CN102652453A - 基站间资源分配和调度的系统和方法 - Google Patents

Abstract

本发明涉及无线通信，具体地，涉及在一组诸如毫微微蜂窝基站、微微蜂窝基站、自组织基站、接入点（AP）或网状网络节点等的基站之间，或在双层网络中的基站之间，以协调方式来管理资源和调度用户从而提高对于单个用户、单个基站（BTS）、整个系统或以上所有的性能的方法和算法。

Description

基站间资源分配和调度的系统和方法

技术领域

本申请主张享有基于在先提交的美国临时专利申请第61/109,407号的优先权权益，其全部公开内容作为充分叙述的整体通过引用结合于此。

本公开涉及无线通信，具体地，涉及用于管理资源和调度用户的方法和算法。

背景技术

已经有大量关于调度和资源管理的工作。一般的做法是使受容量限制和其他约束的成本函数最大化，从而实现一定的性能指标（performancemeasure）。已经在以下领域投入了大量工作，这些领域包括：寻找有效的成本函数、对这些函数性质的理论证明、针对不同物理层特性用这些成本函数来解决优化问题、以及基于这些理论成果的相应算法。例如，广泛使用的成本函数是基于效用的函数。与较为传统的诸如功率、故障率和吞吐量等的系统中心标准相比，基于效用的资源管理的主要优势在于其可被用于评价系统满足用户应用的服务需求的程度。[1]和其中的参考文献给出了对最新的尤其针对基于OFDM的系统的调度和资源管理的理论和算法的很好的概述。

然而，所有现有技术均具有基于系统是一个基站且所有被考虑的用户终端（UE）与所研究的基站相联系的假设从数学上用公式表述的问题。因此，成本函数及其优化的目标是如何在一个受容量限制和其他约束的BTS中最大化针对某些或全部用户的成本函数，从而实现一定的性能指标。因此，源于上述假设和理论的调度和资源管理的算法是用于调度在不考虑其他BTS、它们的相应调度、以及它们的UE的单个BTS中的UE。数学上，上述优化问题是要分配无线资源以最大化以下成本函数：

$\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{U}_i\left(r_i\right[n\left]\right)$

其中，r_i[n]是用户i在时间n时的瞬时数据率，U_i(·)是用户i的相应效用函数。此外，所有用户均在同一蜂窝（cell）或由一个BTS服务，并且对一个蜂窝或BTS来进行优化。

传统地，在实施一方，调度表（scheduler）存留在BTS或3GPP项目（term）中的节点B中。调度表负责基于可用的无线资源、用户信道质量、用户请求、QoS需求向蜂窝中的UE分配无线资源。

其他也在上述BTS中存留的无线资源管理负责切换相关资源管理，诸如蜂窝之间的正交码分发、应用数据缓冲区管理等。

发明内容

本实施方式提供了用于无线通信的方法，具体地，提供了在一组诸如毫微微蜂窝基站（femtocell）、微微蜂窝基站（picocell）、自组织基站（self-organized Basestation）、接入点（AP）或网状网络节点等的基站之间，或者在诸如宏蜂窝（Macrocell）内的毫微微蜂窝等的双层网络中的基站之间，以协调方式来管理资源和调度用户从而提高对于单个用户、单个基站（BTS）、整个系统或以上所有的性能的方法和算法。

本文所公开的某些实施方式提供了该问题的数学公式、获得解的方法及相应算法，从而用于在一组诸如毫微微蜂窝基站、微微蜂窝基站或接入点（AP）等的基站之间，或者在诸如宏蜂窝内的毫微微蜂窝等的双层网络中的基站之间以协调方式管理资源和调度用户，以提高针对单个用户、单个基站（BTS）、整个系统或以上所有的性能。

因此，提供了管理无线资源的第一方法，其包括以下步骤：a）识别至少具有两个蜂窝的一组蜂窝作为相邻蜂窝，b）从该组蜂窝中识别一组用户，c）为每个用户提供一个效用函数，d）基于一个用于来自步骤a）中识别的该组蜂窝的所述一组用户的成本函数，提供无线资源分配目标，以及d）根据用于该组用户的成本函数，向每个用户分配一部分资源。

因此，提供了管理无线资源的第二方法，其包括以下步骤：a）识别一组蜂窝，b）为每个蜂窝提供一个效用函数，c）基于一个用于步骤a）中识别的该组蜂窝的成本函数，提供无线资源分配目标，以及d）向每个蜂窝分配一部分无线资源，从而满足该目标。

因此，提供了管理无线资源的第三方法，其包括以下步骤：a）识别一组蜂窝，b）从该组蜂窝中识别一组用户，c）在所选组中，为一个蜂窝或一个用户或者二者提供一个效用函数，d）基于一个用于步骤b）中识别的来自该组蜂窝的所述一组用户的成本函数，提供第一无线资源分配目标，e）基于一个用于步骤a）中识别的该组蜂窝的成本函数，提供第二无线资源分配目标，f）确定总目标是对第一目标和第二目标求和，以及g）向每个蜂窝或每个用户分配一部分无线资源，从而满足总目标。

