CN102984108A - 一种多用户ofdm系统的子信道—功率分配方法 - Google Patents

Abstract

本发明公开了通信技术领域中的一种多用户OFDM系统的子信道—功率分配方法。首先，OFDM系统检测用户信道的速率比例；将OFDM系统的功率平均分给子信道；通过遗传算法将子信道分配给用户；根据所述速率比例对功率进行二次分配。本发明实现了最大化系统容量和用户比例公平的要求，同时降低了算法复杂度。

Description

一种多用户OFDM系统的子信道—功率分配方法

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系统的子信道—功率分配方法。

背景技术

正交频分复用（OFDM）技术是第四代移动通信系统中深入讨论的一项关键性技术，以其有效的对抗多径干扰特性引起越来越多的关注，其基本思想是将可用带宽分成N个正交的子信道。与此同时，与OFDM系统相关的资源分配问题也成为了研究的热点。静态资源分配和动态资源分配是当前资源分配方法中的两种策略，静态资源分配思想是分配固定的子信道和功率给用户，但并未考虑信道环境的因素更合理的利用有效的系统资源，相反，动态资源分配方案可动态的根据信道环境的变化自适应的调整分配方案，但算法复杂度通常较高。

在之前的资源分配研究中，Jang和Lee提出了一种通过将子信道分配给具有最优信道增益的用户，以实现系统容量的最大化。但是，当用户间信道增益相差很大时，几乎所有的子信道都被分配给具有最大信道增益的用户，导致其他用户无数据接收。有文献提出了一种最大最小化的策略，使得系统中各用户可以获得相同的传输速率，但是却忽略了不同用户由于不同的业务可能需要不同传输速率的需求。另有文献提出了一种次优的算法来分别执行子信道分配和功率分配，实现了用户间的比例公平性，但是子信道分配过程中的遍历算法具有较高的算法复杂度。

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OFDM系统容量的最大化的前提下，降低计算复杂程度，使得功率分配满则用户速率的比例公平。

（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系统的子信道-功率分配方法，其特征是，该方法包括以下步骤：

S1：OFDM系统检测用户信道的速率比例；

S2：将OFDM系统的功率平均分给子信道；

S3：通过遗传算法将子信道分配给用户；

S4：根据所述速率比例对功率进行二次分配。

所述方法在所述步骤S4后包括：

S5：重复执行步骤S1，若检测到用户信道的速率比例发生变化，则继续执行步骤S2、S3、S4，如果没有发生变化，则继续执行步骤S1。

在所述步骤S1和步骤S2之间还包括：

确定子信道分配和功率分配所要满足的目标函数。

所述目标函数为：

$\underset{p_{k,n},{\mathrm{\ρ}}_{k,n}}{\max }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\frac{{\mathrm{\ρ}}_{k,n}}{N}{\log }_2(1+\frac{{\left|h_{k,n}\right|}^2{p}_{k,n}}{N_0\frac{B}{N}})$

其中：

h_k,n是用户k在子信道n上的信道增益；

p_k,n是用户k在子信道n上的信道功率；

ρ_k,n是子信道n是否分配给用户k；

N₀是加性高斯白噪声的功率谱密度；

B是可用带宽；

N是子信道总数。

所述根据用户之间的速率比对功率进行二次分配是根据所述速率比例，通过遗传算法对功率进行二次分配的。

所述通过遗传算法对功率进行二次分配具体为：

S41：随机产生初始染色体；

S42：评估每个染色体的适应度；

S43：整合染色体；

S44：对染色体进行选择、交叉和变异运算，得到适应度最高的染色体；

S45：根据适应度最高的染色体得到子信道分配方案和功率分配方案。

所述评估每个染色体的适应度具体为：

根据设定的权值，将染色体分为评估系统容量的适应度部分和评估用户速率比例公平的适应度部分，分别对这两个部分进行适应度计算。

（三）有益效果

本发明在满足每个用户的最低速率情况下进行子信道分配，得到最大化的系统容量；然后根据得出的子信道分配方案，进行优化的功率分配，以实现用户比例公平性，并维持系统的最大容量。本发明不仅可以实现最大化系统容量和用户比例公平的要求，同时降低了算法复杂度。

