CN102202403B - 多用户多输入单输出-正交频分多址系统的资源分配方法 - Google Patents

Abstract

本发明提供了一种多用户多输入单输出-正交频分多址系统的资源分配方法，该方法首先将总功率等分给所有子载波；然后串行分配各个子载波的资源，直至所有子载波分配完毕。在子载波分配资源时，首先更新用户的比例加权系数，然后使用比例速率贪婪算法求出共享当前子载波的用户子集合和集合中各用户之间的功率分配。本发明通过设置合适的比例加权系数来平衡系统吞吐量和用户公平性，并且由于在为用户分配功率时，充分考虑了各用户的优先级，所以能够在保证用户公平性的同时获得较好的吞吐量性能。

Description

多用户多输入单输出-正交频分多址系统的资源分配方法

技术领域

本发明涉及移动通信系统领域，具体涉及多用户多输入单输出-正交频分多址系统的资源分配方法。

背景技术

在未来通信系统中，正交频分多址技术(OFDMA技术)和多输入单输出技术(MIMO技术)一直备受关注。OFDMA技术不但能够有效的对抗多径干扰，而且极大的提高频率效率。MIMO技术不但能够通过发射(接收)波束成型提供发射(接收)功率增益，而且能够提供额外的空间自由度增益从而极大的提高系统吞吐量。

考虑多用户MISO-OFDMA系统的下行传输链路，基站安装多根发射天线，各用户安装单根天线，形成虚拟MIMO的情况。用户利用正交频分多址接入技术和空分多址技术接入系统。因此，系统资源有功率、子载波和空间。每一个子载波能通过空间预编码技术被不同的用户共享。其中一种预编码技术是污纸编码，虽然污纸编码能达到最大的下行链路容量，但是由于污纸编码具有相当高的复杂度，一般很难应用于实时系统中。另一种预编码技术是迫零编码，虽然性能次于污纸编码，但由于复杂度较低，所以一直备受关注。迫零编码要求复用在相同子载波的用户数目必须少于或等于基站天线数目，否则不能完全消除用户之间共享相同子载波产生的干扰。

利用迫零预编码技术，系统资源分配问题转变为两大子问题：子载波之间功率如何分配和各个子载波被哪些用户共享。这两大子问题是互为关联的，子载波所分配的功率越大，会影响该子载波的用户选择；选择哪些用户共享该子载波，又反过来影响子载波之间的功率分配。因此，资源分配问题的最优化求解是复杂的。

另一方面，资源分配问题有两大性能指标，分别是系统吞吐量和用户之间的公平性。这两大性能指标往往是互斥的，如何在系统吞吐量与公平性之间进行有效的折中，使得资源分配问题更加的复杂。

为了降低复杂度，文献：S.Kai，W.Ying，C.Zi-xiong，and Z.Ping，“Fairnessbased resource allocation for multiuser MISO-OFDMA systems withbeamforming，”J.China Univ.of Posts and Telec.，vol.16，no.1，pp.38-43，Feb.2009.首先对各子载波平均分配功率，从而分离子载波的功率分配和用户选择这两者之间的关系。并且根据用户信道之间的相关性，求出共享各个子载波的用户数目。最后根据每一个子载波的用户数目遍历所有用户子集合求出最优的用户子集合。利用该方法，既能降低一定的复杂度和获取一定的公平性。

为了进一步降低复杂度和提高用户之间的公平性，文献：V.D.Papoutsis，I.G.Fraimis，and S.A.Kotsopoulos，“User Selection and Resource AllocationAlgorithm with Fairness in MISO-OFDMA，”IEEE Commun.Letters，vol.14，no.5，may 2010.首先对各子载波平均分配功率，对于各子载波，每一次增加一个用户到已选用户集合前，首先利用用户信道之间的相关性，形成一个临时候选集合，然后利用注水算法从临时候选集合中挑取一个用户添加进已选用户集合中，这种贪婪过程直至公平性约束被破坏或者吞吐量不再增加为止。这种算法极大地降低了资源分配问题的复杂度，但是为了保证相当高的用户公平性而忽略了系统的吞吐量，使得系统吞吐量大大下降了。

