CN103200682B - 一种基于有限队列情况下的跨层资源分配方法 - Google Patents

Abstract

本发明公开了一种基于有限队列情况下的跨层资源分配方法，基于跨层优化的模型提出用户的共享缓存和固有缓存共存，若每个用户的固有缓存为设定值，则所有剩下的缓存作为共享缓存。将目标函数分解为子载波比特分配和功率分配两个步骤。本发明在同样满足QoS的情况下与动态调整算法相比有所提升；动态调整算法丢包率性能有很大程度的提升，因为共享缓存的使用使得缓存的自适应能力增强，从而更好地得到了利用，减小了丢包率；能够使得系统丢包率和公平性之间有一个良好的折衷，总体性能相对较优。

Description

一种基于有限队列情况下的跨层资源分配方法

技术领域

本属于无线资源调度技术领域，涉及一种基于有限队列情况下的跨层资源分配方法。

背景技术

现有很多文献讨论跨层资源分配的时候，都是假设到达数据是源源不断的，也就是说每个用户的数据缓存容量是无限的，这样其实忽略了实际应用中数据的突发性和缓存的有限性。考虑用户缓存有限情况下的跨层资源分配的介绍相对较少，目前主要有三种算法，一种是给每个用户分配固定的缓存容量，然后把每个用户固定的队列信息参数传递给物理层进行子载波、比特分配；一种是在每个用户的固有缓存上进行动态调整，然后传递给物理层的信息是实时调整后每个用户的队列信息；第三种是所有用户共享总缓存。其中，第二种算法是第一种算法基础上的改进，它较第一种能减小数据丢包率，但是他们在系统容量性能上较差，第三种算法较前面两种在数据丢包率和系统容量上性能较好，但在用户间公平性上的性能较差。

上述传统方案只能达到系统要求的一个或者部分性能的指标，例如在跨层参数传递时，队列信息的调整跟不上它实际的变化，这样会使丢包率性能下降，而实际系统中衡量的是总体指标，所以需要有新的算法，使各个性能都能达到较高的指标。

发明内容

本发明解决的问题在于提供一种基于有限队列情况下的跨层资源分配方法，在数据丢包率、系统容量和用户公平性之间有一个良好的折衷，达到了系统总体性能的最优化。

本发明是通过以下技术方案来实现：

一种基于有限队列情况下的跨层资源分配方法，包括以下步骤：

1）基于以下跨层优化的模型提出用户的共享缓存和固有缓存共存，若每个用户的固有缓存为设定值，则所有剩下的缓存作为共享缓存；所建立的跨层优化的模型为：

${\max }_{x_{k,n},p_{k,n}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}_{k,n}{\·r}_{k,n}$

限制条件包括： $C1:\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{x}_{k,n}=1,x_{k,n}=\left\{\mathrm{0,1}\right\}\∀n,k;$

$C2:\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{x}_{k,n}{p}_{k,n}\≤P_{\mathrm{total}}$

$C3:r_{k,\min }\left(t\right)\≤r_k\left(t\right)\≤r_{k,\max }\left(t\right),\∀k$

$C4:\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{L}_k\≤\mathrm{\ψ}$

其中，x_k,n={0,1}表示子载波n是否被分配给用户k，p_k,n表示第k个用户在第n条子载波上的功率，r_k,n表示第k个用户在第n条子载波上的传输速率；

限制条件C1限定了每个子载波只能被一个用户的占用；

限制条件C2限定了分配给所有用户的功率加权值必须小于等于系统的总功率限制P_total；

限制条件C3限定了每个用户的速率要求，r_k,min(t)表示第k个用户的最小速率要求；r_k,max(t)表示第k个用户的最大速率要求；

限制条件C4限定了所有队列长度总和不能超过系统的总缓存容量ψ，L_k表示第k个用户的队列长度；

目标函数是在这些限制条件下达到总系统容量的最大；

2）将上述目标函数分解为子载波比特分配和功率分配两个步骤：

子载波比特分配包括：给每个子载波对应的每个用户设定一个优先权值，该优先权值综合考虑MAC层和物理层的各个参数要求；

在得到用户在每条子载波上的优先权值后，按照用户在子载波上优先权值的大小进行子载波比特分配；

在子载波分配完之后，再进行子载波功率分配。

所述优先权值的设置为：

对于实时业务rtPS，定义第k个用户在第n个子载波上的优先权值为：

${\mathrm{Pr}}_{k,n}\left(t\right)={\mathrm{\β}}_{\mathrm{rtp}}\·\frac{r_{k,n}\left(t\right)}{\stackrel{\‾}{R_k}\left(t\right)}\·\frac{\mathrm{pri}}{\stackrel{\‾}{r_k}\left(t\right)}\·\max \{1,\frac{W_k}{{\mathrm{\τ}}_k-2T_{\mathrm{symbol}}}\}$

