CN101326734B - 频谱管理方法、频谱优化系统、设备及客户端设备 - Google Patents

Abstract

一种动态功率频谱管理方法，所述方法包括：获取税因子，根据所述税因子计算每个用户的注水参数；根据所述注水参数计算出每个用户在各子频带上所分配的功率直至所有用户收敛。本发明还提供一个频谱优化系统、频谱优化设备以及客户端设备。本发明可以有效地提高功率频谱管理的效果。

Description

频谱管理方法、频谱优化系统、设备及客户端设备

技术领域

本发明涉及通信领域，尤其涉及一种动态功率频谱管理方法、频谱优化系统、设备及客户端设备。

背景技术

数字用户线（DSL，Digital Subscriber Line）技术是一种通过电话双绞线,即无屏蔽双绞线（UTP，Unshielded Twist Pair）进行数据传输的高速传输技术，包括非对称数字用户线（ADSL，Asymmetrical Digital Subscriber Line），甚高速数字用户线（VDSL，Very-high-bit-rate Digital Subscriber Line）、基于综合业务数字网（ISDN，Integrated Services Digital Network）的用户数字线（IDSL，ISDN Digital Subscriber Line）和单线对高速数字用户线（SHDSL，Single-pair High-bit-rate Digital Subscriber Line）等。

随着各种数字用户线技术（xDSL）使用的频带的提高，串扰，尤其是高频段的串扰问题表现得日益突出。如图1所示，包括接入复用器及终端（图中以两个终端为例），所述接入复用器包括端口1和端口2。由于xDSL上下行信道采用频分复用，近端串扰（NEXT）对系统的性能不产生太大的危害；但远端串扰（FEXT）会严重影响线路的传输性能。当一捆电缆内有多路用户都要求开通xDSL业务时，会因为远端串扰使一些线路速率低、性能不稳定、甚至不能开通等，最终导致DSLAM的出线率比较低。

在一个采用离散多音频调制（DMT，Discrete Multi-Tone Modulation）的K个用户，N个TONE的通信模型中，各个TONE上信号传输可独立地表示为：

y_n=H_nx_n+σ_n

在通常的情况下，每个xDSL modem的接收端将其它modem对它的干扰作为噪声，则第k个用户在第n个tone上可达到的数据速率可用香农信道容量公式计算：

$b_n^k={\log }_2(1+\frac{{\left|h_n^{k,k}\right|}^2{s}_n^k}{\underset{j\≠k}{\mathrm{\Σ}}{\left|h_n^{k,j}\right|}^2{s}_n^j+{\mathrm{\σ}}^k})$

由上式可以看出，串扰严重影响了线路的传输容量，也就是降低了线路速率。

动态功率频谱管理（DSM，Dynamic Spectrum Management）可以用于减少串扰的影响。具体地，DSM就是自动调整网络中各个modem上的传输功率来达到减小串扰的目的。特别是在CO/RT混合应用的情况下短线对长线的串扰影响较大。DSM的目标就是通过调整发射功率使每个modem在达到自身速率最大化和减少对其它modem的串扰影响之间达到一个平衡。

DSM的目标为在每一个用户发送的总功率不超过门限时，通过调整所有用户分别在每一个子频带上的发送功率值，来最大化所有用户的加权速率之和。因此，DSM问题的数学形式描述如下：

$\max \mathrm{imize}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ω}}_k\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{b}_n^k$

subject to $\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_n^k\≤P^k,$ $\∀k$

$0\≤S_n^k$ $\∀k,n$

其中，

表示第k个用户在第n个子频带上所分配的功率；

表示第k个用户线路在第n个子频带上的传输系数；

(j≠k)表示第j个用户对第k个用户在第n个子频带上的串扰系数；

P^k表示第k个用户的总功率门限；

ω_k表示第k个用户的速率权系数；

σ²表示噪声功率；

N表示子频带总数；

K表示用户总数。

此问题为一非线性约束优化问题，目标函数及约束条件均为关于自变量的非凸函数。因此不存在高效且完整的求解算法。在现有算法中，最为热门的为：最优频谱平衡（OSB，Optimize Spectrum Balancing）、迭代频谱平衡（ISB，Iterative Spectrum Balancing）、迭代注水算法（IWF，Iterative Water－Filling）。这三种算法都是通过引入拉格朗日乘子，将原始非线性约束优化问题转化为非线性无约束优化问题。因此，上述公式转化为：

$\max \underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ω}}_k\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{b}_n^k+\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\λ}}_k(P^k-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_n^k)$

其中，λ_k为拉格朗日乘子，

项表示为总功率约束（即等同于上述公式中的

）。P^k一般为一常数。

当P^k为一常数时，上述公式可以等价于：

$\max \underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ω}}_k\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{b}_n^k-\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\λ}}_k\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_n^k$

故只需求解上述公式即可。

现有技术中的一种实现DSM的方法为：迭代注水算法。

这是一种贪心算法，只考虑

对第k个用户线上速率的影响，当用户线不是当前用户k时，令其权重w_j=0,λ_j=0,

这样，实际上的J_n可以简化为

因为此时w_j=0,λ_j=0,且

(j≠k)固定。对于求解 $s_n^k=\arg \max J_n^k,$ 由于 $J_n^k=w_k{b}_n^k-{\mathrm{\λ}}_k{s}_n^k$ 有唯一极值点，可以通过推导求得其极值点的解析表达式。整个算法不断迭代以求得各个用户在各个tone上的

直到所有用户的功率分配都不再变化为止。

IWF的算法复杂度较低，对于较大的N和K都可进行计算。并且它是完全自制的，即各个用户只需优化自身的速率和满足自身的功率约束即可，而不需要不同用户之间进行数据信息的交互，即不需要中心管理器，易于在实际系统中实现，但是，由于IWF是贪心算法，所以无法保证最优解或近似最优解，依赖于初始解。