附图说明

图1示出了在三个单独蜂窝中的每一个内针对各蜂窝中终端的规范（metrics）所进行的无线资源优化。

图2示出了针对各单独蜂窝级规范对所有相邻蜂窝进行的无线资源优化的一个实例。

图3示出了针对某些蜂窝中的所有终端的规范和用于其他蜂窝的各单独蜂窝级规范的组合对所有相邻蜂窝进行的无线资源优化的一个实例。

图4示出了针对某些蜂窝中多组终端的规范和用于其他蜂窝的各单独蜂窝级规范的组合对所有相邻蜂窝进行的无线资源优化的一个实例。

图5示出了根据本发明的针对在一个以上蜂窝中的一组用户的情况使用基于速率的效用函数（rate based utility function）来进行优化的资源分配和调度算法的流程图。

图6示出了根据本发明的针对一组蜂窝的情况使用基于速率的效用函数来进行优化的资源分配和调度算法的流程图。

具体实施方式

阅读本说明书之后，对本领域技术人员而言，如何以各种可选实施方式和可选应用来实施本发明将变得显而易见。尽管本文描述了本发明的各种实施方式，但需要理解的是，这些实施方式仅以实例方式呈现，且并非进行限定。因此，对各种可选实施方式的这种详细描述不应被解释为限定了本发明的范围或广度。

在无线系统中，一组基站（BTS）可由一个集中的网络管理标识来管理，或者可通过经由无线空中接口或有线接口彼此通信来进行自组织。一个这样的实例是毫微微蜂窝系统。在毫微微蜂窝系统中，毫微微蜂窝BTS通过有线或无线宽带连接器与核心网络相连接。毫微微蜂窝经由有线回程或无线广播来连成网络。毫微微蜂窝BTS的提供可通过以每个装置为基础的核心网络，或者在对核心网络的完全监管（supervision）、对核心网络的部分监管或完全无监管的情况下以协调方式来进行。

毫微微蜂窝融合了典型基站的功能，但却将其扩展为允许更简单的、自包含部署（self contained deployment）；例如，UMTS毫微微蜂窝包括具有用于回程的以太网的节点B、RNC和GSN。尽管将很多关注集中于UMTS，但此概念也适用于所有标准，包括GSM、CDMA2000、TD-SCDMA和WiMAX解决方案。

当BTS在使用相同频率以相对较大的发射功率来发送和接收，且当他们彼此较接近时，如毫微微蜂窝，诸如系统和用户吞吐量或QoS的性能由于诸如BTS之间和在同一BTS或不同BTS中的用户之间、或在毫微微蜂窝BTS位于宏蜂窝BTS内的双层网络中的干扰等多个因素而产生下降。一个贡献因素是，目前资源管理和调度算法正试图最大化有关各单独BTS中的某些或全部UE的特定成本函数，以获得更好的诸如用户和系统吞吐量等的性能。

当毫微微蜂窝系统具有经由有线回程或无线广播（over-the-air）来进行联网和协作的性能时，可在对核心网络的完全监管（完全集中式）、对核心网络的部分监管（部分集中式）或完全无监管（分布式）的情况下通过协调方式来进行资源管理和调度UE。

根据本发明的一种实施方式，将基于来自各BTS中用户的或由各BTS自身的测量值（measurement）形成相邻列表，以便能够在BTS之间进行调度和资源管理。当其相邻BTS的诸如在所有频率处或一定频率组中的基准信号强度、在所有频率处或在一定频率组中的干扰级别、RF信号强度感知中的距离等的测量值在预定阈值以上时，这些BTS将被添加至所述BTS的相邻列表中。可选择地，已知基于测量值（诸如DOA）的这些BTS的相对位置，也可通过它们的拓扑结构来描述该相邻关系。相邻列表基于实时测量值而动态变化。网络上的服务器为所有BTS维护相邻列表，且各BTS维护其自身相邻列表的副本。

根据本发明的一种实施方式，提出了一种资源分配和调度优化方法，其目的在于最大化关于一个以上的蜂窝或BTS的成本函数。在优化过程中，可增加除成本函数之外的约束条件。

当效用函数基于数据率时，上述优化问题是要分配无线资源以最大化：

$\underset{i\∈G}{\mathrm{\Σ}}{U}_i\left(r_i\right),$

其中，U_i(·)是对于单个用户、一组用户、一个蜂窝或多个蜂窝的效用函数，r_i是取决于对单个用户、一组用户、一个蜂窝或多个蜂窝的效用函数的定义的瞬时数据率或平均数据率。G被设定为包括：

1．一个蜂窝或BTS中的一组用户

2．多于一个蜂窝或BTS中的一组用户

3．各自具有一个以上用户的一组蜂窝或BTS。

4．一个以上蜂窝和一个或一组蜂窝中的一组用户的组合。

当G表示一个蜂窝或BTS中的一组用户时，即上述第一种情况，其简化为所有现有技术使用的模型。参照图1，示出了在三个单独蜂窝中的每一个内针对各蜂窝中的终端规范进行的无线资源优化。在该实例中，蜂窝1无线资源针对移动设备11和移动设备12进行优化；蜂窝2无线资源针对移动设备21、移动设备22和移动设备23进行优化；蜂窝3无线资源针对移动设备31、移动设备32和移动设备33进行优化。

第二至第四种情况是本实施方式描述的新模型，并被用于派生出以下实施方式。

参照图2，示出了针对各单独蜂窝级规范为所有相邻蜂窝进行的无线资源优化的一个实例。在该实例中，针对蜂窝l、蜂窝2和蜂窝3来优化总无线资源。

参照图3，示出了针对某些蜂窝中的所有终端的规范和对于其他蜂窝的各单独蜂窝级规范的组合为所有相邻蜂窝进行的无线资源优化的一个实例。在该实例中，针对蜂窝1、移动设备21、移动设备22和移动设备23、以及蜂窝3来优化总无线资源。

