CN101483874A - 分布式天线mimo-ofdma/sdma系统的上行资源分配方法 - Google Patents

Abstract

分布式天线MIMO－OFDMA/SDMA系统的上行资源分配方法涉及一种针对上行分布式天线MIMO－OFDMA/SDMA系统的低复杂度次优资源分配方法，该方法以系统吞吐量最大为目标首先在功率平均分配的假设下进行子载波分配，从而确定每个子载波上的用户分组，然后在子载波分配的基础之上利用有扰信道注水算法确定每个用户的注水水位，并在用户相应的子载波上进行功率分配。本发明所提资源分配方法能够在低复杂度的情况下为分布式天线MIMO－OFDMA/SDMA系统获得较高的上行系统容量。

Description

分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法

技术领域

本发明涉及一种分布式天线多输入多输出频分多址和空分多址(MIMO-OFDMA/SDMA)系统的上行资源分配方法，特别是涉及子载波分配和相应的功率分配方法，属于无线通信中的无线资源管理领域。

技术背景

分布式天线系统(DAS)将若干个从属于基站侧的天线分散开来放在小区的不同位置，减小了天线离移动台的平均距离，使频谱利用率较传统的将多个天线放在小区中心的集中式天线系统(CAS)有极大提高，因而成为目前的研究热点之一。正交频分复用技术(OFDM)技术由于其抗衰落、高频谱利用率等优点，已经成为未来移动通信系统的关键技术之一。

作为一种特殊的混合多址接入系统，分布式天线MIMO-OFDMA/SDMA系统在OFDM的每个子载波上引入空分多址(SDMA)，大大提高了频谱利用率，增加了系统容量，具有广阔的应用前景。与传统OFDMA问题类似，分布式天线MIMO-OFDMA/SDMA系统资源分配问题涉及子载波分配和功率分配。但由于不同用户可以共享同一子载波，存在于不同用户之间的共道干扰，使得资源分配问题变得更加复杂，对无线资源管理提出更高的要求。当前无线资源分配问题研究的热点是每个子载波只允许一个用户使用的OFDMA系统资源分配问题。文献“Wong C Y，Cheng R S.MultiuserOFDM with adaptive subcarrier bit and power allocation，IEEE Journal on Selected Areas inCommunications[J].1999，17(10)：1747～1758”研究了下行OFDMA资源分配问题；文献“Kim H，Kim Y，Han S L，et al.Joint subcarrier and power allocation in uplink OFDMAsystems[J].IEEE Communications Letters，2005，9(6)：526～528.”和“Ng C Y，Sung C W.Lowcomplexity subcarrier and power allocation for utility maximization in uplink OFDMAsystems[J].IEEE Transactions on Wireless Communications，2008，17(5)：1657～1667”研究了上行OFDMA资源分配问题；文献“Bolcshei H，Gesbert D.On the capacity ofOFDM-based spatial multiplexing systems[J].IEEE Transaction on Information Theory，2005，51(2)：506～522”从理论上分析了OFDM-SDMA系统的容量，文中结果显示，OFDM-SDMA较OFDMA系统能够较显著地提升系统容量；文献“Koutsopoulos I，Tassiulas L.Adaptive resource allocation in SDMA-based wireless broadband networks withOFDM signaling[C]//INFCOM 2002.New York，USA，2002：1376～1385”和“Bartolome D，Perez-Neira A I，Practical implementation of bit loading schemes for multiantenna multiuserwireless OFDM systems[J].IEEE Transaction on Communications，2007，55(8)：1577～1587”研究了OFDM-SDMA系统下行资源分配问题，在基站发射总功率约束条件下，最大化下行系统吞吐量。上行链路中，由于存在单用户最大功率约束，其资源分配问题比下行链路中显得更加复杂。文献“Zhang Y J，Letaief K B.Adaptive resource allocation formulti-access MIMO-OFDM systems with matched filtering[J].IEEE Transaction on WirelessCommunications，2005，53(11)：1810～1816”中针对MIMO-OFDM上行链路，以每个用户最低速率为约束，以最小化所有用户功率之和为优化目标，但文中没有考虑单用户功率约束。

发明内容

技术问题：针对分布式天线MIMO-OFDMA/SDMA系统中上行无线资源分配问题，本发明提出一种次优资源分配算法，该算法首先在功率平均分配的假设下进行子载波分配，从而确定每个子载波上的用户分组，然后在子载波分配的基础之上利用有扰信道注水算法确定每个用户的注水水位，并在每个载波上进行功率分配。

技术方案：本发明提出一种分布式天线MIMO-OFDMA/SDMA系统中的上行资源分配方法，该方法的具体实现包括以下两个步骤：

第一步：在功率平均分配的假设下，将子载波分配给各个用户，称之为子载波分配；

第二步：利用本发明所提出的有扰信道注水算法将各用户的功率分配到各自的子载波，称之为子载波功率分配。

上述分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法，其实现步骤中的第一步子载波分配方法包括以下步骤：

1)定义c_k，m∈{0，1}为用户k使用子载波m的指示变量，若用户k使用子载波m发送数据则c_k，m＝1，反之c_k，m＝0，m＝1，2，…，M，k＝1，2，…，K，M为系统可用子载波数，K为系统中的移动用户数；令所有c_k，m＝1，已分配子载波集合未分配子载波集合M_ua＝{1，2，…，M}；

2)对于用户k，将用户k的最大发射功率P_k在系统可用的M个子载波上平均分配，即用户k在子载波m上的发送功率p_k，m＝P_k/M；

3)选择载波m^*，使 $(m^{*},k^{*})=\arg \underset{m\∈M_{\mathrm{ua}},1\≤k\≤K}{\max }\left\{{\mathrm{\λ}}_{k,m}\right\},$ 执行以下步骤为载波m^*选择用户，其中λ_k，m＝log₂(1+γ_k，m)+β_k，m， ${\mathrm{\γ}}_{k,m}=\frac{p_{k,m}{g}_{k,m}}{{\mathrm{\σ}}^2+I_{k,m}},$ $g_{k,m}=d_{k,m}^2$ 为用户k在子载波m上的信道增益，d_k，m表示第m个子载波上用户k的信道矩阵