发明内容

针对现有技术不足，本发明提供一种多用户多输入单输出-正交频分多址系统的资源分配方法，在总功率的约束下，不但保证系统吞吐量，又能保证用户之间的公平性。

本发明的多用户多输入单输出-正交频分多址系统的资源分配方法，包括以下步骤：

1)、基站获取系统中所有用户天线在第t个时隙的信道信息；

2)、将系统总功率等分分配给系统中的所有子载波；

3)、轮询第n个子载波，初始阶段，n＝1；

4)、基站根据第k个用户已经获得的吞吐量和第k个用户的用户服务质量要求计算出第k个用户的优先级η_k，n，t，再归一化处理求出第k个用户在第n个子载波和第t个时隙的比例加权系数c_k，n，t，即其中k＝1，2，3ΛK，K为系统用户总数，a用于加快公平性收敛，a在区间[0，8]中取值；

5)、在第n个子载波的功率约束下，根据各用户的比例加权系数，为第n个子载波选择用户子集合，同时求出该用户子集合中各用户的迫零预编码和所分配的功率；对于不在该用户子集合中的其他用户分配零功率；

6)、根据步骤5)所选择出的用户子集合，基站计算该子集合中各用户在第n个子载波和第t个时隙所获得的速率；不在该用户子集合中的其他用户速率都为零；然后，基站更新系统各个用户已获得的吞吐量

7)、判断所有子载波是否轮询完毕，如果否，则开始轮询下一个子载波，n＝n+1，转到步骤4)；如果是，则第t个时隙的资源分配完毕，等待进入第t+1个时隙的资源分配。

步骤5)所提及的为子载波选择用户子集合、求出所选择的用户子集合中各用户迫零预编码及所分配的功率均采用比例速率贪婪算法得到，所述比例速率贪婪算法具体步骤为：

(1)、将当前用户子集合设为空集，当前用户子集合中的用户数设为0，当前用户子集合在第n个子载波的比例总速率设为0；所述比例总速率为各用户的比例加权系数与自身速率的乘积和；

(2)、判断当前用户子集合中的用户数目是否小于基站的天线数目，如果是，则转到步骤(3)；如果否，则转到步骤(6)；

(3)、把不在当前用户子集合中的每一个系统用户单独临时添加进当前用户子集合中，得到多个临时用户子集合，比较这些临时用户子集合的比例总速率，求出比例总速率达到最大化的最优临时用户子集合和相应的最优用户；

(4)、比较步骤(3)所求出的最优临时用户子集合的比例总速率是否大于当前用户子集合的比例总速率；如果是，则转到步骤(5)，如果否，则转到(6)；

(5)、将步骤(3)求出的最优用户添加进当前用户子集合中，当前用户子集合的用户数目加1，更新当前用户子集合的比例总速率，转到步骤(2)；

(6)、计算当前用户子集合中各个用户的迫零预编码和相应的功率分配。

步骤(3)和步骤(5)所提到的比例总速率与步骤(6)提到的迫零预编码和功率分配均采用比例注水算法求得，具体步骤为：

①、求出用户子集合中各用户的迫零预编码；

②、根据拉格朗日求极值的方法和用户子集合中各用户的比例加权系数迭代求出各用户所分配的功率和用户子集合的比例总速率。

本发明值得注意的是：

1、当a＝0，本发明最大化系统的吞吐量，随着a增大，用户公平性性能越明显，吞吐量性能减弱。所以，设置合适的a值能够在吞吐量性能和公平性性能上获得较好的均衡，从而满足实际系统的需求。

2、本发明也适用于多用户MIMO的情况，即各个用户安装多根天线，只要利用SVD分解可将多用户MIMO转换成多个独立的并行信道，把这些独立并行信道看成系统的虚拟用户，即等效于多用户MISO的情况。

