CN104066192B - 一种基于用户体验质量的高能效频率功率分配方法 - Google Patents

Abstract

本发明涉及一种基于用户体验质量的高能效频率功率分配方法，属于无线通信技术领域。本发明方法针对多业务，多用户无线通信系统的各方面性能表现不均衡性以及系统具有较高能耗的问题，对无线通信系统中的频谱资源和功率资源分别进行优化分配。基于联合数据速率比例公平算法和多目标优化技术，实现了在保证系统高能效的前提下，优化用户QoE和用户公平性的目的。同时根据无线资源分配完成后各个不同业务类型的用户最终的QoE大小，系统相应的确定了该项业务对应的最大服务覆盖区域，针对不同业务类型其容许的服务范围是彼此不同的，由此形成了小区的无定形覆盖。

Description

一种基于用户体验质量的高能效频率功率分配方法

技术领域

本发明涉及一种基于用户体验质量的高能效频率功率分配方法，属于无线通信技术领域。

背景技术

随着移动通信系统规模的日益扩大以及信息时代的到来，各类新型多媒体信息业务层出不穷，用户对信息服务性能要求的增高和有限的无线系统资源之间的矛盾也逐渐扩大，因此实现对无线系统资源的优化分配变得至关重要。在传统无线资源分配技术的研究领域,主要是优化一类称之为服务质量(QualityofService，QoS)的指标参数，从而有效地分配无线资源。QoS指标是决定用户满意程度的所有业务服务水平的综合表现，它可被解释为有关物理层分组数据传输的关键业绩指标(KeyPerformanceIndicator，KPI)，通常是由网络底层的吞吐量、时延、误码组成。这表明QoS机制侧重于以网络性能评测为出发点来进行业务管理和区分，网络系统可依据不同的质量要求来处理不同业务。这一指标没有将用户的主观感受以及业务本身的属性特点纳入考量范围，但是从终端用户的角度来评定QoS却是一个更宽泛，且更具主观性的问题，因此另一更具实际参考意义的定义为用户体验质量(QualityofExperience，QoE)的评测指标在充分考虑用户主观性和QoS的基础上应用而生。

QoE是指用户对网络系统的服务能力和运营商提供的业务的服务质量(包括舒适性，可靠性等方面)的综合体验，即表明业务的舒适化程度。运营商也可以依据用户的QoE评分来优化部署网络，因此QoE指标一经提出便受到广泛关注，成为了学术界的重要研究课题之一，并且也是工业领域重要的服务性能评价指标之一。影响QoE的关键因素有很多，大致可分为技术因素和非技术因素两类，其中技术因素涉及端到端的QoS保证机制，端到端的业务质量，网络的接通和传输能力，网络的覆盖范围以及终端设备性能等等；非技术因素包含用户的主观认知，行为习惯和运营的服务质量，服务内容，价格，客服支撑，业务的便利和快捷性等等。目前针对QoE的研究内容主要集中在QoE评测模型的确定以及基于QoE及其相关指标的网络系统资源管理与优化两方面。通过确定QoE的评测模型，系统可以根据监测到的各用户的QoE值来确定其服务覆盖范围，从而完成无定形小区的设计。而通过设计一种基于QoE的无线资源分配技术，可以实现提升系统性能表现，提高无线资源利用效率，以及最大化工业利润的目的，这对经济社会和能源可持续发展都具有重要意义。

QoE的数值度量标准有平均意见值(MeanOfScore，MOS)和sigmoid效用函数两类。MOS的最初定义是一种衡量通信语音系统业务质量的重要指标，可以分为主观MOS分评价和客观MOS分评价两类。其中，主观MOS的评价方法主要是通过对比原始的语音信息和经过处理的有衰退的语音，然后得出MOS分，再映射到QoE上。现有的研究通常将MOS分量化为与底层传输QoS参数指标(例如吞吐量，丢包率，抖动和实验)相联系的公式。

另外，随着无线技术的发展，新一代的通信理念“绿色通信”被提出并广泛倡导，即采用创新的高效功放，多载波，分布式，智能温控技术等对移动通信系统进行积极改造，以达到降低能耗的目的，最终实现人与自然的和谐相处。传统的无线资源分配算法主要是最大化系统吞吐量算法和比例公平算法，其中，最大化系统吞吐量算法的目的是实现系统容量的最优，但是通常信道状况较差的用户所获得的无线资源数量也较少，因此该条件下用户的服务性能体验较差，同时也导致用户的公平性差异较大；比例公平算法是保证用户间公平性的算法，相比前者这种方法对时间窗的长度要求十分严格，一般要足以覆盖快衰落的变化，但同时会带来附加的延迟。这两类算法都属于单目标优化的范畴，最终都只是针对系统某一方面的性能进行优化。

