CN103052165B - 一种多业务的家庭基站的无线资源分配方法 - Google Patents

Abstract

本发明公开了一种多业务的家庭基站的无线资源分配方法，包括在家庭基站设定不同的业务类型对应的码率-MOS模型；找到当前待分配的RB，计算该RB在当前信道状态下分配给每个用户的效用函数值；将当前待分配的RB分配给效用值最大的用户；若该用户未达到设定的MOS上限值，则进行下一个RB的分配，若该用户已达到设定的MOS上限值，则对该用户进行功率优化，直到所有的RB分配完毕。本发明综合考虑了每个用户在RB上的信道质量和同频干扰等因素，在总功率受限的情况下，可以有效地提高LTE-Hi系统中家庭基站的用户的整体性能。

Description

一种多业务的家庭基站的无线资源分配方法

技术领域

本发明属于无线通信技术领域，涉及一种多业务的家庭基站的无线资源分配方法。

背景技术

随着无线接入速率的不断提高，移动通信的业务类型逐渐从单纯的语音和普通的数据业务向丰富的多媒体业务演变，更为复杂的业务结构对网络性能的要求也发生了巨大变化，要求下层网络提供更高的通信速率和更小的传输时延，高速率业务所占的比重越来越高。据研究表明大量的高速业务与多媒体业务一般都发生在室内，但由于室内环境的特点，2GHz频段的无线信号的传输损耗和空间损耗较大，对建筑物墙体的穿透能力较弱，室内覆盖质量较差，因此需要较大的系统容量和较好的网络覆盖，家庭基站应运而生。

家庭基站是一种超小型基站系统，主要是为家庭住宅和企业办公等室内场景的用户提供更好的服务质量，以弥补宏基站覆盖的不足之处。用户可通过家庭基站进行相关的业务请求，这在一定程度上既保证了室内用户的服务质量，又减轻了宏基站的容量压力，使得两层系统支持的业务类型更加多样化。LTE-Hi系统家庭式基站的诞生，有效的改善了系统在热点地区的覆盖、吞吐量和室内用户的使用体验。

家庭基站的发展也面临很多挑战。例如，家庭基站和宏基站的频谱分配以及密集环境下的家庭基站与宏基站、家庭基站与附近家庭基站之间的干扰问题。因此，宏基站与家庭基站之间的干扰以及频谱分配问题的研究对家庭基站的整体性能至关重要。

发明内容

针对LTE-Hi系统中基于多业务的家庭基站的无线资源分配问题，本发明提供一种多业务的家庭基站的无线资源分配方法，综合考虑RB的信道质量、同频干扰以及总功率的限制等因素，以提高家庭基站整体的MOS（MeanofScore）。

本发明是通过以下技术方案来实现：

一种多业务的家庭基站的无线资源分配方法，包括以下步骤：

1）在家庭基站设定不同的业务类型对应的码率-MOS模型，家庭基站根据用户请求的业务类型，确定资源分配所采用的码率-MOS模型，对RB进行逐个分配；

2）找到当前待分配的RB，计算该RB在当前信道状态下分配给每个用户的效用函数值；

3）将当前待分配的RB分配给效用值最大的用户；

4）若该用户未达到设定的MOS上限值，则进行下一个RB的分配，若该用户已达到设定的MOS上限值，则对该用户进行功率优化；在对用户进行功率优化时，找到该用户达到设定的MOS上限值所需要的最小功率以及最小的RB个数，将未分配功率的RB分配给其他用户使用，并将该用户从待调度的用户队列中删除；

5）按照步骤1）～4）进行下一个RB的分配，直到所有的RB分配完毕。

所述的家庭基站包括三种业务类型：语音业务、数据业务和视频业务；

各种业务所对应的码率-MOS模型分别为：

1）语音业务的码率-MOS模型服从PESQ模型；

2）数据业务的MOS模型同数据业务文件大小s和吞吐量T_l ^m之间的关系为：

$\mathrm{MOS}=\frac{0.775}{\sqrt{s}}\ln \left(T_l^m\right)+1.268;$

3）视频业务的码率-MOS模型为：

$\mathrm{MOS}=k_i*{\log }_{{\mathrm{\α}}_i}\left(\frac{R_c}{{\mathrm{REQ}}_i}\right)+4.5.$

