CN102083217A - 多中继正交频分复用系统的资源分配方法和装置 - Google Patents

Abstract

公开了多中继正交频分复用系统的中资源分配方法和装置。其中的多中继正交频分复用系统资源分配方法包括：获取实际信道信息，根据基于实际信道信息的数学优化问题获取资源分配参数，所述资源分配参数包括：子载波功率分配、中继选择和子载波配对中的至少两个；所述数学优化问题为基于信道信息利用端到端传输速率优化原则为子载波功率分配、中继选择和子载波配对设置的数学优化问题；根据所述资源分配参数进行信号传输。上述技术方案优化了系统性能。

Description

多中继正交频分复用系统的资源分配方法和装置

技术领域

本发明涉及无线网络通讯技术领域，具体涉及多中继正交频分复用系统中的资源分配技术。

背景技术

无线通信系统中的中继网络的基本模型如附图1所示。

图1示出的中继网络包括：源节点、中继节点以及目标节点。源节点到目标节点的一次信号传输过程通过两个时隙完成，在第一时隙，源节点广播信号，中继节点和目标节点监听源节点发送的信号，中继节点在监听到来自源节点的信号后，先进行信号解码，并在第二时隙以一定功率向目标节点发送解码后的信号，目标节点将从第一时隙和第二时隙分别接收到的信号进行联合处理。

基于中继的Orthogonal Frequency Division Multiplexing(正交频分复用，OFDM)系统采用了中继技术和OFDM技术。

在基于中继的OFDM系统中，现有的资源分配方法主要包括如下两种：

方法一、基于子载波相同原则的资源分配方法，即源节点向中继节点发送信号的子载波与中继节点向目标节点发送信号的子载波相同。

方法二、基于子载波能量配对原则的资源分配方法，即前一跳中能量最强的子载波匹配后一跳中能量最强的子载波，前一跳中能量次强的子载波匹配后一跳中能量次强的子载波，以此类推。

在实现本发明的过程中，发明人发现：基于现有的资源分配方法的系统性能还存在进一步优化的空间。

发明内容

本发明实施方式提供的资源分配方法和装置，可优化系统性能。

本发明实施方式提供的资源分配方法，包括：

获取实际信道信息；

根据基于实际信道信息的数学优化问题获取资源分配参数，所述资源分配参数包括：子载波功率分配、中继选择和子载波配对中的至少两个；

所述数学优化问题为基于信道信息利用端到端传输速率优化原则为子载波功率分配、中继选择和子载波配对设置的数学优化问题；

根据所述资源分配参数进行信号传输。

本发明实施方式提供的资源分配装置，包括：

获取模块，用于获取实际信道信息；

资源分配模块，用于根据基于实际信道信息的数学优化问题获取资源分配参数，所述资源分配参数包括：子载波功率分配、中继选择和子载波配对中的至少两个；

所述数学优化问题为基于信道信息利用端到端传输速率优化原则为子载波功率分配、中继选择和子载波配对设置的数学优化问题；

传输模块，用于根据所述资源分配参数进行信号传输。

通过上述技术方案的描述可知，通过利用端到端传输速率优化原则为子载波功率分配、中继选择和子载波配对设置数学优化问题，并通过对数学优化问题求解获得子载波功率分配、中继选择和子载波配对中的至少两个，利用获得的资源分配参数进行信号传输可以提高端到端传输速率，从而优化了系统性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是无线通信系统中的中继网络示意图；

图2是本发明实施例一的资源分配方法流程图；

图3是本发明实施例二的资源分配方法适用的包括中继网络的OFDM系统示意图；

图4是本发明实施例二的资源分配方法流程图；

图5是本发明实施例三的资源分配方法流程图；

图6是本发明实施例四的资源分配方法流程图

图7是本发明实施例五的资源分配装置示意图；

图7A是本发明实施例五的资源分配模块的第一种结构示意图；

图7B是本发明实施例五的资源分配模块的第二种结构示意图；

图7C是本发明实施例五的资源分配模块的第三种结构示意图；

图8是仿真过程中的中继节点分布示意图；

图9是仿真获得的端到端传输速率对比示意图一；

图10是仿真获得的端到端传输速率对比示意图二。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一、资源分配方法。该方法的流程如附图2所示。

图2中，S200、获取实际信道信息。这里的实际信道信息可以为各子载波的等效信道增益。

获取实际信道信息的过程可以为：先获取各子载波的信道系数，然后，利用各子载波的信道系数计算各子载波的等效信道增益。

S210、根据基于实际信道信息的数学优化问题获取资源分配参数。这里的资源分配参数包括：子载波功率分配、中继选择和子载波配对中的至少两个，这里的数学优化问题为基于信道信息利用端到端传输速率优化原则为子载波功率分配、中继选择和子载波配对而设置的数学优化问题。端到端传输速率优化原则可以具体为端到端传输速率最大原则。在下面的实施例中，主要以端到端传输速率优化原则具体为端到端传输速率最大原则为例，对资源分配方法进行说明。

基于实际信道信息的数学优化问题即在将获取的实际信道信息代入数学优化问题后获得的数学优化问题。S210中根据基于实际信道信息的数学优化问题获取资源分配参数即：对代入实际信道信息的数学优化问题进行求解，由于数学优化问题是针对子载波功率分配、中继选择和子载波配对设置的，因此从求解的结果中即可获得使端到端传输速率最大的子载波功率分配、中继选择和子载波配对中的至少两个。本实施例可以采用对偶函数的形式对上述数学优化问题进行求解，即把数学优化问题转换为对偶函数的形式来表示，并针对转换后的对偶函数进行求解；当然，本实施例也可以采用现有的其它方式对数学优化问题进行求解，本实施例不限制对数学优化问题求解的具体实现过程。

S210中的数学优化问题的表述可以表示为下述公式(1)：

$\underset{\{p,t,\mathrm{\ρ}\}}{\max }\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{i^{\′}=1}{\overset{N}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{i,i^{\′}}{t}_{{i,i}^{\′},k}{R}_{i,i^{\′},k},$

s.t. $\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{t}_{{i,i}^{\′},k}=1,$ $\∀i,i^{\′}.$ $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{{i,i}^{\′}}=1$ $\underset{i^{\′}=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{{i,i}^{\′}}=1,$ $\∀{i,i}^{\′}$

公式(1)

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{p}_{i,k,1}\≤P_S\underset{i^{\′}=1}{\overset{N}{\mathrm{\Σ}}}{p}_{i^{\′},k,2}\≤P_{R,k},$ $\∀k;$

在公式(1)中：

p表示子载波功率分配，且p＝{p_i，k，1，p_i′，k，2}，p_i，k，1为源节点与中继节点k之间的子载波i的功率，p_i′，k，2表示中继节点k与目标节点之间的子载波i’的功率；

t表示中继选择，且t＝{t_i，i′，k}，t_i，i′，k表示子载波i和i’被分配给中继节点k；

ρ表示子载波配对，且ρ＝{ρ_i，i′}，ρ_i，i′表示子载波i和i’配对；

N为OFDM符号的子载波数量，且N大于等于1；K为中继节点数量，且K大于等于2；

R_i，i′，k表示在当前实际信道信息且p＝{p_i，k，1，p_i′，k，2}的情况下，从源节点经过中继节点k使用了子载波i，然后从中继节点k到目标节点使用了子载波i’的传输速率；R_i，i′，k也可以称为由中继节点k在子载波配对(i，i′)上完成的协作传输的端到端互信息，端到端互信息的单位可以为Nats/OFDM信号；

s.t.表示数学优化问题的限制条件，其中，

为中继选择限制条件，表示子载波i和子载波i’只能分配给一个中继节点；

为子载波配对限制条件，表示子载波i只能和子载波i’配对；

为源节点功率限制条件，表示从源节点到所有中继节点的所有子载波功率之和不超过源节点总发射功率；

为中继节点功率限制条件，表示从中继节点k到目标节点的所有子载波功率之和不超过中继节点k总发射功率。

P_S为源节点总发射功率，P_R，k为中继节点k总发射功率。

上述R_i，i′，k可以进一步被表示为下述公式(2)：

$R_{{i,i}^{\′},k}=\frac{1}{2}\ln (1+{\mathrm{\α}}_{i,3}{p}_{i,k,1}+\frac{{\mathrm{\α}}_{i,k,1}{p}_{i,k,1}{\mathrm{\α}}_{i^{\′},k,2}{p}_{i^{\′},k,2}}{1+{\mathrm{\α}}_{i,k,1}{p}_{i,k,1}+{\mathrm{\α}}_{i^{\′},k,2}{p}_{i^{\′},k,2}})$ 公式(2)