发明内容

本发明的目的是为提升无线通信系统的能源效率和整体性能，提出了一种基于用户体验质量的高能效的频率功率分配方法。针对多业务，多用户无线通信系统的各方面性能表现不均衡性以及系统具有较高能耗的问题，对无线通信系统中的频谱资源和功率资源分别进行优化分配。基于多目标优化技术，实现了在保证系统高能效的前提下，优化用户QoE和用户公平性的目的。

本发明适用的场景为：包含K个用户的单基站移动通信小区，用户的位置随机产生。其中，K个用户包括K₁个使用业务1的用户，K₂个使用业务2的用户，......，K_p个使用业务p的用户，满足K₁+K₂+...+K_P＝K，P代表业务种类数。基站配置为单发射天线，系统可利用的总发射功率资源量为P_max，p_k,n是用户k在子载波n上分配的功率资源大小，k代表用户变量，n是子载波变量。k＝1,2,...,K，K即为单基站移动通信小区中用户总数。n＝1,2,...,N，N代表小区可用的子载波总数。

步骤1，信道信息获取：基站通过混合自动重传请求技术(HybridAutomaticRepeatRequest，HARQ)利用物理上行信道接收单基站移动通信小区中的用户按照反馈周期所反馈的下行信道质量信息。上行，下行信道均服从瑞利分布，同时考虑无线传播环境中的大尺度衰落模型，小尺度衰落模型以及信道噪声，最终可得到小区内所有用户所具有的子载波的信噪比矩阵。具体方法为：

步骤1.1，设定基站到用户k的信道多径传播路径数目为M，构建理想的符合瑞利分布的理想信道时域响应响应矩阵h^M×K，h_m,k是h^M×K的一个分量(m＝1,2,...,M)，代表用户k对应的第m条路径的理想信道时域响应，符合瑞利分布：

$f\left(h_{m,k}\right)=\frac{h_{m,k}}{{\mathrm{\σ}}^2}{e}^{-\frac{{h_{m,k}}^2}{{2\mathrm{\σ}}^2}}---\left(1\right)$

同时根据实际环境中大尺度路径损耗的要求，设定M条传播路径的增益向量P^1×M，以构建符合实际的多径移动无线传播环境，最终用户k对应的第m条路径的实际信道时域响应为其中P_m是向量P^1×M的一个分量，从而得到由组成的符合实际的信道时域响应矩阵

步骤1.2，为了观察信道在频域范围内的变化，对步骤1.1的实际信道时域响应矩阵作傅里叶变换得到频域上的信道响应矩阵H^N×K，同时为了进行功率资源和子载波资源的优化分配，需要计算每个用户在任一子载波信道下的信噪比(SignalNoiseRatio，SNR)值，即用户k在子载波n下的信噪比可定义为SNR_(n,k)：

${\mathrm{SNR}}_{(n,k)}=\frac{P_{k,n}|H_{n,k}{|}^2}{N_{0}B/N}---\left(2\right)$

从而获得由所有用户的SNR_(n,k)n＝1,2,...,N；k＝1,2,...,K构成的信噪比矩阵S^N×K，用户可通过HARQ技术将此代表下行信道传输质量信息的信噪比矩阵S^N×K反馈给基站。

步骤2，用户体验度QoE模型确立阶段：在步骤1的基础上得到不同业务种类的MOS函数模型，将MOS函数模型作为用户体验度QoE模型。MOS函数模型的形式根据业务对系统性能的敏感程度和资源量的需求程度来确立，不同业务对应不同形式的MOS函数模型。MOS函数模型的具体建立过程如下：

用户将物理层下行信道的质量信息S^N×K反馈回基站，基站结合当前时刻的子载波和功率资源分配情况，得到与物理层信息传输相关的性能指标(包括吞吐量,时延抖动，误码率)。同时用户也将自己对正在使用的业务的实际满意度通过表1中MOS分和QoE的映射关系，转化为MOS分反馈给基站。基站对收到的MOS分和物理层传输性能指标进行拟合，从而构建出MOS分与物理层传输性能指标(包括但不限于吞吐量)的函数关系，最终形成针对用户正在使用的业务的MOS函数模型。

表1QoE评测模型MOS分与QoE的映射关系表

步骤3，子载波分配阶段：利用步骤1中的信噪比矩阵S^N×K，同时将定义为数据速率比例公平因子的参数指标(即不同业务类型的用户的最大需求速率之比R_1,max:R_2,max:...:R_K,max)作为子载波资源的分配依据。为实现用户之间的数据速率比例公平性要求，子载波分配过程具体分为如下两个阶段：

