CN102480793A - 一种分布式资源分配方法及装置 - Google Patents

Abstract

本发明公开了一种分布式资源分配方法，涉及无线通信领域，用以加快进行分布式资源分配过程中的迭代收敛速度。本发明提供的技术方案为一种分布式资源分配方法包括：发射端接收由接收端反馈的上次资源分配后测量到的干扰参数；根据上次资源分配结果以及所述干扰参数自适应地调整当前资源分配过程中进行梯度迭代的迭代步长；利用所述调整后的迭代步长进行梯度迭代并完成当前的资源分配过程。本发明实施例提供的分布式资源分配方法及装置适用于使用分布式梯度迭代算法的各种无线资源分配中。

Description

一种分布式资源分配方法及装置

技术领域

本发明涉及无线通信领域，尤其涉及一种分布式资源分配方法及装置。

背景技术

在对无线资源进行管理时，利用分布式资源分配方法是未来发展的趋势。以一个基于OFDM(Orthogonal Frequency Division Multiplexing，正交频分复用技术)的蜂窝下行系统为例，分布式闭环功率控制方法是一种得到广泛认可的功率分配方法。

针对该下行系统，分布式闭环功率控制方法具体为：每个基站根据当前的各个子信道信息决定功率分配，发送数据给用户终端；每个用户终端在接受信号的时候检测出信干噪比，并且反馈给该用户终端对应的基站；每个基站根据反馈的信干噪比重新调节各个子信道的功率分配；如此循环进行闭环功率分配。下面将针对在基于OFDM的蜂窝下行系统中，基站如何进行分布式闭环功率控制的方法进行详细阐述，当然这种分布式闭环功率控制的方法对于上行系统也同样适用。

此下行系统假定有K个基站和K个用户终端，且每个基站都已经选定一个用户终端，并且每个基站的发射频谱是一样的，因此每个用户终端会收到不同基站的干扰信号。该下行系统可以抽象为图1，其中TX_i代表第i个基站，RX_i代表第i个基站选定的用户终端，实线代表有用信号的链路(以下简称为有用链路)，虚线代表干扰链路。假定整个发射频谱可以分为N_F个子信道。

一般而言，纳什均衡点被认为是能够达到提升自身信道容量和降低对其他用户终端干扰的平衡，可以作为一个较好的功率分配方案。当系统的功率分配处在纳什均衡点时，任何一个基站单独改变自己的功率分配只会降低自己的信道容量。但纳什均衡点可能有多个，即有多种功率分配方案满足纳什平衡点的定义。在这种情况下准确找到所有纳什均衡点目前还没有合适的算法。实际上，只要功率分配接近这些纳什均衡点，系统性能就已经不错。通常寻求纳什均衡点或接近纳什均衡点的功率分配方法可采用下述基于迭代法的功率分配方案：

1、首先，对于每个基站(为了方便说明，假定是第m个基站)在其子信道上的功率分配问题转化成一数学问题，列出如下拉格朗日方程：

$L_m({\stackrel{\→}{P}}_m,{\stackrel{\→}{\mathrm{\ρ}}}_m,{\mathrm{\λ}}_m)=C_m({\stackrel{\→}{P}}_m,{\stackrel{\→}{\mathrm{\ρ}}}_m)-{\mathrm{\λ}}_m(P_{m,\max }-\underset{n=1}{\overset{N_F}{\mathrm{\Σ}}}{p}_{m,n});$

求解

即先把λ_m看成一常数，求解使得

最大的

表达式，然后在最大的前提下求解使得λ_m最小的λ_m表达式。

其中，p_m，n代表第m个基站在第n个子信道上的功率分配；

代表第m个基站在所有N_F个子信道上的功率分配向量；

代表第m个基站所选定的用户终端(即为第m个用户终端)在第n个子信道上收到的干扰信号(干扰链路信号+噪声)的总功率；其中，N_o代表噪声功率，

表示第m个用户终端在第n个子信道上收到的干扰链路信号的功率，即除了第m个基站以外其他K-1个基站在第n个子信道上的功率分配；代表第k个基站到第m个用户的链路的第n个子信道的信道增益；

代表第m个用户终端在所有N_F个子信道上收到的干扰信号功率的向量；

代表第m个基站有用链路的信道容量，其中，

表示第m个用户终端测量到的第n条子信道上的信干噪比；

P_m，max代表第m个基站的最高峰值功率，即第m个基站在各个子信道上面的功率总和不能超过P_m，max(即，

)；

λ_m代表针对第m个基站的拉格朗日方程中的拉格朗日因子。

2、为了方便迭代算法的说明，在各符号右上角添加(j)表示第j次迭代(初始化时j＝0)的参数。例如，p_m，n ^(j)代表第j次迭代时，第m个基站在第n个子信道上的功率分配。