发明内容

本发明实施例要解决的技术问题是提供一种动态功率频谱管理方法、频谱优化系统、设备及客户端设备，能够找到一种频谱优化的近似最优解，提高功率频谱管理的效果。

本发明实施例提供的动态功率频谱管理方法，包括：

A、获得预先设置的每个用户满足预置条件的税因子；

B、根据所述税因子计算每个用户的注水参数，所述注水参数至少包括串扰项；

C、根据所述税因子和注水参数计算出每个用户在各子频带上所分配的功率；

D、对每个用户的税因子进行更新，并跟据更新后的税因子，返回执行骤B和步骤C，直至每个用户在各个子频带上所分配的功率收敛；

其中，所述步骤B具体包括：

通过拉格朗日乘子的方法将有约束的频谱优化问题转化成无约束问题；

根据所述税因子对所述无约束问题进行求解，得到所述注水参数。

本发明实施例提供一种频谱优化设备，包括：

税因子设置单元，用于设置每个用户满足预置条件的税因子；

获取单元，用于获取每个用户满足预置条件的税因子；

第一注水参数计算单元，用于根据所述税因子计算每个用户的注水参数，所述注水参数至少包括串扰项；

第一功率计算单元，用于根据所述税因子和所述第一注水参数计算单元计算出的注水参数计算出每个用户在各子频带上所分配的功率；

税因子更新单元，与所述获取单元相连，用于对每个用户的税因子进行更新；

第二注水参数计算单元，用于根据更新后的税因子计算注水参数；

第二功率计算单元，用于根据所述第二注水参数计算单元计算的注水参数计算出每个用户在各子频带上所分配的功率直至收敛；

其中，所述第一注水参数计算单元和所述第二注水参数计算单元根据税因子计算注水参数，包括：通过拉格朗日乘子的方法将有约束的频谱优化问题转化成无约束问题；根据所述税因子对所述无约束问题进行求解，得到所述注水参数。

本发明实施例提供一种频谱优化系统，包括：频谱管理中心，数字用户线接入复用器以及客户端设备；所述频谱管理中心用于设置携带用户串扰信息的税因子并将其发送至数字用户线接入复用器；所述数字用户线接入复用器，用于根据携带用户串扰信息的税因子计算每个用户的总功率小于或等于该用户总功率门限时对应的注水参数，并根据所述税因子和注水参数计算出每个用户在各子频带上所分配的功率直至收敛，其中所述注水参数至少包括串扰项，其中，根据税因子计算每个用户的注水参数，包括：通过拉格朗日乘子的方法将有约束的频谱优化问题转化成无约束问题；根据所述税因子对所述无约束问题进行求解，得到所述注水参数；

或

所述频谱管理中心，用于设置携带用户串扰信息的税因子并将其发送至数字用户线接入复用器；所述数字用户线接入复用器，用于将税因子转发至客户端设备；所述客户端设备用于根据携带用户串扰信息的税因子计算每个用户的总功率小于或等于该用户总功率门限时对应的注水参数，并根据所述税因子和注水参数计算出每个用户在各子频带上所分配的功率直至收敛，其中所述注水参数至少包括串扰项，其中，根据税因子计算每个用户的注水参数，包括：通过拉格朗日乘子的方法将有约束的频谱优化问题转化成无约束问题；根据所述税因子对所述无约束问题进行求解，得到所述注水参数。

本发明实施例提供一种客户端设备，包括：税因子接收单元，第一注水参数计算单元以及发送单元；所述税因子接收单元用于接收携带用户串扰信息的税因子并将接收到的税因子发送至第一注水参数计算单元；所述第一注水参数计算单元用于根据接收到的税因子计算每个用户的总功率小于或等于该用户总功率门限时对应的注水参数，并根据所述税因子和注水参数计算出每个用户在各子频带上所分配的功率，并将计算结果发送至发送单元，其中所述注水参数至少包括串扰项；所述发送单元用于向频谱管理中心发送计算结果，其中，根据税因子计算每个用户的注水参数，包括：通过拉格朗日乘子的方法将有约束的频谱优化问题转化成无约束问题；根据所述税因子对所述无约束问题进行求解，得到所述注水参数；

第二注水参数计算单元，用于根据频谱管理中心更新过税因子后再次计算每个用户在各子频带上所分配的功率直至收敛。

以上技术方案可以看出，本发明实施例具有以下有益效果：

本发明实施例所述方法在实现功率频谱管理时对所有用户在每个子频带上的功率分配同时计算，所以既考虑了其它用户对自己的串扰影响，也考虑到了自己对其它用户的串扰影响，进而能够找到一种频谱优化的局部最优解，提高功率频谱管理的效果。

