CN102868512A - 一种联合子载波配对的ofdm双向中继网络资源配置方法 - Google Patents

Abstract

本发明提出了一种联合子载波配对的OFDM双向中继网络资源配置方法，其包括如下步骤：首先，选定初始向量定义载波配对矩阵θ={θ_i，j}_N×N和载波对中继选择矩阵ψ={ψ_m，i,j}_M×N×N，并赋给这两个矩阵初始值，定义然后，将初始向量λ代入Q_m,i,j，使得Q_m,i,j达到最大，得到优化的功率分配向量p；随后，利用功率分配向量p得到更新的载波对中继选择矩阵ψ；再后，利用载波对中继选择矩阵ψ更新θ得到最优的θ；最后，更新向量返回的p，θ和ψ即为系统最终的优化配置值。本发明通过对信息传输过程中上行和下行阶段的OFDM子载波的配对、载波对的中继选择以及源节点和中继节点的功率分配，实现了系统的多资源联合优化配置，提升系统的传输吞吐量。

Description

一种联合子载波配对的OFDM双向中继网络资源配置方法

技术领域

本发明属于无线通信网络技术领域，涉及无线协作中继传输，特别涉及一种联合子载波配对的OFDM双向中继网络资源配置方法。

背景技术

中继技术就是在通信的源节点和目的地节点间引入中继节点，源节点发给目的地节点的信息,一方面可以在源和目的间直连链路上传输，另一方面可通过中继节点进行接力转发给目的地节点。中继技术在无线通信中有着广泛的应用，如卫星通信、蜂窝通信、无线mesh网络等都可采用中继传输技术用于提高系统的传输性能。

正交频分复用（OFDM）是一种多载波调制方式，通过减小和消除码间串扰的影响来克服信道的频率选择性衰落。它的基本原理是将信号分割为N个子信号，然后用N个子信号分别调制N个相互正交的子载波。由于子载波的频谱相互重叠，因而可以得到较高的频谱效率。近几年OFDM在无线通信领域得到了广泛的应用。

网络编码技术是一种新兴的传输技术，通过在网络节点对信息进行不同级别的运算实现编码，并在目的地端进行相应的解码运算。这样可以有效节省无线传输的时隙，提高频谱利用效率，提升网络的信息传输流量。将网络编码与OFDM技术结合，对提高下一代无线通信系统的传输性能与效率具有重要的应用前景。

目前，还没有将中继技术、网络编码技术和OFDM技术结合起来的研究。如何将中继技术、网络编码技术和OFDM技术结合，从而实现对OFDM系统的资源进行优化分配，提高双向中继系统的传输吞吐量是亟需解决的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种联合子载波配对的OFDM双向中继网络资源配置方法。

为了实现本发明的上述目的，本发明提供了一种联合子载波配对的OFDM双向中继网络资源配置方法，其包括如下步骤：

S1：选定初始向量

所述向量λ的每个元素都为非负实数，定义载波配对矩阵θ={θ_i，j}_N×N和载波对中继选择矩阵ψ={ψ_m,i,j}_M×N×N，并赋给这两个矩阵初始值，其中，M为中继节点数，N为子载波数，定义功率分配向量