的最大奇异值， $I_{k,m}=\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{c}_{i,m}{\left({\mathrm{\ρ}}_{i,k}^m\right)}^2{p}_{i,m}{g}_{i,m}$ 表示用户k，在载波m上受到其他用户的干扰大小， ${\mathrm{\ρ}}_{i,k}^m={\left(u_m^i\right)}^H{u}_m^k$ 表示用户i和用户k在子载波m上的空间相关系数，表示的最大奇异值d_k，m对应的奇异向量， ${\mathrm{\β}}_{k,m}=-\frac{1}{\ln 2}{p}_{k,m}{g}_{k,m}\underset{j=1,j\≠k}{\overset{K}{\mathrm{\Σ}}}\frac{c_{j,m}{\left({\mathrm{\ρ}}_{k,j}^m\right)}^2{p}_{j,m}{g}_{j,m}}{(1+{\mathrm{\γ}}_{j,m}){(I_{j,m}+{\mathrm{\σ}}^2)}^2}$ 表示在子载波m上其他用户的总容量相对于c_k，m的变化率，σ²为噪声功率，

①令 $c_{k^{*},m^{*}}=1,$ 令 $c_{k,m^{*}}=0,$ 令已选用户集合U_a＝{k^*}，未选用户集合U_ua＝{1，2，…，K}\{k^*}；计算已选用户集合U_a的系统容量 $R_{m^{*},k^{*}}=\log (1+p_{k,m^{*}}{g}_{k,m^{*}}/{\mathrm{\σ}}^2),$ 并记最大容量 $R_{m^{*}}^{\max }=R_{m^{*},k^{*}};$

②计算U_ua中每一个用户分配到子载波m^*上对应的

，更新k^*： $k^{*}=\arg \underset{k\∈U_{\mathrm{ua}}}{\max }\left\{{\mathrm{\λ}}_{k,m^{*}}\right\};$ 更新

$R_{m^{*},k^{*}}=\underset{k\∈U_a\∪\left\{k^{*}\right\}}{\mathrm{\Σ}}\log (1+\frac{p_{k,m^{*}}{g}_{k,m^{*}}}{I_{k,m^{*}}+{\mathrm{\σ}}^2});$

③若 $R_{m^{*},k^{*}}>R_{m^{*}}^{\max },$ 且|U_a|<Q，Q表示每个子载波上最多复用的用户数，则令 $c_{k^{*},m^{*}}=1,$ $U_a=U_a\&cup;\left\{k^{*}\right\},$ U_ua＝U_ua\{k^*}，转②；若 $R_{m^{*},k^{*}}\&le;R_{m^{*}}^{\max },$ 或|U_a|＝Q，转④；

④该载波分配完成，令M_a＝M_a∪{m^*}，M_ua＝M_ua\{m^*}，转到4)；

4)如果|M_a|<M，转到2)；否则，子载波分配算法结束。

上述分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法，其实现步骤中的第二步子载波功率分配方法包括以下步骤：

1)若c_k，m＝1，则令 $p_{k,m}={\stackrel{\&OverBar;}{P}}_k/\left(\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{c}_{k,m}\right),$ 若c_k，m＝0，则令p_k，m＝0；令系统容量 $R_{\mathrm{total}}^{\mathrm{old}}=0;$

2)迭代功率分配过程，令k＝1

①计算用户k的干扰量 $I_{k,m}=\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{i,m}{\left({\mathrm{\&rho;}}_{i,k}^m\right)}^2{p}_{i,m}{g}_{i,m}$ 和干扰率 ${\mathrm{\&eta;}}_{k,m}=\frac{1}{\ln 2}\underset{j\&NotEqual;k}{\overset{K}{\underset{j=1}{\mathrm{\&Sigma;}}}}[\frac{1}{I_{j,m}+{\mathrm{\&sigma;}}^2+p_{j,m}{g}_{j,m}}-\frac{1}{I_{j,m}+{\mathrm{\&sigma;}}^2}]c_{j,m}{\left({\mathrm{\&rho;}}_{k,j}^m\right)}^2{g}_{k,m};$

②利用有扰信道注水算法求解用户功率p_k，m；

③计算用户k在载波m上的信干噪比 ${\mathrm{\&gamma;}}_{k,m}=\frac{p_{k,m}{g}_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2};$

④如果k<K，k＝k+1，转到①；否则，转到3)；

3)更新系统容量： $R_{\mathrm{total}}^{\mathrm{new}}=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{R}_m^{\max },$ 如果满足 $R_{\mathrm{total}}^{\mathrm{new}}-R_{\mathrm{total}}^{\mathrm{old}}\&le;0.05R_{\mathrm{total}}^{\mathrm{old}},$ 子载波功率分配算法结束；否则，令 $R_{\mathrm{total}}^{\mathrm{old}}=R_{\mathrm{total}}^{\mathrm{new}},$ 转到2)。

上述分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法，其子载波功率分配方法中的第二步有扰信道注水算法包括以下步骤：

1)记用户k选择的子载波集合大小为M_k，计算用户k在各子载波上对应的 ${\mathrm{\&alpha;}}_{k,m}=\frac{g_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2}+{\mathrm{\&eta;}}_{k,m},$ 并对α_k，m进行升序排列，记排列后的值为 $\{{\mathrm{\&alpha;}}_k^1,{\mathrm{\&alpha;}}_k^2,...,{\mathrm{\&alpha;}}_k^{M_k}\}$ 记 ${\mathrm{\&mu;}}_k^{\mathrm{up}}=\underset{m}{\max }\left\{{\mathrm{\&alpha;}}_{k,m}\right\},$ ${\mathrm{\&mu;}}_k^{\mathrm{down}}=\max \{\underset{m}{\min }\{\frac{g_{k,m}}{{\stackrel{\&OverBar;}{P}}_k{g}_{k,m}+I_{k,m}+{\mathrm{\&sigma;}}^2}+{\mathrm{\&eta;}}_{k,m}\},0\},$ 令循环标志l＝1；

2)令 ${\mathrm{\&mu;}}_k={\mathrm{\&alpha;}}_k^l,$ 计算 $f\left({\mathrm{\&mu;}}_k\right)=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\max \{\frac{1}{{\mathrm{\&mu;}}_k-{\mathrm{\&eta;}}_{k,m}}-\frac{I_{k,m}+{\mathrm{\&sigma;}}^2}{g_{k,m}},0\};$