步骤3.1，子载波分配第一阶段：实现满足所有用户的最低需求速率。

步骤3.1.1，从信噪比矩阵S^N×K中选择具有最大信噪比值的元素即然后将子载波n^*分配给用户k^*，即[n^*,k^*]＝max(S^N×K)。同时依据香农定理，获得用户k^*的数据速率并判断是否达到用户k^*的最低要求速率若没有达到,则删除子载波n^*，即信噪比矩阵S^N×K中第n^*行元素均设定为零。

步骤3.1.2，重复执行步骤3.1.1的方法，每重复一次都需判断是否达到用户k^*的最低要求速率直到达到用户k^*的最低需求速率，才停止重复。然后将用户k^*分离出去不再为其分配子载波，即信噪比矩阵S^N×K中第k^*列元素均设定为零。

步骤3.1.3，按照步骤3.1.1和步骤3.1.2的方法，使得所有用户均达到最低需求速率，结束第一阶段，进入子载波分配第二阶段。

步骤3.2，子载波分配第二阶段：若第一阶段结束后，子载波资源没有被全部分配，则对剩余的子载波资源按照数据比例速率公平因子来分配，进一步使单基站移动通信小区内各用户的实际速率的比值满足数据速率比例公平性的要求，即R₁:R₂:...:R_K＝R_1,max:R_2,max:...:R_K,max。

具体方法为：将第一阶段得到的当前各个用户的数据速率R_k与该用户的最大需求速率R_k,max作比值，然后选择比值最小的用户即优先为用户分配剩余的子载波中信道增益最好的子载波n^*，即其中代表S^N×K矩阵的第列，然后利用香农定理，重新计算用户的速率重复此方法直到所有的子载波全部分配完毕。

步骤4，功率资源分配阶段：依据步骤2的各类业务的MOS函数模型和步骤3确定的各用户的子载波分配情况，在保证系统平均用户QoE较好的条件下，采用多目标优化方法将系统所需实现的各项性能作为优化目标，通过权衡优化目标间的轻重关系，最终实现高效的、公平的且平均用户QoE较好的无线资源分配方案。具体实现过程如下：

多目标优化公式为：

e_k(t)＝λ_k,1|R_k(t)-R_k，min(t)|+λ_k,2|u_k(t)-u_k,max(t)|+λ_k,3|u_k(t)-u_k,min(t)|(3)

其中t＝1,2,…是为达到最优的资源分配结果而进行的迭代分配次数变量。R_k(t)代表第t次迭代时用户k实际获得的速率大小，R_k，min(t)是第t次迭代时用户k的最低速率需求量。u_k(t)定义为效用函数，它是与用户k第t次迭代时的MOS分成正相关的函数,即u_k(t)＝f(MOS_k(R_k(t)))，u_k,max(t)是第t次迭代时用户k的最高MOS分对应的效用函数最大值，u_k,min(t)是第t次迭代时用户k的最低MOS分对应的效用函数最小值。上式中的每一项优化目标都是对偏差取绝对值的形式，定义e_k(t)为用户k的误差函数。第一项目标λ_k,1|R_k(t)-R_k，min(t)|是在子载波资源分配完成的前提下，通过优化用户k的数据速率来间接对用户k消耗的功率资源量进行优化，依据是香农定理中速率和功率正相关的关系，通过第一项优化目标最终实现了系统总消耗功率的最小化，进一步实现了系统能效的最大化；第二项目标λ_k,2|u_k(t)-u_k,max(t)|实现了用户k的体验度最大，而第三项目标λ_k,3|u_k(t)-u_k,min(t)|防止了在实现第二项目标时，用户k占用系统大量的功率资源和子载波资源，从而使得其余用户可利用资源量减少，系统公平性下降的情况发生。另外，采用权重因子向量λ_k＝[λ_k,1,λ_k,2,λ_k,3]权衡这三项优化目标，权重因子向量λ_k的取值表明系统侧重的最终优化目标。若λ_k,1较大则表明系统的最终优化目标更侧重于第一项目标，即降低系统功率资源消耗以实现能效的提升。基于上述优化目标公式，得到最终优化函数为：

$J=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{e}_k^2\left(t\right)---\left(4\right)$

其中J为代价函数，即所有用户的误差函数e_k(t)的平方和。优化目标是最小化此代价函数。具体的实现方法是利用最小二乘法和速率的自回归模型来对(3)提出的优化问题进行求解，从而得到用户k在第t次迭代时实际获得的速率为：