初始化拉格朗日因子为{λ_m ⁽⁰⁾|m＝1，2，...，K}，各个基站在所有子信道上的功率分配

以及各个基站在所有子信道上收到的干扰信号功率的向量

3、假定系统处在第j次迭代之前的阶段。每个用户在接受数据的同时，测量出信道的干扰信号功率大小，并且反馈给自己的基站。基站在第j次迭代的时候，根据如下公式更新拉格朗日因子(假定是第m个基站)：

${{\mathrm{\λ}}_m}^{\left(j\right)}={[{{\mathrm{\λ}}_m}^{(j-1)}-{{\mathrm{\α}}_m}^{\left(j\right)}(P_{m,.\mathrm{maz}}-\underset{j=1}{\overset{N_F}{\mathrm{\Σ}}}{p_{m,n}}^{(j-1)})]}^{+};$ 其中，α_m ^(j)是第j次拉格朗日常数迭代的标量步长；

最终得到在第j次迭代时，第m个基站在所有N_F子信道上的功率分配：

${{\stackrel{\→}{P}}_m}^{\left(j\right)}={[{{\stackrel{\→}{P}}_m}^{(j-1)}+{\left({D_m}^{\left(j\right)}\right)}^{-1}{f_m}^{(j-1)}]}^{+}$ ......①

其中，[A]⁺＝max{A，0}，[A]⁺表示A和0比较后的较大值，

${f_m}^{(j-1)}=\frac{\∂L_m({\stackrel{\→}{P}}_m,{\stackrel{\→}{\mathrm{\ρ}}}_m,{\mathrm{\λ}}_m)}{\∂{\stackrel{\→}{P}}_m}{|}_{{\stackrel{\→}{P}}_m={{\stackrel{\→}{P}}_m}^{(j-1)},{\stackrel{\→}{\mathrm{\ρ}}}_m={{\stackrel{\→}{\mathrm{\ρ}}}_m}^{(j-1)},{\mathrm{\λ}}_m={{\mathrm{\λ}}_m}^{(j-1)}}$ 是

对

的一阶导数，(D_m ^(j))^-1是第j次功率迭代的迭代步长，(D_m ^(j))^-1是D_m ^(j)的逆矩阵。然后，每个基站根据计算好的功率分配发送数据给用户终端，并且j＝j+1(将j值加1代替原先的j值，为进行下一次梯度迭代做准备)。

4、反复执行第3步，直至迭代收敛或者循环达到最大的循环数。

目前来讲，上述方法是一种常用的分布式功率分配的方法。其中，在现有的分布式迭代做法中，由D_m ^(j)组成的迭代步长数列{D_m ^(j)|j＝1，2，...}一般是一个常数矩阵组成的矩阵数列，该矩阵数列是事先凭经验固定选取的。这种由常数矩阵组成迭代步长数列会导致系统需要多次迭代才能得到比较理想的功率分配，也就是说这种常数矩阵数列会使得迭代收敛速度比较慢。

发明内容

本发明的实施例提供一种分布式资源分配方法及装置，用以加快进行分布式资源分配过程中的迭代收敛速度。

为达到上述目的，本发明的实施例采用如下技术方案：

一种分布式资源分配方法，包括：

发射端接收由接收端反馈的上次资源分配后测量到的干扰参数；

根据上次资源分配结果以及所述干扰参数自适应地调整当前资源分配过程中进行梯度迭代的迭代步长；

利用所述调整后的迭代步长进行梯度迭代并完成当前的资源分配过程。

一种分布式资源分配装置，包括：

接收单元，用于接收由接收端反馈的上次资源分配后测量到的干扰参数；

调整单元，用于根据上次资源分配结果以及所述干扰参数自适应地调整当前资源分配过程中进行梯度迭代的迭代步长；

计算单元，用于利用所述调整后的迭代步长进行梯度迭代的计算；

分配单元，用于根据由所述计算单元得到的计算结果完成当前的资源分配过程。

本发明实施例提供的分布式资源分配方法及装置，通过在无线资源分配过程中进行分布式梯度迭代时自适应地调整迭代步长，使得迭代步长不是现有技术中凭经验选取的常数迭代步长，而是在每次梯度迭代时根据上次资源分配结果以及干扰参数自适应地进行调整，从而大大加快了迭代收敛速度；较现有技术而言，本方案可以用较少的计算时间来实现和以前一样或更好的系统性能，从而可以提高无线资源管理的效率。

