CN101552990B - 一种基于蚁群算法的分布式分配子载波的方法 - Google Patents

Abstract

一种用于OFDMA系统的基于蚁群算法的分布式分配子载波的方法，主要是采用分布式实现的两个步骤；在小区间分配子载波和在小区内分配子载波。前者是根据子载波的时变特性及其在不同小区的信道容量性能差异，为各小区动态分配子载波；通过子载波的信道容量特性和信息素的双重标准，采用蚁群算法选择各小区的子载波的概率矢量，以便能够以较大概率选择性能好的子载波。后者是根据其信道容量以及小区内每个用户的传输速率与信道容量的不同需求，分别为用户分配满足其需求的子载波。本发明优点是：在小区间实现了动态的子载波分配技术，能提高频谱利用率，增大系统的信道容量；且迭代算法的复杂度较低：与系统子载波的数目和用户数目成线性关系，容易实现。

Description

一种基于蚁群算法的分布式分配子载波的方法

技术领域

本发明涉及一种网络资源的分配方法，确切地说，涉及一种用于OFDMA系统的基于用蚁群算法的分布式分配子载波的方法，属于无线通信系统的网络层资源分配技术领域。

背景技术

在正交频分多址OFDMA(Orthogonal Frequency Division Multiple Access)系统中，子载波的分配要协调小区间的频带分布，防止同频干扰。这样处理的后果是直接影响了系统的频谱利用率。随着未来移动通信系统的数据传输速率会越来越高，子载波分配技术已经成为业界研究的热点。

目前，小区间子载波分配应用最广泛的是软频率复用分配技术。软频率复用是一种简单的子载波分配技术，比较典型的有以下三种：

(一)Siemens公司提出的《Interference mitigation-Considerations andResults on Frequency Reuse》(刊于：“3GPP TSG-RAN WG1 Meeting”#42R1-050738，29 August-2 September，2005)，该第一种软频率复用技术是将频段分成四个部分(参见图1所示)，每个部分的子载波数是固定的，小区中心的频率复用因子为1，小区边缘的频率复用因子为3。

(二)LG Electronics公司提出的《Interference mitigation in evolvedUTRA/UTRAN》(刊于“3GPP TSG RAN WG1”#42 R1-050833，August，29-September，2，2005)，该第二种软频率复用技术是将频段分成三个部分(参见图2所示)，对于每个小区，这三部分频段的优先级是不同的。

(三)Texas Instruments公司提出的《Inter-Cell Interference Mitigation forEUTRA》(刊于“3GPP TSG RAN WG1”#42 R1-051059，10 October-14 October，2005)，该第三种软频率复用技术与第一种技术相类似，都是每个小区的中心用户占用的频带不改变，而只是在小区边缘引入简单的自适应技术，这里的自适应技术是每个小区根据本小区边缘用户的负载来决定本小区边缘可占用的带宽，如果负载越重，占用的频带宽度就越宽。

软频率复用分配方案的技术复杂度较低，便于实现和管理。但是由于频率复用往往是一种静态或半静态的分配方案，忽略了子载波的时变特性和在小区间的性能差异，造成了性能上的一些丢失，降低了系统的吞吐量。

随着系统规模发展得越来越大，实现系统优化的变量个数也越来越多；同时，很多系统优化问题需要将多个目标进行联合优化，而且，优化算法的自由度也变得很多。这都使得传统的系统优化方法面临严峻的挑战。

由于启发式算法在某些优化问题的收敛性和算法复杂度方面具有一定的优势，因此，近年来，这种算法成为学术界和工程技术界关注和研究的热点。

下面简要说明其中的一个代表：蚁群算法，又称：蚁群优化方法ACO(AntColony Optimization)；它是近年来提出的一种源于大自然的仿生类算法。该算法是通过蚂蚁群体之间的信息传递而达到寻优目的，其原理是一种正反馈机制，具有很好的自适应性。而且，由于蚁群算法天生是并行处理的，非常适合分布式系统的实现。

参见图3，简单介绍ACO算法在寻找最优路径的流程。假设有4只蚂蚁，两条通向食物的路径R₁和R₂，其中R₁＞R₂。沿着这两条路上共设有6个节点：N_e(蚁巢)，N₁，N₂，N₃，N₄和F₀(食物)。最初，所有的4只蚂蚁(A₁，A₂，A₃和A₄)都位于起点N_e，它们必须在R₁和R₂中选择一条路走向F₀。

