CN102891822B - 一种多用户ofdm系统资源分配方法 - Google Patents

Abstract

本发明公开了通信技术领域，特别涉及一种多用户OFDM系统资源分配方法。本发明首先获取用户信道增益，设定各个用户之间的速率比例约束矩阵；然后根据速率比例约束矩阵将子载波分配给用户；进而对子载波分配比特。本发明考虑了速率比例约束，采用遗传算法循环迭代完成初步分配后，利用贪婪算法进行二次分配，达到约束要求，提高了系统的总速率，降低了误码率，达到了提升系统吞吐量和频谱效率的效果。

Description

一种多用户OFDM系统资源分配方法

技术领域

本发明涉及通信技术领域，特别涉及一种多用户OFDM系统资源分配方法。

背景技术

随着3G业务的发展和移动互联网的兴起，用户可以在手机终端上进行原来只能在PC上的业务，例如网络视频，网络游戏等。但在丰富了用户体验的同时，也带来了数据的膨胀，使宝贵的频率资源变得更为紧张，给传统的蜂窝小区带来了巨大挑战。如何在增大系统吞吐量和频谱利用率的同时，保证各个用户不同业务的速率比例约束，成为了又一个热点问题。由于OFDM系统具有频谱效率高，自适应调制，抗多径衰落好、频带扩展性强等特点，可以有效解决资源紧张和频率干扰问题，因此在3G和未来的4G中OFDM技术都是一项基本技术。

OFDM系统将整个有效频带分成多个子载波，并且子载波之间正交。同时，每个子载波是窄带的，在深度衰落的情况下，平均在单个窄带子载波上可以近似为平坦性衰落。这样可以允许用户根据自身信道特点，自适应的选择子载波进行通信。例如，一个子载波对一个用户是深度衰落，有可能对其他用户是较好的选择。各个子载波可以根据信噪比进行自适应调制，因此OFDM系统能更充分利用有限的频谱资源。

OFDM最早由Chang提出，证明了利用OFDM系统中子载波的正交性可以提升频谱利用率。Peled又提出在OFDM符号之间插入循环前缀作为保护间隔，在消除符号间干扰（ISI）的同时，保证系统在多径条件下仍能保持正交。但是之前的研究大多没有考虑用户间不同业务的需求。有发明中提到的Hughes-Hartogs算法，是被公认的比特加载的最优算法，但是其巨大的计算量，在实际中不适用，只能作为一个理论依据；有发明考虑了不同用户间不同业务的速率约束不同，但是其采用了理想化的线性注水算法，不能自适应调制比特分配。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：如何在满足功率约束和用户速率约束的条件下，最大程度提升系统吞吐量和频谱效率。

（二）技术方案

为解决上述技术问题，本发明提供了一种多用户OFDM系统资源分配方法，其特征在于，该方法包括以下步骤：

S1：获取用户信道增益，设定各个用户之间的速率比例约束矩阵；

所述速率比例约束矩阵为用户速率之间的比例关系矩阵；

S2：根据速率比例约束矩阵将子载波分配给用户；

S3：对所述子载波分配比特。

所述步骤S2具体为：

S21：将系统的功率平均分给子载波；

S22：对用户信道分配相对于该用户增益最大的子载波，得到初始速率矩阵；

S23:根据所述初始速率矩阵和速率比例约束矩阵的比值找到此刻受约束最小的用户，将剩余子载波中对其增益最大的子载波分配给该受约束最小的用户；

S24:查看此刻子载波是否已经分配完毕，若没有，则返回步骤S23；否则退出。

所述步骤S3具体为：

S31：通过遗传算法给子载波分配比特；

S32：通过贪婪算法对比特进行二次分配。

所述步骤S32具体为：

S321：计算各个子载波的功率和各个用户的当前速率比，得到各个用户的当前速率比和速率比例约束矩阵中对应用户的速率比设定值的差值；

S322：若所述差值大于指定值，则找出差值中对应最大差值的用户和对应最小差值的用户，否则，退出程序；

S323：将所述对应最大差值的用户的单位比特消耗功率最大的子载波上的比特数置零，并更新该用户的功率；

S324：查看此时子载波的功率之和是否超出系统总功率，若超出系统总功率，则返回步骤S321，否则，进入步骤S325；

S325：将所述对应的最小差值的用户的单位比特功率消耗最小的子载波上的比特数加一，并返回步骤S324。

所述计算各个子载波的功率的公式为：

P_t(b(n))=P_r(b(n))/G(k,n)

