CN102752864B - 多用户多业务系统中的面向用户体验的资源分配方法 - Google Patents

Abstract

本发明涉及一种无线通信领域中的资源分配方案，具体涉及了一种正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)系统中，在多用户多业务场景下，保证终端的用户体验质量的功率和载波联合优化的资源分配方案，属于通信技术领域。本发明根据多种业务对资源需求的敏感度不同，以及每个用户所处的信道状况不同，采用逐步资源分配方法(Gradual Resource Allocation Algorithm，GRAA)来计算子载波及功率分配，为每个用户分配合适的载波数和功率，以达到在保证每个用户的QoE质量的同时，最大程度节省资源的目的。

Description

多用户多业务系统中的面向用户体验的资源分配方法

技术领域：

本发明涉及一种无线通信领域中的资源分配方案，具体涉及了一种正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)系统中，在多用户多业务场景下，保证终端的用户体验质量的功率和载波联合优化的资源分配方案，属于通信技术领域。

背景技术：

随着无线网络和智能手机技术的发展，多媒体业务(例如，视频流媒体、在线游戏、下载业务等)得到越来越广泛的关注和研究。随着多媒体业务的兴起，业务数据量的增大也对网络传输速率提出了更高的要求。尽管LTE和LTE-A等无线标准不断提高下行信道的峰值速率，为大量的多媒体用户提供高质量服务仍然会对网络造成很大的压力。因此，资源分配策略仍然是无线网络研究的一个关键性问题。

未来的通信系统的特点是高速率大容量，而可用于无线通信的频谱资源十分有限，因此如何提高频谱利用率在未来的通信系统中变得十分重要。OFDM技术由于其频谱利用率高、抗衰落能力强以及具有适合高速传输的优点，已被许多标准化所采纳。OFDM技术由于其正交性，可以很好的解决符号间干扰问题，因此其可以在频率选择性衰落信道下极大的提高无线传输速率。并且，OFDM子载波可以在多用户间动态分配，可以为多用户资源调度提供额外的自由度。因此，OFDM系统的资源分配问题吸引了越来越多的研究者的兴趣，其中资源分配包括子载波调度和功率分配两大方面的问题。

实际通信系统中往往面临着向多个不同业务的用户分配子载波和功率的问题。由于不同业务对资源的需求程度不同，所以在多用户多业务系统中如何有效的计算出子载波分配矩阵并为每个子载波分配相应的功率成了一个至关重要的问题。当子载波矩阵已确定的话，则功率分配问题可以分解为多个子问题，即通过注水算法为每个用户进行功率分配。然而由于每个用户所处的信道状态以及每个用户的业务效用函数不同，子载波分配矩阵无法一次确定；因此，要为该问题找出最优解，则需要遍历所有可能的子载波分配矩阵，即用穷搜法(exhaustive search algorithm，ESA)进行求解，这样的计算量对于实际通信系统显然是无法接受的。简单的说，就是解决随着系统中用户数的改变以及不同业务量的改变，如何动态的分配子载波和功率，来提高系统总效率的问题。

测量用户主观体验质量(Quality of Experience，QoE)的方法由于其能更直观的反应出终端用户对服务质量的满意程度，而得到了越来越多的关注。终端用户的QoE包含了网络链路层的影响因素以及应用层的影响因素。因此，面向QoE的优化技术一般选择跨层优化的方式，对网络链路层和应用层进行联合优化。并且，面向QoE的优化技术直接以终端的用户体验为优化目标来进行动态的资源分配，避免了将资源浪费在其他对用户体验影响较小的优化目标上面。平均主观分(Mean Opinion Score，MOS)是一种通用的用来反映终端用户QoE的统一衡量标准。MOS分的取值范围为1～5，1代表业务质量很差，用户无法满意；5代表业务质量很好，用户很满意；MOS分细化为5档，分别对应用户对不用质量的业务的满意程度。