参照图4，示出了针对某些蜂窝中的多组终端的规范和对于其他蜂窝的各单独蜂窝级规范的组合为所有相邻蜂窝进行的无线资源优化的一个实例。在该实例中，针对蜂窝1、蜂窝2、移动设备23、蜂窝3和移动设备33来优化总无线资源。

应当注意，尽管本文使用基于数据率的效用函数来阐述该方法；但该实施方式可被用于其他类型的效用函数。一个这样的实例是作为用户平均等待时间的函数的基于延迟的效用函数。

根据本发明的另一实施方式，该优化问题是要分配无线资源以最大化作为用户效用函数的总和的成本函数，其中，一组用户可以属于多于一个的蜂窝或BTS，且他们可分配有不同的效用函数。根据在定义用户之间关系时使用的标准，可在优化过程中完全或部分地使用各蜂窝中的用户。在优化过程中可添加除成本函数之外的其他约束条件。

假设对跨各自具有M_j个用户的N个蜂窝的用户进行优化。采用基于速率的效用函数，该优化问题是要分配无线资源以最大化

$\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\left(\frac{1}{M}\underset{i=1}{\overset{M_j}{\mathrm{\Σ}}}{U}_{\mathrm{ij}}\left(r_{\mathrm{ij}}\right[n\left]\right)\right).$

其中，r_ij[n]是蜂窝j中的用户i在时间n时的瞬时数据率，U_ij(·)是相应的用户i的效用函数，M_j是蜂窝j中优化时使用的用户数量，以及N是优化时使用的相邻蜂窝的数量。注意，根据优化标准或系统需求，M_j可表示全部用户数量或全部用户数量中的一部分。

使用OFDM系统和子载波分配作为一个实例，对于给定的下行传输功率密度p_j[k,n]和信号与干扰加噪声比（SINR）q_ij[k,n]，在子载波频率k处用户i可获得的数据率为

c_ij(k，n)＝f(ln(1+gp_j[k，n]q_ij[k，n]))bits/sec/Hz，

其中，g是SINR差距（gap）。为简化推导，假设使用了连续速率适配，我们得到

c_ij(k，n)＝ln(1+gp_j[k，n]q_ij[k，n])bits/sec/Hz，

当用户i被分配至具有Δf的子载波间隔的子载波组K_i时，对于用户i数据率为 $r_{\mathrm{ij}}[K_i,n]=\underset{k\∈K_i}{\mathrm{\Σ}}{c}_{\mathrm{ij}}[k,n]\mathrm{\Δf}.$

让r_ij[K_i,n]作为在时间n时对于用户i的数据率，以及

作为用户i在时间n时对于用户i的平均数据率，w是时段（slot）长度与平均窗口的比。r_ij[K_i,n]可表示为

${\stackrel{\‾}{r}}_{\mathrm{ij}}\left[K_{i,}n\right]=(1-w){\stackrel{\‾}{r}}_{\mathrm{ij}}[K_{i,}n-1]+{\mathrm{wr}}_{\mathrm{ij}}\left[K_{i,}n\right].$

定义

为

则该优化问题可用公式表示为

$\underset{x}{\max }\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\left(\frac{1}{M}\underset{i=1}{\overset{M_j}{\mathrm{\Σ}}}{U}_{\mathrm{ij}}\left(\mathrm{\Δf}\underset{k\∈K_i}{\mathrm{\Σ}}{c}_{\mathrm{ij}}\right[k,n\left]x_{{\mathrm{ijnK}}_i}\right)\right),$ 满足 $\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\left(\underset{i=1}{\overset{M_j}{\mathrm{\Σ}}}{x}_{{\mathrm{ijnK}}_i}\right)=1,x_{{\mathrm{ijnK}}_i}\∈\left\{\mathrm{0,1}\right\}.$

因此，梯度调度算法为

${\{i,j\}}_{[K_i,n]}=\underset{(i,j)}{\arg \max }\left\{{{\mathrm{wU}}_{\mathrm{ij}}}^{\′}\left({\stackrel{\‾}{r}}_{\mathrm{ij}}\right[K_{i}n\left]\right)c_{\mathrm{ij}}\right[k,n\left]\right\}$

其中，用户i可属于N个蜂窝中的任何一个。

显然，当平均窗口长度等于时段长度时，

我们可以去掉所有上述等式中的变量n，且梯度调度算法变为

${\{i,j\}}_{\left[K_i\right]}=\underset{(i,j)}{\arg \max }\left\{{U_{\mathrm{ij}}}^{\′}\left(r_{\mathrm{ij}}\right[K_i\left]\right)c_{\mathrm{ij}}\right[k\left]\right\},$

其中，用户i可属于N个蜂窝中的任何一个。

尽管我们将k称为子载波频率，将Δf称为子载波间隔，以及将K称为子载波频率组，但我们也可用子载波频率组代替子载波频率，用子载波组的总间隔来取代子载波间隔，以及用子载波频率组集合来代替子载波频率组。随后，将上述推导应用于OFDM系统的子载波频率的任何分组方法。同样的讨论也适用于所有以下实施方式。

