CN103220110A - 高速场景下ofdma系统的无线资源分配方法 - Google Patents

Abstract

本发明涉及的是一种无线通信技术领域的优化方法，具体涉及一种高速场景下OFDMA系统的无线资源分配方法。该方法包括步骤1：收集系统中所有用户信息；步骤2：根据时延服务质量要求将数据包分发到不同的缓冲器；步骤3：通过排队论理论将时延服务质量要求转化为物理层的链路速率信息；步骤4：根据物理层速率约束条件、块的约束条件和总的传输功率约束条件，确定资源分配的最优化模型；步骤5：先根据时延服务质量要求对用户队列进行优先级的排序，用户再按的排序对块进行择优分配，最后进行功率分配。步骤6：按照步骤5得到的最优解进行功率分配。本发明采用基于块的频谱分配，降低多普勒频移的影响，充分利用了资源提高了系统性能。

Description

高速场景下OFDMA系统的无线资源分配方法

技术领域

本发明涉及的是一种无线通信技术领域的优化方法，具体涉及一种高速场景下OFDMA系统的无线资源分配方法。

背景技术

随着高速铁路和高速公路的开通和应用，高速环境下的移动通信得到人们的极大关注，而高速列车的运行速度将达到350～500km/h，高速铁路车地之间的通信数据量也将越来越多，以乘客为主体的宽带数据业务也逐渐成为高速铁路宽带无线接入的主要业务。在乘坐高速列车的几个小时中，乘客需要处在实时“信息在线”状态，高速列车不能成为“信息孤岛”，所以乘客必须能够通过手机、笔记本等无线终端实时与外界保持联系，这就要求在高速移动条件下，高速铁路为乘客提供可靠有效的数据业务。然而，高速移动环境下，无线通信系统会产生较大的多普勒频移，信道快速变化，严重降低移动通信系统的性能。

在高速率移动通信OFDMA（Orthogonal frequency division multiple access）正交频分多址接入系统中，时延是是个至关重要的因素，特别是实时业务，对时延要求极为严格。对于无线通信网络，不同的业务服务需要满足不同的服务质量要求，例如，对于数据分发这样的非实时服务受到一个很松弛的时延约束，而多媒体视频会议一类的服务业务则必须要满足一个严格的时延要求，这样才能保障通信的连续性。通常情况下，一个用户的数据流通常为混合数据流，即组成数据流的数据包需要满足不同的时延要求，如：双模通信模式。

有些研究人员提出满足不同用户的时延约束的子载波分配和功率分配方案，从而最大化系统的总吞吐量，具体的系统模型如图2。采用上述方法案，系统首先满足了不同用户的时延服务质量（QoS）要求，从而保障了时延敏感用户的基本通信质量，一定程度上改善了系统性能。但是，通常情况下，一个时延敏感用户的数据流通常为混合数据流，即组成一条数据流的数据包需要满足不同的时延服务质量要求，常规的资源分配方案，如上述方案，仅考虑多种时延QoS要求中最为严格的一个，然而满足严格的时延QoS要求，需要维持相对较高的速率约束，即消耗相对较大的功率，一定程度上浪费了资源，造成资源分配算法的非高效性。

发明内容

本发明的目的针对包含多种服务质量要求的混合数据流，已有的方案消耗相对较大的功率，一定程度上浪费了资源，造成资源分配算法的非高效性的不足，提出了一种高速场景下OFDMA系统的无线资源分配方法。

一种高速场景下OFDMA系统的无线资源分配方法，该方法包括如下步骤：

步骤1：收集系统中所有用户来自高层的时延服务质量要求，以及队列状态信息和信道状态信息；

步骤2：根据来自高层的时延服务质量要求将一条数据流中的数据包分发到不同的缓冲器，具体是：

当用户为时延忍耐用户，即用户来自高层的时延服务质量要求为无时延服务质量要求时，该用户的每一条数据流的数据包无需分类，通过一个缓冲器处理；当用户为时延敏感用户，将一条数据流中的数据包按时延服务质量要求分类，这里考虑为两类，分别为高时延约束的数据包和低时延约束的数据包，将高时延约束的数据包和低时延约束的数据包分别由两个缓冲器单独处理，每个缓冲器中的数据包的约束条件需要满足下式：

