CN105704824A - 一种无线网络的多维资源分配的方法 - Google Patents

Abstract

本发明提供一种基于拉格朗日乘子的异构无线网络资源分配的方法，将使得所述网络的全部小区的全部用户的总效用最大作为目标，并且将所述小区的总发送功率小于等于允许的最大发送功率、和所述小区中用户的传输速率大于等于设定的最小速率需求作为约束条件。所述方法包括：针对小区i，确定所设置的与发送功率对应的拉格朗日乘子β、以及与小区i的全部K_i名用户中的每一个的传输速率对应的拉格朗日乘子根据β和针对每一个资源块，确定要分配资源块n的所述小区的最优用户k*；根据拉格朗日乘子β和确定所述小区内不分配资源块的用户的发送功率，确定所述小区内分配任意一个资源块n的每一名用户k的发送功率p_k，n。

Description

一种无线网络的多维资源分配的方法

技术领域

本发明涉及无线通信，尤其涉及无线网络的资源分配。

背景技术

随着移动通讯技术和多媒体业务的迅猛发展，移动通信网络中数据流量呈指数倍的增长。为了满足无线业务数据流量的需求，在未来无线网络中需要密集地部署小区基站。此外，由于大量移动数据流量发生在局部热点或室内区域，因此部署低功率小区成为未来无线网络发展的趋势。然而，为了提高频谱资源的利用率，在小区密集部署的异构无线网络中会在小区之间产生严重的干扰，造成用户信号质量恶化甚至无法满足基本的用户接收信号强度需求。另外，随着移动互联网和物联网的发展，未来移动应用呈现多样化，其将扩展到广阔的行业和领域，如移动医疗、车联网、智能家居、工业控制等领域，而这些多样化的未来移动业务对业务的速率和延时等多种服务质量需求均有严苛的要求。因此，在未来无线网络中，需要通过优化频谱的资源分配来降低干扰以满足用户的最小接收信号强度，同时还需要满足针对多样化业务的速率、延时等在服务质量方面的要求。

为满足上述有关无线网络的资源分配的要求，一些现有技术针对单小区进行资源分配，通过提高资源分配的系统吞吐量或用户公平性来满足用户服务质量需要。例如，在申请号为200410048327.2的专利中提出了一种适用于移动通信系统的下行分组数据调度方法，其通过给出根据用户的链路质量以及分组数据的优先级等特征来进行下行数据调度。类似地，在申请号为200510109284.9的专利中提出对用户进行上行调度以及上下行联合调度的方法，其根据上行或下行链路的用户调度信息为用户计算上行或下行数据调度的优先等级，并基于用户上下行数据优先级完成资源分配，由此通过对上行和下行联合调度来节省空口资源。然而，其中并未涉及如何避免在基站之间的干扰的方法。在申请号为200810216675.4的专利中提出一种LTEFDD系统下行调度与资源分配方法，其根据用户的反馈信息对新传或重传用户进行调度优先级排序，并且根据新传和重传用户的调度优先级排序进行资源分配。在申请号为201110458448.4的专利中公布了一种LTE系统中下行资源分配方法及装置，给出根据用户业务最小速率需求为用户分配资源的方法。在申请号为201110458448.4的专利申请中公开了一种下行调度方法及装置，该专利根据用户在预定时间窗口内被调度资源块的数量以及各用户在小区S资源块i的信道质量指示所对应的优先级，来确定小区S的资源块i上被调度UE。在申请号为200810190583.3的专利中公开了一种应用于多载波时分双工系统中的下行资源分配方法，其提出通过将与用户处于同一区域的用户信道质量信息作为用户当前信道质量信息的估计值从而进行资源分配。

然而，这些针对单小区进行资源分配的方法仅考虑了用户的信道质量、用户的优先级等进行单小区内的资源分配，而忽略了小区之间的干扰。

还有一些现有技术针对多小区之间的干扰问题提出了解决方法。例如，申请号为201310642344.8的专利申请中公开了一种家庭基站基于干扰协调的资源分配方法，其根据家庭基站中受干扰的终端信息上报用户干扰源基站，来确定进行家庭基站的协作基站，并对协作基站进行正交的频谱资源分配。在申请号为201410401062.3的专利申请中公开了一种LTE系统中基于非合作博弈的资源分配和干扰抑制方法，首先采用软频率复用建立多小区的LTE网络干扰模型，然后基于非合作博弈理论，考虑到用户采用过低的发送功率不能满足基本速率需求，而过高的功率又会消耗大量能量，从而建立了基于价格机制的效用函数，给出使效用函数最大化的功率迭代算法。在申请号为201010142688.9的专利中公开一种基于干扰的资源分配方法及装置，通过对受干扰用户分配干扰最小的频点和该频点上干扰最小的时隙降低用户受到的干扰从而保证用户通信质量。其资源分配方法仅考虑满足用户的接收信号质量。申请号为201280077299.X的专利申请中公开了用于协调资源分配以解决小区间干扰的方法。通过干扰源小区和受干扰小区之间的信令交互协商资源分配信息，通过小区间干扰协调的资源分配降低小区之间的干扰。在申请号为201010596171.7的专利中公开了一种干扰消除的资源分配方法和装置。通过小区监测到的邻区干扰信息决策是否进行时隙划分的小区间干扰管理机制，从而提高小区边缘用户的吞吐量。