附图说明

图1是本发明流程图；

图2是多用户OFDM系统模型；

图3是子信道分配流程图；

图4是染色体机构图；

图5是功率分配流程图；

图6是不同算法的系统容量曲线图；

图7是不同用户的归一化速率图；

图8是不同用户数量时的最小用户速率变化图。

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。

本发明采用动态资源分配方案，根据不同时刻不同用户的业务需求设定用户之间速率比，并依据信道环境的变化动态的设定子信道和功率的分配方案，实现资源的动态分配。

本发明提出了一种实现用户比例公平和最大化系统容量的新方法——子信道—功率分配方案。在保证用户最低速率及等功率分配的情况下，先进行子信道分配以实现OFDM系统容量的最大化，然后在子信道分配方案基础上，进行最优的功率分配以实现用户速率的比例公平并维持系统的最大容量。为了降低算法的复杂度，本文将遗传算法引入到资源分配的实现中。

如图1所示，本发明包括以下步骤：

S1：OFDM系统检测用户信道的速率比例；

通过OFDM系统检测用户信道的速率比例后，还需要确定子信道分配和功率分配所要满足的目标函数：

$\underset{p_{k,n},{\mathrm{\ρ}}_{k,n}}{\max }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\frac{{\mathrm{\ρ}}_{k,n}}{N}{\log }_2(1+\frac{{\left|h_{k,n}\right|}^2{p}_{k,n}}{N_0\frac{B}{N}})$

其中：

h_k,n是用户k在子信道n上的信道增益；

p_k,n是用户k在子信道n上的信道功率；

ρ_k,n是子信道n是否分配给用户k；

N₀是加性高斯白噪声的功率谱密度；

B是可用带宽；

N是个子信道总数。

S2：将OFDM系统的功率平均分给子信道；

S3：通过遗传算法将子信道分配给用户；

S4：根据所述速率比例对功率进行二次分配；

根据用户之间的速率比例，通过遗传算法对功率进行二次分配：

S41：随机产生初始染色体；

S42：评估每个染色体的适应度；

根据设定的权值，将染色体分为评估系统容量的适应度部分和评估用户速率比例公平的适应度部分，分别对这两个部分进行适应度计算。

S43：整合染色体；

S44：对染色体进行选择、交叉和变异运算，得到适应度最高的染色体；

S45：根据适应度最高的染色体得到子信道分配方案和功率分配方案。

S5：重复执行步骤S1，若检测到用户信道的速率比例发生变化，则继续执行步骤S2、S3、S4，如果没有发生变化，则继续执行步骤S1。

本发明具体实施如下：

多用户OFDM系统模型如图2所示。基站获知完整的瞬间信道状态信息，第一OFDM收发机检测到信道状态信息后，通过反馈信道把得到的信道状态信息发送到资源分配算法模块，该模块计算出的资源分配策略再传送给第二OFDM收发机，第二OFDM收发机从不同用户的数据中选择不同数量的比特，形成一个OFDM符号，通过信道进行传送，同时子信道和比特分配信息通过一个独立的信道发送给每个用户。资源分配方案随着无线信道环境变化而自适应地变化。

假设系统有K个用户，N个子信道。系统的优化目标函数是在功率一定的条件下，确定子信道分配和功率分配从而实现系统容量的最大化。同时，由于比例公平的引入，系统中的每个用户需满足相应的比例速率。数学表达式如下：

目标函数：

$\underset{p_{k,n},{\mathrm{\ρ}}_{k,n}}{\max }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\frac{{\mathrm{\ρ}}_{k,n}}{N}{\log }_2(1+\frac{{\left|h_{k,n}\right|}^2{p}_{k,n}}{N_0\frac{B}{N}})---\left(1\right)$

约束条件： $\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{p}_{k,n}\≤P_{\mathrm{total}}{p}_{k,n}\≥0,$ 对于所有的k和n。

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{k,n}=1,{\mathrm{\ρ}}_{k,n}=\left\{\mathrm{0,1}\right\},$ 对于所有的n