其中，β_rtp是rtPS优先因子系数，表示用户k在时隙t的数据包平均到达速率，表示用户k在时隙t的数据包平均传输速率，W_k表示用户k的最长等待时间，τ_k表示用户k的最大容忍时延，和通过一个移动时间窗口来分别估计它们的值，和随时隙的更新如下：

${\stackrel{\‾}{R}}_k\left(t\right)=\left\{\begin{array}{cc}(1-\frac{1}{T_c})\×{\stackrel{\‾}{R}}_k(t-1)+\frac{1}{T_c}\·R_k\left(t\right)& R_k\left(t\right)>0\\ (1-\frac{1}{T_c})\×{\stackrel{\‾}{R}}_k(t-1)& R_k\left(t\right)=0\end{array}\right.$

${\stackrel{\‾}{r}}_k\left(t\right)=\left\{\begin{array}{cc}(1-\frac{1}{T_c})\×{\stackrel{\‾}{r}}_k(t-1)+\frac{1}{T_c}\·{\stackrel{\‾}{r}}_k\left(t\right)& {\stackrel{\‾}{r}}_k\left(t\right)>0\\ (1-\frac{1}{T_c})\×{\stackrel{\‾}{r}}_k(t-1)& {\stackrel{\‾}{r}}_k\left(t\right)=0\end{array}\right.$

T_c表示移动时间窗的大小；

Pir为优先权值中的队列状态因子，先给每个用户分配固定缓存C_k，然后把剩下的所有缓存作为共享缓存rest_C，固定缓存C_k和共享缓存rest_C的比例根据具体需要设定：

$\mathrm{pri}=\left\{\begin{array}{cc}{r}_{k,n}& Q_k\left(t\right)\&times;B-r_{k,n}\left(t\right)\&GreaterEqual;C_k\&times;B\\ Q_k\left(t\right)\&times;B-C_k\&times;B& Q_k\left(t\right)\&times;B-r_{k,n}\left(t\right)<C_k\&times;B\&cap;Q_k\left(t\right)>C_k\\ 1& Q_k\left(t\right)\&le;C_k\end{array}\right.$

当Q_k(t)×B-r_k,n(t)≥C_k×B时，要传输的数据包都在共享缓存区中，只比较可传输的比特数，队列状态因子为r_k,n；

当Q_k(t)×B-r_k,n(t)<C_k×B∩Q_k(t)>C_k时，要传输的数据包有一部分在共享缓存，一部分在固定缓存中，比较要传输的数据包在共享缓存中那部分的比特数，队列状态因子为Q_k(t)×B-C_k×B；

当Q_k(t)≤C_k时，要传输的数据包都在固定缓存中，赋值为1；

对于非实时业务nrtPS，定义第k个用户在第n个子载波上的优先权值为：

${\mathrm{Pr}}_{k,n}\left(t\right)={\mathrm{\&beta;}}_{\mathrm{nrtp}}\&CenterDot;\frac{r_{k,n}\left(t\right)}{\stackrel{\&OverBar;}{R_k}\left(t\right)}\&CenterDot;\frac{\mathrm{pri}}{\stackrel{\&OverBar;}{r_k}\left(t\right)}$

其中，β_nrtp是rtPS优先因子系数，忽略对时延的考虑；

对于尽力而为业务BE，把它们的优先权值设为-1，表明BE业务在rtPS和nrtPS业务没有数据包调度时或者子载波有剩余时才进行调度。

所述的固有缓存所占的比例为40～60%，剩余为共享缓存。

在子载波的分配顺序上，按照每个子载波的均方误差d_n的大小来决定分配的先后次序，均方误差的方程如下：

$d_n=\frac{1}{k}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{(r_{k,n}-{\hat{r}}_n)}^2$

其中表示的是所有用户在每个OFDM符号里能传输的平均比特数，然后把d_n进行降序排序，得到

$D=\{n_1,n_2,n_3,\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;,n_N,:d_{n_1}\&GreaterEqual;d_{n_2}\&GreaterEqual;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&GreaterEqual;d_{n_N}\}$