在上述公式(2)中，p_i，k，1为源节点到中继节点k的子载波i的功率，p_i′，k，2表示中继节点k到目标节点的子载波i’的功率，α_i，3为从源节点到目标节点的子载波i的等效信道增益，α_i，k，1为从源节点到中继节点k的子载波i的等效信道增益，α_i′，k，2为从中继节点k到目标节点的子载波i’的等效信道增益。进一步的，上述α_i，3可以表示为：

上述α_i，k，1可以表示为：

上述α_i′，k，2可以表示为：h_i，3为从源节点到目标节点的子载波i的信道系数，h_i，k，1为从源节点到中继节点k的子载波i的信道系数，h_i′，k，2为从中继节点k到目标节点的子载波i’的信道系数，

为目标节点的噪声方差，

为中继节点k的噪声方差。

从上述公式(2)可知，R_i，i′，k对p_i，k，1和p_i′，k，2来说不同时为凹函数，由于中继节点通常会在高信噪比区域放大并转发信号，因此，上述公式(2)可以近似为下述公式(3)：

$R_{{i,i}^{\′},k}\≈\frac{1}{2}\ln (1+{\mathrm{\α}}_{i,3}{p}_{i,k,1}+\frac{{\mathrm{\α}}_{i,k,1}{p}_{i,k,1}{\mathrm{\α}}_{i^{\′},k,2}{p}_{i^{\′},k,2}}{{\mathrm{\α}}_{i,k,1}{p}_{i,k,1}+{\mathrm{\α}}_{i^{\′},k,2}{p}_{i^{\′},k,2}})$ 公式(3)

目前，已经有文献证明，中继节点即便是在低信噪比区域放大并转发信号，利用上述公式(3)获得的传输速率基本上与最优容量即最高传输速率非常接近。由此可知，本实施例中的数学优化问题是针对子载波配对、中继选择和子载波功率分配进行联合优化的数学优化问题，该数学优化问题的优化目标包括：在每个发送节点功率独立受限的情况下，最大化端到端传输速率。

如果采用对偶函数的形式对上述数学优化问题进行求解，则上述公式(1)描述的数学优化问题转换获得的对偶函数g(β)为：

公式(4)

在上述公式(4)中，β为对偶函数的对偶变量，

为子载波功率分配的值域，且值域中的每个值都是ρ和t的函数，

为由ρ和t组成的值域，p为子载波功率分配原变量，t为中继选择原变量，ρ为子载波配对原变量，β为与源节点功率限制条件和中继节点功率限制条件相关的对偶变量向量，且

其中的β_S为源节点的对偶变量向量，β_R，1为中继节点1的对偶变量向量，β_R，k为中继节点k的对偶变量向量，L(p，t，ρ，β)为p、t、ρ和β的拉格朗日函数。

上述拉格朗日函数可以具体表示为下述公式(5)：

$L(p,t,\mathrm{\ρ},\mathrm{\β})\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{i^{\′}=1}{\overset{N}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\ln (1+{\mathrm{\α}}_{i,3}{p}_{i,k,1}+\frac{{\mathrm{\α}}_{i,k,1}{p}_{i,k,1}{\mathrm{\α}}_{i^{\′},k,2}{p}_{i^{\′},k,2}}{{\mathrm{\α}}_{i,k,1}{p}_{i,k,1}+{\mathrm{\α}}_{i^{\′},k,2}{p}_{i^{\′},k,2}})$

$+{\mathrm{\β}}_S(P_s-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{p}_{i,k,1})+\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\β}}_{R,k}(P_{R,k}-\underset{i^{\′}=1}{\overset{N}{\mathrm{\Σ}}}{p}_{i^{\′},k,2})$ 公式(5)

在拉格朗日函数表示为上述公式(5)的情况下，上述公式(4)所示的对偶函数g(β)可以变换为下述公式(6)：

公式(6)

其中： $L_{{i,i}^{\′},k}=\ln (1+{\mathrm{\α}}_{i,3}{p}_{i,k,1}+\frac{{\mathrm{\α}}_{i,k,1}{p}_{i,k,1}{\mathrm{\α}}_{i^{\′},k,2}{p}_{i^{\′},k,2}}{{\mathrm{\α}}_{i,k,1}{p}_{i,k,1}+{\mathrm{\α}}_{i^{\′},k,2}{p}_{i^{\′},k,2}})-{\mathrm{\β}}_S{p}_{i,k,1}-{\mathrm{\β}}_{R,k}{p}_{i^{\′},k,2}.$

求解对偶函数的过程可以为：先确定对偶函数的对偶变量取值，然后，计算对偶函数在对偶变量取值上的最优原变量，获得的最优原变量即为对数学优化问题进行求解的结果。这里的对偶变量取值可以为对偶变量最优值即最优对偶变量，也可以为对偶变量初始值。对偶变量初始值即针对对偶变量进行初始化的值。

S210中根据基于实际信道信息的数学优化问题获得资源分配参数的实现过程的第一个具体例子可以为：首先，在给定子载波配对和给定中继选择的情况下，从基于实际信道信息的数学优化问题中获取最优子载波功率分配；由于本实施例中的数学优化问题是针对子载波功率分配、子载波配对和中继选择三者设置的，因此，在给定两个资源分配参数的情况下，可以从数学优化问题中获得第三个资源分配参数的最优值；然后，在给定子载波配对和上述获得的最优子载波功率分配的情况下，从基于实际信道信息的数学优化问题中获取最优中继选择；之后，在上述获得的最优子载波功率分配和最优中继选择的情况下，从基于实际信道信息的数学优化问题中获取最优子载波配对，例如，利用匈牙利算法获取最优子载波配对。上述给定子载波配对和给定中继选择可以采用初始化或者随机分配等方式设置。本实施例不限制给定子载波配对和给定中继选择的具体设置方式。

如果本实施例中的数学优化问题以对偶函数的形式表示，则上述第一个具体例子中的最优子载波配对、最优中继选择和最优子载波功率分配即为对偶函数在对偶变量当前取值上的最优原变量。对偶变量当前取值可以为对偶变量的初始化值，也可以为最优对偶变量。

如果上述第一个具体例子中的对偶变量为对偶变量的初始化值，则上述第一个具体例子还可以可选的包括：判断基于上述最优子载波配对、最优中继选择和最优子载波功率分配的对偶函数的对偶变量是否收敛，如果不收敛，则更新对偶变量，例如根据梯度算法或者次梯度算法更新对偶变量，然后，在更新的对偶变量的基础上，重新获取最优子载波配对、最优中继选择和最优子载波功率分配，直到对偶变量收敛。也就是说，在判断出对偶变量收敛时，当前获取的最优原变量(即最优子载波配对、最优中继选择和最优子载波功率分配)就是数学优化问题的解。收敛的对偶变量即为对偶函数的最优对偶变量。

另外，在判断出对偶变量收敛后，上述第一个具体例子还可以可选的包括：利用最优中继选择和最优子载波配对最优子载波功率分配进行修正。也就是说，如果在第一个具体例子的最优原变量计算过程中，忽略了对偶间隙，则在获得了对偶函数在最优对偶变量上的最优原变量后，可以利用计算出的最优原变量中的最优中继选择原变量和最优子载波配对原变量对最优子载波功率分配原变量进行修正，以使子载波功率分配更准确。

