CN101026445B - 使用正交频分多址的无线区域网上行资源分配方法和装置 - Google Patents

Abstract

本发明公开了一种使用OFDMA的WRAN的上行资源分配方法和装置。第一层资源分配单元为各个CPE分配子带，第二层资源分配单元为已分配子带的CPE分配相应子带内的子信道和子信道传输参数。IEEE 802.22WRAN系统的基本要求是WRAN用户的传输必须对许可用户是透明的。为了达到这个目标，我们使用基于用户的发送功率掩模约束来保证不对已有用户造成干扰。此外，我们提出了一个最大化总传输容量而同时满足基于用户的功率限制和发送功率掩模约束的最优算法。本发明成功提供了在WRAN系统的认知无线电方法，该方法在使无线网络共存的同时可以充分利用频谱资源。

Description

使用正交频分多址的无线区域网上行资源分配方法和装置

技术领域

本发明涉及无线通信技术，尤其涉及一种使用OFDMA的WRAN的上行资源分配方法和装置。

背景技术

无线区域网(WRAN)或IEEE 802.22，共享VHF/UHF在47MHz-910MHz之间的电视频段，这些频谱已被许可运营商和免许可(LE)设备使用。WRAN的目标在于利用这些在人口稀少地区没有使用的电视频段，为农村和郊区提供宽带接入。显然，主要的限制条件是避免对已有业务比如广播电视(模拟和数字)和公共安全系统的干扰。而且，当前一些已经投入使用的医疗设备和无线麦克风也需要保护。为了容纳不同的WRAN运营商，这些协议被用来协调不同运营商之间的操作。在这个环境下，和已有业务的共存以及WRAN运营商间的共存是必须的。WRAN系统必须知道附近出现的已有用户以及避免对它们业务的干扰，这使得WRAN和认知无线电紧密结合起来。

WRAN包含基站和用户终端。一般说来，基站会控制所有用户终端的RF特性和进行不同的测量和技术，包括频率选择、干扰避免、共存和调度。WRAN系统的用户终端一般称为用户前端设备(CPE)并无需通过专业安装就可以配置在房屋上。它们可以是在电子杂货店中的日用品并不必被许可和注册。他们可以被简单的连接到一个VHF和/或UHF天线(宽频范围的对数周期天线或者窄频范围的八木天线)，一个计算机通过或者以太连接器、集成的Wi-Fi连接或电源插槽与其连接。

动态频率选择(DFS)进行多址接入控制意在提供在WRAN标准中要求的QoS业务，而不对许可用户的业务质量造成影响。DFS包括用户选择、速率匹配以及传输功率控制(TPC)。在IEEE 802.22系统中，基站(BS)和CPE遵循主从关系，也就是基站为主CPE为从。CPE包括干扰感应能力，感应RF环境并收集测量结果报告给基站。BS负责管理CPE的功率等级、带宽使用和其他的传输参数比如调制、编码和加密。

下面，描述与本发明相关的现有技术。

一个有望成为未来移动宽带无线网络(4G)的技术是正交频分复用(OFDM)。OFDM是一个多载波传输方案，由于具有在频率选择性信道上获得高速率传输突出优点而被认可。这种技术有几个重要的优点：(1)强健对抗多径衰落信道、码间串扰、共道干扰和脉冲噪音；(2)比单载波更低的实现复杂度；(3)支持宽带无线通信的高频谱效率，OFDM已经被许多高速率无线通信标准所采纳，比如数字音频广播(DAB)、地面数字视频广播(DVB-T)、欧洲通信标准协会(ETSI)HIPERLAN/2标准、IEEE 802.11a无线局域网(WLAN)和IEEE 802.16a无线城域网(WMAN)。

OFDM系统的另一个优势是继承了多载波特点，允许使用动态资源分配以便调整传送功率和映射星座图来开发频率分集和提高可获得数据速率。而且，多用户OFDM系统在OFDM增加了多址接入，允许多个用户共用一个OFDM符号。多址接入方案，也称正交频分复用多址(OFDMA)，可以用来开发多用户分集和获得更高的性能。

有许多关于OFDMA系统中资源分配的论文和专利，下面进行简要介绍。

在《Dynamic bandwidth allocation for a communication system》，Hou et al.的专利US6324184中，自适应调整分层数据通信网络上行流信道的带宽以便把一些用户的消息承载到一个中心控制器。特别的是，在连续的控制间隔中记录未分配的带宽。一个业务流量计数器以用户为单位测量其使用的带宽，比如在一个控制间隔中使用的时隙数。当流量计数和分配带宽的比率低于一个较低门限的时候，用户分配的带宽单元需要被调整，即减少其分配的带宽，这样未分配的带宽增加了。当流量计数和分配带宽高于一个较高门限，则从其他用户未分配带宽中为其增加分配的带宽。

在《Method for allocating subchannels in an OFDMA mobile communicationsystem》，Cho et al的申请号为US2005180354的专利文献中，提出在一个一些用户必须固定速率的OFDMA系统中的资源分配问题的自适应调制方法。特别的是，其目标是为了通过分配子信道和比特来最大化传输速率。该方法是在基于单类用户系统的现有方法中引入使用线性设计的自适应调制，从而也可以为两类用户的系统同时进行自适应调制。此外，该文献还提出另一种方法继续为固定速率较小的用户分配子信道来降低复杂度。

在论文C.Y.Wong、R.S.Cheng、K.B.Letaief和R.Murch的“MultiuserOFDM with adaptive subcarrier，bit and power allocation，”IEEE Journal onSelected Areas of Communications，第17卷，第1747页-1758页，1999年10月中，Wong et al.考虑了在OFDM系统中的子载波、比特和功率的分配问题，其目标是为了在给定每个用户所需要的最小数据速率条件下最小化传送功率。具体来讲，他通过放松整体约束条件把原来问题转变为凸面优化问题。使用Lagrangian函数方法，对给定的Lagrangian乘积因子得到最优解。然后通过对这些Lagrangian乘积因子应用迭代的搜索过程来满足每个速率约束条件。最后的分配结果给出了最小传送功率的较小边界。在实际的实现中也提出了一个多用户自适应OFDM(MAO)方法。

