信道;3)3条D2D链路共 占信道。本文分别考虑情况2)和3),是因为在分配信道时虽 然情况3)能产生更大的系统容量,但受累积干扰的影响,在 两条D2D链路共占信道的某些情况下可能产生高于3条 D2D链路共占信道的信道容量。 虽然本文以最大化系统和速率为优化目标,但由于当7》 0时,R=logz(1+y) ̄-log2( ,即SINR与信道传输速率近似 满足简单的对数关系,故此处用SINR建立相对简化的关系 式。构造二部图之前,首先提出如下命题: 命题1用lE 表示所有复用信道k的链路z的集合, 84 计算机科学 2017钲 和y 分别表示链路z独f 与复 信道止时可实现的 s1NR,则 > 。 和y 分圳表 为了降低构造图的算法复杂性。提m如下定理: 定理3若D2D链路j1, 2的SINR关系不满足式(6), 则不存在jsC-(D\{j1,j2}),使得j1.j2, 3满足式(7)。 命题2存用户随机分布的小 中。设 示链路,独占与复用信道是时的SINR.若L≤3,则存在链路 证明:根据命题1,赡 <蝣,又因为 。+班’ ≤maX (y , ),若rllax( , . )一max( .班),则堙。max ( , ),故结论成立。若max( , ,砖)一 ,则 ’。+ 堙 < ,故结论成立。证毕。 子集 使得∑), >(I I一1)nlax( )。 |el k { l k 根据命题1和命题2,可采川组合感知比较法来确定链 路复用子集。若CE链路 与I)2I)链路 同时共占信道是时 接收端的SINR与它们各自独r 信道 时接收端的SINR满 足式(5).01q--者呵用一条超边连接。 ’一+ ~>max( , ) (5) ’!+ 。为该超边的权重。 类似地.若两条I)2I)链路j1和j2共占信道是时接收端 的SINR与它仃J各自独占信道 时接收端的SINR满足 式(6),则二者可刚一条超边连接。 ), + ’!>mIIX( , ) (6) 若3条I)2I)链路jl,j2和j3共占信道 时接收端的SINR 与它们各自独f 信道k时接收端的SINR满足式(7),则它仃】 可用一条超边连接。 ’ +砖。‘+ >2max( ,砖, ) (7) 相应的和SINR为各超边的权重。 以』-3个判别式具有如下特点:1)若不满足判别式,则反 映出链路问相瓦f扰严重,不适合共朋信道;2)将判决门限值 设置为(『 I一1)max(…),不仪充分利用了空间距离和阴影 效应对共道1:扰的抑制作 ,而且显著降低了链路的 配率. 从而加快 算法速度。 构造完子冈后,一个点可能邻接多条边,凶此需对子 进 行一次 配。子图的最优匹配方法为:若n{V(e ,),…. V(e )}一t,,,且yv“..)一max{y、 一, “ )},则打断 I与 {V(P, ).….V( )}\V(P ,)中所有边的连接。其中 表 示与边 邻接的点同时共占信道呵实现的和SINR。分 ̄llttJ 直线和域表示度为2和度大于2的超边,由CE链路 I)2D 链路、两条I)2D对链路、3条D2I)埘链路构造的匹配子 示 意图如 1所爪。 二 ∑ —————1 uE与D2D, ̄匹配 @@ …⑧z五 运 一 、 3对D2D匹配 S i (a)UE与D2D对匹配 @ @、、@ …・霎一篁… ⑨ D个D2D对 c)3对D2D匹配 网l基于二部超 的 配于图 定理3表明,可在两条D2D链路 配子网的基础上进一 步构造3条D2D链路二部超罔子图.从而加快算法速度。 3.3链路匹配算法 用 t, , 分别表示根据式(5)一式(7)等边的构造 法则得到的二部超图子罔的边集, 表示最佳匹配边集,本 文提出的基于二部超罔的链路匹配算法如算法1所示。其 中,第2—11行是图的构造算法,第l2—2O行是全局最优 配算法。在构造算法中,每次需调用Process依据SINR大小 时各子图进行一次 配.以避免全局匹配算法的复杂度过大。 算法1 基于二部超图的链路 配算法 1.初始化:input C,D,K; 一D, 】一D,,It2一D, {一D; 2.Process:按SINR大小对每个子图进行最佳 配。 3.for i∈C,j∈D 4. 1一 l U i.j}).if式(5)满足 5.call Process; 6.forj】∈D.j:C--D 7. +一 2U{{J1,j2}},if式(6)满足 8.call Process; 9.for钎∈ 2,j∈D\ 10. .、一 U{啦U }.if式(7)满足 l 1.ca1l Process: J 2.repeat 13.if(P—argm ̄lx{tnaX{7 ∈、Pl},max{7 ∈ ?}・max{ l1∈ }} 14.、 + rU((D},K・一K—l; 15.移除 l, 2. {中所有与(p有交集的元素; 16.until(xlr】UNr U _)-_O.or K一0; l 7.if K≠0 18.repeat: 19.(p—argmax{{7l}C}.HlaX{ ∈D}}; 一 U{(p};K—K l; 20.until K一0 不同链路同时共占信道时可最大化发挥信道容量能力. 即实现最优链路 配。定理2已表明.对于全负载系统,当任 意信道传输速率最大时,系统和速率达到最大。因此,全局最 优匹配算法的同标是逐次选择最大化信道传输速率的超边. 相应的函数表达式为: q ̄=argmax{max{ l∈ },max{ ∈ },max{ ∈ }} (8) 对于算法1的第12—16行构成的循环体,根据式(8)在 每次循环中部筛选出一个最优匹配边,直到信道全被占用或 第8期 王振朝,等:蜂窝下含D2D系统基于二部超图的资源分配 85 所有超边均分配到信道。