按照降序资源从子载波n₁，子载波n₂，开始分配，直到子载波n_N分配完。

在获得各个用户在每条子载波上的优先权值后，子载波的分配为：

1）初始化，第k个用户在时隙t的总速率r_k(t)=0，用集合Κ表示实时业务和非实时业务的用户，集合表示尽力而为业务的用户，Ν表示所有的子载波集合，表示已经分配给用户k的子载波集合，初始设为φ；

2）根据最小均方误差原则决定子载波的分配次序，从子载波n₁到子载波n_N，在集合Κ中寻找子载波n上优先权值最大的那个用户 更新Ν=Ν\{n}，如果超过用户的最大速率限制，则不再分配子载波给用户k；

在满足rtPS用户和nrtPS用户的前提下，如果有未分配完的子载波，把剩下的子载波分配给集合，完成子载波的分配。

所述子载波功率分配采用经典的注水功率分配算法。

与现有技术相比，本发明具有以下有益的技术效果：

本发明提出的基于有限队列情况下的跨层资源分配方法，给出了一种有限队列情况下的跨层资源分配算法，在数据丢包率、系统容量和用户公平性之间有一个良好的折衷，达到了总体性能的最优化。传统方案只能达到系统要求的一个或者部分性能的指标，例如在跨层参数传递时，队列信息的调整跟不上它实际的变化，这样会使丢包率性能下降；而由于实际系统中衡量的是总体指标，这样本发明就能够使系统整体性能到达最优。

本发明提出的基于有限队列情况下的跨层资源分配方法，建立了单天线功率限制和总缓存限制条件下的最大化和速率跨层优化问题模型。由于该问题是个NP难题，因此可以分解为两个步骤来寻求次优解，第一步是子载波分配，本文子载波的分配是根据每个用户在各个子载波上的优先权值的大小，第二步是功率分配；并且考虑了固有缓存和共享缓存并存，即先给每个用户分配固定缓存L_k，然后把剩下的所有缓存作为共享缓存rest_L，既减小了总丢包率，又确保了公平性。进一步，针对三种不用的业务类型通过其优先权值的设定来分别解决。

本发明提出的基于有限队列情况下的跨层资源分配方法，与现有分配方法相比，在同样满足QoS的情况下与动态调整算法相比有所提升；动态调整算法丢包率性能有很大程度的提升，因为共享缓存的使用使得缓存的自适应能力增强，从而更好地得到了利用，减小了丢包率；能够使得系统丢包率和公平性之间有一个良好的折衷，总体性能相对较优。

附图说明

图1为调度时间，等待时延和最大时延的关系示意图；

图2为不同信噪比下系统吞吐量比较；

图3为不同信噪比下丢包率的比较；

图4为不同信噪比下缓存占用率的比较；

图5为不同信噪比下公平性的比较。

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。

针对跨层优化中系统整体性能到达最优的问题，提出了一种有限队列情况下的跨层资源分配方法。

本方法首先采用OFDMA系统中的有限队列模型，建立了单天线功率限制和总缓存限制条件下的最大化和速率跨层优化问题模型。由于该问题是个NP难题，因此可以分解为两个步骤来寻求次优解，第一步是子载波分配，子载波的分配是根据每个用户在各个子载波上的优先权值的大小，第二步是子载波的功率分配，采用的是注水功率分配算法。

以上述模型下行传输为例，考虑一个单小区多用户的OFDMA系统，其中有K个用户，系统总带宽为W，可以分成N个子载波，总功率限制为P_total，系统的总缓存容量为ψ。而在缓存中的数据包服从FIFO（firstinfirstout）原则。假设在BS端（基站端）可以获得理想的CSI（channelstateinformation），并且每个用户的增益在一个OFDM符号内是恒定不变的。时隙t内第n个用户在第k个子载波上的信道增益表示为h_n,k(t)，每个时隙的长度为T_symbol。

每一次的调度发生在OFDM符号的起始端，通过联合考虑用户的QoS，信道状态信息和（各个用户的）队列状态信息来进行子载波及功率分配，然后调制完的信号依次进行IFFT变化，并串转换（P/S）和插入保护间隙。在接收端，通过去保护间隙，串并转换（S/P）和FFT操作来得到传输信息。如果一个数据包接收错误，默认自动请求重传（ARQ）来重传这个数据包。

假设数据包的到达服从dMMPP（discreteMarkovModulatedPoissonProcess），这个模型相比于传统的泊松过程更符合实际。由两个量来描述dMMPP，一个是马尔可夫链调制的转移概率矩阵U，另一个是泊松到达速率λ。