所述设当前待分配的RB为第n个RB，计算第l个用户在该RB上的效用函数值为：

在分配该RB之前第l个用户已分配的RB集合为Ψ_l，每个RB上的平均功率为p_ave，第l个用户在集合Ψ_l下的MOS值为：

MOS_n-1(l)=f(Ψ_l,p_ave)；

将第n个RB分配给第l个用户所带来的效用函数值值的计算公式为：

${\mathrm{Cost}}_n^l={\mathrm{MOS}}_n\left(l\right)-{\mathrm{MOS}}_{n-1}\left(l\right)$

$=f({\mathrm{\Ψ}}_l\∪\{{\mathrm{RB}}_n\},p\_\mathrm{ave})-f({\mathrm{\Ψ}}_l,p\_\mathrm{ave})$

然后对取值范围内的所有用户进行效用函数值的计算，得到系统中所有用户在当前RB上的效用函数值。

所述的效用函数值值的计算公式中，f(·)的输入为已分配的RB的集合Ψ_l以及每个RB上的功率p_ave，根据集合Ψ_l和功率p_ave可以得到第l个用户当前所能够达到的码率，再依据对应的码率-MOS模型，输出为MOS值MOS_n-1(l)。

所述将当前待分配的RB分配给效用值最大的用户的操作为：

计算完所有用户在待分配的RB上的效用函数值将该RB分配给效用函数值最大的用户l^*，

所设定的MOS上限值为MOS_upthre，比较所选定的用户l^*在当前资源分配情况下达到的MOS值与MOS_upthre的大小；

如果MOS_upthre>MOS_n(l^*)，继续下一个RB的分配，否则对该用户进行功率优化。

所述的对用户进行功率优化为：

一个RB上的信道容量为C_m,k＝W_RBlog2(1+p_m,kX_m,k)

其中， $X_{m,k}=\frac{G_{m,k}}{p_{M,k}{G}_{M,k}+\underset{m^{\′}\≠m}{\mathrm{\Σ}}{p}_{m^{\′},k}{G}_{m^{\′},k}+\mathrm{\σ}};$

功率优化的问题为：

$\min \underset{k\∈N_l^m}{\mathrm{\Σ}}{p}_{m,k}$

$s.t.\underset{k\∈N_l^m}{\mathrm{\Σ}}{C}_{m,k}\≥T_l^m,p_{m,k}\≥0$

其对应的拉格朗日方程为

$L(p_{m,k},\mathrm{\λ})=\underset{k\∈N_l^m}{\mathrm{\Σ}}{p}_{m,k}-\mathrm{\λ}[\underset{k\∈N_l^m}{\mathrm{\Σ}}{C}_{m,k}-T_l^m];$

设中有q个RB，则拉格朗日方程中的参数λ和功率p_m，k的表达式分别为：

$\mathrm{\λ}=\frac{2^{T_l^m/q}\ln 2}{\hat{a}\left(q\right)}$

$p_{m,k}=\frac{\mathrm{\λ}}{\ln 2}-\frac{1}{X_{m,k}}$

其中， $\hat{a}\left(q\right)={\left(\underset{k\∈N_l^m}{\mathrm{\Π}}{X}_{m,k}\right)}^{\frac{1}{q}}$

将中的RB对应的X_m,k进行降序排列，其中可以得到当用户使用x个RB时第x个RB上的信道容量为：

$C_{m,k}\left(x\right)=W_{\mathrm{RB}}(\frac{T_l^m}{x}+{\log }_2\left(\frac{X_{m,k}}{\hat{a}\left(x\right)}\right))$

寻找x（x≤q），使得，

$\left\{\begin{array}{c}{C}_{m,k}\left(x\right)>0,k=1,\·\·\·,x\\ C_{m,k}\left(x\right)\≤0,k=x+1,\·\·\·,q\end{array}\right.$

令p_m,k=0，可以得到X_m,k的下限X_m，kmin，在中可以找到x个大于X_m，kmin的X_m，k，并更新已分配的RB集合该x即为所要确定的使用RB数目q^*,即q^*=x，最终前q^*个RB的功率优化分配为