然而，上述为解决多小区之间的干扰问题的而进行的资源分配的方法忽略了用户在速率、延时等多方面细化的业务服务质量需求。此外，这些方法通过单维资源分配来降低干扰，其资源利用率不高，系统性能的增益也有限，因而仅适用于业务流量需求较低的情况。

发明内容

因此，本发明的目的在于克服上述现有技术的缺陷，本发明提供一种异构无线网络资源分配的方法，将使得所述网络的全部小区的全部用户的总效用最大作为目标，并且将所述小区的总发送功率小于等于允许的最大发送功率、和所述小区中用户的传输速率大于等于设定的最小速率需求作为约束条件。

本发明的目的是通过以下技术方案实现的：

所述方法包括：

针对小区i，确定所设置的与发送功率对应的参数β、以及与小区i的全部K_i名用户中的每一个的传输速率对应的参数

根据β和针对每一个资源块，确定要分配资源块n的所述小区的最优用户k*；

根据β和确定所述小区内分配任意一个资源块n的用户k的发送功率p_k，n。

与现有技术相比，本发明的优点在于：

综合地考虑了小区之间的干扰、以及用户在速率、发送功率、延时等多方面的业务服务质量需求，从而提高了资源利用率和系统性能的增益。

相较于现有技术通过单维资源分配来降低干扰，本发明提出一种频谱和功率联合优化方法，可以根据异构网络中用户和小区之间的信道状态以及小区的不规则分布自适应地优化各小区频谱和功率资源使用，以更好地进行小区之间的频谱资源复用，从而提高系统资源利用率和系统总体吞吐量等性能。

并且，通过仿真实验可发现相较于现有技术，本发明针对语音业务具有更小的平均延时和平均丢包率，针对数据业务具有更小的平均延时和平均中断概率。

附图说明

以下参照附图对本发明实施例作进一步说明，其中：

图1是异构网络优化资源分配的资源管控信令流程的示意图；

图2是根据本发明的基于拉格朗日乘子迭代的服务质量保证的资源分配算法QGRA的流程图；

图3是根据本发明的不同干扰门限下小区边缘用户平均吞吐量的仿真结果；

图4是根据本发明的不同小区用户数下语音业务平均包延时和丢包率的仿真结果；

图5是根据本发明的不同小区用户数下数据业务平均包延时和中断概率的仿真结果。

具体实施方式

下面结合附图和具体实施方式对本发明作详细说明。

为了优化异构网络区域各小区资源分配，可以采用集中式的资源分配的优化方法，通过基于已知的多小区用户信息来优化各小区频谱和功率资源分配，从而降低小区间干扰并且保证业务的细粒度服务质量需求。具体异构网络优化资源分配的资源管控信令流程如图1所示。

参考图1，首先，用户进行小区测量，得到接入或相邻小区对用户的信号接收功率。并且用户将测量得到的接入小区和相邻小区信息上报到接入小区。进一步地，小区将其中所有接入用户的测量信息上报到集中式资源控制器。集中式资源控制器根据异构网络区域内用户和小区信息进行资源分配优化决策，从而得到优化的异构网络中小区资源分配信息。之后，集中式资源控制器通过信令消息，将各小区资源分配信息传递给小区基站。最后，小区基站将通过物理下行控制信道向每个用户传递具体的资源分配信息。

发明人在研究了有关无线网络资源分配的现有技术后发现可以考虑小区业务服务质量需求以及多小区间干扰，从而进行多维资源分配。由此，发明人构建了数学模型，定义小区对相邻小区的干扰门限并且考虑小区的总发送功率限制和用户最小发送速率需求以作为资源分配优化的约束条件。在数学模型的基础上，以使得异构网络区域多个小区资源分配的总效用最大化为目标，同时满足小区发送功率对邻区用户干扰门限限制、小区频谱资源块的分配限制、小区总发送功率限制，并且满足用户的最小发送速率的需求，达到优化系统频谱、功率资源的分配，优化资源分配的目的。

在综合地考虑包括用户的速率、业务队列缓冲区长度、以及业务队列延时的基础上，发明人定义了异构无线网络资源分配的效用函数来优化业务服务质量，使用了如下的变量名称。

假设，在异构蜂窝网络中包含S个小区，以及K名用户；

R是异构网络中的小区的集合；

R^M是宏小区的集合，R^L是低功率小区的集合；

i为某一小区，i∈R；

K是异构蜂窝网络中的用户的集合；

K^M是所有宏小区中的用户的集合，K^L是低功率小区中的用户的集合；

K_i是接入小区i的用户的集合，i∈R；

k为某一用户，k∈K。

考虑在OFDMA(OrthogonalFrequencyDivisionMultipleAccess)系统中下行数据发送的场景下，

B_i是小区i所支持的最大传输带宽；

物理资源块(PhysicalResourcesBlock，PRB)是小区资源分配的单位；

b是单位资源块的带宽；

N_i是小区i的资源块的集合，其中共有N_i个资源块。

为了保证针对异构网络中的资源分配的业务服务质量，需要在业务队列缓冲区中不为空并且满足业务延时、速率的需求的情况下提高系统总吞吐量。系统资源分配需要考虑不同用户的业务队列缓冲区状态。

q_k(t)表示在第t个调度子帧时用户k的数据队列长度；

T_k(t)表示在第t个调度子帧时用户k所经历业务延时；

表示用户k业务允许的最大延时；

d_k(t)表示在第t个调度子帧时用户k的延时指示；

v_k(t)表示在第t个调度子帧时用户k的传输速率。

其中，业务队列缓冲区长度q_k(t)越长，对无线资源的需求越大，若业务队列缓冲区长度为零，则用户调度概率接近零。T_k(t)距越近，d_k(t)值就越大，业务调度优先级越高。此外，v_k(t)越大，对用户k业务调度产生的系统吞吐量越大。