附图说明

图1为现有技术的串扰示意图；

图2为本发明实施例中动态功率频谱管理方法的流程图；

图3为本发明实施例中频谱优化系统的结构示意图；

图4为本发明实施例中客户端设备的结构示意图。

具体实施方式

本发明实施例提供一种动态功率频谱管理方法、频谱优化系统及客户端设备，用于提高频谱管理效果。

请参阅图2，为本发明实施例动态功率频谱管理方法的流程图，包括步骤：

201、预置税因子，并初始化所有用户的功率谱；

其中，频谱管理中心随机设置一个满足预置条件的税因子，并将该税因子发送至DSLAM。

其中，预置条件可以根据实际情况进行确定，本实施例中，预置条件为非负。

在DSLAM中，每个用户都有预先设置的原始功率谱，在预置税因子时，需要对这些原始功率谱进行初始化处理。

202、判断是否所有用户的功率谱都已经收敛，若是，则执行步骤207，若否，则执行步骤203；

203、确定需要处理的用户；

其中，若该步骤为第一次执行，则需要处理的用户为第一个用户，若不是第一次执行，则需要处理的用户为当前用户的下一用户；

若当前用户是第K个用户（即最后一个用户），则其下一个用户为第一个用户。

204、加载当前用户对应的注水参数；

其中，注水参数包括税因子和串扰项，还包括计算过程中涉及到所需要的其它参数。

串扰项可以在用户端直接测量（它会随着其他用户功率谱的改变而改变），也可以根据后面的公式（5）进行计算。

205、计算当前用户的功率分配；

其中，在计算功率分配之前需要先进行公式的推导与演算，具体过程如下：

频谱优化问题是在每一个用户发送的总功率不超过门限时，通过调整所有用户分别在每一个子频带上的发送功率值，来最大化所有用户的加权速率之和。其数学公式表示如下：

$\max \mathrm{imize}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ω}}_k\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\log (1+\frac{G_n^{\mathrm{kk}}{S}_n^k}{I_n^k+{\mathrm{\σ}}^2})$     公式（1）

subject to $\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_n^k\≤P_k,$ $\∀k$

$0\≤S_n^k$ $\∀k,n$

其中，

表示第k个用户在第n个子频带上所分配的功率；

表示第k个用户线路在第n个子频带上的传输系数；

表示第k个用户线路在第n个子频带上所受到的串扰；

P_k表示第k个用户的总功率门限；

ω_k表示第k个用户的速率权系数；

σ²表示噪声功率；

N表示子频带总数；

K表示用户总数。

每个用户所受串扰的大小不仅取决于其他用户在当前子频带上的功率，而且有可能取决于其他用户在相邻子频带上的功率（如果系统不同步的话）。具体来说，

$I_n^k=\underset{j\≠k}{\mathrm{\Σ}}\underset{m=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\γ}(n-m)G_m^{\mathrm{kj}}{S}_m^j$

γ(m)表示相邻频带串扰系数（Inter-Carrier-Interference）。

当系统是同步的，γ(m)=γ₀(m)=δ(m)就是一个冲击函数，所以此时第k个用户线路在第n个子频带上的串扰就是

也就是说没有相邻频带串扰。当系统不同步时，最坏情况的相邻频带串扰系数可以表示为

$\mathrm{\γ}\left(m\right)={\mathrm{\γ}}_{\mathrm{ICI}}\left(m\right)=\left\{\begin{array}{cc}1& m=0\\ \frac{2}{N^2{\sin }^2\left(\frac{\mathrm{\π}}{N}m\right)}& m\≠0,-\frac{N}{2}\≤m\≤\frac{N}{2}\end{array}\right.$

这里，γ_ICI(m)具有对称性和循环性：γ_ICI(m)=γ_ICI(-m)，γ_ICI(m)=γ_ICI(N-m)。

通过拉格朗日乘子的方法把上面如公式（1）所示的有约束问题转化成无约束问题，如下式：

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ω}}_k\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\log (1+\frac{G_n^{\mathrm{kk}}{S}_n^k}{I_n^k+{\mathrm{\σ}}^2})+\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\λ}}_k(P_k-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_n^k)+\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\μ}}_n^k{S}_n^k$   公式（2）

其中λ_k和

分别为拉格朗日乘子。其中项表示为总功率约束（即等同上述公式中的

）。

项表示为发送功率非负约束（

）。公式（2）所描述的问题等同于公式（1）的问题，依然是一个非凸问题，没有高效的数字解决方法。同时公式（2）所描述的问题存在多个一阶极点，每一个极大值点就是这个问题的一个局部最优解。可以通过对公式（2）对

求偏导的方法得到下式：

$\frac{{\mathrm{\ω}}_k}{S_n^k+\frac{I_n^k}{G_n^{\mathrm{kk}}}+\frac{{\mathrm{\σ}}^2}{G_n^{\mathrm{kk}}}}-t_n^k-{\mathrm{\λ}}_k+{\mathrm{\μ}}_n^k=0$     公式（3）

其中 $t_n^k=\underset{j\≠k}{\mathrm{\Σ}}{\mathrm{\ω}}_j{G}_n^{\mathrm{jk}}\underset{m=1}{\overset{N}{\mathrm{\Σ}}}\frac{\mathrm{\γ}(n-m)G_m^{\mathrm{jj}}{S}_m^j}{(G_m^{\mathrm{jj}}{S}_m^j+I_m^j+{\mathrm{\σ}}_m^j)(I_m^j+{\mathrm{\σ}}_m^j)}$    公式（4）

$I_n^k=\underset{j\≠k}{\mathrm{\Σ}}\underset{m=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\γ}(n-m)G_m^{\mathrm{kj}}{S}_m^j$     公式（5）

假设

叫作税因子。

如果能通过一定的方法从公式（3）中找到一个

的解，那么这个解是一个局部最优解。从实际的角度来看如果这个方法的算法比较简单，性能能有很大的提升。说明就通过一个简单的算法找到了公式（2）所描述的问题的一个局部最优解。

当然这个除了要满足公式外，同样还要满足以下约束条件：

$\left\{\begin{array}{c}{\mathrm{\λ}}_k(P_k-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_n^k)=0\\ {\mathrm{\μ}}_n^k{S}_n^k=0\\ P_k-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_n^k\≥0\\ S_n^k\≥0\\ {\mathrm{\λ}}_k\≥0\\ {\mathrm{\μ}}_n^k\≥0\end{array}\right.$       公式（6）

实际上公式（3）和公式（6）一起构成了公式（1）所描述问题的KKT条件（Karush-Kuhn-Tucher conditions），从上面的描述可知这个条件对于满足公式（1）所描述的问题是一个必要条件。意思是只要是最优解一定满足这个条件，但满足这个条件的解有可能是局部最优解，就不一定是最优解。