$p_{m,k}^{\left(i\right)}=\frac{\frac{2^{T_l^m/q^{*}}\ln 2}{\hat{a}\left(q^{*}\right)}}{\ln 2}-\frac{1}{X_{m,k}^{\left(i\right)}}$

优化后该用户达到MOS上限值所使用的功率为

$P_{\min }=\underset{1\≤i\≤q^{*}}{\mathrm{\Σ}}{p}_{m,k}^{\left(i\right)};$

未分配功率的RB分配给其他用户使用，其中Φ为未分配的RB的集合。

与现有技术相比，本发明具有以下有益的技术效果：

本发明提供的多业务的家庭基站的无线资源分配方法，首先给出不同的业务类型对应的码率-MOS模型，并依据该模型进行资源分配。针对所有业务的码率-MOS模型，MOS的取值有一个上限，如果某个用户的MOS值达到该上限值，则表明该用户的用户体验已经相当好，不再需要额外的资源。给出码率-MOS模型后，开始对RB进行逐个分配。分配每个RB之前，首先计算该RB在当前信道状态下分配给每个用户的效用函数值，每个用户的效用函数值等于该用户使用该RB前后系统整体MOS值的增量。然后将该RB分配给效用值最大的那个用户；在逐个分配RB的过程中，可能出现某个用户在当前已分配的资源条件下已经达到MOS上限值，即不再需要额外的资源。此时，需要将该用户从待调度的用户队列中删除，并对该用户已分配的RB上的功率进行优化，得到该用户恰好达到MOS上限值所需要的最小功率，剩余的没有分配功率的RB可以在后续分配中继续分配给其他用户使用。本发明综合考虑了每个用户在RB上的信道质量和同频干扰等因素，在总功率受限的情况下，可以有效地提高LTE-Hi系统中家庭基站的用户的整体性能。

与MOSMax算法相比较，本发明可以使得更多的用户的MOS值维持在较高的区间内，从而改善系统的整体性能；当用户数目较多、每个用户可获得的系统资源相对短缺时，MOSMax算法的性能骤降，本发明对MOS有非常明显的改善。

附图说明

图1为本发明的流程示意图；

图2为两种算法的MOS累积分布统计图；

图3为两种算法各MOS区间分布图；

图4为两种算法各基站MOS对比图(每个基站10个用户)；

图5为两种算法各基站MOS对比图(每个基站20个用户)。

具体实施方式

下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

LTE-Hi系统中，一个宏基站周围分布着N_f个家庭基站，每个家庭基站中包含N_u个用户。系统中共有N_r个RB，频带在所有基站中复用，宏基站的总功率为P，每个家庭基站的总功率为P_total。家庭基站的集合为对于第m个家庭基站来讲，用户集合为第m个家庭基站第k个RB上分配的功率定义为p_m，k。

当信道增益为G_m,k时，第m个家庭基站第k个RB上的信道容量C_m,k为：

$C_{m,k}=W_{\mathrm{RB}}\log 2(1+\frac{p_{m,k}{G}_{m,k}}{p_{M,k}{G}_{M,k}+\underset{m^{\′}\≠m}{\mathrm{\Σ}}{p}_{m^{\′},k}{G}_{m^{\′},k}+\mathrm{\σ}})$ 公式1-1

其中，W_RB是一个RB在频域的带宽，依据LTE标准取值为180KHz，p_M,k和G_M,k分别为宏基站在第k个RB上的功率和信道增益，σ为热噪声。

定义第m个家庭基站中第l个用户占用的RB的集合为则用户l的信道吞吐量为：

$R_l^m=\underset{k\∈N_l^m}{\mathrm{\Σ}}{C}_{m,k}$ 公式1-2

同时，用户l消耗的总的功率为：

$P_l^m=\underset{k\∈N_l^m}{\mathrm{\Σ}}{p}_{m,k}$ 公式1-3

针对LTE-Hi系统中基于多业务的家庭基站的无线资源分配问题，本发明以最大化家庭基站中用户MOS之和为优化目标，在家庭基站总功率受限的条件下，对应要解决的问题如公式1-4所示：

