CN104869651B - 基于QoE的OFDMA网络下行链路资源分配方法 - Google Patents

Abstract

本发明涉及基于QoE的OFDMA网络下行链路资源分配方法。本发明方法首先建立单小区多用户ODFMA网络下行链路模型，然后建立流媒体业务QoE评估模型，得到各个用户的传输速率约束；将基于QoE约束的OFDMA系统下行链路资源分配描述为优化问题，再转化为连续变量线性约束的凸优化问题，利用次梯度迭代法对凸优化问题进行求解，将获得的拉格朗日乘子最优值代入子载波和子载波功率分配的最优值公式，获得系统子载波和子载波功率分配的最优值。本发明方法综合考虑了为保障用户QoE所需的最小速率要求和为避免资源浪费的最大QoE速率需求，可以兼顾用户QoE的提升和资源的有效利用。

Description

基于QoE的OFDMA网络下行链路资源分配方法

技术领域

本发明属于无线通信中的无线资源管理技术领域，具体涉及一种基于QoE的OFDMA系统下行链路资源分配方法。

背景技术

随着无线通信技术的发展和智能终端设备的普及，流媒体业务占通信数据量的比重越来越大。广大无线终端用户作为流媒体业务服务的对象，其对业务的体验质量(Quality of Experience,QoE)和满意度是网络运营商与业务提供商最为关心的问题。

2013年12月4日，工信部向国内三大运营商正式发放TD-LTE牌照，标志着中国跨入4G时代。在4G通信系统中，采用了正交频分多址接入(Orthogonal Frequency DivisionMultiple Access，OFDMA)技术作为关键技术之一。OFDMA网络可以动态地把可用带宽资源分配给需要的用户，从而高效地利用系统资源。因此，OFDMA网络的资源分配问题是近年来的一个研究热点。

传统的无线资源分配的目标是在兼顾用户对业务的QoS要求(如码率、时延、丢包率)以及用户之间的公平性要求下，将有限的无线资源合理配置，以实现系统资源利用率最大化的目的。然而QoS网络指标并不能直接反应用户对业务的主观感受和满意程度，对于流媒体业务而言，即使在用户观看的过程中，并没有产生传输误码，但是并不代表用户能够获得较好的体验质量，因为在这个过程中也许会有视频中断带来的不好体验。因此，如何准确评估流媒体业务QoE并指导无线资源的分配，实现用户体验质量的提升和资源的有效利用仍然处于探索阶段。

发明内容

本发明的目的就是针对现有技术的不足，提供一种基于QoE约束的OFDMA下行链路资源分配方法，可以在保障用户体验质量的同时，减少资源浪费，从而更加有效地分配系统资源，提升系统在资源利用率方面的性能。

本发明是通过以下技术方案实现的，具体步骤为：

步骤一、建立单小区多用户OFDMA网络下行链路模型；每个用户只请求单个流媒体业务；每个用户都有一个播放缓冲区，由基站发送到达客户端的数据首先存放在缓冲区中；所述的OFDMA为正交频分多址接入；

步骤二、建立流媒体业务QoE评估模型，得到各个用户的传输速率约束；所述的QoE为体验质量；具体流程为：

第1步：根据用户m的平均播放速率θ_m、播放阈值b_m，流媒体画面组(Group ofPicture,GOP)时间t₀、每个画面组封装成数据包的个数w、用户m的中断概率约束P_I,m，根据流媒体中断概率计算公式得到λ_m,min，

λ_m,min为用户m的最小QoE对应的应用层传输速率；

第2步：根据λ_m,min查指数分布置信区间表，得到用户m的最大QoE对应的应用层传输速率；

第3步：λ_m是用户m的应用层传输速率，而无线网络可分配的资源是分配给用户m的物理层的比特率R_m；根据流媒体数据在网络中的传输协议，计算数据包传输过程中在传输层、网络层、数据链路层的包头字节开销，将第1步和第2步得到的λ_m,min和λ_m,max映射成用户m的物理层的最小比特率约束R_m,min和最大比特率约束R_m,max，得到用户m的QoE速率约束条件；映射公式为：