在N_e节点时，所有蚂蚁都不清楚食物的位置(F₀)。因此，它们随机地分别从R₁和R₂选择一条路。假设A₁，A₂选择了R₁，A₃，A₄选择了R₂。

当A₁，A₂和A₃，A₄分别沿着R₁和R₂前进时，它们都会分别在其经过的路径分泌一定量的信息素(Pheromone)τ_R1和τ_R2。

由于R₁＞R₂，因此A₃，A₄会比A₁，A₂先到达F₀。当A₃，A₄通过R₂到达F₀时，第二条路R₂的信息素τ_R2＝2。但是，此时A₁，A₂还没到达F₀，因此，第一条路的信息素τ_R1＝0。因此在从F₀返回N_e时，A₃，A₄也要从两条路R₁和R₂中选择一条路，通常它们更可能选择R₂。假设A₃，A₄都选择了R₂。

当A₃，A₄第2次通过R₂时，第二条路的信息素τ_R2就增加为4。τ_R2的增加进一步巩固了R₂作为最短路径的地位。当A₁，A₂也到达F₀时，τ_R2＝4，而τ_R1＝2。因此，A₁，A₂也自然更可能选择R₂作为返回N_e的路。

在上述范例中，一旦A₃，A₄到达了F₀(或N_e)，在F₀(或N_e)处的蚂蚁都能够选择最优路径。如果蚂蚁处在一个没有信息素的分岔口(比如初始化时的N_e)，它通常是以0.5的概率随机地在两条路R₁和R₂中选择其中一条路径。然而，一旦有了信息素的存在(比如蚂蚁到达F₀时)，蚂蚁一般会以更高的概率选择信息素浓度较高的路径。当然，蚂蚁在分泌信息素的同时，信息素也会随着时间以设定的比例向空间挥发出去，这个比例称为信息素的蒸发速率。

发明内容

有鉴于此，本发明的目的是提供一种用于OFDMA系统的基于蚁群算法的分布式分配子载波的方法，该方法能够大大提高系统的频谱利用率，减少不能满足QoS要求的用户数目，同时保持了较低的算法复杂度。

为了达到上述目的，本发明提供了一种用于OFDMA系统的基于蚁群算法的分布式分配子载波的方法，其特征在于：所述方法包括下述操作步骤，

(1)初始化设置两个系统参数：供给各小区分配的子载波矢量C和各小区的信息素矢量S；

(2)系统内的各小区分别进行迭代计算，同时寻找小区间子载波分配的最佳方案：分配依据是子载波的时变特性和子载波在不同小区的信道容量性能差异，并以此为判决标准为各小区动态分配可用子载波，以减小系统内的同频干扰和实现系统信道容量的最大化；

(3)每个小区根据其信道容量以及小区内各用户的传输速率与信道容量的不同需求分别进行子载波的分配，以满足用户QoS需求和实现系统频谱的最高利用率。

所述供给系统内各小区分配的子载波矢量C＝[c₁，c₂，…，c_n，…，c_N]，式中，自然数n是子载波序号，其最大值N为该系统的子载波数；c_n＝0表示该第n个子载波在小区不可用，c_n＝1表示该第n个子载波能用于小区；每个子载波矢量是随机产生或根据设定的准则生成的；

所述信息素是每个子载波的以往使用状况及其传输性能对当前使用状况的影响值；各小区的信息素矢量S＝[s₁，s₂，…，s_N]中的N个信息素的数值都相等。

所述步骤(1)进一步包括下列操作步骤：

(11)为第n个子载波选取该子载波上信道容量最大的用户，并以该用户的信道容量作为小区间子载波分配时该第n个子载波的信道容量参数v_n；

(12)将信道容量参数v_n与信息素矢量中对应的数值s_n进行加权相乘后的积，作为该第n个子载波的性能参数t_n；

(13)分别计算该系统所有的N个子载波的性能参数后，得到N个子载波的性能参数矢量T＝[t₁，t₂，…，t_N]；

(14)选取该性能参数矢量T中数值最大的元素t_i，并以该元素t_i对性能参数矢量T进行归一化处理：分别将T中的每个数值除以该元素t_i所得到的商，组成新的矢量P＝[p₁，p₂，…，p_N]，用作准备分配的子载波的概率矢量，并以该子载波的概率矢量为各个小区分配的新的子载波矢量

