CN105490794A - Ofdma毫微微小区双层网络基于分组的资源分配方法 - Google Patents

Abstract

本发明公开一种OFDMA毫微微小区双层网络基于分组的资源分配方法，包括用改良的匈牙利算法对宏用户MUEs执行子信道分配；根据宏用户功率分配的优化目标和约束条件，采用经典的注水算法计算出每个子信道上的传输功率；以避免干扰MUEs为前提，根据毫微微基站FBSs间的干扰情况建立干扰列表并对FBSs进行分组，根据每组中毫微微用户FUEs的速率需求对FBSs进行子信道分配；对毫微微基站进行功率分配；本发明能够在保证宏小区用户服务质量需求的前提下，最小化毫微微用户间的干扰，有效缓解了跨层干扰和同层干扰，提高了频谱利用率，更保证了FUEs和MUEs的服务质量。

Description

OFDMA毫微微小区双层网络基于分组的资源分配方法

技术领域

本发明涉及无线通信技术领域，特别涉及正交频分多址(OrthogonalFrequencyDivisionMultipleAccess，OFDMA)毫微微小区双层网络基于分组的资源分配方法及装置。

背景技术

在过去的几十年，蜂窝移动通信系统经历了重大的技术变革，它从提供简单语音业务的第一代(the1^stGeneration，1G)移动通信系统，历经以提供低速数据和语音业务的第二代(the2^ndGeneration，2G)移动通信系统和提供高速数据业务的第三代(the3^rdGeneration，3G)移动通信系统，发展至目前能够提供高达百兆速率的长期演进(LongTermEvolution，LTE)和LTE-A(LTE-Advanced)网络，日新月异的飞速发展反映出人们对高速率和多样化业务需求的日益增长。

然而，以上传统的蜂窝通信系统容易受到电磁干扰、用户终端移动性、接收环境复杂、带宽和功率受限以及小区边缘承受干扰大等众多因素的影响，所以其传输速率和通信质量并不能满足用户需求。因此，未来蜂窝网络的发展趋势是为用户提供更好的服务，保证用户的服务质量和高效传输。研究表明60％以上的语音服务和90％以上的数据服务发生在室内和热点地区。因此，如何提供良好的室内覆盖和满意的服务质量，特别是针对用户高速数据业务，是运营商面临的挑战和机遇。

为应对数据业务的多样化以及用户高速率的业务需求，通过在传统宏蜂窝覆盖范围内引入毫微微小区(femtocell)形成异构双层网络，已是目前解决室内移动通信覆盖和满意的有效举措。毫微微小区作为短距离、低功率、低成本的家庭小区，由用户部署通过DSL或光纤连接到核心网，其不仅可以为用户提供更好的室内体验，还能够卸载宏小区网络流量，以及增加网络覆盖范围。然而由于毫微微小区网络非规划、随机接入以及与宏小区共享频谱等特性，将会导致其与宏小区之间的跨层干扰问题以及与使用相同信道的其他毫微微小区之间的同层干扰问题，因此如何减小上述两种干扰，是需要亟待研究和解决的问题。

目前相关文献已经提出了一些用于减小跨层干扰和同层干扰的方法，其中集中式干扰管理方案采用部分频率复用和功率控制是抑制双层femtocell网络中干扰的有效手段。另外，有人提出一种基于分组的干扰管理方案，具体方法为：将分组方法分为组内正交分组和组间正交分组，组内正交分组方法将干扰严重的毫微微小区分在相同组，相同组中的毫微微小区使用不同的子信道，不同组可以复用相同的子信道。相反，组间正交分组方法是将没有干扰或干扰很小的毫微微小区分在相同组，相同组中的毫微微小区可以复用相同的子信道，不同组分配不同的子信道。

发明人发现，在现有技术中，集中式干扰管理方案随着毫微微小区数量的增加，其计算复杂度也会急剧增加，使得该方法难以在毫微微小区密集部署的场景中应用；同时，基于分组的干扰管理方案中组内正交分组方法是从每个毫微微小区自身出发进行分组，难以找到全局较优的分组方案。同时，这种分组方案得到的各个组中的毫微微小区数目很不均衡，使得一部分毫微微用户FUEs不能分配到足够多的子信道，从而难以保证FUEs的QoS。