其中，

和

分别代表源节点S₁和S₂在上行子载波i上对中继节点Rm的发送功率，

代表中继节点Rm在下行子载波j上的发送功率，定义 $Q_{m,i,j}=r_{m,i,j}-\underset{k=1}{\overset{2}{\mathrm{\Σ}}}{{\mathrm{\λ}}_S}_k{p}_{m,i}^{\left(s_k\right)}-{{\mathrm{\λ}}_R}_m{p}_{m,i}^{\left(R\right)},$ 其中， $r_{m,i,j}=\underset{k\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}\frac{1}{2}{\log }_2(1+{\mathrm{\γ}}_{m,i,j}^{\left(S_k\right)}),$ ${\mathrm{\γ}}_{m,i,j}^{\left(S_k\right)}=\frac{{\widetilde{\mathrm{\α}}}_{m,j}^{\left(S_k\right)}{p}_{m,j}^{\left(R\right)}{\mathrm{\α}}_{m,i}^{\left(S_{k^{\′}}\right)}{p}_{m,i}^{\left(S_{k^{\′}}\right)}}{{\widetilde{\mathrm{\α}}}_{m,j}^{\left(S_k\right)}{p}_{m,j}^{\left(R\right)}+{\mathrm{\α}}_{m,i}^{\left(S_{k^{\′}}\right)}{p}_{m,i}^{\left(S_{k^{\′}}\right)}+{\mathrm{\α}}_{m,i}^{\left(S_k\right)}{p}_{m,i}^{\left(S_k\right)}+1},$

为上行时源节点S_k到中继节点R_m在子载波i上的载干比，

为上行时S_k′到R_m在子载波i上的载干比，其中，k,k′∈{1,2}但k≠k′，

为下行时Rm到Sk在子载波j上的载干比，

为S_k′在子载波i上分配的功率。

S2：将初始向量λ代入Q_m,i,j，使得Q_m,i,j达到最大，得到优化的功率分配向量p；

S3：将步骤S3得到的功率分配向量p带入 $g\left(\mathrm{\λ}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\θ}}_{i,j}{\mathrm{\ψ}}_{m,i,j}{Q}_{m,i,j}+\underset{k=1}{\overset{2}{\mathrm{\Σ}}}{{\mathrm{\λ}}_S}_k{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\λ}}_{R_m}{P}_{R_m}$ 得到 $g\left(\mathrm{\λ}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\θ}}_{i,j}{\mathrm{\ψ}}_{m,i,j}{U}_{m,i,j}+\underset{k=1}{\overset{2}{\mathrm{\Σ}}}{\mathrm{\λ}}_{S_k}{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\λ}}_{R_m}{P}_{R_m},$ 其中，U_m，i,j为将p带入Q_m，i,j后的结果，对所有θ_i,j＝1，根据

得到更新的载波对中继选择矩阵ψ；

S4：将步骤S4得到的ψ代入 $g\left(\mathrm{\&lambda;}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_{i,j}{\mathrm{\&psi;}}_{m,i,j}{U}_{m,i,j}+\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{S_k}{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{R_m}{P}_{R_m},$ 得到 $g\left(\mathrm{\&lambda;}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_{i,j}{U}_{i,j}+\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{S_k}{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{R_m}{P}_{R_m},$ 其中 $U_{i,j}=\arg \underset{m}{\max }{U}_{m,i,j},\&ForAll;<i,j>,$ 定义矩阵

并从U选取N个元素，满足每一行和每一列只能选取1个元素，使得所选的N个元素在所有可能的选取组合中达到和最大，然后更新θ得到最优的θ；

S5：更新向量

其中 $\&dtri;\mathrm{\&lambda;}={[{\&dtri;\mathrm{\&lambda;}}_{S_1},{\&dtri;\mathrm{\&lambda;}}_{S_2},{\&dtri;\mathrm{\&lambda;}}_{R_1},{\&dtri;\mathrm{\&lambda;}}_{R_2},...,{\&dtri;\mathrm{\&lambda;}}_{R_M}]}_{1\&times;(M+2)},$ $\left\{\begin{array}{c}{\&dtri;\mathrm{\&lambda;}}_{S_k}=P_{S_k}-{\mathrm{\&Sigma;}}_{i=1}^M{\mathrm{\&Sigma;}}_{m=1}^M{p}_{m,i}^{\left(S_k\right)},\&ForAll;k\&Element;\left\{\mathrm{1,2}\right\}\\ {\&dtri;\mathrm{\&lambda;}}_{R_m}=P_{R_m}-{\mathrm{\&Sigma;}}_{i=1}^N{\mathrm{\&Sigma;}}_{m=1}^M{p}_{m,i}^{\left(R\right)},\&ForAll;m\&Element;\{\mathrm{1,2},...M\}\end{array}\right.,\begin{array}{c}\end{array}$