所述步骤(11)中，必须选择与用户的信道容量相关联的容量参数，以便能实时反映信道的时变特性，实现动态的子载波分配；与用户的信道容量参数相关联的选择标准还有：信道容量最小的用户的信道容量或用户的平均信道容量；但是，同一小区的每次分配过程中，所有子载波的选择标准必须相同。

所述步骤(2)中，各小区分别进行的迭代计算进一步包括下列操作内容：

(21)根据每个子载波的信息素s_n和信道容量参数v_n，用蚁群算法分别迭代计算为各小区分配的子载波：

(22)将各个小区的信道容量与其允许变化范围的两个门限值进行比较：在供给各小区分配的子载波矢量分别为

和C时，设它们所对应的信道容量

和O的比值为k，其中，O为每个供分配的子载波矢量C与其对应的N维信道容量参数矢量v的累积和；如果k大于最高门限值l_max，则跳转执行步骤(24)；如果k小于最低门限值l_min，则跳转执行步骤(25)；如果k位于信道容量变化范围内，则顺序执行后续步骤；

(23)根据当前时刻收集到的m个相邻小区所分配的m个子载波矢量C₁，C₂，…，C_m，分别计算C和

与这m个子载波矢量产生的同频干扰值，再将它们的同频干扰值进行比较，判断小区间的同频干扰值是否降低；如果是，则顺序执行后续步骤；否则，跳转执行步骤(25)；

(24)用新的供小区分配的子载波矢量

替换上次迭代计算中的子载波矢量C后，再向相邻各个小区传递该子载波矢量

(25)判断是否满足迭代运算的结束条件，如果满足，则结束该流程，并将分配给各个小区的子载波矢量C通知各个小区；否则，执行后续操作；其中迭代运算的结束条件取决于系统的硬件设施和对迭代运算结果的收敛要求；当迭代计算达到设定次数，或经由设定次数的迭代运算后，其结果保持不变时，结束迭代运算；

(26)对信息素矢量S更新为：S＝S×ρ+k×C·V，式中，可调整的常数ρ为信息素蒸发速率，可调整的参数k为加权数值，V为N个信道容量参数矢量v，C·V为子载波矢量C和N个信道容量参数矢量v的累积和；然后，再次进行迭代运算，即返回执行步骤(21)的操作。

所述步骤(25)中，小区间传递的消息包括供给分配的子载波矢量，且这些信息是采用握手机制或者竞争式的接入机制完成消息传送的。

所述步骤(3)中，每个小区分配子载波时进一步包括下列操作步骤：

(31)收集该小区分配到的子载波信息，以及各用户的最小速率需求信息及其在每个子载波上的信干噪比SINR(Signal to Interference Noise Ratio)数值；

(32)将小区内用户根据其SINR值的高低划分为两组：传输性能较好的用户和传输性能较差的用户，并分别计算各用户的优先级；

(33)在待分配的子载波中，为优先级最高的用户分配其中对于该用户传输性能最好的子载波；

(34)更新用户的优先级：若该分配到子载波的用户的已达速率超过其最小速率需求，则将该用户优先级置为0；若此时该用户的已达速率仍小于其最小速率需求，则按照步骤(32)的方法重新计算该用户的优先级，并且，仍要保证传输性能较差的用户优先级高于传输性能较好的用户；

(35)判断是否存在优先级不为0的用户，如果是，则顺序执行后续步骤；否则，跳转执行步骤(38)；

(36)判断该小区的所有子载波是否都已分配给用户，如果是，则顺序执行后续步骤；否则，跳转返回执行步骤(33)；

(37)当前占用子载波最多的用户放弃其所占用的全部子载波，并将其优先级降为0；返回执行步骤(33)；

(38)将剩余的子载波都分配给传输性能最好的用户，结束该流程。

所述步骤(32)中，用户优先级的计算方法是计算该用户的最小速率需求与其已达速率之差，差值越大，优先级越高；当差值为零或负数时，表示不需为该用户分配子载波，且设置该用户的优先级为0。

所述方法适用于包括LTE(Long Term Evolution)和全球微波互联接入WiMAX(Worldwide Interoperability for Microwave Access)的使用OFDMA的B3G移动通信系统。

