0 引言

    中國互聯網絡信息中心(CNNIC)在京發布的第38次《中國互聯網絡發展狀況統計報告》顯示，截至到2016年，中國互聯網用戶數量達7.10億，網絡普及率達51.7%，以3.1%的優勢超過全球平均水平。得利于移動通信網絡環境的不斷發展完善以及智能手機的大規模普及，移動互聯網應用逐漸地滲透到用戶各類生活需求中，因而進一步使得手機上網頻率不斷增長^[1]。一方面，用戶在短時間內對熱點內容進行重復申請造成大量冗余，另一方面，無線資源又日益緊缺，基站負載壓力越來越大。為解決上述的容量瓶頸問題，D2D(Device-to-Device)通信技術作為一種極具潛力的新方法受到了各界的廣泛關注^[2-3]。不同于傳統的蜂窩用戶設備(Cell User Equipment，CUE)嚴重依賴于基站進行數據傳輸與控制，D2D技術允許用戶僅依賴基站進行控制信息的處理，而數據則通過D2D用戶設備(D2D User Equipment，DUE)直連的方式進行傳輸，無需經過基站。如圖1，D2D分組轉發技術是指將D2D用戶的移動設備作為一個分布式存儲系統。首先，當對所有的D2D用戶進行分組后，用戶可以通過常規的蜂窩鏈路獲取熱點內容，從而形成一個分布式存儲系統，當組內其他用戶恰好也需要申請該內容時，則無需通過基站重復申請，而是通過D2D直連的方式進行內容共享，如此就形成了一個基于多播的數據共享D2D組，可以極大地提升頻譜利用率^[4]。

    傳統的D2D通信由于未對通信雙方社交背景進行考量，導致在D2D通信過程中安全性較差，通信效率低下。而通過引入社交屬性的概念，可以極大地改善這一現象。在文獻[5]闡述了D2D通信中的主要挑戰，并提出了利用社交屬性來提升D2D的表現。但是這篇文章并沒有展示如何具體將社交網絡應用于D2D通信中。文獻[6]在文獻[5]的分組方法的基礎上，進一步定義了通信需求的概念，并闡述了一套社交感知資源分配方案。文獻[7]和[8]則分別利用文獻[5]中的分組概念，把用戶分為幾個大的群體進行本地服務和多播服務。文獻[9]提出了一種利用集中性來輔助D2D對匹配的機制。文獻[10]將實際地理因素和社交信息相結合介紹了一種復合的分組辦法。文獻[11]通過兩個層面(離線社交層和在線社交層)的研究提出了優化D2D通信的一個社交認知方案。文獻[12]提出了一種基于社交網絡的創新性的流量下載結構模型，從而有效提高用戶的流量下載容量。

    以上研究雖然加入了對社交屬性的考量，但是并未針對用戶狀態實時變化的情況提出高效的D2D分組轉發策略，而考慮到實際場景中用戶往往具有很強的移動性，因此本文提出一種利用社交屬性的D2D分組轉發策略。該策略利用中餐館(Chinese Restaurant Process，CRP)算法，結合包括社交關系、興趣相似度和集中度在內的社交屬性，為高移動性下的D2D分組轉發提供了可行的方案。最后通過仿真表明，該算法可以提高數據傳輸的安全性，提升頻譜利用率，減輕基站由于重復下載冗余內容所導致的壓力。

1 系統模型

    本文考慮經典的單蜂窩超密集網絡場景，即單個蜂窩內擁有大量UE（如校園和辦公室）。用戶不僅可以通過傳統的蜂窩鏈路從基站獲取數據，也可以通過D2D鏈路從鄰近的用戶處獲取。考慮到移動用戶的具體位置是實時變動的，本文利用動態的CRP算法來對用戶分組和資源分配。

    CRP算法通過模仿客人到達餐廳后選擇與人共用一桌還是自己單獨成桌的過程，將每一個新到達的D2D用戶分配進既存的組內或獨立成組。第一個到達的用戶獨立成組，當用戶n到來時，前面到來的用戶已經被分為了K個組，已有的D2D組可以用ξ={c₁，c₂，c₃，…，c_k}表示。用戶間的社交關系通過一個上三角矩陣D來表示，D中非零元素可選值為q₁、q₂和q₃，表示3種不同社交關系的親密程度，分別為陌生人、朋友和家人。用戶的興趣愛好以一個擁有5個元素的數組表示，元素可以取值為0或1，分別代表該用戶是否擁有此愛好。連接時間則通過另一個上三角矩陣F來表示，通過該矩陣能夠得到兩用戶的連接頻率或集中度。如圖2，可以由社交屬性計算出用戶加入組c_i的概率P_i(n)，并依此概率隨機加入組c_i或獨立成組。然后，根據計算出的分組活躍度為分組選擇合適的蜂窩用戶進行資源復用，活躍度高的組分配擁有更多資源的蜂窩用戶。