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为背景技术中的基于OFDM的蜂窝下行系统示意图；

图2为本发明实施例提供的分布式资源分配方法的流程图；

图3为实施例一提供的分布式资源分配方法流程图；

图4为本发明实施例提供的分布式资源分配装置的结构框图；

图5为实施例二提供的分布式资源分配装置中调整单元的结构框图；

图6为针对图1中的下行系统将本发明提供的方案与现有技术方案进行对比得到的仿真图。

具体实施方式

在无线资源管理中经常用到分布式迭代算法，其中有一种做法是利用梯度进行迭代从而达到纳什均衡点，故称之为梯度迭代算法。例如第m个发射端的本地目标函数是

其中

是可以控制的变量组成的向量，

是不可控的环境参数组成的向量(包括第m个以外的发射端对本发射端的影响)。利用梯度迭代的优化算法如下：

${{\stackrel{\→}{x}}_m}^{\left(j\right)}={{\stackrel{\→}{x}}_m}^{(j-1)}+{\left({D_m}^{\left(j\right)}\right)}^{-1}\∂f_m({{\stackrel{\→}{x}}_m}^{(j-1)},{{\stackrel{\→}{c}}_m}^{(j-1)})/\∂{{\stackrel{\→}{x}}_m}^{(j-1)}$ ......②

其中，

是第j次迭代后的控制变量的值，(D_m ^(j))^-1是第j次迭代的迭代步长。在现有的无线资源管理的做法中步长序列是个常数列，与环境参数

以及上次迭代后的控制变量

无关。例如{1，1/2，1/3，1/4，....，1/n，...}是一个常用的步长序列。本发明改进了上述梯度迭代的步长序列，以加快梯度迭代的收敛速度。

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，所描述的实施例仅仅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。

如图2所示，本发明提供了一种分布式资源分配方法，包括以下步骤：

201、发射端接收由接收端反馈的上次资源分配后测量到的干扰参数；

其中，所述接收端与所述发射端相关联，即所述接收端与所述发射端之间的通信链路为有用链路。

在一次分布式资源分配过程中，所述接收端可以根据现有技术测量出干扰参数。所述干扰参数可以是干扰信号的功率，此处干扰信号包括干扰链路信号，当然还可以进一步包括噪声；所述干扰参数还可以是信干噪比。

所述接收端可以将所述干扰信号的功率反馈给所述发射端，该发射端可以根据信干噪比的定义公式：信干噪比＝有用链路信号/(干扰链路信号+噪声)，且信干噪比一般指功率的比值，从而得到信干噪比；当然，信干噪比也可以由所述接收端测得，并由该接收端将测得的信干噪比反馈给与之相关联的发射端。

202、根据上次资源分配结果以及所述干扰参数自适应地调整当前资源分配过程中进行梯度迭代的迭代步长；

具体为，所述发射端根据该发射端本地已知的上次资源分配结果以及与该发射端相关联的接收端反馈的干扰参数自适应地调整当前资源分配过程中进行梯度迭代的迭代步长；

另外，在分布式资源分配过程中，针对上述例子中的第j次梯度迭代而言，在本实施例中，每个发射端的迭代步长(D_m ^(j))^-1根据上次迭代后的控制变量自适应地调整，所述环境参数

以及环境参数

可以是干扰链路信号的功率。

203、利用所述调整后的迭代步长进行梯度迭代并完成当前的资源分配过程。

针对上述例子中的第j次梯度迭代而言，将由步骤202得到的迭代步长(D_m ^(j))^-1代入到②式中，以求得第j次梯度迭代的控制变量

之后，按照求得的控制变量进行资源分配。

上述各步骤的执行主体可以是发射端。具体针对一下行无线资源管理系统而言，该执行主体可以是基站，针对一上行无线资源管理系统而言，该执行主体可以是用户终端。

本实施例提供的分布式资源分配方法可以广泛应用于使用梯度迭代算法的各种无线资源分配中。下面将针对图1中的基于OFDM的蜂窝下行系统，对本实施例提供的方法进行具体阐述。

实施例一：

针对图1所示的基于OFDM的蜂窝下行系统，本实施例提供的分布式资源分配方法具体为基站对各个子信道上功率分配的方法，且字母标识及含义均与背景技术中的保持一致。在此具体实例中，仍以第m个基站进行第j次梯度迭代并完成功率分配的过程为例，如图3所示，包括以下步骤：

301、基站接收用户终端反馈的上次功率分配后测量到的干扰参数；

在本具体实施里中，一个用户终端只与一个基站相关联。假设第m个基站和第m个用户终端相关联，即两者之间的通信链路为有用链路，且第k(k≠m)的基站与第m个用户终端之间的通信链路为干扰链路。

第m个用户终端在接收第m个基站发送的数据时，可以检测到在第j-1次功率分配后测量到的干扰参数，该干扰参数可以是该用户终端测量到的干扰信号的功率，并且由该用户终端按照信干噪比的定义式：信干噪比＝有用链路信号/(干扰链路信号+噪声)，计算出所述信干噪比，且信干噪比一般指功率的比值；之后，由该用户终端将得到的信干噪比反馈给第m个基站；当然，第m个用户终端也可以直接测量到的干扰链路信号功率反馈给第m个基站，有该基站计算出信干噪比。