可以进一步的通过公式演算把公式（3）和公式（6）构成的KKT条件成以下公式：

$S_n^k={[\frac{{\mathrm{\ω}}_k}{{\mathrm{\λ}}_k+t_n^k}-\frac{I_n^k+{\mathrm{\σ}}_n^k}{G_n^{\mathrm{kk}}}]}^{+},\∀n,k$     公式（7）

${\mathrm{\λ}}_k(P_k-\underset{n-1}{\overset{N}{\mathrm{\Σ}}}{S}_n^k)=0,\∀k$     公式（8）

$t_n^k=\underset{j\≠k}{\mathrm{\Σ}}{\mathrm{\ω}}_j{G}_n^{\mathrm{jk}}\underset{m=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\γ}(n-m)\frac{{\mathrm{SINR}}_m^j}{G_m^{\mathrm{jj}}{S}_m^j}\frac{{\mathrm{SINR}}_m^j}{1+{\mathrm{SINR}}_m^j}$      公式（9）

其中公式（7）中[x]⁺表示max(0,x)，其作用等效于拉格朗日乘子

所以可以在（7）中把

省略掉。公式（9）中，

其物理意义为第j个用户的第m个子频带上的信号干扰噪声比，这个量可以在用户线上直接测量。

针对单个用户的传统的优化注水算法，其表达式如下：

$\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\log (1+\frac{G_n{S}_n}{{\mathrm{\σ}}^2})+\mathrm{\λ}(P_k-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{S}_n),$ 对这个公式就S_n求导得：

$\frac{1}{(1+\frac{G_n{S}_n}{{\mathrm{\σ}}^2})}\·\frac{G_n}{{\mathrm{\σ}}^2}-\mathrm{\λ}=0.$ 进一步化简得：

$S_n={[\frac{1}{\mathrm{\λ}}-\frac{{\mathrm{\σ}}_n}{G_n}]}^{+}$     公式（10a）

其中其中表示注水（water level）水平，对于同一个用户的所有子频带是一个常量。

传统的多用户的迭代注水是基于单用户的注水，但是因为有了多个用户之间的串扰，其频谱更新具体如下：

$S_n^k={[\frac{1}{{\mathrm{\λ}}_k}-\frac{I_n^k+{\mathrm{\σ}}_n^k}{G_n^{\mathrm{kk}}}]}^{+},\∀n,k$     公式（10b）

传统的多用户迭代注水的算法具体描述如下：

第一步：对于用户k,假设其他用户的频谱不变，通过传统的排序算法的方法找到一个λ_k，使得功率总和 ${\mathrm{\ρ}}_{\text{k}}\left({\mathrm{\λ}}_k\right)=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{(\frac{1}{{\mathrm{\λ}}_k}-\frac{I_n^k+{\mathrm{\σ}}_n^k}{G_n^k})}^{+}=P.$

第二步：通过公式（10b）计算出用户k,各个子频带的S_n，其中n＝1,2,...,N。

第三步：对所有的用户重复步骤一和步骤二，直至收敛。

对比单用户的注水公式（10a），传统的多用户的注水公式（10b），以及公式（7），不难发现单用户注水（即当

和

）和传统的多用户注水（即当

）都是公式（7）的特例。

为了解决公式（7）和（8）的问题，则需要利用修正迭代注水的方法找到各个用户的发送功率谱。其中步骤205具体的步骤如下：

给定

k＝1,2,…K，n＝1,2,…N。对当前用户k执行以下步骤：

1、定义功率总和公式

$\mathrm{\ρ}\left({\mathrm{\λ}}_k\right)=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{[\frac{{\mathrm{\ω}}_k}{{\mathrm{\λ}}_k+t_n^k}-\frac{I_n^k+{\mathrm{\σ}}^2}{G_n^{\mathrm{kk}}}]}^{+}$

2、如果ρ(0)≤P_k，

设 ${\mathrm{\λ}}_k^{*}=0,$ $S_n^k=0,$ 其中n=1,2,...,N。

3、如果ρ(0)>P_k，使用二分法（bi-section）的方法寻找最优λ_k和功率谱

3a）初始化λ_k,min和λ_k,max，使得ρ(λ_k,min)>P_k和ρ(λ_k,max)<P_k

3b）重复以下步骤：

3b1）计算 ${\mathrm{\&lambda;}}_k=\frac{1}{2}({\mathrm{\&lambda;}}_{k,\max }+{\mathrm{\&lambda;}}_{k,\min })$

3b2）如果ρ(λ_k)>P_k，λ_k,min=λ_k

3b3）如果ρ(λ_k)<P_k，λ_k,max=λ_k

直至λ_k收敛。

3c）通过公式（7）和收敛的λ_k，计算出当前用户各个子频带的

其中n=1,2,...,N。

当λ_k收敛后，当前用户的总功率门限就会满足，此时执行步骤202。

206、更新税因子；

其中，根据测量的信号串扰噪声比与步骤205的计算结果计算税因子，具体有以下三种情况：

方案一

基于无记忆的一阶最优化条件的更新，税因子的计算可根据如下表达式

$t_n^k=\underset{j\&NotEqual;k}{\mathrm{\&Sigma;}}{\mathrm{\&omega;}}_j{G}_n^{\mathrm{jk}}\underset{m=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{\&gamma;}(n-m)\frac{{\mathrm{SINR}}_m^j}{G_m^{\mathrm{jj}}{S}_m^j}\frac{{\mathrm{SINR}}_m^j}{1+{\mathrm{SINR}}_m^j}$     公式（11）

