CN101925068A - 一种ofdm动态资源分配的方法 - Google Patents

Abstract

一种OFDM动态资源分配的方法，属数字通信技术领域，由自适应资源分配模块完成，它由参数初始化模块、比特分配模块、分界线调整和判断结束条件模块依次相连接构成。该方法步骤为：1)开始前，先将参数值输入参数初始化模块进行初始化；2)将参数初始化模块输出参数初始值输入比特分配模块，计算各个子载波上分配的比特数；3)将已分配的总比特数、目标比特数、分界线的上下限和已分配总比特数的上下限输入到分界线调整和判断结束条件模块中，调整分界线的位置，并判断结束条件是否满足；4)该符号周期内，各个子信道上的比特和功率分配结束，进行下一符号周期的资源分配。本发明方法总体复杂度低于所有的次优算法。

Description

一种OFDM动态资源分配的方法

技术领域

本发明涉及单用户OFDM系统中的动态资源分配，特别涉及一种OFDM动态资源的快速、简单的自适应资源分配的方法。

背景技术

近些年来，无线通信技术正以飞快的速度向前发展。随着广大用户对各种实时多媒体业务需求的增加和互联网技术的迅猛发展，可以预计，未来的无线通信技术将会有更高的数据传输速率，以满足更多用户的需求，为广大用户提供更多的便利。在当前能够提供高数据速率传输的各种无线解决方案中，正交频分复用(OFDM)技术以其频谱利用率高和抗干扰能力强的优点受到了广泛的重视。但是，在传统的OFDM系统中，系统的性能却要受到最差子信道的限制，因此，为了减小这种限制，更充分的利用资源(带宽和功率)，我们可以采用自适应技术。

自适应技术就是根据各子信道的信道条件不同，自适应的改变调制方式、发送功率等，以便最大限度地利用资源，从而有效提高频谱效率，这一点在无线通信中尤为重要。目前，OFDM系统的自适应技术研究主要是从以下两个角度出发的：(1)发射功率和系统传输性能(BER)一定的条件下，实现信息传输速率的最大化，即RA准则；(2)信息传输速率和传输性能(BER)一定的条件下，使得发射功率最小化，即MA准则。

Greedy算法是最早提出的算法，该算法思想简单，通过每次分配一个比特给增加这一个比特所需功率增量最小的子载波使得该算法的性能达到最优，但是该算法的复杂度很高；Krongold算法是一种利用拉格朗日乘数法的算法，该算法虽然可以在能够达到最优结果的条件下降低算法的复杂度，但是由于需要在很大范围内查找λ值，在实际的信道条件下复杂度仍然较高。其他一些算法致力于在次优结果条件下降低算法的复杂度。Chow算法利用迭代的方法不断调整裕量值，使分配的比特数在设定的最大迭代次数内尽可能接近要求的目标比特数，然后逐比特调整，该算法通过将功率平均分配到各个子载波降低了算法的复杂度，但是却不能达到最优结果，并且在有的信道条件下算法经常产生振荡而永远不收敛；Jang算法是基于注水线迭代的算法，该算法通过不断调整注水线的值，用注水原理分配各个子信道上的比特和功率，但是该算法在某些信道条件下和Chow算法一样，会产生振荡而永远都不能收敛，并且该算法以分配功率小于目标功率为结束条件，这是非常不合理的。

发明内容

针对现有各类方法的不足，本发明提供一种单用户OFDM系统中快速、简单的利用最优分配结果的分布规律直接进行比特分配的自适应资源分配模块的设计方法。

一种OFDM动态资源分配的方法，由自适应资源分配模块完成，它是由参数初始化模块、比特分配模块、分界线调整和判断结束条件模块依次相连接构成，该方法步骤如下：

1)开始自适应资源分配前，首先要将已知的参数值(如：目标比特数，各子信道的信道增益、噪声方差，目标误码率，每个子信道上允许传输的最大比特数，等等)输入参数初始化模块，对参数进行初始化；