第m个用户终端测量到的在第n条子信道上的信干噪比的具体表达式为：

${\mathrm{\θ}}_{\mathrm{mn}}=\frac{p_{m,n}{\left|H_{m,n}^n\right|}^2}{N_o+\underset{k\≠m,k=1}{\overset{K}{\mathrm{\Σ}}}{p}_{k,n}{\left|H_{k,m}^n\right|}^2};$ 其中

为第m个基站和第m个用户终端之间的通信链路在第n个子信道上信号的功率，即有用链路信号的功率；N_o表示噪声功率，该值可以为一固定修正值，当然也可以由用户终端测得；

表示第m个用户终端测量到在第n个子信道上的干扰链路信号功率；

对于，上式中各个标识的具体含义如下：

p_m，n表示第m个基站对第m个用户终端在第n个子信道上的有用链路信号的功率；p_k，n表示第m个用户终端测量到的第k(k≠m)个基站在第n个子信道上的功率分配，也就是第m个用户终端测量到的第k个基站在第n个子信道上干扰链路信号功率；

表示第m/k个基站到第m个用户的链路的第n个子信道的信道增益，二者只是对上述测得的功率大小进行修正，而并不造成本质上的变化。

302、基站根据上次功率分配结果以及所述干扰参数计算出使收缩因子βm达到最小的迭代步长(D_m)^-1；

当所述干扰参数为干扰信号的功率时，基站可根据步骤301可以得到信干噪比；当所述干扰参数为信干噪比时，则可直接进行此步骤。

所述收缩因子可以是以所述迭代步长为自变量的函数，且该收缩因子的函数表达式的参数中包括所述上次资源分配结果以及所述信干噪比；所述收缩因子的大小用于衡量所述梯度迭代的收敛速度。收缩因子越小则表示梯度迭代的收敛速度越快。

其中，所述上次功率分配结果为：第j-1次功率分配时(即进行第j-1次梯度迭代后)，所述第m个基站在每个信道上的功率分配。

在进行第j次梯度迭代时，针对第m个基站的收缩因子的函数表达式如下：

${\mathrm{\β}}_m\left({D_m}^{\left(j\right)}\right)={\left|\right|I_{H_F}+{\left({D_m}^{\left(j\right)}\right)}^{-1}{\∂}_{\mathrm{mm}}^2{C_m}^{(j-1)}\left|\right|}_2+\underset{k\≠m,k=1}{\overset{K}{\mathrm{\Σ}}}{\left|\right|{\left({D_m}^{\left(j\right)}\right)}^{-1}{\∂}_{\mathrm{mk}}^2{C_m}^{(j-1)}\left|\right|}_2,$ 其中

m＝1，2，..，K；

上式中，K代表发射端的个数；(D_m ^(j))^-1是在第j次梯度迭代时的迭代步长，(D_m ^(j))^-1和D_m ^(j)互为逆矩阵；N_F是子信道的个数，

是N_F×N_F的单位阵；

是在第j-1次梯度迭代时所述第m个发射端有用信号链路的信道容量，θ_mn ^(j-1)是在第j-1次梯度迭代时所述第m个发射端对应的接收端测量到的在第n条子信道上的信干噪比；

是在第j-1次梯度迭代时所述第m个发射端在所有的N_F个子信道上的功率分配向量，

是在第j-1次梯度迭代时第k(k≠m)个发射端在所有的N_F个子信道上的功率分配向量。

由于收缩因子越小就代表梯度迭代的收敛速度越快，故提出最优迭代步长的设计目标：

之后，求取D_m ^(j)的逆矩阵(D_m ^(j))^-1，即可得到最优迭代步长。

其中，

代表矩阵D_m ^(j)必须是正定的；上述③式的含义为，在矩阵D_m ^(j)为正定的前提下，求取使得收缩因子β_m最小的矩阵D_m ^(j)。

另外，本实施例还针对上述最优迭代步长的设计目标提供了使得收缩因子β_m最小的迭代步长(D_m ^(j))^-1，该迭代步长(D_m ^(j))^-1取决于在第j-1次梯度迭代时所述第m个发射端有用信号链路的信道容量的二阶导数；

所述计算出使收缩因子达到最小的迭代步长，具体为：根据表达式

计算出矩阵D_m ^(j)；并求取该矩阵D_m ^(j)的逆矩阵，就可得到使得收缩因子最小的迭代步长(D_m ^(j))^-1，即为第m个发射端在进行第j次梯度迭代时的迭代步长(D_m ^(j))^-1；最终，求得的迭代步长(D_m ^(j))^-1为非对角矩阵。