R_m＝λ_m×数据包长×(1+开销)×8比特/字节；

步骤三、将基于QoE约束的OFDMA系统下行链路资源分配描述为优化问题；系统总带宽为B，共有K个子载波，每个子载波的带宽Δ为各个用户的信道状态信息(ChannelState Information,CSI)通过控制通道回馈给基站，QoE评估模型事先置于用户终端中；

优化问题的目标函数为其中M表示用户总数，α_m,k表示子载波分配因子，P_m,k表示用户m在使用子载波k传输数据时所分配的功率；H_m,k表示用户m在子载波k上的增益信噪比，h_m,k表示用户m在子载波k上的通道增益，N₀为加性高斯白噪声功率谱密度；

资源分配优化问题的约束条件为：

A1：m＝{1,2,…,M},k＝{1,2,…,K},为子载波分配约束，表示每个子载波同时只能被一个用户使用；

A2：P_m,k≥0，m＝{1,2,…,M},k＝{1,2,…,K}，为功率约束，功率值必须大于等于零；P_total表示系统总功率约束，表示整个系统消耗的总功率必须在系统所能提供的功率范围内；

A3：m＝{1,2,…,M}，为用户m的最小QoE速率约束；r_m,k表示用户m在子载波k上的发送速率；

A4：m＝{1,2,…,M}，为用户m的最大QoE速率约束；

步骤四、将步骤三的优化问题转化为连续变量线性约束的凸优化问题：

引入变量s_m,k，并且定义s_m,k＝α_m,kP_m,k，s_m,k表示用户m在子载波k上实际分配到的发送功率；优化问题目标函数重新描述为：

资源分配优化问题的约束条件变为：

Aa：0≤α_m,k≤1，m＝{1,2,…,M},k＝{1,2,…,K},为子载波分配约束；

Ab：s_m,k≥0，m＝{1,2,…,M},k＝{1,2,…,K}，为功率约束；

Ac：m＝{1,2,…,M}，为用户m的最小QoE速率约束；

Ad：m＝{1,2,…,M}，为用户m的最大QoE速率约束；

定义拉格朗日函数，记为L，

其中，β、μ、υ、ω为拉格朗日乘子，υ_k为约束条件Aa的拉格朗日乘子，ω为约束条件Ab的拉格朗日乘子，β_m为约束条件Ac的拉格朗日乘子、μ_m为约束条件Ad的拉格朗日乘子；

资源分配优化问题的对偶问题为其中D为拉格朗日对偶函数，

根据KKT条件将D对s_m,k求偏导，并令结果为0，得到子载波功率分配的最优值其中为s_m,k的最优值；其中[x]⁺＝max{0,x}；

将D对α_m,k求偏导，

为α_m,k的最优值；

定义根据KKT条件得到

根据约束条件Aa，最优子载波分配问题分解成K个独立的优化问题，即对于每个子载波k，子载波只被分配给具有最大值的用户；子载波分配的最优值为

步骤五、利用次梯度迭代法对凸优化问题进行求解，拉格朗日乘子的次梯度分别为：

拉格朗日乘子的迭代公式分别为：

m＝{1,2,…,M}，表示第i+1次迭代后的β_m，表示第i次迭代后的β_m；

m＝{1,2,…,M}，表示第i+1次迭代后的μm，表示第i次迭代后的μ_m；

k＝{1,2,…,K}，表示第i+1次迭代后的υ_k，表示第i次迭代后的υ_k；

ω⁽ⁱ⁺¹)＝ω⁽ⁱ⁾-δ_iΔω，ω⁽ⁱ⁺¹)表示第i+1次迭代后的ω，ω⁽ⁱ⁾表示第i次迭代后的ω；

i表示第i次迭代，δ_i表示第i次迭代的步长，取δ_i＝δ₀/i，δ₀为指定常数；

迭代的具体过程为：

第Ⅰ步、选定各拉格朗日乘子初值，令i＝0；

第Ⅱ步、计算各拉格朗日乘子次梯度，如果||g⁽ⁱ⁾||≤ε，停止迭代，进入步骤六；g⁽ⁱ⁾表示所有拉格朗日乘子次梯度的集合，ε为指定计算精度，此时各拉格朗日乘子的值即为最优值如果||g⁽ⁱ⁾||＞ε，进入第Ⅲ步；