其中，δ为迭代步长，若

达到收敛条件，则计算结束，返回的p，θ和ψ即为系统最终的优化配置值；否则回到步骤S2。

本发明通过对信息传输过程中上行和下行阶段的OFDM子载波的配对、载波对的中继选择以及源节点和中继节点的功率分配，实现了系统的多资源联合优化配置，提升系统的传输吞吐量。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明联合子载波配对的OFDM双向中继网络资源配置方法示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

本发明考虑了两个源节点通过多个中继节点进行信息对传的场景，其中源节点发出的信号可以通过空中自然合并，在中继节点进行放大转发，之后被转发给两个源节点，具体的信息传输过程涉及到两个阶段的传输工作：

在第一阶段，即上行阶段，两个源节点将信息通过已分配的子载波同时传送给中继节点；

在第二阶段，即下行阶段，中继节点接收来自两个源节点的信号，进行放大转发，而后根据各自所分配到的子载波广播给两个源节点。

源节点根据自身传输信息的先验知识，可以解出对方发回的信息。在信息传输过程中，通过对上行和下行阶段的OFDM子载波的配对、载波对的中继选择以及源节点和中继节点的功率分配，可实现系统的多资源联合优化配置，提升系统的传输吞吐量。

在本实施方式中，两个源节点为S1和S2，S1和S2之间没有直连路径，需要通过M个中继节点，即R1，R2，…，RM进行信息对传。假设源节点S1，S2和中继节点Rm(1≤m≤M)的可用发射功率分别为

和

系统的子载波数为N。S1和Rm，S2和Rm，R之间的上行、下行信道状态信息都已知。假设通过优化配置，上行的子载波i和下行的子载波j进行了匹配，也就是说上行时源节点S1和S2通过子载波i发送的信号，在下行时中继节点会通过子载波j广播给S1和S2。为了避免干扰，在本发明的资源配置方法中，一个上行子载波只能和一个下行子载波配对，且一组上下行子载波对只能选则一个中继节点使用。每个中继节点在所有分得的子载波上注入功率之和不能大于节点可得的发射功率限制。本发明的联合子载波配对的OFDM双向中继网络资源配置方法具体如下，如图1所示，图中方框内的数字为载波序号：

S1：选定初始向量

向量λ的每个元素都为非负实数，定义载波配对矩阵θ={θ_i，j}_N×N和载波对中继选择矩阵ψ={ψ_m，i,j}_M×N×N，并赋给这两个矩阵初始值，在本实施方式中，赋给载波配对矩阵θ={θ_i，j}_N×N和载波对中继选择矩阵ψ={ψ_m，i,j}_M×N×N的初始值为：θ的任意一行元素之和为1，θ的任意一列元素之和也为1，当若θ_i,j＝0时，

当若θ_i,j＝1时，

定义功率分配向量

其中，

和分别代表源节点S₁和S₂在上行子载波i上对中继节点Rm的发送功率，

代表中继节点Rm在下行子载波j上的发送功率，定义 $Q_{m,i,j}=r_{m,i,j}-\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{{\mathrm{\&lambda;}}_{S_k}p}_{m,i}^{\left(s_k\right)}-{{\mathrm{\&lambda;}}_R}_m{p}_{m,i}^{\left(R\right)},$ 其中， $r_{m,i,j}=\underset{k\&Element;\left\{\mathrm{1,2}\right\}}{\mathrm{\&Sigma;}}\frac{1}{2}{\log }_2(1+{\mathrm{\&gamma;}}_{m,i,j}^{\left(S_k\right)}),$ ${\mathrm{\&gamma;}}_{m,i,j}^{\left(S_k\right)}=\frac{{\widetilde{\mathrm{\&alpha;}}}_{m,j}^{\left(S_k\right)}{p}_{m,j}^{\left(R\right)}{\mathrm{\&alpha;}}_{m,i}^{\left(S_{k^{\&prime;}}\right)}{p}_{m,i}^{\left(S_{k^{\&prime;}}\right)}}{{\widetilde{\mathrm{\&alpha;}}}_{m,j}^{\left(S_k\right)}{p}_{m,j}^{\left(R\right)}+{\mathrm{\&alpha;}}_{m,i}^{\left(S_{k^{\&prime;}}\right)}{p}_{m,i}^{\left(S_{k^{\&prime;}}\right)}+{\mathrm{\&alpha;}}_{m,i}^{\left(S_k\right)}{p}_{m,i}^{\left(S_k\right)}+1},$