发明内容

针对以上现有技术的不足，本发明讨论了OFDMA毫微微小区双层网络的资源分配问题，提出一种基于分组的资源分配算法，可以有效抑制跨层干扰和同层干扰。

一种用于OFDMA毫微微小区双层网络基于分组的资源分配方法，包括以下步骤：

步骤101：利用改良的匈牙利算法对宏用户MUE执行子信道分配；

步骤102：根据宏用户功率分配的优化目标和约束条件，采用经典的注水算法计算出每个子信道上的传输功率；

步骤103：以避免干扰MUEs为前提，根据毫微微基站FBSs间的干扰情况建立干扰列表并对FBSs进行分组，根据每组中毫微微用户FUEs的速率需求对FBSs进行子信道分配；

步骤104：对毫微微基站进行功率分配。

优选地，所述步骤101利用改良的匈牙利算法对宏用户执行子信道分配包括：利用改进的匈牙利算法，根据所有需要分配子信道的宏用户的信道增益，构建第一次迭代所需的效益矩阵其中M为宏用户总数，K为子信道总数；若K＜M，添加M-K个虚拟子信道，将效益矩阵变换成c_M×M，使c_M×M各行各列中都出现0元素，进行试分配，以寻求满足下述目标函数公式的最优解：

$max\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{m,k}{p}_k^M{\log }_2(1+{\mathrm{\γ}}_{m,k}^M)$

其中，表示为每个宏用户仅能分配一个子信道；若K＞M时，采取上述同样的方法，直到所有宏用户满足数据速率需求或没有待分配的子信道为止。

优选地，所述步骤102根据宏用户功率分配的优化目标和约束条件，采用经典的注水算法计算出每个子信道上的传输功率包括：引入拉格朗日公式，

$L(p,u)=B\underset{k=1}{\overset{K}{\Σ}}{\log }_2(1+p_k{g}_k)-u(\underset{k=1}{\overset{K}{\Σ}}{p}_k-P_{tot})$

其中，u是拉格朗日乘子，为常数；是子信道k上的增益干扰比，其中m在子信道分配时已确定；P_tot为总的发射功率；对上述拉格朗日公式计算偏导得到K个等式并进行转换：p_k＝[η-1/g_k]⁺，其中，[φ]⁺＝max{0,φ}，η＝B/(uln2)为注水线，并利用经典注水法快速求出每个子信道上的传输功率；B为子信道的带宽。

优选地，步骤103中所述根据毫微微基站FBSs间的干扰情况对毫微微基站进行分组包括：采用动态的组间正交分组方法，将干扰小的毫微微基站分在相同组，将干扰大的毫微微基站分在不同组，相同组中的毫微微基站之间干扰很小，可以复用相同的子信道以提高频谱利用率，不同组中的毫微微基站之间干扰较大，每组使用正交的子信道以消除组间干扰；利用图论中的着色原理进行分组，将干扰表中的F个毫微微基站分到L个组，使得相同组中的毫微微基站间的干扰总和最小，以此得到最优的分组方案。

优选地，步骤103中所述建立干扰列表进一步包括：根据同组中毫微微基站干扰总和最小公式来确定干扰列表：且满足约束条件：C_l∩C_g＝Φ(l,g∈χ)，e_h,v＝0(h,v∈C_l)以及v_il∈{0,1}，其中，w_ij和e_h,v分别为干扰系数矩阵W和潜在干扰矩阵E中的元素，C_l表示第l组中FBSs的集合，v_il是着色矩阵V＝(v_il)_F×L里面的一个元素，v_il＝1表示FBSi着第l种颜色，同样也表示FBSi分到第l组；当FBSi不着第l种颜色，也即FBSi不分到第l组时，v_il＝0。

优选地，所述步骤104对毫微微基站进行功率分配包括：根据迭代公式确定功率分配值：

其中，I_min,j和I_max,j分别是FBSj的最小信干噪比SINR需求和最大信干噪比SINR需求，SINR_j表示第j个FBS的信干噪比；p_j(t)为FBSj在第一次迭代时的发射功率，Δp为发射功率的调整粒度