$E\left[W_k\right]\≤T_k,k\∈K_2,$

其中，Ε[·]表示·的期望值，W_k是用户k一个缓冲器中数据包的系统时间，T_k是时延敏感用户的时延服务质量要求阈值，k代表一个用户，K₂为时延敏感用户的集合；

步骤3：根据步骤1得到的队列状态信息，通过排队论理论将高层信息的时延服务质量要求转化为物理层的链路速率信息，记时延敏感用户一条数据流两种类型数据包的时延约束为：高时延约束T^H和低时延约束T^L，具体是：

将步骤2中高时延约束T^H转化为物理层速率阈值R_k ^H,转化公式为：

$M^{\′}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{R}_{0,k,m}\≥{R_k}^H,\∀k\∈K_2,$

将步骤2中低时延约束T^H转化为物理层速率阈值R_k ^L,其转化公式为：

$M^{\′}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{R}_{1,k,m}\≥{R_k}^L,\∀k\∈K_2,$

其中：

$R_{q,k,m}=\frac{B}{L}{\log }_2(1+\frac{{\left|h_{q,k,m}\right|}^2{P}_{q,k,m}}{{\mathrm{\σ}}^2}),$

m代表一个块，m∈M，M=(1,2,…,M)为块的集合，M为块集合中的第M块，记每个块上的子载波个数为M'；R_q,k,m表示用户k的第q个队列在块m上的通信速率；σ²是高斯白噪声的方差；L为子载波的总个数；B为系统总带宽；h_q,k,m表示R_q,k,m对应的信道增益；对于时延敏感用户，q=0，1，对于时延忍耐用户q=2；

步骤4：根据物理层速率约束条件、块的约束条件和总的传输功率约束条件，确定资源分配的最优化模型；

所述块的约束条件：

{S}_q,k,m=s_q,k,m为块的分配矩阵，如果s_q,k,m=1，第m个块分配给用户k的第q种类型数据，如果s_q,k,m=0，第m个块不分配给用户k的第q种类型数据；K₁为时延忍耐用户集合，K₁={1,2，…，K₁}，K₁为时延忍耐用户集合的第K₁块；K₂为时延敏感用户集合，K₂={K₁+1,K₁+2，…，K₁+K₂}，K₂为时延敏感用户集合的第K₂个块；

所述总的传输功率约束条件：

$0\≤M^{\′}\underset{k=1}{\overset{K_1+K_2}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{q=0}{\overset{q=2}{\mathrm{\Σ}}}{\mathrm{\β}}_q{P}_{q,k,m}\≤P_T$

其中，P_T为基站总的发送功率限制，P_q,k,m表示处理设定长度的数据所消耗的功率，一条数据流的数据包长度设定值为F，高时延约束数据包占数据包总长度的比例为a，则低时延约束数据包占数据包总长度的比例为(1-a)，当q=0时，β_q=a；当q=1时，β_q=(1-a)；当q=2时，β_q=1；

所述资源分配的最优化模型为：

$\max \underset{k=1}{\overset{K_1}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{M}^{\′}\·R_{q,k,m}|q=2$

$s.t.C1:M^{\′}\underset{k=1}{\overset{K_1+K_2}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{q=0}{\overset{q=2}{\mathrm{\Σ}}}{\mathrm{\β}}_q{P}_{q,k,m}\≤P_T$

$C3:s_{q,k,m}\∈\left(\mathrm{0,1}\right),\∀q,k,m$

$C4:\underset{k=1}{\overset{K_1+K_2}{\mathrm{\Σ}}}\underset{q=0}{\overset{q=2}{\mathrm{\Σ}}}{s}_{q,k,m}=1,\∀m$

步骤5：根据步骤4中的最优化模型，先根据时延服务质量要求对用户队列进行优先级的排序，每个用户再按排序对块进行择优选择，最后进行功率分配，采用拉格朗日计算方法求得最优功率分配解为：

$\left\{\begin{array}{c}{P_{0,k,m}}^{*}={[\frac{B}{L}\frac{{\mathrm{\μ}}_k^H}{\ln 2\·\mathrm{\λ}\·{\mathrm{\β}}_0}-\frac{{\mathrm{\σ}}^2}{{\left|h_{0,k,m}\right|}^2}]}^{+},k\∈K_2,m=\mathrm{1,2,3}....,M\\ {P_{1,k,m}}^{*}={[\frac{B}{L}\frac{{\mathrm{\μ}}_k^L}{\ln 2\·\mathrm{\λ}\·{\mathrm{\β}}_1}-\frac{{\mathrm{\σ}}^2}{{\left|h_{1,k,m}\right|}^2}]}^{+},k\∈K_2,m=\mathrm{1,2,3}....,M\\ {P_{2,k,m}}^{*}={[\frac{B}{L}\frac{1}{\ln 2\·\mathrm{\λ}\·{\mathrm{\β}}_2}-\frac{{\mathrm{\σ}}^2}{{\left|h_{2,k,m}\right|}^2}]}^{+},k\∈K_1,m=\mathrm{1,2,3}....,M\end{array}\right.$