图5中示出了用于上述实施方式的算法流程图的一个实例。

根据本发明的一种实施方式，该优化问题是要分配无线资源以最大化作为各蜂窝或BTS的效用函数的总和的蜂窝级效用函数。各蜂窝或BTS可分配有不同的效用函数。

假设跨具有一个分配给各蜂窝的效用函数的N个蜂窝进行优化。采用基于速率的效用函数，则该优化问题是要分配无线资源以最大化

$\frac{1}{N}\stackrel{N}{\underset{j=1}{\mathrm{\Σ}}}{U}_j\left(r_j\right[n\left]\right).$

其中，r_j[n]是蜂窝j中的M_j个用户在时间n时的总瞬时数据率或平均瞬时数据率，U_j(·)是蜂窝j的效用函数，以及N是在优化中使用的相邻蜂窝的数量。U_j(·)的定义取决于r_j[n]如何定义。一个直接用于定义r_j[n]的方法是作为蜂窝j中所有用户或部分用户的数据率，即

当M_j小于蜂窝中的总用户数量时，其仅表示一组用户。

也有其他用于定义r_j[N]的方法。例如，其可被定义为蜂窝j中M_j个用户在时间n时的平均瞬时数据率，当M_j小于蜂窝中的总用户数量时，其仅表示一组用户。或者其可被定义为蜂窝j中M_j个用户之间在时间n时的最大瞬时数据率，

使用OFDM系统和子载波分配作为一个实例，并假设连续速率适配，则对于给定的下行传输功率密度p[k,n]和信号与干扰加噪声比（SINR）q_i[k,n]，在子载波频率k处用户i可获得的数据率为

c_i(k,n)=ln(l+gp[k,n]q_i[k,n])bits/sec/Hz

当蜂窝j被分配至具有Δf的子载波间隔的子载波组K_i时，对于实际分配到资源的用户或蜂窝j中的用户的数据率是

$r_j[K_j,n]=\underset{i}{\mathrm{\Σ}}{r}_i[K_i,n]=\underset{i}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}{c}_j[k,n]\mathrm{\Δf}.$

让r_j[K_j,n]作为蜂窝j在时间n时的数据率，并让

作为蜂窝j在时间n时的平均数据率，w是时段长度与平均窗口的比。

可表示为

${\stackrel{\‾}{r}}_j\left[K_{j,}n\right]=(1-w){\stackrel{\‾}{r}}_j[K_{j,}n-1]+{\mathrm{wr}}_j\left[K_{j,}n\right].$

定义

为则该优化问题用公式表示为

$\underset{x}{\max }\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\left(U_j\left(\mathrm{\Δf}\underset{k\∈K_i}{\mathrm{\Σ}}{c}_j\right[k,n\left]x_{{\mathrm{jnK}}_{i,}}\right)\right),$ 满足 $\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\left(x_{{\mathrm{jnK}}_{i,}}\right)=1,x_{{\mathrm{jnK}}_{i,}}\∈\left\{\mathrm{0,1}\right\}.$

因此，梯度调度算法为

${\{i,j\}}_{[K_{i,},n]}=\underset{j,i\∈M_j}{\arg \max }\left\{{{\mathrm{wU}}_j}^{\′}\left({\stackrel{\‾}{r}}_j\right[K_{j,}n\left]\right)c_j\right[k,n\left]\right\}.$

尽管是针对蜂窝进行优化，但也能够对单个蜂窝级中的各个用户或一组用户进行资源分配和调度。换句话说，对于各组可用资源，分配使蜂窝级效用函数最大的各个蜂窝中的用户。

由于所以分配给j的资源可随后被直接分配给用于计算数据率的单个用户或多个用户。

显然，当平均窗口长度等于时段长度时，

因此我们可以去掉所有上述等式中的变量n，且梯度调度算法变为

${\{i,j\}}_{\left[K_i\right]}=\underset{j,i\∈M_j}{\arg \max }\left\{{U_j}^{\′}\left(r_j\right[K_i\left]\right)c_j\right[k\left]\right\}.$

图6示出了用于上述实施方式中的第一种情况的算法流程图的一个实例。

一个更复杂的方法是在各单独蜂窝中具有对资源和调度的另一级别的优化，且将来自各蜂窝的资源分配的结果用于选择用户组以计算将r_j[K_j,n]用于上述过程，我们可以获得{j}_[k，n]，随后可基于各单独蜂窝中来自调度表的优先顺序，将分配至j的资源分配给一个用户或多个用户。在两个调度表中分配上有冲突的情况下，可执行上述过程的一次以上的叠代，直到满足特定标准或达到预定迭代次数。

根据本发明的另一实施方式，该优化问题是要分配无线资源以最大化作为蜂窝或BTS的效用函数的总和的蜂窝级效用函数。效用函数可以是基于单个蜂窝的或是基于一组蜂窝的。各蜂窝或BTS或者一组蜂窝可分配有不同的效用函数。

根据本发明的一种实施方式，该优化问题是要分配无线资源以最大化作为某些蜂窝中的单个用户的效用函数和对于其他蜂窝的蜂窝级效用函数的组合的成本函数。

假设针对跨各自具有M_j个用户的N₁个蜂窝和跨具有一个分配给各蜂窝的效用函数的N₂个蜂窝的用户进行优化。采用基于速率的效用函数，则该优化问题是要分配无线资源以最大化