1a)任意指定一个初始的分界线值η；

1b)初始化分界线的上限η_upper和下限η_lower为不可能出现的值，如10000和-1；

1c)初始化分配的总比特数的上限R_upper和下限R_lower为不可能出现的值，如10000和-1；

2)将参数初始化模块输出的参数初始值输入比特分配模块，计算各个子载波上分配的比特数；

2a)从子信道n＝1开始；

2b)对子信道n，用公式k_n＝η_n/η，将η_n对η归一化；

2c)利用(7)式，计算子信道n上分配的比特数b_n；

2d)如果b_n＜0，那么将该子信道上传送的比特数置为0，即b_n＝0；

2e)如果b_n＞R_max，那么将该子信道上传送的比特数置为R_max，即b_n＝R_max；

2f)判断n是否小于N？如果是，转向下一条；否则，转向2h)；

2g)将子载波加一，即n＝n+1，然后转向2b)；

2h)用公式

计算该符号上传送的总比特数，转向步骤3)；

3)将已分配的总比特数、目标比特数、分界线的上下限和已分配总比特数的上下限输入到分界线调整和判断结束条件模块中，调整分界线的位置，并判断结束条件是否满足；

3a)比较已分配总比特数R_total和目标比特数R_T arg et的大小；如果相等，转向步骤4)；否则，转向下一条；

3b)判断R_total是否大于R_T arg et？如果是，转向下一条；否则，转向3d)；

3c)将分界线左移，即用η_upper＝min(η_upper，η)更新分界线值的上限，用R_upper＝min(R_upper，R_Total)更新R_Total的上限，转向3e)；

3d)将分界线右移，即用η_lower＝max(η_lower，η)更新分界线值的下限，用R_lower＝max(R_lower，R_Total)更新R_Total的下限，转向下一条；

3e)判断分界线的上、下限是否都已经不再等于初始设置的不可能出现的值10000和-1？如果是，转向3f)；否则，转向3g)；

3f)用(6)式更新分界线的值，转向步骤3h)；

3g)用公式

更新分界线的值，转向步骤3h)；

3h)判断R_total和R_Target差的绝对值是否小于预先设定的门限值Threshold？如果是，用贪婪算法逐比特调整，直至R_total＝R_Target，转向步骤4)；否则，迭代次数加1，转向步骤2)；

4)该符号周期内，各个子信道上的比特和功率分配结束，进行下一符号周期的资源分配。

注：1、如果是连续的对多个OFDM符号进行资源分配，为了进一步降低算法的复杂度，考虑到信道在相邻的符号间变化不大，所以后面的符号可以使用其前一个相邻符号的分界线计算结果作为初始的分界线，这样可以提高收敛速度。

2、算法收敛到剩余较小比特差值时停止迭代，改为逐比特调整，是基于如下考虑：当出现类似于图6所示的信道时，需要的迭代次数较大，但是算法经过少数迭代即非常靠近目标。如果算法迭代到离目标值很小时停止迭代，改为逐比特调整，可以用较小的计算复杂度达到最优的结果。

本发明方法所使用的数学模型为：以功率最小化(MA)问题作为例子，假设发送端可以准确的得到各个子信道的信道状态信息(CSI)，信道是频率选择性衰落信道。最优化问题的数学模型可描述为：

$\underset{b_n}{\min }P=\underset{b_n}{\min }\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{p}_n=\underset{b_n}{\min }\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\Γ}\·\frac{2^{b_n}-1}{g_n/{\mathrm{\σ}}^2}---\left(1\right)$

s.t.

BER_n≤BER_Target，n＝1，2，…，N.(2)

其中，p_n、b_n和g_n分别是子信道n上的发送功率、分配的比特数和功率增益，g_n＝|H_n|²；R_total是目标比特数，BER_Target是目标误码率；Γ是信噪比差额，是由调制方式和误码率决定的，假设各子载波都使用MQAM调制，不考虑信道编码，Γ与误码率BER之间的关系为：