R₁:R₂:...:R_K=γ₁:γ₂:...:γ_K

式中：

h_k,n是用户k在子信道n上的信道增益；

p_k,n是用户k在子信道n上的信道功率；

ρ_k,n是子信道n是否分配给用户k，只能取1或0，1表示子信道n配给用户k，0表示没有分配给用户k；

N₀是加性高斯白噪声的功率谱密度；

B是可用带宽；

N是个子信道总数；

P_total是系统总功率；

R_i是用户的速率,i＝1,2，…K， $R_k=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\frac{{\mathrm{\ρ}}_{k,n}}{N}{\mathrm{long}}_2(1+\frac{{\left|h_{k,n}\right|}^2{p}_{k,n}}{N_0\frac{B}{N}});$

γ_i是用户的速率比,i＝1,2,…K,用来保证总容量在用户间成比例分布。

子信道分配：

假设总功率在所有子信道间等分配，首先进行基于遗传算法的子信道分配。图3是遗传算法解决子信道分配的流程图。

（1）随机产生初始染色体：假设系统中有8个用户共享64个子信道，则产生的初始染色体可表示为一个包括64个元素的行向量。行向量中的每个元素代表一个子信道。元素的取值范围为1到8，表示8个用户中的第几个用户占用此信道。例如图4所示的染色体中，第3个元素的值为5，表示第5个用户占用第3个子信道。不同的子信道分配方案可以表示为不同的染色体，初次迭代，随机产生W个染色体。

（2）将染色体转换为子信道分配矩阵：产生的初始染色体并不能直接用来计算目标函数值，需先转换为分配矩阵。图3中的染色体可表示为一个8×64的矩阵，行向量表示用户编号，列向量表示子信道编号，矩阵中的元素是1或0。1表示该子信道被分配给某用户，否则，该子信道空闲。例如，如果第5行第12列的元素为1，则表示第12个子信道分配给第5个用户。

（3）评估每个染色体的适应度：适应度函数是公式1，其目标是在满足每个用户的最低速率条件下实现系统的最大容量。染色体适应度的大小由适应度函数的值决定，拥有较大适应度函数值的染色体具有较高的适应度，不满足速率限制条件的染色体具有最低的适应度。

（4）产生新的种群：分三步完成。

（a）选择：在第一次迭代时，随机产生W个染色体，通过步骤（3）计算出W个染色体的适应度并排序。根据选择概率P_s，舍弃W×P_s个适应度低的个体。

（b）交叉：将余下的染色体两两配对，根据交叉概率P_c，随机交换配对染色体同一位置的基因，产生新的个体，并称其为子代。

（c）变异：根据变异概率P_m，改变染色体中的元素值，使种群具有多样性。

经过上述操作，会产生一个新的具有W个染色体的种群，该种群相比前一个种群具有更高的个体适应度。

（5）Gen=300？：300为预设的最大迭代次数，如果循环操作满足预先设定的迭代次数，则遗传算法停止并返回最优的优化结果。否则，继续进行下一次的循环。

经过上述操作，得到一个最优的子信道分配方案，该方案满足每个用户的最低速率要求且具有最大化的信道容量。

最大迭代次数300由仿真所得，仿真中发现300次的迭代后，曲线趋近平滑且无上升趋势。

功率分配：

子信道分配后，系统满足了最大容量及用户最低速率的要求，且得到了最优的子信道分配方案。功率分配按照最优的子信道分配方案，在总功率一定的条件下，在用户间分配最优的功率，使得系统实现速率比例公平，且维持系统的最大容量。功率在用户间最优分配，同时每个用户的功率在其占用的子信道中平均分配。功率优化问题可简化为：

目标函数： $\underset{p_{k,n},{\mathrm{\ρ}}_{k,n}}{\max }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n\∈A_K}{\mathrm{\Σ}}\frac{1}{N}{\log }_2(1+\frac{{\left|h_{k,n}\right|}^2{p}_{k,n}}{N_0\frac{B}{N}})---\left(2\right)$