其中，

λ为最优化模型中C2和C1的拉格朗日因子，通过拉格朗日子梯度法求解；

步骤6：按照步骤5得到的最优解进行功率分配。

本发明的有益效果：本发明采用基于块的频谱分配，降低多普勒频移对信道估计的影响，将需要处理的数据包队列按时延服务质量要求制定优先级，高时延约的数据包队列具有较高的优先级，优先级高的队列将首先选择块，且选择信道质量好的块，依次进行分配，本发明考虑一条数据流中数据包的多种QoS要求，将数据包按QoS要求进行分类分别处理，而具有较为松弛的时延QoS要求的数据包，则需要相对较低的速率约束，消耗功率也较小，这样充分利用资源从而提高了系统性能。

附图说明

图1下行链路OFDMA系统模型；

图2高速列车通信模型；

图3具有HD和LD数据包的数据流；

图4双队列-下行链路OFDMA系统模型。

具体实施方式

下面结合附图和实施例对本发明做进一步的说明：

对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

本发明的具体实现过程为：图1所示，列车上的乘客直接与路边的基站进行通信。考虑一个单小区蜂窝OFDMA系统，一共有K₁个时延忍耐用户和K₂个时延敏感用户，L={1,2,…,L}个子载波，这里每个子载波只能分给一个用户，定义{C}_ij=c_k,l为子载波的分配矩阵，如果c_k,l=1，那么第l个子载波分配给用户k，否则c_k,l=0，总的传输带宽为B。通常情况下，一个数据流通常为混合数据流，即组成数据流的数据包需要满足不同的时延要求。为了便于分析，假设每种数据流具有两种类型的数据包：高时延约束数据包和低时延约束数据包，如图3所示。每种类型的时延约束分别为高时延约束T^H和低时延约束T^L，通常两种数据包的时延要求：T^H≤T^L。如图4对于一个数据流，基站根据数据类型分成两个单独的缓冲器分别存放两种类型的数据包，对两种类型的数据分别进行资源分配。

图4给出了多种时延要求的数据流的下行链路系统模型，本发明是基于块的资源分配。块的集合记为M=(1,2,…,M),记每个块上的子载波个数为M'。每个块只能分配给一种类型数据，块的分配矩阵{S}_q,k,m=s_q,k,m，如果s_q,k,m=1，那么第m个块分配给用户k的第q种类型数据，否则s_q,k,m=0。根据OFDMA系统的特点，相邻子载波具有相似的信道特性，因此可以将一定数量的连续子载波组合为一个块，这样减少了频谱分配的复杂度；另外，有相关资料指出基于块的频谱分配较基于子载波的频谱分配具有较好的系统性能，主要原因是：高速铁路列车运行速度很高，造成较大的多普勒频移，对准确的信道估计造成很大困难。基于子载波的资源分配造成了信道估计误差的累加，而基于块的信道估计误差是一个平均估计误差，一定程度上降低了信道估计误差，变相的削减了多普勒频移对系统的影响。

一种高速场景下OFDMA系统的无线资源分配方法，该方法包括如下步骤：

步骤1：收集系统中所有用户来自高层的时延服务质量要求，以及队列状态信息和信道状态信息；

步骤2：根据来自高层的时延服务质量要求将一条数据流中的数据包分发到不同的缓冲器，具体是：

当用户为时延忍耐用户，即用户来自高层的时延服务质量要求为无时延服务质量要求时，该用户的每一条数据流的数据包无需分类，通过一个缓冲器处理；当用户为时延敏感用户，将一条数据流中的数据包按时延服务质量要求分为两类，分别为高时延约束的数据包和低时延约束的数据包，将高时延约束的数据包和低时延约束的数据包分别由两个缓冲器单独处理，每个缓冲器中的数据包的约束条件需要满足下式：