σ²是噪声方差，这里假设各子信道的噪声功率相等，即：

本发明方法的理论分析如下：我们对由Greedy算法(最优算法)得到的各个子载波的比特和功率分配结果进行分析，从而找到规律。

子载波n在已经分配了b_n-1个比特的基础上再增加1个比特所需的功率增量为：

${\mathrm{\Δp}}_n=p_n-p_{n-1}=\mathrm{\Γ}\·\frac{2^{b_n}-1}{g_n/{\mathrm{\σ}}^2}-\mathrm{\Γ}\·\frac{2^{b_{n-1}}-1}{g_n/{\mathrm{\σ}}^2}=\mathrm{\Γ}\·{\mathrm{\σ}}^2\·\frac{2^{b_{n-1}}}{g_n}={\mathrm{\η}}_n\·2^{b_{n-1}}---\left(3\right)$

Greedy算法就是根据(3)式对各子载波进行逐比特分配的。因为已经假设了所有子载波都使用MQAM调制，并且噪声功率相等，所以，这里可暂时忽略系数Γ·σ²，仅按进行比特分配。(这里假设已经按照η_n对所有的子信道从小到大排好序，不失一般性，设η₁＜η₂＜…＜η₁₀，这只是为了分析方便，并不是本发明中的算法所需要的。)分配完后必然是如图5所示的阶梯形状，下面用反证法给出证明。

证明：

假设三组相邻的子信道：G_r、G_r+1和G_r+2，在这三组子信道上分别分配R+1、R和R-1个比特。

假设G_r和G_r+1的分界线为L₁＝η。即：(A)对任意子信道CH_k，若η_k＝η+ε，ε任意小，则子信道CH_k归入G_r+1组，即分配R个比特。(B)若η_k＝η-ε，ε为0或任意小，则子信道CH_k归入G_r组，即分配R+1个比特。

下面用反证法证明G_r+1和G_r+2组的分界线为2η：①假设G_r+1和G_r+2组的分界线L₂＞2η，不妨设L₂＝2η+5ε₁，ε₁任意小。则若有子信道CH_m，其η_m＝2η+4ε₁，那么子信道CH_m应归入G_r+1组，它增加最后一个比特(第R个比特)需要的功率增量为：

Δp_m，R＝2^R·(η+2ε₁)。设另有子信道CH_n，其η_n＝η+ε₁，它增加第R+1个比特需要的功率增量为：

Δp_n，R+1＝2^R·(η+ε₁)＜2^R·(η+2ε₁)＝Δp_m，R。根据Greedy最优算法子信道CH_n可以分配R+1个比特，即将子信道CH_n归入G_r组，这和(A)矛盾。因此，假设不成立，即应该有L₂≤2η.(C)。②假设L₂＜2η，按照与上面相似的分析，可得出与(B)相矛盾，因此应该有L₂≥2η.(D)。③综合(C)和(D)，可得到L₂＝2η。(证毕)

由此，可以方便地推得相差一个比特的各子信道组的分界线分别为：

$...,\frac{1}{4}\mathrm{\η},\frac{1}{2}\mathrm{\η},\mathrm{\η},2\mathrm{\η},4\mathrm{\η},...---\left(4\right)$

根据上面的分析，可以根据预先计算出的分界线值η和各子信道的η_n值，将不同的子信道归入不同的组中，直接为各子信道分配相应的比特，然后计算出分配的总比特数R_total，这样得到的比特分配情况一定是总比特数为R_total时的最优比特分配结果。由于预先确定的分界线值η不一定准确，所以需要进行迭代调整。即如果R_total≠R_T arg et，那么按照一定的步长Step向左或向右调整分界线η的位置，直到R_total≡R_T arg et。这就形成了一种基于直接分配的新的迭代算法。

在算法的实际实现中，需要解决如下三个问题：①η和R的初始值怎么确定，才能使第一次计算的结果R_total尽量接近R_T arg et；②调整η的步长Step如何确定，以加快收敛速度并保证收敛到最优解；③如何根据η_n和η，使用最简的计算将各子信道归入不同的组中，即使用最简便的方法为他们分配比特数，以降低复杂度。下面分别对其分析：