303、利用步骤302中得到的迭代步长(D_m ^(j))^-1进行梯度迭代的计算；

对于图1的下行系统，在背景技术中所采用的基于迭代法的功率分配方案中，由步骤3已经得到在第j次迭代时，第m个基站在所有N_F子信道上的功率分配的表达式①，见下式：

${{\stackrel{\→}{P}}_m}^{\left(j\right)}={[{{\stackrel{\→}{P}}_m}^{(j-1)}+{\left({D_m}^{\left(j\right)}\right)}^{-1}{f_m}^{(j-1)}]}^{+};$

其中， ${f_m}^{(j-1)}=\frac{\∂L_m({\stackrel{\→}{P}}_m,{\stackrel{\→}{\mathrm{\ρ}}}_m,{\mathrm{\λ}}_m)}{\∂{\stackrel{\→}{P}}_m}{|}_{{\stackrel{\→}{P}}_m={{\stackrel{\→}{P}}_m}^{(j-1)},{\stackrel{\→}{\mathrm{\ρ}}}_m={{\stackrel{\→}{\mathrm{\ρ}}}_m}^{(j-1)},{\mathrm{\λ}}_m={{\mathrm{\λ}}_m}^{(j-1)}}$ 是

对

的一阶导数；

(D_m ^(j))^-1是第m个基站进行第j次梯度迭代的迭代步长。

需要说明的是，此步骤中的迭代步长(D_m ^(j))^-1为步骤302中得到的自适应迭代步长。

304、基站根据步骤303中

的计算结果进行本次功率分配。

其中，所述本次在此步骤中为第j次。

之后，对于j+1次功率分配的过程与上述过程类似，只需将j＝j+1(将j值加1代替原先的j值)，重复步骤301～304，直至迭代收敛或者循环达到最大的循环数。

本发明实施例针对基于OFDM的蜂窝下行系统提供了一种分布式资源分配方法，每个基站通过在无线资源分配过程中进行分布式梯度迭代时自适应地调整迭代步长，使得迭代步长不是现有技术中凭经验选取的常数迭代步长，而是在每次梯度迭代时根据上次资源分配结果以及干扰参数自适应地进行调整，从而大大加快了迭代收敛速度；较现有技术而言，本方案可以用较少的计算时间来实现和以前一样或更好的系统性能，从而可以提高无线资源管理的效率。

针对上述的分布式资源分配方法，本实施例还提供了与其相对应的分布式资源分配装置，如图4所示，该装置具体包括：

接收单元41，用于接收由接收端反馈的上次资源分配后测量到的干扰参数；

调整单元42，用于根据上次资源分配结果以及所述干扰参数自适应地调整当前资源分配过程中进行梯度迭代的迭代步长；

所述调整单元42，具体用于根据发射端本地已知的上次资源分配结果以及与该发射端相关联的接收端反馈的干扰参数，自适应地调整当前资源分配过程中进行梯度迭代的迭代步长；

计算单元43，用于利用由所述调整单元42调整后的迭代步长进行梯度迭代的计算；

分配单元44，用于根据由所述计算单元43得到的计算结果完成当前的资源分配过程。

本发明实施例提供的分布式资源分配装置，通过在无线资源分配过程中进行分布式梯度迭代时自适应地调整迭代步长，使得迭代步长不是现有技术中凭经验选取的常数迭代步长，而是在每次梯度迭代时根据上次资源分配结果以及干扰参数自适应地进行调整，从而大大加快了迭代收敛速度；较现有技术而言，本方案可以用较少的计算时间来实现和以前一样或更好的系统性能，从而可以提高无线资源管理的效率。

实施例二：

下面，针对图1中的下行系统以及实施例一提供的具体方法，本实施例将提供与之对应的装置，其结构框图仍可参考图4。对于一下行系统而言，该装置可以为一基站，对于一上行系统而言，该装置可以为一用户终端。

此具体实例中针对图1的基于OFDM的蜂窝下行系统，仍以第m个基站进行第j次梯度迭代并完成功率分配的过程为例，本实施例提供的分布式资源分配装置为第m个基站，该基站具体包括：接收单元41、调整单元42、计算单元43以及分配单元44。

接收单元41，用于接收由接收端反馈的上次资源分配后测量到的干扰参数；

在本具体实施例中，所述接收端为第m个用户终端，所述资源分配为针对子信道的功率分配；所述上次资源分配结果为第m个基站第j-1次资源分配过程中在每个子信道上的功率分配；

所述接收单元41具体用于第m个基站接收第m个用户终端反馈的第j-1次功率分配后测量到的干扰参数；所述干扰参数可以是该用户终端测量到的干扰信号的功率，当然也可以是信干噪比。

