1 引言

可见光通信(VLC)因具有功耗低、安全性高和无需频谱认证等优势,近年来在无线接入网中受到了广泛的关注和研究^[1-2]。然而,仅由VLC构成的单一无线通信系统存在着覆盖范围小、上行信号传输实现困难、光链路脆弱,以及单个发光二极管(LED)调制带宽有限等问题^[3],因此,越来越多的研究人员开始关注基于VLC的异构VLC/WiFi网络^[4]。在异构VLC/WiFi网络中,为实现较大范围覆盖,提高VLC网络的通信带宽,需要布置多个VLC接入点(AP),这是因为VLC被遮挡、用户的位置移动、通信场合其他物体阻挡,以及VLC AP的覆盖边缘和盲区等都会造成VLC通信光线信道差的问题,而补充WiFi覆盖的异构VLC/WiFi解决了通信覆盖时产生的用户接入VLC或WiFi的网络接入选择问题,以及VLC的AP之间存在干扰时的子信道分配问题,这些问题的解决方法将影响网络吞吐量和用户体验质量^[5]。因此,为充分利用各VLC AP有限的调制带宽,研究异构VLC/WiFi网络的VLC信道质量变化状况,协调用户子信道资源分配方法,为用户设计合理的子信道分配是极有意义的。

Bai等^[5]提出了基于协同传输与干扰抑制的VLC网络子信道分配方案。文献[ 6]研究了将基于正交频分复用(OFDM)的VLC系统带宽离散为一组子信道块,依据链路层的时延服务质量(QoS)为用户分配子信道。文献[ 7]将电力线通信(PLC)作为异构VLC/WiFi网络进行信息馈入,在级联PLC-VLC网络中研究子信道分配,并在异构VLC/WiFi网络中为用户进行功率分配,但算法为了避免VLC用户受到同信道干扰,采用PLC系统对子信道资源进行统一调度,忽略了不相邻小区中用户资源的复用。这些基于干扰抑制的子信道分配方案均降低了VLC网络的吞吐量和资源利用率。文献[ 8]提出了一种异构VLC/LTE(Long Term Evolution)网络联合资源分配方案,该方案对于接入VLC网络的用户利用极值法分配子信道,但不进行功率分配的优化,且该方案在LTE移动网络中依据注水法优化用户的分配功率,并利用极值法进行子信道分配,导致该方案在房间内用户密度较小时性能几乎没有提升。Wu等^[9]在异构VLC/RF网络中提出了一种在线大、小时间尺度自适应网络资源和功率分配的联合优化方案,但该方案在大时间尺度上是非凸优化问题,忽视了VLC网络中位置不好的用户的通信需求,削弱了用户之间使用网络速率的公平性。基于此,本文提出了一种基于改进遗传算法的异构VLC/WiFi网络干扰抑制子信道分配方案,设计了基于用户位置特征对小区间同信道进行干扰管理的资源分配方法,提升了系统吞吐量。

2 异构VLC/WiFi网络模型

图1为室内异构VLC/WiFi网络下行链路模型。该异构网络房间仅放置1个WiFi AP,这是由于WiFi覆盖范围较广,1个WiFi AP就可保证WiFi信号覆盖整个房间。天花板上安装了M个VLC AP。考虑到现有通信终端大多不具有光信号发送能力,且用户上行传输需求带宽不高等情况,假设异构VLC/WiFi网络上行信号的可靠传输将由WiFi链路承载。所有VLC和WiFi AP都将通过电力线连接到中心控制器上,中心控制器负责用户接入AP和资源分配决策,保证用户通信质量。对用户在AP间切换是通过中心控制器选择AP接入实现。