第Ⅲ步、计算步长δ_i＝δ₀/i；

第Ⅳ步、根据迭代公式更新迭代，计算各拉格朗日乘子在第i次迭代数值，令i＝i+1，转到第Ⅱ步；

步骤六、将获得的拉格朗日乘子最优值代入步骤四中的子载波和子载波功率分配的最优值公式，即可以获得系统子载波分配的最优值和子载波功率分配的最优值

与现有OFDMA系统资源分配方法相比，本发明的有益效果表现为：

1、现有OFDMA系统资源分配方法在与流媒体业务的QoE评估相结合方面仍处于探索阶段，而本发明基于流媒体业务QoE评估模型，指导无线资源的分配。

2、现有OFDMA系统资源分配方法通常只考虑达到系统吞吐量最优，但是并没有考虑到对于流媒体业务，当分配给用户的速率达到一定值时已经可以获得比较满意的用户体验，这时再增加分配给该用户的资源对用户QoE的提升已经不明显，反而会造成资源的浪费。而本发明综合考虑了为保障用户QoE所需的最小速率要求和为避免资源浪费的最大QoE速率需求，可以兼顾用户QoE的提升和资源的有效利用。

附图说明

图1为单小区多用户OFDMA网络下行链路结构示意图。

图2为QoE评估模型结构示意图。

具体实施方式

以下结合附图实施例对本发明作进一步详细说明。

如图1所示，本实例采用频分双工(Frequency Division Duplex,FDD)模式的单小区OFDMA网络下行链路系统。信道建模中，每个子载波信道为6径独立瑞利衰落信道，信道功率衰减特性服从指数分布，均值为其中κ是常量，其值设定为-128dB，x称为路径损失指数，其值设定为3.76，d_m是用户到基站的距离，单位为km；系统中存在4个用户，随机均匀分布在基站周围；网络总带宽B为0.5MHz，划分为K＝32个子载波，噪声功率谱密度为N₀＝1e-17W/Hz；系统总功率P_total为1W；

本实例具体通过以下步骤实现：

步骤一、建立图1所示单小区多用户OFDMA网络下行链路模型，每个用户只请求单个流媒体业务；每个用户都有一个播放缓冲区，由基站发送到达客户端的数据首先存放在缓冲区中；

步骤二、建立流媒体业务QoE评估模型，如图2所示；得到各个用户的传输速率约束；

步骤三、将基于QoE约束的OFDMA系统下行链路资源分配描述为优化问题；各个用户的信道状态信息(Channel State Information,CSI)通过控制通道回馈给基站，QoE评估模型事先置于用户终端中；

优化问题的目标函数为其中α_m,k表示子载波分配因子；P_mk表示用户m在使用子载波k传输数据时所分配的功率；表示用户m在子载波k上的增益信噪比，h_m,k表示用户m在子载波k上的通道增益，N₀为加性高斯白噪声功率谱密度；

资源分配优化问题的约束条件为：α_m,k＝{0,1}，m＝{1,2,…,M},k＝{1,2,…,K},为子载波分配约束，表示每个子载波同时只能被一个用户使用；A2：P_m,k≥0，m＝{1,2,…,M},k＝{1,2,…,K}，为功率约束，功率值必须大于等于零；P_total表示系统总功率约束，表示整个系统消耗的总功率必须在系统所能提供的功率范围内；A3：m＝{1,2,…,M}，为用户m的最小QoE速率约束；A4：m＝{1,2,…,M}，为用户m的最大QoE速率约束；