若所有超边都分配到信道后仍有空 法的频谱效率明显高于WBG算法,这是因为本文在场景设 置上考虑了CE链路的信道分配非既定,完全通过链路性能 的优劣决定信道分配,这使得一些通信状况不佳的CE链路 闲信道,则进入第17—20行构成的循环体,按SINR的优劣 依次从未被分配到信道的链路中选择通信状况最佳的链路, 并为其分配正交信道,直到所有信道分配完毕。 3.4复杂度分析 构造 , 的复杂度分别为O(CD),O(/92);构造 的复杂度与 的匹配图有关,最坏的情况下为0(D3)。各 子图匹配算法的复杂度均小于相应的构造算法,可忽略不计。 因为 t, , 的匹配子图包含的元素较少,所以全局最优 匹配算法的复杂度可忽略不计。因此,最差情况下本文所提 算法的复杂度为0(CD+D3)。 4仿真结果与分析 考试系统带宽为10MHz,中心频率为2.3GHz。上行频 率资源被均分为K一10个信道。蜂窝用户数量与信道数量 相等。蜂窝网用户和D2D用户在小区中均匀分布。D2D接 收用户均匀分布于发射用户周围50m的范围内。所有链路 互相独立,且服从瑞利平坦衰落。基于MATLAB平台进行 仿真实验的具体参数如表1所列。 表1仿真参数 小区布局 孤立小区 小区半径/m 500 D2D对数量0,1,3,6,10,20,30,4O,5O,60,7O,8O,90 CUE和DUE的发射功率/dBm 23 噪声/dBm 一114 阴影衰落 耋望錾 Umi[ ] 利用本文算法统计得到的系统频谱效率和容量与小区中 D2D对数量的关系分别如图2和图3中的实线所示,对比曲 线为文献[-13]的加权二部图(WBG)法。 i— 0一一 一 r—T : ; i / / : .一・ 聿一 中一一‘ r 幸 ‘ ’ i… : i 喜麦 .i i 图2系统频谱效率 图3系统容量 由图2和图3可以看出,当小区中的D2D对数量小于蜂 窝用户总量时,本文算法与WBG算法实现的系统容量相差 不大,有些情况下本文算法甚至略低于WBG算法;但本文算 没有被分配到信道,而系统的和速率得到显著提升。由图2 可以看出,随着D2D数量的增加,本文算法得到了系统频谱 效率的增加速度明显快于WBG算法,最大可提升40b/s/Hz 左右,这是因为本文不仅通过考虑基于信道和速率最大化来 设计算法,而且基于超图理论提出了超边的感知比较构造法 则和链路匹配算法,充分发掘了系统的频谱效率增长潜力。 由图3可以看出,本文算法得到的系统容量明显大于WBG 算法,最大可增加0.5倍左右,这是因为本文不仅考虑了一条 D2D链路与一条CE链路同时共占信道的情况,还考虑了多 条D2D链路同时共占信道的情况,有效利用了距离因素和阴 影效应等对同道干扰的抑制作用,使得系统同时容纳的通信 用户量得到极大提升。仿真结果从侧面验证了第3节所提命 题的正确性。 结束语鉴于蜂窝下含D2D系统多条链路同时共占信 道的资源分配是NP-hard问题,本文提出二部超图算法,最差 情况下算法的复杂度仅为O(CD+/93)。文中给出了以最大 化系统和速率为目标的超边构造法则,提出了链路匹配算法。 通过仿真发现,本文算法得到的系统频谱效率和容量性能均 显著优于二部图算法。 参考文献 [1]JANIS P,CHIAHAO Y U,DOPPLER K,et a1.Device-to-device communication underlaying cellular communications systems [J].International Journal Communications,Network and Sys— tern Sciences,2009,2(3):169—178. [23 QIAN Z H,WANG x.Reviews of D2D technology for 5G eom— munication networks[J].Journal on Communications,2016, 37(7):1-14.(in Chinese) 钱志鸿,王雪.面向5G通信网的D2D技术综述I-j].通信学报, 2016,37(7):1-14. 1-3]KAZMI S M A,TRAN N H,TAI M H,et a1.Decentralized spectrum allocation in D2D underlying cellular networks[-C'] { 18th Asia-Pacific Network Operations and Management Sym- posium.Kanazawa,2016:I-6. [4]LI Y,JIANG T,SHENG M,et a1.QoS-aware admission control and resource allocation in underlay device-to-device spectrum- sharing networks ̄J].IEEE Journal on Selected Areas in Com— munications,2016,34(11):2874—2886. [5]ISLAM M,TAHAA E M,AKL S,et a1.A two-phase auction- based fair resource allocation for underlaying D2D comrnunica— tions[C]f IEEE International Conference on Communications. Kuala Lumpur,2016:1-6. [6]PLAISTD1 D A.Some polynomial and integer divisibility prob— lems are NP-hard[C]?