由此，用户k的资源分配的效用函数u_k(t)可以被定义为与用户k的资源分配速率v_k(t)、队列缓冲区长度q_k(t)、和延时指示d_k(t)呈正比的函数，例如可以将u_k(t)表示为，

u_k(t)＝q_k(t)·d_k(t)·v_k(t)，(1)

然而，本领域的技术人员应理解，在本发明中还可以采用使得u_k(t)与v_k(t)、q_k(t)、d_k(t)呈正比的其它表达式，并且不限制当中任一项所占的权重。

其中，用户k的传输速率v_k(t)为小区i中用户k在全部资源块n∈N_i的发送速率之和，即

$v_k\left(t\right)=\underset{n\∈N_i}{\Σ}{r}_{k,n}^i\left(t\right).$

其中，根据香农定理公式(Shannon'sTheorems)，可以将表示为，

$r_{k,n}^i\left(t\right)=s_{k,n}^i\left(t\right){\log }_2(1+p_{k,n}^i(t\left){\mathrm{\χ}}_{k,n}^i\right(t\left)\right);$

表示在第t个调度子帧时小区i中用户k在资源块n的资源分配指示变量；

表示在第t个调度子帧时小区i中用户k在资源块n的发送功率；

表示小区i中用户k在资源块n的每功率信噪比。

其中， ${\mathrm{\χ}}_{k,n}^i\left(t\right)=\frac{|h_{k,n}^i\left(t\right){|}^2}{\underset{j\∈R,j\≠i}{\Σ}|h_{k,n}^j\left(t\right){|}^2{p}_{k^{\′},n}^j\left(t\right)+{\mathrm{\δ}}^2};$

表示在第t个调度子帧时在资源块n上从用户k到小区i的信道增益，n∈N_i，为独立等分布的；j表示异构网络区域不同于小区i的小区，k’表示小区j中资源块n上分配的用户；δ²表示小区i中用户k在第n个资源块的热噪声。

由此，小区i中的全部K名用户在第t个调度子帧的资源分配的总效用函数U_i(t)被定义为每一名接入小区i的用户k∈K_i的资源分配的效用之和，即

$U_i\left(t\right)=\underset{k\∈K_i}{\Σ}{u}_k\left(t\right).---\left(2\right)$

由此，针对全部小区的异构网络区域的总效用函数U(t)被定义为每一个小区i∈R的每一个接入该小区的用户k∈K_i的资源分配的效用之和，即

$U\left(t\right)=\underset{i\∈R}{\Σ}{U}_i\left(t\right)=\underset{i\∈R}{\Σ}\underset{k\∈K_i}{\Σ}{u}_k\left(t\right).---\left(3\right)$

出于本发明的目的，在使得上述异构无线网络资源分配的效用函数U(t)最大化的同时，应满足资源块上的小区对相邻小区用户的干扰低于干扰门限、小区发送功率小于最大功率、以及用户发送速率不低于最小速率的要求。可以通过以下数学表达式来优化异构网络区域资源分配，以找出使得全部小区的全部用户的资源分配的效用之和U(t)最大时，用户k在资源块n的资源分配指示变量s_k，n(t)以及发送功率p_k，n(t)，即

$\underset{s_{k,n}\left(t\right),p_{k,n}\left(t\right)}{\max }\underset{i\∈R}{\Σ}\underset{k\∈K_i}{\Σ}{u}_k\left(t\right),---\left(4\right)$

其中，各个变量应满足以下约束条件：

资源块分配指示变量为0或1的整数，其用于指示是否将资源块分配给小区i的用户k，0表示资源块n不分配给用户k，1表示资源块n分配给用户k；

小区i中每个资源块最多允许分配给一个用户，

$\underset{k\∈K_i}{\Σ}{s}_{k,n}^i\left(t\right)\≤1,\∀n\∈N_i,\∀i\∈R;$

小区i中每个资源块上的发送功率大于等于零，

$p_{k,n}^i\left(t\right)\≥0,\∀k\∈K_i,\∀R\∈N_i,\∀i\∈R;$

资源块n上小区i对相邻小区的干扰小于设定的干扰门值ε₀，考虑到随着小区干扰门限值ε₀的增大，小区边缘用户的速率会先增大后减小。当干扰门限值ε₀为较小的值时，如果小区中资源块上允许的最大发送功率不足够大，那么会限制系统性能的提升。因此随着干扰门限值ε₀的增大，小区中用户的最大允许发送功率增大，则小区边缘用户速率会增大。然而，当干扰门限值ε₀设较高的值时，随着小区资源块上发送功率增大小区间干扰也随之增大，会导致边缘用户的平均速率降低。因此，需要选择恰当的干扰门限值ε₀进行性能的折中，一般干扰门限ε₀的范围为[1e-10,1e-5]W。

$p_{k,n}^i\left(t\right)h_{k^{neib},n}^{i^{neib}}\left(t\right)\≤{\mathrm{\ϵ}}_0,\∀k\∈K_i,\∀n\∈N_i,\∀i\∈R,\∀i^{neib}\∈R,i^{neib}\≠i,$