步骤四、将步骤三的优化问题转化为连续变量线性约束的凸优化问题：

引入变量s_m,k，并且定义s_m,k＝α_m,kP_m,k，表示用户m在子载波k上实际分配到的发送功率；用户m在子载波k上的发送速率表示为：

资源分配优化问题的约束条件变为：A1：0≤α_m,k≤1，m＝{1,2,…,M},k＝{1,2,…,K},为子载波分配约束；A2：s_m,k≥0，m＝{1,2,…,M},k＝{1,2,…,K}，为功率约束；A3：m＝{1,2,…,M}，为用户m的最小QoE速率约束；A4：m＝{1,2,…,M}，为用户m的最大QoE速率约束；

定义拉格朗日函数，记为L，

资源分配优化问题的对偶问题为其中D为拉格朗日对偶函数，

步骤五、利用次梯度迭代法对凸优化问题进行求解，拉格朗日乘子的次梯度分别为：m＝{1,2,…,M}，m＝{1,2,…,M}，k＝{1,2,…,K}，拉格朗日乘子的迭代公式分别为：m＝{1,2,…,M}，m＝{1,2,…,M}，k＝{1,2,…,K}，δ_i表示第i次迭代的步长，取δ_i＝δ₀/i，δ₀为指定常数；迭代的具体过程为：第1步、选定各拉格朗日乘子初值，令i＝0；第2步、计算各拉格朗日乘子次梯度，令g⁽ⁱ⁾表示所有拉格朗日乘子次梯度的集合，ε为指定计算精度，如果||g⁽ⁱ⁾||≤ε，此时各拉格朗日乘子的值即为最优值，停止迭代，进入步骤六，如果||g⁽ⁱ⁾||＞ε，则进入第3步；第3步、计算步长δ_i＝δ₀/i；第4步、根据迭代公式更新迭代，计算各拉格朗日乘子在第i次迭代数值，令i＝i+1，转到第2步；

步骤六、将获得的拉格朗日乘子最优值代入步骤四中获得的子载波和子载波功率分配的最优值公式，即可以获得系统子载波分配的最优值和子载波功率分配的最优值

Claims (1)

1.基于QoE的OFDMA网络下行链路资源分配方法,其特征在于，该方法的具体步骤是：

步骤一、建立单小区多用户OFDMA网络下行链路模型；每个用户只请求单个流媒体业务；每个用户都有一个播放缓冲区，由基站发送到达客户端的数据首先存放在缓冲区中；所述的OFDMA为正交频分多址接入；

步骤二、建立流媒体业务QoE评估模型，得到各个用户的传输速率约束；所述的QoE为体验质量；具体流程为：

第1步：根据用户m的平均播放速率θ_m、播放阈值b_m，流媒体画面组时间t₀、每个画面组封装成数据包的个数w、用户m的中断概率约束P_I,m，根据流媒体中断概率计算公式得到λ_m,min，

λ_m,min为用户m的最小QoE对应的应用层传输速率；

第2步：根据λ_m,min查指数分布置信区间表，得到用户m的最大QoE对应的应用层传输速率；

第3步：λ_m是用户m的应用层传输速率，而无线网络可分配的资源是分配给用户m的物理层的比特率R_m；根据流媒体数据在网络中的传输协议，计算数据包传输过程中在传输层、网络层、数据链路层的包头字节开销，将第1步和第2步得到的λ_m,min和λ_m,max映射成用户m的物理层的最小比特率约束R_m,min和最大比特率约束R_m,max，得到用户m的QoE速率约束条件；映射公式为：

R_m＝λ_m×数据包长×(1+开销)×8比特/字节；

步骤三、将基于QoE约束的OFDMA系统下行链路资源分配描述为优化问题；系统总带宽为B，共有K个子载波，每个子载波的带宽Δ为各个用户的信道状态信息通过控制通道回馈给基站，QoE评估模型事先置于用户终端中；

优化问题的目标函数为其中M表示用户总数，α_m,k表示子载波分配因子，P_m,k表示用户m在使用子载波k传输数据时所分配的功率；H_m,k表示用户m在子载波k上的增益信噪比，h_m,k表示用户m在子载波k上的通道增益，N₀为加性高斯白噪声功率谱密度；