$R_k\left(t\right)=\frac{{\mathrm{\λ}}_{k,1}{R}_{k,\min }+{\mathrm{\λ}}_{k,2}{u}_{k,\min }+{\mathrm{\λ}}_{k,3}{u}_{k,\max }}{{\mathrm{\λ}}_{k,1}{R}_k(t-1)+({\mathrm{\λ}}_{k,2}+{\mathrm{\λ}}_{k,3})u_k(t-1)}{R}_k(t-1)---\left(5\right)$

计算前后连续两次迭代的速率差值|R_k(t)-R_k(t-1)|，若此差值大于事先预定的收敛门限ξ则用R_k(t)替换R_k(t-1)带入式(5)得到R_k(t+1)，再对|R_k(t+1)-R_k(t)|做进一步计算，重复迭代多次，直到前后连续两次迭代的速率差值小于或等于设定的门限值ξ为止，此时的R_k(t^*)是用户k的最优速率取值，得到了速率资源的优化分配。在进一步通过香农定理:

$R_k\left(t^{*}\right)={B\log }_2(1+\frac{P_k\left(t^{*}\right)|h{|}^2}{{\mathrm{\σ}}^2})---\left(6\right)$

其中B代表系统带宽，σ²为噪声功率大小，h为信道时域响应。由用户k的最优速率R_k(t^*)得到其对应的最优功率资源分配P_k(t^*)。至此，实现了系统内所有用户的最优功率资源分配

有益效果

对比现有的无线资源分配技术，本发明通过联合数据速率比例公平算法和多目标优化技术来对子载波资源和功率资源进行分配，在保证系统公平性性能和平均QoE的同时，提升了系统的能源效率，同时根据无线资源分配完成后，各个不同业务类型的用户最终的QoE大小，系统相应的确定了该项业务对应的最远服务覆盖区域，针对不同业务类型其容许的服务范围是彼此不同的，由此形成了小区的无定形覆盖。

附图说明

图1为本发明提出的实现无线资源分配过程的下行无线通信系统场景图；

图2为实施例中本发明设计的基于用户体验质量的高能效的频率功率分配方法与传统的比例公平算法下系统总消耗功率的曲线对比图；

图3为实施例中本发明设计的基于用户体验质量的高能效的频率功率分配方法与传统的比例公平算法下系统内用户比例公平性的柱状对比图；

图4为实施例中本发明设计的基于用户体验质量的高能效的频率功率分配方法与传统的比例公平算法下各用户QoE大小的柱状对比图。

具体实施方式

为使本发明的目标，技术方案及优点更加清楚明确，下面将结合附图对本发明的实施例进行详细的描述。本实施例以本发明的技术方案为指导进行实际的实践核验，同时给出了详细的实施方式和具体的操作流程，但本发明的保护范围并不只限于如下的实施例。

传统的无线资源管理和分配方法中，考虑到对系统性能的优化主要是针对实现最大化系统吞吐量或是公平性的目标，这类目标的实现往往伴随着系统总的无线资源量的消耗量增大，无法达到“绿色通信”的概念要求，为此本发明提出了一种利用多目标优化技术的基于用户体验质量的高能效的频率功率分配方法，方法的最终优化目标是为权衡系统各方面的性能表现，具体来说，就是在实现系统能源效率提升的同时，保证系统内用户之间公平性和用户平均QoE不至于过低。

本实施方式通过搭建符合瑞利衰落的无线信道环境并建立单个移动通信小区，小区中用户的位置随机产生。再根据多径传播条件下得到的信噪比矩阵，利用改进的数据速率比例公平方法来对子载波进行分配，从而使得用户间的公平性得到保障。在功率资源分配阶段，以多目标优化理论为基础可得到最优的功率资源分配方案,通过设计基站对每个用户的发射功率，进一步得到用户对应的用户体验度值，系统可根据用户对服务的满意程度来限定它的服务区大小，从而完成无定形小区的设计。通过这两个阶段，保证各用户间公平性和系统平均QoE较高条件下的高能效资源分配方案得以实现，通过将此方案与传统的比例公平算法做对比，可以验证这些系统性能的实现。

本实施例考虑单天线的小区系统中多种业务类型的用户并存的情况，假定有三种互有差异的业务类型，文件下载业务，视频流业务以及网络电话业务。文件下载业务是一类非实时性的业务，它对时延，丢包，抖动等并不敏感，而视频流业务和网络电话业务是典型的具有实时性质的业务，它们对时延，误码率都是十分敏感的，而且网络电话业务的优先级相比其余业务要高，但是它对无线资源的需求量不会很大，但是需求程度是最高的。本实施例针对这三类业务分别提出了各自的QoE模型，即是技术方案里提到的MOS模型，这三类模型的共同特点之一是均与物理层传输的数据速率参数指标有关，通过结合基于数据速率比例公平原则的子载波分配算法，以及多目标优化技术的功率资源分配方法，获得了用户的实际业务数据速率，进一步得到对应的用户的MOS分，直观的了解到系统各方面的性能表现，同时将此方法与传统的保证系统公平性的资源分配方法进行了对比，结果表明本发明提议的方法的确实现了高能效的目的