上述第一个具体的例子的复杂度是一跳子载波数量和中继节点数量的多项式级别。

S210中根据基于实际信道信息的数学优化问题获得资源分配参数的实现过程的第二个具体例子可以为：首先，在已知子载波功率均等分配和给定子载波配对的情况下，从基于实际信道信息的数学优化问题中获取最优中继选择；子载波功率均等分配即针对一个发送节点而言，每个子载波的功率均相同。由于本实施例中的数学优化问题是针对子载波功率分配、子载波配对和中继选择三者设置的，因此，在已知子载波功率均等分配、且给定一个资源分配参数的情况下，可以从数学优化问题中获得第三个资源分配参数的最优值。之后，在子载波功率均等分配和最优中继选择的情况下，可以从基于实际信道信息的数学优化问题中获取最优子载波配对。上述给定子载波配对可以采用初始化或者随机分配等方式设置。本实施例不限制给定子载波配对的具体设置方式。

如果本实施例中的数学优化问题以对偶函数的形式表示，则上述第二个具体例子中的最优子载波配对、最优中继选择和子载波功率均等分配即为对偶函数在对偶变量当前取值上的最优原变量。对偶变量当前取值可以为对偶变量的初始化值。

上述第二个具体例子其实是在预设子载波功率均等分配的基础上，对中继选择和子载波配对进行联合优化。由于上述第二个具体的例子可以不进行对偶变量的跌代过程，因此，第二个具体例子的复杂度远远低于第一个具体例子的复杂度。

S210中根据基于实际信道信息的数学优化问题获得资源分配参数的实现过程的第三个具体例子可以为：首先，在已知子载波配对和给定中继选择的情况下，从基于实际信道信息的数学优化问题中获取最优子载波功率分配；由于本实施例中的数学优化问题是针对子载波功率分配、子载波配对和中继选择三者设置的，因此，在已知子载波配对和给定一个资源分配参数的情况下，可以从数学优化问题中获得第三个资源分配参数的最优值。之后，在已知子载波配对和最优子载波功率分配的情况下，可以从基于实际信道信息的数学优化问题中获取最优中继选择。上述给定中继选择可以采用初始化或者随机分配等方式设置。本实施例不限制给定中继选择的具体设置方式。

如果本实施例中的数学优化问题以对偶函数的形式表示，则上述第三个具体例子中的最优中继选择和最优子载波功率分配即为对偶函数在对偶变量当前取值上的最优原变量。对偶变量当前取值可以为对偶变量的初始化值，也可以为最优对偶变量。

如果上述第三个具体例子中的对偶变量为对偶变量的初始化值，则上述第三个具体例子还可以可选的包括：判断基于上述已知子载波配对、最优中继选择和最优子载波功率分配的对偶函数的对偶变量是否收敛，如果不收敛，则更新对偶变量，例如根据梯度算法或者次梯度算法更新对偶变量，然后，在更新的对偶变量的基础上，重新获取最优中继选择和最优子载波功率分配，直到对偶变量收敛。也就是说，在判断出对偶变量收敛时，当前获取到的最优原变量(即最优中继选择和最优子载波功率分配)是数学优化问题的解。收敛的对偶变量即为对偶函数的最优对偶变量。

另外，在判断出对偶变量收敛后，上述第三个具体例子还可以可选的包括：利用最优中继选择和已知的子载波配对最优子载波功率分配进行修正。也就是说，如果在第三个具体例子的最优原变量计算过程中，忽略了对偶间隙，则在获得了对偶函数在最优对偶变量上的最优原变量后，可以利用计算出的最优原变量中的最优中继选择原变量和已知的子载波配对原变量对最优子载波功率分配原变量进行修正，以使子载波功率分配更准确。

上述第三个具体例子其实是在预设固定的子载波配对的基础上，对中继选择和子载波功率分配进行联合优化。由于上述第三个具体例子的原变量中的子载波配对为已知，因此，省去了获得子载波配对的过程，从而第三个具体例子的复杂度略低于第一个具体例子的复杂度。

S220、在获得了数学优化问题的求解结果后，可以利用求解获得的结果进行信号传输。例如，根据最优子载波配对、最优中继选择和最优子载波功率分配进行信号传输；再例如，根据最优子载波配对、最优中继选择和子载波功率均等分配进行信号传输；再例如，根据已知子载波配对、最优中继选择和最优子载波功率分配进行信号传输。

S220可以利用求解获得的资源分配参数采用现有的信号传输操作实现信号传输，本实施例不限制利用资源分配参数进行信号传输的具体实现过程。

上述实施例一的执行主体可以为源节点，也可以为中继节点。

实施例二、资源分配方法。该方法适用的包括中继网络的OFDM系统如附图3所示，该方法的流程如附图4所示。

图3示出了基于放大转发AF协议的两跳多中继协作的OFDM系统。该OFDM系统包括：一个源节点S、K个中继节点即R₁至R_K和一个目标节点D。源节点S通过K个中继节点与目标节点D进行基于OFDM的通信。

在图3中，源节点S与K个中继节点之间存在K个信道，源节点S与目标节点D之间存在一个信道，K个中继节点与目标节点D之间存在K个信道，因此，图3中包括有2K+1个信道，可以设定2K+1个信道带宽相同，且各信道均经历独立的频率选择性衰落。每个信道逻辑上分为N个平行的正交子载波，且每个子载波上都是平衰落。从源节点S到各中继节点的子载波为第一跳子载波，从各中继节点到目标节点的子载波为第二跳子载波。

图3中的每个中继节点均运行在半双工模式下，且均采用AF协议。源节点S和目标节点D之间的通信被分为若干个帧，每个帧由若干个OFDM符号组成，每个帧又进一步分成两个时隙。在第一时隙，源节点S在所有子载波上发送信号，目标节点D和所有的中继节点均对信道进行监听。在第二时隙，每个中继节点将监听到的从各个子载波上接收的信号进行放大，并将放大后的信号转发给目标节点D。例如，中继节点K在第一跳子载波i上接收到源节点S发出的信号，中继节点K将该信号放大，并在第二时隙将放大后的信号在第二跳子载波i′上向目标节点D发送。这里的第一跳子载波i和第二跳子载波i′可以相同，也可以不相同，第一跳子载波i和第二跳子载波i′组成子载波配对(i，i′)。为了避免中继节点间的干扰，每个子载波配对只能分配给一个中继节点，而一个中继节点可以分配有多个子载波配对。在只有一个中继节点的极端情况下，该中继节点分配有所有的子载波配对。每个帧末，目标节点将在两个时隙接收到的信号进行合并，并进行最优检测，以获得源节点S发送的帧。

图3中示出的分配给中继节点R₁的子载波配对为：(第一跳子载波2，第二跳子载波1)和(第一跳子载波3，第二跳子载波6)，分配给中继节点R₂的子载波配对为：(第一跳子载波5，第二跳子载波7)，分配给中继节点R_k的子载波配对为：(第一跳子载波1，第二跳子载波8)、(第一跳子载波4，第二跳子载波4)和(第一跳子载波7，第二跳子载波3)，分配给中继节点R_K的子载波配对为：(第一跳子载波6，第二跳子载波5)和(第一跳子载波9，第二跳子载波2)。

图4中，S400、获取实际信道信息，即获取所有子载波的信道信息。

S400中获取的信道信息为：通过信道系数计算获得的各子载波的等效信道增益。各子载波的等效信道增益可以包括：源节点S与中继节点k之间的子载波i的等效信道增益即第一跳子载波i的等效信道增益α_i，k，1、中继节点k与目标节点D之间的子载波i的等效信道增益即第二跳子载波i的等效信道增益α_i，k，2、以及源节点S与目标节点D之间不经过任何中继节点直接连接的子载波i的等效信道增益α_i，3。

上述等效信道增益可以定义为：

和其中，h_i，k，1为中继节点k的第一跳子载波i的信道系数，h_i，k，2为中继节点k的第二跳子载波i的信道系数，h_i，3为源节点S到目标节点D不经过任何中继节点而直接连接的子载波i上的信道系数，i∈{1，...，N}，N为源节点到所有中继节点的子载波数量，