在H.J.Su和E.Geraniotis的论文“A distributed power allocation algorithmwith adaptive modulation for multi-cell OFDM systems，”in Proceedings of theIEEE 5th International Symposium on Spread Spectrum Techniques andApplications，第2卷，1998年9月，第474页-478页以及C.H.Yih和E.Geraniotis的论文“Adaptive modulation，power allocation and control for OFDM wirelessnetworks，”in Proceedings of the IEEE 11th International Symposium on Personal，Indoor and Mobile Radio Communications，第2卷，2000年9月，第809页-813页中，作者考虑了在无线OFDM网络中使用频率复用来加强频谱使用的效率的功率分配。为了减轻同频干扰同时满足业务所需质量，OFDM系统的每个子信道的功率等级必须被分配和被控制为一个最优值，这样系统的吞吐量可以使用自适应调制来最大化。Su和Yih等提出了一些分布式的次优功率分配算法，来提供多小区OFDM系统的吞吐量。

总之，US6324184《Dynamic bandwidth allocation for a communicationsystem》的技术方案特别适用于在混合光纤同轴网络的上行消息传输，可以在较大频谱频段中操作。尽管如此，每个信道被假定只能容纳一个用户并且没有可用信道信息实现多用户分集。对于US2005180354《Method for allocatingsubchannels in an OFDMA mobile communication system》，考虑的实际上是解决在给定发送功率预算条件下最大化所有用户吞吐量较低边界的自适应速率问题。不过，发明中没有考虑延迟约束条件和用户的优先级。由于它也没有使用任何措施保护已有业务不受干扰，所以不能应用到WRAN系统中。

Wong et al.提出的算法可以获得最小化总传输功率的最优解。但是，这个解仍然不能保证对已有用户的透明传输。而且，它关注的是基于子载波的分配，这样会增加系统的复杂度。而且，其分配也是基于OFDM符号级的，没有调查在多OFDM符号情况的子带分配。另一方面，Su等和Yih等描述的问题是解决在多小区OFDM系统中考虑同频干扰和每个用户的最大发送功率的功率分配。然而，该算法没有考虑对其他系统的干扰。此外，这些论文中的技术方案均没有考虑信道分配。

发明内容

本发明提供一种使用OFDMA的WRAN的上行资源分配方法和装置，以便在最大化加权发送容量的同时保证不对已有系统造成干扰。

一方面，提出一种使用OFDMA的WRAN的上行资源分配方法。该方法包括步骤：

A、根据各个用户端设备的功率模板将用户端设备对应到多个子带之一，获得各个用户端设备所在的子带；

B、求取每个子带内加权系统容量的最大值，根据所述最大值为相应子带内的各个用户端设备分配子信道和子信道传输参数。

上述方法进一步包括：通过由各个用户端设备的功率模板求解速率和最大值来获得各个用户端设备所在的子带。

上述获得各个用户端设备所在的子带进一步包括步骤：

A1、对于子带中的每一个，按照各个用户端设备在其上功率模板的大小顺序创建L^b列表；

A2、按照每个用户端设备在各个子带上功率模板中最大值的大小顺序创建L^max列表；

A3、按照各个用户端设备在L^max列表中的顺序依次计算

$b^k=\underset{b\∈\{1,\·\·\·,N_b\}}{\arg }\max \left\{\frac{f_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\·\·\·,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})\·f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)}{\underset{k\∈L^b}{\mathrm{\Σ}}{f}_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\·\·\·,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})\·f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)}\right\}$

这里，表示用户端设备k在子带b上的功率模板，N_b表示子带数，K_total表示用户端设备的数目，函数

和

是非递减函数，其中， $f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)={\log }_2(1+{\mathrm{\γ}}_b{\tilde{P}}_{k,b}^{\mathrm{mask}}),$ $f_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\·\·\·,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})={\tilde{P}}_{k,b}^{\mathrm{mask}}/\underset{k=1}{\overset{L^b}{\mathrm{\Σ}}}{\tilde{P}}_{k,b}^{\mathrm{mask}},$ γ_b为平均信道增益和噪音的比值；

A4、在每个L^b列表中只保留计算得到的b^k上的用户端设备。

上述获得各个用户端设备所在的子带还包括步骤：

A5、从 $f_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\·\·\·,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})\·f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)$ 最小的用户端设备开始重新分配子带。

上述获得各个用户端设备所在的子带进一步包括步骤：

A1’、对于子带中的每一个，按照各个用户端设备在其上功率模板的大小顺序创建列表；

A2’、按照子带上最大功率模板的大小顺序对各个子带进行排序；

A3’、各个子带按照排序从其他子带选择后余下的用户端设备中选择在当前子带上功率模板最大的用户端设备。

上述子信道传输参数包括功率和速率中至少一个。

上述方法进一步包括步骤：

B1、初始化拉格朗日乘积因子u_k的值；

B2、为每个子信道选择临时最优的用户端设备

$k^{\′}=\underset{k}{\arg \max }{G}_{k,n_c}\left(u_k^o\right)=\underset{k}{\arg \max }{w}_k[f_{k,n_c}\left(f_{k,n_c}^{\′-1}\left(\frac{u_k^o}{w_k}\right)\right)-\left(\frac{u_k^o}{w_k}\right)f_{k,n_c}^{\′-1}\left(\frac{u_k^o}{w_k}\right)]$

这里 $u_k^o=\left\{\begin{array}{cc}{w}_k{f}_{k,n_c}^{\&prime;}\left(0\right)& f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right)<0\\ u_k& 0\&le;f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right)\&le;P_{k,n_c}^{\mathrm{mask}},\\ w_k{f}_{k,n_c}^{\&prime;}\left(P_{k,n_c}^{\mathrm{mask}}\right)& f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right)>P_{k,n_c}^{\mathrm{mask}}\end{array}\right.$

是用户k在子信道n_c上的功率模板，以及w_k是权值，并对所有的k≠k′设置临时最优共享因子 ${\mathrm{\&rho;}}_{k^{\&prime;},n_c}^{*}=1,$ ${\mathrm{\&rho;}}_{k,n_c}^{*}=0,$ 为用户k在子信道n_c上的容量，

是

的导数的反函数，u_k ^o是考虑功率边界条件后的拉格朗日乘积因子；

B3、计算每个信道上每个用户端设备的临时最优的功率分配 $c_{k,n_c}^{*}={\mathrm{\&rho;}}_{k,n_c}^{*}{f}_{k,n_c}^{\&prime;-1}\left(\frac{u_k^o}{w_k}\right);$