$\max \underset{u_l^m\∈U^m}{\mathrm{\Σ}}{\mathrm{MOS}}_l$

s.t.公式1-4

$\underset{k=1}{\overset{N_r}{\mathrm{\Σ}}}{p}_{m,k}\≤P_{\mathrm{total}}$

参见图1，本发明提供的多业务的家庭基站的无线资源分配方法，包括以下操作：

1）在家庭基站设定不同的业务类型对应的码率-MOS模型，家庭基站根据用户请求的业务类型，确定资源分配所采用的码率-MOS模型，对RB进行逐个分配；

2）找到当前待分配的RB，计算该RB在当前信道状态下分配给每个用户的效用函数值；每个用户的效用函数值等于该用户使用该RB前后系统整体MOS值的增量；

3）将当前待分配的RB分配给效用值最大的用户；

4）若该用户未达到设定的MOS上限值，则进行下一个RB的分配，若该用户已达到设定的MOS上限值，则对该用户进行功率优化；在对用户进行功率优化时，找到该用户达到设定的MOS上限值所需要的最小功率以及最小的RB个数，将未分配功率的RB分配给其他用户使用，并将该用户从待调度的用户队列中删除；

5）按照步骤1）～4）进行下一个RB的分配，直到所有的RB分配完毕。

下面对图1中各操作步骤进行详细的说明：

步骤11：得到不同业务类型对应的码率-MOS模型；

假设家庭基站中用户请求的业务类型包括3种业务类型，分别为：语音业务、数据业务和视频业务。

1）语音业务的码率-MOS模型服从PESQ（Perceptual Evaluation of SpeechQuality）模型。PESQ是一种常用的计算MOS的模型，这个模型体现码率（网络传输速率）R_c，丢包率与MOS的映射关系。在R_c＝64k时，则服从统计规律的误包率pep如公式1所示：

$\mathrm{pep}=\left\{\begin{array}{cc}0& T_l^m\&GreaterEqual;R_c\\ 1-\frac{T_l^m}{R_c}& T_l^m<R_c\end{array}\right.$ 公式1

其中，是基站l中用户m的吞吐量。则语音业务的MOS关于pep的表达式如公式2所示：

$\mathrm{MOS}=0.5\&times;\log \left(\frac{1}{1+60\&times;\mathrm{pep}}\right)+4.3$ 公式2

2）数据业务的用户体验主要受两个因素影响，一是决定下载所需总时间内下载文件的大小s，二是决定下载进度快慢的通信容量大小数据业务的MOS同文件大小s和码率（吞吐量）之间的关系如公式3所示：

$\mathrm{MOS}=\frac{0.775}{\sqrt{s}}\ln \left(T_l^m\right)+1.268$ 公式3

其中s的单位为MB。

3）视频流业务与语音业务、数据业务相比要求更高的传输速率，更好的连续性和实时性。此外，视频流业务的用户体验与视频本身的内容密切相关。使用网络传输速率R_c与视频流业务MOS的映射关系如公式4所示：

$\mathrm{MOS}=k_i*{\log }_{{\mathrm{\&alpha;}}_i}\left(\frac{R_c}{{\mathrm{REQ}}_i}\right)+4.5$ 公式4

其中k_i,α_i,REQ_i均为不同类型的视频流对应的系数，具体如表格1所示。

表格1 视频流对应的系数

video	Video1	Video2	Video3	Video4
					k	0.8	0.6	0.4	0.2
αi	2	5	10	15

家庭基站将按照上述3种业务的码率-MOS模型对RB进行逐个分配。

步骤12：不同用户在当前要分配的RB上的信道增益不同，对应的传输能力也不相同；另外不同用户请求的业务类型不同，对应的码率-MOS模型也不相同。所以，在分配RB之前，家庭基站根据用户请求的业务类型，确定资源分配所采用的码率-MOS模型，计算该RB在当前信道状态下分配给每个用户的效用函数值；

寻找一个未分配的RB,假设当前RB为第n个RB，计算第l个用户在该RB上的效用函数值过程描述如下：

在分配该RB之前第l个用户已分配的RB集合为Ψ_l 每个RB上的平均功率为p_ave，第l个用户在集合Ψ_l下的MOS值为：

MOS_n-1(l)=f(Ψ_l,p_ave)，

其中，f(·)的输入为已分配的RB的集合Ψ_l以及每个RB上的功率p_ave，根据集合Ψ_l和功率p_ave可以得到第l个用户当前所能够达到的码率（利用公式1-1和1-2），再依据码率-MOS模型，输出为MOS值MOS_n-1(l)。