本发明是一种用于OFDMA系统基于蚁群算法的分布式分配子载波的方法，它与传统的软频率复用技术相比的优点是：在小区间实现了一种动态的子载波分配方案，这种方案能够提高频谱利用率，增大系统的吞吐量；而且，算法的复杂度较低：与系统子载波的数目和用户数目成线性关系，容易实现。

本发明方法的技术创新之处是：将系统的子载波分配分为两级：各个小区间的子载波分配和每个小区内的子载波分配，两级分配过程均采用了分布式技术来实现。在小区间分配的过程中考虑了子载波的时变特性和在不同小区的信道容量的性能差异特性，为各个小区动态分配可用子载波，以便能提高频谱利用率和实现系统信道容量的最大化。而且，在小区间子载波的分配过程中采用了蚁群算法，通过子载波信道的信道容量特性和信息素的双重衡量标准，来选择和确定各个小区的子载波的概率矢量。这种方法在分配子载波时，能够以较大概率选择性能好的子载波，同时考虑了在此前的迭代过程中子载波的选择情况，在分配过程中引入了相关性。这样避免了在信道传输状况发生剧烈变化时，小区间的子载波分配方案也会造成很大变化，影响小区内的子载波分配。此外，由于蚁群算法的固有特性，小区间的子载波分配能够很好地并行处理，特别适合分布式实现。在小区内分配时，考虑各个用户的子载波性能差异和需求差异，为用户分配满足其业务需求的子载波。总之，本发明方法能够显著地提高系统的频谱利用率，降低了不能满足QoS需求的用户数目，同时保持较低的复杂度。

附图说明

图1是第一种现有的软频率复用技术的频带划分示意图。

图2是第二种现有的软频率复用技术的频带划分示意图。。

图3是蚁群算法模型介绍示意图。

图4是本发明基于用蚁群算法的分布式分配子载波的方法流程方框图。

图5是本发明在各个小区间分配子载波方法操作步骤示意图。

图6是本发明在小区间传递信息的操作步骤示意图。

图7是本发明在每个小区内分配子载波方法操作步骤示意图。

图8是采用不同的子载波分配方法的频谱效率对比示意图。

图9是采用不同的子载波分配方法的不能满足速率要求的用户数比较图。

图10是小区间分配子载波方法的收敛性分析图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

参见图4，介绍本发明基于用蚁群算法分布式分配子载波方法的操作流程：

步骤1、初始化设置两个系统参数：供给各小区分配的子载波矢量C：C＝[c₁，c₂，…，c_N]和各小区的信息素矢量S：S＝[s₁，s₂，…，s_N]；式中，自然数n是子载波序号，其最大值N为该系统的子载波数；c_n＝0表示该第n个子载波在小区不可用，c_n＝1表示该第n个子载波能用于小区；每个子载波矢量是随机产生或根据设定的准则生成的。信息素是每个子载波的以往使用状况及其传输性能对当前使用状况的影响值；各小区的信息素矢量S是N个相等的数值。

该步骤包括下列具体的操作步骤：

(1)为第n个子载波选取该子载波上信道容量最大的用户(或信道容量最小的用户的信道容量、或用户的平均信道容量等等)，并以该用户的信道容量作为小区间子载波分配时该第n个子载波的信道容量参数v_n；该步骤必须选择与用户的信道容量相关联的参数，因为子载波的容量参数是与用户的信道情况相关的参数，能实时反应信道的时变特性，实现动态的子载波分配；且在同一小区的每次分配中，所有子载波的选择标准必须相同。

可以看到，在最终选择子载波分配向量时使用了这种时变特性，实现了一种动态的子载波分配。

(2)将信道容量参数v_n与信息素矢量中对应的数值s_n进行加权相乘后的积，作为该第n个子载波的性能参数t_n；

(3)分别计算该系统所有的N个子载波的性能参数后，得到N个子载波的性能参数矢量T＝[t₁，t₂，…，t_N]；

(4)选取该性能参数矢量T中数值最大的元素t_i，并以该元素t_i对性能参数矢量T进行归一化处理：分别将T中的每个数值除以该元素t_i所得到的商，组成新的性能参数矢量P＝[p₁，p₂，…，p_N]，用作准备分配的子载波的概率矢量，并以该子载波的概率矢量为各个小区分配的新子载波矢量