B4、检查是否各个用户端设备满足总功率限制 $\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}^{*}\&le;P_k^t,$ 这里P_k ^t表示用户端设备k的功率预算，

若满足则结束，若不满足则继续；

B5、调整拉格朗日乘积因子u_k的值并代入步骤B2中的公式，直到各个用户端设备满足 $P_k^t-\mathrm{\&epsiv;}\&le;\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}^{*}\&le;P_k^t,$ 这里ε表示功率分配的误差允许值。

上述权值w_k是根据用户端设备k的业务类型、延迟约束和用户等级中至少一种因素预先确定的常数。

上述步骤B5进一步包括步骤：

B51、选择超过总功率限制最多的用户端设备k°，设置下界u_k° ^(l)为当前值u_k°，上界u_k° ^(u)为

这里

B52、将调整后的拉格朗日乘积因子代入步骤B2和B3中的公式得到

B53、如果

则设

如果

则设

并返回步骤B52。

上述方法还包括步骤：

B6、如果找不到拉格朗日乘积因子u_k使 $P_k^t-\mathrm{\&epsiv;}\&le;\underset{n_c}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}^{*}\&le;P_k^t,$ 则计算 ${\mathrm{\&rho;}}_{k_1,n_c}^{*}=\frac{P_{k_1}^t-P_2}{P_1-P_2},$ $c_{k_1,n_c}^{*}={\mathrm{\&rho;}}_{k_1,n_c}^{*}(P_1-P_2)$ 和 ${\mathrm{\&rho;}}_{k_2,n_c}^{*}=1-{\mathrm{\&rho;}}_{k_1,n_c}^{*},$ 这里 ${\mathrm{\&rho;}}_{k,n_c}\&Element;\left(\mathrm{0,1}\right),$ k₁为用户端设备k₁，k₂为用户端设备k₂，P₁为分配给用户端设备k₁的实际功率，P₂为分配给用户端设备k₂的实际功率。

上述方法中，每个信道上每个用户端设备的系统容量 $f_{k,n_c}\left(P_{k,n_c}\right)=N_{n_c}{\log }_2(1+\frac{{\mathrm{\&gamma;}}_{k,n_c}{P}_{k,n_c}}{N_{n_c}}),$ 这里

为平均信道增益和噪声的比值，

是分配给用户k在子信道n_c的功率，

表示在子信道n_c上的子载波数。

上述信道增益是根据反馈的信道功率增益信息的量化值确定的。

上述功率模板是被路径损耗因子归一化的发送功率模板。

上述子带是6MHz频带。

另一方面，提出一种使用OFDMA的WRAN的上行资源分配装置，位于基站上，包括相连的第一层资源分配单元和第二层资源分配单元，其中：第一层资源分配单元，用于为各个用户端设备分配子带；第二层资源分配单元，用于为已分配子带的用户端设备分配相应子带内的子信道和子信道传输参数。

上述第一层资源分配单元进一步包括：速率和最大值运算模块，用于求取各用户端设备速率之和的最大值；子带分配模块，用于将用户端设备分配给在其上取得速率和最大值的子带。

上述第一层资源分配单元进一步包括：最大功率模板判断模块，用于从其他子带选择后余下的用户端设备中选择在当前子带上功率模板最大的用户端设备；子带分配模块，用于将所选择的用户端设备分配给当前的子带。

上述第二层资源分配单元进一步包括：加权系统容量最大值运算模块，用于求取加权系统容量的最大值；子信道分配模块，用于将用户端设备分配给在其上取得加权系统容量最大值的子信道。

本发明主要的优点和特点如下：

1.基于用户的发送功率模板约束是用来保证WRAN系统对已有用户的透明传输。

2.不同QoS业务和用户优先级或用户公平性通过使用通过不同的业务类型、延迟约束和用户优先级确定的权值来满足。

3.求解最优解的迭代算法使得在给定QoS要求和功率约束条件下最大化加权系统容量。

因此，与现有技术相比，本发明的技术方案可以保证对已有用户的透明传送，调整不同用户的优先级同时有效利用资源。

附图说明

图1示出WRAN系统包括子带分配和子信道分配的上行DFS；

图2示出多用户资源分配算法的两层结构；

图3示出层1算法的子信道功率模板和子信道的大致数据速率的一个例子；

图4示出图3所示例子的CPE分配和相应的子信道数据速率；

图5示出图3所示例子的子信道和相应的数据速率；

图6示出三个分配方案在理想信道信息和量化信道信息下的速率比较；

图7示出每次循环的平均迭代次数；

图8示出收敛所需要的平均循环次数；

图9是WRAN中的OFDMA资源分配装置一个实施例的组成结构示意图；

图10是WRAN中的OFDMA资源分配装置另一个实施例的组成结构示意图。

具体实施方式

在本发明的方案中，我们将提出一个在单输入单输出(SISO)无线区域网(WRAN)中结合动态频率选择(DFS)和功率控制和速率匹配的方法。具体来说，可用的频谱资源由VHF/UHF TV频段的一套6MHz组成，每个6MHz(子带)由一个OFDM符号占用。若干子载波组成一个作为基本的分配单元子信道。资源分配包括选择子带，子信道，每个用户选择的传输功率和调制阶数的指示。本发明的目标是最大化加权发送容量而保证不对已有系统造成干扰。本发明成功提供了在WRAN系统的认知无线电方法，该方法在使无线网络共存的同时可以充分利用频谱资源。

电视信道在频率上以6MHz间隔划分，其功率可高达MWatts。使用这么高的发送功率，激活的电视广播站将在很大区域中影响使用相同频段的其他系统。因此在本发明的方案中，WRAN系统的可用频段由一系列的6MHz组成。每个6MHz称为一个由单个OFDM符号组成的子带。每个子带包含一组子信道，每个子信道包含一些子载波。图1说明了单小区的上行传输应用场景。每个CPE使用一个特定子带的特定子信道传送数据给基站，图中n_b表示子带序号，n_c表示子信道序号。因此，DFS算法的输出包含子带和子信道的分配结果。具体来说，DFS执行两层流程。在第一层中，DFS的目标是为每个用户声明所选择的子带。注意，由于CPE的RF特征，每个CPE只允许占用至多一个子带。在第二层中，DFS的目标是动态和有效地为已经确定子带的CPE分配子信道、功率和比特。