约束条件： $\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n\∈A_k}{\mathrm{\Σ}}{p}_{k,n}\≤P_{\mathrm{total}},p_{k,n}\≥0,$ 对于所有的k和n

R₁:R₂:...:R_K=γ₁:γ₂:...:γ_K

式中，A_k表示第k个用户的子信道分配方案。

与子信道分配不同，功率分配是一个基于遗传算法的多目标优化问题，优化问题包括维持系统最大容量，保证功率不超过系统总功率，实现用户速率比例公平。图5是功率分配的流程图。

（1）随机产生初始染色体：随机产生一行K个元素的染色体，每个元素的值表示用户分配的功率，值的范围为0到1。

（2）评估每个染色体的适应度：功率分配为多目标优化问题，适应度函数有两个，分别为系统容量和比例公平，所以染色体要分成两部分计算，第一部分用来计算评估系统容量的适应度，第二部分用来评估比例公平的适应度。每一部分具有的染色体数量由该目标函数的计算权值决定，权值越大分配的染色体越多，反之亦然。在功率分配中，将比例公平的权值设为0.6，系统容量的权值设为0.4。假设仿真中随机产生100个个体，则用于计算比例公平的染色体为60个，计算系统容量的染色体为40个，此权值的设定根据仿真中得到的实际结果调整而定。具体方法如下：

（a）计算功率分配和子信道分配后的用户速率,用户速率数学表达式如下：

$R_k=\underset{{n\∈A}_K}{\mathrm{\Σ}}\frac{1}{N}{\mathrm{long}}_2(1+\frac{{\left|h_{k,n}\right|}^2{p}_{k,n}}{N_0\frac{B}{N}})$

式中，R_k为用户k的速率。

（b）将用户速率除以比例系数γ_k，计算出用户的比例速率，数学表达式为R_k/γ_k。

（c）计算出最大比例速率与最小比例速率的差值。如果这个差值的绝对值可以最后优化为0，则实现了比例公平，如果差值的绝对值不能优化为0，则未达到比例公平的要求。经验证，本发明在所有条件下，均可将该差值的绝对值优化为0，即实现了比例公平性。

所以，功率分配的适应度评价标准为：最大化的系统容量、最小化的用户最大比例速率及最小比例速率的差值绝对值。通过遗传算法的选择、交叉、变异操作，经过迭代运算，最终会得到一个满足上述三项评价标准的最优染色体方案，该染色体方案也是得出的功率分配的最优方案。

（3）整合染色体：由于分开计算适应度函数，所以在计算后要将分开的染色体重新整合在一起，以方便下面的选择、交叉、变异等操作。

（4）随后的操作与子信道分配中的操作相同，包括选择、交叉、变异等。

算法结束后，系统功率合理地分布在用户之间，分配方案满足了用户间的比例公平性，同时维持了系统的最大容量。OFDM系统重新检测用户信道的速率比例，若检测到用户信道的速率比例发生变化，则根据公式（1）重新定义目标函数，并顺序执行对应步骤。

对以上提出的算法进行仿真，从而证明其有效性。设定系统有8个用户共享64个子信道。仿真中，无线信道模拟为一个具有6径的频率选择性瑞利信道，系统总功率和可用带宽分别为1W和1MHz，噪声功率谱密度设定为-80dB/Hz。功率分配和子信道分配中的遗传算法参数集相同，均为W=100，P_s=0.9，P_c=0.7，P_m=0.035，Gen=300。

图6显示了子信道分配、子信道—功率分配以及最大容量分配的系统容量曲线图。子信道分配是指功率在子信道间等分配的情况下执行本文提出的子信道分配方案。由图6可以看出，只进行子信道分配后的系统容量比最大容量分配的系统容量小，这是由于考虑到了各个用户的速率限制，即每个用户无论信道增益如何，都会分到子信道以满足最低速率限制；子信道—功率分配后的系统容量要稍微低于子信道分配后的容量，这是由于在子信道分配后，功率分配是在实现速率比例公平的基础上，维持系统容量的最大化，这也是在功率分配阶段计算染色体适应度时，实现比例公平的染色体的权值要大一些的原因。最大容量分配是指将子信道和功率全部分配给具有最大信道增益的用户来实现最大化的系统容量。但是，这种方法导致了信道增益差的用户没有数据传输速率，仿真结果可见图7中的用户速率，最大化系统容量方法中用户1占用了全部的系统资源，其他用户皆无速率。