第m个用户终端测量到的在第n条子信道上的信干噪比的具体表达式为：

${\mathrm{\θ}}_{\mathrm{mn}}=\frac{p_{m,n}{\left|H_{m,n}^n\right|}^2}{N_o+\underset{k\≠m,k=1}{\overset{K}{\mathrm{\Σ}}}{p}_{k,n}{\left|H_{k,m}^n\right|}^2};$ 其中

为第m个基站和第m个用户终端之间的通信链路在第n个子信道上信号的功率，即有用链路信号的功率；N_o表示噪声功率，该值可以为一固定修正值，当然也可以由用户终端测得；

表示第m个用户终端测量到在第n个子信道上的干扰链路信号功率；

对于，上式中各个标识的具体含义如下：

p_m，n表示第m个基站对第m个用户终端在第n个子信道上的有用链路信号的功率；p_k，n表示第m个用户终端测量到的第k(k≠m)个基站在第n个子信道上的功率分配，也就是第m个用户终端测量到的第k个基站在第n个子信道上干扰链路信号功率；

表示第m/k个基站到第m个用户的链路的第n个子信道的信道增益，二者只是对上述测得的功率大小进行修正，而并不造成本质上的变化。

调整单元42，用于根据上次资源分配结果以及所述干扰参数自适应地调整当前资源分配过程中进行梯度迭代的迭代步长；

在本具体实施例中，所述调整单元42具体用于根据上次功率分配结果以及所述干扰参数计算出使收缩因子达到最小的迭代步长；

所述收缩因子是以所述迭代步长为自变量的函数，且该收缩因子的函数表达式的参数中包括所述上次资源分配结果以及所述信干噪比；所述收缩因子的大小用于衡量所述梯度迭代的收敛速度。

针对第m个基站进行第j次梯度迭代的情况，所述收缩因子的表达式如下：

${\mathrm{\β}}_m\left({D_m}^{\left(j\right)}\right)={\left|\right|I_{H_F}+{\left({D_m}^{\left(j\right)}\right)}^{-1}{\∂}_{\mathrm{mm}}^2{C_m}^{(j-1)}\left|\right|}_2+\underset{k\≠m,k=1}{\overset{K}{\mathrm{\Σ}}}{\left|\right|{\left({D_m}^{\left(j\right)}\right)}^{-1}{\∂}_{\mathrm{mk}}^2{C_m}^{(j-1)}\left|\right|}_2,$ 其中

m＝1，2，..，K；

上式中，K代表发射端的个数；(D_m ^(j))^-1是在第j次梯度迭代时的迭代步长，(D_m ^(j))^-1和D_m ^(j)互为逆矩阵；N_F是子信道的个数，

是N_F×N_F的单位阵；是在第j-1次梯度迭代时所述第m个发射端有用信号链路的信道容量，θ_mn ^(j-1)是在第j-1次梯度迭代时所述第m个发射端对应的接收端测量到的在第n条子信道上的信干噪比；

是在第j-1次梯度迭代时所述第m个发射端在所有的N_F个子信道上的功率分配向量，

是在第j-1次梯度迭代时第k(k≠m)个发射端在所有的N_F个子信道上的功率分配向量。

由于收缩因子β_m越小就代表迭代收敛速度越快，故提出最优迭代步长的设计目标：

之后，求取D_m ^(j)的逆矩阵(D_m ^(j))^-1，即可得到最优迭代步长(D_m ^(j))^-1。

其中，

代表矩阵D_m ^(j)必须是正定的；上式的含义为，在矩阵D_m ^(j)为正定的前提下，求取使得收缩因子最小的矩阵D_m ^(j)，进而易得最优迭代步长(D_m ^(j))^-1。

本实施例还针对上述最优迭代步长的设计目标提供了使得收缩因子最小的迭代步长(D_m ^(j))^-1，该迭代步长(D_m ^(j))^-1取决于在第j-1次梯度迭代时所述第m个发射端有用信号链路的信道容量的二阶导数；故如图5所示，所述调整单元42具体包括：

计算模块421，用于根据表达式

计算出矩阵D_m ^(j)；

求逆模块422，用于计算矩阵D_m ^(j)的逆矩阵，得到所述第m个发射端在进行第j次梯度迭代时的迭代步长(D_m ^(j))^-1。

由上述两个模块即可求取使得收缩因子最小的迭代步长(D_m ^(j))^-1；最终，求得的迭代步长(D_m ^(j))^-1为非对角矩阵。

计算单元43，用于利用由调整单元42调整后的迭代步长(D_m ^(j))^-1进行梯度迭代的计算；

所述计算单元43，具体用于第m个基站根据调整后的迭代步长(D_m ^(j))^-1按照实施例一中的方法进行第j次迭代时在所有N_F子信道上的功率分配

分配单元44，用于根据由计算单元43得到的计算结果进行本次功率分配。

其中，所述本次在此步骤中为第j次。

之后，针对j+1次功率分配的过程，本实施例提供的装置仍是由上述四个单元来完成，只是在具体执行的过程中需要将j＝j+1(将j值加1代替原先的j值)；由上述四个单元反复执行类似的过程，直至迭代收敛或者循环达到最大的循环数。