$\frac{1}{N_1}\underset{j=1}{\overset{N_1}{\mathrm{\Σ}}}\left(\frac{1}{M}\underset{i=1}{\overset{M_j}{\mathrm{\Σ}}}{U}_{\mathrm{ij}}\left(r_{\mathrm{ij}}\right[n\left]\right)\right)+\frac{1}{N_2}\underset{j=1}{\overset{N_2}{\mathrm{\Σ}}}{U}_j\left(r_j\right[n\left]\right).$

使用OFDM系统和子载波分配作为一个实例，并采用与之前相同的推导，则我们定义

为

定义

为

则该优化问题用公式表示为

$\underset{x}{\max }(\frac{1}{N_1}\underset{j=1}{\overset{N_1}{\mathrm{\Σ}}}\left(\frac{1}{M}\underset{i=1}{\overset{M_j}{\mathrm{\Σ}}}{U}_{\mathrm{ij}}\left(\mathrm{\Δf}\underset{k\∈K_i}{\mathrm{\Σ}}{c}_{\mathrm{ij}}\right[k,n\left]x_{{\mathrm{ijnK}}_{i,}}\right)\right)+\frac{1}{N_2}\underset{j=1}{\overset{N_2}{\mathrm{\Σ}}}\left(U_j\left(\mathrm{\Δf}\underset{k\∈K_i}{\mathrm{\Σ}}{c}_j\right[k,n\left]x_{{\mathrm{jnK}}_{i,}}\right)\right)),$ 满足 $\underset{j=1}{\overset{N_1}{\mathrm{\Σ}}}\left(\underset{i=1}{\overset{M_j}{\mathrm{\Σ}}}{x}_{{\mathrm{ijnK}}_{i,}}\right)+\underset{j=1}{\overset{N_2}{\mathrm{\Σ}}}{x}_{{\mathrm{jnK}}_{i,}}=1,x_{{\mathrm{ijnK}}_{i,}}\∈\left\{\mathrm{0,1}\right\},x_{{\mathrm{jnK}}_{i,}}\∈\left\{\mathrm{0,1}\right\}.$

因此，梯度调度算法为

${\{i,j\}}_{[K_{i,},n]}=\underset{(i,j)}{\arg \max }\left\{{{\mathrm{wU}}_{\mathrm{ij}}}^{\′}\left({\stackrel{\‾}{r}}_{\mathrm{ij}}\right[K_i,n\left]\right)c_{\mathrm{ij}}\right[k,n\left]\right\}.$

显然，当平均窗口长度等于时段长度时，

我们可去掉所有上述等式中的变量n，且梯度调度算法变为

${\{i,j\}}_{\left[K_i\right]}=\underset{(i,j)}{\arg \max }\left\{{U_{\mathrm{ij}}}^{\′}\left(r_{\mathrm{ij}}\right[K_i\left]\right)c_{\mathrm{ij}}\right[k\left]\right\}.$

根据本发明的一种实施方式，作为上述情况的具有N₁=1且N₂>=1的特殊情况，宏蜂窝BTS具有多个用户和一个以上的毫微微蜂窝BTS。针对单个用户的效用函数和一个以上的毫微微蜂窝BTS的效用函数，可在宏蜂窝BTS之间进行资源管理和调度。

根据本发明的一种实施方式，在基于波束赋形或预编码的多天线系统中，不同的天线加权（weighting）可被用作资源分配和调度优化的一部分。

使用OFDM系统作为一个实例，天线加权在以下计算中通过功率密度下行传输功率密度p_j[k,n]进入优化过程：

c_ij(k，n)＝f(ln(1+gp_j[k，n]q_ij[k，n]))bits/sec/Hz。

可使用与[1]及其引用中类似的方法导出基于第一实施方式的优化过程以用于功率分配。

根据本发明的另一实施方式，资源分配和调度优化使用包括两级优化的目标。第一级针对单个蜂窝或BTS中的用户来最大化成本函数，即，分配无线资源以最大化

第二级针对多个蜂窝或BTS中的用户来最大化成本函数，即，分配无线资源以最大化之后，第一级资源分配和调度将采用来自第二级的调度表的包括了总分配资源和单个资源分配的结果作为输入，并重新分配和重新调度各蜂窝和BTS中的UE。迭代该过程，直到再次满足特定标准或达到预定的迭代次数。

根据本发明的另一实施方式，资源分配和调度优化使用包括两级优化的目标。第一级针对单个蜂窝或BTS中的用户来最大化成本函数，即，分配无线资源以最大化

第二级针对多个蜂窝或BTS来最大化蜂窝级成本函数，即，分配无线资源以最大化

之后，第一级资源分配和调度将采用来自第二级的调度表的结果作为输入，并重新分配和重新调度各蜂窝和BTS中的UE。迭代该过程，直到再次满足特定标准或达到预定的迭代次数。

根据本发明的另一实施方式，可使用不同时间粒度进行两个级别的资源分配和调度，其中，不同时间粒度具有使用较长时间间隔的蜂窝级资源分配，以及使用较短时间间隔的单个用户级调度。更具体地，无线资源以每个时间间隔T₂由协调调度表进行分配，以最大化蜂窝级成本函数在向所有蜂窝分配了资源之后，单个蜂窝使用所分配的资源，并通过以每个时间间隔T₁来最大化基于单个用户的成本函数以调度用户，其中，T₁<<T₂或T₁<T₂。重复该调度，直至到达进行蜂窝级资源分配的T₂间隔。