为上行时源节点S_k到中继节点R_m在子载波i上的载干比，定义

其中

为源节点S_k到中继节点R_m间载波i的信道增益，

为中继节点R_m接收到的噪声方差。

为上行时S_k＇到中继节点R_m在子载波i上的载干比，定义为

其中

为源节点S_k到中继节点R_m间载波i的信道增益，其中，k,k′∈{1,2}，但k≠k′，具体来讲就是当S_k＝S₁时，S_k′=S₂，而当S_k＝S₂时，S_k′＝S₁。

为下行时中继节点R_m到源节点S_k在子载波i上的载干比，定义为

其中

为下行时中继节点R_m到源节点S_k间载波j的信道增益，为源节点S_k接收到的噪声方差。

为S_k′在子载波i上分配的功率，

为中继节点R_m在子载波j上分配的功率。

S2：将初始向量λ代入Q_m,i,j，使得Q_m,i,j达到最大，得到优化的功率分配向量p，在本实施方式中，将初始向量λ代入Q_m,i,j得到优化的功率分配向量p的方法为：对于每组θ_i,jψ_m,i,j＝1，设定功率搜索步长p_l，求解

和

当满足

使得Q_m，i,j达到最大时，即得到优化的功率分配p。

S3：将步骤S3得到的功率分配向量p带入 $g\left(\mathrm{\&lambda;}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_{i,j}{\mathrm{\&psi;}}_{m,i,j}{Q}_{m,i,j}+\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{{\mathrm{\&lambda;}}_S}_k{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{R_m}{P}_{R_m}$ 得到 $g\left(\mathrm{\&lambda;}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_{i,j}{\mathrm{\&psi;}}_{m,i,j}{U}_{m,i,j}+\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{S_k}{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{R_m}{P}_{R_m},$ 其中，

为源节点S_k的最大发送功率，

为中继节点R_m的最大发送功率，U_m,i,j为将p带入Q_m,i,j后的结果，对所有θ_i,j＝1，根据

得到更新的载波对中继选择矩阵ψ；

S4：将步骤S4得到的ψ代入 $g\left(\mathrm{\&lambda;}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_{i,j}{\mathrm{\&psi;}}_{m,i,j}{U}_{m,i,j}+\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{S_k}{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{R_m}{P}_{R_m},$ 得到 $g\left(\mathrm{\&lambda;}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_{i,j}{U}_{i,j}+\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{S_k}{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{R_m}{P}_{R_m},$ 其中 $U_{i,j}=\arg \underset{m}{\max }{U}_{m,i,j},\&ForAll;<i,j>,$ 定义矩阵

通过匈牙利算法从U选取N个元素，满足每一行和每一列只能选取1个元素，使得所选的N个元素在所有可能的选取组合中达到和最大，然后更新θ得到最优的θ，在本实施方式中，更新θ的规则为:若U_i,j被选中，则θ_i,j＝1，否则θ_i,j=0，，从而得到最优的θ。