}Annual Symposium on Foundations of Computer cSience.1976:264—267. (下转第94页) 94 计算机科学 Iy,2014:37—42. 2017焦 行计算,计算复杂度与迪杰斯特拉(dijkstra)算法相当,与启 发式算法相比其性能有所改善。通过实验结果表明,优化代 [4]ETSI.Network functions virtualization introductory white paper [OL].http://porta1.etsi.org/NFV/NFv_white_Paper.pdf. [5] JIANG w J,LAN T,HA s,et a1.Joint VM placement and rou 价最小贪婪算法(OCMG)无论对于较小规模网络,还是较大 网络规模,都是近似最优的。 结束语网络功能虚拟化和软件定义网络等新技术的出 ting for data center traffic engineering[J].Infocom Proceedings IEEE,2012,131(5):2876—2880. 现,为我们提供了一系列传输监控和安全管理的工具。DPI 引擎可以进行虚拟化,并作为一个软件功能部署到通用设备 上。虚拟化DPI在网络中的部署需要确定合适的部署位置, 但在部署过程中需要考虑软件许可费用、节能和网络带宽等 开销,存在部署代价约束。本文根据这些不同的约束条件,将 虚拟化DPI部署问题形式化为代价最小问题,按照线性规划 问题进行形式化,提出了一个基于代价最小的贪婪算法。最 [6]RAJACK)PAI AN S,DAN W,JAMJOOM H,et a1.Split/merge: System support for elastic execution in virtual middleboxes[-C]// Usenix Conference on Networked Systems Design&Implemen— tation,2013.Lombard,Italy,2013:227—240. r7]GEMBER A,PRABHU P,GHADIYALI Z,et a1.Toward soft— ware-defined middlebox networking[C]//1 lth ACM Workshop on Hot Topics in Networks,2012.New York,USA,2012:7-12. 后,在算法有效性和可计算性方面,将其与线性规划进行了比 较。提出的算法在DPI部署代价和网络链路带宽开销之间 进行折衷,实验结果表明该算法可有效实现网络中DPI引擎 的部署。 [8]SHERRY J,HASAN S,SCOTT C,et a1.Making middleboxes someone else’s problem:network processing as a cloud service [J].ACM Sigcomm Computer Communication Review,2012, 42(4):13—24. 网络功能虚拟化使业务部署具有极大的灵活性。下一步 的工作主要包括在测试床或者真实的网络环境中进行验证, 充分考虑实际链路中带宽约束、DPI处理能力的影响,进一步 验证算法的有效性;同时,对近似算法的健壮性进行研究,在 进行数据流重定向时,增加数据流时延的约束。 [9]LU G H,MIAO R,XIONG Y Q,et a1.Using CPU as a traffic coprocessing unit in commodity switches[C]//First Workshop on Hot Topics in Software Defined Networks,201 2.Levin,New Zealand,2012:31—36. [1O]GRINGOI 1 F,ESTE A,SALGAREI I I I .MTCI ASS:Traffic classification on high-speed links with commodity hardware[C]// IEEE International Conference on Communications,2O12.Otta wa,Canada,2012:1177 1182. 参考文献 a1.SIMPLE-lying middlebox [1] AQAZI Z。TU C C,CHIANG L,et[11]MEHRAGHDAM S,KEI I ER M,KARL H.Specifying and placing chains of virtual network functions[C]//IEEE 3rd In ternational Conference on Cloud Networking。