图 1. 异构VLC/WiFi网络下行链路模型

Fig. 1. Downlink model of heterogeneous VLC/WiFi network

下载图片 查看所有图片

在异构VLC/WiFi网路中,第j个用户u_j接入第i个VLC AP_i的子信道n的信干比 ξj,i,nVLC为

ξj,i,nVLC=∑i∈AVLCγPj,i,nVLCHj,i,nVLC(0)]2∑i'∈A'VLC∑k∈UγPk,i',nVLCHk,i',nVLC(0)]2+ηVLC,(1)

式中:i表示第i个VLC AP;i'表示第i'个VLC AP;j表示第j个用户;U为用户集合;k表示用户集合U中第k个用户; Pk,i',nVLC为第k个用户接入第i'个VLC AP的第n条信道的发射功率;γ为PD的光电转换系数; Pj,i,nVLC为VLC AP_i在子信道n上的发射功率;A_VLC为VLC AP集合;A'_VLC为VLC AP干扰集合; Hj,i,nVLC(0)为VLC AP_i与u_j间的信道增益; Hk,i',nVLC(0)为VLC的子信道n上的干扰信道增益;η^VLC为噪声平均功率^[10]。

在室内异构VLC/WiFi网络中,VLC网络与WiFi网络无相互干扰,且单个WiFi AP即可提供整个房间的信号覆盖,所以WiFi网络的小区间同信道干扰可忽略,用户u_j由WiFi AP_i利用子信道n提供服务时的信干比 ξj,i,nWi可表示为

ξj,i,nWi=Pj,i,nWiHj,i,nWiηWi,(2)

式中: Pj,i,nWi为WiFi AP_i在子信道n上的发射功率;η^Wi为WiFi系统背景噪声功率; Hj,i,nWi为用户u_j和WiFi AP_i子信道n间的信道增益。

因此,室内异构VLC/WiFi网络的子信道分配问题为

max∑j∈URj,Rj=ajVLC×bVLC∑i∈AVLC∑n∈NVLC[sj,nlb(1+ξj,i,nVLC)]+ajWi×bWi∑i∈AWi∑n∈NWi[sj,nlb(1+ξj,i,nWi)],s.t.ajVLC,ajWi,sj,i∈{0,1},ajVLC+ajWi=1,(3)

式中: ajVLC为1表示用户j接入VLC网络,否则为0; ajWi为1表示用户j接入WiFi网络,否则为0;b^VLC为VLC网络分配的单位带宽值;N_VLC为VLC网络各AP可提供的子信道集合;b^Wi为WiFi网络分配的单位带宽值;R_j为用户u_j吞吐量;N_Wi为WiFi网络中各AP可提供的子信道集合;s_j,n为二进制子信道分配变量,当且仅当用户u_j分配子信道n时,s_j,n=1;A_Wi为WiFi AP集合。本文所提方案通过优化用户信道分配,降低了小区对用户的干扰,提升了系统吞吐量。由文献[ 11]可知,当子信道数目大于2或用户数大于1时,动态频谱管理问题被证明是一个NP难问题,所以本文利用全局搜索能力良好的改进遗传算法(IGA)求解子信道分配结果。

3 改进遗传算法的VLC/WiFi干扰抑制子信道分配(IGA-ISSA)

在异构VLC/WiFi网络中,若用户选择VLC AP接入网络,则本研究允许多VLC AP协同服务一个用户,若用户可用VLC AP的视线传输(LOS)信号均被物体遮挡或用户处于所有VLC AP覆盖光线信道均不满足通信需求,则用户需要被切换到WiFi网络接入。为降低多用户在多VLC AP接入时的子信道间干扰,提出一种基于IGA干扰抑制子信道分配方案:首先,对于接入VLC网络的用户,在用户端构建用户冲突图,求解无干扰的用户集合,并利用IGA算法根据用户子信道分配情况构建染色体;然后,提出基于用户分级与干扰抑制的子信道复用方案,并根据子信道复用结果计算遗传算法适应度函数;最后,为增强遗传算法搜索性能,提出基于无效信息扰动的染色体交叉方式。