作为上述情况的特例，宏蜂窝BTS具有多个用户和一个以上的毫微微蜂窝BTS。资源分配将在宏蜂窝BTS和毫微微蜂窝BTS或BTS之间针对蜂窝的效用函数以时间间隔T₂来进行。之后，宏蜂窝和各毫微微蜂窝会以每个时间间隔T₁针对用户的效用函数来调度单个用户。

根据本发明的一种实施方式，可将蜂窝中的用户分为正被其他蜂窝干扰或正干扰其他蜂窝的用户组（我们称之为干扰用户组）；以及无干扰情况的用户组（非干扰用户组）。用于定义组的标准可基于对整个频带或CDMA情况下的特定编码信道或者OFDM情况下的频音（frequency tone）的干扰级别。其也可基于特定的质量指标，诸如误码率、误包率等。其还可基于信道质量指标。上述方法可被用于一组毫微微蜂窝或微微蜂窝，或者一个宏蜂窝与一个以上的毫微微蜂窝和微微蜂窝之间。

根据本发明的另一实施方式，在资源分配和调度中，第一级是针对各单独蜂窝或BTS中的单个用户来最大化成本函数，即，分配无线资源以最大化其中，M_j表示各单独蜂窝中的用户。在资源分配和调度中，第二级别是基于干扰用户组中的用户来最大化蜂窝级成本函数，并针对多个蜂窝或BTS进行调度，即，分配无线资源以最大化

其中，U_j(r_j[n])是针对N个蜂窝中的每一个内的干扰用户组的蜂窝级成本函数。之后，第一级资源分配和调度将采用来自第二级调度表的结果作为输入，并重新分配和重新调度蜂窝中的所有用户或者仅是各蜂窝和BT中的干扰用户。叠代该过程，直到满足特定标准或达到预定的叠代次数。

根据本发明的一种实施方式，将总的无线资源分成多个级别，其中，一些为各蜂窝的私人使用而严格服务；一些是为了共用，因此可通过协调调度表来分配它们。可能具有另一部分资源，其在特定基础上可用于上述两种情况中的任一种。

根据本发明的另一实施方式，私用和共用资源的分配也可随着时间而自适应，而且其与用户调度表相比，应当具有更长的时间适应率。跨蜂窝的共用和私用资源的分配可使用在之前实施方式中概述的类似原理，即，通过协调资源管理来进行私用和共用资源的分配，以最大化蜂窝级成本函数

在向所有蜂窝分配了资源之后，单个蜂窝可基于以下实施方式使用所分配的资源来调度用户。

根据本发明的另一实施方式，在资源分配和调度中，第一级是通过针对各单独蜂窝或BTS中的单个用户来最大化成本函数，以将私用资源分配给非干扰用户，即，分配无线资源以最大化其中，M_j表示各单独蜂窝中的所有用户，以及G_j表示干扰用户。在资源分配和调度中，第二级是通过基于干扰用户组中的用户来最大化蜂窝级成本函数，以将共用资源分配给干扰用户。该调度可针对多个蜂窝或BTS来进行，即，分配无线资源以最大化

其中，U_j(r_j[n])是针对N个蜂窝中的每一个内的干扰用户组的蜂窝级成本函数；或者，该调度可针对多个蜂窝和BTS中的干扰用户来进行，即，分配无线资源以最大化

根据本发明的另一实施方式，在资源分配和调度中，第一级是针对各单独蜂窝或BTS中的所有用户，通过使用私用资源来最大化成本函数。在资源分配和调度中，第二级是针对那些尚未分配私用资源或尚未充分分配私用资源的用户来最大化成本函数。这是针对多个蜂窝或BTS，通过使用共用资源来完成的。也可迭代该过程，直到满足特定标准或达到预定迭代次数。

根据本发明的另一实施方式，在资源分配和调度中，第一级是针对跨多个蜂窝的用户，通过使用共用资源来最大化成本函数。在资源分配和调度中，第二级是针对那些尚未分配共用资源或尚未充分分配共用资源的用户来最大化成本函数。这是在各单独蜂窝或BTS中通过使用私用资源来完成的。也可迭代该过程，直到满足特定标准或达到预定迭代次数。

根据本发明的另一实施方式，在资源分配和调度中，第一级是针对多个蜂窝或BTS，通过使用共用资源来最大化蜂窝级成本函数。在资源分配和调度中，第二级是针对各单独蜂窝或BTS中的所有用户，通过使用分配给各蜂窝或BTS的共用资源以及其自身的私用资源来最大化成本函数。也可迭代该过程，直到满足特定标准或达到预定迭代次数。

根据本发明的另一实施方式，执行资源分配和调度的BTS可处在不同层。一个实例是：一个BTS是宏蜂窝BTS，且另一BTS是毫微微蜂窝BTS。其二者可基于所有之前的实施方式来协调资源分配和调度。

尽管在上述推导和实例中使用了基于数据率的效用函数，但也可使用其他效用函数，并且可应用该方法。

根据本发明的另一实施方式，BTS之间的协调可通过完全集中方式、部分分布方式或完全分布方式实现。

根据本发明的另一实施方式，当该协调是完全集中式时，BTS经由带内信令或带外信令或者二者的组合，向网络发送资源分配所需的测量值和信息。网络使用该信息来进行资源分配和调度。将其相应的分配和协调信息送回至各BTS。