假设小区覆盖范围为1km，覆盖区内有10个用户，且所有用户使用单天线，其中1到3号共3个用户使用的是文件下载业务，4到6号共3个用户使用的是视频流业务，7到10号共4个用户使用的是网络电话业务。根据LTE标准，假定基站的发射功率为46dBm,信道中高斯白噪声功率谱大小为-174dBm/Hz，系统可利用的子载波数为64，且子载波间间隔为15KH。本发明提出的一种基于用户体验质量的高能效的频率功率分配方法的流程如下：

步骤1，信道信息获取阶段：建立一个小区L，其覆盖范围限定到r＝1km。同时产生6条多径信道，假定每条路径的增益向量h＝[1,e^-1,e^-2,e^-3,e^-4,e^-5]，路径损耗模型为：

PL[dB]＝140.7+36.7*log10(d)

其中d为接收端与基站的距离。同时分别对应这10个用户利用随机函数产生一个6x10的时域上的信道增益矩阵经过傅里叶变换到频域上则形成对应系统64个可用子载波数目的大小为64x10的信道频域响应矩阵用户将此信道信息通过自动混合重传机制反馈给基站，基站记录此信息作为步骤3和步骤4的分配依据。

步骤2，QoE模型确定阶段：在进行资源优化分配过程之前需要先确定用户QoE的性能评测标准，本实施例采用MOS函数模型来评测用户的QoE。以正在使用文件下载业务的用户为例，利用表1中QoE与MOS分的映射关系，用户可将各自对文件下载业务的实际满意度转化为具有量化形式的MOS分反馈回基站。同时基站利用步骤1中得到的信道信息以及当前时刻下未进行优化的子载波和功率资源的分配情况，通过香农定理得到了正在使用文件下载业务的用户的物理层信息传输速率R。基站通过拟合构建用户MOS分与物理层传输速率R之间的函数关系，形成了针对文件下载业务的MOS函数模型。同理，视频流业务和网络电话业务的MOS函数模型确定过程和文件下载业务的MOS函数模型确定过程相同。

针对不同类型的业务，基站拟合的MOS函数模型的具体形式如下：

1)基站通过收集文件下载业务的用户相关MOS分和物理层传输性能参数(本实施例主要考虑物理层的数据传输速率R)，观测到文件下载业务的MOS函数模型是一个关于数据速率R的递增，严格凹并且连续可导的函数，表示为：

${\mathrm{MOS}}_{\mathrm{FD}}=\left\{\begin{array}{cc}1.0& R<10\mathrm{kbps}\\ \mathrm{\&alpha;}1g\left(\mathrm{\&beta;R}\right)& 10\mathrm{kbps}\&le;R<300\mathrm{kbps}\\ 4.5& R\&GreaterEqual;300\mathrm{kbs}\end{array}\right.---\left(11\right)$

其中参数α,β的取值依据文件下载业务的MOS分的上下限确定。

2)本实施例利用的视频流业务是类似足球赛的具有视频对象快速移动特点的业务类型，拟合的MOS函数模型如下：

MOS_IPTV＝-0.0874+0.6582ln(R)(12)

3)网络电话业务则根据不同编码速率R条件下对应的用户MOS分，拟合出如下MOS模型

${\mathrm{MOS}}_{\mathrm{VOIP}}=\left\{\begin{array}{cc}3.5& R<10\mathrm{kbps}\\ -0.00005R^2+0.0183R+3.4376& 10\mathrm{kbps}\&le;R<60\mathrm{kbps}\\ 4.4& R\&GreaterEqual;60\mathrm{kbps}\end{array}\right.---\left(13\right)$

步骤3，子载波分配阶段，在步骤1得到的信道频域响应矩阵H’的基础上，先针对三类不同业务的用户，确定最大需求数据速率比例因子向量R_1,max:R_2,max:...:R_10,max＝5:5:5:15:15:15:1:1:1:1，以及各业务的最低需求速率[R_FD,min,R_IPTV,max,R_VOIP,max]＝[32kbps,128kbps,6kbps]，然后按照如下阶段进行分配：