3.1 VLC子信道干扰冲突图的构建

设VLC网络中用户集合为U_VLC,WiFi的用户集合为U_Wi。定义用户覆盖图G={U,E},顶点集对应室内用户集合U,U={u₁,u₂,…,u_J},J为用户数目,u_J为第J个用户,边E集合为用户u_j与VLC AP_i的连接关系,E={e_j,i},j∈U,i∈A_VLC,当且仅当用户u_j由VLC AP_i服务时e_j,i=1,否则为0。建立用户冲突图G_l={A_VLC,E_a},边由集合E_a={a_k,j}确定,k,j∈U,k≠j,E_a记录用户所受干扰,第k个用户与第j个用户间干扰用元素a_k,j表示为

ak,j=1,ifukandujserved by same VLC AP0,else。(4)

图2中的用户间可能存在信道干扰,由用户冲突图G_l的虚线连接边表示。由于u₁和u₃同时由AP₁服务,在用户冲突图G_l中,a_1,3=1,若此时u₁和u₃还由AP₁同一子信道n服务,那么u₃可能受到来自u₁的小区同信道干扰,因此不能进行子信道复用。在用户冲突图G_l中,a_1,5=0,表示u₁和u₅间无干扰,可执行不同AP的相同子信道复用,即同时由子信道n服务。因此,图2的最大无干扰用户集合P={Q₁,Q₂,Q₃,Q₄},其中无干扰用户集合Q₁={u₃},Q₂={u₄},Q₃={u₂,u₅},Q₄={u₁,u₅}。

图 2. 用户冲突图的示意图

Fig. 2. Diagram of user conflict graph

下载图片 查看所有图片

3.2 VLC网络用户基于改进遗传算法的VLC子信道分配设计

3.2.1 染色体构造

染色体c(k₁,k₂,…,k_NVLC)表示VLC中子信道分配结果,其中基因长度表示VLC网络中子信道数目,基因位置表示子信道编号,基因m数值为k_m(k_m∈U_VLC,m∈N_VLC)表征子信道m服务的用户编号^[12]。例如染色体c₁=(5,4,3,3,2,1,4,5)的含义为当前VLC网络各VLC AP共有8条子信道,5种元素值表示VLC网络服务5个用户。用户5分配的子信道集合S₅={1,8},用户4分配的子信道集合S₄={2,7},用户3分配的子信道集合S₃={3,4},用户2分配的子信道集合S₂={5},用户1分配的子信道集合S₁={6}。

3.2.2 基于用户分级与干扰抑制的VLC子信道复用方案

为避免小区间同信道干扰,且能最大程度地利用有限的LED调制带宽,提出了一种基于用户分级与干扰抑制的子信道复用方案,即通过管理VLC网络中同信道干扰来提升系统吞吐量。根据冲突图中用户位置特征对选择VLC网络的用户进行优先级划分,将VLC用户分为高、中、低3个优先级,分别执行不同的子信道复用方案。

高优先级用户:将多个VLC AP重叠覆盖下的用户归属于高优先级用户集合L_h,且L_h⊂U。分配L_h的用户独占覆盖AP的子信道,以降低用户间干扰。

为有效筛选其他优先级用户,在高优先级用户u_j子信道复用完成后,将权重矩阵W的元素w_j,i更新为w_j,i-1,且i∈A_VLC,u_j∈L_h⊂U,其中L_h表示A_VLC集合中高优先级用户构成的子集合,在子信道复用初始时刻,设置权重矩阵W等于连接矩阵E中的高优先级用户,其中连接矩阵由矩阵元e_j,i组成。依据权重矩阵W,定义表征同小区用户冲突关系的用户自由度f_j,然后依据f_j进一步划分用户优先级,定义f_j为

fj=∑iwj,i,uj∉Lh,i∈AVLC,(5)