本发明实施例针对基于OFDM的蜂窝下行系统提供了一种分布式资源分配装置，每个基站通过在无线资源分配过程中进行分布式梯度迭代时自适应地调整迭代步长，使得迭代步长不是现有技术中凭经验选取的常数迭代步长，而是在每次梯度迭代时根据上次资源分配结果以及干扰参数自适应地进行调整，从而大大加快了迭代收敛速度；较现有技术而言，本方案可以用较少的计算时间来实现和以前一样或更好的系统性能，从而可以提高无线资源管理的效率。

目前在无线资源管理中，除了分布式资源分配方法，还有集中式资源分配方法。仍以图1中基于OFDM的蜂窝下行系统为例，集中式资源分配方法具体为一种集中式功率控制方法是通过一个中心控制器控制每个基站的功率分配的方法，这就造成中心控制器的计算复杂度高；并且该中心控制器需要检测所有有用链路和干扰链路的信道信息，这就使得系统开销较大。

为了更加直观地显示出本实施例提供的分布式资源分配方法的优势，下面将就图1中基于OFDM的蜂窝下行系统，设定具体参数并进行仿真。

其中，所设定的具体参数为：

K＝10，即有10个基站和10个用户终端；每个基站发射的频谱均为10MHz频谱，且N_F＝32即发射频谱被分为32个子信道；P_m，max＝1W，即每个基站的最大功率是1瓦特；

另外，所有干扰链路的物理距离是400米，所有有用链路的物理距离是100米；路损的衰减因子是3.5；每个链路的每个子信道都是按照4个状态的马尔可夫链变化。

为了验证本发明所提出的最优迭代步长的收敛性能，将本发明的资源分配方法同如下现有技术中的方案作比较：

Gen-GPA：利用集中式梯度迭代的功率分配。

Dia-GPA：利用分布式梯度迭代的功率分配，其中采用对角矩阵作为自适应迭代的迭代步长。

Con-GPA：利用分布式梯度迭代的功率分配，其中采用一个标量常数列作为迭代的步长。

DSGPA：本发明所提供的自适应分布式梯度迭代的功率分配，其中采用非对角矩阵作为自适应迭代的迭代步长。

仿真的结果如图6所示，显示出第一个基站的信道容量随时间的变化曲线。图中的水平线段代表当前信道状态下的符合纳什平衡点的功率分配。可以观察到，采用本发明后，分布式迭代算法的迭代速度可以逼近集中式迭代算法(Gen-GPA)的迭代收敛速度，而这个速度大大高于采用常数列步长的分布式迭代算法(Con-GPA)的迭代收敛速度，且高于采用对角矩阵步长的分布式迭代算法(Dia-GPA)。另外，本发明提供的自适应分布式功率分配方法(DSGPA)在计算复杂程度上比集中式功率分配方法要简便。

通过以上的实施方式的描述，所属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通用硬件的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘，硬盘或光盘等，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所述的方法。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种分布式资源分配方法，其特征在于，包括：

发射端接收由接收端反馈的上次资源分配后测量到的干扰参数；

根据上次资源分配结果以及所述干扰参数自适应地调整当前资源分配过程中进行梯度迭代的迭代步长；

利用所述调整后的迭代步长进行梯度迭代并完成当前的资源分配过程。

2.根据权利要求1所述的分布式资源分配方法，其特征在于，所述资源分配为针对子信道的功率分配；

所述上次资源分配结果包括所述发射端上次资源分配过程中在每个子信道上的功率分配；

所述干扰参数包括所述接收端测量到的干扰信号的功率，或者所述干扰参数包括所述接收端测量到的信干噪比。

3.根据权利要求2所述的分布式资源分配方法，其特征在于，所述根据上次资源分配结果以及所述干扰参数自适应地调整当前资源分配过程中进行梯度迭代的迭代步长的步骤，包括：

根据上次资源分配结果以及所述干扰参数计算出使收缩因子达到最小的迭代步长；

所述收缩因子是以所述迭代步长为自变量的函数，且该收缩因子的函数表达式的参数中包括所述上次资源分配结果以及所述信干噪比；所述收缩因子的大小用于衡量所述梯度迭代的收敛速度。