(1)η和R初始值的确定。

通过对Greedy算法的分配结果进行分析，发现分配结果一般是在具有平均信噪比(这里指的是在dB上进行平均)的子信道上分配平均比特数，即：

如果

其中，R_max是规定的每个子信道上可以传送的最大比特数。因此η和R的初值可以取：当子载波的信噪比在区间[η-1.5dB，η+1.5dB]内时，为其分配R比特。但是，上述方法需要计算N个对数，复杂度较高。仿真发现，提出的方法收敛速度非常快，而且基本与初始η无关，比如，将初始值设在10^-50～10⁴之间，算法都可收敛，且收敛速度基本相同。因此，为了进一步降低算法的复杂度，实际实现时η的初始值可以任意指定，如指定为1～10之间的任何数。

(2)η的改变步长Step的确定。

根据图5，若η改变3dB，则分配的总比特数会增加或减少约N个比特，以此为依据计算初始步长：

$\mathrm{Step}\left(\mathrm{dB}\right)=3\·\frac{R_{\mathrm{total}}-R_{T\arg \mathrm{et}}}{N}---\left(5\right)$

但是由于信道信噪比分布的不均匀性，例如图6，当分界线组中任一条线在斜率转折点附近变化时，会引起比特变化的振荡，使得算法收敛困难。在这种情况下，用这种方法更新并不精确，在某些特殊情况下会出现振荡，收敛速度减慢。为解决此问题，可以用下述方法：当分界线值的上下限都重新设定过以后，分界线值的更新用夹逼法来确定。即分界线的值不再利用R_total和R_T arg et的关系确定，而是利用分配结果的上、下限值，上、下限值对应的η值以及目标比特数之间的关系确定，具体方法如下：

$\mathrm{\η}={\mathrm{\η}}_{\mathrm{lower}}\·{\left(\frac{{\mathrm{\η}}_{\mathrm{upper}}}{{\mathrm{\η}}_{\mathrm{lower}}}\right)}^{\frac{R_{T\arg \mathrm{et}}-R_{\mathrm{lower}}}{R_{\mathrm{upper}}-R_{\mathrm{lower}}}}---\left(6\right)$

这种方法可以保证分配结果不断靠近目标比特数，永远不会超出上下限而出现振荡，使得算法总是快速收敛。

(3)如何根据给出的分界线值η和η_n，n＝1，2，…，N，将各子信道归入不同的组，也就是说，确定各子信道分配的比特数。

根据(4)，各子信道CH_n，n＝1，2，…，N的比特分配情况如下：

为了减小计算量，我们可以把η_n对η进行归一化，即

上式变为：

以上计算虽然看起来复杂，但是却很容易在实际的硬件系统(假设使用的是8位的CPU)中实现。方法是：将k_n(若k_n≥1)或1/k_n(若k_n＜1)的整数部分装入累加器，通过检测高位连0的个数(可用位测试或循环左移来实现)，可以确定出各子信道上分配的比特数，如下式：

其中，x₁是k_n≥1时，将k_n的整数部分装入累加器后高位连0的个数；x₂是k_n＜1时，将k_n的倒数的整数部分装入累加器后高位连0的个数。

本发明可以应用到所有速率最大化(RA)和功率最小化(MA)问题中，在保证一定可以快速收敛到最优解的条件下，大大降低了算法的复杂度，其总体复杂度低于所有的次优算法。

本发明中算法的优点主要有：(1)能够直接给出分界线η下的最优比特分配结果，然后用夹逼法调整分界线的位置，使得算法在任何情况下都能快速收敛到最优解；(2)当连续对多个符号进行资源分配时，由于仅对第一个符号任意指定初始分界线值，后边每一个符号的分界线初始值都使用其前一个符号的计算结果，进一步降低了算法的复杂度。(3)算法收敛到剩余较少比特时停止，这可以有效降低算法的迭代次数，且需要调整的比特数也是固定的，使得本算法在最恶劣信道条件下的复杂度也是可以预测的，并且较低；(4)算法中没有复杂度高的计算步骤，总体复杂度大大降低，在保证最优分配结果的情况下，总体复杂度低于所有的次优算法。

本发明方法也可以用在速率最大化(RA)问题中，只要用下述方法调整分界线：(1)没有确定上下边界时，用Step(dB)＝P_T arg et-P_total作为初始步长；(2)当分界线值的上下限都更新以后，只要将上述方法中的目标比特数、分配比特数改为目标功率值、分配功率值，分界线的调整值按照上下限功率值及其对应的η值、目标功率值之间的关系计算即可，其计算公式如下：