实际上，由于实现和成本的限制每个CPE非常可能任何时刻只接入到一个子带。一个CPE同时对多个频段进行信道估计是不太可能，但是可以对一个信道进行估计。在我们提出的方案中，设计了两层资源分配算法，如图2所示。层1协议负责为用户分配不同子带，层2协议负责分配子信道和功率给不同的用户以最大化子带的吞吐量。通过预先分配CPE到不同的子带，只对层1流程已经确定的子带进行信道估计。

层1算法：用户的子带分配：

CPE通过使用被路径损耗因子归一的发送功率模板来分配到不同的子带上。子带内的总容量进一步由层2流程最大化。在本发明中，提出由于不同的目标的两个算法，称为速率和最大(Sum-Rate-Max)和轮训最大(Round-Robin-Max)。前者是为了速率和最大而后者是为了利于简单实现。两者都会考察不同程度超负荷的任何子带。两个方法的性能在例1中说明并进行相互比较，也就是比较CPE-Max，每个CPE是否被分配到其最大功率模板的子带上。

假定有N_b个子带和K_total个CPE：

Sum-Rate-Max算法

步骤1：为每个6-MHz子带b，按照发送功率模板大小顺序创建一个CPE列表L^b。功率模板值低于预先定义的可服务门限的CPE将被从列表中删除。

步骤2：按照CPE的最大的功率模板值的大小顺序创建一个CPE列表L^max。定义

为用户k在子带b上的归一功率模板。

For k＝L^max(1)to L^max(K_total)这里k∈L^max，

$\left(i\right)b^k=\underset{b\&Element;\{1,\&CenterDot;\&CenterDot;\&CenterDot;,N_b\}}{\arg }\max \left\{\frac{f_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\&CenterDot;\&CenterDot;\&CenterDot;,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})\&CenterDot;f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)}{\underset{k\&Element;L^b}{\mathrm{\&Sigma;}}{f}_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\&CenterDot;\&CenterDot;\&CenterDot;,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}}){\&CenterDot;f}_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)}\right\}---\left(1a\right)$

(ii)从所有子带b的L^b列表中删除那些不在b^k的CPE。

End

这里，函数

和

必须为非递减函数。

比如，

$f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)={\log }_2(1+{\mathrm{\&gamma;}}_b{\tilde{P}}_{k,b}^{\mathrm{mask}}),---\left(1b\right)$

$f_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\&CenterDot;\&CenterDot;\&CenterDot;,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})={\tilde{P}}_{k,b}^{\mathrm{mask}}/\underset{k=1}{\overset{L^b}{\mathrm{\&Sigma;}}}{\tilde{P}}_{k,b}^{\mathrm{mask}}---\left(1c\right)$

这里，γ_b可以为平均信道增益和噪音的比值。

步骤3：从 $f_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\&CenterDot;\&CenterDot;\&CenterDot;,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})\&CenterDot;f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)$ 最小的CPE开始重新分配子带。

步骤3是可选步骤。

Round-Robin-Max算法

步骤1：为每个6-MHz子带b，按照发送功率模板大小顺序创建一个CPE列表L^b。功率模板值低于预先定义的可服务门限的CPE将被从列表中删除。

步骤2：按照子带的最大功率模板大小顺序将子带排序。从第一个子带开始，每个子带选择一个发送功率模板最大的CPE。任何被前面子带选择的CPE不再被后面的子带选择。重复步骤2，直到所有的子带都被分配。

下面，参照图3到图5说明Sum-Rate-Max策略的性能。

图3的功率模板值经层1算法处理后得到的结果如图4和5所示。在图5中每个子带40个子信道，括号内表示舍入前的子信道分配结果。

当采用CPE-Max算法时，也就是每个CPE分配到最大功率模板值的子带上，可以观察到子带1上出现了超负荷。在子带2上仅分了CPE 5。

本方案所述的算法Sum-Rate-Max目标是使用平均信道增益来最大化速率和。在这个例子中，为了便于说明设增益为1。注意信道的信息在层1中不能完全可用，但是在层2中是可以的。前面的算法流程，在子带分配过程中使用了其他CPE的功率模板。由公式(1c)，在子带中增加一个CPE会影响其余的CPE的子信道分配，不进行迭代搜索是不能获得最优解。发明的算法提供了简单的不需要迭代的启发式搜索过程。从具有最大功率模板的CPE开始，后面的CPE的分配过程不大可能受到影响。具有较大的功率模板的CPE的分配结果也不大可能受到较小功率模板的CPE的影响。图7说明了与CPE-Max策略相比在速率和和最小用户速率上的提升。

另一个策略Round-Robin-Max，特点是在减轻每个子带的超负荷的同时也降低了复杂度。效果在图7中表现得非常明显，最小的用户速率比CPE-Max策略有很大提高。无论如何，这种情形的速率和条件是满足的。

两个算法都降低了在一个或多个子带的发送功率模板占主导情况下的子带超负荷的可能性。

层2算法：在子带内的子信道、功率和速率分配

在本发明的方案中，我们将集中考虑层2算法。也就是在一个6MHz子带中，如何根据信道衰减、发送功率模板和功率预算以及QoS要求来分配子信道。我们将提出的DFS算法包括在单天线WRAN系统中的传输功率控制。结果是，每个子信道都被至少一个CPE占用。考察上行传输，假定使用OFDMA作为WRAN系统中的复用技术，多个CPE同时把它们自己的数据调制到不相交的正交子载波上。

我们的目标是在给定QoS要求和功率约束的情形下最大化加权系统容量。不失一般性，我们假设发送功率模板是基于子带的。假定系统内存在K个CPE，在6MHz子带内有总共N_c个子信道。数学上，问题被描述为：

$\underset{P_{k,n_c}}{\underset{{\mathrm{\&rho;}}_{k,n_c}}{\max }}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_k\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{\mathrm{\&rho;}}_{k,n_c}{f}_{k,n_c}\left(P_{k,n_c}\right)---\left(2a\right)$

约束条件为：

${\mathrm{\&rho;}}_{k,n_c}\&Element;\left\{\mathrm{0,1}\right\},\&ForAll;k,n_c---\left(2b\right)$