第一阶段；首先，将信道增益最大的子载波n^*分配给相应的用户k^*。然后计算用户k^*的实际数据速率并判断其是否达到用户k^*最低需求速率若则用户k^*第一阶段的子载波分配过程结束，需将用户k^*删除(即不再为其分配子载波)，即通过将信噪比矩阵S^N×K中对应第k^*列的数据置为0来实现。反之若则从信噪比矩阵S^N×K中删除子载波n^*后(即将信噪比矩阵S^N×K中对应第n^*行的数据置为0)继续从剩余子载波中选择信道增益最大的子载波进行分配。直到10个用户均达到各自的最低速率要求,即然后在进行第二个阶段的分配。

第二阶段：首先依次计算第一阶段分配结束后10个用户的比例公平因子分量选择其中最小的值对应的用户k^#，对其按照第一阶段的分配原则，分配信道增益最大的子载波n^*给用户k^#，即其中代表S^N×K的第k^#列。重复循环此阶段的分配方法，直至子载波全部分配结束。

步骤4，功率资源分配阶段，在步骤3子载波分配过程结束后，再针对这10个用户分别进行功率资源的分配，选定权重因子值λ＝[0.4,0.5,0.1]，建立如下优化目标：

e_k(t)＝0.4*|R_k(t)-R_k，min(t)|+0.5*|u_k(t)-u_k,min(t)|+0.1*|u_k(t)-u_k,max(t)|(14)

针对此优化目标利用最小二乘法和自回归函数，得到如下数据速率的迭代式：

$R_k\left(t\right)=\frac{0.4R_{k,\min }+0.5u_{k,\min }+0.1u_{k,\max }}{0.4R_k(t-1)+0.6u_k(t-1)}{R}_k(t-1)---\left(15\right)$

上式中用户k的速率R_k(t)经过多次迭代后,得到最终的最优速率值为利用香农定理得到最终的最优功率分配

通过上述四个步骤，完成了频率和功率的优化分配。此时基站可依据获得的10个用户的MOS值大小按照业务对应的MOS分需求来划分基站的服务区域，从而完成无定形小区的设计。相对于传统的分配方法，本发明方法具有明显的优势。图2给出了随系统可利用的最大功率资源量的增大，本发明方法的实际系统功率资源消耗总量和传统比例公平算法的系统功率资源消耗总量的比较。从图中可以看出，当系统可利用功率资源总量增大到某一数量时，本发明方法的总功率消耗量总是低于传统比例公平算法，因此整体上提升了系统的能源效率。从图3可以看出，传统比例公平算法下所有用户的实际速率几乎都达到了预定的比例要求，即满足了用户间数据速率比例公平原则。而本发明方法虽较传统算法的公平因子有所波动，但也基本保持了系统公平性性能。图4给出了两种方法下系统内这10个使用不同类型业务用户的QoE大小，从图中可以看出，本发明方法牺牲了部分文件下载业务用户的用户体验值，来换取视频流用户和网络电话业务用户的用户体验值，同时表明了这两类业务对无线资源的需求程度是较高的。综上所述，本发明提出的基于用户体验质量的高能效的频率功率分配方法具有提升系统性能的优势，同时和传统的单目标优化资源分配算法相比，它更具有实际的应用意义。

以上所述的具体描述，对发明的目的、技术方案和优点益处都进行了进一步的详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于用户体验质量的高能效频率功率分配方法，其特征在于：适用的场景为：包含K个用户的单基站移动通信小区，用户的位置随机产生；其中，K个用户包括K₁个使用业务1的用户，K₂个使用业务2的用户，......，K_p个使用业务p的用户，满足K₁+K₂+...+K_P＝K，P代表业务种类数；基站配置为单发射天线，系统能利用的发射功率资源量为P_max，p_k,n是用户k在子载波n上分配的功率资源大小，k代表用户变量，n是子载波变量；k＝1,2,...,K，K即为单基站移动通信小区中用户总数；n＝1,2,...,N，N代表小区可用的子载波总数；

步骤1，信道信息获取：基站通过混合自动重传请求技术(HybridAutomaticRepeatRequest，HARQ)利用物理上行信道接收单基站移动通信小区中的用户按照反馈周期所反馈的下行信道质量信息，上行，下行信道均服从瑞利分布，同时考虑无线传播环境中的大尺度衰落模型，小尺度衰落模型以及信道噪声，最终可得到小区内所有用户所具有的子载波的信噪比矩阵，具体方法为：

步骤1.1，设定基站到用户k的信道多径传播路径数目为M，构建理想的符合瑞利分布的理想信道时域响应矩阵h^M×K，h_m,k是h^M×K的一个分量(m＝1,2,...,M)，代表用户k对应的第m条路径的理想信道时域响应，符合瑞利分布：