其中，上标neib表示当前小区的相邻小区，i^neib和k^neib分别表示用户k的相邻小区和相邻小区中的调度用户，表示小区i^neib中用户k^neib在资源块n的信道增益；

小区i的总发送功率小于允许的最大发送功率P_i，(根据通信协议中的规定，小区发送功率P_i的范围为(10，46]dBm)，

$\underset{k\∈K_i}{\Σ}\underset{n\∈N_i}{\Σ}{s}_{k,n}^i\left(t\right)p_{k,n}^i\left(t\right)\≤P,\∀i\∈R;$

用户k的传输速率v_k(t)大于等于设定的最小速率需求其值越大，需要占用的频谱资源块越多。用户的速率是需求根据用户业务建立时上层应用对业务的需求而定。具体是在小区中业务承载建立时由上层协议传递给媒体接入控制协议，作为媒体接入控制协议资源分配的决策参数，的范围为(0，1e10]bps。

$v_k\left(t\right)\≥R_k^{\min },\∀k\∈K_i,\∀i\∈R.$

在进行资源分配的每一个调度子帧，均执行以上对资源分配的优化求解，即可省略上述公式中的t。

发明人认为在求解以上复杂的优化问题时，可以针对每个资源块的每个小区定义相邻小区的参考用户，从而解耦多个小区之间资源分配的相互影响。参考用户被定义为相邻小区中在一定资源块上受小区干扰最强的用户，即在资源块n上小区i的相邻小区用户中到小区i信道增益最强的用户。在定义了参考用户的基础上，小区i中资源块上对所有相邻小区的干扰约束被表示为小区i中资源块上对参考用户的干扰低于门限，即 $p_{k,n}^i\left(t\right)h_{k^{ref},n}^i\left(t\right)\≤{\mathrm{\ϵ}}_0,\∀k\∈K_i,\∀n\∈N_i,\∀i\∈R.$ 由此，可以基于参考用户k^ref来消除多小区之间资源分配的相互影响，将以上集中式异构网络多小区资源分配联合优化问题的公式(4)及其约束条件转化为每个小区i在对参考用户的干扰约束下独立求解资源块和功率分配的优化问题(4a)-(4g)：

$\underset{s_{k,n}\left(t\right),p_{k,n}\left(t\right)}{\max }\underset{k\∈K_i}{\Σ}{u}_k\left(t\right)---\left(4a\right)$

$\begin{array}{cc}s.t.& s_{k,n}\left(t\right)\∈\{0,1\},\∀k\∈K_i,\∀n\∈N_i\end{array}---\left(4b\right)$

$\underset{k\∈K_i}{\Σ}{s}_{k,n}\left(t\right)\≤1,\∀n\∈N_i---\left(4c\right)$

$p_{k,n}\left(t\right)\≥0,\∀k\∈K_i,\∀n\∈N_i---\left(4d\right)$

$p_{k,n}\left(t\right)h_{k^{ref},n}\left(t\right)\≤{\mathrm{\ϵ}}_0,\∀k\∈K_i,\∀n\∈N_i---\left(4e\right)$

$\underset{k\∈K_i}{\Σ}\underset{n\∈N_i}{\Σ}{s}_{k,n}\left(t\right)p_{k,n}\left(t\right)\≤P_i---\left(4f\right)$

$v_k\left(t\right)\≥R_k^{\min },\∀k\∈K_i---\left(4g\right)$

这里小区在各频谱资源块的参考用户通过集中式资源控制器中的资源智能管控模块获得。具体地，可以通过资源管控模块判断找出用户测量得到的相邻小区中指定频谱资源块上信号接收功率值高于设定干扰门限的小区，将用户记作小区的相邻用户。集中式资源控制器的资源管控模块，统计一定频谱资源块上小区的各相邻用户到小区的信道增益，并选取小区相邻用户中到小区信道增益最大的用户作为指定频谱资源块上小区的参考用户。

由此，通过引入小区i的干扰门限ε₀和与i相邻小区的参考用户k^ref，针对每个小区独立地进行求解，能够达到使得全部小区的全部用户的总效用最大的目的。

通常求解诸如上述带有多个约束条件的优化问题，需要将原函数转化为凸函数，并对该凸函数进行拉格朗日乘子(LagrangeMultiplier)和KKT(Karush-Kuhn-Tucker)条件的求解，以获得满足约束条件的最优解。

为了将上述优化问题(4)或(4a)-(4g)的函数转化为凸函数，可以先松弛资源块分配变量s_k,n的整数约束，并且将原本非0即1的资源分配指示变量s_k,n的整数约束松弛为资源分配共享因子，使0≤s_k,n≤1，并且定义新的变量出于书写方便的目的，参考公式(1)将队列缓冲区长度q_k和延时指示d_k的乘积重新定义为变量w_k，用于表示“用户资源分配的权重”。

然而，本领域的技术人员应理解，在本发明中还可以采用使得w_k与q_k和d_k呈正比的其它表达式，并且不限制当中任一项所占的权重。

由此，结合上述表达式，将公式(4)的问题转化为带有变量s_k，n和p_k，n的问题(5a)-(5g)：

$\underset{s_{k,n}\left(t\right),p_{k,n}\left(t\right)}{\max }\underset{k\∈K^i}{\Σ}\underset{n\∈N^i}{\Σ}{w}_k{s}_{k,n}{\log }_2(1+\frac{{\hat{p}}_{k,n}}{s_{k,n}}\·\frac{|h_{k,n}^i{|}^2}{\underset{j\∈R,j\≠i}{\Σ}|h_{k,n}^j{|}^2{p}_{k^{\′},n}^j+{\mathrm{\δ}}^2})---\left(5a\right)$