3)若f(μ_k)≥P_k，令 ${\mathrm{\&mu;}}_k^{\mathrm{down}}={\mathrm{\&alpha;}}_k^l,$ 转到4)；否则，令 ${\mathrm{\&mu;}}_k^{\mathrm{up}}={\mathrm{\&alpha;}}_k^l,$ l＝l+1，转到2)；

4)令 ${\mathrm{\&mu;}}_k^{\mathrm{temp}}=({\mathrm{\&mu;}}_k^{\mathrm{down}}+{\mathrm{\&mu;}}_k^{\mathrm{up}})/2,$ 计算 $f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k;$

5)令算法门限值ε＝0.1，如果 $|f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k|>\mathrm{\&epsiv;},$ 且 $f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k>0,$ 则 ${\mathrm{\&mu;}}_k^{\mathrm{down}}={\mathrm{\&mu;}}_k^{\mathrm{temp}},$ 转到4)；如果 $|f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k|>\mathrm{\&epsiv;},$ 且 $f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k<0,$ 则 ${\mathrm{\&mu;}}_k^{\mathrm{up}}={\mathrm{\&mu;}}_k^{\mathrm{temp}},$ 转到4)；如果 $|f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k|\&le;\mathrm{\&epsiv;},$ 则令注水水位 ${\mathrm{\&mu;}}_k^{*}={\mathrm{\&mu;}}_k^{\mathrm{temp}},$ 转到6)；

6)计算用户功率 $p_{k,m}=\max \{\frac{1}{{\mathrm{\&mu;}}_k^{*}-{\mathrm{\&eta;}}_{k,m}}-\frac{I_{k,m}+{\mathrm{\&sigma;}}^2}{c_{k,m}{g}_{k,m}},0\},$ 有扰信道注水算法结束。

有益效果：与现有技术方案相比，本发明提出的分布式天线MIMO-OFDMA/SDMA系统上行无线资源分配方法以系统吞吐量最大化为目标，首先在功率平均分配的假设下进行子载波分配，从而确定每个子载波上的用户分组，然后在子载波分配的基础之上利用有扰信道注水算法确定每个用户的注水水位，并在每个载波上进行功率分配，因而该方法能够在低复杂度的情况下获得很好的系统容量，具有广阔的应用前景。

附图说明

图1为MIMO-OFDMA/SDMA系统上行链路结构图。

图2为分布式天线MIMO-OFDMA/SDMA系统上行资源分配方法流程图。

图3为分布式天线MIMO-OFDMA/SDMA系统上行资源分配方法性能。

具体实施方式

本发明提出一种分布式天线MIMO-OFDMA/SDMA系统中的上行资源分配方法，该方法的具体实现包括以下两个步骤：

第一步：在功率平均分配的假设下，将子载波分配给各个用户，称之为子载波分配；

第二步：利用本发明所提出的有扰信道注水算法将各用户的功率分配到各自的子载波，称之为子载波功率分配。

上述分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法，其实现步骤中的第一步子载波分配方法包括以下步骤：

1)定义c_k，m∈{0，1}为用户k使用子载波m的指示变量，若用户k使用子载波m发送数据则c_k，m＝1，反之c_k，m＝0，m＝1，2，…，M，k＝1，2，…，K，M为系统可用子载波数，K为系统中的移动用户数；令所有c_k，m＝1，已分配子载波集合

未分配子载波集合M_ua＝{1，2，…，M}；

2)对于用户k，将用户k的最大发射功率P_k在系统可用的M个子载波上平均分配，即用户k在子载波m上的发送功率p_k，m＝P_k/M；

3)选择载波m^*，使 $(m^{*},k^{*})=\arg \underset{m\&Element;M_{\mathrm{ua}},1\&le;k\&le;K}{\max }\left\{{\mathrm{\&lambda;}}_{k,m}\right\},$ 执行以下步骤为载波m^*选择用户，其中λ_k，m＝log₂(1+γ_k，m)+β_k，m， ${\mathrm{\&gamma;}}_{k,m}=\frac{p_{k,m}{g}_{k,m}}{{\mathrm{\&sigma;}}^2+I_{k,m}},$ $g_{k,m}=d_{k,m}^2$ 为用户k在子载波m上的信道增益，d_k，m表示第m个子载波上用户k的信道矩阵

的最大奇异值， $I_{k,m}=\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{i,m}{\left({\mathrm{\&rho;}}_{i,k}^m\right)}^2{p}_{i,m}{g}_{i,m}$ 表示用户k，在载波m上受到其他用户的干扰大小， ${\mathrm{\&rho;}}_{i,k}^m={\left(u_m^i\right)}^H{u}_m^k$ 表示用户i和用户k在子载波m上的空间相关系数，表示

的最大奇异值d_k，m对应的奇异向量， ${\mathrm{\&beta;}}_{k,m}=-\frac{1}{\ln 2}{p}_{k,m}{g}_{k,m}\underset{j=1,j\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\frac{c_{j,m}{\left({\mathrm{\&rho;}}_{k,j}^m\right)}^2{p}_{j,m}{g}_{j,m}}{(1+{\mathrm{\&gamma;}}_{j,m}){(I_{j,m}+{\mathrm{\&sigma;}}^2)}^2}$ 表示在子载波m上其他用户的总容量相对于c_k，m的变化率，σ²为噪声功率，

①令 $c_{k^{*},m^{*}}=1,$ 令 $c_{k,m^{*}}=0,$ 令已选用户集合U_a＝{k^*}，未选用户集合U_ua＝{1，2，…，K}\{k^*}；计算已选用户集合U_a的系统容量 $R_{m^{*},k^{*}}=\log (1+p_{k,m^{*}}{g}_{k,m^{*}}/{\mathrm{\&sigma;}}^2),$ 并记最大容量 $R_{m^{*}}^{\max }=R_{m^{*},k^{*}};$

②计算U_ua中每一个用户分配到子载波m^*上对应的

，更新k^* $k^{*}=\arg \underset{k\&Element;U_{\mathrm{ua}}}{\max }\left\{{\mathrm{\&lambda;}}_{k,m^{*}}\right\};$ 更新