为第k个中继节点的噪声方差，

为目标节点的的噪声方差，k∈{1，...，K}，K为中继节点的数量。

S400中的对偶函数是根据数学优化问题获得的，该数学优化问题描述为：如何设置子载波功率分配、中继选择和子载波配对才能使源节点与目标节点之间的传输速率最大。

上述数学优化问题的限制条件包括：中继选择限制条件、子载波配对限制条件、源节点功率限制条件和中继节点功率限制条件。中继选择限制条件即一对子载波只能分配给一个中继节点。子载波配对限制条件即一条第一跳子载波仅能与一条第二跳子载波配对。源节点功率限制条件即所有第一跳子载波的发射功率之和不超过源节点的总发射功率。中继节点功率限制条件即一个中继节点上的所有第二跳子载波的发射功率之和不超过该中继节点的总发射功率。

如果将数学优化问题的限制条件用公式来表述，则数学优化问题的限制条件可以用如下公式(7)至公式(10)来表示：

中继选择限制条件： $\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{t}_{{i,i}^{\′},k}=1,$ $\∀{i,i}^{\′}.$ 公式(7)

其中，K为中继节点数量，t_i，i′，k∈{0，1}，t_i，i′，k可以为二进制变量，t_i，i′，k＝1表示中继节点k被分配了子载波对(i，i′)，t_i，i′，k＝0表示中继节点k没有被分配子载波对(i，i′)。

子载波配对限制条件： $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{i,i^{\′}}=1,$ $\underset{i^{\′}=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{{i,i}^{\′}}=1,$ $\∀{i,i}^{\′}$ 公式(8)

其中，N为第一跳子载波数量，也为第二跳子载波数量，ρ_i，i′∈{0，1}，ρ_i，i′可以为二进制变量，ρ_i，i′＝1表示第一跳子载波i和第二跳子载波i′配对，ρ_i，i′＝0表示第一跳子载波i没有和第二跳子载波i′配对。

源节点功率限制条件： $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{p}_{i,k,1}\≤P_S$ 公式(9)

其中，N为中继节点k的第一跳子载波数量，K为中继节点数量，p_i，k，1为源节点向中继节点k发射子载波i的功率，P_S为源节点的总发射功率。

中继节点功率限制条件： $\underset{i^{\′}=1}{\overset{N}{\mathrm{\Σ}}}{p}_{i^{\′},k,2}\≤P_{R,k},$ $\∀k$ 公式(10)

其中，N为中继节点k的第二跳子载波数量，中继节点k的第一跳子载波数量和第二跳子载波数量相同，p_i′，k，2为与第一跳子载波i配对的第二跳子载波i’源节点向中继节点k发射子载波i的功率，P_S为源节点的总发射功率。

S400中的数学优化问题的公式表示方式可以如上述公式(1)所示，在此不再重复说明。本实施例中的数学优化问题需要优化的变量包括：子载波功率分配p＝{p_i，k，1，p_i′，k，2}、中继选择t＝{t_i，i′，k}和子载波配对ρ＝{ρ_i，i′}。子载波功率分配p需要满足公式(9)和公式(10)。中继选择t需要公式(7)。子载波配对ρ需要满足公式(8)。

本实施例中的数学优化问题是一个混合整数的非线性规划问题。本实施例中的数学优化问题满足分时条件，可以通过对偶方法来对上述数学优化问题求解，以获得能够最大化传输速率的p＝{p_i，k，1，p_i′，k，2}、t＝{t_i，i′，k}和ρ＝{ρ_i，i′}。

S400中的对偶函数的公式表示方式可以如上述公式(4)、公式(5)和公式(6)所示，在此不再重复说明。

本实施例中的对偶函数的对偶优化问题可以表示为：

$\underset{\mathrm{\β}}{\min }g\left(\mathrm{\β}\right)$

s.t. $\mathrm{\β}\underset{\‾}{>}0$ 公式(11)

由于对偶函数总为凸函数，而基于梯度或次梯度算法可用来最小化g(β)，并保证收敛得到最优对偶变量β^*，因此，如果找到对偶函数g(β)的闭合表达式则可以获得最优对偶变量β^*，并获得最优原变量即p＝{p_i，k，1，p_i′，k，2}、t＝{t_i，i′，k}和ρ＝{ρ_i，i′}。也就是说，本实施例针对对偶函数g(β)的计算就是为了获得对偶函数在最优对偶变量β^*上的最优原变量{p^*，ρ^*，t^*}。

S410、初始化对偶变量β，即设置对偶变量β的初始值。可以将预设置的缺省值作为对偶变量β的初始值，也可以随机产生对偶变量β的初始值。本实施例不限制初始化对偶变量β的具体实体过程。

S420、在给定的对偶变量处计算最优原变量t^*、p^*和ρ^*，并获得基于t^*、p^*和ρ^*的对偶函数。给定的对偶变量即为对偶变量的当前值。

S420的具体实现过程包括：

1、对于给定子载波配对原变量和给定中继选择原变量，优化子载波功率分配原变量。给定子载波配对原变量和给定中继选择原变量可以采用初始化或者随机分配等方式设置。

设定子载波配对(i，i′)被分配给中继节点k，即ρ_i，i′＝1，t_i，i′，k＝1，则最优子载波功率分配原变量可以通过对下述公式(11)的求解获得：

maxL_i，i′，k

s.t.  p_i，k，1≥0，p_i′，k，2≥0    公式(11)

从上述公式(11)可以看出，L_i，i′，k是关于(p_i，k，1，p_i′，k，2)的凸函数。应用KKT获得的最优子载波功率分配原变量如下述公式(12)和公式(13)所示：

$p_{i,k,1}^{*}=\left\{\begin{array}{ccc}{c}_{{i,i}^{\′},k}{p}_{i^{\′},k,2}^{*},& \mathrm{when}& p_{i,k,2}^{*}>0\\ {(\frac{1}{{\mathrm{\β}}_S}-\frac{1}{{\mathrm{\α}}_{i,3}})}^{+},& \mathrm{when}& p_{i^{\′},k,2}^{*}=0\end{array}\right.$ 公式(12)

$p_{i^{\′},k,2}^{*}=\left\{\begin{array}{c}{\left(\frac{{\mathrm{\α}}_{i,k,1}{\mathrm{\α}}_{i^{\′},k,2}^2+({\mathrm{\α}}_{i,3}-{\mathrm{\β}}_S){({\mathrm{\α}}_{i,k,1}{c}_{i,i^{\′},k}+{\mathrm{\α}}_{i^{\′},k,2})}^2}{c_{{i,i}^{\′},k}{\mathrm{\β}}_S({\mathrm{\α}}_{i,k,1}{c}_{{i,i}^{\′},k}+{\mathrm{\α}}_{i^{\′},k,2})({\mathrm{\α}}_{i,3}{\mathrm{\α}}_{i,k,1}{c}_{{i,i}^{\′},k}+{\mathrm{\α}}_{i,3}{\mathrm{\α}}_{i^{\′},k,2}+{\mathrm{\α}}_{i,k,1}{\mathrm{\α}}_{i^{\′},k,2})}\right)}^{+}\\ 0,\mathrm{if}{\mathrm{\α}}_{i^{\′},k,2}{\mathrm{\β}}_S\≤{\mathrm{\α}}_{i,3}{\mathrm{\β}}_{R,k}\end{array}\right.,$ if  α_i′，k，2β_S＞α_i，3β_R，k

公式(13)