$\begin{array}{cc}s.t.& 0\≤s_{k,n}\≤1,\∀k\∈K,\∀n\∈N_i\end{array}---\left(5b\right)$

$\underset{k\∈K_i}{\Σ}{s}_{k,n}\≤1,\∀n\∈N_i---\left(5c\right)$

${\hat{p}}_{k,n}\≥0,\∀k\∈K,\∀n\∈N_i---\left(5d\right)$

${\hat{p}}_{k,n}{h}_{k^{ref},n}\≤{\mathrm{\ϵ}}_0,\∀k\∈K_i,\∀n\∈N_i---\left(5e\right)$

$\underset{k\∈K_i}{\Σ}\underset{n\∈N_i}{\Σ}{\hat{p}}_{k,n}\≤P_i---\left(51\right)$

$v_k\≥R_k^{\min },\∀k\∈K_i.---\left(5g\right)$

公式(5a)可以被表示为凸函数其中C₁和C₂为常数。并且，约束条件(5b)-(5g)也均为凸函数。由此，使得对公式(5)的优化成为了针对凸函数的优化问题。

采用经典内点法的拉格朗日乘子和KKT条件求解公式(5a)需要经过两步。第一步，固定K_i个用户在N个资源块的发送功率，求解每个资源块上分配的用户K_i，问题的变量数为K_iN，采用内点法求解的复杂度为(K_iN)^3.5。第二步，根据第一步求解得到的小区各个资源块上分配用户，求解N个资源块上发送功率，复杂度为(N)^3.5。因此，求解公式(5a)的总求解复杂度为两步求解复杂度的乘积，即然而，在小区中用户数较大的情况下，这样的求解复杂度仍然非常高。

出于降低求解复杂度的目的，本发明提出了基于拉格朗日乘子迭代法的服务质量保证的资源分配算法QGRA(QoSGuaranteeResourceallocation)。令β、和分别作为约束条件所对应的拉格朗日乘子，令α_n作为用于约束条件的参数，α_n为用于辅助判断是否将资源块分配给用户的参数的中间变量，不需要获知其大小。

由此，公式(5a)的拉格朗日函数L可以被表示为，

根据KKT条件，可以得到最优解和的充分必要条件是：

$\frac{\&part;L}{\&part;{\hat{p}}_{k,n}}\{\begin{array}{cc}=0,& {\hat{p}}_{k,n}^{*}>0\\ <0,& {\hat{p}}_{k,n}^{*}=0\end{array},$ 和 $\frac{\&part;L}{\&part;s_{k,n}}\left\{\begin{array}{cc}<0,& s_{k,n}^{*}=0\\ =0,& 0<s_{k,n}^{*}<1\\ >0,& s_{k,n}^{*}=1\end{array}\right.$

为了求出最优解和对公式(6)的拉格朗日函数L的和s_k,n求偏微分，得到以下公式(7)和(8)。

令由此可以得到优化的用户k在资源块n的分配功率即

其中为资源块上发送功率的上限值，干扰门限值ε₀是设定的定值，h_k ^ref, _n表示当前资源分配小区的参考用户k^ref到当前资源分配小区资源块n的信道增益；表示先计算表达式值与a中的较大值，将其与b相比的较小值作为最终值。

如果如果由此可以得到优化的用户k在资源块n的资源分配指示变量即

其中(x)⁺表示max(x,0)(即对0和x求最大值)，并且

在进行调度资源时，在已知用户的信道状态(即信噪比χ_k,n)的情况下，多个资源块的分配相互独立，需要将每个资源块n选择分配给最优的用户k^*，即 $s_{k,n}=\{\begin{array}{cc}1,& k=k*\\ 0,& k\&NotEqual;k*\end{array},$ 其中，

当资源块n分配给最优的用户k^*时，为该名用户分配相应的功率，为其他用户分配的功率为0，即，

为了确定满足全部约束条件并使得全部小区的全部用户的资源分配的效用之和最大时的分配功率和资源分配指示变量s_k,n，还需确定拉格朗日乘子β、和的值。

本领域的技术人员应理解，在根据本发明的上述资源分配算法QGRA中采用给定的拉格朗日乘子β、和的值也能实现本发明的目的，然而其不一定能够满足系统的最大功率限制以及用户的速率限制因此，优选地，还需要通过迭代算出最适合的拉格朗日乘子以用于上述资源分配算法。

最优解对应的拉格朗日乘子β和可以通过多次迭代满足公式(5f)和(5g)即 $v_k\&GreaterEqual;R_k^{\min }$ 和 $\underset{k\&Element;K_i}{\&Sigma;}\underset{n\&Element;N_i}{\&Sigma;}{\hat{p}}_{k,n}\&le;P_i$ 而得到。

假设根据公式(5f)和(5g)可以分别定义以下函数(9)和(10)。

其中，公式(9)的表示按照当前拉格朗日乘子，在设定的资源分配方式下，小区发送功率可以提高的数值，即小区发送功率余量。表示按照当前拉格朗日乘子，在设定的资源分配方式下，用户k发送速率超出最小速率需求的量，即用户速率余量。