根据本发明的另一实施方式，当该协调是部分集中式时，BTS经由带内信令或带外信令或者二者的组合，向网络发送资源分配所需的测量值和信息。网络使用该信息来进行资源分配和调度。将其相应的分配和协调信息送回至各BTS。各BTS中的调度表以它们将具有与其他资源和UE相同的优先权的方式使用由集中式网络资源管理器发送回的信息作为向其调度表中的输入。这里可使用不同的调度和资源管理算法。

根据本发明的另一实施方式，当该协调是完全分布式时，BTS经由带内信令或带外信令或者二者的组合，向由其相邻列表确定的其相邻BTS发送资源分配所需的测量值和信息。发送至具体的相邻BTS的信息仅包括与该BTS相关的信息。

根据本发明的一种实施方式，接收信息的相邻BTS将基于预定算法来接受请求、拒绝请求或发送回该请求的修改版本。该请求的修改版本的一个实例可能是准许使用比所请求的更少的资源，或者是准许该资源但只能使用较短的时限或时间延迟。

根据本发明的另一实施方式，从其他相邻BTS接收信息和请求的相邻BTS应当将该信息用作对其调度表的约束，或者用作向其调度表的总输入的一部分。根据从调度结果的输出，第二BTS决定是接受、拒绝、还是提出新的资源分配。第一BTS和第二BTS应当根据来自第一BTS的请求是被接受、拒绝、还是修改而使用以下程序。

当该请求被拒绝时，第一BTS可以重新协商，例如发送修改后的具有较少资源需求的请求，或者原样接受该结果，并不加任何限制地运行调度和资源分配算法。第二BTS将同样处理。

当该请求被准许时，第一BTS将所准许的资源与来自其他相邻BTS的资源一同作为向其调度表的输入来处理，而第二BTS应当将已经准许给第一BTS的资源作为对其调度表的约束来考虑。

当相邻BTS既未接受也未拒绝该请求时，第二BTS将向第一BTS发送回基于由其调度表或资源管理实体确定的可用资源的建议性资源准许计划。第一BTS可以决定接受该新建议，或者重新协商，即，发送修改后的具有较少资源需求的请求。在第一BTS接受该新建议的情况下，第一BTS将向第二BTS确认。第一BTS随后将所准许的资源与来自其他相邻BTS的资源一同作为向其调度表的输入来处理，而第二BTS应当将已经准许给第一BTS的资源作为对其调度表的约束来考虑。

本领域技术人员将意识到，所述的与本文公开的实施方式相关的各种示例性逻辑块、模块和算法步骤通常可以作为电子硬件、计算机软件或二者的组合来实施。为了清晰地说明这种硬件和软件的可互换性，上文已对各种示例性组件、块、模块和步骤根据其功能进行了一般性描述。这些功能是作为硬件还是软件来实现，取决于施加于总体系统的具体的系统和设计约束条件。本领域技术人员可针对各个具体系统以各种方式来实现所述功能，但这些实施决策不应被解释为造成了与本发明范围的背离。此外，对模块、块或步骤内的功能进行分组是为了便于说明。在不背离本发明的情况下，可从一个模块或块中去除具体的功能或步骤。

所述的与本文公开的实施方式相关的各种示例性逻辑块和模块可采用通用处理器、数字信号处理器（DSP）、文本信息系统（text messagingsystem）专用集成电路（ASIC）、现场可编程门阵列（FPGA）或其它可编程逻辑器件、分立门或晶体管逻辑、分立硬件组件、或者设计为执行本文所述功能的其任意组合来实施或执行。通用处理器可以是微处理器，但可选择地，该处理器可以是任何处理器、控制器、微控制器或状态机。处理器也可作为计算装置的组合（例如，DSP和微处理器、多个微处理器、一个以上结合了DSP内核的微处理器、或任何其他这种结构的组合）来实现。

所述的与本文公开的实施方式相关的方法或算法的步骤可直接在硬件、由处理器执行的软件模块、或二者的组合中实施。软件模块可存留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM、或任何其他形式的存储介质中。示例性存储介质可连接至处理器，使得该处理器可从存储介质读取信息以及向存储介质写入信息。可选择地，存储介质可与处理器集成。处理器和存储介质可存留在ASIC内。

提供对所公开实施方式的上述描述是使本领域任何技术人员均能够制造或使用本发明。对于本领域技术人员而言，对这些实施方式的各种修改将是显而易见的，而且在不脱离本发明的思想或范围的情况下，本文所述的一般性原理可被用于其他实施方式。因此，需要理解的是，本文给出的说明和附图表示目前本发明的优选实施方式，并因此代表了本发明广泛考虑的主题。还应理解的是，本发明的范围完全包括对本领域技术人员而言是显而易见的其他实施方式。

Claims (34)