数据链路层中，假设数据包在时隙（t-1）到达，最早能在时隙t被服务。第k个用户在时隙t内到达的数据包用m_k(t)表示，被服务的比特数用r_k(t)表示。因此在时隙t结束时，t+1时隙用户k的队列长度为（不考虑缓存的有限性）

Q_k(t+1)=Q_k(t)+m_k(t)-r_k(t)/B（3）

这里B代表每个数据包所含的比特数。

而在有限缓存的情况下，在时隙t结束时，看用户k数据包是否溢出其最大缓存容量来计算它的丢包率：

P_k,drop(t)=max{0,Q_k(t)+m_k(t)-r_k(t)/B-L}/E[m_k(t)]（4）

其中，P_k,drop(t)为时隙t结束时用户k的丢包率，L为分配给每个用户的缓存，E为所有用户数据包到达速率的期望值；

如果给定一个上限丢包率P_k，drop，使得P_k,drop(t)≤P_k，drop，可以得到用户k要求的最小速率为

r_k,min=F^-1{E[m_k(t)]×P_k,drop}（5）其中F(r_k(t))=max{0,Q_k(t)+m_k(t)-r_k(t)/B-L}。

基于以上的讨论，有限队列情况下的跨层优化的模型可以表示为

${\max }_{x_{k,n},p_{k,n}}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_{k,n}{\&CenterDot;r}_{k,n}---\left(6\right)$

限制条件包括： $C1:\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{x}_{k,n}=1,x_{k,n}=\left\{\mathrm{0,1}\right\}\&ForAll;n,k;$

$C2:\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{x}_{k,n}{p}_{k,n}\&le;P_{\mathrm{total}}$

$C3:r_{k,\min }\left(t\right)\&le;r_k\left(t\right)\&le;r_{k,\max }\left(t\right),\&ForAll;k$

$C4:\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{L}_k\&le;\mathrm{\&psi;}$

其中，x_k,n={0,1}表示子载波n是否被分配给用户k，p_k,n表示第k个用户在第n条子载波上的功率，r_k,n表示第k个用户在第n条子载波上的传输速率；

限制条件C1说明了每个子载波只能被一个用户的占用；

C2说明分配给所有用户的功率加权值必须小于等于系统的总功率限制P_total；

C3说明了每个用户的速率要求，r_k,min(t)表示第k个用户的最小速率要求；r_k,max(t)表示第k个用户的最大速率要求；

C4说明了所有队列长度总和不能超过系统的总缓存容量ψ，L_k表示第k个用户的队列长度。

目标函数是在这些限制条件下达到总系统容量的最大。

由于式（6）是一个NP难题，因此把它分解为子载波比特分配和功率分配两个步骤，来寻求它的次优解。

首先是子载波比特分配，而子载波的选择依据是用户在子载波上优先权值的大小。给每个子载波对应的每个用户设定一个优先权值，这个优先权值会综合考虑到MAC层和物理层的各个参数要求，比如说时延，丢包率，公平性，最大最小速率等。

对于rtPS（实时业务），定义第k个用户在第n个子载波上的优先权值为

${\mathrm{Pr}}_{k,n}\left(t\right)={\mathrm{\&beta;}}_{\mathrm{rtp}}\&CenterDot;\frac{r_{k,n}\left(t\right)}{\stackrel{\&OverBar;}{R_k}\left(t\right)}\&CenterDot;\frac{\mathrm{pri}}{\stackrel{\&OverBar;}{r_k}\left(t\right)}\&CenterDot;\max \{1,\frac{W_k}{{\mathrm{\&tau;}}_k-2T_{\mathrm{symbol}}}\}---\left(7\right)$

其中，β_rtp是rtPS优先因子系数。表示用户k在时隙t的数据包平均到达速率，表示用户k在时隙t的数据包平均传输速率。W_k表示用户k的最长等待时间，τ_k表示用户k的最大容忍时延。和可以通过一个移动时间窗口来分别估计它们的值。和随时隙的更新如式（8）和（9）

${\stackrel{\&OverBar;}{R}}_k\left(t\right)=\left\{\begin{array}{cc}(1-\frac{1}{T_c})\&times;{\stackrel{\&OverBar;}{R}}_k(t-1)+\frac{1}{T_c}\&CenterDot;R_k\left(t\right)& R_k\left(t\right)>0\\ (1-\frac{1}{T_c})\&times;{\stackrel{\&OverBar;}{R}}_k(t-1)& R_k\left(t\right)=0\end{array}\right.---\left(8\right)$