如果则表示小区功率剩余，反之违背小区功率约束；如果则表示不满足用户的速率需要。

由此，发明人认为可以采用二分法或者梯度法来计算出满足资源分配约束条件的拉格朗日乘子β和其中，为了加速算法迭代收敛，可以采用二分法进对拉格朗日乘子进行更新。

通过上述分析和计算，发明人认为可以通过搜索找出恰当的拉格朗日乘子，并且使用拉格朗日函数和KKT条件确定满足多个关于服务质量约束条件的资源分配的方法。

参考图2，根据本发明的一个实施例，无线网络的多维资源分配的方法，包括：

S1：初始化小区的资源分配参数，将迭代次数m设置为0，初始化拉格朗日乘子β⁰和小区内全部K_i名用户中的每一个的拉格朗日乘子

根据本发明的一个实施例，在步骤S1中可以采用二分法来确定初始的β⁰和首先为β⁰设置上限β ⁰ 和下限使得并且给定一组初始的使得其中与每一名用户k对应的例如在确定了β⁰之后，再重新调整的大小，为其中与每一名用户k对应的设置上限和下限使得以确定中每一名用户k的

上述采用二分法确定初始拉格朗日乘子β⁰和的上下限的过程是需要通过判断和调整而进行的过程，其中，

初始化小区中发送功率对应拉格朗日乘子下限β ⁰ 的方法，包括：

S1A.1：初始化确定一种小区资源分配方式，即确定小区中每个资源块分配给哪个用户和每个资源块上的发送功率。例如，可以采用轮询法依次为小区中接入用户分配资源块，小区资源块上采用相同的发送功率，每个资源块上发送功率值设为最大总发送功率除以小区总资源块数。

S1A.2：固定一个初始的其中例如

S1A.3a：初始化一个β ⁰ 值，满足β ⁰ ∈(0,1)，使得β ⁰ ＜＜1，例如β ⁰ ＝10^-9。

S1A.4a：基于β ⁰ ，小区中每个用户的资源块分配变量s_k,n以及每个用户的拉格朗日乘子以及公式(9)，计算出按照当前拉格朗日乘子在设定的资源分配方式下小区发送功率可以提高的数值，即发送功率余量

S1A.5a：判断如果则设置β ⁰ ＝β ⁰ /10，并继续步骤S1A.4a；如果满足则将β ⁰ 作为与初始时发送功率对应的拉格朗日乘子下限。

由此，通过上述步骤S1A.1、S1A.2、S1A.3a-S1A.5a，可以确定初始下限β ⁰ 。

初始化小区发送功率对应拉格朗日乘子上限的方法与确定小区发送功率对应拉格朗日乘子下限β ⁰ 的方法相类似，其具体为在上述步骤S1A.1-S1A.2的基础上，包括：

S1A.3b：初始化一个值，使得例如

S1A.4b：基于小区中资源块分配变量s_k,n以及用户的拉格朗日乘子以及公式(9)，计算出按照当前拉格朗日乘子在设定的资源分配方式下小区发送功率可以提高的数值

S1A.5b：判断如果则设置并继续步骤S1A.4b；如果满足则即为初始时发送功率对应的拉格朗日乘子上限。

由此，通过上述步骤S1A.1、S1A.2、S1A.3b-S1A.5b，可以确定初始上限

并且，可以根据β ⁰ 和确定步骤S1中的初始的拉格朗日乘子β⁰。

在确定初始β⁰之后，用二分法确定与小区中每一名用户k的发送速率对应的拉格朗日乘子下限的方法，包括：

S1B.a1：初始化一个值，满足使得例如

S1B.a2：基于以及小区中资源块分配变量s_k,n以及拉格朗日乘子β⁰以及公式(10)，计算出按照当前拉格朗日乘子在设定的资源分配方式下用户k发送速率超出最小速率需求的量

S1B.a3：判断如果则设置并继续步骤S1B.a2；如果满足则将作为与用户k发送速率对应的拉格朗日乘子下限。

由此，通过上述步骤S1B.a1-S1B.a3，可以确定每一名用户k的初始下限

确定户k发送速率对应的拉格朗日乘子上限的方法，包括：

S1B.b1：初始化一个较大的值，使得例如

S1B.b2：基于小区中资源块分配变量s_k,n和拉格朗日乘子β以及公式(10)，计算出按照当前拉格朗日乘子在设定的资源分配方式下用户k发送速率超出最小速率需求的量

S1B.b3：判断如果则设置并继续步骤S1B.b2；如果满足则将作为与用户k发送速率对应的拉格朗日乘子上限。

由此，通过上述步骤S1B.b1-S1B.b3，可以确定每一名用户k的初始上限

并且，可以根据和确定每一名用户k的初始的拉格朗日乘子并由此确定步骤S1中的初始的

根据本发明的另一个实施例，在步骤S1中可以采用梯度法来确定初始的β⁰和可以将起始的初始β⁰以及中每一名用户k的设置为0到1之间的值，例如0.01。

在步骤S1之后的步骤中，可以采用梯度法分别为β和设置梯度法的迭代步长τ₁和τ₂，以用于迭代更新拉格朗日乘子β⁰和可以将步长τ₁和τ₂的大小设置在0到1之间，例如0.01。