与现有技术相比，本方法具有以下优点：

(1)本发明根据比例加权系数来平衡系统吞吐量和用户公平性两大性能指标：当各用户的比例加权系数为1时，本发明能够最大化系统吞吐量；当各用户的比例加权系数与各用户优先级相关时，本发明能够保证各用户之间的公平性；

(2)本发明利用比例注水算法为当前用户子集合中的用户分配功率，在功率分配时，充分考虑了用户的比例加权系数，保证了用户之间的公平性。而现有技术则利用传统的注水算法为当前用户子集合中的用户分配功率，在功率分配时，并不考虑用户公平性的需求，所以需要在往当前用户子集合添加用户时设置更严格的要求来补偿用户公平性的性能损失，但是这样的后果是吞吐量严重下降了，所以本发明在保证相同用户公平性的性能基础上，能够进一步提高系统的吞吐量，因此，本发明既能获得较高吞吐量又能获得较高用户公平性。

附图说明

图1为本发明多用户MISO-OFDMA的系统模型图；

图2为本发明的流程图；

图3为本发明实施比例速率贪婪算法的流程图；

图4为本发明实施比例注水算法的流程图。

具体实施方式

下面将参照附图详细说明本发明，本发明实施例1是从基站到用户的下行链路的资源分配。

实施例1

如图1所示的多用户MISO-OFDMA系统模型：基站安装M根天线，系统中有K个用户，各用户均安装一根天线。一般情况下，基站的天线数目要远小于系统用户数目(M＜＜K)，系统用户使用正交频分多址接入技术和空分多址接入技术接入系统。假设系统中有N个子载波，每一个子载波通过迫零预编码技术被多个用户共享。设第k个用户在第n个子载波和第t个时隙的信道增益向量为h_k，n，t＝[h_k，n，1(t)h_k，n，2(t)Λh_k，n，M(t)]，其中h_k，n，1(t)h_k，n，2(t)Λh_k，n，M(t)分别表示第k个用户的天线到基站各天线的信道增益。

基站总功率约束设为P_tot，本发明把总功率P_tot和N个子载波合理分配给系统的K个用户，达到既能保证系统的吞吐量又能保证用户之间的公平性的目的。

本发明的多用户多输入单输出-正交频分多址系统的资源分配方法如图2所示：

1)、基站获取第k个用户在第n个子载波和第t个时隙的信道增益向量h_k，n，t，其中k＝1，2，3ΛK，n＝1，2，3ΛN；

2)、将系统总功率P_tot等分分配给N个子载波，即第n个子载波所分配的功率P_n＝P_tot/N，其中n＝1，2，3ΛN；

3)、轮询第n个子载波，初始阶段，n＝1；

4)、基站根据第k个用户已经获得的吞吐量和第k个用户的用户服务质量要求计算出第k个用户的优先级η_k，n，t，其中k＝1，2，3ΛK；然后根据各个用户的优先级计算第k个用户在第n个子载波和第t个时隙的比例加权系数c_k，n，t，其中k＝1，2，3ΛK；

优先级η_k，n，t由公式(1)计算：

${\mathrm{\η}}_{k,n,t}=R_k^c/{\tilde{R}}_k---\left(1\right)$

比例加权系数c_k，n，t由公式(2)计算：

$c_{k,n,t}={\mathrm{\η}}_{k,n,t}^{\mathrm{\α}}/\underset{k^{\′}=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\η}}_{k^{\′},n,t}^{\mathrm{\α}}---\left(2\right)$

其中a用于加快公平性收敛，a越大，公平性收敛越快，系统可以根据实际需要设置合适的a值；一般情况下，a在区间[0，8]中取值；

5)、在第n个子载波的功率约束下，根据各用户的比例加权系数，执行比例速率贪婪算法为第n个子载波选择用户子集合S_J＝{s₀ s₁Λs_J-1}，用户数目为J，同时求出该用户子集合中各用户的迫零预编码和相应的功率对于不在集合S_J中的其他用户(即k∈K\S_J)分配0功率；