$R_{m^{*},k^{*}}=\underset{k\&Element;U_a\&cup;\left\{k^{*}\right\}}{\mathrm{\&Sigma;}}\log (1+\frac{p_{k,m^{*}}{g}_{k,m^{*}}}{I_{k,m^{*}}+{\mathrm{\&sigma;}}^2});$

③若 $R_{m^{*},k^{*}}>R_{m^{*}}^{\max },$ 且|U_a|<Q，Q表示每个子载波上最多复用的用户数，则令 $c_{k^{*},m^{*}}=1,$ U_a＝U_a∪{k^*}，U_ua＝U_ua\{k^*}，转②；若 $R_{m^{*},k^{*}}\&le;R_{m^{*}}^{\max },$ 或|U_a|＝Q，转④；

④该载波分配完成，令M_a＝M_a∪{m^*}，M_ua＝M_ua\{m^*}，转到4)；

4)如果|M_a|<M，转到2)；否则，子载波分配算法结束。

上述分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法，其实现步骤中的第二步子载波功率分配方法包括以下步骤：

1)若c_k，m＝1，则令 $p_{k,m}={\stackrel{\&OverBar;}{P}}_k/\left(\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{c}_{k,m}\right),$ 若c_k，m＝0，则令p_k，m＝0；令系统容量 $R_{\mathrm{total}}^{\mathrm{old}}=0;$

2)迭代功率分配过程，令k＝1

①计算用户k的干扰量 $I_{k,m}=\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{i,m}{\left({\mathrm{\&rho;}}_{i,k}^m\right)}^2{p}_{i,m}{g}_{i,m}$ 和干扰率 ${\mathrm{\&eta;}}_{k,m}=\frac{1}{\ln 2}\underset{j\&NotEqual;k}{\overset{K}{\underset{j=1}{\mathrm{\&Sigma;}}}}[\frac{1}{I_{j,m}+{\mathrm{\&sigma;}}^2+p_{j,m}{g}_{j,m}}-\frac{1}{I_{j,m}+{\mathrm{\&sigma;}}^2}]c_{j,m}{\left({\mathrm{\&rho;}}_{k,j}^m\right)}^2{g}_{k,m};$

②利用有扰信道注水算法求解用户功率p_k，m；

③计算用户k在载波m上的信干噪比 ${\mathrm{\&gamma;}}_{k,m}=\frac{p_{k,m}{g}_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2};$

④如果k<K，k＝k+1，转到①；否则，转到3)；

3)更新系统容量： $R_{\mathrm{total}}^{\mathrm{new}}=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{R}_m^{\max },$ 如果满足 $R_{\mathrm{total}}^{\mathrm{new}}-R_{\mathrm{total}}^{\mathrm{old}}\&le;0.05R_{\mathrm{total}}^{\mathrm{old}},$ 子载波功率分配算法结束；否则，令 $R_{\mathrm{total}}^{\mathrm{old}}=R_{\mathrm{total}}^{\mathrm{new}},$ 转到2)。

上述分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法，其子载波功率分配方法中的第二步有扰信道注水算法包括以下步骤：

1)记用户k选择的子载波集合大小为M_k，计算用户k在各子载波上对应的 ${\mathrm{\&alpha;}}_{k,m}=\frac{g_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2}+{\mathrm{\&eta;}}_{k,m},$ 并对α_k，m进行升序排列，记排列后的值为 $\{{\mathrm{\&alpha;}}_k^1,{\mathrm{\&alpha;}}_k^2,...,{\mathrm{\&alpha;}}_k^{M_k}\}$ 记 ${\mathrm{\&mu;}}_k^{\mathrm{up}}=\underset{m}{\max }\left\{{\mathrm{\&alpha;}}_{k,m}\right\},$ ${\mathrm{\&mu;}}_k^{\mathrm{down}}=\max \{\underset{m}{\min }\{\frac{g_{k,m}}{{\stackrel{\&OverBar;}{P}}_k{g}_{k,m}+I_{k,m}+{\mathrm{\&sigma;}}^2}+{\mathrm{\&eta;}}_{k,m}\},0\},$ 令循环标志l＝1；

2)令 ${\mathrm{\&mu;}}_k={\mathrm{\&alpha;}}_k^l,$ 计算 $f\left({\mathrm{\&mu;}}_k\right)=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\max \{\frac{1}{{\mathrm{\&mu;}}_k-{\mathrm{\&eta;}}_{k,m}}-\frac{I_{k,m}+{\mathrm{\&sigma;}}^2}{g_{k,m}},0\};$

3)若f(μ_k)≥P_k，令 ${\mathrm{\&mu;}}_k^{\mathrm{down}}={\mathrm{\&alpha;}}_k^l,$ 转到4)；否则，令 ${\mathrm{\&mu;}}_k^{\mathrm{up}}={\mathrm{\&alpha;}}_k^l,$ l＝l+1，转到2)；

4)令 ${\mathrm{\&mu;}}_k^{\mathrm{temp}}=({\mathrm{\&mu;}}_k^{\mathrm{down}}+{\mathrm{\&mu;}}_k^{\mathrm{up}})/2,$ 计算 $f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k;$

5)令算法门限值ε＝0.1，如果 $|f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k|>\mathrm{\&epsiv;},$ 且 $f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k>0,$ 则 ${\mathrm{\&mu;}}_k^{\mathrm{down}}={\mathrm{\&mu;}}_k^{\mathrm{temp}},$ 转到4)；如果 $|f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k|>\mathrm{\&epsiv;},$ 且 $f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k<0,$ 则 ${\mathrm{\&mu;}}_k^{\mathrm{up}}={\mathrm{\&mu;}}_k^{\mathrm{temp}},$ 转到4)；如果 $|f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k|\&le;\mathrm{\&epsiv;},$ 则令注水水位 ${\mathrm{\&mu;}}_k^{*}={\mathrm{\&mu;}}_k^{\mathrm{temp}},$ 转到6)；

6)计算用户功率 $p_{k,m}=\max \{\frac{1}{{\mathrm{\&mu;}}_k^{*}-{\mathrm{\&eta;}}_{k,m}}-\frac{I_{k,m}+{\mathrm{\&sigma;}}^2}{c_{k,m}{g}_{k,m}},0\},$ 有扰信道注水算法结束。