此方案的优点在于更新简单，而且如果更新收敛，其必收敛于局部最优解。但是，此方案不保证收敛性。

方案二

基于有记忆的一阶最优化条件的更新，也就是

$t_n^{k,\mathrm{\&tau;}}=(1-\mathrm{\&alpha;}\left(\mathrm{\&tau;}\right))t_n^{k,\mathrm{\&tau;}-1}+\mathrm{\&alpha;}\left(\mathrm{\&tau;}\right)\left(\underset{j\&NotEqual;k}{\mathrm{\&Sigma;}}{\mathrm{\&omega;}}_j{G}_n^{\mathrm{jk}}\underset{m=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{\&gamma;}(n-m)\frac{{\mathrm{SINR}}_m^j}{G_m^{\mathrm{jj}}{S}_m^j}\frac{{\mathrm{SINR}}_m^j}{1+{\mathrm{SINR}}_m^j}\right)$

公式（12）

其中

表示上一时刻的税因子，是当前时刻的税因子；τ是时间参数。α(τ)表示一个和时间有关的记忆参数，其属于（0,1]。当α(τ)=1时，公式（12）就变化成公式（11），也就是说无记忆更新是有记忆更新的一个特例。此方案的优点在于可以通过适当选取α(τ)参数（比如反比于时间）使得税因子一定收敛。但缺点在于收敛的税因子不保证满足KKT条件。也就是说此方案可能收敛到一个次优解，但不一定是局部最优解。

方案三

基于目标函数（所有用户的加权速率之和）的更新。实现原理是每次税因子的更新都确保目标函数的值会增加。具体方案如下：

（a）假设当前时刻的功率谱为S^τ，目标函数的值为U^τ，未更新的税因子为t^τ。可以通过公式（11）或者公式（12）计算出临时税因子t'。

（b）根据临时税因子进一步推算出其对应的临时功率谱S'以及临时目标函数值U'。

（c）如果U'>U^τ,更新下一时刻的税因子为t^τ+1=t'，然后发送，更新结束。

（d）如果U'≤U^τ，更新临时税因子为返回步骤（b）。

其中目标函数就是所有用户的加权速率之和，即：

$U=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_k\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log (1+\frac{G_n^{\mathrm{kk}}{S}_n^k}{I_n^k+{\mathrm{\&sigma;}}_n^k}).$

此方案的优点在于它能保证税因子收敛到一个局部最优解。缺点在于需要更多的计算量。

可以通过方案一，二，三的任何一种对税因子进行更新。具体使用那种方法取决于很多因素，比如实际的网络拓扑，频谱管理中心的计算能力，以及用户实际的串扰程度。

综上所述，可以通过结合税因子的更新和修正迭代注水来找到一个满足公式（7）、（8）和（9）的功率谱分布。迭代的顺序可以有多种不同的组合，例如：

组合一：首先所有用户同时更新税因子，然后基于固定的税因子所有用户进行修正迭代注水。如此反复直到收敛。

$(t_n^1,\&CenterDot;\&CenterDot;\&CenterDot;,t_n^K)\&RightArrow;({\mathrm{\&lambda;}}_1,S_n^1)\&RightArrow;\&CenterDot;\&CenterDot;\&CenterDot;\&RightArrow;({\mathrm{\&lambda;}}_K,S_n^K)\&RightArrow;(t_n^1,\&CenterDot;\&CenterDot;\&CenterDot;,t_n^K)\&RightArrow;({\mathrm{\&lambda;}}_1,S_n^1)\&RightArrow;\&CenterDot;\&CenterDot;\&CenterDot;$

组合二：每个用户每次都更新自己的税因子，拉格朗日乘子，功率谱，如此反复直到收敛。

$(t_n^1,{\mathrm{\&lambda;}}_1,S_n^1)\&RightArrow;(t_n^2,{\mathrm{\&lambda;}}_2,S_n^2)\&RightArrow;\&CenterDot;\&CenterDot;\&CenterDot;\&RightArrow;({t_n^K,\mathrm{\&lambda;}}_K,S_n^K)\&RightArrow;(t_n^1,{\mathrm{\&lambda;}}_1,S_n^1)\&RightArrow;\&CenterDot;\&CenterDot;\&CenterDot;$

下面列举了组合一具体实现的算法。其中包括如何连续更新税因子，以及如何在给定税因子的情况下进行修正迭代注水直至收敛。当税因子收敛后，用修正迭代注水计算出来的各个用户的发送功率谱就是公式（1）所描述问题的一个局部最优解。这个解的结果取决于税因子初始值的设置。

重复对所有用户执行以下步骤：

利用修正迭代注水的结果在线路上测试出或是计算出再通过公式（11）、（12）或者方案三计算出相应的

根据计算出的

进行多用户的修正迭代注水，直至所有用户收敛。

207、判断税因子是否收敛，若收敛，则执行步骤208，若未收敛，则执行步骤202；

208、结束。

请参阅图3，本发明频谱优化系统实施例包括：

频谱管理中心301，数字用户线接入复用器302以及客户端设备303；

所述频谱管理中心301用于设置税因子并将其发送至数字用户线接入复用器302；

所述数字用户线接入复用器302，用于根据税因子计算当每个用户最大功率约束小于或等于该用户总功率门限时对应的注水参数，并根据所述注水参数计算出每个用户在各子频带上所分配的功率直至所有用户收敛；

或

所述频谱管理中心301用于设置税因子并将其发送至数字用户线接入复用器302；

所述数字用户线接入复用器302用于将税因子转发至客户端设备303；

所述客户端设备303用于根据税因子计算当每个用户最大功率约束小于或等于该用户总功率门限时对应的注水参数，并根据所述注水参数计算出每个用户在各子频带上所分配的功率直至所有用户收敛。