$E\left[W_k\right]\≤T_k,k\∈K_2---\left(1\right)$

其中，Ε[·]表示·的期望值，W_k是用户k一个缓冲器中数据包的系统时间，T_k是时延敏感用户的时延服务质量要求阈值，k代表一个用户，K₂为时延敏感用户的集合；

假设每个数据缓冲器可以看作为一个排队系统，根据排队论定理公式(1)的约束条件如下：

$E\left[W_k^{\mathrm{st}}\right]+\frac{{\mathrm{\λ}}_{k}E\left[{\left(W_k^{\mathrm{st}}\right)}^2\right]}{2(1-{\mathrm{\λ}}_{k}E[W_k^{\mathrm{st}}\left]\right)}\≤T_k,\∀k\∈K_2---\left(2\right)$

其中

表示用户k的数据包的服务时间，λ_k为数据包达到速率，

为

的期望值，同时

，F代表数据包的长度，Ε[F]为F的期望值，R_k为第k个用户的通信速率。综合上述条件，可以得到一个等价速率约束：

R_k≥ψ(T_k,λ_k,F)    （3）

其中，ψ（T_k,λ_k,F)代表

$\mathrm{\ψ}(T_k,{\mathrm{\λ}}_k,F)=\frac{({\mathrm{\λ}}_k{T}_k+1)+\sqrt{{({\mathrm{\λ}}_k{T}_k+1)}^2-2{\mathrm{\λ}}_k{T}_k}}{{2T}_k}E\left[F\right]---\left(4\right)$

因此，资源分配中时延QoS要求约束的等价条件可表示为：

$M^{\′}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{R}_{q,k,m}\≥{\mathrm{\ψ}}_{q,k}\∀k\∈K_2---\left(5\right)$

其中，R_q,k,m表示用户k的第q个队列在块m上的通信速率，每个块上的子载波个数为M'，ψ_q,k为其对应的物理层速率阈值；

步骤3：根据步骤1得到的队列状态信息，通过排队论理论将高层信息的时延服务质量要求转化为物理层的链路速率信息，记时延敏感用户一条数据流两种类型数据包的时延约束为：高时延约束T^H和低时延约束T^L，具体是：

将步骤2中高时延约束T^H转化为物理层速率阈值R_k ^H,转化公式为：

$M^{\′}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{R}_{0,k,m}\≥{R_k}^H,\∀k\∈K_2---\left(6\right)$

将步骤2中低时延约束T^H转化为物理层速率阈值R_k ^L,其转化公式为：

$M^{\′}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{R}_{1,k,m}\≥{R_k}^L,\∀k\∈K_2---\left(7\right)$

其中：

$R_{q,k,m}=\frac{B}{L}{\log }_2(1+\frac{{\left|h_{q,k,m}\right|}^2{P}_{q,k,m}}{{\mathrm{\σ}}^2})---\left(8\right)$

m代表一个块，m∈M，M=(1,2,…,M)为块的集合，M为块集合中的第M个块，记每个块上的子载波个数为M'；σ²是高斯白噪声的方差；L为子载波的总个数；B为系统总带宽；h_q,k,m表示R_q,k,m对应的信道增益；对于时延敏感用户，q=0，1，对于时延忍耐用户q=2；

步骤4：根据物理层速率约束条件、块的约束条件和总的传输功率约束条件，确定资源分配的最优化模型；

所述块的约束条件：

{S}_q,k,m=s_q,k,m为块的分配矩阵，如果s_q,k,m=1，第m个块分配给用户k的第q种类型数据，如果s_q,k,m=0，第m个块不分配给用户k的第q种类型数据；K₁为时延忍耐用户集合，K₁={1,2，…，K₁}，Κ₁为时延忍耐用户集合的一个块；K₂为时延敏感用户集合，K₂={K₁+1,K₁+2，…，K₁+K₂}，Κ₂为时延敏感用户集合的一个块；

所述总的传输功率约束条件：

$0\≤M^{\′}\underset{k=1}{\overset{K_1+K_2}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{q=0}{\overset{q=2}{\mathrm{\Σ}}}{\mathrm{\β}}_q{P}_{q,k,m}\≤P_T---\left(10\right)$

其中，P_T为基站总的发送功率限制，P_q,k,m表示处理设定长度的数据所消耗的功率，一条数据流的数据包长度设定值为F，高时延约束数据包占数据包总长度的比例为a，则低时延约束数据包占数据包总长度的比例为(1-a)，当q=0时，β_q=a；当q=1时，β_q=(1-a)；当q=2时，β_q=1；