下面参照附图对本发明的具体实施方案作出更为详细地说明。研究采用MIMO-OFDMA/SDMA传输体制的单小区蜂窝移动通信系统上行资源分配问题。假设小区中共有K个移动用户(UE)，小区中央放置一个基站(BS)；每个UE有N_t根发射天线，BS端有N_r根接收天线；系统共有M个可用子载波，每个子载波上最多可以复用Q个用户，用户k的最大发射功率是P_k。令 $x_m={(x_m^1,x_m^2,\&CenterDot;\&CenterDot;\&CenterDot;,x_m^K)}^H,$ 其中

表示载波m上第k个用户的发送信号，这些用户的信号彼此独立，并且具有单位能量，所以满足E{x_m(x_m)^H}＝I_K×K。用

表示第m个子载波上用户k的信道矩阵，

表示第m个子载波上的噪声矢量，p_k，m表示用户k在子载波m上的发送功率，c_k，m∈{0，1}为子载波使用指示变量，若用户k使用了子载波m发送数据则c_k，m＝1，反之c_k，m＝0。室外环境中信道矩阵的最大奇异值d_k，m要远远大于其他的奇异值，用户k与BS之间链路的能量主要集中在d_k，m对应的等效空间子信道上，可以用d_k，m代表用户k在载波m上的信道增益，其对应的奇异向量分别为

假设发送端和接收端均完全知道信道信息，则采用

和实现发送预滤波和接收端滤波可以使接收SNR最大，系统结构如图1所示。发送端对信号

乘上向量

变成一个N_t×1的向量，将其各个分量通过N_t根天线发射出去，基站的N_r根接收天线通过子载波m接收到的所有UE的信号之和可以表示为

$y_m=\underset{l=1}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{l,m}{H}_m^l{v}_m^l\sqrt{p_{l,m}}{x}_m^l+n_m---\left(1\right)$

接收端采用波束成型方法，对于所有c_k，m＝1的用户k，将接收向量y_m乘以

则用户k的接收数据为

$y_{k,m}={\left(u_m^k\right)}^H{y}_m=d_{k,m}\sqrt{p_{k,m}}{x}_m^k+\underset{l=1,l\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{l,m}{\mathrm{\&rho;}}_{\mathrm{kl}}^m{d}_{l,m}\sqrt{p_{l,m}}{x}_m^l+{\left(u_m^k\right)}^H{n}_m---\left(2\right)$

其中， ${\mathrm{\&rho;}}_{\mathrm{ij}}^m={\left(u_m^i\right)}^H{u}_m^j$ 表示用户i和用户j在子载波m上的空间相关系数。式(1)中第一项表示用户期望接收的信号，第二项表示其他用户造成的共道干扰，第三项表示背景噪声。记信道增益 $g_{k,m}=d_{k,m}^2,$ 则由式(2)可以得到用户k在载波m上的信干噪比(SINR)为

${\mathrm{\&gamma;}}_{k,m}=\frac{p_{k,m}{g}_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2}---\left(3\right)$

其中σ²为噪声功率，I_k，m表示用户k在载波m上受到其他用户的干扰大小，表达式为

$I_{k,m}=\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{i,m}{\left({\mathrm{\&rho;}}_{i,k}^m\right)}^2{p}_{i,m}{g}_{i,m}---\left(4\right)$

本发明关注的问题是考虑用户发送功率约束和每载波上最大复用用户数限制，如何进行载波分配和功率分配，最大化MIMO-OFDMA/SDMA系统上行链路容量，该问题可以描述为以下优化模型：

$\underset{(C,P)}{\max }\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{k,m}\log (1+{\mathrm{\&gamma;}}_{k,m})$

s.t.

C1： $\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{k,m}\&le;Q,c_{k,m}\&Element;\left\{\mathrm{0,1}\right\},m=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;M---\left(5\right)$

C2： $\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{p}_{k,m}\&le;{\stackrel{\&OverBar;}{P}}_k,p_{k,m}\&GreaterEqual;0,k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;K$

C3： ${\mathrm{\&gamma;}}_{k,m}=\frac{p_{k,m}{g}_{k,m}}{{\mathrm{\&sigma;}}^2+I_{k,m}},k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;K,m=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;M$

其中，C＝(c_i，j)_{1≤i≤K，1≤j≤M}，P＝(p_i，j)_{1≤i≤K，1≤j≤M}。优化问题的目标函数采用了Shannon信道容量，因此该优化问题实际上是为每个用户选择子载波并分配发送功率，使得Shannon信道容量达到最大。条件C1表示了每个载波上的用户复用数不能超过Q；条件C2表示用户在所有子载波上的功率和不能超过最大发射功率P_k。

显然，式(5)所定义的优化问题是一个混合整数规划问题，目前没有多项式时间求解算法。本文提出一种次最优算法，将优化问题分解为子载波分配和子载波功率分配两个步骤，其中子载波分配方法在功率平均分配的假设下进行；子载波功率分配方法在载波分配完成基础上，考虑同一载波上其它用户的干扰的，对用户的功率在不同载波上进行注水分配。

将条件C1的整数约束松弛为实数域的约束，即c_k，m∈[0，1]，构造拉格朗日函数

$L(C,P,\mathrm{\&lambda;},\mathrm{\&mu;})=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{k,m}\log (1+{\mathrm{\&gamma;}}_{k,m})-\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_m(Q-\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{k,m})$           (6)

          $-\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_k({\stackrel{\&OverBar;}{P}}_k-\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{p}_{k,m})$

其中λ＝(λ₁，λ₂，…，λ_M)，μ＝(μ₁，μ₂，…，μ_K)为拉格朗日乘子。对c_k，m求偏导得到

$\frac{\&PartialD;L}{{\&PartialD;c}_{k,m}}=\log (1+{\mathrm{\&gamma;}}_{k,m})+{\mathrm{\&beta;}}_{k,m}-{\mathrm{\&lambda;}}_m---\left(7\right)$

其中

${\mathrm{\&beta;}}_{k,m}=-\frac{1}{\ln 2}{p}_{k,m}{g}_{k,m}\underset{j=1,j\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\frac{c_{j,m}{\left({\mathrm{\&rho;}}_{k,j}^m\right)}^2{p}_{j,m}{g}_{j,m}}{(1+{\mathrm{\&gamma;}}_{j,m}){(I_{j,m}+{\mathrm{\&sigma;}}^2)}^2}---\left(8\right)$