2014.I uxem— bourg,2014:7-13. policy enforcement using sDN[J].ACM Sigcomm Computer Communication Review,2013,43(4):27—38. [2] BREMLER—BARR A,HARCH0L Y,HAY D,et a1.Deep Pac- ket Inspection as a Service[C]//The 10th International Confe- rence on Emerging Networking Experiments and Technologies. Sydney,Australia,2014:271 282. [12]B()UET M,LEGUAY J,C()NAN V.Cost—Based Placement of Virtualized Deep Packet Inspection Functions in SDN[c]// IEEE Military Communications Conference,2013.San Diego, Canada,2013:992 997. ,IANNILL0 A K,et a1.Net— [3] C0TR0NE()D,DE SIM()NE Iwork Function Virtualization:Challenges and Directions for Re— [13]CHAUDET C,FI EURY E,RIVANO H,et a1.Optimal positio— ning of active and passive monitoring devices[J].IEEE Review, 2005.51(10):71-82. liability Assurance[C]//IEEE International Symposium on Software Reliability Engineering Workshops,2014.Naples,Ita— (上接第85页) [7]YU c H,IX)PPLER K,RIBERIRO C B,et a1.Resource sharing optimization for device-to——device communication underlaying cel—r l5( 7):4852—4861. r11]ZHANG H,WANG T,SONG L,et a1.Graph based resource al location for D2D communications underlaying cellular networks lular networks ̄J].IEEE Transactions on Wireless Cornmunica— tions,2011,10(8):2752—2763. [c]//IEEE/CIC International Conference on Communications in China-Workshops.Xi’an,China,2013:187 192. .Graph tbeo— E8] TAMURA H,SENG()KU M。NAKAN()K,et a1retic or computational geometric research of cellular mobile E12]QIAN C,QIAN I P.wU H。et a1.System throughput optimiza tion for hybrid device-to-device cellular networks[J].Computer Science,2016,43(1):145—148,177.(in Chinese) communications[C]//IEEE International Symposium on Cir— cults and Systems.Orlando,l999:153—156. 钱程,钱丽萍,武航,等.混合D2D蜂窝网络的系统吞吐量优化 a1.Interference-Aware gra- [9] ZHANG R,CHENG X,YANG L,etph based resource sharing for device-to-device communications I-J].计算机科学,2016,43(1):145—148,177. [132 HOANG T D,LE L B,LE-NGOC T.Resource allocation for D2D communication underlaid cellular networks using graph— underlaying cellular networks[C]//IEEE Wireless Communica— tions and Networking Conference.Shanghai,Chim,2013:140—145. ZHANG H,SONG I ,HAN Z.Radio resource allocation for de— [1o] based approach[J].IEEE Transactions on Wireless Communica tions,2016,15(10):7099 7113. vice-to-device underlay communication using hypergraph theory r14]ITU R.Guidelines for Evaluation of Radio Interface Technolo— [J].IEEE Transactions on Wireless Communications,2016, gies for IMT Advanced:ITU—R M.2135[R].2008.