$f\left(h_{m,k}\right)=\frac{h_{m,k}}{{\mathrm{\&sigma;}}^2}{e}^{-\frac{{h_{m,k}}^2}{2{\mathrm{\&sigma;}}^2}}---\left(1\right)$

同时根据实际环境中大尺度路径损耗的要求，设定M条传播路径的增益向量P^1×M，以构建符合实际的多径移动无线传播环境，最终用户k对应的第m条路径的实际信道时域响应为其中P_m是向量P^1×M的一个分量，从而得到由m＝1,2,....,M；k＝1,2,...,K组成的符合实际的信道时域响应矩阵

步骤1.2，为了观察信道在频域范围内的变化，对步骤1.1的实际信道时域响应矩阵作傅里叶变换得到频域上的信道响应矩阵H^N×K，同时为了进行功率资源和子载波资源的优化分配，需要计算每个用户在任一子载波信道下的信噪比(SignalNoiseRatio，SNR)值，即用户k在子载波n下的信噪比可定义为SNR_(n,k)：

${\mathrm{SNR}}_{(n,k)}={\frac{P_{k,n}\left|H_{n,k}\right|}{N_{0}B/N}}^2---\left(2\right)$

其中N₀为噪声的功率；从而获得由所有用户的SNR_(n,k)n＝1,2,...,N；k＝1,2,...,K构成的信噪比矩阵S^N×K，用户可通过HARQ技术将此代表下行信道传输质量信息的信噪比矩阵S^N×K反馈给基站；

步骤2，用户体验度QoE模型确立阶段：在步骤1的基础上，得到不同业务种类的平均意见值，即MOS函数模型，将MOS函数模型作为用户体验度QoE模型；MOS函数模型的具体建立过程如下：

用户将物理层下行信道的质量信息S^N×K反馈回基站，基站结合当前时刻的子载波和功率资源分配情况，得到与物理层信息传输相关的性能指标；同时用户也将自己对正在使用的业务的实际满意度通过MOS分和QoE的映射关系，转化为MOS分反馈给基站；基站对收到的MOS分和物理层传输性能指标进行拟合，从而构建出MOS分与物理层传输性能指标的函数关系，最终形成针对用户正在使用的业务的MOS函数模型；

步骤3，子载波分配阶段：利用步骤1中的信噪比矩阵S^N×K，同时将定义为数据速率比例公平因子的参数指标，即不同业务类型的用户的最大需求速率之比R_1,max:R_2,max:...:R_K,max作为子载波资源的分配依据，为实现用户之间的数据速率比例公平性要求，子载波分配过程具体分为如下两个阶段：

步骤3.1，子载波分配第一阶段：实现满足所有用户的最低需求速率；

步骤3.1.1，从信噪比矩阵S^N×K中选择具有最大信噪比值的元素即然后将子载波n^*分配给用户k^*，即同时依据香农定理，获得用户k^*的数据速率并判断是否达到用户k^*的最低要求速率若没有达到,则删除子载波n^*，即信噪比矩阵S^N×K中第n^*行元素均设定为零；

步骤3.1.2，重复执行步骤3.1.1的方法，每重复一次都需判断是否达到用户k^*的最低要求速率直到达到用户k^*的最低需求速率，才停止重复；然后将用户k^*分离出去不再为其分配子载波，即信噪比矩阵S^N×K中第k^*列元素均设定为零；

步骤3.1.3，按照步骤3.1.1和步骤3.1.2的方法，使得所有用户均达到最低需求速率，结束第一阶段，进入子载波分配第二阶段；

步骤3.2，子载波分配第二阶段：若第一阶段结束后，子载波资源没有被全部分配，则对剩余的子载波资源按照数据比例速率公平因子来分配，进一步使单基站移动通信小区内各用户的实际速率的比值满足数据速率比例公平性的要求，即R₁:R₂:...:R_K＝R_1,max:R_2,max:...:R_K,max；

具体方法为：将第一阶段得到的当前各个用户的数据速率R_k与该用户的最大需求速率R_k,max作比值，然后选择比值最小的用户即优先为用户分配剩余的子载波中信道增益最好的子载波n^*，即其中代表S^N×K矩阵的第列，然后利用香农定理，重新计算用户的速率重复此方法直到所有的子载波全部分配完毕；

步骤4，功率资源分配阶段：依据步骤2的各类业务的MOS函数模型和步骤3确定的各用户的子载波分配情况，在保证系统平均用户QoE的条件下，采用多目标优化方法将系统所需实现的各项性能作为优化目标，通过权衡优化目标间的轻重关系，最终实现平均用户QoE的无线资源分配方案；具体实现过程如下：