$\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&rho;}}_{k,n_c}=1{,\&ForAll;n}_c---\left(2c\right)$

$0\&le;P_{k,n_c}\&le;P_{k,n_c}^{\mathrm{mask}},\&ForAll;k,n_c---\left(2d\right)$

$\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{\mathrm{\&rho;}}_{k,n_c}{P}_{k,n_c}\&le;P_k^t,\&ForAll;k---\left(2e\right)$

在目标函数中，

是分配给用户k在子信道n_c的功率。一般说来，一个子信道的所有子载波都是经历相同信道衰减的，假定衰减表示为

这样我们的容量公式为 $f_{k,n_c}\left(P_{k,n_c}\right)=N_{n_c}{\log }_2(1+\frac{{\mathrm{\&gamma;}}_{k,n_c}{P}_{k,n_c}}{N_{n_c}}).$ 这里

表示在子信道n_c上的子载波数。权值w_k是根据不同的业务类型、延迟约束和用户等级来预先确定的。例如，w_k可以表示为

这里l_{QoS_Class(k)}表示优先级控制，α_k表示速率控制。约束条件(2b)和(2c)代表每个子信道仅可以被一个CPE占用。(2d)表示每个CPE和每个子信道的发送功率模板。(2e)描述每个CPE自己的功率预算。

我们把条件(2b)放宽为 ${\mathrm{\&rho;}}_{k,n_c}\&Element;\left[\mathrm{0,1}\right],$ 以及设置 $c_{k,n_c}={\mathrm{\&rho;}}_{k,n_c}{P}_{k,n_c},$ 那么原来的问题转化为一个凹优化问题。将它重写，我们得到

$\underset{c_{k,n_c}\&Element;[0,{\mathrm{\&rho;}}_{k,n_c}{P}_{k,n_c}^{\mathrm{mask}}]}{\underset{{\mathrm{\&rho;}}_{k,n_c}\&Element;\left[\mathrm{0,1}\right]}{\max }}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_k\underset{n_c=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&rho;}}_{k,n_c}{f}_{k,n_c}\left(\frac{c_{k,n_c}}{{\mathrm{\&rho;}}_{k,n_c}}\right)$

$s.t.\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&rho;}}_{k,n_c}-1=0,{\&ForAll;n}_c$

$\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}-P_k^t\&le;0,\&ForAll;k$

这个凹性最大化问题可以使用KKT条件得到最优解。首先，我们得到的拉格朗日(Lagrangian)表达式为：

$L=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_k\underset{n_c=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&rho;}}_{k,n_c}{f}_{k,n_c}\left(\frac{c_{k,n_c}}{{\mathrm{\&rho;}}_{k,n_c}}\right)-\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{n_c}(\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&rho;}}_{k,n_c}-1)-\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{u}_k(\underset{n=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}-P_k^t)$

在这里，

和u_k分别为KKT乘积因子和Lagrange乘积因子。然后，KKT条件可以被推导出来：

① ${\frac{\&PartialD;L}{{\&PartialD;c}_{k,n_c}}|}_{(c_{k,n_c},{\mathrm{\&rho;}}_{k,n_c})=(c_{k,n_c}^{*},{\mathrm{\&rho;}}_{k,n_c}^{*})}=w_k{f}_{k,n_c}^{\&prime;}\left(\frac{c_{k,n_c}^{*}}{{\mathrm{\&rho;}}_{k,n_c}^{*}}\right)-u_k\left\{\begin{array}{cc}<0& c_{k,n_c}^{*}=0\\ =0& 0<c_{k,n_c}^{*}<{\mathrm{\&rho;}}_{k,n_c}^{*}{P}_{k,n_c}^{\mathrm{mask}}\\ >0& c_{k,n_c}^{*}={\mathrm{\&rho;}}_{k,n_c}^{*}{P}_{k,n_c}^{\mathrm{mask}}\end{array}\right.$

② ${\frac{\&PartialD;L}{{\&PartialD;\mathrm{\&rho;}}_{k,n_c}}|}_{(c_{k,n_c},{\mathrm{\&rho;}}_{k,n_c})=(c_{k,n_c}^{*},{\mathrm{\&rho;}}_{k,n_c}^{*})}=w_k(f_{k,n_c}\left(\frac{c_{k,n_c}^{*}}{{\mathrm{\&rho;}}_{k,n_c}^{*}}\right)-\frac{c_{k,n_c}^{*}}{{\mathrm{\&rho;}}_{k,n_c}^{*}}{f^{\&prime;}}_{k,n_c}\left(\frac{c_{k,n_c}^{*}}{{\mathrm{\&rho;}}_{k,n_c}^{*}}\right))-{\mathrm{\&lambda;}}_{n_c}\left\{\begin{array}{cc}>0& {\mathrm{\&rho;}}_{k,n_c}^{*}=1\\ =0& {\mathrm{\&rho;}}_{k,n_c}^{*}\&Element;\left(\mathrm{0,1}\right)\end{array}\right.$

③ $\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&rho;}}_{k,n_c}-1=0,{\&ForAll;n}_c$

④ $\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{u}_k(\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}-P_k^t)=0$

⑤ $u_k\&GreaterEqual;0,\&ForAll;k$

⑥ $\underset{n_c=1}{\overset{N}{\mathrm{\&Sigma;}}}{c}_{k,n_c}-P_k^t\&le;0,\&ForAll;k$

我们可以从①得到

$c_{k,n_c}^{*}={\mathrm{\&rho;}}_{k,n_c}^{*}{f}_{k,n_c}^{\&prime;-1}\left(\frac{u_k^o}{w_k}\right)---\left(6\right)$

在这里，

$u_k^o=\left\{\begin{array}{cc}{w}_k{f}_{k,n_c}^{\&prime;}\left(0\right)& f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right)<0\\ u_k& 0\&le;f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right){\&le;P}_{k,n_c}^{\mathrm{mask}}\\ w_k{f}_{k,n_c}^{\&prime;}\left(P_{k,n_c}^{\mathrm{mask}}\right)& f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right){>P}_{k,n_c}^{\mathrm{mask}}.\end{array}\right.---\left(4\right)$