其中，所述频谱管理中心301包括：

收集单元3011，更新单元3012以及传送单元3013；

所述收集单元3011用于获取不同用户的信号串扰噪声比，功率谱以及相关参数，并将获取到的参数发送至更新单元3012；

其中，相关参数包括传输系数等，或者其它所需参数，或者不包括任何参数。

所述更新单元3012用于接收收集单元发送的参数，并根据所述参数更新税因子，并将更新后的税因子发送至传送单元3013；

所述传送单元3013用于将接收到的税因子发送至数字用户线接入复用器302。

其中，由数字用户线接入复用器302计算功率分配时，在所有用户计算完功率分配之后数字用户线接入复用器302将计算得到或检测到的信号串扰噪声比发送至频谱管理中心301；

由客户端设备303计算功率分配时，在所有用户计算完功率分配之后客户端设备303通过数字用户线接入复用器302将计算得到或检测到的信号串扰噪声比发送至频谱管理中心301；

所述频谱管理中心301根据接收到的串扰噪声比设置税因子。

其中，所述数字用户线接入复用器302包括：

频谱管理中心感知器，用于当频谱管理中心301失效时，将税因子设为0。

具体流程为：

首先频谱管理中心设置一个满足预置条件的税因子，并通过税因子接口把各个用户的税因子分发到各自的DSLAM中，如果带税因子的迭代注水算法是在客户端设备中完成，那么DSLAM再通过DSLAM和客户端设备间的内嵌通道把税因子分发到各用户所在的客户端设备中，然后DSLAM和/或客户端设备根据这个税因子进行计算，当所有用户收敛后，各用户通过DSLAM于频谱管理中心的SINR接口把各自的信号串扰噪声比上传到频谱管理中心，由频谱管理中心计算出新的税因子，并重复上述过程，直至收敛。

请参阅图4，本发明提供的客户端设备303实施例包括：

税因子接收单元401，第一注水参数计算单元402以及发送单元403；

所述税因子接收单元401用于接收税因子并将接收到的税因子发送至注水单元402；

所述第一注水参数计算单元402用于根据接收到的税因子计算每个用户的总功率小于或等于该用户总功率门限时对应的注水参数；并根据所述注水参数计算出每个用户在各子频带上所分配的功率，并将计算结果发送至发送单元；

所述发送单元用于向频谱管理中心发送计算结果。

优选的，所述客户端设备还可以包括第二注水参数计算单元404，用于根据频谱管理中心更新过税因子后再次计算每个用户在各子频带上所分配的功率直至收敛，并将计算结果发送至发送单元403；

所述发送单元403用于向频谱管理中心发送计算结果。

另外，本发明实施例还提供一种频谱优化设备，包括：获取单元、第一注水参数计算单元和第一功率计算单元。其中，所述获取单元，用于获取税因子；所述第一注水参数计算单元，用于根据所述税因子计算每个用户的注水参数。所述注水参数定义为每个用户的总功率小于或等于该用户总功率门限时对应的值；所述第一功率计算单元，与第一注水参数计算单元相连，用于根据所述注水参数计算出每个用户在各子频带上所分配的功率。

优选的，所述设备还包括：税因子设置单元，分别与获取单元和第一注水参数计算单元相连，用于设置每个用户满足预置条件的税因子，所述获取单元获取设置的税因子。

优选的，所述设备还包括：税因子更新单元，分别与获取单元和第一功率计算单元相连，用于对每个用户的税因子进行更新；所述获取单元获取更新后的税因子。

优选的，所述税因子更新单元至少包括下述一种：串扰噪声比确定子单元和第一税因子计算子单元；串扰噪声比确定子单元、参数获取子单元和第二税因子计算子单元；目标函数获取子单元、临时目标函数计算子单元和税因子确定子单元。所述第一税因子计算子单元和第二税因子计算子单元可以集成在一起，也可以单独存在。其中，

所述串扰噪声比确定子单元，用于计算或测量每个用户在各子频带上的信号串扰噪声比；所述第一税因子计算子单元，用于根据所述信号串扰噪声比以及每个用户在各子频带上所分配的功率计算出对应的税因子。

所述串扰噪声比确定子单元，用于计算或测量每个用户在各子频带上的信号串扰噪声比；所述参数获取子单元，用于获取记忆参数以及时间参数；所述第二税因子计算子单元，用于根据所述记忆参数、时间参数前一时刻的税因子、信号串扰噪声比以及每个用户在各子频带上所分配的功率计算当前税因子。

所述目标函数获取子单元，用于获取所有用户的加权速率之和的数值并将所述数值作为目标函数数值；所述临时目标函数计算子单元，用于计算临时税因子并根据所述临时税因子计算临时目标函数数值；所述税因子确定子单元，用于将所述目标函数数值与临时目标函数数值进行比较，根据比较结果确定税因子。

优选的，在上述频谱优化设备的基础上，还可以包括：第二注水参数计算单元和第二功率计算单元。其中

所述第二注水参数计算单元，用于根据所述第一税因子计算子单元、第二税因子计算子单元或税因子确定子单元更新后的税因子计算每个用户的总功率小于或等于该用户总功率门限时对应的注水参数；所述第二功率计算单元，用于根据所述注水参数计算出每个用户在各子频带上所分配的功率直至收敛。

对于所述频谱优化设备中各个单元的功能和作用，详见上述方法、系统及客户端设备中对应部分的功能和作用，在此不再赘述。

以上对本发明所提供的一种动态功率频谱管理方法及频谱优化系统及客户端设备进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述；对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (15)

1.一种动态功率频谱管理方法，其特征在于，包括：

A、获得预先设置的每个用户满足预置条件的税因子；

B、根据所述税因子计算每个用户的注水参数，所述注水参数至少包括串扰项和所述税因子；

C、根据所述注水参数计算出每个用户在各子频带上所分配的功率；

D、对每个用户的税因子进行更新，并根据更新后的税因子，返回执行骤B和步骤C，直至每个用户在各个子频带上所分配的功率收敛；

其中，所述步骤B和C具体包括：

通过拉格朗日乘子的方法将有约束的频谱优化问题转化成无约束问题，得到如下公式：

$\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_k\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log (1+\frac{G_n^{\mathrm{kk}}{S}_n^k}{I_n^k+{\mathrm{\&sigma;}}^2})+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_k(P_k-\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{S}_n^k)+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_n^k{S}_n^k;$