4.根据权利要求3所述的分布式资源分配方法，其特征在于，针对第m个发射端在进行第j次梯度迭代时，所述收缩因子的函数表达式如下：

${\mathrm{\β}}_m\left({D_m}^{\left(j\right)}\right)={\left|\right|I_{H_F}+{\left({D_m}^{\left(j\right)}\right)}^{-1}{\∂}_{\mathrm{mm}}^2{C_m}^{(j-1)}\left|\right|}_2+\underset{k\≠m,k=1}{\overset{K}{\mathrm{\Σ}}}{\left|\right|{\left({D_m}^{\left(j\right)}\right)}^{-1}{\∂}_{\mathrm{mk}}^2{C_m}^{(j-1)}\left|\right|}_2,$ 其中

m＝1，2，...，K；

上式中，K代表发射端的个数；(D_m ^(j))^-1是在第j次梯度迭代时的迭代步长，(D_m ^(j))^-1和D_m ^(j)互为逆矩阵；N_F是子信道的个数，

是N_F×N_F的单位阵；

是在第j-1次梯度迭代时所述第m个发射端有用信号链路的信道容量，θ_mn ^(j-1)是在第j-1次梯度迭代时所述第m个发射端对应的接收端测量到的在第n条子信道上的信干噪比；

是在第j-1次梯度迭代时所述第m个发射端在所有的N_F个子信道上的功率分配向量，

是在第j-1次梯度迭代时第k(k≠m)个发射端在所有的N_F个子信道上的功率分配向量；

并且，所述D_m ^(j)是正定矩阵；

所述计算出使收缩因子达到最小的迭代步长，具体为：

根据表达式

计算出矩阵D_m ^(j)；

计算矩阵D_m ^(j)的逆矩阵，得到所述第m个发射端在进行第j次梯度迭代时的迭代步长(D_m ^(j))^-1。

5.一种分布式资源分配装置，其特征在于，包括：

接收单元，用于接收由接收端反馈的上次资源分配后测量到的干扰参数；

调整单元，用于根据上次资源分配结果以及所述干扰参数自适应地调整当前资源分配过程中进行梯度迭代的迭代步长；

计算单元，用于利用所述调整后的迭代步长进行梯度迭代的计算；

分配单元，用于根据由所述计算单元得到的计算结果完成当前的资源分配过程。

6.根据权利要求5所述的分布式资源分配装置，其特征在于，所述资源分配为针对子信道的功率分配；

所述上次资源分配结果包括所述发射端上次资源分配过程中在每个子信道上的功率分配；

所述干扰参数包括所述接收端测量到的干扰信号的功率，或者所述干扰参数包括所述接收端测量到的信干噪比。

7.根据权利要求6所述的分布式资源分配装置，其特征在于，所述调整单元，具体用于根据上次资源分配结果以及所述干扰参数计算出使收缩因子达到最小的迭代步长；

所述收缩因子是以所述迭代步长为自变量的函数，且该收缩因子的函数表达式的参数中包括所述上次资源分配结果以及所述信干噪比；所述收缩因子的大小用于衡量所述梯度迭代的收敛速度。

8.根据权利要求7所述的分布式资源分配装置，其特征在于，针对第m个发射端进行第j次梯度迭代的情况，所述收缩因子的函数表达式如下：

${\mathrm{\β}}_m\left({D_m}^{\left(j\right)}\right)={\left|\right|I_{H_F}+{\left({D_m}^{\left(j\right)}\right)}^{-1}{\∂}_{\mathrm{mm}}^2{C_m}^{(j-1)}\left|\right|}_2+\underset{k\≠m,k=1}{\overset{K}{\mathrm{\Σ}}}{\left|\right|{\left({D_m}^{\left(j\right)}\right)}^{-1}{\∂}_{\mathrm{mk}}^2{C_m}^{(j-1)}\left|\right|}_2,$ 其中

m＝1，2，...，K；

上式中，K代表发射端的个数；(D_m ^(j))^-1是在第j次梯度迭代时的迭代步长，(D_m ^(j))^-1和D_m ^(j)互为逆矩阵；N_F是子信道的个数，

是N_F×N_F的单位阵；

是在第j-1次梯度迭代时所述第m个发射端有用信号链路的信道容量，θ_mn ^(j-1)是在第j-1次梯度迭代时所述第m个发射端对应的接收端测量到的在第n条子信道上的信干噪比；

是在第j-1次梯度迭代时所述第m个发射端在所有的N_F个子信道上的功率分配向量，

是在第j-1次梯度迭代时第k(k≠m)个发射端在所有的N_F个子信道上的功率分配向量；

并且，所述D_m ^(j)是正定矩阵；

所述调整单元具体包括：

计算模块，用于根据表达式

计算出矩阵D_m ^(j)；

求逆模块，用于计算矩阵D_m ^(j)的逆矩阵，得到所述第m个发射端在进行第j次梯度迭代时的迭代步长(D_m ^(j))^-1。

Images