式中:f_j表征在服务VLC AP覆盖范围内的关联用户数,f_j越大,则表示同小区内用户竞争子信道资源越激烈。

中优先级用户:将f_j>1的无干扰用户归属于中优先级用户集合L_m,且u_j∈L_m⊂U。为该类用户分配各VLC AP的剩余子信道,并在AP间进行子信道复用,以充分利用VLC小区内有限的带宽资源。根据用户是否可以进行子信道复用,设计了无干扰用户集合L_m,其权重w_Lm可表示为

wLm=∑j∈LmHj,i,nVLC∑j∈LmRnj,(6)

式中:R_nj为用户u_j对速率的需求; ∑j∈LmHj,i,nVLC为无干扰用户集合L_m中用户信道增益之和; ∑j∈LmR_nj为L_m中所有用户对速率的需求之和。(6)式可保证用户对速率的需求小、信道质量优的无干扰用户优先获得子信道的分配和复用,以提高系统的吞吐量性能。

之后将已分配子信道资源的中优先级用户加入临时集合L_a,且u_j∈L_a⊂U,更新中优先级待分配子信道用户集合L_m为L_m-L_a,更新无干扰用户集合L_m。

更新操作完成后,结合(6)式继续为中优先级用户复用子信道,直至L_m=Ø,其中Ø表示空集。

低优先级用户:将无干扰用户集合中的f_j=1的用户归属于低优先级用户集合,记为L_low,且u_j∈L_low⊂U。此时,在VLC网络的剩余可用子信道中,为用户u_j(u_j∈L_low)分配子信道,子信道集合S_j为

Sj=NVLC-∑kSk,∃ek,i×ej,i=1,i∈AVLC,uk∈Lh,uj∈Llow。(7)

基于用户分级与干扰抑制对VLC网络中所有用户进行子信道复用,以保证各VLC AP提供的子信道能够根据(6)式优先分配给速率需求小、信道质量优的用户,以达到提高系统吞吐量性能的目的;同时,采用小区间边缘用户独占子信道并由多个VLC AP协同服务的方式降低了同信道干扰产生的可能性,提高了小区边缘的用户吞吐量。

3.2.3 IGA的适应度函数设计

根据用户分级与干扰抑制的VLC子信道复用结果,设计的染色体c的适应度函数为

f(c)=∑j∈UVLClb(Rj)。(8)

献[12]表明最大化VLC网络的对数吞吐量可在提升系统吞吐量的同时,在一定程度上均衡用户间的网络接入速率。由于本文利用染色体代表一组子信道分配方案,故适应度函数f(c)值越大,VLC网络吞吐量就越大,用户使用网络的速率也就越均衡。

3.2.4 基于无效信息扰动的IGA染色体交叉方式

传统GA采用两点交叉方式,即通过互换两个交叉点位之间的基因来拓展种群中的个体。传统遗传算法交叉时是随机选择两个染色体,构成染色体对,进行交叉操作,若两个染色体中存在的大量等位基因都能满足前文所述子信道复用条件,两个等位基因中的用户子信道复用后,服务子信道集合仍相同,此时该染色体对再执行交叉操作将很难搜索到新的解空间,从而影响遗传算法寻优结果。为此,本文提出了一种基于无效信息扰动的遗传算法交叉方案。

定义待交叉染色体对为T_a,b,即染色体c_a和c_b的无效信息I_{inval a,b}为

Iinval a,b=∑t=1NVLCsinval_tNVLC,(9)

式中:s_{inval_t}为染色体对T_a,b中基因位t的无效交换信息控制变量,可定义为

sinval_t=1, [(kt,k't∈Ql)(kt,k't∈Lm)]‖ (kt≡k't),kt∈ca,k't∈cb0, else,(10)

式中:s_{inval_t}为二进制变量,当且仅当染色体对T_a,b中等位基因对k_t-k'_t(k_t∈c_a;k'_t∈c_b)交换不会产生新信息时s_{inval_t}=1;&为“与”的逻辑运算;‖为“并”的逻辑运算。若染色体对T_a,b中等位基因对k_t-k'_t所表征用户可复用子信道或k_t-k'_t为同一用户,则基因k_t与k'_t交换不会产生新信息,令s_{inval_t}=1。