S2：根据当前迭代m次的拉格朗日乘子β^m和确定小区内每名用户的资源块分配情况。

根据本发明的一个实施例，将资源块n分配给小区内的最优用户k*，以下示出了k*所满足的要求：

将用户资源分配的权重w_k与用户k发送速率对应拉格朗日乘子之和定义为用户资源分配的相关因子，简称用户相关因子。

将小区中用户在一定资源块的正因子定义为，用户相关因子与用户k在资源块n的每功率信干噪比χ_k，n的积同当前迭代m次的小区发送功率对应拉格朗日乘子β^m与2的自然对数ln2之积作商的运算结果与0相比的较大值，进行以2为底的对数运算之后，与用户相关因子求积，即

将小区中用户在资源块的负因子定义为，先对用户相关因子同当前迭代m次的小区发送功率对应拉格朗日乘子β^m与2的自然对数之积ln2作商，之后再与用户在此资源块的每功率信干噪比χ_k，n的倒数做差，其结果与0相比中较大者同小区发送功率对应拉格朗日乘子β^m求积，即

小区中资源块分配的最优用户k*为，满足小区中用户在此资源块的正因子与负因子之差最大的用户k，即

S3：根据当前拉格朗日乘子β^m和确定小区内每名用户的功率分配。

根据本发明的一个实施例，为在上述步骤S2中未分配资源块的用户k分配的发送功率为0，为分配了任意一个资源块n的用户k所分配的发送功率p_k，n，满足以下要求：

将用户资源分配的权重w_k与用户k发送速率对应拉格朗日乘子之和定义为用户资源分配的相关因子，简称用户相关因子。

将小区中资源块上对用户分配功率的正因子定义为，用户相关因子同当前迭代m次的小区发送功率对应拉格朗日乘子β^m与2的自然对数ln2之积作商，即

将小区中资源块上对用户分配功率的负因子定义为，用户k在资源块n的每功率信干噪比χ_k，n的倒数，即

小区中在资源块n上对用户k的发送功率p_k，n为，取小区中资源块上对用户分配功率的正因子与负因子之差与0相比的较大值，再与小区干扰门限ε₀同小区资源块上参考用户的信道增益之商相比的较小值，即

S4：根据当前拉格朗日乘子β^m和来计算小区发送功率余量其被定义为小区发送功率P_i与小区全部用户分配的功率之和的差值，即

S5：判断是否达到终止的条件，即所述小区发送功率余量的平方是否小于设定的阈值Δ，即或者连续多次迭代的拉格朗日乘子β^m不再变化，如“是”则继续步骤S8，如“否”则继续步骤S6。其中，Δ∈(0,1)，且Δ＜＜1。

S6：更新拉格朗日乘子β^m+1和

根据本发明的一个实施例，采用二分法来更新下一次迭代中与小区发送功率对应的拉朗日乘子的查找区域以及β^m+1，并根据当前的β^m使用二分法查找相应的这样的采用二分法来更新拉格朗日乘子β^m+1和的方法，包括：

S6A.1：采用以下方式确定拉格朗日乘子β^m+1的搜索范围

在m＝0时，将β^m的初始搜索范围设置为

在m＞0时，如果发送功率余量说明小区功率剩余，则保持搜索下限不变β ^m+1 ＝β ^m ，并将搜索上限设置为如果发送功率余量则将搜索下限设置为β ^m+1 ＝β^m，保持搜索上限不变其中， ${\mathrm{\&beta;}}^m=\frac{\underset{\&OverBar;}{{\mathrm{\&beta;}}^m}+\stackrel{\&OverBar;}{{\mathrm{\&beta;}}^m}}{2}.$

S6A.2：搜索确定拉格朗日乘子β^m+1：在的范围内进行搜索，比较采用当前拉格朗日乘子β^m和的功率的平方与设定的阈值Δ的大小，如果则采用当前的β^m+1作为更新后的拉格朗日乘子。

S6A.3：基于当前的β^m+1，采用以下方式确定中的每一个变量

首先，确定针对拉格朗日乘子进行第l次搜索的范围

在l＝0时，将中的每一个变量的初始搜索范围设置为使采用下限的用户k的速率而采用上限的用户k的速率

在l＞0时，如果第l次搜索的速率说明满足用户的速率需要，则保持第l+1次的搜索下限不变并将搜索上限设置为如果速率则将第l+1次的搜索下限设置为保持搜索上限不变其中，

然后，针对每一个变量在的范围内进行搜索，比较采用当前拉格朗日乘子β^m和搜索范围内的的功率的平方与设定的阈值Δ的大小，如果则采用当前的作为更新后的拉格朗日乘子；如果则令l＝l+1并重复步骤S6A.3，由此以确定中的每一个变量。

由此，通过上述二分法的步骤S6A.1-S6A.3可以确定下一次迭代中与小区发送功率对应的拉朗日乘子β^m+1和与小区用户发送速率对应的拉格朗日乘子在中，与每一名用户k发送速率对应拉格朗日乘子为

