CN105072689B - 基于有源天线阵列模型的多播系统无线资源优化分配方法 - Google Patents

Abstract

本发明公开了一种基于有源天线阵列模型的多播系统无线资源优化分配方法，包括基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理；根据用户聚类结果，根据每个用户群位置信息，计算出每个用户群中心位置水平方位角和垂直仰角；基站天线波束实现对用户群的精确对准；采用有源天线阵列的天线模型，确定基站到用户的信道增益模型；基于最大化吞吐量的目标，提出多播系统的载波资源分配模型；提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理；基于最大化吞吐量的载波分配算法。本发明提高了频谱效率、资源利用率、频谱效率、系统容量和用户的性能。

Description

基于有源天线阵列模型的多播系统无线资源优化分配方法

技术领域

本发明属于无线通信技术领域，尤其涉及一种基于有源天线阵列模型的多播系统无线资源优化分配方法。

背景技术

在未来移动通信中，随着移动用户数量的不断增加以及终端数据流量的不断增长，需要在现有的LTE网络中引入新的技术来更有效的利用无线资源。在LTE-A技术后续演进中，有源天线波束赋形技术在3GPP标准中提出，作为一种可以提高频谱效率的有效技术，有源阵列天线已经开始应用于基站。传统的LTE系统采用无源天线，由于天线的电子下倾角是固定不变的，所以无需资源的使用局限于水平域内，有源阵列天线可以在水平域和垂直域内对天线波束进行方向性调整，因此可以在整个空间域内有效的利用资源。资源分配在优化网络性能方面起着关键的作用，目前对资源分配的研究已经有了一定的成果。X.Zhang，X.S.Shen和L.Xie等人提出了一种低复杂度的次优化的资源分配算法来提高传输效率。K.N.Patel和H.K.shah提出了基于效用函数的比例公平算法。然而，上述的工作未考虑有源阵列天线的应用。另外，对于资源有限的无线网络，当大量用户同时请求相同的内容是，会出现资源严重短缺。多播技术是一个可以有效提高频谱利用率的技术，一次多播传输可以将相同的内容传输给多个用户，从而实现频带资源在用户间的共享。对多播系统，资源分配机制有了一定的研究，Y.Wang，X.Liu和B.Lin等人使用拉格朗日对偶方法解决分层编码多播网络中的最优化多播资源分配问题。上述文献中，大部分的研究都是针对传统的无源天线系统进行的研究，无法适用于有源阵列天线的LTE系统。W.Zhang和Y.Wang等人进行3D MIMO中干扰协调的研究，考虑部分联合传输(JT)技术建立多小区多波束的优化模型，从而进行功率、资源块和下倾角的联合优化。然而，该研究并不适用于多播系统。

现有的基站存在有源阵列天线实现对用户群的精确对准问题以及用户群级的波束载波分配问题。

发明内容

本发明的目的在于提供一种基于有源天线阵列模型的多播系统无线资源优化分配方法，旨在解决基站有源阵列天线实现对用户群的精确对准问题以及用户群级的波束载波分配问题。

本发明是这样实现的，一种基于有源天线阵列模型的多播系统无线资源优化分配方法，所述基于有源天线阵列模型的多播系统无线资源优化分配方法包括：

基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理；

根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角；

基站天线波束实现对用户群的精确对准；

采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户群设置一个特定的电子下倾角和垂直半功率带宽的波束，确定基站到用户的信道增益模型；

基于最大化吞吐量的目标，提出多播系统的载波资源分配模型；

提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理；

基于最大化吞吐量的载波分配算法。

本发明可以实现有源阵列天线波束对用户群位置的精确对准，通过最大化小区吞吐量，进行波束载波的复用和分配，提升了系统的吞吐量和频谱效率。

进一步，所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：

l_i＝(x_i,y_i)；

其中x_i，y_i分别表示用户i的横纵坐标值。对于用户i，构建一个内容请求频率向量：

n_i＝(n_i,1,n_i,2,...,n_i,c)；

其中n_i,c表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好；

基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如下公式计算：

其中β是一个0-1之间的权重系数；

使用K-Means聚类方法，对小区内所有的用户D进行聚类，u_i＝{l_i,n_i}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D₁,…,D_C}，数学模型上是对下式求最小值：

其中γ_k为用户群的中心；

所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理具体步骤如下：

步骤一，从D中随机取C个用户，作为C个用户群的中心；

步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将用户划分到相似度最高的用户群；

步骤三，根据聚类结果，更新C个用户群的中心γ_k＝{l_k,n_k}，用如下公式：

其中m_i是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生变化。

进一步，所述根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角具体包括：

采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户群设置一个特定的电子下倾角和垂直半功率带宽的波束，基站坐标为原点O(0,0,H_BS)，用户群k的质心为γ_k，位置坐标为(x_k,y_k,z_k)，垂直仰角和水平方位角为