6)、基站根据步骤5)求出的用户子集合S_J、子集合中各用户的迫零预编码和所分配的功率计算用户子集合S_J中的各用户所得的速率j＝0，1ΛJ-1。由香农公式可得，

$r_{s_j,n,t}=\log (1+\frac{P_{s_l,n,t}{\left|h_{s_j,n,t}{w}_{s_j,n,t}\right|}^2}{{\mathrm{\σ}}^2})---\left(3\right)$

对于不在用户子集合S_J的其他系统用户，表明这些用户不占有第n个子载波，所以这些用户在第n个子载波和第t个时隙的速率为0；

然后，基站更新第k个用户已经获得的吞吐量其中k＝1，2ΛK，更新公式如下：

${\tilde{R}}_k={\tilde{R}}_k+r_{k,n,t}---\left(4\right)$

第k个用户获得的r_k，n，t越大，越大。根据公式(1)和公式(2)可知，第k个用户在下一个子载波的优先级和比例加权系数都同时下降，第k个用户在下一个子载波被优先选择的可能性也随之下降，而其他用户在下一个子载波被优先选择的可能性就会上升，因此保证了用户之间的公平性。

7)、判断所有子载波是否轮询完毕，如果否，则轮询下一个子载波，即n＝n+1，转到步骤4)；如果是，则第t个时隙的资源分配完毕，等待进入第t+1个时隙的资源分配。

所述比例速率贪婪算法的算法流程图如图3所示，具体包括以下步骤：

(1)、当前用户子集合设为空集，即S_J＝{}；当前用户子集合中的用户数目个数为0，即J＝0；用ρ(S_J)_n表示当前用户子集合在第n个子载波的比例总速率，比例总速率为各用户的比例加权系数与自身速率的乘积和；由于初始阶段当前用户子集合中没有用户，所以ρ(S_J)_n＝0；

(2)、判断当前用户子集合中的用户数目是否小于基站的天线数目，如果是，则转到步骤(3)；如果否，则转到步骤(6)；

(3)、把不在当前用户子集合中的每一个系统用户单独临时添加进当前用户子集合中，得到多个临时用户子集合，即{S_J∪k}，其中k∈K\S_J；比较这些临时用户子集合的比例总速率ρ({S_J∪k})_n，其中k∈K\S_J，求出比例总速率达到最大化的最优临时用户子集合{S_J∪s_J}和相应的最优用户s_J，s_J可表示为：

$s_J={\arg \max }_{k\∈K\backslash S_J}\mathrm{\ρ}{\left(\right\{S_J\∪k\left\}\right)}_n$

(4)、比较步骤(3)求出的最优临时用户子集合的比例总速率是否大于当前用户子集合的比例总速率；如果是，则转到步骤(5)；如果否，则转到(6)；

(5)、将步骤(3)求出的最优用户s_J添加进当前用户子集合S_J中，即S_J+1＝{S_J∪s_J}，当前用户子集合的用户数目加1，即J＝J+1；由于当前用户子集合已经发生改变，利用比例注水算法重新求出当前用户子集合S_J的比例总速率，即ρ(S_J)_n，转到步骤(2)；

(6)、执行比例注水算法计算当前用户子集合S_J中的各个用户的迫零预编码和所分配的功率其中j＝0，1ΛJ-1。

比例速率贪婪算法可以总结为每进行一次迭代，从剩余用户集合中找到一个最大化改进当前用户子集合比例总速率的用户，并且把这个用户添加到当前用户子集合中，直至当前用户子集合的比例总速率不再增大或者当前用户子集合的用户数目等于基站的天线数目为止。

比例速率贪婪算法最大化的是系统比例总速率，而不是系统的吞吐量。比例总速率考虑了系统吞吐量和用户公平性两大因素。所以比例注水算法一方面能够获得较高的用户公平性，另一方面又能减少系统吞吐量性能的损失。