本发明的有益效果在于：本发明针对OFDMA毫微微小区双层网络中的资源分配问题，在保证宏小区用户QoS的前提下，采用基于分组的资源分配算法来实现有效抑制跨层干扰和同层干扰的目的，不仅能提高频谱利用率，更能保证FUEs和MUEs的QoS需求。

附图说明

图1本发明OFDMA毫微微小区双层网络基于分组的资源分配方法优选实施例流程图；

图2本发明OFDMA毫微微小区双层网络中MUEs资源分配方法模块示例图；

图3本发明OFDMA毫微微小区双层网络基于分组的资源分配方法中用于MUEs子信道分配过程的实施例流程图；

图4本发明与现有技术中断概率仿真比较图；

图5本发明与现有技术频谱效率仿真比较图；

图6本发明与现有技术满意度仿真比较图；

图7本发明与现有技术公平性仿真比较图。

具体实施方式

为使本发明的目的、技术方案和优点表达得更加清楚明白，下面结合附图及具体实施案例对本发明做进一步详细说明。

图1本发明OFDMA毫微微小区双层网络基于分组的资源分配方法优选实施例流程图，该方法包括以下步骤：

步骤101：利用改良的匈牙利算法对宏用户(MUE)执行子信道分配；

步骤102：根据MUE功率分配的优化目标和约束条件，采用经典的注水算法计算出每个子信道上的传输功率；

步骤103：以避免干扰MUEs为前提，根据毫微微基站(FBSs)间的干扰情况建立干扰列表并对FBSs进行分组，根据每组中毫微微用户(FUEs)的速率需求对FBSs进行子信道分配；

步骤104：对FBSs进行功率分配。

图2为本发明OFDMA毫微微小区双层网络中MUEs资源分配，包括：

201、对MUEs进行子信道分配，其具体功能实现为：

假定宏基站在每个子信道上的发射功率是相等的。MUEm在子信道k上的信干噪比SINR计算如下：

${\mathrm{\γ}}_{m,k}^M=\frac{p_k^M{\mathrm{PL}}_{k,m}^M}{\underset{j\∈\mathrm{\φ}}{\Σ}{p}_{j,k}^F{\mathrm{PL}}_{j,k,m}^F+{\mathrm{\σ}}^2}---\left(1\right)$

其中，和分别为宏基站和第j个毫微微基站FBSj在子信道k上的发射功率；δ＝{1,2,...,K}表示子信道的集合，k∈δ；表示MUEs集合， 和分别为宏基站和FBSj到MUEm在子信道k上的信道增益；φ＝{1,2,...,F}表示FBSs的范围；σ²为噪声功率。为保证MUEs的QoS，根据实际干扰情况进行为MUEs定义一个干扰阈值I^M，表示MUEm所能承受的最大跨层干扰。

定义MUEs的子信道分配问题为在满足MUEs数据速率需求的条件下，最大化系统容量。根据公式(1)，建模MUEs的子信道分配问题为：

$max\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{m,k}{\mathrm{Blog}}_2(1+{\mathrm{\γ}}_{m,k}^M)---\left(2\right)$

$s.t.\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{m,k}B{\log }_2(1+{\mathrm{\γ}}_{m,k}^M)\≥R_m---\left(3\right)$

$\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{m,k}\≤1---\left(4\right)$

即在满足MUEs数据速率需求的约束条件(3)和每个子信道最多分配给一个MUE的约束条件(4)的情况下，最大化系统容量(2)。其中，B为子信道的带宽，R_m为MUEm的数据速率需求；Γ_m.k∈{0,1}指示子信道的分配情况，当子信道k分配给MUEm时，Γ_m,k为1，否则为0。其余参数与前述含义相同。

上述给出的MUEs子信道分配问题实际为在给定的M个MUEs和K个子信道的之间进行指派的问题，可以通过改进的匈牙利算法解决。该算法如图3所示，具体包括：

101A：根据所有需要分配子信道的MUEs的信道增益，构建第一次迭代所需的效益矩阵 $c_{K\×M}={\log }_2(1+{\mathrm{\γ}}_{m,k}^M).$