S5：更新向量

其中 $\&dtri;\mathrm{\&lambda;}={[{\&dtri;\mathrm{\&lambda;}}_{S_1},{\&dtri;\mathrm{\&lambda;}}_{S_2},{\&dtri;\mathrm{\&lambda;}}_{R_1},{\&dtri;\mathrm{\&lambda;}}_{R_2},...,{\&dtri;\mathrm{\&lambda;}}_{R_M}]}_{1\&times;(M+2)},$ $\left\{\begin{array}{c}{\&dtri;\mathrm{\&lambda;}}_{S_k}=P_{S_k}-{\mathrm{\&Sigma;}}_{i=1}^M{\mathrm{\&Sigma;}}_{m=1}^M{p}_{m,i}^{\left(S_k\right)},\&ForAll;k\&Element;\left\{\mathrm{1,2}\right\}\\ {\&dtri;\mathrm{\&lambda;}}_{R_m}=P_{R_m}-{\mathrm{\&Sigma;}}_{i=1}^N{\mathrm{\&Sigma;}}_{m=1}^M{p}_{m,i}^{\left(R\right)},\&ForAll;m\&Element;\{\mathrm{1,2},...M\}\end{array}\right.,\begin{array}{c}\end{array}$

其中，δ为迭代步长，在本实施方式中，δ可以为常数δ=a或者和迭代次数有关的函数，如第t轮迭代，

若

达到收敛条件，例如

中每个元素的绝对值与

对应元素的比值都小于某一设定阈值时，则计算结束，返回的p，θ和ψ即为系统最终的优化配置值；否则回到步骤S2。

本发明在信息传输过程中，通过对上行和下行阶段的OFDM子载波的配对、载波对的中继选择以及源节点和中继节点的功率分配，可实现系统的多资源联合优化配置，提升系统的传输吞吐量。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (4)

1.一种联合子载波配对的OFDM双向中继网络资源配置方法，其特征在于，包括如下步骤：

S1：选定初始向量

所述向量λ的每个元素都为非负实数，定义载波配对矩阵θ={θ_i，j}_N×N和载波对中继选择矩阵ψ={ψ_m,i,j}_M×N×N，并赋给这两个矩阵初始值，其中，M为中继节点数，N为子载波数，定义功率分配向量

其中，和

分别代表源节点S₁和S₂在上行子载波i上对中继节点Rm的发送功率，

代表中继节点Rm在下行子载波j上的发送功率，定义 $Q_{m,i,j}=r_{m,i,j}-\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{{\mathrm{\&lambda;}}_S}_k{p}_{m,i}^{\left(s_k\right)}-{{\mathrm{\&lambda;}}_R}_m{p}_{m,i}^{\left(R\right)},$ 其中， $r_{m,i,j}=\underset{k\&Element;\left\{\mathrm{1,2}\right\}}{\mathrm{\&Sigma;}}\frac{1}{2}{\log }_2(1+{\mathrm{\&gamma;}}_{m,i,j}^{\left(S_k\right)}),$ ${\mathrm{\&gamma;}}_{m,i,j}^{\left(S_k\right)}=\frac{{\widetilde{\mathrm{\&alpha;}}}_{m,j}^{\left(S_k\right)}{p}_{m,j}^{\left(R\right)}{\mathrm{\&alpha;}}_{m,i}^{\left(S_{k^{\&prime;}}\right)}{p}_{m,i}^{\left(S_{k^{\&prime;}}\right)}}{{\widetilde{\mathrm{\&alpha;}}}_{m,j}^{\left(S_k\right)}{p}_{m,j}^{\left(R\right)}+{\mathrm{\&alpha;}}_{m,i}^{\left(S_{k^{\&prime;}}\right)}{p}_{m,i}^{\left(S_{k^{\&prime;}}\right)}+{\mathrm{\&alpha;}}_{m,i}^{\left(S_k\right)}{p}_{m,i}^{\left(S_k\right)}+1},$ 为上行时源节点S_k到中继节点R_m在子载波i上的载干比，