种群中染色体对T_a,b的无效信息评估完成后,为种群中所有待交叉染色体对计算平均无效信息 I-inval,其表达式为

I-inval=∑n=112NpopuIinval(Ta,b)/12Npopu,(11)

式中:N_popu为种群数目;I_Inval(T_a,b)为种群中待交换的第T_a,b个染色体对所含无效信息量。

基于无效信息扰动的染色体交叉方案能够避免无效交叉带来的信息冗余,优化种群多样性,提升遗传算法寻优能力。本文定义无效信息门限值I_th为

Ith=Id_th+ξ×λd_cross,(12)

式中:ξ为种群扰动次数,在每代进化的初始时刻ξ被置为0;λ_{d_cross}为种群扰动试探步长;I_{d_th}为当前进化周期无效信息量初始可容忍门限。定义I_{d_th}为

Id_th=Iinit+ainc×λcross,(13)

式中:I_init为种群最大可容忍无效信息初始值;a_inc为种群中最优个体未变化的进化代数;λ_cross为无效信息门限试探步长。

将匹配完成且满足无效信息限制的染色体对进行自适应交叉,其自适应交叉概率为

Pc=Pcmaxarcsinfavgfmaxarcsinf'fmax,f'≥favgPcmax,f'<favg,(14)

式中:P_{c max}为预设最大交叉概率;f_avg为种群中染色体的平均适应度值;f_max为种群中染色体的最大适应度值;f'为待交叉染色体对中较大的适应度值。反正弦函数具有非线性自适应,使得P_c能更好地描述种群适应度值的分散程度^[13]。

自适应变异概率更新与(14)式类似,用预设最大变异概率P_{m max}取代(14)式中的P_{c max}即可。

3.3 WiFi子信道分配

针对受光线传输性能影响而无法用VLC AP的用户u_j(u_j∈U_Wi),首先为其预分配信道增益最大WiFi子信道nn=argmaxw∈NWi,i∈AWiHj,i,wWi服务,其中 Hj,i,wWi为第j个用户接入第i个WiFi AP的信道w的信道增益,w为信道序号,更新WiFi网络剩余子信道集合N_Wi为N_Wi-{n}。其次,根据用户差异化速率需求,设计用户权重w_uj,为剩余WiFi子信道寻找匹配用户。w_uj可表示为

wuj=1-RjRnj。(15)

(15)式可保证在WiFi子信道分配初期R_jnj时,给速率累积与需求速率差异最大的用户分配子信道,使所有用户需求都能得到满足;当R_j≥R_nj时,可协调用户间的子信道分配,当用户速率需求相同时,使子信道资源偏向为累积速率较小的用户分配,以提高用户使用网络速率的公平性。

综上所述,本文所提的IGA-ISSA算法的具体步骤如下:

输入:房间尺寸、发射端LED阵列数目、各LED发射功率、LED被遮挡和反射等影响光线传输通信出现的概率、用户集合U、用户位置、VLC AP可提供子信道集合N_VLC、WiFi可提供子信道集合N_Wi、VLC AP集合A_VLC、WiFi AP集合A_Wi,以及WiFi发射机参数等信息。

输出:各用户子信道分配结果。

1)初始化用户编号j=1,j∈U,VLC用户集合U_VLC=Ø,WiFi用户集合U_Wi=Ø。

2)判断j=|U|,若是,表示用户选择接入子网结束,进入VLC和WiFi资源分配优化子过程,分别转步骤4)与步骤13);否则,转步骤3)。

3)分配用户j接入子网,计算用户j与VLC AP信道增益,判断是否有VLC AP可用,若有,接入VLC子网,U_VLC=U_VLC∪j;否则,U_Wi=U_Wi∪j;j=j+1,转步骤2)。