${\stackrel{\&OverBar;}{r}}_k\left(t\right)=\left\{\begin{array}{cc}(1-\frac{1}{T_c})\&times;{\stackrel{\&OverBar;}{r}}_k(t-1)+\frac{1}{T_c}\&CenterDot;{\stackrel{\&OverBar;}{r}}_k\left(t\right)& {\stackrel{\&OverBar;}{r}}_k\left(t\right)>0\\ (1-\frac{1}{T_c})\&times;{\stackrel{\&OverBar;}{r}}_k(t-1)& {\stackrel{\&OverBar;}{r}}_k\left(t\right)=0\end{array}\right.---\left(9\right)$

这里T_c表示移动时间窗的大小。

Pir代表了优先权值中的队列状态因子，提出了固有缓存和共享缓存（固有缓存能确保每个用户在一定时间内都能传输该用户的数据，以确保用户间的公平性，但是由于数据包到达的无规律性和信道的时变性，容易发生溢出现象，造成丢包率增大；而共享缓存具有良好的自适应能力，对于丢包率性能有较大的提升，但是一定程度上会影响用户间的公平性）并存，固有缓存所占的比例为40～60%，即先给每个用户分配固定缓存C_k，然后把剩下的所有缓存作为共享缓存rest_C，既减小了总丢包率，又确保了公平性。

$\mathrm{pri}=\left\{\begin{array}{cc}{r}_{k,n}& Q_k\left(t\right)\&times;B-r_{k,n}\left(t\right)\&GreaterEqual;C_k\&times;B\\ Q_k\left(t\right)\&times;B-C_k\&times;B& Q_k\left(t\right)\&times;B-r_{k,n}\left(t\right)<C_k\&times;B\&cap;Q_k\left(t\right)>C_k\\ 1& Q_k\left(t\right)\&le;C_k\end{array}\right.---\left(10\right)$

当Q_k(t)×B-r_k,n(t)≥C_k×B时，要传输的数据包都在共享缓存区中，只要比较他们可传输的比特数，队列状态因子为r_k,n；

当Q_k(t)×B-r_k,n(t)<C_k×B∩Q_k(t)>C_k时，要传输的数据包有一部分在共享缓存，一部分在固定缓存中，比较要传输的数据包在共享缓存中那部分的比特数，队列状态因子为Q_k(t)×B-C_k×B；

当Q_k(t)≤C_k时，要传输的数据包都在固定缓存中，赋值为1，因为传输这些用户的比特不会在共享缓存中腾出空间，所以优先权较小。

（7）式中表示了优先权值和物理层的信道状态信息有关，而表现了各用户之间的公平性和各个用户的队列状态信息，是对用户最大延时需求的满足。

以从图1中可以看到，如果W_k<τ_k-2T_symbol的情况，说明数据包还没有到达时延界限；如果W_k>τ_k-2T_symbol的情况，说明数据包已经到了最大时延界限，再不调度的话，将会超出最大时延，所以要给这种情况附加一个大于1的因子来优先调度它。

对于nrtPS（非实时业务），定义第k个用户在第n个子载波上的优先权值为

${\mathrm{Pr}}_{k,n}\left(t\right)={\mathrm{\&beta;}}_{\mathrm{nrtp}}\&CenterDot;\frac{r_{k,n}\left(t\right)}{\stackrel{\&OverBar;}{R_k}\left(t\right)}\&CenterDot;\frac{\mathrm{pri}}{\stackrel{\&OverBar;}{r_k}\left(t\right)}---\left(11\right)$

其中，β_nrtp是rtPS优先因子系数，由于非实时业务对时延不敏感，因此忽略对时延的考虑。

对于尽力而为业务（BE业务），为了方便起见，把它们的优先权值设为-1，这说明了BE业务在rtPS和nrtPS业务没有数据包调度时或者子载波有剩余时才进行调度。

而在子载波的分配顺序上，采用的是最小均方误差原则（MMEC），即按照每个子载波的均方误差d_n的大小来决定分配的先后次序。均方误差的方程如下：

$d_n=\frac{1}{k}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{(r_{k,n}-{\hat{r}}_n)}^2---\left(12\right)$

其中表示的是所有用户在每个OFDM符号里能传输的平均比特数，然后把d_n进行降序排序，得到

$D=\{n_1,n_2,n_3,\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;,n_N,:d_{n_1}\&GreaterEqual;d_{n_2}\&GreaterEqual;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&GreaterEqual;d_{n_N}\}---\left(13\right)$