1.一种管理无线资源的方法，包括以下步骤：

a）识别具有至少两个蜂窝作为相邻蜂窝的一组蜂窝；

b）从所述一组蜂窝中识别一组用户；

c）为每个用户提供一效用函数；

d）基于一个用于所述一组用户的成本函数，提供无线资源分配目标，其中，所述一组用户来自步骤a）中识别的所述一组蜂窝；以及

e）根据用于所述一组用户的成本函数，向每个用户分配一部分资源。

2.根据权利要求1所述的方法，其中，每个用户具有不同的效用函数。

3.根据权利要求1所述的方法，其中，有多于一个的从至少两个蜂窝中识别的用户组，所述用户组中的每个用户都分配有一个效用函数。

4.根据权利要求1所述的方法，其中，有N个蜂窝，并且在每个蜂窝中均向用户分配一个效用函数。

5.根据权利要求1所述的方法，其中，所述成本函数由

给出，

其中，r_ij[n]是蜂窝j中用户i在时间n时的瞬时数据率，U_ij(·)是蜂窝j中用户i的相应效用函数，M_j是蜂窝j中优化时所使用的用户的数量，以及N是优化时所使用的相邻蜂窝的数量。

6.根据权利要求5所述的方法，其中，M_j表示蜂窝j中的用户总数量。

7.根据权利要求5所述的方法，其中，M_j表示蜂窝j中的总用户数量的一部分。

8.根据权利要求1所述的方法，其中，所述分配无线资源的步骤通过所述蜂窝之间的协调来实现。

9.根据权利要求8所述的方法，其中，蜂窝之间的协调是集中式的。

10.根据权利要求8所述的方法，其中，蜂窝之间的协调是部分分布式的。

11.根据权利要求8所述的方法，其中，蜂窝之间的协调是完全分布式的。

12.一种管理无线资源的方法，包括以下步骤：

a）识别一组蜂窝；

b）为每个蜂窝提供一效用函数；

c）基于一个用于步骤a）中识别的所述一组蜂窝的效用函数，提供无线资源分配目标；以及

d）向每个蜂窝分配一部分无线资源，从而满足所述目标。

13.根据权利要求12所述的方法，其中，每个蜂窝具有不同的效用函数。

14.根据权利要求12所述的方法，其中，有N个蜂窝，并且向每个蜂窝分配一个效用函数。

15.根据权利要求12所述的方法，其中，一组蜂窝具有相同的效用函数，而其他蜂窝具有不同的效用函数。

16.根据权利要求12所述的方法，其中，所选蜂窝仅包括全部用户的一部分。

16.根据权利要求15所述的方法，其中，全部资源分配由

给出，其中，r_j[n]是蜂窝j中M_j个用户在时间n时的数据率，U_j(·)是蜂窝j的效用函数，以及N是相邻蜂窝的数量。

17.根据权利要求16所述的方法，其中，r_j[n]是M_j个用户的总数据率。

18.根据权利要求16所述的方法，其中，r_j[n]是M_j个用户的平均瞬时数据率。

19.根据权利要求12所述的方法，其中，蜂窝中的用户具有与所述蜂窝相同的效用函数。

20.根据权利要求12所述的方法，其中，蜂窝中的用户具有与所述蜂窝不同的效用函数。

21.根据权利要求12所述的方法，其中，所述分配无线资源的步骤通过使用所述蜂窝之间的协调来实现。

22.根据权利要求21所述的方法，其中，蜂窝之间的协调是集中式的。

23.根据权利要求21所述的方法，其中，蜂窝之间的协调是部分分布式的。

24.根据权利要求21所述的方法，其中，蜂窝之间的协调是完全分布式的。

25.一种管理无线资源的方法，包括以下步骤：

a）识别一组蜂窝；

b）从所述一组蜂窝中识别一组用户；

c）为所选组中的一个蜂窝或一个用户或者二者提供一效用函数；

d）基于一个用于步骤b）中识别的所述一组用户的成本函数，提供第一无线资源分配目标，其中，所述一组用户来自所述一组蜂窝；

e）基于一个用于步骤a）中识别的所述一组蜂窝的成本函数，提供第二无线资源分配目标；

f）确定作为所述第一目标和所述第二目标之和的总目标；以及

g）向每个蜂窝或每个用户分配一部分无线资源，从而满足所述总目标。

26.根据权利要求25所述的方法，其中，每个蜂窝具有不同的效用函数。

27.根据权利要求25所述的方法，其中，有跨N₁个蜂窝的用户，而在所述N₁个蜂窝中，各自具有分配有一个效用函数的M_j个用户，而且向N₂个蜂窝中的每一个分配一个效用函数。

28.根据权利要求27所述的方法，其中，分配资源是要最大化 $\frac{1}{N_1}\underset{j=1}{\overset{N_1}{\mathrm{\&Sigma;}}}\left(\frac{1}{M}\underset{i=1}{\overset{M_j}{\mathrm{\&Sigma;}}}{U}_{\mathrm{ij}}\left(r_{\mathrm{ij}}\right[n\left]\right)\right)+\frac{1}{N_2}\underset{j=1}{\overset{N_2}{\mathrm{\&Sigma;}}}{U}_j\left(r_j\right[n\left]\right).$

29.根据权利要求25所述的方法，其中，所述分配步骤包括使用所述蜂窝之间的协调的步骤。

30.根据权利要求25所述的方法，其中，蜂窝中的用户具有不同的效用函数。

31.根据权利要求25所述的方法，其中，所述分配无线资源的步骤通过使用所述蜂窝之间的协调来实现。

32.根据权利要求29所述的方法，其中，蜂窝之间的协调是集中式的。

33.根据权利要求29所述的方法，其中，蜂窝之间的协调是部分分布式的。

34.根据权利要求29所述的方法，其中，蜂窝之间的协调是完全分布式的。

Images