β_k，m的表达式体现了子载波m上其他用户的总容量相对于c_k，m的变化率。根据求解优化问题的KKT条件最优解应当满足下列条件

$\frac{\&PartialD;L}{{\&PartialD;c}_{k,m}}\left\{\begin{array}{cc}\&le;0& c_{k,m}=0\\ =0& c_{k,m}\&Element;\left(\mathrm{0,1}\right]\end{array}\right.---\left(9\right)$

由式(7)和(9)得到

${\mathrm{\&lambda;}}_m\&GreaterEqual;\log (1+{\mathrm{\&gamma;}}_{k,m})+{\mathrm{\&beta;}}_{k,m}\stackrel{\mathrm{\&Delta;}}{=}{\mathrm{\&lambda;}}_{k,m}---\left(10\right)$

当c_k，m非零时，上式取等号。式(10)表明：应当选取那些λ_k，m大的用户k分配到子载波m上。所以，在下面所提出的载波分配算法中，就以λ_k，m作为子载波分配的指标。本发明在假定用户功率在各子载波上平均分配的条件下，进行子载波分配。对待分配子载波，每次选择使λ_k，m最大的用户加入已选用户集合，直到已选用户数达到最大复用用户数或者载波容量开始降低为止，该算法的步骤如表1所示。

表1 载波分配算法

拉格朗日函数L(C，P，λ，μ)对p_k，m求偏导

$\frac{\&PartialD;L}{{\&PartialD;p}_{k,m}}=\frac{c_{k,m}}{\ln 2}\frac{1}{1+{\mathrm{\&gamma;}}_{k,m}}\frac{g_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2}-{\mathrm{\&mu;}}_k+{\mathrm{\&eta;}}_{k,m}---\left(11\right)$

其中

${\mathrm{\&eta;}}_{k,m}=\frac{1}{\ln 2}\stackrel{K}{\underset{j=1,j\&NotEqual;k}{\mathrm{\&Sigma;}}}[\frac{1}{I_{j,m}+{\mathrm{\&sigma;}}^2+p_{j,m}{g}_{j,m}}-\frac{1}{I_{j,m}+{\mathrm{\&sigma;}}^2}]c_{j,m}{\left({\mathrm{\&rho;}}_{k,j}^m\right)}^2{g}_{k,m}---\left(12\right)$

干扰率指标η_k，m表示用户k对分配在载波m上的其他用户造成干扰的水平，显然η_k，m≤0，表示其他用户的信道容量随p_k，m的增加而减小。

根据KKT条件，对于p_k，m>0的载波，由 $\&PartialD;L/{\&PartialD;p}_{k,m}=0$ 得

$\frac{c_{k,m}}{1+{\mathrm{\&gamma;}}_{k,m}}\frac{g_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2}-{\mathrm{\&mu;}}_k\ln 2+{\mathrm{\&eta;}}_{k,m}=0---\left(13\right)$

其中

${\mathrm{\&eta;}}_{k,m}=\frac{1}{\ln 2}\underset{j=1,j\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}[\frac{1}{I_{j,m}+{\mathrm{\&sigma;}}^2+p_{j,.m}{g}_{j,m}}-\frac{1}{I_{j,m}+{\mathrm{\&sigma;}}^2}]c_{j,m}{\left({\mathrm{\&rho;}}_{k,j}^2\right)}^2{g}_{k,m}---\left(14\right)$

将ln2归并到μ_k中，有

$\left\{\begin{array}{c}{\mathrm{\&mu;}}_k=\frac{c_{k,m}{g}_{k,m}}{p_{k,m}{g}_{k,m}+I_{k,m}+{\mathrm{\&sigma;}}^2}+{\mathrm{\&eta;}}_{k,m}\\ p_{k,m}=\max \{\frac{1}{{\mathrm{\&mu;}}_k-{\mathrm{\&eta;}}_{k,m}}-\frac{I_{k,m}+{\mathrm{\&sigma;}}^2}{c_{k,m}{g}_{k,m}},0\}\end{array}\right.---\left(15\right)$

式即为考虑了用户间干扰的多约束多水位注水算法的表达式。用户k在载波m上分配的功率是受到自身总功率和干扰水平这两个因素的限制。在每个载波m上，具体的水位是由μ_k和η_k，m共同决定的。μ_k是与用户k在所有载波上的水位相关；η_k，m体现了用户k对其他用户的干扰，考虑到对其他用户的干扰要维持在一个较低水平，需要为用户k在子载波m上少分配一些功率。如果没有干扰，式(15)就退化为传统多用户注水算法的表达式(15)在未选择载波上，即c_k，m＝0时，显然有p_k，m＝0。下面给出功率分配算法，该算法的步骤如表2所示。

上述功率分配算法用到了有扰信道注水算法，即在其他用户的功率分配不发生变化的假设下，考虑到用户k信道增益和各载波上的干扰水平，确定用户k的最优功率分配，最大化系统容量。由于无法给出简单形式的闭合解，采用搜索方法确定

令

$f\left({\mathrm{\&mu;}}_k\right)=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\max \{\frac{1}{{\mathrm{\&mu;}}_k-{\mathrm{\&eta;}}_{k,m}}-\frac{I_{k,m}+{\mathrm{\&sigma;}}^2}{g_{k,m}},0\}---\left(16\right)$

表2 功率分配算法

根据f(μ_k)与P_k的关系确定可行解

当p_k，m>0时，有

${\mathrm{\&mu;}}_k^{*}<\frac{g_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2}+{\mathrm{\&eta;}}_{k,m}---\left(17\right)$

定义

${\mathrm{\&alpha;}}_{k,m}\stackrel{\mathrm{\&Delta;}}{=}\frac{g_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2}+{\mathrm{\&eta;}}_{k,m},k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;K,m=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;M---\left(18\right)$

记

$\left\{\begin{array}{c}{\mathrm{\&mu;}}_k^{\mathrm{up}}\stackrel{\mathrm{\&Delta;}}{=}\underset{1\&le;m\&le;M}{\max }\left\{{\mathrm{\&alpha;}}_{k,m}\right\}\\ {\mathrm{\&mu;}}_k^{\mathrm{down}}\stackrel{\mathrm{\&Delta;}}{=}\max \{\underset{1\&le;m\&le;M}{\min }\{\frac{g_{k,m}}{{\stackrel{\&OverBar;}{P}}_k{g}_{k,m}+I_{k,m}+{\mathrm{\&sigma;}}^2}+{\mathrm{\&eta;}}_{k,m}\},0\},\end{array}\right.---\left(19\right)$