因此，按照降序资源从子载波n₁，子载波n₂，开始分配，直到子载波n_N分配完。

在求得各个用户在每条子载波上的优先权值后，再进行子载波分配：

1）初始化，第k个用户在时隙t的总速率r_k(t)=0，用集合Κ表示实时业务和非实时业务的用户，集合表示尽力而为业务的用户，Ν表示所有的子载波集合，表示已经分配给用户k的子载波集合，初始设为φ。

2）根据最小均方误差原则（MMEC），即式（12），来决定子载波的分配次序，从子载波n₁到子载波n_N，在集合Κ中寻找子载波n上优先权值最大的那个用户 $\hat{k}=\arg \underset{k\&Element;K}{\max }{\mathrm{Pr}}_{k,n}\left(t\right),$ 更新Ν=Ν\{n}， $r_{\hat{k}}\left(t\right)=r_{\hat{k}}\left(t\right)+r_{\hat{k},n},$ 如果超过用户的最大速率限制，则不再分配子载波给用户k。

在满足rtPS用户和nrtPS用户的前提下，如果有未分配完的子载波，把剩下的子载波分配给集合。完成子载波的分配。

在子载波分配完之后，进行功率分配，具体采用经典的注水功率分配算法。下面给出具体的实施例和对比效果。

比如，OFDMA下行传输系统的带宽为5MHZ，总子载波数为512，所用的多径模型为ITUPedestrianthree-pathmodel（ITU步行三路径模型），用户的总缓存容量为3000个数据包，总用户数为15，其中实时业务、非实时业务、尽力而为业务各5个，假设每个数据包占64个比特，总仿真符号数为200。按照上述进行子载波的分配和功率的分配。

图2给出了两种经典算法和动态调整算法（DBMQT）以及本发明随着平均信道容量的增大，系统吞吐量的大小比较。横坐标为平均信噪比，纵坐标为系统吞吐量。

结果表明：最大载干比算法（MaxC/I）的系统总容量是最大的，最大最小算法（Max-Min）的系统总容量是最小的，动态调整算法（DBMQT）考虑到业务的QoS要求，因此系统容量大小在两种的经典算法之间，而本发明的算法（固定缓存C_k为100、30）在同样满足QoS的情况下与动态调整算法相比有所提升。因为动态调整算法每个用户对应的优先权值中都有一个队列状态因子Q_k(t)*B。而这个因子的存在，会使信道状态信息因子r_k,n(t)的影响变小，从而使得容量减小。

图3给出的是各个算法随着平均信道容量增大的情况下，实时业务和非实时业务丢包率大小比较。横坐标为平均信噪比，纵坐标为实时业务和非实时业务的丢包率。

由图可知，最大最小算法的丢包率是最大的，因为它注重用户之间的公平性，没有考虑队列的溢出状况，最大载干比算法的丢包率相对较小，因为它能传输的比特数据较多，一定程度上减小了丢包率，而本发明的算法比动态调整算法丢包率性能有很大程度的提升，因为共享缓存的使用使得缓存的自适应能力增强，从而更好地得到了利用，减小了丢包率。但是一味地增加共享缓存会使得用户间公平性变小，考虑极端情况，所有用户共享缓存，这样信道状态好的用户的队列长度减小较快，直至减小到0，在特定的时段中，这些用户的数据包到达可能会处于调度时隙的末端，这样会导致这些时段丢弃的数据包全是这几个用户，严重影响不公平性。图3所示固定缓存为100和30时的丢包率差异很小。

图4给出的是各个算法的缓存占用率随着平均信噪比增大的变化情况，横坐标为平均信噪比，纵坐标为缓存占用率。

最大最小算法的缓存占用率最大，因为它的频谱效率较低，数据包没有进行很好地传输，导致好多数据包都留在队列中，最大载干比算法由于传输的数据包较多，留在队列中较少，而本发明的算法相比于动态调整算法，在信噪比增大时，占用率有所减小，这样可以留有更多的可调缓存空间给上行资源。

图5所示的是本发明中当固定缓存变化时，系统在某一时段的公平性的变化。横坐标为平均信噪比，纵坐标为系统公平性。

其中式（14）是系统公平性的定义。可以看到固定缓存越大，公平性越好，C_k=0时，也就是所有用户都共享缓存，公平性最差。因此本发明最后取的C_k为100，使得系统丢包率和公平性之间有一个良好的折衷，总体性能相对较优。