所述比例注水算法的算法流程图如图4所示，具体包括以下步骤：

①、求出用户子集合中各用户的迫零预编码，求取过程描述如下：

设用户子集合为S_L＝{s₀，s₁Λs_L-1}，用户数目为L，设用户s₀，s₁Λs_L-1在第n个子载波和第t个时隙的信道增益向量分别为用户子集合的信道传输矩阵表示为：

$H_{S_L,n,t}={[h_{s_0,n,t}^T,h_{s_1,n,t}^T\mathrm{\Λ}{h}_{s_{L-1},n,t}^T]}^T$

其中T为矩阵的转置运算，那么的伪逆矩阵为：

$H_{S_L,n,t}^{+}=H_{S_L,n,t}^H{\left(H_{S_L,n,t}{H}_{S_L,n,t}^H\right)}^H$

其中H为矩阵共轭转置。设矩阵的各列为那么用户子集合的迫零预编码分别为：

$\begin{array}{ccc}\frac{{\stackrel{\‾}{w}}_{s_0,n,t}}{\left|\right|{\stackrel{\‾}{w}}_{s_0,n,t}\left|\right|}& \frac{{\stackrel{\‾}{w}}_{s_1,n,t}}{\left|\right|{\stackrel{\‾}{w}}_{s_1,n,t}\left|\right|}K& \frac{{\stackrel{\‾}{w}}_{s_{L-1},n,t}}{\left|\right|{\stackrel{\‾}{w}}_{s_{L-1},n,t}\left|\right|}\end{array}$

②、根据拉格朗日求极值的方法和用户子集合中各用户的比例加权系数迭代求出各用户之间的功率分配和用户子集合的比例总速率。

实际上，步骤②所考虑的问题是如何在用户子集合内合理分配第n个子载波的功率使得比例总速率达到最大值

假设用户s_l的所分配的功率是根据香农定理，用户s_l的速率为

$r_{s_l,n,t}=\log (1+\frac{P_{s_l,n,t}{\left|h_{s_l,n,t}{w}_{s_l,n,t}\right|}^2}{{\mathrm{\σ}}^2})$

其中σ²为噪声功率。此时用户s_l的比例速率为所以用户子集合S_L在第n个子载波和第t个时隙的比例总速率可以建模为：

$\mathrm{\ρ}{\left(S_L\right)}_n=\underset{P_{s_0,n,t},P_{s_1,n,t}\mathrm{\Λ}{P}_{s_{L-1},n,t}}{\max }\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{c}_{s_l,n,t}\log (1+\frac{P_{s_{l}n,t}{\left|h_{s_l,n,t}{w}_{s_l,n,t}\right|}^2}{{\mathrm{\σ}}^2})---\left(5\right)$

$\begin{array}{cc}{P}_{s_l,n,t}\≥0& \∀l\end{array}$

$\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{P}_{s_l,n,t}=P_{\mathrm{tot}}/N$

考虑拉格朗日函数：

$L(\mathrm{\λ},P_{s_0,n,t},P_{s_1,n,t},\mathrm{\Λ}{P}_{s_{L-1},n,t})=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{c}_{s_l,n,t}\log (1+\frac{P_{s_l,n,t}{\left|h_{s_l,n,t}{w}_{s_l,n,t}\right|}^2}{{\mathrm{\σ}}^2})-\mathrm{\λ}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{P}_{s_l,n,t}$

其中λ是拉格朗日乘子。根据Karush-Kuhn-Tucker条件，最优功率分配需要满足：

$\frac{\∂L}{{\∂P}_{S_l,n,t}}\left\{\begin{array}{cc}=0& P_{S_l,n,t}\≥0\\ \≤0& P_{S_l,n,t}=0\end{array}\right.---\left(6\right)$

而公式(7)满足公式(6)所述的条件：

$P_{s_l,n,t}=\max (\frac{c_{s_l,n,t}}{\mathrm{\λ}}-\frac{{\mathrm{\σ}}^2}{{\left|h_{s_l,n,t}{w}_{s_l,n,t}\right|}^2},0)---\left(7\right)$