101B：若K＜M，添加M-K个虚拟子信道，将效益矩阵变为M×M阶的方阵。

101C：若K＞M，添加K-M个虚拟MUEs，将效益矩阵变为K×K阶的方阵。

101D：用匈牙利算法计算出子信道分配方案。

即若K＜M将效益矩阵变换成c_M×M，使c_M×M各行各列中都出现0元素，进行试分配，以寻求最优解。如果未得到最优解，作最少的直线覆盖所有的0元素，再变换效益矩阵c_M×M以增加0元素，再进行试分配。若K＞M时，效益矩阵变换为c_K×K采取同样的方法。

101E：如果满足终止条件，则结束程序。查看每个MUE是否满足速率需求，更新需要分配子信道的MUEs以及待分配的子信道。根据更新后的情况，构建新的效益矩阵，然后转至101B开始循环；

优选地，所述退出条件为所有MUEs满足数据速率需求或没有待分配的子信道。

202、MUEs功率分配，其具体实现方法为：

MUEs的子信道分配完成后，利用经典的注水算法对平均分配的功率重新分配，以最大化系统容量为优化目标，最大总功率为约束条件，构建MUEs的功率分配的目标函数为：

$\max B\underset{k=1}{\overset{K}{\Σ}}{\log }_2(1+p_k{g}_k)---\left(5\right)$

$s.t.\underset{k=1}{\overset{K}{\Σ}}{p}_k\≤P_{tot}---\left(6\right)$

其中，是子信道k上增益干扰比，m在子信道分配时已确定；p_k为子信道k上的功率，P_tot为总的发射功率，则需满足在所有子信道上的发射功率不大于总的发射功率，即

上述MUEs功率分配问题将采用经典的注水算法具体实现为：根据MUEs功率分配的优化目标函数(5)和约束条件(6)，并利用拉格朗日乘数法构建拉格朗日方程为：

$L(p,u)=B\underset{k=1}{\overset{K}{\Σ}}{\log }_2(1+p_k{g}_k)-u(\underset{k=1}{\overset{K}{\Σ}}{p}_k-P_{tot})---\left(7\right)$

其中，u是拉格朗日乘子，为常数。将上述拉格朗日方程(7)对发射功率p_k求解偏导，即则可得到K个等式，并对其进行变换，则得到如下关系式：p_k＝[η-1/g_k]⁺，其中，[φ]⁺＝max{0,φ}，η＝B/(uln2)为注水线，因此可快速求出每个子信道上的传输功率，进一步提高系统总的吞吐量。进一步，对于图1流程图步骤103中描述的FUEs子信道分配过程的具体实现过程如下：

(1)对FBSs进行分组，其具体实现过程为：

要实现对FBSs的分组，首先建立一张反映所有FBSs间干扰情况的干扰系数矩阵W。W是一个F行F列的对称矩阵，第i行第j列的元素w_ij表示FUEi接受到的FBSj的参考信号功率。可以根据干扰系数矩阵W确定每个FBS潜在的干扰对象。确定FBSs潜在干扰对象的公式为：w_ii-w_ij≤I_th，其中，w_ii和w_ij分别表示FUEi接收到的为其服务的FBSi的参考信号功率和相邻FBSj的参考信号功率；I_th为FBSs的干扰阈值，它是与实际情况相关的一个定值。如果满足上式，那么FBSi和FBSj互为潜在的干扰FBS。I_th的值越大，确定的相互之间干扰的FBSs越少，反之越多。

与建立干扰系数矩阵W相似，同样可以得到潜在的干扰矩阵E。E是一个F行F列的[01]矩阵，如果第i行第j列的元素为1(e_ij＝1)，就表示FBSi和FBSj互为潜在的干扰FBS。矩阵E的每个对角元素e_ii为0，因为每个FBS不会与自己干扰。

基于上述定义的干扰系数矩阵W和潜在的干扰矩阵E,以同组中FBSs间的干扰总和最小为目标函数来建立干扰表，表示为：

$min\underset{i=1}{\overset{F}{\Σ}}\underset{j=1,j\≠i}{\overset{F}{\Σ}}\underset{l=1}{\overset{L}{\Σ}}{w}_{ij}{v}_{il}{v}_{jl}---\left(8\right)$

$s.t.\underset{l=1}{\overset{L}{\∪}}{C}_l=T---\left(9\right)$

C_l∩C_g＝Φ(l,g∈χ)(10)

e_h,v＝0(h,v∈C_l)(11)

v_il∈{0,1}(12)