多目标优化公式为：

e_k(t)＝λ_k,1|R_k(t)-R_k，min(t)|+λ_k,2|u_k(t)-u_k,max(t)|+λ_k,3|u_k(t)-u_k,min(t)|(3)

其中t＝1,2,…是为达到最优的资源分配结果而进行的迭代分配次数变量；R_k(t)代表第t次迭代时用户k实际获得的速率大小，R_k，min(t)是第t次迭代时用户k的最低速率需求量；u_k(t)定义为效用函数，它是与用户k第t次迭代时的MOS分成正相关的函数,即u_k(t)＝f(MOS_k(R_k(t)))，u_k,max(t)是第t次迭代时用户k的最高MOS分对应的效用函数最大值，u_k,min(t)是第t次迭代时用户k的最低MOS分对应的效用函数最小值；上式中的每一项优化目标都是对偏差取绝对值的形式，定义e_k(t)为用户k的误差函数；第一项目标λ_k,1|R_k(t)-R_k，min(t)|是在子载波资源分配完成的前提下，通过优化用户k的数据速率来间接对用户k消耗的功率资源量进行优化，依据是香农定理中速率和功率正相关的关系，通过第一项优化目标最终实现了系统总消耗功率的最小化，进一步实现了系统能效的最大化；第二项目标λ_k,2|u_k(t)-u_k,max(t)|实现了用户k的体验度最大，而第三项目标λ_k,3|u_k(t)-u_k,min(t)|防止了在实现第二项目标时，用户k占用系统大量的功率资源和子载波资源，从而使得其余用户可利用资源量减少，系统公平性下降的情况发生；另外，采用权重因子向量λ_k＝[λ_k,1,λ_k,2,λ_k,3]权衡这三项优化目标，权重因子向量λ_k的取值表明系统侧重的最终优化目标；若λ_k,1较大则表明系统的最终优化目标更侧重于第一项目标，即降低系统功率资源消耗以实现能效的提升；基于上述优化目标公式，得到最终优化函数为：

$J=\underset{k=1}{\overset{K}{\&Sigma;}}{e}_k^2\left(t\right)---\left(4\right)$

其中J为代价函数，即所有用户的误差函数e_k(t)的平方和；优化目标是最小化此代价函数；具体的实现方法是利用最小二乘法和速率的自回归模型来对(3)提出的优化问题进行求解，从而得到用户k在第t次迭代时实际获得的速率为：

$R_k\left(t\right)=\frac{{\mathrm{\&lambda;}}_{k,1}{R}_{k,\min }+{\mathrm{\&lambda;}}_{k,2}{u}_{k,\min }+{\mathrm{\&lambda;}}_{k,3}{u}_{k,max}}{{\mathrm{\&lambda;}}_{k,1}{R}_k(t-1)+({\mathrm{\&lambda;}}_{k,2}+{\mathrm{\&lambda;}}_{k,3})u_k(t-1)}{R}_k(t-1)---\left(5\right)$

计算前后连续两次迭代的速率差值|R_k(t)-R_k(t-1)|，若此差值大于事先预定的收敛门限ξ则用R_k(t)替换R_k(t-1)带入式(5)得到R_k(t+1)，再对|R_k(t+1)-R_k(t)|做进一步计算，重复迭代多次，直到前后连续两次迭代的速率差值小于或等于设定的门限值ξ为止，此时的R_k(t^*)是用户k的最优速率取值，得到了速率资源的优化分配；在进一步通过香农定理:

$R_k\left(t^{*}\right)={\mathrm{Blog}}_2(1+\frac{P_k\left(t^{*}\right){\left|h\right|}^2}{{\mathrm{\&sigma;}}^2})---\left(6\right)$

其中B代表系统带宽，σ²为噪声功率大小，h为信道时域响应；由用户k的最优速率R_k(t^*)得到其对应的最优功率资源分配P_k(t^*)；至此，实现了系统内所有用户的最优功率资源分配P_k(t^*)

2.根据权利要求1所述的一种基于用户体验质量的高能效频率功率分配方法，其特征在于：MOS函数模型的形式根据业务对系统性能的敏感程度和资源量的需求程度来确立，不同业务对应不同形式的MOS函数模型。

3.根据权利要求1所述的一种基于用户体验质量的高能效频率功率分配方法，其特征在于：所述MOS分与QoE的映射关系为：MOS分为1分，对应的用户体验度QoE满意度为100％；MOS分为2分，对应的用户体验度QoE满意度为[80％,100％)；MOS分为3分，对应的用户体验度QoE满意度为[60％,80％)；MOS分为4分，对应的用户体验度QoE满意度为[20％,60％)；MOS分为1分，对应的用户体验度QoE满意度为[0,20％)。