其中：

b(n)为子载波n上的比特数量；

P_t(b(n))为发射机端子载波n上的功率；

P_r(b(n))为接收机端子载波n上传输b(n)比特所需要的功率；

G(k,n)为第k个用户上子载波n的信道增益。

所述各个用户的当前速率比是指当前各个用户的子载波上的比特总和的比值。

（三）有益效果

在此基础上，本文提出了基于二次分配的混合贪婪遗传算法，在考虑速率比例约束的同时，采用遗传算法自适应的特点，在通过循环迭代方式完成初步分配后，利用贪婪算法的思想对其分配结果进行二次分配，达到约束要求，从而提高了系统的总速率，并降低了误码率，达到了提升系统吞吐量和频谱效率的效果。

附图说明

图1是本发明流程图；

图2是本发明整体模型图；

图3是子载波分配流程图；

图4是基于二次分配的混合贪婪遗传算法流程图；

图5是二次分配模块流程图；

图6是总功率比较图；

图7是速率比例约束比较图；

图8是噪比和误码率曲线图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1是本发明流程图，本发明包括以下步骤：

S1：获取用户信道增益，设定各个用户之间的速率比例约束矩阵；

速率比例约束矩阵为用户速率之间的比例关系矩阵；在本文里是默认以第一个用户为基准，则其他用户的速率是其速率的多少倍。例如假设4个用户的速率分别为50bps，100bps，150bps，200bps，则速率约束比例约束矩阵应为[1,2,3,4]。

S2：根据速率比例约束矩阵将子载波分配给用户；

S21：将系统的功率平均分给子载波；

S22：对用户信道分配相对于该用户增益最大的子载波，得到初始速率矩阵；

S23:根据初始速率矩阵和速率比例约束矩阵的比值找到此刻受约束最小的用户，将剩余子载波中对其增益最大的子载波分配给该受约束最小的用户；

S24:查看此刻子载波是否已经分配完毕，若没有，则返回步骤S23；否则退出。

S3：对子载波分配比特；

S31：通过遗传算法给子载波分配比特；

S32：通过贪婪算法对比特进行二次分配。

S321：计算各个子载波的功率和各个用户的当前速率比，得到各个用户的当前速率比和速率比例约束矩阵中对应用户的速率比设定值的差值；

计算各个子载波的功率的公式为：

P_t(b(n))=P_r(b(n))/G(k,n)

其中：

b(n)为子载波n上的比特数量；

P_t(b(n))为发射机端子载波n上的功率；

P_r(b(n))为接收机端子载波n上传输b(n)比特所需要的功率；

G(k,n)为第k个用户上子载波n的信道增益。

各个用户的当前速率比是指当前各个用户的子载波上的比特总和的比值。

S322：若差值大于指定值，则找出差值中对应最大差值的用户和对应最小差值的用户，否则，退出程序；

S323：将对应最大差值的用户的单位比特消耗功率最大的子载波上的比特数置零，并更新该用户的功率；

S324：查看此时子载波的功率之和是否超出系统总功率，若超出系统总功率，则返回步骤S321，否则，进入步骤S325；

S325：将对应的最小差值的用户的单位比特功率消耗最小的子载波上的比特数加一，并返回步骤S324。

以下具体对本发明进行叙述：

本发明的系统模型如图2所示，在OFDM系统中有K个用户、N个正交子载波，每个子载波带宽相同。假设每个子载波上均为平坦性衰落，且采用同一时钟，各个用户所需要的速率分别是{R₁,R₁,...R_k}。该系统的总功率（即发射机的功率）为P_total，误码率为Pe。

首先，基站获得各个用户的信道增益等状况，在设定各个用户之间的速率比例约束矩阵的情况下，然后在子载波分配模块中根据各个用户不同的速率确定子载波分配，ρ(k,n)代表子载波n的分配情况；此后，按照比特分配算法对各个子载波进行比特加载，b(n)∈{0,1,2,……B_max}为子载波n上的比特信息，再将分配的比特信息通过IFFT模块进行快速傅里叶反变换得到对应的数字信号，并通过加保护间隔，降低码间串扰；最后，通过数/模转换器将数字信号转换为模拟信号，从而进入射频发送。在接收端，将接收信号通过模/数转换器，去保护前缀和FFT从而恢复出各个用户速率。