图7显示了系统中不同用户在不同算法情况下的归一化速率比。本文设定用户速率比为γ₁=γ₂=4，γ₃=γ₄=...=γ₈=1。由图7可知，最大容量分配方法将所有的资源都分配给用户1，所以用户1的归一化比例速率为1，其他用户的速率为0。而静态TDMA本着所有用户完全公平的原则，旨在达到所有用户拥有相同的传输速率，但由于缺少比例公平的考虑，并不能满足用户速率比例公平的要求。在只进行子信道分配后，用户间的速率虽然没有规律，但是每个用户都满足了最低的速率要求，避免了最大容量方法中信道增益差的用户没有传输速率。在进行了子信道—功率分配后，可以看出用户间的速率严格按照设定的比例系数分布。

图8显示了OFDM系统中，随着用户数量的增加，采用本发明提出的子信道—功率分配算法、遍历子信道—功率分配算法和静态TDMA算法的最低用户速率变化情况。其中，遍历子信道—功率分配算法的主要思想是将每个子信道分配给最适合的用户，在分配的过程中，每个子信道的分配都需先计算其分配给所有用户所得的速率，然后将其分配给具有最高速率的用户，而功率分配也是按照子信道分配的方法，但要考虑比例公平的限制条件。从图中可知，遍历子信道—功率分配算法相比静态资源分配TDMA来说有较大的改善，而本文提出的分配算法又优于遍历子信道—功率分配算法，这种容量上的增益源于基于遗传策略的最优子信道分配以及功率分配中的最大系统容量的维持。

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 (7)

1.一种多用户OFDM系统的子信道-功率分配方法，其特征是，该方法包括以下步骤：

S1：OFDM系统检测用户信道的速率比例；

S2：将OFDM系统的功率平均分给子信道；

S3：通过遗传算法将子信道分配给用户；

S4：根据所述速率比例对功率进行二次分配。

2.根据权利要求1所述的方法，其特征是，所述方法在所述步骤S4后包括：

S5：重复执行步骤S1，若检测到用户信道的速率比例发生变化，则继续执行步骤S2、S3、S4，如果没有发生变化，则继续执行步骤S1。

3.根据权利要求1所述的方法，其特征是，在所述步骤S1和步骤S2之间还包括：

确定子信道分配和功率分配所要满足的目标函数。

4.根据权利要求3所述的方法，其特征是，所述目标函数为：

$\underset{p_{k,n},{\mathrm{\ρ}}_{k,n}}{\max }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\frac{{\mathrm{\ρ}}_{k,n}}{N}{\log }_2(1+\frac{{\left|h_{k,n}\right|}^2{p}_{k,n}}{N_0\frac{B}{N}})$

其中：

h_k,n是用户k在子信道n上的信道增益；

p_k,n是用户k在子信道n上的信道功率；

ρ_k,n是子信道n是否分配给用户k；

N₀是加性高斯白噪声的功率谱密度；

B是可用带宽；

N是子信道总数。

5.根据权利要求1所述的方法，其特征是，所述根据用户之间的速率比对功率进行二次分配是根据所述速率比例，通过遗传算法对功率进行二次分配的。

6.根据权利要求1所述的方法，其特征是，所述通过遗传算法对功率进行二次分配具体为：

S41：随机产生初始染色体；

S42：评估每个染色体的适应度；

S43：整合染色体；

S44：对染色体进行选择、交叉和变异运算，得到适应度最高的染色体；

S45：根据适应度最高的染色体得到子信道分配方案和功率分配方案。

7.根据权利要求6所述的方法，其特征是，所述评估每个染色体的适应度具体为：

根据设定的权值，将染色体分为评估系统容量的适应度部分和评估用户速率比例公平的适应度部分，分别对这两个部分进行适应度计算。

Images