2 D2D通信中利用社交屬性進行分組轉發的策略

    文獻[5]提出了可能應用于D2D通信的4個主要的社交網絡屬性，主要包括了社交關系、社會群體、集中性、橋接屬性等，本文重點關注其中的社交關系、社會群體和集中性的概念。

2.1 社交關系

    社交關系代表了用戶之間的關系親密程度。通常用戶會更傾向于與朋友或家人分享自己設備中的私人信息，而對陌生人持保守態度，因此本文基于社交信任度的概念，引入用戶間社交距離的概念，以此來提升D2D轉發機制的安全性。基于文獻[10]，引入社交距離的概念為：

其中p(n，l)∈[0，1]為用戶n和用戶l之間的社交信任度，兩個用戶間的社交信任度p(n，l)越大，則社交距離越短。

2.2 社會群體

    社會群體代表了用戶間的興趣相似度。正如同一句古語“物以類聚，人以群分”，興趣愛好相似的用戶設備上可能會擁有其他用戶也需要的文件，通過將擁有共同興趣的人分為一組，當用戶申請該文件時，便可以直接在組內通過D2D進行文件傳輸，而無需通過基站重復下載。因此，基于文獻[13]，引入加權余弦興趣相似性的概念用于衡量兩個用戶間的興趣異同：

2.3 集中度

    集中度傳統的定義是，在連通圖中，任意兩個節點間的最短路徑經過當前節點的次數的總和。在本文中，集中度代表了哪些用戶傾向于更頻繁地與其他用戶通信，集中度越高則通信頻率相對更高。在此，本文定義一個連接間隔的概念：

    由于θ_c高的組可能同時進行多個D2D通信，為了保證通信質量，將對該組分配擁有更多資源塊的蜂窩用戶，以避免在高峰期產生擁塞，同時提升頻譜效率，改善QoS。

2.4 利用S-CRP算法對用戶進行分組和資源分配

    本文在提出的CRP算法中加入了社交屬性，為與傳統CRP算法相區分，下文稱之為S-CRP算法，即社交感知的CRP算法。根據式(1)、式(5)可以得到用戶n選擇用戶l為D2D通信伙伴的概率為：

    除了需要滿足地理相近性條件之外，還需要考慮組c_i中用戶的數量是否已達到上限，若已達到上限，就不能再接收新到達的用戶n，因此定義g_ci為：

    很顯然，當μ_n，ci為1時，意味著用戶n滿足加入組c_i的條件，可以依據式(11)中的概率加入組c_i或獨立成組；反之，用戶n不滿足加入組c_i的條件，加入組c_i的概率為0。

    當分組完成后，可根據式(3)計算出相應的θ_c值，高θ_c值的分組傾向于高頻連接，即可能同時處理多個D2D連接，因此會被分配給擁有更多資源塊的蜂窩用戶進行復用，以保證其性能。

    綜上所述，本文提出的利用社交屬性的D2D分組轉發策略流程如圖3所示。

3 仿真分析

    為了驗證本文所提出的轉發策略的有效性，本文利用MATLAB在單蜂窩場景下對比隨機算法、傳統CRP算法和提出的S-CRP算法的性能差異。通常進行D2D分組轉發有兩種模式：全雙工模式與半雙工模式，考慮到全雙工模式工作時，組長D2D同時接收和發送數據會產生嚴重的自干擾，本次仿真將工作于半雙工模式下。蜂窩半徑為500 m，D2D用戶均勻地隨機分布于蜂窩內。D2D用戶與BS之間的大規模路徑損耗指數為h=3.5，D2D用戶之間的為h=4。同時，令CRP參數α=0.1，σ²=-90 dBm，BS功率P_B=0.2 mW，D2D用戶傳輸功率P_D=0.1 mW。q₁、q₂和q₃表示3種不同社交關系的親密程度，分別為陌生人、朋友和親人，即式(1)中p(n，l)的可能值。

    首先，如圖4所示，隨著蜂窩內D2D用戶數量從20增至100，3種算法的數據傳輸速率都有顯著的提高，本文提出的S-CRP算法提高尤為顯著，在用戶數相同情況下，S-CRP擁有更高的數據傳輸速率。同時，將分組用戶數量上限N_max由5提升至10可以進一步提升兩種CRP算法的總體數據傳輸速率。這是由于隨著蜂窩內D2D用戶數量增多，用戶通過D2D方式獲取數據的比例不斷提升，因而單位帶寬所能提供的數據傳輸能力也因此倍增，大幅提升了頻譜效率。而本文提出的S-CRP算法由于考慮了用戶間的興趣距離，參與D2D獲取數據的用戶數更多，因此倍增現象更加明顯。同時分組用戶數量上限N_max的提高允許更多的用戶參與到D2D通信中來，也將使數據傳輸速率得到提升。