基于聚类后的用户群位置信息，用户群质心的水平方向角和垂直仰角通过下面的公式求出：

显然，垂直仰角和水平方位角的取值范围为θ₁∈(0,π),

所述基站天线波束实现对用户群的精确对准具体包括：

步骤一，将调整波束的电子下倾角、电子水平角和半功率带宽，使波束的辐射方向对准用户群的中心位置，使半功率带宽范围覆盖用户群中的所有用户，基站到用户的下倾角和水平角将调整为：

其中，和θ_k为基站基于用户聚类结果，利用用户群的中心位置计算出来的用户群中心的水平方位角和垂直仰角；

步骤二，确定波束宽度，用户群的覆盖区域为一个圆点在用户群中心的圆形，则该圆形区域的半径为该用户群中离中心位置最远的用户与中心的距离，即：

其中(x_k,y_k)为用户群k的中心γ_k的坐标。则第k个波束的垂直半功率带宽为：

进一步，所述采用有源天线阵列的天线模型，并确定基站到用户的信道增益模型具体包括：

步骤一，根据每个用户的位置信息以及所属的用户群波束，计算出每个用户位置的实际水平方位角和垂直仰角，计算出用户i相对于基站的水平方位角和垂直仰角θ_i'，若用户i属于多播组k，则用户i的实际水平方位角和垂直仰角等于：

步骤二，有源天线阵列的天线模型：

3D天线增益模型采用3GPP标准中提出的有源天线阵列辐射模型，天线增益模型表示如下：

其中，为下倾角为0时的有源天线单阵元的天线增益模型，和θ为用户实际位置上的方位角和垂直仰角，ρ为阵列天线的相关系数，w_m,n和v_m,n分别为权值因子和用户偏移相位，分别表示如下：

其中，θ_etilt表示天线波束的下倾角，表示天线的水平转向角，针对不同的用户群，天线的θ_etilt和的配置不同；

步骤三，基站到用户的信道增益模型，采用多播信道增益模型，在一个多播组中的用户以相同的速率接受数据，基站的传输速率超过了该群中的某个用户的最大承受速率，则这个用户将不能正常解码该数据，基站以用户群中最小的速率传输数据，因此用户群k中基站到用户的等效信道增益等于该用户群中用户的最差信道增益，即：

其中表示用户i(i∈D_k)在载波n上的信道增益，由3部分组成：快衰落、基站到用户的路径损耗和用户的3D天线增益，如下表达式：

其中，F和PL分别表示快衰落和路径损耗，表示第k个波束到用户i的3D天线增益；

所述基于最大化吞吐量的目标，提出多播系统的载波资源分配模型具体包括：

以小区中的总的吞吐量作为系统的效益U：

其中D和F分别表示多播组和载波集合，表示用户群k中用户在载波n上可获得的总数据传输速率，由：

计算，其中B₀为载波的带宽，p^k为分配给用户群k的波束的传输功率，σ²为高斯白噪声的功率，α_n,k为载波使用指示因子，满足条件：

α_n,k＝{0,1},D_k∈D,n∈F (1)

条件(1)表示载波n分配给用户群k，则α_n,k＝1，否则α_n,k＝0，条件(2)说明载波被全部使用，且一个载波可被多个用户群复用。

进一步，所述提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理具体包括：

基于图论的知识对用户群进行分簇，定义波束间的干扰图G＝(V,E)，其中V表示波束的集合，作为干扰图的顶点，E表示波束间的干扰系数，作为干扰图的边，定义指示函数e(v_k,v_m)(k≠m)指示波束k和波束m间的干扰：

其中O_k和O_m分别表示用户群k和用户群m的半径，r_th表示两个波束间干扰忽悠不计的门限距离，另外，定义e(v_k,v_k)＝0，表示波束自身不存在干扰，根据指示函数，构建一个二值干扰矩阵：

定义波束的干扰度：

当d_G(v_k)＝0时，称v_k为零度节点；

分簇的具体步骤如下：

步骤一，用顶点集合V构建干扰矩阵A_G，初始化迭代因子h＝1，孤立节点集合分簇集合节点集合

步骤二，找到所有的零度节点v_k，更新S＝S∪v_k；剩余节点集合记为Φ₁＝V-S；

步骤三，分簇：a)找节点k＝arg max(d_G(v_k))，令干扰矩阵的第k行、第k列为0，更新节点集合B_h＝B_h∩v_k；b)循环执行a)直到A_G＝0；c)更新Φ_h＝Φ_h-B_h，则Φ_h为第h个簇；