计算系统的总速率需要知道每个链路的信道容量。假定信道带宽为B，信噪比为γ，由仙农信道容量公式可得：

C=Blog₂(1+γ)                            （1）

其中：

C为信道容量；

B为信道带宽；

γ为信噪比。

在得到了每个子载波的信噪比和功率后，由公式（1）可以得到各个子载波的信道容量：

$C(k,n)=(B/N){\log }_2(1+\frac{P_{k,n}{h}_{k,n}^2}{N_0(B/N)})---\left(2\right)$

其中：

C(k,n)是用户k在子载波n上的信道容量，在子载波分配的时候用到了该计算公式，如下面图3所示

P_k，n为用户k的子载波n的功率；

h_k，n为用户k的子载波n的信道增益；

N₀为加性宽带白高斯噪声的功率谱密度；

N为子载波总数。

假定在接收机端，子载波n上的比特数量为b(n)，在误码率为Pe的情况下，由误码率的公式可知：

$\mathrm{pe}=4Q\left(\sqrt{\frac{3}{M-1}\·\frac{P_r\left(b\left(n\right)\right)}{N_0}}\right)---\left(3\right)$

其中， $Q\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_x^{+\∞}\exp (-\frac{t^2}{2})\mathrm{dt},$ M是调制方式，M＝2^b(n)，P_r(b(n))是接收机端子载波n上传输b(n)比特所需要的功率。

对公式（3）进行变换可得：

$P_r\left(b\left(n\right)\right)=\frac{N_0}{3}{\left[Q^{-1}\left(\frac{P_e}{4}\right)\right]}^2(M-1)=\frac{N_0}{3}{\left[Q^{-1}\left(\frac{P_e}{4}\right)\right]}^2(2^{b\left(n\right)}-1)---\left(4\right)$

其中：

b(n)为子载波n上的比特数量；

N₀为白噪声功率谱密度；

Q^-1()为Q()的反函数；

P_e为误码率；

M为调制方式。

由于经过信道传输信号能量会衰减，因此，有功率公式：

P_t(b(n))=P_r(b(n))/G(k,n)                （5）

其中，

P_t(b(n))为发射机端子载波n上的功率；

G(k,n)为用户k在子载波n信道的增益。

由于在传输过程中每个子载波只能分配给一个用户，因此用参数ρ_k,n为子载波的占用情况。ρ_k,n为1时代表子载波n分配给用户k，即：

假设各个用户速率不同，用R_k为第k个用户所需要的速率，为了建模方便，使用k个用户的速率比来代表各个用户的不同业务。

R₁:R₂:……R_k=r₁:r₂:……r_k                 （7）

系统内总速率为：

$R_{\mathrm{total}}=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{R}_i---\left(8\right)$

综上所述，本文的优化目标是：

$\max =R_{\mathrm{total}}=\max \underset{i=1}{\overset{K}{\mathrm{\Σ}}}{R}_i$

$\mathrm{st}:\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{P}_t\left(b\left(n\right)\right){\≤P}_{\mathrm{total}}$

P_r(b(n))≥0

ρ_k,n={0,1}

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{k,n}=1$

R₁:R₂:……R_k=r₁:r₂:……r_k

子载波分配和比特加载：

理想情况下，子载波分配和比特加载应该联合进行，但是其复杂度较高，而基站的计算能力有限，另外，联合分配应满足系统内各个用户的速率比例约束条件，因此本文首先对子载波进行分配，然后在子载波分配的基础上进行比特加载。下面对其分别进行介绍。

1、子载波分配

整个系统在各个用户速率比例约束条件下，为保证能达到目标，需要将子载波矩阵A，进行初步的分配，保证其基本成比例。首先，将P_total均分给系统中的A矩阵中的N个子载波，并根据公式（2）计算各个子载波的信道容量，再对各个用户信道分配增益最大的子载波，得到初始的速率矩阵R。为达到速率比例约束，找到矩阵R./r中最小元素对应的用户，对其分配子载波，其中，r代表速率比例约束矩阵r=r₁:r₂∶……r_k。若A中子载波没有分配完毕，则进入下一个循环，直到A为空，如图3所示。

子载波分配只能得到一个初始的分配结果，为下面的比特分配做基础，并不能较好地完成速率比例。下面介绍的比特分配，实现了在比例约束条件下总速率最大。

2、比特分配

在用户速率比例约束条件下实现总速率最大，就不能只自适应地实现各个子载波上的调制，还要对那些没有达到比例约束的用户分配更多的资源。因此本文提出了基于二次分配的混合贪婪遗传算法，在遗传算法完成循环迭代、得到初始解的情况下，本文引入二次分配模块，目的是对所有用户实际速率比例进行计算，将分配资源过多的用户中的一部分资源，分配给没有达到速率要求的用户，从而实现更为理想的比例公平。具体流程如图4所示。