步骤2、系统内的各小区分别进行迭代计算，同时寻找小区间子载波分配的最佳方案：分配依据是子载波的时变特性和子载波在不同小区的信道容量性能差异，并以此为判决标准为各小区动态分配可用子载波，以减小系统内的同频干扰和实现系统信道容量的最大化；

参见图5，介绍该步骤中的各小区分别进行的迭代计算的具体操作内容：

(1)根据每个子载波的信息素s和信道容量参数v，用蚁群算法分别迭代计算为各小区分配的子载波：

(2)将各个小区的信道容量与其允许变化范围的两个门限值进行比较：在供给各小区分配的子载波矢量分别为

和C时，设它们所对应的信道容量

和O的比值为k，其中，O为每个供分配的子载波c与其信道容量参数v的累积和；如果k大于最高门限值l_max，则跳转执行步骤(4)；如果k小于最低门限值l_min，则跳转执行步骤(5)；如果k位于信道容量变化范围内，则顺序执行后续步骤；

(3)根据当前时刻收集到的m个相邻小区所分配的m个子载波矢量C₁，C₂，…，C_m，分别计算C和

与这m个子载波矢量产生的同频干扰值，再将它们的同频干扰值进行比较，判断小区间的同频干扰值是否降低；如果是，则顺序执行后续步骤；否则，跳转执行步骤(5)；

(4)用新的供小区分配的子载波矢量

替换上次迭代计算中的子载波矢量C后，再向相邻各个小区传递该子载波矢量

(5)判断是否满足迭代运算的结束条件，如果满足，则结束该流程，并将分配给各个小区的子载波矢量采用握手机制或者竞争式的接入机制通知各个小区；否则，执行后续操作；

迭代运算的结束条件是由系统的硬件设施和对迭代运算结果的收敛要求定的。当迭代计算达到设定次数，或经由设定次数的迭代运算后，其结果保持不变时，也要结束迭代运算。

(6)对信息素矢量S更新为：S＝S×ρ+k×C·V，式中，可调整的常数ρ为信息素蒸发速率，可调整的参数k为加权数值，V为N个容量参数矢量。C·V为C，V的累积和；然后，再次进行迭代运算，即返回执行步骤1的操作。

上述步骤(4)和(5)中，各个小区间传递的消息是分配的子载波向量，下面以图6为例，结合实施例中的LTE7小区结构对采用握手传递信息的机制作简单说明：其中，小区1要向相邻各个小区(小区2～7)传递信息，且小区1与相邻6个小区的传递过程相同，在此以小区1和小区2的传递过程为例进行说明。

(1)小区1向小区2传递本小区信息，小区2接收到小区1的信息后，向小区1返回ACK信号。

(2)若小区1接到小区2的ACK信号，终止传递过程；若经过设定时间后，仍未接收到小区2的反馈信息，则认为消息传递出错，重新启动(1)操作。

(3)若小区1选择了新的小区子载波分配向量后，立即终止当前的传递过程，而返回启动步骤(1)操作，传递新的小区信息。

步骤3、每个小区根据其信道容量以及小区内各用户的传输速率与信道容量的不同需求分别进行子载波的分配，以满足用户QoS需求和系统频谱的最高利用率。

参见图7，介绍本发明中每个小区分配子载波的传统操作步骤：

(1)收集该小区分配到的子载波信息，以及各用户的最小速率需求信息及其在每个子载波上的信干噪比SINR(Signal to Interference Noise Ratio)数值。

(2)将小区内用户根据其SINR值的高低划分为两组：传输性能较好的用户和传输性能较差的用户，并分别计算各用户的优先级；用户优先级的计算方法是计算该用户的最小速率需求与其已达速率之差，差值越大，优先级越高；当差值为零或负数时，表示不需为该用户分配子载波，且设置该用户的优先级为0。

(3)在待分配的子载波中，为优先级最高的用户分配其中对于该用户传输性能最好的子载波；

(4)更新用户的优先级：若该分配到子载波的用户的已达速率超过其最小速率需求，则将该用户优先级置为0；若此时该用户的已达速率仍小于其最小速率需求，则按照步骤(2)的方法重新计算该用户的优先级，并且，仍要保证传输性能较差的用户优先级要高于传输性能较好的用户；