计算将第n个RB分配给第l个用户所带来的效用函数值值计算公式如公式5所示。

${\mathrm{Cost}}_n^l={\mathrm{MOS}}_n\left(l\right)-{\mathrm{MOS}}_{n-1}\left(l\right)$ 公式5

$=f({\mathrm{\&Psi;}}_l\&cup;\{{\mathrm{RB}}_n\},p\_\mathrm{ave})-f({\mathrm{\&Psi;}}_l,p\_\mathrm{ave})$

然后对取值范围内的所有用户进行上述计算，就可以得到系统中所有用户在当前RB上的效用函数值；

步骤13：将RB分配给效用函数值最大的那个用户；

计算完所有用户在该RB上的效用函数值 将该RB分配给效用函数值最大的那个用户，如公式6所示。

$l^{*}=\underset{u_l^m\&Element;U^m}{\arg \max }\left({\mathrm{Cost}}_n^l\right)$ 公式6

即将第n个RB分配给所选定的用户l^*。

步骤14：检测用户l^*是否已达到MOS上限；

假定系统MOS值上限为MOS_upthre（一般在4～4.8，具体为MOS_upthre＝4.5），比较用户l^*在当前资源分配情况下达到的MOS值与MOS_upthre的大小。

如果MOS_upthre>MOS_n(l^*)，则执行步骤16，继续下一个RB的分配，否则执行步骤15。

步骤15：对达到MOS上限值的用户进行功率优化分配。

逐个分配RB的过程中，对于大于或者等于MOS上限值的用户，将利用功率优化方法对该用户已分配的RB上的功率进行最优分配使其达到MOS上限值对应的码率需求经过功率优化后，该用户已分配的RB中可能有一些RB上的分配的功率为零，功率为零的RB将继续重新分配给其他用户。

具体功率优化如下：

一个RB上的信道容量如公式7所示，

$C_{m,k}=W_{\mathrm{RB}}\log 2(1+\frac{p_{m,k}{G}_{m,k}}{p_{M,k}{G}_{M,k}+\underset{m^{\&prime;}\&NotEqual;m}{\mathrm{\&Sigma;}}{p}_{m^{\&prime;},k}{G}_{m^{\&prime;},k}+\mathrm{\&sigma;}})$ 公式7

令 $X_{m,k}=\frac{G_{m,k}}{p_{M,k}{G}_{M,k}+\underset{m^{\&prime;}\&NotEqual;m}{\mathrm{\&Sigma;}}{p}_{m^{\&prime;},k}{G}_{m^{\&prime;},k}+\mathrm{\&sigma;}}$ 公式8

则公式7可化简为公式9，

C_m,k＝W_RBlog2(1+p_m,kX_m,k)公式9

进行功率优化优化的约束为：该用户的吞吐量等于该用户请求的业务类型的MOS值达到上限值时对应的吞吐量，用户已分配的RB集合为每个RB上分配的功率大于等于0。

功率优化的目标为：在上述约束的条件下，所使用的总功率最小。则功率优化问题可以写成公式10的形式。

$\min \underset{k\&Element;N_l^m}{\mathrm{\&Sigma;}}{p}_{m,k}$

$s.t.\underset{k\&Element;N_l^m}{\mathrm{\&Sigma;}}{C}_{m,k}\&GreaterEqual;T_l^m,p_{m,k}\&GreaterEqual;0$ 公式10

公式10对应的拉格朗日方程如公式11所示，

$L(p_{m,k},\mathrm{\&lambda;})=\underset{k\&Element;N_l^m}{\mathrm{\&Sigma;}}{p}_{m,k}-\mathrm{\&lambda;}[\underset{k\&Element;N_l^m}{\mathrm{\&Sigma;}}{C}_{m,k}-T_l^m]$ 公式11