步骤四，用节点集合B_h重新构建A_G≠0，更新节点集合Φ_h+1＝B_h，更新迭代因子h＝h+1，执行步骤(3)；如果A_G＝0或者|B_h|＝1，如果|B_h|＝1，则Φ_h+1＝B_h；

步骤五，将孤立节点集合S分配到最少节点的一簇中；

经过用户群的分簇处理后，用户群D＝{D₁,…,D_k,…,D_C}经过分簇算法被划分为Φ＝{Φ₁,…,Φ_h,…}，Φ_h表示第h个用户群簇，每个簇中的总的用户传输速率为：

系统总的吞吐量为所有用户群簇的传输速率之和：

其中为用户群簇Φ_h使用载波n的指示因子，相应的，满足的条件为：

条件(2)表示一个载波只能分配给一个用户群簇，同一簇中的用户群共享一个载波资源，不同簇中的用户群不可以复用。

进一步，所述基于最大化吞吐量的载波分配算法具体步骤如下：

步骤一，根据公式：

计算每个簇中的用户在载波n上的总传输速率；

步骤二，为了最大化系统的吞吐量，找到获得最大速率的载波和用户群簇，首先分配该载波给该用户群簇，根据公式：

将载波n分配给用户群簇Φ_h获得最大的传输速率，载波n分配给簇Φ_h的频谱利用率最高，所以将载波n分配给用户群簇Φ_h；

步骤三，将载波n从载波集合F中移除，同时，将用户群簇Φ_h从集合Φ中移除；

步骤四，重复执行步骤二和步骤三，直到载波集合或者用户群簇集合成为空集。

本发明的另一目的在于提供一种基于有源天线阵列模型的多播系统无线资源优化分配方法的无线资源优化分配系统，所述无线资源优化分配系统包括：

聚类处理模块，用于基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理；

位置计算模块，用于根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角；

对准模块，用于基站天线波束实现对用户群的精确对准；

信道增益模块，用于采用有源天线阵列的天线模型，确定基站到用户的信道增益模型；

载波资源分配模块，用于基于最大化吞吐量的目标，提出多播系统的载波资源分配模型；

分簇处理模块，提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理；

载波分配模块，基于最大化吞吐量的载波分配算法。

进一步，所述聚类处理模块进一步包括：

用户选取单元，用于从所有用户中随机取用户，作为用户群的中心；

相似度计算单元，用于根据相似度的计算公式，计算剩下的用户到用户群中心的相似度，将用户划分到相似度最高的用户群；

更新单元，根据聚类结果，更新用户群中心。

进一步，所述对准模块进一步包括：

用户群位置计算单元，用于利用用户群的中心位置计算出来的用户群中心的水平方位角和垂直仰角；

波束宽度确定单元，用于接收波束的垂直半功率带宽；

所述信道增益模块进一步包括：

用户位置计算单元，根据每个用户的位置信息以及所属的用户群波束，计算出每个用户位置的实际水平方位角和垂直仰角；

天线模型单元，用于采用3GPP标准中提出的有源天线阵列辐射模型；

信道增益计算单元，采用多播信道增益模型，在一个多播组中的用户以相同的速率接受数据，基站以用户群中最小的速率传输数据，因此用户群中基站到用户的等效信道增益等于该用户群中用户的最差信道增益。

本发明提供的基于有源天线阵列模型的多播系统无线资源优化分配方法，与现有技术相比具有以下优点：

1、采用基于用户偏好的多播技术，提高了频谱资源利用率。本发明中，考虑用户可能请求相同视频内容的情形，根据用户的位置信息和视频请求偏好信息进行用户聚类，处于相近位置的请求偏好也相近的用户可以划分为一个多播组，在一个多播组中采用多播技术分发相同的内容，多播组内所有用户共享一个载波资源，从而提高了系统的频率资源利用率。

2、实现有源天线阵列波束对用户群的精确对准，提高了功率、频率资源利用率。通过有源阵列天线波束赋形技术，为每个多播组分配一个服务的有源天线波束。每个波束指向所服务的多播组，方向性很强，波束带宽较全向天线变窄，使得能量比较集中，信号强度增大，提高了功率的利用率。另外，由于波束主瓣较窄，副瓣迅速衰减，不同方向的波束间相互干扰很小，可以实现不同波束间的用户群的频率复用，提高了频率资源利用率。

3、通过对用户群分簇，实现用户群间的频率复用，提高了频谱效率。在本发明中，根据用户群波束间的干扰对用户群进行分簇，将干扰较小的用户群分为一簇。同一簇中的用户群，由于相互间干扰较小，可以共享一个频率资源，从而实现用户群间的频率复用。