为上行时S_k′到R_m在子载波i上的载干比，其中，k,k′∈{1,2}但k≠k′，

为下行时R_m到S_k在子载波j上的载干比，

为S_k′在子载波i上分配的功率。

S2：将初始向量λ代入Q_m,i,j，使得Q_m,i,j达到最大，得到优化的功率分配向量p；

S3：将步骤S3得到的功率分配向量p带入 $g\left(\mathrm{\&lambda;}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_{i,j}{\mathrm{\&psi;}}_{m,i,j}{Q}_{m,i,j}+\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{{\mathrm{\&lambda;}}_S}_k{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{R_m}{P}_{R_m}$ 得到 $g\left(\mathrm{\&lambda;}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_{i,j}{\mathrm{\&psi;}}_{m,i,j}{Q}_{m,i,j}+\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{{\mathrm{\&lambda;}}_S}_k{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{R_m}{P}_{R_m}$ 其中，U_m,i,j为将p带入Q_m,i,j后的结果，对所有θ_i,j＝1，根据

得到更新的载波对中继选择矩阵ψ；

S4：将步骤S4得到的载波对中继选择矩阵ψ代入 $g\left(\mathrm{\&lambda;}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_{i,j}{\mathrm{\&psi;}}_{m,i,j}{U}_{m,i,j}+\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{S_k}{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{R_m}{P}_{R_m},$ 得到 $g\left(\mathrm{\&lambda;}\right)=\max \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_{i,j}{U}_{i,j}+\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{S_k}{P}_{S_k}+\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{R_m}{P}_{R_m},$ 其中 $U_{i,j}=\arg \underset{m}{\max }{U}_{m,i,j},\&ForAll;<i,j>,$ 定义矩阵

并从U选取N个元素，满足每一行和每一列只能选取1个元素，使得所选的N个元素在所有可能的选取组合中达到和最大，然后更新θ得到最优的θ；

S5：更新向量

其中 $\&dtri;\mathrm{\&lambda;}={[{\&dtri;\mathrm{\&lambda;}}_{S_1},{\&dtri;\mathrm{\&lambda;}}_{S_2},{\&dtri;\mathrm{\&lambda;}}_{R_1},{\&dtri;\mathrm{\&lambda;}}_{R_2},...,{\&dtri;\mathrm{\&lambda;}}_{R_M}]}_{1\&times;(M+2)},$ $\left\{\begin{array}{c}{\&dtri;\mathrm{\&lambda;}}_{S_k}=P_{S_k}-{\mathrm{\&Sigma;}}_{i=1}^M{\mathrm{\&Sigma;}}_{m=1}^M{p}_{m,i}^{\left(S_k\right)},\&ForAll;k\&Element;\left\{\mathrm{1,2}\right\}\\ {\&dtri;\mathrm{\&lambda;}}_{R_m}=P_{R_m}-{\mathrm{\&Sigma;}}_{i=1}^N{\mathrm{\&Sigma;}}_{m=1}^M{p}_{m,i}^{\left(R\right)},\&ForAll;m\&Element;\{\mathrm{1,2},...M\}\end{array}\right.,\begin{array}{c}\end{array}$

其中，δ为迭代步长，若

达到收敛条件，则计算结束，返回的p，θ和ψ即为系统最终的优化配置值；否则回到步骤S2。

2.如权利要求1所述的联合子载波配对的OFDM双向中继网络资源配置方法，其特征在于，赋给载波配对矩阵θ={θ_i，j}_N×N和载波对中继选择矩阵ψ={ψ_m,i,j}_M×N×N的初始值为：θ的任意一行元素之和为1，θ的任意一列元素之和也为1，当若θ_i,j＝0时，

当若θ_i,j＝1时，

3.如权利要求1所述的联合子载波配对的OFDM双向中继网络资源配置方法，其特征在于，将初始向量λ代入Q_m,i,j得到优化的功率分配向量p的方法为：对于每组θ_i,jψ_m，i,j＝1，设定功率搜索步长p_l，求解

和

当满足

使得Q_m，i,j达到最大时，即得到优化的功率分配p。

4.如权利要求1所述的联合子载波配对的OFDM双向中继网络资源配置方法，其特征在于，更新θ的规则为:若U_i,j被选中，则θ_i,j＝1，否则θ_i,j=0。

Images