与传统的注水算法不同，这里的比例注水算法各用户的水平面是不同的，与自身的比例加权系数相关。拉格朗日乘子λ需要满足：

$\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\max (\frac{c_{s_l,n,t}}{\mathrm{\λ}}-\frac{{\mathrm{\σ}}^2}{{\left|h_{s_l,n,t}{w}_{s_l,n,t}\right|}^2},0)=P_{\mathrm{tot}}/N---\left(8\right)$

根据公式(7)和公式(8)可以求出用户子集合中各用户的功率其中l＝0，1，ΛL-1。根据用户所分配的功率和公式(5)即可求出ρ(S_L)_n。

从比例注水算法看出，用户子集合中各用户的功率分配与各用户的比例加权系数相关。用户的比例加权系数越大，所分配的功率也越大。

Claims (3)

1.多用户多输入单输出-正交频分多址系统的资源分配方法，其特征在于，包括以下步骤： 

1）、基站获取系统中所有用户天线在第t个时隙的信道信息； 

2）、将系统总功率等分分配给系统中的所有子载波； 

3）、轮询第n个子载波，初始阶段，n=1； 

4）、基站根据第k个用户已经获得的吞吐量和第k个用户的用户服务质量要求计算出第k个用户的优先级η_k,n,t，再归一化处理求出第k个用户在第n个子载波和第t个时隙的比例加权系数c_k,n,t，即 其中表示参数η_k,n,t的a次方，k=1,2,3…K，K为系统用户总数，a用于加快公平性收敛，a在区间[0,8]中取值； 

5）、在第n个子载波的功率约束下，根据各用户的比例加权系数c_k,n,t，为第n个子载波选择用户子集合，同时求出该用户子集合中各用户的迫零预编码和所分配的功率；对于不在该用户子集合中的其他用户分配零功率； 

6）、根据步骤5）所选择出的用户子集合，基站计算该子集合中各用户在第n个子载波和第t个时隙所获得的速率；不在该用户子集合中的其他用户速率都为零；然后，基站更新系统各个用户已获得的吞吐量

7）、判断所有子载波是否轮询完毕，如果否，则开始轮询下一个子载波，n=n+1，转到步骤4）；如果是，则第t个时隙的资源分配完毕，等待进入第t+1个时隙的资源分配。 

2.根据权利要求1所述的资源分配方法，其特征在于，步骤5）所提及的选择用户子集合、求出各用户的迫零预编码及所分配的功率均采用比例速率贪婪算法求得，所述比例速率贪婪算法具体步骤为： 

（1）、将当前用户子集合设为空集，当前用户子集合中的用户数设为0，当前用户子集合在第n个子载波的比例总速率设为0；所述比例总速率为各用户的比例加权系数与自身速率的乘积和； 

（2）、判断当前用户子集合中的用户数目是否小于基站的天线数目，如果是，则转到步骤（3）；如果否，则转到步骤（6）； 

（3）、把不在当前用户子集合中的每一个系统用户单独临时添加进当前用户子集合中，得到多个临时用户子集合，比较这些临时用户子集合的比例总速率，求出比例总速率达到最大化的最优临时用户子集合和相应的最优用户； 

（4）、比较步骤（3）所求出的最优临时用户子集合的比例总速率是否大于当前用户子集合的比例总速率；如果是，则转到步骤（5），如果否，则转到（6）； 

（5）、将步骤（3）求出的最优用户添加进当前用户子集合中，当前用户子集合的用户数目加1，更新当前用户子集合的比例总速率，转到步骤（2）； 

（6）、计算当前用户子集合中各个用户的迫零预编码和相应的功率分配。 

3.根据权利要求2所述的资源分配方法，其特征在于，步骤（3）和步骤（5）所提到的比例总速率、步骤（6）所提到的迫零预编码和功率分配均采用比例注水算法求得，具体步骤为： 

①、求出用户子集合中各用户的迫零预编码； 

②、根据拉格朗日求极值的方法和用户子集合中各用户的比例加权系数迭代求出各用户所分配的功率和用户子集合的比例总速率。