4、提出了针对有源天线多播系统的载波分配算法，提高了用户性能和系统容量。采用有源天线的多播系统，有源阵列波束的方向性强，带宽较窄，能量较集中，使得用户的接受信号强度增大，同时提出了基于最大化吞吐量的载波分配算法，提高了用户的性能和系统容量。

附图说明

图1是本发明实施例提供的基于有源天线阵列模型的多播系统无线资源优化分配方法流程图。

图2是本发明实施例提供的载波分配的具体算法流程图。

图3是本发明实施例提供的系统模型图。

图4是本发明实施例提供的与其他传统资源分配机制下系统总吞吐量曲线图。

图5是本发明实施例提供的与其他传统资源分配机制下频谱利用率的柱状图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明中有源天线阵列采用用户群级的波束赋形技术进行用户的信号传输，考虑用户的位置信息和视频请求偏好信息对用户进行聚类，根据用户群的位置，基站对波束的方向、覆盖范围进行调整，为每个用户群辐射一个波束，实现波束-用户群间的精确对准。在有源天线阵列实现用户群波束的对准后，根据用户群的位置对用户群进行分簇，同一簇中的用户群可以共享频带资源，实现频率在用户群间的复用，基于系统吞吐量最大化建立优化模型，提出了优化的载波分配算法，提升了系统的吞吐量和频谱效率。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例的基于有源天线阵列模型的多播系统无线资源优化分配方法包括以下步骤：

S101：基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理；

S102：根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角；

S103：基站天线波束实现对用户群的精确对准；

S104：采用有源天线阵列的天线模型，确定基站到用户的信道增益模型；

S105：基于最大化吞吐量的目标，提出多播系统的载波资源分配模型；

S106：提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理；

S107：基于最大化吞吐量的载波分配算法。

下面结合具体实施例对本发明的应用原理作进一步的说明。

本发明的具体实施步骤如下：

步骤1，基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理。

用户的位置信息可以用当前的位置坐标来描述：

l_i＝(x_i,y_i)；

其中x_i，y_i分别表示用户i的横纵坐标值。对于用户i，构建一个内容请求频率向量：

n_i＝(n_i,1,n_i,2,...,n_i,c)；

其中n_i,c表示用户i请求内容c的次数。每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好。

本发明中，基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，可用如下公式计算：

其中β是一个0-1之间的权重系数。

使用K-Means聚类方法，对小区内所有的用户D进行聚类，u_i＝{l_i,n_i}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D₁,…,D_C}，数学模型上是对下式求最小值：

其中γ_k为用户群的中心。

具体步骤如下：

1a)从D中随机取C个用户，作为C个用户群的中心；

1b)根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将这些用户划分到相似度最高的用户群；

1c)根据聚类结果，更新C个用户群的中心γ_k＝{l_k,n_k}，可用如下公式：

其中m_i是一个0-1之间的权重系数，重复(1b)(1c)，直到聚类中心不再发生变化。

步骤2，根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角。

本发明中采用有源天线波束赋形模型，如图2所示的场景，基站对每个用户群有一个特定波束，即对每个用户群设置一个特定的电子下倾角和垂直半功率带宽的波束。设基站坐标为原点O(0,0,H_BS)，用户群k的质心为γ_k，其位置坐标为(x_k,y_k,z_k)，其垂直仰角和水平方位角为

基于聚类后的用户群位置信息，用户群质心的水平方向角和垂直仰角可以通过下面的公式求出：

显然，垂直仰角和水平方位角的取值范围为θ₁∈(0,π),

步骤3，基站天线波束实现对用户群的精确对准。

当基站的发射功率确定时，波束实现完全对准用户群，用户可以获得较大的天线增益性能。本发明将调整波束的电子下倾角、电子水平角和半功率带宽，使波束的辐射方向对准用户群的中心位置，使半功率带宽范围覆盖用户群中的所有用户。因此，基站到用户的下倾角和水平角将调整为：

其中，和θ_k为基站基于用户聚类结果，利用用户群的中心位置计算出来的用户群中心的水平方位角和垂直仰角。

另外，需要确定波束宽度，假定用户群的覆盖区域为一个圆点在用户群中心的圆形，则该圆形区域的半径为该用户群中离中心位置最远的用户与中心的距离，即：

其中(x_k,y_k)为用户群k的中心γ_k的坐标。则第k个波束的垂直半功率带宽为：

步骤4，采用有源天线阵列的天线模型，并确定基站到用户的信道增益模型。

4a)根据每个用户的位置信息以及所属的用户群波束，计算出每个用户位置的实际水平方位角和垂直仰角。如同步骤2中的方法计算出用户i相对于基站的水平方位角和垂直仰角θ_i'，若用户i属于多播组k，则用户i的实际水平方位角和垂直仰角等于