由于不同业务类型对资源的敏感度不同，即不同业务有不同的效用函数，而MOS分是一种比较粗略的反应用户QoE的衡量标准，因此这可能会导致将资源浪费在提高有限的，而用户很难感觉到的MOS分上。例如，对于非专业人员来说，4.0分和4.2分的IPTV业务质量没有很大区别，因此可以不必要再为该用户分配过多的资源，仅以提高MOS分数值上的区别。

发明内容

本发明的目的是为了提升系统资源利用率，并降低资源分配计算复杂度，提出一种OFDM系统在多用户多业务场景下，保证终端用户QoE的功率和载波联合优化的资源分配方法。

本发明根据多种业务对资源需求的敏感度不同，以及每个用户所处的信道状况不同，采用逐步资源分配方法(Gradual Resource Allocation Algorithm，GRAA)来计算子载波及功率分配，为每个用户分配合适的载波数和功率，以达到在保证每个用户的QoE质量的同时，最大程度节省资源的目的。

本发明方法是通过如下技术方案实现的：

步骤1，由于传输速率与用户分配到的子载波数和功率成正比，首先分别求出每种业务的QoE质量与传输速率的映射关系。

OFDM系统中，传输速率根据香农信道容量公式给出：

$R_k=\underset{n\∈S_k}{\mathrm{\Σ}}B{\log }_2(1+{\mathrm{SINR}}_{k,n})=\underset{n\∈S_k}{\mathrm{\Σ}}B{\log }_2(1+p_{k,n}{H}_{k,n})---\left(1\right)$

其中，R_k为第k个用户的传输速率，p_k,n为第k个用户在第n个子载波上分配的功率；H_k,n表示第k个用户在第n个子载波上的等效信道；S_k表示分配给第k个用户的子载波集合。B表示带宽，SINR_k,n表示第k个用户在第n个子载波上的信干噪比。

由(1)式可知，子载波数影响用户的带宽，而功率大小影响该子载波的信噪比，带宽和信噪比越大，传输速率越大，用户的QoE质量越好。

那么，第k个用户的QoE_k质量与传输速率的映射关系为：

QoE_k=η_k(R_k)            (2)

其中，η_k(·)表示第k个用户的效用函数，即其传输速率与MOS分之间的关系函数。

步骤2，初始化子载波分配。

在OFDM系统中，对于一个有K个用户，N个子载波，M种不同业务的小区；{σ_k，n}和{p_k，n}分别表示子载波分配矩阵和功率分配矩阵；σ_k，n=1表示第n个子载波分配给第k个用户，否则σ_k，n=0；p_k，n表示第k个用户在第n个子载波上的功率。设S={S₁，S₂，…，S_k}为子载波集合，其中S_k＝{n_k ⁽¹⁾，n_k ⁽²⁾,...，n_k ^(Nk)}表示分配给第k个用户的子载波集合；其中，N_k表示分配给第k个用户的子载波数；并且每个子载波只能分配给一个用户使用，所以有S₁∪S₂∪...∪S_k=S。

本发明的目的为在保证每个用户的QoE质量的约束条件下，最小化系统总的消耗功率，可用公式表示为：

最小化： $P_{\mathrm{total}}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n\∈S_k}{\mathrm{\Σ}}{p}_{k,n}$

限制条件：QoE_k＝η_k(R_k)≥MOS_{k_limit}

$P_{\mathrm{total}}=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}{p}_{k,n}<P_{\max }---\left(3\right)$

p_k，n>0，

$\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}{\mathrm{\&sigma;}}_{k,n}\&le;N$

P_total为系统总的消耗功率，P_max为系统总的最大额定功率，MOS_{k_limit}为第k个用户的QoE_k质量最小值。

根据凸优化理论，上式的拉格朗日对偶形式为：

$L(p_{k,n},\mathrm{\&lambda;})=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}{p}_{k,n}-{\mathrm{\&lambda;}}^T(\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}B{\log }_2(1+p_{k,n}{H}_{k,n})-{\mathrm{\&eta;}}_k^{-1}\left({\mathrm{MOS}}_{k\_\mathrm{limit}}\right))---\left(4\right)$