上述公式(12)和公式(13)中的c_i，i′，k如下述公式(14)所示：

$c_{{i,i}^{\′},k}=\frac{{\mathrm{\α}}_{i^{\′},k,2}}{{\mathrm{\α}}_{i,k,1}({\mathrm{\α}}_{i^{\′},k,2}{\mathrm{\β}}_S-{\mathrm{\α}}_{i,3}{\mathrm{\β}}_{R,k})}(\sqrt{{\mathrm{\β}}_{R,k}({\mathrm{\α}}_{i,k,1}{\mathrm{\α}}_{i^{\′},k,2}{\mathrm{\β}}_S-{\mathrm{\α}}_{i,k,1}{\mathrm{\α}}_{i,3}{\mathrm{\β}}_{R,k}+{\mathrm{\α}}_{i^{\′},k,2}{\mathrm{\α}}_{i,3}{\mathrm{\β}}_S)}+{\mathrm{\α}}_{i,3}{\mathrm{\β}}_{R,k})$

公式(14)

2、对于给定子载波配对原变量，优化中继选择原变量。

将上述公式(12)和公式(13)代入公式(6)的L_i，i′，k中，获得公式(15)：

公式(15)

在公式(15)中，H_i，i′，k的定义可以为如下两种：

a、在源节点S和目标节点D之间不使用中继节点而直接进行信号传输的情况下，H_i，i′，k如下述公式(16)所示：

$H_{{i,i}^{\′},k}={\left[\ln \left(\frac{{\mathrm{\α}}_{i,3}}{{\mathrm{\β}}_S}\right)\right]}^{+}-{\mathrm{\β}}_S{(\frac{1}{{\mathrm{\β}}_S}-\frac{1}{{\mathrm{\α}}_{i,3}})}^{+}$ 公式(16)

b、在源节点S和目标节点D之间使用中继节点进行信号协作传输的情况下，H_i，i′，k如下述公式(17)所示：

$H_{{i,i}^{\′},k}=\ln \left[\frac{{\mathrm{\α}}_{i,3}{({\mathrm{\α}}_{i,k,1}{c}_{{i,i}^{\′},k}+{\mathrm{\α}}_{i^{\′},k,2})}^2+{\mathrm{\α}}_{i,k,1}{\mathrm{\α}}_{i^{\′},k,2}^2}{{\mathrm{\β}}_S{({\mathrm{\α}}_{i,k,1}{c}_{i,i^{\′},k}+{\mathrm{\α}}_{i^{\′},k,2})}^2}\right]$

$-({\mathrm{\β}}_S{c}_{i,i^{\′},k}+{\mathrm{\β}}_{R,k})\left[\frac{{\mathrm{\α}}_{i,k,1}{\mathrm{\α}}_{i^{\′},k,2}^2+({\mathrm{\α}}_{i,3}-{\mathrm{\β}}_S){({\mathrm{\α}}_{i,k,1}{c}_{i,i^{\′},k}+{\mathrm{\α}}_{i^{\′},k,2})}^2}{c_{{i,i}^{\′},k}{\mathrm{\β}}_S({\mathrm{\α}}_{i,k,1}{c}_{{i,i}^{\′},k}+{\mathrm{\α}}_{i^{\′},k,2})({\mathrm{\α}}_{i,3}{\mathrm{\α}}_{i,k,1}{c}_{i,i^{\′},k}+{\mathrm{\α}}_{i,3}{\mathrm{\α}}_{i^{\′},k,2}+{\mathrm{\α}}_{i,k,1}{\mathrm{\α}}_{i^{\′},k,2})}\right]$

公式(17)

在公式(15)的基础上，对于给定子载波配对原变量ρ，可以求出最优中继选择原变量t^*。

假设给定子载波配对(i，i′)符合子载波配对限制条件，即ρ_i，i′＝1。从公式(15)可以看出，选择出的最佳的中继节点应该使H_i，i′，k最大化，也就是说，中继选择最优原变量应该使公式(16)和公式(17)获得最大值，可以用如下公式(18)来表示：

$t_{i,i^{\′},k}^{*}=\left\{\begin{array}{cc}1,& k=k^{*}\left({i,i}^{\′}\right)=\arg \max H_{{i,i}^{\′},k}\\ 0,& \mathrm{otherwise}\end{array}\right.$ 公式(18)

由此可知，公式(16)或公式(17)定义的H_i，i′，k是中继选择的最佳准则。当存在多个中继节点均能够使H_i，i′，k最大化时，则可以在这多个中继节点中为子载波配对(i，i′)随机选择一个中继节点。

3、优化子载波配对原变量。

将上述公式(18)代入公式(15)中，获得下述公式(19)，下述公式(19)即为g(β)的闭合表达式：

公式(19)

在上述公式(19)中，

为ρ的值域。定义一个N×N的利润矩阵H＝[H_i，i′]，为了在集合上最大化公式(19)，可以从利润矩阵的每行和每列中选出一个元素，使总利润尽可能大。显然，这是个标准的线性分配问题，可以利用匈牙利算法来解决该标准的线性分配问题，也就是说，可以利用匈牙利算法对公式(19)进行求解，获得最优子载波配对原变量。

如果令π(i)，i＝1，...，N表示第二跳子载波中与第一跳子载波i匹配的子载波标号，则最优子载波配对原变量可以如下述公式(20)所示：

${\mathrm{\ρ}}_{i,i^{\′}}^{*}=\left\{\begin{array}{cc}1,& i^{\′}=\mathrm{\π}\left(i\right)\\ 0,& \mathrm{otherwise}\end{array}\right.$ 公式(20)

将最优原变量{p^*，ρ^*，t^*}代入公式(6)可获得基于最优原变量的对偶函数。

S430、根据上述获得的基于最优原变量的对偶函数利用梯度算法或次梯度算法判断当前对偶变量是否收敛，如果判断结果为收敛，则到S440，否则，到S450。

本实施例可以采用现有的多种收敛判断方法来判断对偶变量是否收敛，本实施例不限制判断当前对偶变量是否收敛的具体判断过程。

S440、利用最优子载波配对原变量和最优中继选择原变量对最优子载波功率分配原变量进行修正。之后，利用最优子载波配对原变量、最优中继选择原变量、以及修正后的最优子载波功率分配原变量进行信号传输。

在子载波数量有限的情况下，对偶间隙不能近似的当作零，因此，最优子载波功率分配原变量有可能不准确，需要修正。可以利用t^*(β^*)和ρ^*(β^*)更新最优子载波功率分配原变量p，更新后的最优子载波功率分配原变量p满足上述数学优化问题中的子载波功率限制条件和源节点功率限制条件。对最优子载波功率分配原变量进行修正的一个具体例子为：利用现有仅考虑子载波功率分配的资源分配方法对最优子载波功率分配原变量进行修正。

在子载波数量N足够大时，对偶间隙越来越小，不进行修正的最优子载波功率分配原变量基本上可以认为是最优解。不难证明，如果在子载波数量N足够大时进行最优子载波功率分配原变量的修正，则修正后的最优子载波功率分配原变量的表示式与上述公式(12)和公式(13)基本相同。

S450、计算对偶变量的次梯度，并利用计算结果更新当前给定的对偶变量。到S420。

可以采用梯度算法或次梯度算法来计算对偶变量的次梯度。本实施例不限制计算对偶变量的次梯度的具体实现方式。

由于更新对偶变量的复杂度为K的多项式级别，即K^α，而获得子载波配对最优原变量的复杂度为O(N³)，因此，实施例二的整体复杂度为O(N³ K^α)。

实施例三、资源分配方法。该方法为在各子载波功率分配均等的情况下的资源分配方法，即基于均等子载波功率分配的资源分配方法。该方法的流程如附图5所示。

图5中，S500、获取实际信道信息，即获取所有子载波的信道信息。

S500中获取的信道信息为：通过信道系数计算获得的各子载波的等效信道增益。各子载波的等效信道增益可以包括：源节点S与中继节点k之间的子载波i的等效信道增益即第一跳子载波i的等效信道增益α_i，k，1、中继节点k与目标节点D之间的子载波i的等效信道增益即第二跳子载波i的等效信道增益α_i，k，2、以及源节点S与目标节点D之间不经过任何中继节点直接连接的子载波i的等效信道增益α_i，3。