其中，w_ij和e_h,v分别为干扰系数矩阵W和潜在干扰矩阵E中的元素，C_l表示第l组中FBSs的集合；V＝(v_il)_F×L是着色矩阵，它是一个F×L的二进制矩阵，v_il是它里面的一个元素，v_il＝1表示FBSi着第l种颜色，同样也表示FBSi分到第l组，当FBSi不着第l种颜色，也即FBSi不分到第l组时，v_il＝0。从公式(8)可以看出，当v_il＝v_jl＝1即FBSi和FBSj在相同组时，它们之间才存在干扰。约束函数(9)旨在要求对全部FBSs均进行分组；约束条件(10)要求每个FBS只能分在一组中，不能分在多组中；约束条件(11)表明相互间干扰的FBSs不能分在同一组；约束条件(12)表明v_il只能取0或1。

基于上述建立的干扰系数矩阵和潜在的干扰矩阵，采用一种启发式的模拟退火算法从全局出发动态的对FBSs进行分组，直到找到一个较优的分组方案。它从初始解出发，经过若干次迭代就能找到一个符合约束条件的可行解，之后每次迭代都会产生一个新的可行解。根据Metropo1is准则接受可行性解，可行解的质量会不断提高，直至连续多个新可行解不被接受。所述启发式的模拟退火法包括以下步骤：

①初始化：初始温度T(充分大)，初始解状态S(是算法迭代的起点)，每个T值的迭代次数L，每组中的最大FBS数M，初始解S是所有FBS都在第一组。

②对k＝1,2,......,L重复③至⑥。

③产生新解S'，即随机选择一组中某个FBS放到另外符合约束条件的一组。若一组的FBS数目达到M则这一组只能更换或减少FBS。

④计算增量Δt'＝C(S')-C(S)，其中C(S)为评价函数，评价函数为优化目标。

⑤若Δt'＜0则接受S'作为新的当前解，否则以概率exp(-Δt'/T)接受S'作为新的当前解。

⑥如果满足终止条件则输出当前解作为最优解，结束程序。否则T减小，然后转至②。如果连续若干个新解都没有被接受,则程序终止。

(2)对FBSs进行子信道分配，其具体实现过程为：

根据每组中FUEs的平均速率需求确定每组需要分配的子信道数目。然后，依次将吞吐量最大的子信道分配给对应的组。每组分得的子信道数目满足需求后，不在参与分配，直至满足所有组的子信道数目需求。每组中的FBSs只能使用本组分配到的子信道，从而消除组间干扰。为保证MUEs的QoS，如果FBS对某个MUE干扰超过一定值，它就不能使用这个MUE正在使用的子信道。这样就确定了每个FBS所能使用的子信道。然后，每个FBS根据用户的数据速率需求相应的选择使用的子信道。在多用户场景中，需要每个FBS为它服务的多个FUEs分配正交的子信道。

进一步，对于图1流程图步骤104中描述的FUEs功率分配过程的具体实现过程如下：

每个FBS根据建立的干扰表自适应地调整功率，让FBSs在满足其服务的FUEs的速率需求的条件下，减少对其它FUEs的干扰。为了充分利用功率资源，每个FBS可以在不干扰其它FUEs的前提下增大自身的发射功率以提升系统容量。若FBSj对其它FUEs不造成干扰则n_j＝0，否则n_j＝1。根据下述公式调整FBSs的发射功率：

其中，I_min,j和I_max,j分别是FBSj的最小信干噪比SINR需求和最大信干噪比SINR需求，SINR_j表示第j个FBS(FBSj)的信干噪比，p_j(t)为FBSj在第一次迭代时的发射功率，Δp为发射功率的调整粒度，FBSs在每个分配给它的子信道上均按照公式(13)进行功率调整。经过功率调整，FBSs的频谱效率、FUEs满意度、FUEs间的公平性进一步提高。

同时，为避免干扰MUEs，每个MUE根据干扰阈值I^M和FBSs对它的干扰，计算出它可以容忍的FBSs最大发射功率并通知对它造成干扰的FBSs。因此为了保证MUEs的QoS，FBSs的发射功率需要满足下述条件：