4)用IGA算法优化VLC子网用户的子信道资源分配,令k=0,k∈U_VLC。

5)初始化IGA种群,令进化迭代计算器的进化代数a=0。

6)根据3.2.2节对用户进行分级,并采用干扰抑制为用户确定子信道复用方式。

7)根据3.2.3节(8)式计算种群中每个个体的适应度值。

8)判断进化迭代计算器的进化代数a是否大于预设最大进化代数a_max或者连续15代种群中最优个体适应度值是否不变,若是,输出VLC网络下所有用户子信道分配结果,转步骤19)。

9)执行IGA轮盘赌选择个体的操作。

10)进行种群扰动生成待交叉染色体对。

11)根据(11)式计算种群中染色体对的平均无效信息 I-inval。

12)根据(12)式计算无效信息量门限值I_th,判断若 I-inval<I_th,接受扰动后生成的染色体对,根据(14)式对染色体进行自适应交叉和变异,进化代数a加1,变为a+1,转步骤6);否则,转步骤10),重新扰动染色体之间的组合,生成新的染色体对。

13)令用户j=0,j∈U_Wi。

14)评估已分配资源用户数j是否等于WiFi网络服务用户总数,若是,转步骤16)。

15)为用户j分配子信道增益最大的WiFi子信道n,n=argmaxw∈NWi,i∈AWiHj,i,wWi,更新WiFi可用子信道集合N_Wi为N_Wi-{n},j变为j+1。

16)令未分配子信道编号i_s=0,i_s∈N_Wi。

17)判断i_s是否等于未分配子信道数目,若是,转步骤19);否则,根据(15)式计算用户信道分配的权重w_uj。

18)为用户权重w_uj最大值对应用户分配子信道i_s,使i_s加1,转步骤17)。

19)分别输出VLC网络和WiFi网络中用户的子信道分配结果。

4 仿真及分析

4.1 仿真参数设置

本文在10 m×10 m×3 m矩形均匀布局中测试改进遗传算法的干扰抑制子信道分配(IGA-ISSA)方案的收敛速度、最优值、各子信道分配方案的系统吞吐量和用户满意度性能,对比方案有:改进自适应遗传算法作用下的子信道分配(IGA-SA)方案^[14]、改进自适应遗传算法作用下的子信道分配(IAGA-SA)方案^[14],以及异构VLC/WiFi网络提出的优先分配信道增益高的链路的子信道分配方案,然后再在剩余子信道分配过程中依据用户速率需求为用户选择AP,并为其分配子信道^[9],由于文献[ 9]未进行特殊的干扰抑制策略,故称其为不考虑干扰抑制的子信道分配(NICSA)方案。矩形均匀布局结构中VLC AP与WiFi AP坐标如图3所示。用户设备距地面高度为1 m,异构VLC/WiFi网络下各VLC AP提供128个子信道,各WiFi AP提供64个子信道,用户速率需求在10~30 Mbit/s随机产生,总用户数为25,用户随机分布在房间内。VLC AP调制方式采用直流偏置光正交频分复用(DCO-OFDM),调制方式为16QAM(Quadrature Amplitude Modulation)^[10]。VLC发射机及其他系统参数如表1所示。IGA-ISSA交叉概率P_c=0.9,变异概率P_m=0.1;IGA-SA方案最大交叉概率P_{c max}=0.9,最小交叉概率P_{c min}=0.1,最大变异概率P_{m max}=0.05,最小变异概率P_{m min}=0.01;IAGA-SA方案交叉概率P_c=1.0,变异概率P_m=0.5。