资源分配优化问题的约束条件为：

A1：α_m,k＝{0,1}，m＝{1,2,…,M},k＝{1,2,…,K},为子载波分配约束，表示每个子载波同时只能被一个用户使用；

A2：m＝{1,2,…,M},k＝{1,2,…,K}，为功率约束，功率值必须大于等于零；P_total表示系统总功率约束，表示整个系统消耗的总功率必须在系统所能提供的功率范围内；

A3：m＝{1,2,…,M}，为用户m的最小QoE速率约束；r_m,k表示用户m在子载波k上的发送速率；

A4：m＝{1,2,…,M}，为用户m的最大QoE速率约束；

步骤四、将步骤三的优化问题转化为连续变量线性约束的凸优化问题：

引入变量s_m,k，并且定义s_m,k＝α_m,kP_m,k，s_m,k表示用户m在子载波k上实际分配到的发送功率；优化问题目标函数重新描述为：

资源分配优化问题的约束条件变为：

Aa：0≤α_m,k≤1，m＝{1,2,…,M},k＝{1,2,…,K},为子载波分配约束；

Ab：s_m,k≥0，m＝{1,2,…,M},k＝{1,2,…,K}，为功率约束；

Ac：m＝{1,2,…,M}，为用户m的最小QoE速率约束；

Ad：m＝{1,2,…,M}，为用户m的最大QoE速率约束；

定义拉格朗日函数，记为L，

其中，β、μ、υ、ω为拉格朗日乘子，υ_k为约束条件Aa的拉格朗日乘子，ω为约束条件Ab的拉格朗日乘子，β_m为约束条件Ac的拉格朗日乘子、μ_m为约束条件Ad的拉格朗日乘子；

资源分配优化问题的对偶问题为其中D为拉格朗日对偶函数，

根据KKT条件将D对s_m,k求偏导，并令结果为0，得到子载波功率分配的最优值其中为s_m,k的最优值；其中[x]⁺＝max{0,x}；

将D对α_m,k求偏导，

为α_m,k的最优值；

定义根据KKT条件得到

根据约束条件Aa，最优子载波分配问题分解成K个独立的优化问题，即对于每个子载波k，子载波只被分配给具有最大值的用户；子载波分配的最优值为

步骤五、利用次梯度迭代法对凸优化问题进行求解，拉格朗日乘子的次梯度分别为：

拉格朗日乘子的迭代公式分别为：

表示第i+1次迭代后的β_m，表示第i次迭代后的β_m；

表示第i+1次迭代后的μ_m，表示第i次迭代后的μ_m；

表示第i+1次迭代后的υ_k，表示第i次迭代后的υ_k；

ω⁽ⁱ⁺¹⁾＝ω⁽ⁱ⁾-δ_iΔω，ω⁽ⁱ⁺¹⁾表示第i+1次迭代后的ω，ω⁽ⁱ⁾表示第i次迭代后的ω；

i表示第i次迭代，δ_i表示第i次迭代的步长，取δ_i＝δ₀/i，δ₀为指定常数；

迭代的具体过程为：

第Ⅰ步、选定各拉格朗日乘子初值，令i＝0；

第Ⅱ步、计算各拉格朗日乘子次梯度，如果||g⁽ⁱ⁾||≤ε，停止迭代，进入步骤六；g⁽ⁱ⁾表示所有拉格朗日乘子次梯度的集合，ε为指定计算精度，此时各拉格朗日乘子的值即为最优值ω^*；如果||g⁽ⁱ⁾||＞ε，进入第Ⅲ步；

第Ⅲ步、计算步长δ_i＝δ₀/i；

第Ⅳ步、根据迭代公式更新迭代，计算各拉格朗日乘子在第i次迭代数值，令i＝i+1，转到第Ⅱ步；

步骤六、将获得的拉格朗日乘子最优值ω^*代入步骤四中的子载波和子载波功率分配的最优值公式，即可以获得系统子载波分配的最优值和子载波功率分配的最优值