$p_j(t+1)=min\left(p_j\right(t+1),p_f^{\max })---\left(14\right)$

FBSs的发射功率按照公式(13)(14)调整之后，为了让每个MUE的跨层干扰小于干扰阈值I^M，将对同一个MUE造成干扰的全部FBSs，按照干扰大小进行排序。依次降低干扰最大的FBSs的发射功率，每次降低Δp，直至对MUE造成的跨层干扰小于I^M，结合子信道分配和功率调整能够很好地消除FBSs对MUEs的干扰。

为说明本发明的有益效果，本发明采用的信道模型主要考虑路径损失、穿墙损耗、阴影衰落、天线增益，具体参数按照表1进行仿真。

表1仿真参数

仿真中的FBSs工作在封闭模式，只允许授权用户接入，MUEs只能接入宏基站。本发明分析了所提算法的多项性能，包括MUEs的中断概率、FBSs频谱效率、FUEs的满意度、FUEs间的公平性。

图4显示了MUEs在不同室内室外比例下的中断概率。在仿真中，设置-6dB为阈值，如果SINR低于阈值就认为MUE发生中断。所提算法通过子信道和功率分配降低了FBSs对MUEs的干扰，使得MUEs能够满足速率需求。从图中可以看出，随着MUEs在室内的比例增加，RRA算法得到的MUEs中断一直增加到接近100％，但是所提算法得到的MUEs中断概率一直在10％以下。因此，本发明能很好地消除FBSs对MUEs的干扰，满足MUEs的QoS。

图5描述了在FBSs不同部署密度下各个算法的频谱效率。由于部分算法未考虑MUEs，为比较不同算法的分组性能，此仿真场景中不考虑MUEs。所提算法1是本发明所提分组算法。所提算法1和其它算法都是平均分配功率。所提算法2是在算法1的基础上进行功率调整。由图可知，随着FBSs部署密度的增大，FBSs的频谱效率在不断降低。然而，所提算法1的性能仍优于其它算法。这是因为所提算法1从全局出发动态地分组，有效的消除了FBSs间的干扰，从而提高了FUEs的平均信噪比，进而提高频谱效率。组内正交分组由于各个组中的FBSs数目不均衡，频带不能得到充分利用，使得频谱效率较低。所提的功率调整算法对于各个分组算法均适用，考虑到图中线条太多，只给出了算法2的性能曲线。

图6描述了FUEs的满意度。满意度是反映FUE需求速率和实际传输速率关系的因子。这个因子越高，FUE对FBS越满意，本发明定义FUEs的满意度为：其中，R_j、分别为FUEj的实际速率和速率需求。从图中可以看出，只有本发明所提算法能使FUEs的满意度保持在较高水平。这是因为所提算法1，根据FBSs部署密度的不同自适应地调整分得的组数和每组中的FBSs数目，每个FUE可以分到满足其速率需求的子信道数。其它算法使得每个FUEs分得的子信道数目差距较大，导致一些FUEs没有分配到足够的子信道满足其速率需求。另外，所提分组算法是一个迭代寻优过程，分组方案可以不断提高，能够更好地消除干扰，从而改善信道条件。所提算法2在算法1的基础上进行功率调整，使得更多的FUEs能满足速率需求，这样就进一步提高了FUEs的满意度。功率调整对于其它分组算法的FUEs满意度也有一定提升。

图7描述了FUEs间的公平性。图中可以看出，所提算法1得到的FUEs公平性明显高于其它算法。未分组算法RRA随着FBSs部署密度的提高，一些FBSs会受到严重的干扰导致更低的SINR。其它组间正交分组算法没有考虑FBSs间的公平性，导致FUEs分得的子信道数目差距很大。同样，组内正交分组算法分得的各个组中FBSs的数目不均衡，导致不同组中的FUEs分配到的子信道数目差距较大。所提算法2在算法1的基础上进行功率调整，降低SINR过高的子信道上的功率，尽量提高SINR低的子信道上的功率。这样更能满足FBSs间的公平性。功率调整对于提升其它算法的FUEs公平性同样有较好的性能。