图 3. 室内矩形均匀布局

Fig. 3. Indoor rectangular uniform layout

下载图片 查看所有图片

4.2 遗传算法收敛性能分析

在表2中,除不采用GA的NICSA方案外,将其他两种遗传算法应用于本文提出的干扰抑制方案当中。所提IGA-ISSA方案在无效信息扰动的交叉过程中将带来额外的时间开销,虽比IGA-SA方案收敛速度略差,但显著高于IAGA-SA方案的收敛速度。且得益于无效信息扰动的交叉过程,所提IAGA-SA方案能丰富种群的多样性,具有较高的求解精度,其最优值较IGA-SA方案与IAGA-SA方案分别提高了2.4%和4.4%。

4.3 仿真分析

假设用户在房间内随机步行移动,系统周期性地为每个用户收集可用VLC AP信道的可用状况和信道状态信息,并在每个周期为用户执行一次子信道分配方案。图4为异构VLC/WiFi网络中系统吞吐量随用户数的变化情况,除不考虑干扰抑制的NICSA方案外,其余3种进行干扰抑制的遗传算法的吞吐量性能较高,所提IGA-ISSA方案较之异构VLC/WiFi网络中的子信道分配方案NICSA系统吞吐量提高了129.01%,即表明所提干扰抑制方案有效。较之基于改进GA的IGA-SA方案提高了5.71%,即表明所提基于无效信息扰动的遗传算法的搜索性能更强。此外,当用户数超过13后,NICSA方案系统吞吐量几乎不变,这是因为NICSA使网络资源向房间中信道质量好的用户倾斜,削弱了用户之间使用速率的公平性。

图 4. 系统吞吐量随用户数变化情况

Fig. 4. System throughput varying with number of users

下载图片 查看所有图片

图5为异构VLC/WiFi网络中,系统吞吐量随VLC链路中断概率的变化情况。VLC链路中断概率越高,VLC AP产生信号重叠区域的可能性减小,与此同时VLC网络中接入用户数与VLC网络可以提供的吞吐量随之下降,相应地更多用户会接入WiFi AP,这将造成WiFi网络负载增加,导致异构VLC/WiFi网络系统吞吐量下降。所提IGA-ISSA方案系统吞吐量普遍更高,VLC链路中断概率增加使VLC AP产生信号重叠区域的可能性减小,IGA-ISSA方案此时将更多用户划分至中、低优先级用户,并根据(6)式执行有效的子信道复用,仍能保证一定的吞吐量优势。

图 5. 系统吞吐量随VLC中断概率变化情况

Fig. 5. System throughputvarying with VLC outage probability

下载图片 查看所有图片

考虑到室内环境下用户信道状况各有不同,用户速率需求决定了用户间竞争子信道资源的激烈程度,由此定义满意用户为系统分配用户的速率达到用户速率需求,而用户满意度为用户实际获得的分配速率与需求速率的比值。图6为4种方案在不同用户总数下的满意用户比例。满意用户比例为1,表示该子信道分配方案能够充分满足房间内所有用户自身速率需求。分析图6可知,随着用户数的增多,用户间资源竞争更为激烈,满意用户比例下降,而本文IGA-ISSA方案满意用户比例总体上优于其他3种方案,这表明当网络负载增加时,本文所提方案可以有效协调子信道资源利用,使更多用户能够获得较好的用户体验。

图 6. 满意用户比例随用户总数变化情况

Fig. 6. Ratio of satisfied users varying with total number of users

下载图片 查看所有图片

5 结论

为了提高异构VLC/WiFi网络的系统吞吐量,抑制子信道干扰,本文研究了改进遗传算法的干扰抑制子信道分配方案。根据用户通信受光线传输情况,对接入VLC的用户依据用户在干扰图中的位置特征划分等级,为不同等级的用户设计了干扰抑制的子信道分配方案,并设计了根据无效信息扰动的染色体交叉方案来优化遗传算法搜索性能。对接入WiFi网络的用户,根据用户的差异化速率需求,为用户分配子信道。本文研究内容对新一代5G应用场景下,用户接入VLC提供了有效的干扰抑制子信道资源分配方案,提高了用户体验和系统性能。