    其次，組內距離上限d_max也會對傳輸速率產生影響。如圖5，隨著d_max的增加，隨機算法的數據傳輸速率不斷下降，而傳統CRP算法和S-CRP算法的數據傳輸速率則在經歷了快速上漲后慢慢回落，S-CRP算法總體優于傳統CRP算法。這是由于傳統CRP和S-CRP算法在d_max增加初期，組內共享D2D用戶數量增多導致總傳輸速率提升，然而隨著d_max的不斷上升，D2D用戶通信時過遠的距離造成了信道質量的下降，組長UE發送數據的速率變小，盡管此時組內用戶數仍不斷增多，總傳輸速率依舊呈下降態勢。S-CRP算法由于考慮了社交屬性，組內并發式多人D2D通信更多，因而總體表現優于傳統CRP。而隨機算法由于無法分享多人D2D數據共享的紅利，同時d_max的增加造成數據傳輸速率下降，因而總傳輸速率持續下降。

    除上文提及的d_max和N_max之外，p(n，l)也是影響整體表現的因素之一，圖6展示了不同q₁、q₂和q₃取值時所需的信道數量，可以發現，隨著用戶數量的增多，所需信道的數量呈整體上升趨勢。在同等用戶數下，q₁、q₂和q₃取值更高的情況下明顯所需信道較少，這是由于信任度高的情況下，通過D2D轉發方式進行共享的用戶數更多，因而無需頻繁地重復向BS申請數據。

4 結論

    本文提出了一種利用社交屬性的D2D分組轉發策略，該策略同時考慮了D2D分組方案，組長UE的選擇和D2D資源分配等問題。理論分析和仿真結果表明，該策略可以在考慮安全性的同時提升頻譜效率，減輕基站負載。同時，這也為利用社交屬性改善D2D通信表現提供了新的思路。

參考文獻

[1] 新華網.CNNIC發布第38次《中國互聯網絡發展狀況統計報告》[R].2016.

[2] ABETA S.Toward LTE commercial launch and future plan for LTE enhancements(LTE-Advanced)[C].Communication Systems(ICCS)，2010 IEEE International Conference on.IEEE，2010：146-150.

[3] ASADI A，MANCUSO V.WiFi Direct and LTE D2D in action[C].Wireless Days(WD)，2013 IFIP.IEEE，2013：1-8.

[4] ANDREEV S，PYATTAEV A，JOHNSSON K，et al.Cellular traffic offloading onto network-assisted device-to-device connections[J].IEEE Communications Magazine，2014，52(4)：20-31.

[5] LI Y，WU T，HUI P，et al.Social-aware D2D communications：qualitative insights and quantitative analysis[J].IEEE Communications Magazine，2014，52(6)：150-158.

[6] LI Y，SU S，CHEN S.Social-aware resource allocation for device-to-device communications underlaying cellular networks[J].IEEE Wireless Communications Letters，2015，4(3)：293-296.

[7] ZHANG G，YANG K，CHEN H H.Socially aware cluster formation and radio resource allocation in D2D networks[J].IEEE Wireless Communications，2016，23(4)：68-73.

[8] CAO Y，JIANG T，CHEN X，et al.Social-aware video multicast based on device-to-device communications[J].IEEE Transactions on Mobile Computing，2016，15(6)：1528-1539.

[9] ZHANG B，LI Y，JIN D，et al.Social-aware peer discovery for D2D communications underlaying cellular networks[J].IEEE Transactions on Wireless Communications，2015，14(5)：2426-2439.

[10] WANG L，ARANITI G，CAO C，et al.Device-to-device users clustering based on physical and social characteristics[J].International Journal of Distributed Sensor Networks，2015(1)：1-14.

[11] ZHANG Y，PAN E，SONG L，et al.Social network enhanced device-to-device communication underlaying cellular networks[C].Communications in China-Workshops(CIC/ICCC)，2013 IEEE/CIC International Conference on.IEEE，2013：182-186.

[12] WANG X，CHEN M，KWON T，et al.Mobile traffic offloading by exploiting social network services and leveraging opportunistic device-to-device sharing[J].IEEE Wireless Communications，2014，21(3)：28-36.

[13] HAN X，WANG L，CRESPI N，et al.Alike people, alike interests? Inferring interest similarity in online social networks[J].Decision Support Systems，2015，69：92-106.