在本实施例中，所有发射节点(即源节点和各中继节点)可以遵循同样的独立功率限制条件，即P_S＝P_R，k＝P，

S510、初始化对偶变量β，即设置对偶变量β的初始值。可以将预设置的缺省值作为对偶变量β的初始值，也可以随机产生对偶变量β的初始值。本实施例不限制初始化对偶变量β的具体实体过程。

S520、在给定的对偶变量处计算最优原变量t^*和ρ^*。给定的对偶变量即为对偶变量的当前值。之后，利用最优原变量t^*、ρ^*以及子载波功率分配平均值进行信号传输。

S520的具体实现过程包括：对于给定子载波配对原变量和计算获得的子载波功率分配平均值优化中继选择。计算获得的子载波功率分配平均值为下述公式(21)所示：

$p_{i,k,1}=\frac{1}{N}P,$ $p_{i^{\′},k,2}=\frac{K}{N}P$ 公式(21)

将公式(21)代入公式(6)的L_i，i′，k中，之后，对于给定子载波配对原变量ρ，选择使传输速率R_i，i′，k最大化的中继节点，即求出最优中继选择原变量t^*。然后，将最优中继选择原变量t^*也代入公式(6)的L_i，i′，k中，并利用匈牙利算法获得最优子载波配对原变量，从而获得对偶函数在当前给定的对偶变量上的最优原变量{ρ^*，t^*}。

本实施例不需要针对对偶变量进行收敛判断，进而也不需要针对对偶变量的当前取值进行更新，实施例三的复杂度为O(N³)。

实施例四、资源分配方法。该方法为在各子载波配对已知的情况下的资源分配方法，即基于预先固定子载波配对的资源分配方法。该方法的流程如附图6所示。

图6中，S600、获取实际信道信息，即获取所有子载波的信道信息。

S600中获取的信道信息为：通过信道系数计算获得的各子载波的等效信道增益。各子载波的等效信道增益可以包括：源节点S与中继节点k之间的子载波i的等效信道增益即第一跳子载波i的等效信道增益α_i，k，1、中继节点k与目标节点D之间的子载波i的等效信道增益即第二跳子载波i的等效信道增益α_i，k，2、以及源节点S与目标节点D之间不经过任何中继节点直接连接的子载波i的等效信道增益α_i，3。

令预先固定设置的子载波配对方案为：π(i)＝i，

，即源节点在某一子载波上发送的信号被中继节点在同一个子载波上转发给目标节点。

S610、初始化对偶变量β，即设置对偶变量β的初始值。可以将预设置的缺省值作为对偶变量β的初始值，也可以随机产生对偶变量β的初始值。本实施例不限制初始化对偶变量β的具体实体过程。

S620、在给定的对偶变量处计算最优原变量t^*和p^*，并获得基于t^*、p^*和π(i)＝i，的对偶函数。给定的对偶变量即为对偶变量的当前值。

S620的具体实现过程包括：

1、对于π(i)＝i，

和给定的中继选择原变量，优化子载波功率分配，即获取最优子载波功率分配原变量。

设定π(i)＝i，

被分配给中继节点k，即ρ_i，i＝1，t_i，i，k＝1，则最优子载波功率分配原变量可以通过对

的求解获得。

2、对于π(i)＝i，

，优化中继选择，即获取最优中继选择原变量。

将上述最优子载波功率分配原变量和π(i)＝i，

代入公式(6)的L_i，i′，k中，并针对代入后的公式(6)求出最优中继选择原变量t。中继节点选择算法可表示为k(i，i)＝arg max_k H_i，i，k，

将π(i)＝i，

和最优原变量{p^*，t^*}代入公式(6)可获得基于最优子载波功率分配原变量、最优中继选择原变量和给定子载波配对的对偶函数。

S630、根据上述获得的基于最优子载波功率分配原变量、最优中继选择原变量和给定子载波配对的对偶函数，利用梯度算法或次梯度算法等判断当前给定的对偶变量是否收敛，如果判断结果为收敛，则到S640，否则，到S650。

本实施例可以采用现有的多种收敛判断方法来判断对偶变量是否收敛，本实施例不限制判断当前给定的对偶变量是否收敛的具体判断过程。

S640、利用π(i)＝i，

和最优中继选择原变量对最优子载波功率分配原变量进行修正。本实施例不限制对最优子载波功率分配原变量进行修正的具体实现过程。之后，利用π(i)＝i，

、最优中继选择原变量、以及修正后的最优子载波功率分配原变量进行信号传输。

S650、计算对偶变量的次梯度，并利用计算结果更新当前给定的对偶变量。到S620。

可以采用梯度算法或次梯度算法来计算对偶变量的次梯度。本实施例不限制计算对偶变量的次梯度的具体实现方式。

由于实施例四更新对偶变量需要K^α步，而每步的中继选择和功率分配的复杂度为O(NK)，因此，实施例四的整体复杂度为O(NK^α+1)。

实施例五、资源分配装置。该装置的结构如附图7所示。图7中的资源分配装置可以为多中继正交频分复用系统中的源节点，也可以为多中继正交频分复用系统中的中继节点。图7中的装置包括：获取模块700、资源分配模块710和传输模块720。

获取模块700，用于获取实际信道信息。这里的实际信道信息可以为各子载波的等效信道增益。

获取模块700获取实际信道信息的一个具体例子可以为：获取模块700先获取各子载波的信道系数，然后，获取模块700利用各子载波的信道系数计算各子载波的等效信道增益。

资源分配模块710，用于根据基于实际信道信息的数学优化问题获取资源分配参数，这里的资源分配参数包括：子载波功率分配、中继选择和子载波配对中的至少两个；这里的数学优化问题为基于信道信息利用端到端传输速率优化原则为子载波功率分配、中继选择和子载波配对设置的数学优化问题。这里的端到端传输速率优化原则可以具体为端到端传输速率最大原则。在下面的实施例中，主要以端到端传输速率优化原则具体为端到端传输速率最大原则为例，对资源分配装置进行说明。

由于数学优化问题是针对子载波功率分配、中继选择和子载波配对设置的，因此，资源分配模块710可以从求解的结果中获得使端到端传输速率最大的子载波功率分配、中继选择和子载波配对中的至少两个。

资源分配模块710可以采用对偶函数的形式对上述数学优化问题进行求解，也可以采用其它方法对上述数学优化问题进行求解。资源分配模块710中可以存储有数学优化问题，也可以存储有数学优化问题转换而成的对偶函数。本实施例不限制资源分配模块710对数学优化问题求解的具体实现过程。本实施例中的数学优化问题以及对偶函数等如上述实施例一至实施例四中的记载，在此不再详细说明。

资源分配模块710求解对偶函数的一个具体例子可以为：资源分配模块710先确定对偶函数的对偶变量取值，然后，资源分配模块710计算对偶函数在对偶变量取值上的最优原变量，资源分配模块710获得的最优原变量即为对数学优化问题进行求解的结果。这里的对偶变量取值可以为对偶变量最优值即最优对偶变量，也可以为对偶变量初始值。对偶变量初始值即针对对偶变量进行初始化的值。

资源分配模块710在获得了最优原变量后，可以根据该最优原变量进行信号传输。

资源分配模块710的结构的一个具体例子如附图7A所示。图7A中的资源分配模块710包括：第一分配子模块711、第二分配子模块712和第三分配子模块713。可选的，资源分配装置还可以包括：第一收敛模块和第一修正模块中的任意一个或两个。

第一分配子模块711，用于在给定子载波配对和给定中继选择的情况下，从基于实际信道信息的数学优化问题中获取最优子载波功率分配。第一分配子模块711可以采用初始化或者随机分配等方式设置给定子载波配对和给定中继选择。本实施例不限制第一分配子模块711设置给定子载波配对和给定中继选择的具体实现方式。

第二分配子模块712，用于在给定子载波配对和第一分配子模块711获取的最优子载波功率分配的情况下，从基于实际信道信息的数学优化问题中获取最优中继选择。

第三分配子模块713，用于在第一分配子模块711获取的最优子载波功率分配和第二分配子模块712获取的最优中继选择的情况下，从基于实际信道信息的数学优化问题中获取最优子载波配对。