(5)判断是否存在优先级不为0的用户，如果是，则顺序执行后续步骤；否则，跳转执行步骤(8)；

(6)判断该小区的所有子载波是否都已分配给用户，如果是，则顺序执行后续步骤；否则，跳转返回执行步骤(3)；

(7)当前占用子载波最多的用户放弃其所占用的全部子载波，并将其优先级降为0；返回执行步骤(3)；

(8)将剩余的子载波都分配给传输性能最好的用户，结束该流程。

本发明方法适用于包括LTE和WiMAX的使用OFDMA的第3.5代移动通信系统。

本发明方法已有申请人进行了实施试验，试验的情况简要说明如下：

参见图8，该图是分别采用本发明方法与三种传统的软频率复用技术实施后的系统频谱效率对比图。由该图看出：在频谱效率性能方面，本发明方法明显高于现有的三种方案：在用户数为16时，它要比现有技术方案1、方案2、方案3分别有约2.4bps/Hz，1.8bps/Hz，2.4bps/Hz的频谱效率提升。

图9为不同子载波分配方案下不能满足其传输速率要求的用户数的比较。这里统计的用户数是每种技术在7个小区总共不能满足其速率要求的用户数。可见随着小区用户数的增加，技术方案1和3中不能满足速率要求的用户数目增长很快，这是因为这两种方案都是采用静态的频率复用技术；当用户数目较多时，因资源的限制，很多用户的速率要求将得不到满足。技术方案2的该项性能指标则与本发明方法非常接近。

参见图10，介绍本发明方法在进行小区间子载波分配时，其迭代算法的收敛性的分析图。其中纵坐标是在整个仿真过程中，每次迭代时子载波分配向量发生变化的概率。横坐标是迭代运算的次数。由图中看出，在进行20次迭代运算后，子载波分配向量的变化概率已经很小，可以认为该算法接近于收敛。

Claims (9)

1.一种用于OFDMA系统的基于蚁群算法的分布式分配子载波的方法，其特征在于：所述方法包括下述操作步骤，

(1)初始化设置两个系统参数：供给各小区分配的子载波矢量C和各小区的信息素矢量S；

(2)系统内的各小区分别进行迭代计算，同时寻找小区间子载波分配的最佳方案：分配依据是子载波的时变特性和子载波在不同小区的信道容量性能差异，并以此为判决标准为各小区动态分配可用子载波，以减小系统内的同频干扰和实现系统信道容量的最大化；

(3)每个小区根据其信道容量以及小区内各用户的传输速率与信道容量的不同需求分别进行子载波的分配，以满足用户QoS需求和实现系统频谱的最高利用率。

2.根据权利要求1所述的方法，其特征在于：所述供给系统内各小区分配的子载波矢量C＝[c₁，c₂，…，c_n，…，c_N]，式中，自然数n是子载波序号，其最大值N为该系统的子载波数；c_n＝0表示该第n个子载波在小区不可用，c_n＝1表示该第n个子载波能用于小区；每个子载波矢量是随机产生或根据设定的准则生成的；

所述信息素是每个子载波的以往使用状况及其传输性能对当前使用状况的影响值；各小区的信息素矢量S＝[s₁，s₂，…，s_N]中的N个信息素的数值都相等。

3.根据权利要求1所述的方法，其特征在于：所述步骤(1)进一步包括下列操作步骤：

(11)为第n个子载波选取该子载波上信道容量最大的用户，并以该用户的信道容量作为小区间子载波分配时该第n个子载波的信道容量参数v_n；

(12)将信道容量参数v_n与信息素矢量中对应的数值s_n进行加权相乘后的积，作为该第n个子载波的性能参数t_n；

(13)分别计算该系统所有的N个子载波的性能参数后，得到N个子载波的性能参数矢量T＝[t₁，t₂，…，t_N]； 

(14)选取该性能参数矢量T中数值最大的元素t_i，并以该元素t_i对性能参数矢量T进行归一化处理：分别将T中的每个数值除以该元素t_i所得到的商，组成新的矢量P＝[p₁，p₂，…，p_N]，用作准备分配的子载波的概率矢量，并以该子载波的概率矢量为各个小区分配新的子载波矢量 