其中，

表示第k个用户在第n个子频带上所分配的功率，λ_k和

分别为拉格朗日乘子，ω_k表示第k个用户的速率权系数，

表示第k个用户线路在第n个子频带上的传输系数，

表示第k个用户线路在第n个子频带上所受到的串扰，σ²表示噪声功率，P_k表示第k个用户的总功率门限；

对所述无约束问题的公式中的求偏导，其中，

求偏导后的无约束问题中包括待定的税因子；

将所述税因子代入所述求偏导后的无约束问题，并根据预设的约束条件，对求偏导后的无约束问题进行求解，得到所述注水参数和所述每个用户在各子频带上所分配的功率；其中，所述预设的约束条件与所述求偏导后的无约束问题构成了所述有约束的频谱优化问题的KKT条件。

2.根据权利要求1所述的动态功率频谱管理方法，其特征在于，根据所述税因子计算每个用户总功率小于或等于该用户总功率门限时对应的注水参数。

3.根据权利要求1所述的动态功率频谱管理方法，其特征在于，所述对每个用户的税因子进行更新的步骤包括：

计算或测量每个用户在各子频带上的信号串扰噪声比；

根据所述信号串扰噪声比以及每个用户在各子频带上所分配的功率计算出对应的税因子。

4.根据权利要求1所述的动态功率频谱管理方法，其特征在于，所述对每个用户的税因子进行更新的步骤包括：

计算或测量每个用户在各子频带上的信号串扰噪声比；

获取记忆参数以及时间参数；

根据所述记忆参数、时间参数前一时刻的税因子、信号串扰噪声比以及每个用户在各子频带上所分配的功率计算当前税因子。

5.根据权利要求1所述的动态功率频谱管理方法，其特征在于，所述对每个用户的税因子进行更新的步骤包括：

获取所有用户的加权速率之和的数值并将所述数值作为目标函数数值；

计算临时税因子并根据所述临时税因子计算临时目标函数数值；

将所述目标函数数值与临时目标函数数值进行比较，根据比较结果确定税因子。

6.一种频谱优化设备，其特征在于，包括：

税因子设置单元，用于设置每个用户满足预置条件的税因子；

获取单元，用于获取每个用户满足预置条件的税因子；

第一注水参数计算单元，用于根据所述税因子计算每个用户的注水参数，所述注水参数至少包括串扰项和所述税因子；

第一功率计算单元，用于根据所述第一注水参数计算单元计算出的注水参数计算出每个用户在各子频带上所分配的功率；

税因子更新单元，与所述获取单元相连，用于对每个用户的税因子进行更新；

第二注水参数计算单元，用于根据更新后的税因子计算注水参数；

第二功率计算单元，用于根据所述第二注水参数计算单元计算的注水参数计算出每个用户在各子频带上所分配的功率直至收敛；

其中，所述第一注水参数计算单元和所述第二注水参数计算单元根据税因子计算注水参数，包括：通过拉格朗日乘子的方法将有约束的频谱优化问题转化成无约束问题，得到如下公式：

$\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_k\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log (1+\frac{G_n^{\mathrm{kk}}{S}_n^k}{I_n^k+{\mathrm{\&sigma;}}^2})+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_k(P_k-\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{S}_n^k)+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_n^k{S}_n^k;$

其中，

表示第k个用户在第n个子频带上所分配的功率，λ_k和

分别为拉格朗日乘子，ω_k表示第k个用户的速率权系数，

表示第k个用户线路在第n个子频带上的传输系数，

表示第k个用户线路在第n个子频带上所受到的串扰，σ²表示噪声功率，P_k表示第k个用户的总功率门限；

对所述无约束问题的公式中的

求偏导，其中，

求偏导后的无约束问题中包括待定的税因子；

将所述税因子代入所述求偏导后的无约束问题，并根据预设的约束条件，对求偏导后的无约束问题进行求解，得到所述注水参数；其中，所述预设的约束条件与所述求偏导后的无约束问题构成了所述有约束的频谱优化问题的KKT条件；

所述第二功率计算单元根据所述第一注水参数计算单元计算出的注水参数计算出每个用户在各子频带上所分配的功率包括：

根据第一注水参数计算单元得到的所述注水参数以及预设的约束条件，对求偏导后的无约束问题进行求解，得到每个用户在各子频带上所分配的功率。

7.根据权利要求6所述的频谱优化设备，其特征在于，所述税因子更新单元包括：

串扰噪声比确定子单元，用于计算或测量每个用户在各子频带上的信号串扰噪声比；

第一税因子计算子单元，用于根据所述信号串扰噪声比以及每个用户在各子频带上所分配的功率计算出对应的税因子。

8.根据权利要求6所述的频谱优化设备，其特征在于，所述税因子更新单元包括：

串扰噪声比确定子单元，用于计算或测量每个用户在各子频带上的信号串扰噪声比；

参数获取子单元，用于获取记忆参数以及时间参数；

第二税因子计算子单元，用于根据所述记忆参数、时间参数前一时刻的税因子、信号串扰噪声比以及每个用户在各子频带上所分配的功率计算当前税因子。

9.根据权利要求6所述的频谱优化设备，其特征在于，所述税因子更新单元包括：

目标函数获取子单元，用于获取所有用户的加权速率之和的数值并将所述数值作为目标函数数值；

临时目标函数计算子单元，用于计算临时税因子并根据所述临时税因子计算临时目标函数数值；

税因子确定子单元，用于将所述目标函数数值与临时目标函数数值进行比较，根据比较结果确定税因子。

10.根据权利要求7至9任一所述的频谱优化设备，其特征在于，第二注水参数计算单元，具体为：用于根据所述第一税因子计算子单元、第二税因子计算子单元或税因子确定子单元更新后的税因子计算每个用户的总功率小于或等于该用户总功率门限时对应的注水参数。