$\mathrm{\η}={\mathrm{\η}}_{\mathrm{lower}}\·{\left(\frac{{\mathrm{\η}}_{\mathrm{upper}}}{{\mathrm{\η}}_{\mathrm{lower}}}\right)}^{{\log }_{10}\left(\frac{P_{T\arg \mathrm{et}}}{P_{\mathrm{lower}}}\right)/{\log }_{10}\left(\frac{P_{\mathrm{upper}}}{P_{\mathrm{lower}}}\right)}---\left(8\right)$

其中，η_upper和η_lower分别是分界线的上、下限，P_upper和P_lower分别是分配功率的上、下限，P_T arg et是目标功率，P_total是分配的总功率。

并且，也可以限制每个子信道上使用的调制方式(如：WIMAX中仅允许QPSK\16QAM\64QAM三种调制方式)。仿真结果表明，算法同样能够收敛到最优解，且复杂度不高。

附图说明

图1为本发明中所用的自适应资源分配模块的结构框图，其中：1、自适应资源分配模块，2、参数初始化模块，3、比特分配模块，4、分界线调整和判断结束条件模块。

图2为本发明方法的流程框图；其中1)-4)是其各个步骤。

图3为本发明方法中步骤2)的流程框图；其中2a)-2h)是其各个步骤。

图4为本发明方法中步骤3)的流程框图；其中3a)-3h)是其各个步骤。

图5是按照信道条件排序后，各子信道上的最优比特分配情况，其中横坐标为：不同的子信道(假设共有10个子信道，且已经按照信道增益排好序，即最左边的子信道1的信道条件最好，最右边的子信道10的信道条件最坏)；纵坐标为：不同的子信道上分配的比特数(单位是bit)。

图6是某个时刻上，将所有子信道(N＝256)的功率增益按照升序排列后的情况。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明，但不限于此。

实施例：

如图1所示，一种OFDM动态资源分配的方法，由自适应资源分配模块1完成，它是由参数初始化模块2、比特分配模块3、分界线调整和判断结束条件模块4依次相连接构成，该方法步骤如下：

1)开始自适应资源分配前，首先要将已知的参数值(如：目标比特数，各子信道的信道增益、噪声方差，目标误码率，每个子信道上允许传输的最大比特数，等等)输入参数初始化模块2，对参数进行初始化；

1a)任意指定一个初始的分界线值η；

1b)初始化分界线的上限η_upper和下限η_lower为不可能出现的值，如10000和-1；

1c)初始化分配的总比特数的上限R_upper和下限R_lower为不可能出现的值，如10000和-1；

2)将参数初始化模块2输出的参数初始值输入比特分配模块3，计算各个子载波上分配的比特数；

2a)从子信道n＝1开始；

2b)对子信道n，用公式k_n＝η_n/η，将η_n对η归一化；

2c)利用(7)式，计算子信道n上分配的比特数b_n；

2d)如果b_n＜0，那么将该子信道上传送的比特数置为0，即b_n＝0；

2e)如果b_n＞R_max，那么将该子信道上传送的比特数置为R_max，即b_n＝R_max；

2f)判断n是否小于N？如果是，转向下一条；否则，转向2h)；

2g)将子载波加一，即n＝n+1，然后转向2b)；

2h)用公式计算该符号上传送的总比特数，转向步骤3)；

3)将已分配的总比特数、目标比特数、分界线的上下限和已分配总比特数的上下限输入到分界线调整和判断结束条件模块4中，调整分界线的位置，并判断结束条件是否满足；

3a)比较已分配总比特数R_total和目标比特数R_T arg et的大小；如果相等，转向步骤4)；否则，转向下一条；

3b)判断R_total是否大于R_T arg et？如果是，转向下一条；否则，转向3d)；

3c)将分界线左移，即用η_upper＝min(η_upper，η)更新分界线值的上限，用R_upper＝min(R_upper，R_Total)更新R_Total的上限，转向3e)；

3d)将分界线右移，即用η_lower＝max(η_lower，η)更新分界线值的下限，用R_lower＝max(R_lower，R_Total)更新R_Total的下限，转向下一条；