所述资源分配的最优化模型为：

$\max \underset{k=1}{\overset{K_1}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{M}^{\′}\·R_{q,k,m}|q=2$

$s.t.C1:M^{\′}\underset{k=1}{\overset{K_1+K_2}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{q=0}{\overset{q=2}{\mathrm{\Σ}}}{\mathrm{\β}}_q{P}_{q,k,m}\≤P_T$

$C3:s_{q,k,m}\∈\left(\mathrm{0,1}\right),\∀q,k,m$

$C4:\underset{k=1}{\overset{K_1+K_2}{\mathrm{\Σ}}}\underset{q=0}{\overset{q=2}{\mathrm{\Σ}}}{s}_{q,k,m}=1,\∀m$

步骤5：根据步骤4中的最优化模型，先根据时延服务质量要求对用户队列进行优先级的排序，再按用户队列的排序对块进行择优分配，最后进行功率分配。

对用户队列进行优先级的排序是根据时延服务质量要求排的，时延服务质量要求高的队列具有较高的优先级，因此用户队列的顺序依次为：高时延约束队列、低时延约束队列、时延忍耐用户。

用户队列是依据排好的序列依次对块进行选择的，且选择信道质量好的块，即一个用户队列选择到信道质量好的块后，其他用户队列只能从剩余的块集合中选择合适的块。

采用拉格朗日计算方法求得最优功率分配解为：

$\left\{\begin{array}{c}{P_{0,k,m}}^{*}={[\frac{B}{L}\frac{{\mathrm{\μ}}_k^H}{\ln 2\·\mathrm{\λ}\·{\mathrm{\β}}_0}-\frac{{\mathrm{\σ}}^2}{{\left|h_{0,k,m}\right|}^2}]}^{+},k\∈K_2,m=\mathrm{1,2,3}....,M\\ {P_{1,k,m}}^{*}={[\frac{B}{L}\frac{{\mathrm{\μ}}_k^L}{\ln 2\·\mathrm{\λ}\·{\mathrm{\β}}_1}-\frac{{\mathrm{\σ}}^2}{{\left|h_{1,k,m}\right|}^2}]}^{+},k\∈K_2,m=\mathrm{1,2,3}....,M\\ {P_{2,k,m}}^{*}={[\frac{B}{L}\frac{1}{\ln 2\·\mathrm{\λ}\·{\mathrm{\β}}_2}-\frac{{\mathrm{\σ}}^2}{{\left|h_{2,k,m}\right|}^2}]}^{+},k\∈K_1,m=\mathrm{1,2,3}....,M\end{array}\right.---\left(12\right)$

其中，

λ为最优化模型中C2和C1的拉格朗日因子，通过拉格朗日子梯度法求解；

步骤6：按照步骤5得到的最优解进行功率分配。

Claims (1)

1.高速场景下OFDMA系统的无线资源分配方法，其特征是该方法包括如下步骤：

步骤1：收集系统中所有用户来自高层的时延服务质量要求，以及队列状态信息和信道状态信息；

步骤2：根据来自高层的时延服务质量要求将一条数据流中的数据包分发到不同的缓冲器，具体是：

当用户为时延忍耐用户，即用户来自高层的时延服务质量要求为无时延服务质量要求时，该用户的每一条数据流的数据包无需分类，通过一个缓冲器处理；当用户为时延敏感用户，将一条数据流中的数据包按时延服务质量要求分类，这里考虑为两类，分别为高时延约束的数据包和低时延约束的数据包，将高时延约束的数据包和低时延约束的数据包分别由两个缓冲器单独处理，每个缓冲器中的数据包的约束条件需要满足下式：

$E\left[W_k\right]\≤T_k,k\∈K_2,$

其中，Ε[·]表示·的期望值，W_k是用户k一个缓冲器中数据包的系统时间，T_k是时延敏感用户的时延服务质量要求阈值，k代表一个用户，K₂为时延敏感用户的集合；

步骤3：根据步骤1得到的队列状态信息，通过排队论理论将高层信息的时延服务质量要求转化为物理层的链路速率信息，记时延敏感用户一条数据流两种类型数据包的时延约束为：高时延约束T^H和低时延约束T^L，具体是：

将步骤2中高时延约束T^H转化为物理层速率阈值R_k ^H,转化公式为：

$M^{\′}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{R}_{0,k,m}\≥{R_k}^H,\∀k\∈K_2,$