4b)有源天线阵列的天线模型：

本发明中3D天线增益模型采用3GPP标准中提出的有源天线阵列辐射模型，可以实现波束赋形。天线增益模型表示如下：

其中，为下倾角为0时的有源天线单阵元的天线增益模型，和θ为用户实际位置上的方位角和垂直仰角，ρ为阵列天线的相关系数，w_m,n和v_m,n分别为权值因子和用户偏移相位，分别表示如下：

其中，θ_etilt表示天线波束的下倾角，表示天线的水平转向角。针对不同的用户群，天线的θ_etilt和的配置不同。

4c)基站到用户的信道增益模型：

本发明中采用一种常用的多播信道增益模型。在一个多播组中的用户以相同的速率接受数据，如果基站的传输速率超过了该群中的某个用户的最大承受速率，则这个用户将不能正常解码该数据。本发明假设基站以用户群中最小的速率传输数据，因此用户群k中基站到用户的等效信道增益等于该用户群中用户的最差信道增益，即：

其中表示用户i(i∈D_k)在载波n上的信道增益，由3部分组成：快衰落、基站到用户的路径损耗和用户的3D天线增益，如下表达式：

其中，F和PL分别表示快衰落和路径损耗，表示第k个波束到用户i的3D天线增益。每个波束与用户群都是一一对应的，针对某个有用信号的波束，对于其余的用户群中的用户而言，该波束信号则是干扰。

步骤5，基于最大化吞吐量的目标，提出多播系统的载波资源分配模型。

以小区中的总的吞吐量作为系统的效益U：

其中D和F分别表示多播组和载波集合，表示用户群k中用户在载波n上可获得的总数据传输速率，可由：

计算，其中B₀为载波的带宽，p^k为分配给用户群k的波束的传输功率，σ²为高斯白噪声的功率。α_n,k为载波使用指示因子，满足条件：

α_n,k＝{0,1},D_k∈D,n∈F (1)

条件(1)表示载波n分配给用户群k，则α_n,k＝1，否则α_n,k＝0。条件(2)说明载波被全部使用，且一个载波可以被多个用户群复用。

步骤6，提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理。

由于采用有源阵列天线，每个多播群都有一个特定的波束，在期望的方向信号强度很大，其他方向信号迅速减弱，因此不同方向波束间的干扰较小。本发明假设用户群相距较远时，两个波束间的干扰将可以忽略不计，将这些互不干扰的用户群可分为一簇，同簇中的用户群可以共享频带资源。本发明基于图论的知识对用户群进行分簇，定义波束间的干扰图G＝(V,E)，其中V表示波束的集合，作为干扰图的顶点，E表示波束间的干扰系数，作为干扰图的边。定义指示函数e(v_k,v_m)(k≠m)指示波束k和波束m间的干扰：

其中O_k和O_m分别表示用户群k和用户群m的半径，r_th表示两个波束间干扰可以忽悠不计的门限距离。另外，定义e(v_k,v_k)＝0，表示波束自身不存在干扰。根据指示函数，构建一个二值干扰矩阵：

进一步，定义波束的干扰度：

当d_G(v_k)＝0时，称v_k为零度节点。

分簇的具体步骤如下：

6a)用顶点集合V构建干扰矩阵A_G，初始化迭代因子h＝1，孤立节点集合分簇集合节点集合

6b)找到所有的零度节点v_k，更新S＝S∪v_k；剩余节点集合记为Φ₁＝V-S；

6c)分簇：a)如果找节点k＝arg max(d_G(v_k))，令干扰矩阵的第k行、第k列为0，更新节点集合B_h＝B_h∩v_k；b)循环执行a)直到A_G＝0；c)更新Φ_h＝Φ_h-B_h，则Φ_h为第h个簇；

6d)用节点集合B_h重新构建A_G≠0，更新节点集合Φ_h+1＝B_h，更新迭代因子h＝h+1，执行步骤(3)；如果A_G＝0或者|B_h|＝1，如果|B_h|＝1，则Φ_h+1＝B_h；

6e)将孤立节点集合S分配到最少节点的一簇中。

经过用户群的分簇处理后，用户群D＝{D₁,…,D_k,…,D_C}经过分簇算法被划分为Φ＝{Φ₁,…,Φ_h,…}，Φ_h表示第h个用户群簇。每个簇中的总的用户传输速率为：