其中，λ^T为拉格朗日乘子向量。

具体的初始化子载波分配方法为：首先为每个用户找出信道状态最好的子载波，第k个用户对应的最好子载波为i(k)，并将其正式分配给该用户，即令σ(i(k)，k)=1，总的已分配载波数再根据(3)式中QoE的限制条件计算每一个用户所需要的功率值，具体功率计算方法如下：

$p_{k,n}=\frac{1}{H_{k,n}}(\frac{{\mathrm{\&lambda;}}_k{\mathrm{BH}}_{k,n}}{\ln 2}-1)---\left(5\right)$

其中，为第k个用户的拉格朗日乘子，S_{k_limit}为第k个用户QoE质量为MOS_{k_limit}时所对应的速率要求；为带宽B的N_k次幂。

此时，每个用户消耗的功率为：

$P_k=\underset{n=1}{\overset{N_k}{\mathrm{\&Sigma;}}}{p}_{k,n}---\left(6\right)$

步骤3，在去除已分配子载波的剩余子载波中，为每个用户预分配1个信道状态最好(即SINR_k,n最大)的子载波，此时1个子载波可以重复分配给多个用户，并根据步骤2中的功率计算方法，计算每个用户现有的所有子载波共需要的功率值，得出此时每个用户所消耗的功率：

${P_k}^{\&prime;}=\underset{n=1}{\overset{N_k+1}{\mathrm{\&Sigma;}}}{p}_{k,n}---\left(7\right)$

当一个用户的QoE质量需求固定时，增加该用户的子载波数会降低该用户对功率的需求，将前后两次子载波分配所得的每个用户所需要的功率值做差，得到：

△P_k=P_k′-P_k                    (8)

找出功率下降最大的那个用户，将预分配给该用户的子载波正式分配给该用户，以达到最大的效益；其他预分配的子载波信息在子载波分配矩阵中清零，即取消对其它用户的子载波分配。

步骤4，重复步骤3，直到所有的子载波分配完毕，并得出子载波分配矩阵{σ_k，n}和功率分配矩阵{p_k，n}，完成OFDM系统在多用户多业务场景下的资源分配过程。

有益效果

本发明旨在保证每个终端用户有一个相对较好的QoE质量下，通过特殊的资源分配方法，以较低的计算复杂度达到节省无线资源的目的。本发明综合考虑了信道质量和不同业务的效用函数对资源分配的影响，通过跨层优化的方式，联合优化OFDM系统的子载波调度和功率分配问题。本发明可以帮助运营商为不同业务的用户设定不同的目标MOS分来调度系统资源，从而可以达到最大化资源利用率，并可以让更多的用户以相对较好的QoE质量加入到系统中的目的。

附图说明

图1为本发明的资源分配方法流程图；

图2为具体实施方式中IPTV业务的效用函数模型；

图3为具体实施方式中FD业务的效用函数模型；

图4为具体实施方式中VoIP业务的效用函数模型；

图5为具体实施方式中不同时段每种业务的平均用户数的变化情况；

图6为具体实施方式中不同时段每种业务的平局MOS分情况，并对比了分别使用本发明的GRAA算法与ESA算法的性能；

图7为具体实施方式中不同时段每种业务的子载波分配情况，并对比了GRAA算法与ESA算法的性能；

图8为具体实施方式中不同时段每种业务的功率分配情况，并对比了GRAA算法与ESA算法的性能。

具体实施方式

为使发明的目的，技术方案及优点更加清晰，下面将参照附图对本发明做进一步详细说明。本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本发明具体以VoIP，IPTV，Filedown(FD)三种多媒体业务为例。首先分别建模三种业务的QoE质量与传输速率的关系，分别如式(9)～(11)所示：

${\mathrm{\&eta;}}_{\mathrm{IPTV}}=\frac{a_1+a_2\mathrm{FR}+a_3\ln \left(\mathrm{SBR}\right)}{1+a_4\mathrm{PER}+a_5{\left(\mathrm{PER}\right)}^2}---\left(9\right)$

其中，a₁～a₅为根据不同视频类型得出的映射参数；包括轻微运动类型视频(slightmovement，SM)，缓慢运动类型视频(gentle walking，GW)，快速运动类型视频(rapid movement，RM)，如图2所示；FR为帧率；PER为丢包率，这里设为0，SBR为传输速率；