将步骤2中低时延约束T^H转化为物理层速率阈值R_k ^L,其转化公式为：

$M^{\′}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{R}_{1,k,m}\≥{R_k}^L,\∀k\∈K_2,$

其中：

$R_{q,k,m}=\frac{B}{L}{\log }_2(1+\frac{{\left|h_{q,k,m}\right|}^2{P}_{q,k,m}}{{\mathrm{\σ}}^2}),$

m代表一个块，m∈M，M=(1,2,…,M)为块的集合，M为块集合中的第M块，记每个块上的子载波个数为M'；R_q,k,m表示用户k的第q个队列在块m上的通信速率；σ²是高斯白噪声的方差；L为子载波的总个数；B为系统总带宽；h_q,k,m表示R_q,k,m对应的信道增益；对于时延敏感用户，q=0，1，对于时延忍耐用户q=2；

步骤4：根据物理层速率约束条件、块的约束条件和总的传输功率约束条件，确定资源分配的最优化模型；

所述块的约束条件：

{S}_q,k,m=s_q,k,m为块的分配矩阵，如果s_q,k,m=1，第m个块分配给用户k的第q种类型数据，如果s_q,k,m=0，第m个块不分配给用户k的第q种类型数据；K₁为时延忍耐用户集合，K₁={1,2，…，K₁}，K₁为时延忍耐用户集合的第K₁块；K₂为时延敏感用户集合，K₂={K₁+1,K₁+2，…，K₁+K₂}，K₂为时延敏感用户集合的第K₂个块；

所述总的传输功率约束条件：

$0\≤M^{\′}\underset{k=1}{\overset{K_1+K_2}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{q=0}{\overset{q=2}{\mathrm{\Σ}}}{\mathrm{\β}}_q{P}_{q,k,m}\≤P_T$

其中，P_T为基站总的发送功率限制，P_q,k,m表示处理设定长度的数据所消耗的功率，一条数据流的数据包长度设定值为F，高时延约束数据包占数据包总长度的比例为a，则低时延约束数据包占数据包总长度的比例为(1-a)，当q=0时，β_q=a；当q=1时，β_q=(1-a)；当q=2时，β_q=1；

所述资源分配的最优化模型为：

$\max \underset{k=1}{\overset{K_1}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{M}^{\′}\·R_{q,k,m}|q=2$

$s.t.C1:M^{\′}\underset{k=1}{\overset{K_1+K_2}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{q=0}{\overset{q=2}{\mathrm{\Σ}}}{\mathrm{\β}}_q{P}_{q,k,m}\≤P_T$

$C3:s_{q,k,m}\∈\left(\mathrm{0,1}\right),\∀q,k,m$

$C4:\underset{k=1}{\overset{K_1+K_2}{\mathrm{\Σ}}}\underset{q=0}{\overset{q=2}{\mathrm{\Σ}}}{s}_{q,k,m}=1,\∀m$

步骤5：根据步骤4中的最优化模型，先根据时延服务质量要求对用户队列进行优先级的排序，每个用户再按排序对块进行择优选择，最后进行功率分配，采用拉格朗日计算方法求得最优功率分配解为：

$\left\{\begin{array}{c}{P_{0,k,m}}^{*}={[\frac{B}{L}\frac{{\mathrm{\μ}}_k^H}{\ln 2\·\mathrm{\λ}\·{\mathrm{\β}}_0}-\frac{{\mathrm{\σ}}^2}{{\left|h_{0,k,m}\right|}^2}]}^{+},k\∈K_2,m=\mathrm{1,2,3}....,M\\ {P_{1,k,m}}^{*}={[\frac{B}{L}\frac{{\mathrm{\μ}}_k^L}{\ln 2\·\mathrm{\λ}\·{\mathrm{\β}}_1}-\frac{{\mathrm{\σ}}^2}{{\left|h_{1,k,m}\right|}^2}]}^{+},k\∈K_2,m=\mathrm{1,2,3}....,M\\ {P_{2,k,m}}^{*}={[\frac{B}{L}\frac{1}{\ln 2\·\mathrm{\λ}\·{\mathrm{\β}}_2}-\frac{{\mathrm{\σ}}^2}{{\left|h_{2,k,m}\right|}^2}]}^{+},k\∈K_1,m=\mathrm{1,2,3}....,M\end{array}\right.$

其中，

λ为最优化模型中C2和C1的拉格朗日因子，通过拉格朗日子梯度法求解；

步骤6：按照步骤5得到的最优解进行功率分配。

Images