我们又可以从②得到

${\mathrm{\&rho;}}_{k,n_c}^{*}=\left\{\begin{array}{cc}0& {\mathrm{\&lambda;}}_{n_c}{>G}_{k,n_c}\left(u_k^o\right)\\ 1& {\mathrm{\&lambda;}}_{n_c}{<G}_{k,n_c}\left(u_k^o\right)\end{array}\right.$

在这里，

$G_{k,n_c}\left(u_k^o\right)=w_k[f_{k,n_c}\left(f_{k,n_c}^{\&prime;-1}\left(\frac{u_k^o}{w_k}\right)\right)-\left(\frac{u_k^o}{w_k}\right)f_{k,n_c}^{\&prime;-1}\left(\frac{u_k^o}{w_k}\right)]---\left(3\right)$

同时，为了满足③，我们需要设置

${\mathrm{\&rho;}}_{k^{\&prime;},n_c}^{*}=1,{\mathrm{\&rho;}}_{k,n_c}^{*}=0$ 对所有的k≠k′                   (5)

这里 $k^{\&prime;}=\underset{k}{\arg \max }{G}_{k,n_c}\left(u_k^o\right).$

基于以上推导，我们即获得了(3)-(6)的求解。

在公式(3)中，

可以看作CPE k在子信道n_c上虚拟的传输速率，它取决于实际的信道增益

权值w_k、Lagrangian乘积因子u_k等等。

(4)式中，u_k ^o是考虑功率边界条件后的Lagrangian乘积因子，其作用是保证由它计算而得的分配功率处于范围以内。

(5)式中，

代表临时最优共享因子。 ${\mathrm{\&rho;}}_{k^{\&prime;},n_c}^{*}=1$ 意味着CPE k′占用子信道n_c， ${\mathrm{\&rho;}}_{k,n_c}^{*}=0$ 意味着CPE k没有占用子信道n_c。注意每个子信道仅可以被一个CPE占用。

(6)式中，

是临时最优的分配功率。从前面的容量公式我们可以看到， $f_{k,n_c}\left(P_{k,n_c}\right)=N_{n_c}{\log }_2(1+\frac{{\mathrm{\&gamma;}}_{k,n_c}{P}_{k,n_c}}{N_{n_c}}),$

是

的导数的反函数，代表加权共享因子前的临时最优功率，即

该方案提出的算法描述如下：

步骤1：初始化所有的拉格朗日(Lagrangian)乘积因子u_k为0并设 $c_{k,n_c}={\mathrm{\&rho;}}_{k,n_c}{P}_{k,n_c}.$

步骤2：在给定u_k值条件下为每个子信道选择临时最优的CPE。

对每个子信道和每个CPE，计算

$G_{k,n_c}\left(u_k^o\right)=w_k[f_{k,n_c}\left(f_{k,n_c}^{\&prime;-1}\left(\frac{u_k^o}{w_k}\right)\right)-\left(\frac{u_k^o}{w_k}\right)f_{k,n_c}^{\&prime;-1}\left(\frac{u_k^o}{w_k}\right)]---\left(3\right),$

这里

$u_k^o=\left\{\begin{array}{cc}{w}_k{f}_{k,n_c}^{\&prime;}\left(0\right)& f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right)<0\\ u_k& 0\&le;f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right){\&le;P}_{k,n_c}^{\mathrm{mask}}\\ w_k{f}_{k,n_c}^{\&prime;}\left(P_{k,n_c}^{\mathrm{mask}}\right)& f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right){>P}_{k,n_c}^{\mathrm{mask}}.\end{array}\right.---\left(4\right)$

然后为每个子信道，我们选择CPE k′。这里 $k^{\&prime;}=\underset{k}{\arg \max }{G}_{k,n_c}\left(u_k^o\right)$ 并相应设置

${\mathrm{\&rho;}}_{k^{\&prime;},n_c}^{*}=1,{\mathrm{\&rho;}}_{k,n_c}^{*}=0\mathrm{for\; all\; k}\&NotEqual;k^{\&prime;}---\left(5\right)$

步骤3：计算临时最优的功率分配

对每个子信道的每个CPE，计算

$c_{k,n_c}^{*}={\mathrm{\&rho;}}_{k,n_c}^{*}{f}_{k,n_c}^{\&prime;-1}\left(\frac{u_k^o}{w_k}\right)---\left(6\right)$

这里，u_k ^o代入(4)，

代入(5)。

步骤4：检查每个CPE是否满足总功率限制。

给定

和

临时最优值。

如果每个CPE都满足 $\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}^{*}{\&le;P}_k^t,$ 终止流程，已经获得最优解。

Else，跳转到步骤5。

步骤5：调制u_k取值来满足总功率限制。

以ε表示功率分配的误差允许值，要求所有的CPE都满足

$P_k^t-\mathrm{\&epsiv;}\&le;\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}^{*}\&le;P_k^t.$

选择超过总功率限制最多的CPE k°。

设置下界u_k° ^(l)为当前值u_k°，上界u_k° ^(u)为

这里

设

并使用u_k° ^(m)重复执行步骤2和步骤3。

设

设

重复直到

被满足。

值得注意的是，步骤5可能出现不能找到u_k°满足

约束条件的情形。由于一些子信道在两个CPE之间反复分配，分配过程在

和

之间振荡。这意味者两个CPE(设为k₁和k₂)在最优解这点上具有相同的

取值。如果发生这种情况，我们计算 ${\mathrm{\&rho;}}_{k_1,n_c}^{*}=\frac{P_{k_1}^t-P_2}{P_1-P_2},$ $c_{k_1,n_c}^{*}={\mathrm{\&rho;}}_{k_1,n_c}^{*}(P_1-P_2)$ 和 ${\mathrm{\&rho;}}_{k_2,n_c}^{*}=1-{\mathrm{\&rho;}}_{k_1,n_c}^{*}.$ 是取值范围为(0，1)的时间共享因子。

上述算法为我们在每个6MHz子带中提供了子信道和功率分配的解。在实际应用中，当SNR可以在基站由给定的信道信息计算出来，那么可以根据信噪比(SNR)选择适当的编码和调制。

实际上，完全的信道反馈是不可能的，相反，我们只能获得有限比特的信道信息。下面，我们提供了一个简单的信道量化算法，这里基于估计的信道功率增益计算的序号被作为信道反馈值：