${\mathrm{\&eta;}}_{\mathrm{FD}}=\left\{\begin{array}{cc}1.0,& \mathrm{SBR}<10\mathrm{kbps}\\ \mathrm{\&alpha;}{\log }_{10}\left(\mathrm{\&beta;SBR}\right),& 10\mathrm{kbps}\&le;\mathrm{SBR}\&le;310\mathrm{kbps}\\ 4.5,& 310\mathrm{kbps}<\mathrm{SBR}\end{array}\right.---\left(10\right)$

其中，α=2.3473，β＝0.2667。具体如图3所示。

不同编码速率下，VoIP业务的QoE质量与速率关系曲线具体如图4所示。图中4个点分别代表4种编码速率，6.4kbps，15.2kbps，24.6kbps，64kbps。

本实例对9:00到20:00之间的不同时段进行了仿真说明，如图5所示，每种业务的平均用户数随着时间的变化而变化，从中我们可以看出，11:00和16:00分别为两个业务量高峰时期。根据3GPP TR 36.814协议，主要仿真参数如表1所示。

表1仿真参数

参数	值
		小区结构	六边形，三扇区
小区半径	500m
		子载波个数	N＝300
载波频率	2GHz
		带宽	4.5MHz
上下行模式	下行
		信道模型	市内宏小区
大尺度衰落	阴影衰落、路径损耗
		小尺度衰落	SCME信道

根据本发明方法，计算出每个时段内每个用户的QoE质量，即每个用户的MOS分值，图6中给出了每个时段内每种业务的平均MOS分，可以反映出每个时段内每种业务的平均业务质量。由图中可以看出，本发明的GRAA方法与ESA方法几乎有相同的QoE质量，这说明本发明方法可以极大降低运算复杂度的同时而保持比较好的性能。尤其对VoIP业务来说，GRAA方法与ESA方法有相同的性能。其原因在于VoIP业务对传输速率的要求较低，也即对于同样的QoE质量来说，VoIP业务需求的资源量比IPTV业务和FD业务要少的多，所以当用户数增加时几乎不会对VoIP用户的QoE质量有很大的影响。

图7和图8显示了不同时段每种业务的子载波分配情况和功率分配情况。从图7和图8中可以看出，VoIP业务对传输速率的要求较低，分配给VoIP业务的载波数和功率相对较少。从图8可以看出，GRAA方法和ESA方法都没有将基站的功率分配尽，这说明此时的负载量还没有达到小区所能承受的最大负载量，仍然可以有更多的用户接入该小区。从图8还可以看出，GRAA方法的总功率消耗量要略微高于ESA方法，这也即是发明的贡献所在，即用较少的功率消耗量换取了极大的算法处理复杂度的降低。联合分析图5与图8可知，当所有的功率都分配尽时，小区负载量可以达到约200个用户左右，这与LTE定义的每个小区在5MHz带宽下最少支持200个用户的需求指标是一致的。所以通过本算法可以在实际通信系统中最小化功率消耗，节约能源，最大化小区的负载量。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改，等同替换，改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.多用户多业务系统中的面向用户体验的资源分配方法，其特征在于：包括如下步骤：

步骤1，分别求出每种业务的QoE质量与传输速率的映射关系；

OFDM系统中，传输速率根据香农信道容量公式给出：

$R_k=\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}B{\log }_2(1+{\mathrm{SINR}}_{k,n})=\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}B{\log }_2(1+p_{k,n}{H}_{k,n})---\left(1\right)$

其中，R_k为第k个用户的传输速率，p_k,n为第k个用户在第n个子载波上分配的功率；H_k,n表示第k个用户在第n个子载波上的等效信道；S_k表示分配给第k个用户的子载波集合；B表示带宽，SINR_k,n表示第k个用户在第n个子载波上的信干噪比；

第k个用户的QoE_k质量与传输速率的映射关系为：

QoE_k＝η_k(R_k)    (2)