本发明所举实施方式或者实施例对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施方式或者实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种用于OFDMA毫微微小区双层网络基于分组的资源分配方法，其特征在于，包括以下步骤：

步骤101：利用改良的匈牙利算法对宏用户MUEs执行子信道分配；

步骤102：根据宏用户功率分配的优化目标和约束条件，采用经典的注水算法计算出每个子信道上的传输功率；

步骤103：以避免干扰MUEs为前提，根据毫微微基站FBSs间的干扰情况建立干扰列表并对FBSs进行分组，根据每组中毫微微用户FUEs的速率需求对FBSs进行子信道分配；

步骤104：对毫微微基站进行功率分配。

2.根据权利要求1所述的基于分组的资源分配方法，其特征在于，所述步骤101利用改良的匈牙利算法对宏用户执行子信道分配包括：利用改进的匈牙利算法，根据所有需要分配子信道的宏用户的信道增益，构建第一次迭代所需的效益矩阵其中M为宏用户总数，K为子信道总数；若K＜M，添加M-K个虚拟子信道，将效益矩阵变换成c_M×M，使c_M×M各行各列中都出现0元素，进行试分配，以寻求满足下述目标函数公式的最优解：

$max\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{m,k}{p}_k^M{\log }_2(1+{\mathrm{\γ}}_{m,k}^M)$

其中，表示为每个宏用户仅能分配一个子信道；若K＞M时，采取上述同样的方法，直到所有宏用户满足数据速率需求或没有待分配的子信道为止。

3.根据权利要求1所述的基于分组的资源分配方法，其特征在于，所述步骤102根据宏用户功率分配的优化目标和约束条件，采用经典的注水算法计算出每个子信道上的传输功率包括：引入拉格朗日公式，

$L(p,u)=B\underset{k=1}{\overset{K}{\Σ}}{\log }_2(1+p_k{g}_k)-u(\underset{k=1}{\overset{K}{\Σ}}{p}_k-P_{tot})$

其中，u是拉格朗日乘子，为常数；是子信道k上的增益干扰比，其中m在子信道分配时已确定；P_tot为总的发射功率；对上述拉格朗日公式计算偏导得到K个等式并进行转换：p_k＝[η-1/g_k]⁺，其中，[φ]⁺＝max{0,φ}，η＝B/(uln2)为注水线，并利用经典注水法快速求出每个子信道上的传输功率；B为子信道的带宽。

4.根据权利要求1所述的基于分组的资源分配方法，其特征在于，步骤103中所述根据毫微微基站FBSs间的干扰情况对毫微微基站进行分组包括：采用动态的组间正交分组方法，将干扰小的毫微微基站分在相同组，将干扰大的毫微微基站分在不同组，相同组中的毫微微基站之间干扰很小，可以复用相同的子信道以提高频谱利用率，不同组中的毫微微基站之间干扰较大，每组使用正交的子信道以消除组间干扰；利用图论中的着色原理进行分组，将干扰表中的F个毫微微基站分到L个组，使得相同组中的毫微微基站间的干扰总和最小，以此得到最优的分组方案。

5.根据权利要求1或4所述的基于分组的资源分配方法，其特征在于，步骤103中所述建立干扰列表进一步包括：根据同组中毫微微基站干扰总和最小公式来确定干扰列表：且满足约束条件：C_l∩C_g＝Φ(l,g∈χ)，e_h,v＝0(h,v∈C_l)以及v_il∈{0,1}，其中，w_ij和e_h,v分别为干扰系数矩阵W和潜在干扰矩阵E中的元素，C_l表示第l组中FBSs的集合，v_il是着色矩阵V＝(v_il)_F×L里面的一个元素，v_il＝1表示FBSi着第l种颜色，同样也表示FBSi分到第l组；当FBSi不着第l种颜色，也即FBSi不分到第l组时，v_il＝0。

6.根据权利要求1所述的基于分组的资源分配方法，其特征在于，所述步骤104对毫微微基站进行功率分配包括：根据迭代公式确定功率分配值：

其中，I_min,j和I_max,j分别是FBSj的最小信干噪比SINR需求和最大信干噪比SINR需求，SINR_j表示第j个FBS的信干噪比；p_j(t)为FBSj在第一次迭代时的发射功率，Δp为发射功率的调整粒度。