$R_{\mathrm{fair}}=1-\frac{1}{K}\underset{k\&Element;C}{\mathrm{\&Sigma;}}|1-\frac{{\stackrel{\&OverBar;}{r}}_k\left(t\right)/({\stackrel{\&OverBar;}{R}}_k\left(t\right)\&CenterDot;{\mathrm{\&beta;}}_{k,\mathrm{pro}})}{E\{{\stackrel{\&OverBar;}{r}}_k\left(t\right)/({\stackrel{\&OverBar;}{R}}_k\left(t\right)\&CenterDot;{\mathrm{\&beta;}}_{k,\mathrm{pro}}\}}|---\left(14\right)$

Claims (6)

1.一种基于有限队列情况下的跨层资源分配方法，其特征在于，包括以下步骤：

1)基于以下跨层优化的模型提出用户的共享缓存和固有缓存共存，若每个用户的固有缓存为设定值，则所有剩下的缓存作为共享缓存；所建立的跨层优化的模型为：

${\max }_{x_{k,n},p_{k,n}}\underset{k=1}{\overset{K}{\&Sigma;}}\underset{n=1}{\overset{N}{\&Sigma;}}{x}_{k,n}\&CenterDot;r_{k,n}$

限制条件包括： $C1:\underset{k=1}{\overset{K}{\&Sigma;}}{x}_{k,n}=1,x_{k,n}=\{0,1\}\&ForAll;n,k;$

$C2:\underset{n=1}{\overset{N}{\&Sigma;}}\underset{k=1}{\overset{K}{\&Sigma;}}{x}_{k,n}{p}_{k,n}\&le;P_{total}$

$C3:r_{k,min}\left(t\right)\&le;r_k\left(t\right)\&le;r_{k,max}\left(t\right),\&ForAll;k$

$C4:\underset{k=1}{\overset{K}{\&Sigma;}}{L}_k\&le;\mathrm{\&psi;}$

其中，x_k,n＝{0,1}表示子载波n是否被分配给用户k，p_k,n表示第k个用户在第n条子载波上的功率，r_k,n表示第k个用户在第n条子载波上的传输速率，集合Κ表示实时业务和非实时业务的用户，Ν表示所有的子载波集合；

限制条件C1限定了每个子载波只能被一个用户的占用；

限制条件C2限定了分配给所有用户的功率加权值必须小于等于系统的总功率限制P_total；

限制条件C3限定了每个用户的速率要求，r_k,min(t)表示第k个用户的最小速率要求；r_k,max(t)表示第k个用户的最大速率要求；

限制条件C4限定了所有队列长度总和不能超过系统的总缓存容量ψ，L_k表示第k个用户的队列长度；

目标函数是在这些限制条件下达到总系统容量的最大；

2)将上述目标函数分解为子载波比特分配和功率分配两个步骤；

子载波比特分配包括：给每个子载波对应的每个用户设定一个优先权值，该优先权值综合考虑MAC层和物理层的各个参数要求；

在得到用户在每条子载波上的优先权值后，按照用户在子载波上优先权值的大小进行子载波比特分配；

在子载波分配完之后，再进行子载波功率分配。

2.如权利要求1所述的基于有限队列情况下的跨层资源分配方法，其特征在于，所述优先权值的设置为：

对于实时业务rtPS，定义第k个用户在第n个子载波上的优先权值为：

${\mathrm{Pr}}_{k,n}\left(t\right)={\mathrm{\&beta;}}_{rtp}\&CenterDot;\frac{r_{k,n}\left(t\right)}{\stackrel{\&OverBar;}{R_k}\left(t\right)}\&CenterDot;\frac{pri}{\stackrel{\&OverBar;}{r_k}\left(t\right)}\&CenterDot;\max \{1,\frac{W_k}{{\mathrm{\&tau;}}_k-2T_{symbol}}\}$

其中，β_rtp是rtPS优先因子系数，表示用户k在时隙t的数据包平均到达速率，表示用户k在时隙t的数据包平均传输速率，W_k表示用户k的最长等待时间，τ_k表示用户k的最大容忍时延，T_symbol为每个时隙的长度，和通过一个移动时间窗口来分别估计它们的值，和随时隙的更新如下：

$\stackrel{\&OverBar;}{R_k}\left(t\right)=\left\{\begin{array}{cc}(1-\frac{1}{T_c})\&times;\stackrel{\&OverBar;}{R_k}(t-1)+\frac{1}{T_c}\&CenterDot;R_k\left(t\right)& R_k\left(t\right)>0\\ (1-\frac{1}{T_c})\&times;\stackrel{\&OverBar;}{R_k}(t-1)& R_k\left(t\right)=0\end{array}\right.$