和

分别代表搜索过程中

的上界和下界。

根据以上分析，表3给出有扰信道注水算法的步骤。该算法首先对α_k，m进行排序，据此确定

的范围，然后再利用对分法，求出

的值，最后求出用户功率p_k，m。

表3 有扰信道注水算法

设置小区的半径为500m，系统采用0.5ms的子帧，每个子帧由6个OFDM符号组成，每个子信道的带宽为15KHz。无线信道模型考虑了路径损耗、阴影衰落和多径衰落。路径损耗采用Hata模型，L_path＝128.1+37.6log₁₀(d/1000)，其中d为移动用户到基站的距离，单位为m；阴影衰落服从均值为0dB，方差为8dB的对数正态分布；多径衰落采用Jacks模型产生的三径快衰落信道。假设系统有64个子载波，每个子载波上噪声功率设置为1.5×10^-12W，每个用户最大发射功率均为0.25W，用户端2根发送天线，基站端8根接收天线。

图3所示为分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法的性能比较，其中OFDMA上行资源分配算法采用Kim提出的方案。由仿真结果看出，分布式天线MIMO-OFDMA/SDMA系统与OFDMA系统的容量都随用户数增加而增加，这有两方面的原因，一是用户增加引起的多用户分集增益提升；二是新增用户引起系统可用总功率的增加。由于分布式天线MIMO-OFDMA/SDMA系统引入SDMA，允许不同用户共享子载波，其容量较OFDMA系统有明显增加；用户数越多，系统容量的增加越明显，这是因为随着用户数增加，信道正交性好的用户组合就随之增加；但在用户数很少时，信道正交性好的用户组合就比较少，分布式天线MIMO-OFDMA/SDMA系统的性能低于OFDMA系统。此外，Q＝3时性能最好，Q＝4时性能反而降低，这是由于引入了过多的用户间干扰，抵销了频率复用带来的性能增益。由此可得出结论，分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法能够在低复杂度的情况下获得很好的系统容量。

Claims (4)

1.一种分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法，其特征在于，该方法的具体实现包括以下两个步骤：

第一步：在功率平均分配的假设下，将子载波分配给各个用户，称之为子载波分配；

第二步：利用本发明所提出的有扰信道注水算法将各用户的功率分配到各自的子载波，称之为子载波功率分配。

2.如权利要求1所述的分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法，其特征在于，其实现步骤中的第一步子载波分配方法包括以下步骤：

1)定义c_k，m∈{0，1}为用户k使用子载波m的指示变量，若用户k使用子载波m发送数据则c_k，m＝1，反之c_k，m＝0，m＝1，2，…，M，k＝1，2，…，K，M为系统可用子载波数，K为系统中的移动用户数；令所有c_k，m＝1，已分配子载波集合

未分配子载波集合M_ua＝{1，2，…，M}；

2)对于用户k，将用户k的最大发射功率P_k在系统可用的M个子载波上平均分配，即用户k在子载波m上的发送功率p_k，m＝P_k/M；

3)选择载波m^*，使 $(m^{*},k^{*})=\arg \underset{m\&Element;M_{\mathrm{ua}},1\&le;k\&le;K}{\max }\left\{{\mathrm{\&lambda;}}_{k,m}\right\},$ 执行以下步骤为载波m^*选择用户，其中λ_k，m＝log₂(1+γ_k，m)+β_k，m， ${\mathrm{\&gamma;}}_{k,m}=\frac{p_{k,m}{g}_{k,m}}{{\mathrm{\&sigma;}}^2+I_{k,m}},$ $g_{k,m}=d_{k,m}^2$ 为用户k在子载波m上的信道增益，d_k，m表示第m个子载波上用户k的信道矩阵

的最大奇异值， $I_{k,m}=\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{i,m}{\left({\mathrm{\&rho;}}_{i,k}^m\right)}^2{p}_{i,m}{g}_{i,m}$ 表示用户k，在载波m上受到其他用户的干扰大小， ${\mathrm{\&rho;}}_{i,k}^m={\left(u_m^i\right)}^H{u}_m^k$ 表示用户i和用户k在子载波m上的空间相关系数，

表示

的最大奇异值d_k，m对应的奇异向量， ${\mathrm{\&beta;}}_{k,m}=-\frac{1}{\ln 2}{p}_{k,m}{g}_{k,m}\underset{j=1,j\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}\frac{c_{j,m}{\left({\mathrm{\&rho;}}_{k,j}^m\right)}^2{p}_{j,m}{g}_{j,m}}{(1+{\mathrm{\&gamma;}}_{j,m}){(I_{j,m}+{\mathrm{\&sigma;}}^2)}^2}$ 表示在子载波m上其他用户的总容量相对于c_k，m的变化率，σ²为噪声功率，

①令 $c_{k^{*},m^{*}}=1,$ 令 $c_{k,m^{*}}=0,$ 令已选用户集合U_a＝{k^*}，未选用户集合U_ua＝{1，2，…，K}\{k^*}；计算已选用户集合U_a的系统容量 $R_{m^{*},k^{*}}=\log (1+p_{k,m^{*}}{g}_{k,m^{*}}/{\mathrm{\&sigma;}}^2),$ 并记最大容量 $R_{m^{*}}^{\max }=R_{m^{*},k^{*}};$

②计算U_ua中每一个用户分配到子载波m^*上对应的更新k^*： $k^{*}=\arg \underset{k\&Element;U_{\mathrm{ua}}}{\max }\left\{{\mathrm{\&lambda;}}_{k,m^{*}}\right\};$ 更新

$R_{m^{*},k^{*}}=\underset{k\&Element;U_a\&cup;\left\{k^{*}\right\}}{\mathrm{\&Sigma;}}\log (1+\frac{p_{k,m^{*}}{g}_{k,m^{*}}}{I_{k,m^{*}}+{\mathrm{\&sigma;}}^2});$