由遗传算法的基本参数，例如种群数量NIND，代沟因子GGAP等参数，得到基本的种群，种群中每个个体即代表了一个分配方案，其中个体中的每个基因即是映射为每个子载波的调制方式。由初始种群计算目标值，即总速率；再由适应度函数计算适应度；在选择操作中只有那些适应度高的个体被选择进入交叉操作；由交叉操作设定的交叉因子对其中的个体基因进行交叉操作；然后，以变异因子对个体基因进行变异操作；得到新的种群和目标值。如果没有达到最大迭代次数，则进入下一次循环，否则进入二次分配模块。

遗传算法的流程：

1.设定基本参数：设置遗传算法所需的参数，例如总功率约束TotalPower，最大迭代次数MAXGEN，迭代次数gen，种群个体数NIND，代沟参数GGAP，基准值base，交叉概率，变异概率。设定的每个个体的染色体数等于发射机端子载波总数，之前的子载波分配中计算所得各个子载波的分配方式和等效增益将为遗传算法的步骤中提供了计算功率的基础

2.产生初始种群：在该步骤中，先是由基准值base创建基准向量BaseV，base就是设定最大调制阶数B_max，BaseV就是产生的一个向量，一行N列，再由BaseV创建离散的随机初始种群，其特点是每个个体的染色体的值都是在0~base之间的，在这里每个染色体的值都可以映射为每个子载波所承载的比特数。该种群中的每个个体都是一个初始的解决方案，即各个子载波上的比特数。注：遗传算法最终的结果也是在种群中选出一个最佳个体。

3.计算初始种群目标值：由第二步中初始生成的种群（主要是利用种群每个个体中各个染色体值，即各个子载波的比特值），利用子载波分配的结果和第二节中所提到的信道增益，计算各个子载波在承载相应比特值情况下所消耗的功率，计算出总功率P。在P大于TotalPower时，令单位比特消耗功率最多的那个子载波比特数置零，直至总功率小于功率限制。

4.确定适应度：由种群的目标值，可以映射出各个种群的适应度，目标值越大的适应度越大，相反，目标值则越小。

5.选择：根据上一步中得到的适应度，和设定的代沟参数GGAP，进行选择操作，选择出适应度大的个体。

6.交叉：根据信道增益和第一步中设定交叉概率，为个体间染色体提供交叉操作，操作对象也就是为子载波的分配的比特数，这样做的目的是为了实现信道增益好的子载波多分配比特，信道增益差的子载波少分配比特。

7.变异：根据第一步中设定的变异概率，为染色体提供变异操作，其实也就是调整子载波上的比特数值，结果是对某个子载波上的比特数进行突变。

8.得到新的种群和目标值：在经过以上操作之后种群中个体的染色体已经发生了变化，即子载波上承载的比特信息已经发生了变化，这个时候仍要计算新的中的目标值。具体的过程类似于第四步，利用信道增益，计算各个子载波在承载相应比特值情况下所消耗的功率，计算出总功率P。在P大于TotalPower时，令单位比特消耗功率最多的那个子载波比特数置零，直至总功率小于功率限制。求出各个个体的总速率，即为当前种群的目标值。

9.如果gen大于MAXGEN，则停止循环，进入二次分配模块，否则进入下一次循环。二次分配模块的输入是子载波分配的结果和遗传算法的输出结果，即一个是子载波分配方式，一个是子载波上比特分配的情况。二次分配的作用是通过对子载波分配结果和比特分配结果的再次调整，从而接近设定的速率比例约束。

因为经过传统的遗传算法自适应分配比特之后，各个用户的实际速率比值与约束条件中的比例是有偏差的，有些用户的速率高了，而有些用户的速率没有达到要求值。因此需要对初始资源分配方案进行再次调整，引入二次分配模块，具体流程如图5所示。

首先计算出各个子载波上的功率P和各个用户的当前速率比R′（R'代表了多个用户的实际速率的比值，以4个用户为例就是R'=R₁:R₂:R₃:R₄，各个用户的速率就是各个用户分配的子载波上的调制阶数的总和得到的），并与设定值r相减得到Diff，为了降低运算复杂度，将误差设定为0.02，在Diff最大值大于0.02时，找出其中差值最大m₁和最小的用户m₂，并运用贪婪算法的思想，将m₁中单位比特消耗功率最大的子载波上的比特数置零并更新功率值，将多余的功率分配给m₂，即找到m₂中单位比特功率消耗最小的子载波，比特值加1，如果此时各个子载波的实际功率之和P_sum没有超出系统的总功率P_total，则继续下一次循环，否则更新当前速率值，更新速率比R′和Diff，直到小于0.02。