其中，λ为拉格朗日参数，λ＞0。

假设中有q个RB，则由公式11可以得到拉格朗日方程中的参数λ和功率p_m,k的表达式，如公式12和公式13所示，

$\mathrm{\&lambda;}=\frac{2^{T_l^m/q}\ln 2}{\hat{a}\left(q\right)}$ 公式12

$p_{m,k}=\frac{\mathrm{\&lambda;}}{\ln 2}-\frac{1}{X_{m,k}}$ 公式13

其中， $\hat{a}\left(q\right)={\left(\underset{k\&Element;N_l^m}{\mathrm{\&Pi;}}{X}_{m,k}\right)}^{\frac{1}{q}}$ 公式14

将中的RB对应的X_m,k进行降序排列，其中由公式9和公式12可以得到当用户使用x个RB时第x个RB上的信道容量如公式15所示，

$C_{m,k}\left(x\right)=W_{\mathrm{RB}}(\frac{T_l^m}{x}+{\log }_2\left(\frac{X_{m,k}}{\hat{a}\left(x\right)}\right))$ 公式15

根据公式15寻找x（x≤q），使得，

$\left\{\begin{array}{c}{C}_{m,k}\left(x\right)>0,k=1,\&CenterDot;\&CenterDot;\&CenterDot;,x\\ C_{m,k}\left(x\right)\&le;0,k=x+1,\&CenterDot;\&CenterDot;\&CenterDot;,q\end{array}\right.$ 公式16

令p_m,k=0，根据公式13，可以得到X_m,k的下限X_m，kmin，在中可以找到x个大于X_m，kmin的X_m，k，并更新已分配的RB集合这个x即为所要确定的使用RB数目q^*,即q^*=x，最终前q^*个RB的功率优化分配为

$p_{m,k}^{\left(i\right)}=\frac{\frac{2^{T_l^m/q^{*}}\ln 2}{\hat{a}\left(q^{*}\right)}}{\ln 2}-\frac{1}{X_{m,k}^{\left(i\right)}}$ 公式17

综上所述，优化后该用户达到MOS上限值所使用的功率为

$P_{\min }=\underset{1\&le;i\&le;q^{*}}{\mathrm{\&Sigma;}}{p}_{m,k}^{\left(i\right)}$ 公式18

剩余的没有分配功率的RB可以在后续分配中继续分配给其他用户使用，即其中Φ为系统中未分配的RB的集合。

步骤16：如果RB已分配完毕，则结束；否则执行步骤12、13、14、15。

下面给出仿真设置和实验结果分析。

1、小区仿真参数设置

网络中随机生成用户位置、移动速度（0,3km/h）和用户使用的业务类型，其中宏基站用户上随机生成语音或数据业务，家庭基站用户随机生成数据或视频业务。对于数据业务用户，在(0,10M)区间内随机生成其所需下载数据量的大小，精确到1k。对于视频用户，其动态因子α_i在集合{2,5,10,15}内随机选取，编码速率REQ_i在集合{0.8Mbps,0.9Mbps,1Mbps,1.1Mbps,1.2Mbps}中随机选取。对于宏小区的仿真测试环境参照TR25.814协议实现，家庭基站的仿真测试环境采用TS36.814中对于家庭基站的仿真环境设置，详细的仿真参数设置如表2、表3、表4所示。实验结果中，现存的算法为MOSMax算法，本发明对应的算法为proposed算法。

场景参数：

表2 仿真系统场景参数对照表

宏基站参数：

表3 宏基站仿真参数对照表

参数	设定值
		覆盖范围	1732m
载频	2000MHz
		带宽	10MHz
阴影标准差	8dB
		穿墙损耗	20dB
用户天线增益	3dBi
		热噪声功率	9dB
基站总发射功率	46dBm
		用户分布	在覆盖范围内均匀分布
用户与基站的最小距离	35m
		用户最大速率	3km/h
资源块数量	50