系统总的吞吐量为所有用户群簇的传输速率之和：

其中为用户群簇Φ_h使用载波n的指示因子，相应的，满足的条件为：

条件(2)表示一个载波只能分配给一个用户群簇，同一簇中的用户群可以共享一个载波资源，不同簇中的用户群不可以复用。

步骤7，基于最大化吞吐量的载波分配算法。参照图2，具体步骤如下：

7a)根据公式：

计算每个簇中的用户在载波n上的总传输速率。

7b)为了最大化系统的吞吐量，找到可获得最大速率的载波和用户群簇，首先分配该载波给该用户群簇。根据公式：

可知，将载波n分配给用户群簇Φ_h可获得最大的传输速率，载波n分配给簇Φ_h的频谱利用率最高，所以将载波n分配给用户群簇Φ_h。

7c)将载波n从载波集合F中移除，同时，将用户群簇Φ_h从集合Φ中移除。

7d)重复执行(2)和(3)直到，载波集合或者用户群簇集合成为空集。

具体的载波分配算法流程图，见附图2。

下面结合仿真对本发明的应用效果做进一步的说明。

1、仿真条件：

本发明的仿真中一个基站采用有源天线阵列进行部署，仿真场景为LTE单小区场景，小区中用户数目为600，仿真参数选取如下表所示：

参数	取值
		小区半径R	0.5km
用户数目	600
		用户群数目	24

基站总功率	46dBm
		每个用户的RB带宽	90kHz
基站高度	5m
		UE高度	1.5m
BS TX天线最大增益	14dBi
		UE RX天线增益	0dB
Horizontal HPBW	φ<sub>3dB</sub>＝65°
		宏基站到用户的路径损耗	128.1+37.6log10(R(km))
天线阵元水平辐射单元间隔	0.5
		天线阵元垂直方向单元间隔	0.9
水平方向天线阵列数目	8
		垂直方向天线阵列数目	4
天线阵列的相关系数	0.6
		前后向增益A<sub>m</sub>	20dB

2、仿真内容与仿真结果：

仿真比较了四种不同场景下的资源分配机制：1)使用传统天线的单播场景，该场景下采用传统的全向天线，基站-用户之间一对一的进行数据传输，频带资源在用户间无法实现共享(UC，Unicast system with conventional 2D antenna)；2)使用传统天线的多播场景，该场景下同样采用传统的全向天线，基站-用户之间一对多的进行数据传输，频带资源在用户间实现了部分共享，在多播组之间未实现共享(MC，Multicast system withconventional 2D antenna)；3)使用有源阵列天线的多播场景，该场景下采用有源阵列天线，基站-用户之间一对多的进行数据传输，频带资源可共享，在多播组之间未实现共享(PMA，preference-aware multicast system with active array antenna)；4)在3)的场景下，使用本发明提出的载波分配方案，多播组之间可以实现频带复用(PMAO，preference-aware multicast system optimized by proposed resource allocation algorithm)。仿真对本发明提出的载波分配方案和另外三种方案的系统吞吐量和频谱利用率进行了比较。

2a)图4比较了四种场景下的系统吞吐量。可以看出相比与PMA、MC和UC三种资源分配机制，本文提出的资源分配机制下的吞吐量有了很大的提升。因为提出的算法不仅将有源阵列天线引入到多播系统中，而且采用了频率复用对载波进行了有效的分配。随着载波个数的增加，PMAO的吞吐量曲线首先达到了最大值且趋于稳定，这是因为PMAO机制下10个载波已经满足了用户的载波需求。另外，由于基站天线采用了有源阵列天线，可以将波束精确的对准相应的多播组，传输数据信号的能量集中在了目标区域内，PMA机制的性能优于传统的MC。MC采用基于用户视频请求偏好的多播技术，其性能较单播系统UC好。

2b)图5为四种场景下的频谱利用率的比较图。显然，因为无法实现频带在用户间的复用，单播系统UC的频谱利用率最差。对于多播系统，由于实现了用户间的频率共享，频率利用率有了提升，另外，因为PMA采用了有源阵列天线，提高了吞吐量，其频率利用率高于MC。PMAO以最大化吞吐量为目的采用频率复用技术对载波进行了有效的分配，显著的提高了系统的频谱利用率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于有源天线阵列模型的多播系统无线资源优化分配方法，其特征在于，所述基于有源天线阵列模型的多播系统无线资源优化分配方法包括：

基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理；

根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角；

基站天线波束实现对用户群的精确对准；

采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户群设置一个特定的电子下倾角和垂直半功率带宽的波束，确定基站到用户的信道增益模型；

基于最大化吞吐量的目标，提出多播系统的载波资源分配模型；具体包括：

以总的吞吐量作为系统的效益U：

其中D和F分别表示多播组和载波集合，表示用户群k中用户在载波n上获得的总数据传输速率，由：

计算，其中B₀为载波的带宽，p^k为分配给用户群k的波束的传输功率，的含义表示用户群k中用户i在载波n上的信道增益，σ²为高斯白噪声的功率，α_n,k为载波使用指示因子，满足条件：