③若 $R_{m^{*},k^{*}}>R_{m^{*}}^{\max },$ 且|U_a|<Q，Q表示每个子载波上最多复用的用户数，则令 $c_{k^{*},m^{*}}=1,$ U_a＝U_a∪{k^*}，U_ua＝U_ua\{k^*}，转②；若 $R_{m^{*},k^{*}}\&le;R_{m^{*}}^{\max },$ 或|U_a|＝Q，转④；

④该载波分配完成，令M_a＝M_a∪{m^*}，M_ua＝M_ua\{m^*}，转到4)；

4)如果|M_a|<M，转到2)；否则，子载波分配算法结束。

3.如权利要求1所述的分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法，其特征在于，其实现步骤中的第二步子载波功率分配方法包括以下步骤：

1)若c_k，m＝1，则令 $p_{k,m}={\stackrel{\&OverBar;}{P}}_k/\left(\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{c}_{k,m}\right),$ 若c_k，m＝0，则令p_k,m＝0；令系统容量 $R_{\mathrm{total}}^{\mathrm{old}}=0;$

2)迭代功率分配过程，令k＝1

①计算用户k的干扰量 $I_{k,m}=\underset{i=1,i\&NotEqual;k}{\overset{K}{\mathrm{\&Sigma;}}}{c}_{i,m}{\left({\mathrm{\&rho;}}_{i,k}^m\right)}^2{p}_{i,m}{g}_{i,m}$ 和干扰率 ${\mathrm{\&eta;}}_{k,m}=\frac{1}{\ln 2}\underset{j\&NotEqual;k}{\overset{K}{\underset{j=1}{\mathrm{\&Sigma;}}}}[\frac{1}{I_{j,m}+{\mathrm{\&sigma;}}^2+p_{j,m}{g}_{j,m}}-\frac{1}{I_{j,m}+{\mathrm{\&sigma;}}^2}]c_{j,m}{\left({\mathrm{\&rho;}}_{k,j}^m\right)}^2{g}_{k,m};$

②利用有扰信道注水算法求解用户功率p_k，m；

③计算用户k在载波m上的信干噪比 ${\mathrm{\&gamma;}}_{k,m}=\frac{p_{k,m}{g}_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2};$

④如果k<K，k＝k+1，转到①；否则，转到3)；

3)更新系统容量： $R_{\mathrm{total}}^{\mathrm{new}}=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{R}_m^{\max },$ 如果满足 $R_{\mathrm{total}}^{\mathrm{new}}-R_{\mathrm{total}}^{\mathrm{old}}\&le;0.05R_{\mathrm{total}}^{\mathrm{old}},$ 子载波功率分配算法结束；否则，令 $R_{\mathrm{total}}^{\mathrm{old}}=R_{\mathrm{total}}^{\mathrm{new}},$ 转到2)。

4.如权利要求1所述的分布式天线MIMO-OFDMA/SDMA系统的上行资源分配方法，其特征在于，其子载波功率分配方法中的第二步有扰信道注水算法包括以下步骤：

1)记用户k选择的子载波集合大小为M_k，计算用户k在各子载波上对应的 ${\mathrm{\&alpha;}}_{k,m}=\frac{g_{k,m}}{I_{k,m}+{\mathrm{\&sigma;}}^2}+{\mathrm{\&eta;}}_{k,m},$ 并对α_k，m进行升序排列，记排列后的值为 $\{{\mathrm{\&alpha;}}_k^1,{\mathrm{\&alpha;}}_k^2,...,{\mathrm{\&alpha;}}_k^{M_k}\},$ 记 ${\mathrm{\&mu;}}_k^{\mathrm{up}}=\underset{m}{\max }\left\{{\mathrm{\&alpha;}}_{k,m}\right\},$ ${\mathrm{\&mu;}}_k^{\mathrm{down}}=\max \{\underset{m}{\min }\{\frac{g_{k,m}}{{\stackrel{\&OverBar;}{P}}_k{g}_{k,m}+I_{k,m}+{\mathrm{\&sigma;}}^2}+{\mathrm{\&eta;}}_{k,m}\},0\},$ 令循环标志l＝1；

2)令 ${\mathrm{\&mu;}}_k={\mathrm{\&alpha;}}_k^l,$ 计算 $f\left({\mathrm{\&mu;}}_k\right)=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\max \{\frac{1}{{\mathrm{\&mu;}}_k-{\mathrm{\&eta;}}_{k,m}}-\frac{I_{k,m}+{\mathrm{\&sigma;}}^2}{g_{k,m}},0\};$

3)若f(μ_k)≥P_k，令 ${\mathrm{\&mu;}}_k^{\mathrm{down}}={\mathrm{\&alpha;}}_k^l,$ 转到4)；否则，令 ${\mathrm{\&mu;}}_k^{\mathrm{up}}={\mathrm{\&alpha;}}_k^l,$ l＝l+1，转到2)；

4)令 ${\mathrm{\&mu;}}_k^{\mathrm{temp}}=({\mathrm{\&mu;}}_k^{\mathrm{down}}+{\mathrm{\&mu;}}_k^{\mathrm{up}})/2,$ 计算

5)令算法门限值ε＝0.1，如果 $|f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k|>\mathrm{\&epsiv;},$ 且 $f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k>0,$ 则 ${\mathrm{\&mu;}}_k^{\mathrm{down}}={\mathrm{\&mu;}}_k^{\mathrm{temp}},$ 转到4)；如果 $|f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k|>\mathrm{\&epsiv;},$ 且 $f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k<0,$ 则 ${\mathrm{\&mu;}}_k^{\mathrm{up}}={\mathrm{\&mu;}}_k^{\mathrm{temp}},$ 转到4)；如果 $|f\left({\mathrm{\&mu;}}_k^{\mathrm{temp}}\right)-{\stackrel{\&OverBar;}{P}}_k|\&le;\mathrm{\&epsiv;},$ 则令注水水位 ${\mathrm{\&mu;}}_k^{*}={\mathrm{\&mu;}}_k^{\mathrm{temp}},$ 转到6)；

6)计算用户功率 $p_{k,m}=\max \{\frac{1}{{\mathrm{\&mu;}}_k^{*}-{\mathrm{\&eta;}}_{k,m}}-\frac{I_{k,m}+{\mathrm{\&sigma;}}^2}{c_{k,m}{g}_{k,m}},0\},$ 有扰信道注水算法结束。

Images