家庭基站参数：

表4 家庭基站仿真参数对照表

参数	设定值
		载频	2000MHz
带宽	10MHz
		用户与家庭基站的最小距离	20cm
穿墙损耗	20dB
		阴影衰落标准差	4dB

家庭基站最小发射功率	0dBm
		家庭基站最大发射功率	10dBm
资源块数量	50

2、实验结果和分析

第一组实验：两种算法的各个MOS区间的分布，该实验主要评估两种算法的各个MOS区间的分布情况。实验结果如图2和图3所示。由图中可以看出，本发明提出的算法在0-3.5区间内部的分布明显少于MOSMax，而在3.5-4.5区间内的分布多于MOSMax。可以说明所提出的算法可以使得更多的用户的MOS值维持在较高的区间内，从而改善系统的整体性能。

第二组实验：在家庭基站上用户数目变化的条件下，每个基站上所有用户MOS均值的变化情况。当家庭基站用户数目为10个时，实验结果如图4所示，用户数目为20个时，实验结果如图5所示。当用户数目较少、每个用户可获得的系统资源较为充足时，本发明提出的算法相较MOSMax算法对MOS有一定改善；当用户数目较多、每个用户可获得的系统资源相对短缺时，MOSMax算法的性能骤降，本发明提出的算法相较MOSMax算法对MOS有非常明显的改善。从而证明了本发明的算法将信道质量考虑进来，并且在信道分配的基础上对功率进行优化，可以大大的提高系统资源的利用率，从而提高系统的整体性能。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种多业务的家庭基站的无线资源分配方法，其特征在于，包括以下步骤：

1)在家庭基站设定不同的业务类型对应的码率-MOS模型，家庭基站根据用户请求的业务类型，确定资源分配所采用的码率-MOS模型，对RB进行逐个分配；

2)找到当前待分配的RB，计算该RB在当前信道状态下分配给每个用户的效用函数值；

3)将当前待分配的RB分配给效用值最大的用户；

4)若该用户未达到设定的MOS上限值，则进行下一个RB的分配，若该用户已达到设定的MOS上限值，则对该用户进行功率优化；在对用户进行功率优化时，找到该用户达到设定的MOS上限值所需要的最小功率以及最小的RB个数，将未分配功率的RB分配给其他用户使用，并将该用户从待调度的用户队列中删除；

5)按照步骤2)～4)进行下一个RB的分配，直到所有的RB分配完毕。

2.如权利要求1所述的多业务的家庭基站的无线资源分配方法，其特征在于，所述的家庭基站包括三种业务类型：语音业务、数据业务和视频业务；

各种业务所对应的码率-MOS模型分别为：

1)语音业务的码率-MOS模型服从PESQ模型；

2)数据业务的MOS模型同数据业务文件大小s和吞吐量之间的关系为：

$\mathrm{MOS}=\frac{0.775}{\sqrt{s}}\ln \left(T_l^m\right)+1.268;$

3)视频业务的码率-MOS模型为：

$\mathrm{MOS}=k_i*{\log }_{{\mathrm{\&alpha;}}_i}\left(\frac{R_c}{{\mathrm{REQ}}_i}\right)+4.5$

其中，k_i和α_i为第i个视频流对应的编码系数，R_c为网络传输速率，REQ_i为编码码率。

3.如权利要求1所述的多业务的家庭基站的无线资源分配方法，其特征在于，设当前待分配的RB为第n个RB，计算第l个用户在该RB上的效用函数值为：

在分配该RB之前第l个用户已分配的RB集合为Ψ_l，每个RB上的平均功率为p_ave，第l个用户在集合Ψ_l下的MOS值为：

MOS_n-1(l)＝f(Ψ_l，p_ave)；

将第n个RB分配给第l个用户所带来的效用函数值值的计算公式为：

$\begin{array}{c}{\mathrm{Cost}}_n^l={\mathrm{MOS}}_n\left(l\right)-{\mathrm{MOS}}_{n-1}\left(l\right)\\ =f({\mathrm{\&Psi;}}_l\&cup;\{{\mathrm{RB}}_n\},p\_\mathrm{ave})-f({\mathrm{\&Psi;}}_l,p\_\mathrm{ave})\end{array}$

然后对取值范围内的所有用户进行效用函数值的计算，得到系统中所有用户在当前RB上的效用函数值。

4.如权利要求3所述的多业务的家庭基站的无线资源分配方法，其特征在于，所述的效用函数值值的计算公式中，f(·)的输入为已分配的RB的集合Ψ_l以及每个RB上的功率p_ave，根据集合Ψ_l和功率p_ave可以得到第l个用户当前所能够达到的码率，再依据对应的码率-MOS模型，输出为MOS值MOS_n-1(l)。