α_n,k＝{0,1},D_k∈D,n∈F

条件α_n,k＝{0,1},D_k∈D,n∈F表示载波n分配给用户群k，则α_n,k＝1，否则α_n,k＝0，条件说明载波被全部使用，且一个载波被多个用户群复用；

提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理；具体包括：

基于图论的知识对用户群进行分簇，定义波束间的干扰图G＝(V,E)，其中V表示波束的集合，作为干扰图的顶点，E表示波束间的干扰系数，作为干扰图的边，定义指示函数e(v_k,v_m)(k≠m)指示波束k和波束m间的干扰：

其中O_k和O_m分别表示用户群k和用户群m的半径，r_th表示两个波束间干扰忽悠不计的门限距离，另外，定义e(v_k,v_k)＝0，表示波束自身不存在干扰，根据指示函数，构建一个二值干扰矩阵：

定义波束的干扰度：

当d_G(v_k)＝0时，称v_k为零度节点；

分簇的具体步骤如下：

步骤一，用顶点集合V构建干扰矩阵A_G，初始化迭代因子h＝1，孤立节点集合分簇集合节点集合

步骤二，找到所有的零度节点v_k，更新S＝S∪v_k；剩余节点集合记为Φ₁＝V-S；

步骤三，分簇：a)找节点k＝argmax(d_G(v_k))，令干扰矩阵的第k行、第k列为0，更新节点集合B_h＝B_h∩v_k；b)循环执行a)直到A_G＝0；c)更新Φ_h＝Φ_h-B_h，则Φ_h为第h个簇；

步骤四，用节点集合B_h重新构建A_G≠0，更新节点集合Φ_h+1＝B_h，更新迭代因子h＝h+1，执行步骤(3)；如果A_G＝0或者|B_h|＝1，如果|B_h|＝1，则Φ_h+1＝B_h；

步骤五，将孤立节点集合S分配到最少节点的一簇中；

经过用户群的分簇处理后，用户群D＝{D₁,…,D_k,…,D_C}经过分簇算法被划分为Φ＝{Φ₁,…,Φ_h,…}，Φ_h表示第h个用户群簇，每个簇中的总的用户传输速率为：

系统总的吞吐量为所有用户群簇的传输速率之和：

其中为用户群簇Φ_h使用载波n的指示因子，相应的，满足的条件为：

条件表示一个载波只能分配给一个用户群簇，同一簇中的用户群共享一个载波资源，不同簇中的用户群不可以复用；

基于最大化吞吐量的载波分配算法。

2.如权利要求1所述的基于有源天线阵列模型的多播系统无线资源优化分配方法，其特征在于，所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：

l_i＝(x_i,y_i)；

其中x_i，y_i分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量：

n_i＝(n_i,1,n_i,2,...,n_i,c)；

其中n_i,c表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好；

基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如下公式计算：

其中β是一个0-1之间的权重系数；

使用K-Means聚类方法，对小区内所有的用户D进行聚类，u_i＝{l_i,n_i}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D₁,…,D_C}，数学模型上是对下式求最小值：

其中γ_k为用户群的中心；

所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理具体步骤如下：

步骤一，从D中随机取C个用户，作为C个用户群的中心；

步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将用户划分到相似度最高的用户群；

步骤三，根据聚类结果，更新C个用户群的中心γ_k＝{l_k,n_k}，用如下公式：

其中m_i是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生变化。

3.如权利要求1所述的基于有源天线阵列模型的多播系统无线资源优化分配方法，其特征在于，所述根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角具体包括：

采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户群设置一个特定的电子下倾角和垂直半功率带宽的波束，基站坐标为原点O(0,0,H_BS)，用户群k的质心为γ_k，位置坐标为(x_k,y_k,z_k)，垂直仰角和水平方位角为

基于聚类后的用户群位置信息，用户群质心的水平方向角和垂直仰角通过下面的公式求出：

显然，垂直仰角和水平方位角的取值范围为θ₁∈(0,π),

所述基站天线波束实现对用户群的精确对准具体包括：

步骤一，将调整波束的电子下倾角、电子水平角和半功率带宽，使波束的辐射方向对准用户群的中心位置，使半功率带宽范围覆盖用户群中的所有用户，基站到用户的下倾角和水平角将调整为：