量化查找表构造

1)获得信道功率增益分布；

2)用一个期望发生概率来标识信道功率的范围，比如90％；

3)在对数域等分相应的范围；

4)把门限值设为每个对数域间隔的中间值；

5)将对数域各门限转换成初始域中的相应门限。

我们考察在一个6MHz子带内的OFDM符号的子信道、功率和比特的分配。假定为FFT-1024，且有64个子信道，每个子信道有16个子载波。信道模型使用如下参数表述：

	路径1	路径2	路径3	路径4	路径5	路径6
							时延	0	3微秒	8微秒	11微秒	13微秒	21微秒
相对幅度	0	-7dB	-15dB	-22dB	-24dB	-19dB

            表1在评估802.22 WRAN系统的信道模型

我们提出的算法的性能如图6、图7和图8。在图6中，实线指示理想信道信息，虚线指示1比特信道量化。由该图可见，本发明的算法总是比使用随机子信道分配、平均功率分配和随机子信道分配最优功率分配的吞吐量显著提高。特别地，在50个用户情形下吞吐量的提升高达45％。另一方面，它表明即使使用1比特信道量化也可以获得相当好的性能，其结果和理想的信道信息相比有10％速率损失。

图7表明了每次循环的平均迭代次数。这里的一次循环指调整u_k值使得用户k的功率约束条件被满足。图8说明了所有用户的功率约束条件被满足所需的平均的循环次数。注意，提出的算法的复杂度可以使用下式表示：每次循环的迭代次数*循环次数。比如，在FFT1024系统中，对于50个用户大约需要119次总的迭代次数。进一步观察表明，每个循环的平均迭代次数不随用户数而变化，但随着用户数的增长收敛所需要的循环次数会增加。

下面，参照图9和10描述使用OFDMA的WRAN的上行资源分配装置。

图9所示的装置用来执行上述方案中层1算法采用Sum-Rate-Max策略时的方法。该装置位于BS上，包括相连的第一层资源分配单元和第二层资源分配单元。第一层资源分配单元，用于为各个CPE分配子带；第二层资源分配单元，用于为已分配子带的CPE分配相应子带内的子信道和子信道传输参数。第一层资源分配单元进一步包括：速率和最大值运算模块，用于求取各CPE速率之和的最大值；子带分配模块，用于将CPE分配给在其上取得速率和最大值的子带。第二层资源分配单元包括加权系统容量最大值运算模块，用于求取加权系统容量的最大值；还包括子信道分配模块，用于将CPE分配给在其上取得加权系统容量最大值的子信道。

图10所示的装置用来执行上述方案中层1算法采用Round-Robin-Max策略时的方法。该装置位于BS上，包括相连的第一层资源分配单元和第二层资源分配单元。第一层资源分配单元，用于为各个CPE分配子带；第二层资源分配单元，用于为已分配子带的CPE分配相应子带内的子信道和子信道传输参数。第一层资源分配单元进一步包括：最大功率模板判断模块，用于从其他子带选择后余下的CPE中选择在当前子带上功率模板最大的CPE；子带分配模块，用于将所选择的CPE分配给当前的子带。第二层资源分配单元包括加权系统容量最大值运算模块，用于求取加权系统容量的最大值；还包括子信道分配模块，用于将CPE分配给在其上取得加权系统容量最大值的子信道。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (15)

1.一种使用OFDMA的WRAN的上行资源分配方法，包括以下步骤：

A、根据各个用户端设备的功率模板将用户端设备对应到多个子带之一，获得各个用户端设备所在的子带；

B、求取每个子带内加权系统容量的最大值，根据所述最大值为相应子带内的各个用户端设备分配子信道和子信道传输参数。

2.如权利要求1所述的方法，其特征在于进一步包括：通过由各个用户端设备的功率模板求解速率和最大值来获得各个用户端设备所在的子带。

3.如权利要求2所述的方法，其特征在于所述获得各个用户端设备所在的子带进一步包括步骤：

A1、对于子带中的每一个，按照各个用户端设备在其上功率模板的大小顺序创建L^b列表；

A2、按照每个用户端设备在各个子带上功率模板中最大值的大小顺序创建L^max列表；

A3、按照各个用户端设备在L^max列表中的顺序依次计算

$b^k=\underset{b\&Element;\{1,\&CenterDot;\&CenterDot;\&CenterDot;,N_b\}}{\arg }\max \{\frac{f_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\&CenterDot;\&CenterDot;\&CenterDot;,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})\&CenterDot;f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)}{\underset{k\&Element;L^b}{\mathrm{\&Sigma;}}{f}_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\&CenterDot;\&CenterDot;\&CenterDot;,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})\&CenterDot;f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)}$

这里，

表示用户端设备k在子带b上的功率模板，N_b表示子带数，K_total表示用户端设备的数目，函数

和

是非递减函数，其中， $f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)={\log }_2(1+{\mathrm{\&gamma;}}_b{\tilde{P}}_{k,b}^{\mathrm{mask}}),$ $f_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\&CenterDot;\&CenterDot;\&CenterDot;,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})={\tilde{P}}_{k,b}^{\mathrm{mask}}/\underset{k=1}{\overset{L^b}{\mathrm{\&Sigma;}}}{\tilde{P}}_{k,b}^{\mathrm{mask}},$ γ_b为平均信道增益和噪音的比值；

A4、在每个L^b列表中只保留计算得到的b^k上的用户端设备。

4.如权利要求3所述的方法，其特征在于所述获得各个用户端设备所在的子带还包括步骤：

A5、从 $f_{\mathrm{subch}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right|{\tilde{P}}_{1,b}^{\mathrm{mask}},\&CenterDot;\&CenterDot;\&CenterDot;,{\tilde{P}}_{K_{\mathrm{total}},b}^{\mathrm{mask}})\&CenterDot;f_{\mathrm{rate}}\left({\tilde{P}}_{k,b}^{\mathrm{mask}}\right)$ 最小的用户端设备开始重新分配子带。