以下通过仿真对本发明进行分析：

本部分主要是展示所提出的基于二次分配的混合贪婪遗传算法在吞吐量，速率比例约束和误码率上的性能，从而证明所提算法比传统的遗传算法有所提升，与最优算法更为接近。本文假设用户数K=4，用户速率比例为r=r₁:r₂:r₃:r₄=1:2:3:4，系统中子载波数为N=500，噪声功率谱密度N₀=1，最大迭代次数MAXGEN=10，个体数NIND=30，代沟参数GGAP=0.8，交叉因子η_cross=0.7，变异因子η_mute=0.05，最大调制阶数B_max=6。仿真结果如图6所示。

图6中，仿真所采用的误码率为p_e=0.001，从图中可以看出，随着功率的增大，三种算法的总速率都在增大，但是遗传算法与Hughes-Hartogs算法的差别越来越大，在功率为500的时候相差20，而基于二次分配的混合贪婪遗传算法却更为接近最优算法，在功率为500的时候差别在10左右。

从图7中可以看到，遗传算法对于用户1~4分配的速率依次增大，但结果离目标值有一定差距。例如，用户1的速率要比需要的多，而用户4却没有达到所需求的速率。最优算法完成的比较好，基于二次分配的混合贪婪遗传算法以0.02为误差范围，较为接近1:2:3:4，基本上满足了比例要求。

图8是在总功率为500、不同信噪比情况下的误码率。从图中可以看出，在信噪比一定的情况下，基于二次分配的混合贪婪遗传算法的误码率要低于遗传算法，接近于最优算法。在误码率一定的情况下，基于二次分配的混合贪婪遗传算法比遗传算法小0.5dB，更接近最优算法。

本文主要讨论了速率约束情况下多用户OFDM系统的资源分配，目的是在各用户速率比例约束的情况下，实现总速率最大。首先，在总速率方面将基于二次分配的混合贪婪遗传算法与传统遗传算法和Hughes-Hartogs算法对比，结果显示，基于二次分配的混合贪婪遗传算法的总速率比传统遗传算法高，接近于Hughes-Hartogs算法；其次，在速率比例上进行对比，结果显示，在误差设定范围内，基于二次分配的混合贪婪遗传算法的速率比例接近于约束值；最后在误码率上，对比三种算法，结果显示在相同误码率的情况下，基于二次分配的混合贪婪遗传算法要比遗传算法节约0.5dB。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (4)

1.一种多用户OFDM系统资源分配方法，其特征在于，该方法包括以下步骤：

S1：获取用户信道增益，设定各个用户之间的速率比例约束矩阵；

所述速率比例约束矩阵为用户速率之间的比例关系矩阵；

S2：根据速率比例约束矩阵将子载波分配给用户；

S3：对所述子载波分配比特；

所述步骤S3具体为：

S31：通过遗传算法给子载波分配比特；

S32：通过贪婪算法对比特进行二次分配；

所述步骤S32具体为：

S321：计算各个子载波的功率和各个用户的当前速率比，得到各个用户的当前速率比和速率比例约束矩阵中对应用户的速率比设定值的差值；

S322：若所述差值大于指定值，则找出差值中对应最大差值的用户和对应最小差值的用户，否则，退出程序；

S323：将所述对应最大差值的用户的单位比特消耗功率最大的子载波上的比特数置零，并更新该用户的功率；

S324：查看此时子载波的功率之和是否超出系统总功率，若超出系统总功率，则返回步骤S321，否则，进入步骤S325；

S325：将所述对应的最小差值的用户的单位比特功率消耗最小的子载波上的比特数加一，并返回步骤S324。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2具体为：

S21：将系统的功率平均分给子载波；

S22：对用户信道分配相对于该用户增益最大的子载波，得到初始速率矩阵；

S23:根据所述初始速率矩阵和速率比例约束矩阵的比值找到此刻受约束最小的用户，将剩余子载波中对其增益最大的子载波分配给该受约束最小的用户；

S24:查看此刻子载波是否已经分配完毕，若没有，则返回步骤S23；否则退出。

3.根据权利要求1所述的方法，其特征在于，所述计算各个子载波的功率的公式为：

P_t(b(n))＝P_r(b(n))/G(k,n)

其中：

b(n)为子载波n上的比特数量；

P_t(b(n))为发射机端子载波n上的功率；

P_r(b(n))为接收机端子载波n上传输b(n)比特所需要的功率；

G(k,n)为第k个用户上子载波n的信道增益。

4.根据权利要求1所述的方法，其特征在于，所述各个用户的当前速率比是指当前各个用户的子载波上的比特总和的比值。