$\stackrel{\&OverBar;}{r_k}\left(t\right)=\left\{\begin{array}{cc}(1-\frac{1}{T_c})\&times;\stackrel{\&OverBar;}{r_k}(t-1)+\frac{1}{T_c}\&CenterDot;\stackrel{\&OverBar;}{r_k}\left(t\right)& \stackrel{\&OverBar;}{r_k}\left(t\right)>0\\ (1-\frac{1}{T_c})\&times;\stackrel{\&OverBar;}{r_k}(t-1)& \stackrel{\&OverBar;}{r_k}\left(t\right)=0\end{array}\right.$

T_c表示移动时间窗的大小；

Pir为优先权值中的队列状态因子，先给每个用户分配固定缓存C_k，然后把剩下的所有缓存作为共享缓存rest_C，固定缓存C_k和共享缓存rest_C的比例根据具体需要设定：

$pri\left\{\begin{array}{cc}{r}_{k,n}& Q_k\left(t\right)\&times;B-r_{k,n}\left(t\right)\&GreaterEqual;C_k\&times;B\\ Q_k\left(t\right)\&times;B-C_k\&times;B& Q_k\left(t\right)\&times;B-r_{k,n}\left(t\right)<C_k\&times;B\&cap;Q_k\left(t\right)>C_k\\ 1& Q_k\left(t\right)\&le;C_k\end{array}\right.$

当Q_k(t)×B-r_k,n(t)≥C_k×B时，要传输的数据包都在共享缓存区中，只比较可传输的比特数，队列状态因子为r_k,n，Q_k(t)表示t时隙用户k的队列长度，B代表每个数据包所含的比特数；

当Q_k(t)×B-r_k,n(t)＜C_k×B∩Q_k(t)＞C_k时，要传输的数据包有一部分在共享缓存，一部分在固定缓存中，比较要传输的数据包在共享缓存中那部分的比特数，队列状态因子为Q_k(t)×B-C_k×B；

当Q_k(t)≤C_k时，要传输的数据包都在固定缓存中，赋值为1；

对于非实时业务nrtPS，定义第k个用户在第n个子载波上的优先权值为：

${\mathrm{Pr}}_{k,n}\left(t\right)={\mathrm{\&beta;}}_{nrtp}\&CenterDot;\frac{r_{k,n}\left(t\right)}{\stackrel{\&OverBar;}{R_k}\left(t\right)}\&CenterDot;\frac{pri}{\stackrel{\&OverBar;}{r_k}\left(t\right)}$

其中，β_nrtp是rtPS优先因子系数，忽略对时延的考虑；

对于尽力而为业务BE，把它们的优先权值设为-1，表明BE业务在rtPS和nrtPS业务没有数据包调度时或者子载波有剩余时才进行调度。

3.如权利要求2所述的基于有限队列情况下的跨层资源分配方法，其特征在于，所述的固有缓存所占的比例为40～60％，剩余为共享缓存。

4.如权利要求1所述的基于有限队列情况下的跨层资源分配方法，其特征在于，在子载波的分配顺序上，按照每个子载波的均方误差d_n的大小来决定分配的先后次序，均方误差的方程如下：

$d_n=\frac{1}{k}\underset{k=1}{\overset{K}{\&Sigma;}}{(r_{k,n}-{\hat{r}}_n)}^2$

其中表示的是所有用户在每个OFDM符号里能传输的平均比特数，然后把d_n进行降序排序，得到

$D=\{n_1,n_2,n_3,......,n_N,:d_{n_1}\&GreaterEqual;d_{n_2}\&GreaterEqual;......\&GreaterEqual;d_{n_N}\}$

按照降序资源从子载波n₁，子载波n₂，开始分配，直到子载波n_N分配完。

5.如权利要求1所述的基于有限队列情况下的跨层资源分配方法，其特征在于，在获得各个用户在每条子载波上的优先权值后，子载波的分配为：

1)初始化，第k个用户在时隙t的总速率r_k(t)＝0，用集合Κ表示实时业务和非实时业务的用户，集合表示尽力而为业务的用户，Ν表示所有的子载波集合，表示已经分配给用户k的子载波集合，初始设为φ；

2)根据最小均方误差原则决定子载波的分配次序，从子载波n₁到子载波n_N，在集合Κ中寻找子载波n上优先权值最大的那个用户 更新Ν＝Ν\{n}，如果超过用户的最大速率限制，则不再分配子载波给用户k；

在满足rtPS用户和nrtPS用户的前提下，如果有未分配完的子载波，把剩下的子载波分配给集合完成子载波的分配。

6.如权利要求1所述的基于有限队列情况下的跨层资源分配方法，其特征在于，子载波功率分配采用经典的注水功率分配算法。