5.如权利要求1所述的方法，其特征在于所述获得各个用户端设备所在的子带进一步包括步骤：

A1’、对于子带中的每一个，按照各个用户端设备在其上功率模板的大小顺序创建列表；

A2’、按照子带上最大功率模板的大小顺序对各个子带进行排序；

A3’、各个子带按照排序从其他子带选择后余下的用户端设备中选择在当前子带上功率模板最大的用户端设备。

6.如权利要求1所述的方法，其特征在于所述子信道传输参数包括功率和速率中至少一个。

7.如权利要求6所述的方法，其特征在于进一步包括步骤：

B1、初始化拉格朗日乘积因子u_k的值；

B2、为每个子信道选择临时最优的用户端设备

$k^{\&prime;}=\underset{k}{\arg \max }{G}_{k,n_c}\left(u_k^o\right)=\underset{k}{\arg \max }{w}_k[f_{k,n_c}\left(f_{k,n_c}^{\&prime;-1}\left(\frac{u_k^o}{w_k}\right)\right)-\left(\frac{u_k^o}{w_k}\right)f_{k,n_c}^{\&prime;-1}\left(\frac{u_k^o}{w_k}\right)]$

这里 $u_k^o=\left\{\begin{array}{cc}{w}_k{f}_{k,n_c}^{\&prime;}\left(0\right)& f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right)<0\\ u_k& 0\&le;f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right)\&le;P_{k,n_c}^{\mathrm{mask}},\\ w_k{f}_{k,n_c}^{\&prime;}\left(P_{k,n_c}^{\mathrm{mask}}\right)& f_{k,n_c}^{\&prime;-1}\left(\frac{u_k}{w_k}\right)>P_{k,n_c}^{\mathrm{mask}}.\end{array}\right.$

是用户k在子信道n_c上的功率模板，以及w_k是权值，并对所有的k≠k′设置临时最优共享因子 ${\mathrm{\&rho;}}_{k^{\&prime;},n_c}^{*}=1,$ ${\mathrm{\&rho;}}_{k,n_c}^{*}=0,$

为用户k在子信道n_c上的容量，

是

的导数的反函数，u_k ^o是考虑功率边界条件后的拉格朗日乘积因子；

B3、计算每个信道上每个用户端设备的临时最优的功率分配

$c_{k,n_c}^{*}={\mathrm{\&rho;}}_{k,n_c}^{*}{f}_{k,n_c}^{\&prime;-1}\left(\frac{u_k^o}{w_k}\right);$

B4、检查是否各个用户端设备满足总功率限制 $\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}^{*}\&le;P_k^t,$ 这里P_k ^t表示用户端设备k的功率预算，

若满足则结束，若不满足则继续；

B5、调整拉格朗日乘积因子u_k的值并代入步骤B2中的公式，直到各个用户端设备满足 $P_k^t-\mathrm{\&epsiv;}\&le;\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}^{*}\&le;P_k^t,$ 这里ε表示功率分配的误差允许值。

8.如权利要求7所述的方法，其特征在于所述权值w_k是根据用户端设备k的业务类型、延迟约束和用户等级中至少一种因素预先确定的常数。

9.如权利要求7所述的方法，其特征在于步骤B5进一步包括步骤：

B51、选择超过总功率限制最多的用户端设备k°，设置下界u_k° ^(l)为当前值u_k° ^(u)，上界u_k° ^(u)为

这里 $n_c^o=\underset{n_c}{\arg \max }{w}_k{f}_{k,n_c}^{\&prime;-1}\left(0\right);$

B52、将调整后的拉格朗日乘积因子

代入步骤B2和B3中的公式得到

B53、如果

则设如果

则设

并返回步骤B52。

10.如权利要求7、8或9所述的方法，其特征在于还包括步骤：

B6、如果找不到拉格朗日乘积因子u_k使 $P_k^t-\mathrm{\&epsiv;}\&le;\underset{n_c=1}{\overset{N_c}{\mathrm{\&Sigma;}}}{c}_{k,n_c}^{*}\&le;P_k^t,$ 则计算 ${\mathrm{\&rho;}}_{k_1,n_c}^{*}=\frac{P_{k_1}^t-P_2}{P_1-P_2},$ $c_{k_1,n_c}^{*}={\mathrm{\&rho;}}_{k_1,n_c}^{*}(P_1-P_2)$ 和 ${\mathrm{\&rho;}}_{k_2,n_c}^{*}=1-{\mathrm{\&rho;}}_{k_1,n_c}^{*},$ 这里 ${\mathrm{\&rho;}}_{k,n_c}\&Element;\left(\mathrm{0,1}\right),$ k₁为用户端设备k₁，k₂为用户端设备k₂，P₁为分配给用户端设备k₁的实际功率，P₂为分配给用户端设备k₂的实际功率。

11.如权利要求1所述的方法，其特征在于每个信道上每个用户端设备的系统容量 $f_{k,n_c}\left(P_{k,n_c}\right)=N_{n_c}{\log }_2(1+\frac{{\mathrm{\&gamma;}}_{k,n_c}{P}_{k,n_c}}{N_{n_c}}),$ 这里

为平均信道增益和噪声的比值，

是分配给用户k在子信道n_c的功率，

表示在子信道n_c上的子载波数。

12.如权利要求11所述的方法，其特征在于所述信道增益是根据反馈的信道功率增益信息的量化值确定的。

13.如权利要求1所述的方法，其特征在于所述功率模板是被路径损耗因子归一化的发送功率模板。

14.如权利要求1所述的方法，其特征在于所述子带是6MHz频带。

15.一种使用OFDMA的WRAN的上行资源分配装置，位于基站上，包括相连的第一层资源分配单元和第二层资源分配单元，其中：

第一层资源分配单元，用于为各个用户端设备分配子带；

第二层资源分配单元，用于为已分配子带的用户端设备分配相应子带内的子信道和子信道传输参数；

其中，所述第一层资源分配单元进一步包括：

速率和最大值运算模块，用于求取各用户端设备速率之和的最大值；子带分配模块，用于将用户端设备分配给在其上取得速率和最大值的子带；

或者，所述第一层资源分配单元进一步包括：

最大功率模板判断模块，用于从其他子带选择后余下的用户端设备中选择在当前子带上功率模板最大的用户端设备；子带分配模块，用于将所选择的用户端设备分配给当前的子带；

所述第二层资源分配单元进一步包括：

加权系统容量最大值运算模块，用于求取加权系统容量的最大值；子信道分配模块，用于将用户端设备分配给在其上取得加权系统容量最大值的子信道。

Images