在数学优化问题以对偶函数的形式表示时，第一分配子模块711、第二分配子模块712和第三分配子模块713获得的最优子载波配对、最优中继选择和最优子载波功率分配即为对偶函数在对偶变量当前取值上的最优原变量。对偶变量当前取值可以为对偶变量的初始化值，也可以为最优对偶变量。

在第一分配子模块711、第二分配子模块712和第三分配子模块713利用对偶变量的初始化值获得了最优原变量之后，资源分配装置中的第一收敛模块需要判断基于上述最优子载波配对、最优中继选择和最优子载波功率分配的对偶函数的对偶变量是否收敛，如果不收敛，则第一收敛模块更新对偶变量，例如第一收敛模块根据梯度算法或者次梯度算法更新对偶变量，然后，第一分配子模块711、第二分配子模块712和第三分配子模块713在更新的对偶变量的基础上，重新获取最优子载波配对、最优中继选择和最优子载波功率分配，直到第一收敛模块判断出对偶变量收敛。也就是说，在第一收敛模块判断出对偶变量收敛时，第一分配子模块711、第二分配子模块712和第三分配子模块713当前获取的最优原变量就是数学优化问题的解。收敛的对偶变量即为对偶函数的最优对偶变量。

另外，在第一收敛模块判断出对偶变量收敛后，资源分配装置中的第一修正模块可以利用最优子载波配对和最优中继选择对最优子载波功率分配进行修正，以使子载波功率分配更准确。第一分配子模块711、第二分配子模块712、第三分配子模块713、第一收敛模块和第一修正模块执行操作的一个具体例子如上述实施例二中的描述，在此不再重复说明。

资源分配模块710的结构的第二个具体例子如附图7B所示。图7B中的资源分配模块710包括：第四分配子模块714和第五分配子模块715。

第四分配子模块714，用于在给定子载波配对和子载波功率均等分配的情况下，从基于实际信道信息的数学优化问题中获取最优中继选择。子载波功率均等分配即针对一个发送节点而言，每个子载波的功率均相同。第四分配子模块714可以采用初始化或者随机分配等方式设置给定子载波配对。本实施例不限制第四分配子模块714设置给定子载波配对的具体实现方式。

在使用对偶函数的形式来表示数学优化问题时，第四分配子模块714还可以初始化对偶变量β，第四分配子模块714可以将预设置的缺省值作为对偶变量β的初始值，也可以随机产生对偶变量β的初始值。本实施例不限制第四分配子模块714初始化对偶变量β的具体实体过程。

第五分配子模块715，用于在子载波功率均等分配和第四分配子模块714获取的最优中继选择的情况下，从基于实际信道信息的数学优化问题中获取最优子载波配对。

在使用对偶函数的形式来表示数学优化问题时，第四分配子模块714和第五分配子模块715获取的最优中继选择和最优子载波配对可以是在对偶变量β的初始化值的基础上获得的。第四分配子模块714和第五分配子模块715执行操作的一个具体例子如上述实施例三中的描述，在此不再重复说明。

资源分配模块710的结构的第三个具体例子如附图7C所示。图7C中的资源分配模块710包括：第六分配子模块716和第七分配子模块717。可选的，资源分配装置还可以包括：第二收敛模块和第二修正模块中的任意一个或两个。

第六分配子模块716，用于在已知子载波配对和给定中继选择的情况下，从基于实际信道信息的数学优化问题中获取最优子载波功率分配。第六分配子模块716可以采用初始化或者随机分配等方式设置给定中继选择。本实施例不限制第六分配子模块716设置给定中继选择的具体实现方式。

第七分配子模块717，用于在已知子载波配对和第六分配子模块获取的最优子载波功率分配的情况下，从基于实际信道信息的数学优化问题中获取最优中继选择。

在数学优化问题以对偶函数的形式表示时，第六分配子模块716和第七分配子模块717获得的最优中继选择和最优子载波功率分配即为对偶函数在对偶变量当前取值上的最优原变量。对偶变量当前取值可以为对偶变量的初始化值，也可以为最优对偶变量。

在第六分配子模块716和第七分配子模块717利用对偶变量的初始化值获得了最优原变量之后，资源分配装置中的第二收敛模块需要判断基于上述已知子载波配对、最优中继选择和最优子载波功率分配的对偶函数的对偶变量是否收敛，如果不收敛，则第二收敛模块更新对偶变量，例如第二收敛模块根据梯度算法或者次梯度算法更新对偶变量，然后，第六分配子模块716和第七分配子模块717在更新的对偶变量的基础上，重新获取最优中继选择和最优子载波功率分配，直到第二收敛模块判断出对偶变量收敛。也就是说，在第二收敛模块判断出对偶变量收敛时，第六分配子模块716和第七分配子模块717当前获取的最优原变量就是数学优化问题的解。收敛的对偶变量即为对偶函数的最优对偶变量。

另外，在第二收敛模块判断出对偶变量收敛后，资源分配装置中的第二修正模块可以利用已知子载波配对和最优中继选择对最优子载波功率分配进行修正，以使子载波功率分配更准确。第六分配子模块716、第七分配子模块717、第二收敛模块和第二修正模块执行操作的一个具体例子如上述实施例四中的描述，在此不再重复说明。

传输模块720，用于根据资源分配模块710获得的资源分配参数进行信号传输。传输模块720可以利用上述资源分配参数采用现有的信号传输操作实现信号传输，本实施例不限制传输模块720进行信号传输的具体实现过程。

下面结合仿真结果对本发明实施例的系统性能进行说明。

设定基于AF的两跳OFDM系统包括：一个源节点、一个目标节点和四个中继节点即K＝4，且四个中继节点的分布如附图8所示。图8中的四个中继节点在方形区域中随机分布。信道模型采用中心频率在1.9GHz的斯坦福大学的中期(SUI)信道模型。假设每个发送节点独立功率限制条件相同，且噪声功率归一化为1。信道总带宽固定在1MHz。设置路径损耗因子为3.5，且不考虑阴影效应。设定子载波数量为16即N＝16，所有子载波都经历平衰落。

为了提供一个比较基准，展示了基于OFDM字符的中继选择(如选用一个能够最大化在整个信道带宽上平均信道增益的中继节点)基准方案的系统性能。该基准方案包括：(1)对于每个中继节点，将子载波按照信道增益在每一跳上分别排序。(2)将两跳上的子载波按照排序一个一个配对，现有文献已经证明了这种排序以及配对方式在单中继系统中是最优的，并且计算在均等功率分配假设下每个中继对应的总传输速率。(3)选择能够使传输速率最大的中继节点，并在各子载波对上进行最优的功率分配。

在发送节点的不同发送功率下，100种随机中继节点分布的平均系统性能如附图9所示。

图9中，横坐标为发送节点的发送功率，纵坐标为端到端传输速率平均值。带方框的曲线为本发明实施例二的系统性能曲线，带三角的曲线为本发明实施例三的系统性能曲线，带竖线的曲线为本发明实施例四的系统性能曲线，带五角星的曲线为基于OFDM字符的中继选择基准方案的系统性能曲线。从图9所示的曲线可知，本发明实施例二的系统性能、实施例三的系统性能以及实施例四的系统性能都明显优于基准方案的系统性能。尤其是当每个发送节点的功率为20dBW时，本发明实施例二的端到端频谱效率可提高约40％。将本发明实施例三和实施例四的系统性能与实施例二的系统性能进行比较可知，上述实施例三和实施例四仅仅带来了不到1dB的功率损耗。

从图9示出的系统性能曲线还可知，在高信噪比区域，本发明实施例三的系统性能略好于本发明实施例四的系统性能。

设定网络中的4个中继节点组成一个中继群集，分布在源节点和目标节点之间的连接线上。中继群集的半径远小于源节点和目标节点之间的距离。图10水平坐标上的变量d表示源节点到中继的距离与源节点到目标节点的距离的比值，纵坐标为端到端传输速率平均值。随中继节点位置变化的平均端到端传输速率如附图10所示。