5.如权利要求1所述的多业务的家庭基站的无线资源分配方法，其特征在于，将当前待分配的RB分配给效用值最大的用户的操作为：

计算完所有用户在待分配的RB上的效用函数值将该RB分配给效用函数值最大的用户l^*，

6.如权利要求1所述的多业务的家庭基站的无线资源分配方法，其特征在于，所设定的MOS上限值为MOS_upthre，比较所选定的用户l^*在当前资源分配情况下达到的MOS值与MOS_upthre的大小；

如果MOS_upthre＞MOS_n(l^*)，继续下一个RB的分配，否则对该用户进行功率优化。

7.如权利要求1所述的多业务的家庭基站的无线资源分配方法，其特征在于，所述的对用户进行功率优化为：

一个RB上的信道容量为C_m，k＝W_RBlog2(1+p_m，kX_m，k)

其中，p_m，k为第m个家庭基站第k个RB上分配的功率，W_RB是一个RB在频域的带宽，依据LTE标准取值为180KHz，p_M，k和G_M，k分别为宏基站在第k个RB上的功率和信道增益，σ为热噪声功率，G_m，k为第m个家庭基站在第k个RB上的信道增益，G_m′，k为第m′个家庭基站在第k个RB上的信道增益，m′≠m，p_m′，k为第m′个家庭基站在第k个RB上的功率；

功率优化的问题为：

$\min \underset{k\&Element;N_l^m}{\mathrm{\&Sigma;}}{p}_{m,k}$

$s.t.\underset{k\&Element;N_l^m}{\mathrm{\&Sigma;}}{C}_{m,k}\&GreaterEqual;T_l^m,p_{m,k}\&GreaterEqual;0$

其中为第m个家庭基站中第l个用户占用的RB的集合，其对应的拉格朗日方程为

$L(p_{m,k},\mathrm{\&lambda;})=\underset{k\&Element;N_l^m}{\mathrm{\&Sigma;}}{p}_{m,k}-\mathrm{\&lambda;}[\underset{k\&Element;N_l^m}{\mathrm{\&Sigma;}}{C}_{m,k}-T_l^m];$

设中有q个RB，则拉格朗日方程中的参数λ和功率p_m，k的表达式分别为：

$\mathrm{\&lambda;}=\frac{2^{T_l^m/q}\ln 2}{\hat{a}\left(q\right)}$

$p_{m,k}=\frac{\mathrm{\&lambda;}}{\ln 2}-\frac{1}{X_{m,k}}$

其中，q为集合中的元素的个数，将中的RB对应的X_m，k进行降序排列，x为最终功率优化后使用的RB的个数，其中可以得到当用户使用x个RB时第x个RB上的信道容量为：

$C_{m,k}\left(x\right)=W_{\mathrm{RB}}(\frac{T_l^m}{x}+{\log }_2\left(\frac{X_{m,k}}{\hat{a}\left(x\right)}\right))$

寻找x(x≤q)，使得，

$\left\{\begin{array}{c}{C}_{m,k}\left(x\right)>0,k=1,...,x\\ C_{m,k}\left(x\right)\&le;0,k=x+1,...,q\end{array}\right.$

令p_m，k＝0，可以得到X_m，k的下限X_m，kmin，在中可以找到x个大于X_m，kmin的X_m，k，并更新已分配的RB集合该x即为所要确定的使用RB数目q^*，即q^*＝x，最终前q^*个RB的功率优化分配为

$p_{m,k}^{\left(i\right)}=\frac{\frac{2^{T_l^m/q^{*}}\ln 2}{\hat{a}\left(q^{*}\right)}}{\ln 2}-\frac{1}{X_{m,k}^{\left(i\right)}}$

优化后该用户达到MOS上限值所使用的功率为

$P_{\min }=\underset{1\&le;i\&le;q^{*}}{\mathrm{\&Sigma;}}{p}_{m,k}^{\left(i\right)};$

未分配功率的RB分配给其他用户使用，其中Φ为未分配的RB的集合。