11.一种频谱优化系统，其特征在于，包括：频谱管理中心，数字用户线接入复用器；或者频谱管理中心，数字用户线接入复用器以及客户端设备；

所述频谱管理中心，用于设置携带用户串扰信息的税因子，并将所述税因子发送至数字用户线接入复用器；

所述数字用户线接入复用器，用于根据携带用户串扰信息的税因子计算每个用户的总功率小于或等于该用户总功率门限时对应的注水参数，并根据所述注水参数计算出每个用户在各子频带上所分配的功率直至收敛，其中所述注水参数至少包括串扰项和所述税因子；

所述数字用户线接入复用器，用于将税因子转发至客户端设备；

所述客户端设备，用于根据携带用户串扰信息的税因子计算每个用户的总功率小于或等于该用户总功率门限时对应的注水参数，并根据所述注水参数计算出每个用户在各子频带上所分配的功率直至收敛，其中所述注水参数至少包括串扰项和所述税因子；

其中，数字用户线接入复用器或所述客户端设备根据所述税因子计算每个用户的注水参数，以及根据所述注水参数计算每个而用户在各个子频带上所分配的功率直至收敛，包括：通过拉格朗日乘子的方法将有约束的频谱优化问题转化成无约束问题，得到如下公式：

$\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_k\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log (1+\frac{G_n^{\mathrm{kk}}{S}_n^k}{I_n^k+{\mathrm{\&sigma;}}^2})+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_k(P_k-\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{S}_n^k)+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_n^k{S}_n^k;$

其中，

表示第k个用户在第n个子频带上所分配的功率，λ_k和

分别为拉格朗日乘子，ω_k表示第k个用户的速率权系数，

表示第k个用户线路在第n个子频带上的传输系数，

表示第k个用户线路在第n个子频带上所受到的串扰，σ²表示噪声功率，P_k表示第k个用户的总功率门限；

对所述无约束问题的公式中的

求偏导，其中，

求偏导后的无约束问题中包括待定的税因子；

将所述税因子代入所述求偏导后的无约束问题，并根据预设的约束条件，对求偏导后的无约束问题进行求解，得到所述注水参数和所述每个用户在各子频带上所分配的功率；其中，所述预设的约束条件与所述求偏导后的无约束问题构成了所述有约束的频谱优化问题的KKT条件。

12.根据权利要求11所述的频谱优化系统，其特征在于，所述频谱管理中心包括：收集单元，更新单元以及传送单元；

所述收集单元，用于获取不同用户的信号串扰噪声比和功率谱参数，并将获取到的参数发送至更新单元；

所述更新单元，用于接收收集单元发送的参数，并根据所述参数更新税因子，并将更新后的税因子发送至传送单元；

所述传送单元，用于将接收到的税因子发送至数字用户线接入复用器。

13.根据权利要求11所述的频谱优化系统，其特征在于，所述数字用户线接入复用器包括：

频谱管理中心感知器，用于当频谱管理中心失效时，将税因子设置为0。

14.一种客户端设备，其特征在于，包括：

税因子接收单元，第一注水参数计算单元、第二注水参数计算单元、第二功率计算单元以及发送单元；

所述税因子接收单元用于接收携带用户串扰信息的税因子并将接收到的税因子发送至第一注水参数计算单元；

所述第一注水参数计算单元用于根据接收到的税因子计算每个用户的总功率小于或等于该用户总功率门限时对应的注水参数，并根据所述注水参数计算出每个用户在各子频带上所分配的功率，并将计算结果发送至发送单元；其中所述注水参数至少包括串扰项和所述税因子；其中，根据税因子计算每个用户的注水参数，以及根据注水参数计算出每个用户在各子频带上所分配的功率，包括：通过拉格朗日乘子的方法将有约束的频谱优化问题转化成无约束问题通过拉格朗日乘子的方法将有约束的频谱优化问题转化成无约束问题，得到如下公式：

$\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_k\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log (1+\frac{G_n^{\mathrm{kk}}{S}_n^k}{I_n^k+{\mathrm{\&sigma;}}^2})+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_k(P_k-\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{S}_n^k)+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_n^k{S}_n^k;$

其中，表示第k个用户在第n个子频带上所分配的功率，λ_k和分别为拉格朗日乘子，ω_k表示第k个用户的速率权系数，

表示第k个用户线路在第n个子频带上的传输系数，

表示第k个用户线路在第n个子频带上所受到的串扰，σ²表示噪声功率，P_k表示第k个用户的总功率门限；

对所述无约束问题的公式中的

求偏导，其中，

求偏导后的无约束问题中包括待定的税因子；

将所述税因子代入所述求偏导后的无约束问题，并根据预设的约束条件，对求偏导后的无约束问题进行求解，得到所述注水参数；其中，所述预设的约束条件与所述求偏导后的无约束问题构成了所述有约束的频谱优化问题的KKT条件；

所述第二功率计算单元根据所述第一注水参数计算单元计算出的注水参数计算出每个用户在各子频带上所分配的功率包括：

根据第一注水参数计算单元得到的所述注水参数以及预设的约束条件，对求偏导后的无约束问题进行求解，得到每个用户在各子频带上所分配的功率；

所述发送单元用于向频谱管理中心发送计算结果；

第二注水参数计算单元，用于根据频谱管理中心更新过税因子后再次计算每个用户在各子频带上所分配的功率直至收敛。

15.根据权利要求14所述的客户端设备，其特征在于，第一注水参数计算单元和第二注水参数计算单元集成在一起。

Images