其中，η_k(·)表示第k个用户的效用函数，即其传输速率与MOS分之间的关系函数；

所述QoE表示用户主观体验质量；MOS表示平均主观分；

步骤2，初始化子载波分配；

在OFDM系统中，对于一个有K个用户，N个子载波，M种不同业务的小区；{σ_k,n}和{p_k,n}分别表示子载波分配矩阵和功率分配矩阵；σ_k,n＝1表示第n个子载波分配给第k个用户，否则σ_k,n＝0；p_k,n表示第k个用户在第n个子载波上的功率；设S＝{S₁，S₂，…，S_k}为子载波集合，其中表示分配给第k个用户的子载波集合；其中，N_k表示分配给第k个用户的子载波数；并且每个子载波只能分配给一个用户使用，所以有S₁∪S₂∪...∪S_k＝S；

本发明的目的为在保证每个用户的QoE质量的约束条件下，最小化系统总的消耗功率，可用公式表示为：

最小化： $P_{\mathrm{total}}=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}{p}_{k,n}$

限制条件：QoE_k＝η_k(R_k)≥MOS_{k_limit}

$P_{\mathrm{total}}=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}{p}_{k,n}<P_{\max }$      (3)

$p_{k,n}>0,\&ForAll;k,n$

$\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}{\mathrm{\&sigma;}}_{k,n}\&le;N$

P_total为系统总的消耗功率，P_max为系统总的最大额定功率，MOS_{k_limit}为第k个用户的QoE_k质量最小值；

根据凸优化理论，上式的拉格朗日对偶形式为：

$L(p_{k,n},\mathrm{\&lambda;})=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}{p}_{k,n}-{\mathrm{\&lambda;}}^T(\underset{n\&Element;S_k}{\mathrm{\&Sigma;}}B{\log }_2(1+p_{k,n}{H}_{k,n})-{\mathrm{\&eta;}}_k^{-1}\left({\mathrm{MOS}}_{k\_\mathrm{limit}}\right))---\left(4\right)$

其中，λ^T为拉格朗日乘子向量；

具体的初始化子载波分配方法为：首先为每个用户找出信道状态最好的子载波，第k个用户对应的最好子载波为i(k)，并将其正式分配给该用户，即令σ(i(k),k)＝1，总的已分配载波数再根据(3)式中QoE的限制条件计算每一个用户所需要的功率值，具体功率计算方法如下：

$p_{k,n}=\frac{1}{H_{k,n}}(\frac{{\mathrm{\&lambda;}}_k{\mathrm{BH}}_{k,n}}{\ln 2}-1)---\left(5\right)$

其中，为第k个用户的拉格朗日乘子，R_{k_limit}为第k个用户QoE质量为MOS_{k_limit}时所对应的速率要求；为带宽B的N_k次幂；

此时，每个用户消耗的功率为：

$P_k=\underset{n=1}{\overset{N_k}{\mathrm{\&Sigma;}}}{p}_{k,n}---\left(6\right)$

步骤3，在去除已分配子载波的剩余子载波中，为每个用户预分配1个信道状态最好的子载波，1个子载波可以重复分配给多个用户，并根据步骤2中的功率计算方法，计算每个用户现有的所有子载波共需要的功率值，得出此时每个用户所消耗的功率：

${P_k}^{\text{'}}=\underset{n=1}{\overset{N_k+1}{\mathrm{\&Sigma;}}}{p}_{k,n}---\left(7\right)$

当一个用户的QoE质量需求固定时，增加该用户的子载波数会降低该用户对功率的需求，将前后两次子载波分配所得的每个用户所需要的功率值做差，得到：

ΔP_k＝P_k'-P_k   (8)

找出功率下降最大的那个用户，将预分配给该用户的子载波正式分配给该用户，以达到最大的效益；其他预分配的子载波信息在子载波分配矩阵中清零；

步骤4，重复步骤3，直到所有的子载波分配完毕，并得出子载波分配矩阵{σ_k,n}和功率分配矩阵{p_k,n}，完成OFDM系统在多用户多业务场景下的资源分配过程。