3e)判断分界线的上、下限是否都已经不再等于初始设置的不可能出现的值10000和-1？如果是，转向3f)；否则，转向3g)；

3f)用(6)式更新分界线的值，转向步骤3h)；

3g)用公式

更新分界线的值，转向步骤3h)；

3h)判断R_total和R_T arg et差的绝对值是否小于预先设定的门限值Threshold？如果是，用贪婪算法逐比特调整，直至R_total＝R_T arg et，转向步骤4)；否则，迭代次数加1，转向步骤2)；

4)该符号周期内，各个子信道上的比特和功率分配结束，进行下一符号周期的资源分配。

表1给出了本发明用到的参数列表。我们对20000个OFDM符号做了仿真，由仿真结果可以看出，本发明算法在任何信道条件下都能够快速收敛到最优解。所有的符号都能在5次迭代内收敛到预先设定的门限值Threshold内，其中只有20个符号达到了最大的迭代次数5次，78％的符号能够在2次迭代内收敛到门限值Threshold内；有927个符号的调整次数达到了最大调整次数12次，平均调整次数只有5.3次。由此可见，本发明算法在能够快速收敛到最优解的前提下，大大降低了算法的复杂度，而且算法的最大计算复杂度是一个确定值。这对系统实现是非常有利的。

表1本发明的自适应资源分配算法的参数列表

Claims (1)

1.一种OFDM动态资源分配的方法，由自适应资源分配模块完成，它是由参数初始化模块、比特分配模块、分界线调整和判断结束条件模块依次相连接构成，该方法步骤如下：

1)开始自适应资源分配前，首先要将已知的参数值输入参数初始化模块，对参数进行初始化；

1a)任意指定一个初始的分界线值η；

1b)初始化分界线的上限η_upper和下限η_lower为不可能出现的值，如10000和-1；

1c)初始化分配的总比特数的上限R_upper和下限R_lower为不可能出现的值，如10000和-1；

2)将参数初始化模块输出的参数初始值输入比特分配模块，计算各个子载波上分配的比特数；

2a)从子信道n＝1开始；

2b)对子信道n，用公式k_n＝η_n/η，将η_n对η归一化；

2c)利用(7)式，计算子信道n上分配的比特数b_n；

2d)如果b_n＜0，那么将该子信道上传送的比特数置为0，即b_n＝0；

2e)如果b_n＞R_max，那么将该子信道上传送的比特数置为R_max，即b_n＝R_max；

2f)判断n是否小于N？如果是，转向下一条；否则，转向2h)；

2g)将子载波加一，即n＝n+1，然后转向2b)；

2h)用公式

计算该符号上传送的总比特数，转向步骤3)；

3)将已分配的总比特数、目标比特数、分界线的上下限和已分配总比特数的上下限输入到分界线调整和判断结束条件模块中，调整分界线的位置，并判断结束条件是否满足；

3a)比较已分配总比特数R_total和目标比特数R_T arg get的大小；如果相等，转向步骤4)；否则，转向下一条；

3b)判断R_total是否大于R_T arg et？如果是，转向下一条；否则，转向3d)；

3c)将分界线左移，即用η_upper＝min(η_upper，η)更新分界线值的上限，用R_upper＝min(R_upper，R_Total)更新R_Total的上限，转向3e)；

3d)将分界线右移，即用η_lower＝max(η_lower，η)更新分界线值的下限，用R_lower＝max(R_lower，R_Total)更新R_Total的下限，转向下一条；

3e)判断分界线的上、下限是否都已经不再等于初始设置的不可能出现的值10000和-1？如果是，转向3f)；否则，转向3g)；

3f)用(6)式更新分界线的值，转向步骤3h)；

3g)用公式更新分界线的值，转向步骤3h)；

3h)判断R_total和R_T arg et差的绝对值是否小于预先设定的门限值Threshold？如果是，用贪婪算法逐比特调整，直至R_total＝R_T arg et，转向步骤4)；否则，迭代次数加1，转向步骤2)；

4)该符号周期内，各个子信道上的比特和功率分配结束，进行下一符号周期的资源分配。

Images