4.根据权利要求3所述的方法，其特征在于：所述步骤(11)中，必须选择与用户的信道容量相关联的容量参数，以便能实时反映信道的时变特性，实现动态的子载波分配；与用户的信道容量参数相关联的选择标准还有：信道容量最小的用户的信道容量或用户的平均信道容量；但是，同一小区的每次分配过程中，所有子载波的选择标准必须相同。

5.根据权利要求1所述的方法，其特征在于：所述步骤(2)中，各小区同时分别进行的迭代计算进一步包括下列操作内容：

(21)根据每个子载波的信息素s_n和信道容量参数v_n，用蚁群算法分别迭代计算为各小区分配的子载波：

(22)将各个小区的信道容量与其允许变化范围的两个门限值进行比较：在供给各小区分配的子载波矢量分别为 

和C时，设它们所对应的信道容量 

和O的比值为k，其中，O为每个供分配的子载波矢量C与其对应的N维信道容量参数矢量v的累积和；如果k大于最高门限值l_max，则跳转执行步骤(24)；如果k小于最低门限值l_min，则跳转执行步骤(25)；如果k位于信道容量变化范围内，则顺序执行后续步骤；

(23)根据当前时刻收集到的m个相邻小区所分配的m个子载波矢量C₁，C₂，…，C_m，分别计算C和 

与这m个子载波矢量产生的同频干扰值，再将它们的同频干扰值进行比较，判断小区间的同频干扰值是否降低；如果是，则顺序执行后续步骤；否则，跳转执行步骤(25)；

(24)用新的供小区分配的子载波矢量 

替换上次迭代计算中的子载波矢量C后，再向相邻各个小区传递该子载波矢量 

(25)判断是否满足迭代运算的结束条件，如果满足，则结束该流程，并 将分配给各个小区的子载波矢量C通知各个小区；否则，执行后续操作；其中迭代运算的结束条件取决于系统的硬件设施和对迭代运算结果的收敛要求；当迭代计算达到设定次数，或经由设定次数的迭代运算后，其结果保持不变时，结束迭代运算；

(26)对信息素矢量S更新为：S＝S×ρ+k×C·V，式中，可调整的常数ρ为信息素蒸发速率，可调整的参数k为加权数值，V为N个信道容量参数矢量v，C·V为子载波矢量C和N个信道容量参数矢量v的累积和；然后，再次进行迭代运算，即返回执行步骤(21)的操作。

6.根据权利要求5所述的方法，其特征在于：所述步骤(25)中，小区间传递的消息包括供给分配的子载波矢量，且这些信息是采用握手机制或者竞争式的接入机制完成消息传送的。

7.根据权利要求1所述的方法，其特征在于：所述步骤(3)中，每个小区分配子载波时进一步包括下列操作步骤：

(31)收集该小区分配到的子载波信息，以及各用户的最小速率需求信息及其在每个子载波上的信干噪比SINR数值；

(32)将小区内用户根据其SINR值的高低划分为两组：传输性能较好的用户和传输性能较差的用户，并分别计算各用户的优先级；

(33)在待分配的子载波中，为优先级最高的用户分配其中对于该用户传输性能最好的子载波；

(34)更新用户的优先级：若该分配到子载波的用户的已达速率超过其最小速率需求，则将该用户优先级置为0；若此时该用户的已达速率仍小于其最小速率需求，则按照步骤(32)的方法重新计算该用户的优先级，并且，仍要保证传输性能较差的用户优先级高于传输性能较好的用户；

(35)判断是否存在优先级不为0的用户，如果是，则顺序执行后续步骤；否则，跳转执行步骤(38)；

(36)判断该小区的所有子载波是否都已分配给用户，如果是，则顺序执 行后续步骤；否则，跳转返回执行步骤(33)；

(37)当前占用子载波最多的用户放弃其所占用的全部子载波，并将其优先级降为0；返回执行步骤(33)；

(38)将剩余的子载波都分配给传输性能最好的用户，结束该流程。

8.根据权利要求7所述的方法，其特征在于：所述步骤(32)中，用户优先级的计算方法是计算该用户的最小速率需求与其已达速率之差，差值越大，优先级越高；当差值为零或负数时，表示不需为该用户分配子载波，且设置该用户的优先级为0。

9.根据权利要求1所述的方法，其特征在于：所述方法适用于包括LTE和全球微波互联接入WiMAX的使用OFDMA技术的B3G移动通信系统。 

Images