图10中，带方框的曲线为本发明实施例二的系统性能曲线，带三角的曲线为本发明实施例三的系统性能曲线，带竖线的曲线为本发明实施例四的系统性能曲线，带五角星的曲线为基于OFDM字符的中继选择基准方案的系统性能曲线。从带方框的曲线可以看出，对于本发明实施例二，在d＝0.3时系统传输速率最大，比基准方案的端到端传输速率高70％。

从图10示出的曲线还可以看出，在d≥0.3时，本发明实施例三的端到端传输速率优于本发明实施例四的端到端传输速率。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，所述的软件产品在可以用于执行上述的方法流程。该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

虽然通过实施例描绘了本发明，本领域普通技术人员知道，本发明有许多变形和变化而不脱离本发明的精神，本发明的申请文件的权利要求包括这些变形和变化。

Claims (17)

1.一种多中继正交频分复用系统的资源分配方法，其特征在于，包括：

获取实际信道信息；

根据基于实际信道信息的数学优化问题获取资源分配参数，所述资源分配参数包括：子载波功率分配、中继选择和子载波配对中的至少两个；

所述数学优化问题为基于信道信息利用端到端传输速率优化原则为子载波功率分配、中继选择和子载波配对设置的数学优化问题；

根据所述资源分配参数进行信号传输。

2.如权利要求1所述的方法，其特征在于，所述根据基于实际信道信息的数学优化问题获取资源分配参数包括：

在给定子载波配对和给定中继选择的情况下，从所述基于实际信道信息的数学优化问题中获取最优子载波功率分配；

在给定子载波配对和所述最优子载波功率分配的情况下，从所述基于实际信道信息的数学优化问题中获取最优中继选择；

在所述最优子载波功率分配和最优中继选择的情况下，从所述基于实际信道信息的数学优化问题中获取最优子载波配对。

3.如权利要求2所述的方法，其特征在于，在所述数学优化问题以对偶函数的形式表示时，所述最优子载波配对、最优中继选择和最优子载波功率分配基于所述对偶函数的初始化的对偶变量或者最优对偶变量获得；

在基于所述对偶函数的初始化的对偶变量获得时，所述方法还包括：

判断基于所述最优子载波配对、最优中继选择和最优子载波功率分配的对偶函数的对偶变量是否收敛；

如果不收敛，则更新所述对偶变量，利用所述更新的对偶变量重新获取最优子载波配对、最优中继选择和最优子载波功率分配，直到所述对偶变量收敛。

4.如权利要求3所述的方法，其特征在于，在所述对偶变量收敛后，所述方法还包括：

利用最优中继选择和最优子载波配对最优子载波功率分配进行修正。

5.如权利要求1所述的方法，其特征在于，所述根据基于实际信道信息的数学优化问题获取资源分配参数包括：

在给定子载波配对和子载波功率均等分配的情况下，从所述基于实际信道信息的数学优化问题中获取最优中继选择；

在所述子载波功率均等分配和最优中继选择的情况下，从所述基于实际信道信息的数学优化问题中获取最优子载波配对。

6.如权利要求5所述的方法，其特征在于，在所述数学优化问题以对偶函数的形式表示时，所述最优子载波配对和最优中继选择基于所述对偶函数的初始化的对偶变量获得。

7.如权利要求1所述的方法，其特征在于，所述根据基于实际信道信息的数学优化问题获取资源分配参数包括：

在已知子载波配对和给定中继选择的情况下，从所述基于实际信道信息的数学优化问题中获取最优子载波功率分配；

在已知子载波配对和所述最优子载波功率分配的情况下，从所述基于实际信道信息的数学优化问题中获取最优中继选择。

8.如权利要求7所述的方法，其特征在于，在所述数学优化问题以对偶函数的形式表示时，所述最优中继选择和最优子载波功率分配基于所述对偶函数的初始化的对偶变量或者最优对偶变量获得；

在基于所述对偶函数的初始化的对偶变量获得时，所述方法还包括：

判断基于所述已知子载波配对、最优中继选择和最优子载波功率分配的对偶函数的对偶变量是否收敛；

如果不收敛，则更新所述对偶变量，并利用所述更新的对偶变量重新获取最优中继选择和最优子载波功率分配，直到所述对偶变量收敛。

9.如权利要求8所述的方法，其特征在于，在所述对偶变量收敛后，所述方法还包括：

利用所述最优中继选择和所述已知子载波配对对最优子载波功率分配行修正。

10.一种资源分配装置，其特征在于，包括：

获取模块，用于获取实际信道信息；

资源分配模块，用于根据基于实际信道信息的数学优化问题获取资源分配参数，所述资源分配参数包括：子载波功率分配、中继选择和子载波配对中的至少两个；

所述数学优化问题为基于信道信息利用端到端传输速率优化原则为子载波功率分配、中继选择和子载波配对设置的数学优化问题；

传输模块，用于根据所述资源分配参数进行信号传输。

11.如权利要求10所述的装置，其特征在于，所述资源分配模块包括：

第一分配子模块，用于在给定子载波配对和给定中继选择的情况下，从所述基于实际信道信息的数学优化问题中获取最优子载波功率分配；

第二分配子模块，用于在给定子载波配对和所述最优子载波功率分配的情况下，从所述基于实际信道信息的数学优化问题中获取最优中继选择；

第三分配子模块，用于在所述最优子载波功率分配和最优中继选择的情况下，从所述基于实际信道信息的数学优化问题中获取最优子载波配对。

12.如权利要求11所述的装置，其特征在于，在所述数学优化问题以对偶函数的形式表示时，所述最优子载波配对、最优中继选择和最优子载波功率分配基于所述对偶函数的初始化的对偶变量或者最优对偶变量获得；

在基于所述对偶函数的初始化的对偶变量获得时，所述装置还包括：

第一收敛模块，用于判断基于所述最优子载波配对、最优中继选择和最优子载波功率分配的对偶函数的对偶变量是否收敛，如果不收敛，则更新所述对偶变量，并通知所述第一分配子模块、第二分配子模块和第三分配子模块利用所述更新的对偶变量重新获取最优子载波配对、最优中继选择和最优子载波功率分配，直到所述对偶变量收敛。

13.如权利要求12所述的装置，其特征在于，所述装置还包括：

第一修正模块，用于在所述对偶变量收敛后，利用所述最优中继选择和最优子载波配对所述最优子载波功率分配进行修正。

14.如权利要求10所述的装置，其特征在于，所述资源分配模块包括：

第四分配子模块，用于在给定子载波配对和子载波功率均等分配的情况下，从所述基于实际信道信息的数学优化问题中获取最优中继选择；

第五分配子模块，用于在所述子载波功率均等分配和最优中继选择的情况下，从所述基于实际信道信息的数学优化问题中获取最优子载波配对。

15.如权利要求10所述的装置，其特征在于，所述资源分配模块包括：

第六分配子模块，用于在已知子载波配对和给定中继选择的情况下，从所述基于实际信道信息的数学优化问题中获取最优子载波功率分配；

第七分配子模块，用于在已知子载波配对和所述最优子载波功率分配的情况下，从所述基于实际信道信息的数学优化问题中获取最优中继选择。

16.如权利要求15所述的装置，其特征在于，在所述数学优化问题以对偶函数的形式表示时，所述最优中继选择和最优子载波功率分配基于所述对偶函数的初始化的对偶变量或者最优对偶变量获得；

在基于所述对偶函数的初始化的对偶变量获得时，所述装置还包括：

第二收敛模块，用于判断基于所述已知子载波配对、最优中继选择和最优子载波功率分配的对偶函数的对偶变量是否收敛；如果不收敛，则更新所述对偶变量，并利用所述更新的对偶变量重新获取最优中继选择和最优子载波功率分配，直到所述对偶变量收敛。

17.如权利要求16所述的装置，其特征在于，所述装置还包括：

第二修正模块，用于在所述对偶变量收敛后，利用所述最优中继选择和所述已知子载波配对对最优子载波功率分配行修正。

Images