其中，和θ_k为基站基于用户聚类结果，利用用户群的中心位置计算出来的用户群中心的水平方位角和垂直仰角；

步骤二，确定波束宽度，用户群的覆盖区域为一个圆点在用户群中心的圆形，则该圆形区域的半径为该用户群中离中心位置最远的用户与中心的距离，即：

其中(x_k,y_k)为用户群k的中心γ_k的坐标，则第k个波束的垂直半功率带宽为：

4.如权利要求1所述的基于有源天线阵列模型的多播系统无线资源优化分配方法，其特征在于，所述采用有源天线阵列的天线模型，并确定基站到用户的信道增益模型具体包括：

步骤一，根据每个用户的位置信息以及所属的用户群波束，计算出每个用户位置的实际水平方位角和垂直仰角，计算出用户i相对于基站的水平方位角和垂直仰角θ_i'，若用户i属于多播组k，则用户i的实际水平方位角和垂直仰角等于：

步骤二，有源天线阵列的天线模型：

3D天线增益模型采用3GPP标准中提出的有源天线阵列辐射模型，天线增益模型表示如下：

其中，为下倾角为0时的有源天线单阵元的天线增益模型，和θ为用户实际位置上的方位角和垂直仰角，ρ为阵列天线的相关系数，w_m,n和v_m,n分别为权值因子和用户偏移相位，分别表示如下：

其中，θ_etilt表示天线波束的下倾角，表示天线的水平转向角，d_V表示垂直方向阵列天线的距离，d_H表示水平方向阵列天线的距离，λ表示波长，针对不同的用户群，天线的θ_etilt和的配置不同；

步骤三，基站到用户的信道增益模型，采用多播信道增益模型，在一个多播组中的用户以相同的速率接受数据，基站的传输速率超过了该群中的某个用户的最大承受速率，则这个用户将不能正常解码该数据，基站以用户群中最小的速率传输数据，因此用户群k中基站到用户的等效信道增益等于该用户群中用户的最差信道增益，即：

其中表示用户i(i∈D_k)在载波n上的信道增益，由3部分组成：快衰落、基站到用户的路径损耗和用户的3D天线增益，如下表达式：

其中，F和PL分别表示快衰落和路径损耗，表示第k个波束到用户i的3D天线增益。

5.如权利要求1所述的基于有源天线阵列模型的多播系统无线资源优化分配方法，其特征在于，所述基于最大化吞吐量的载波分配算法具体步骤如下：

步骤一，根据公式：

计算每个簇中的用户在载波n上的总传输速率；

步骤二，为了最大化系统的吞吐量，找到获得最大速率的载波和用户群簇，首先分配该载波给该用户群簇，根据公式：

将载波n分配给用户群簇Φ_h获得最大的传输速率，载波n分配给簇Φ_h的频谱利用率最高，所以将载波n分配给用户群簇Φ_h；

步骤三，将载波n从载波集合F中移除，同时，将用户群簇Φ_h从集合Φ中移除；

步骤四，重复执行步骤二和步骤三，直到载波集合或者用户群簇集合成为空集。

6.一种使用如权利要求1所述的基于有源天线阵列模型的多播系统无线资源优化分配方法的无线资源优化分配系统，其特征在于，所述无线资源优化分配系统包括：

聚类处理模块，用于基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理；

位置计算模块，用于根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角；

对准模块，用于基站天线波束实现对用户群的精确对准；

信道增益模块，用于采用有源天线阵列的天线模型，确定基站到用户的信道增益模型；

载波资源分配模块，用于基于最大化吞吐量的目标，确定多播系统的载波资源分配模型；

分簇处理模块，定义用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理；

载波分配模块，基于最大化吞吐量的载波分配算法。

7.如权利要求6所述的无线资源优化分配系统，其特征在于，所述聚类处理模块进一步包括：

用户选取单元，用于从所有用户中随机取用户，作为用户群的中心；

相似度计算单元，用于根据相似度的计算公式，计算剩下的用户到用户群中心的相似度，将用户划分到相似度最高的用户群；

更新单元，根据聚类结果，更新用户群中心。

8.如权利要求6所述的无线资源优化分配系统，其特征在于，所述对准模块进一步包括：

用户群位置计算单元，用于利用用户群的中心位置计算出来的用户群中心的水平方位角和垂直仰角；

波束宽度确定单元，用于接收波束的垂直半功率带宽；

所述信道增益模块进一步包括：

用户位置计算单元，根据每个用户的位置信息以及所属的用户群波束，计算出每个用户位置的实际水平方位角和垂直仰角；

天线模型单元，用于采用3GPP标准中提出的有源天线阵列辐射模型；

信道增益计算单元，采用多播信道增益模型，在一个多播组中的用户以相同的速率接受数据，基站以用户群中最小的速率传输数据，因此用户群中基站到用户的等效信道增益等于该用户群中用户的最差信道增益。