根据本发明的另一个实施例，采用梯度法来更新拉格朗日乘子β^m+1和的方法，包括：

S6B.1：确定为β和设置梯度法的迭代步长τ₁和τ₂，以用于迭代更新拉格朗日乘子β^m+1和可以将步长τ₁和τ₂的大小设置在0到1之间，例如0.01。

本领域的技术人员应理解，本发明的实施例不限制实施步骤S6B.1的顺序，只需在步骤S6B.2之前实施步骤S6B.1即可。

S6B.2：将β^m+1设置为β^m与步长τ₁乘以小区发送功率余量的结果之差，即

S6B.3：将在中与每一名用户k发送速率对应拉格朗日乘子设置为与步长τ₁乘以用户速率余量再减去最小速率需求的结果之差，即

由此，通过上述迭代法的步骤S6B.1-S6B.3，可以确定下一次迭代中的拉格朗日乘子β^m+1和

S7：设置m＝m+1。重复步骤S2到S6。

S8：输出所获得的小区的用户的资源块和功率的分配方案。

为了验证上述方法的有效性，发明人进行了仿真实验，并将本发明的方法与现有技术进行对比。

发明人在由Macro和Pico小区组成的集中式异构网络区域中采用了正交的频谱资源。这些Macro和Pico小区之间的用户互不干扰，仅Pico小区之间的用户存在干扰，由此来验证不同算法的性能。在实验过程中，为了验证本发明提出的方法的有效性，所模拟的异构网络区域包含1个MacroRRU和6个低功率PicoRRU，Macro和Pico小区区域的每个用户仅有一个业务请求。业务以两种形式存在，其中由对业务延时较为敏感的类型1(Class1)来代表语音业务，由对业务延时不敏感的类型2(Class2)来代表FTP等数据业务。每一类业务包的到达服从泊松分布，每个业务包大小为500bit。

表1给出了两类业务的包到达率、延时和最小速率需求。

表1不同业务类型的参数取值

表2给出了所采用的系统中的小区类型、最大功率、天线增益、噪声谱密度、路损等参数。

表2系统参数

假设不同负载下，每个小区区域均有相同的用户数，以及相同数量的两类业务。

首先，对小区干扰门限的影响进行分析。附图3给出了不同干扰门限ε₀设置下，小区边缘用户的平均速率变化曲线。根据图3可知，随着小区干扰门限的增大，小区边缘用户平均吞吐量首先逐渐增大，当干扰门限达到一定值后又随着干扰门限的增大而降低。在小区干扰门限设为较小值时，小区内资源块上允许的最大发送功率较小限制了系统性能的提升，而干扰门限值设较高的值时，随着小区资源块上发送功率增大小区间干扰增大导致边缘用户的平均速率降低。因此，需要选择恰当的干扰门限值。图3示出了当小区干扰门限接近5x10^-9W时达到小区速率与干扰降低的较好折中。因此，本发明的仿真采用了5x10^-9W的干扰门限值。

以下通过系统仿真验证在不同的业务负载下采用提出的资源分配算法不同类型业务的延时、丢包率、中断概率。

在仿真中所采用的用于与本发明作对比的现有技术，包括：

1)PF(ProportionalFair)：对小区用户采用正比公平优先级排序，再按优先级进行满足用户最小速率需求的资源分配算法；

2)PMO(PowerMinimizeOptimization)：采用最小化小区用户总发送功率且满足用户速率需求的资源分配算法；

3)CLO(CLusterOptimization)：对低功率节点分簇，并对簇内小区进行干扰避免的资源分配算法；

4)DARA(DelayAwareResourceAllocation)：基于效用函数满足业务延时需要的资源分配优化算法。其中用户资源分配的效用函数采用提出的考虑业务延时以及缓冲区大小的效用函数；

5)QGRA(QoSGuaranteeResourceallocation)：提出的考虑干扰以及业务服务质量需求的资源分配算法。

图4的(a)和(b)分别给出了在小区半径区域内不同用户数下，类型1业务的用户平均延时和平均丢包率。可以看出，针对类型1的业务采用本发明所提出的QGRA资源分配方法和延时感知的DARA资源分配算法的平均延时和平均丢包率明显低于其它三种未考虑业务延时的资源分配算法。

图5的(a)和(b)分别给出了小区半径区域内不同用户数下，类型2业务的用户平均延时和平均中断概率。可以看出，针对类型2的业务采用本发明所提出的QGRA算法比其它资源分配算法的平均延时和中断概率均为最小。这是由于提出的资源分配算法考虑到小区间的干扰以及小区内用户的延时和速率需求自适应优化小区的用户资源分配，相比忽略业务延时需求仅考虑小区间干扰的算法PMO和CLO以及考虑到业务延时速率需求而未考虑小区间干扰的DARA资源分配算法，优化了用户业务包调度以及小区的频谱和功率资源分配，从而更好地保证了不同类型用户业务的服务质量。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。本发明的应用场景并不限于上述OFDMA系统中下行数据发送，还可以是允许灵活地为用户分配不同的物理资源块的其他场景，例如OFDMA和LTE的上行数据发送或其他。此外，本领域的技术人员应理解，除去本发明的实施例中所采用二分法和梯度法之外，还可以使用其他搜索算法来确定满足资源分配约束条件的拉格朗日乘子β和

尽管上文参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种异构无线网络资源分配的方法，包括：

1)针对小区i，确定所设置的与小区i中发送功率对应参数β、以及与小区i的全部K_i名用户中的每一个的传输速率对应的参数

2)根据β和针对每一个资源块，确定要分配资源块n的所述小区的最优用户k^*，

其中，w_k是用户资源分配的权重，其与用户k的队列缓冲区长度和延时指示呈正比，χ_k，n为用户k在资源块n的每功率信干噪比，运算(x)⁺表示求x和0相比的较大值；

3)根据β和确定小区i内分配任意一个资源块n的每一名用户k的发送功率p_k，n，

其中，ε₀为小区i设定的干扰门限，为小区资源块n上参考用户k^ref的信道增益，所述参考用户k^ref在为小区i的相邻小区中在资源块n上受小区干扰最强的用户。

2.根据权利要求1所述的方法，其中步骤1)中所述确定所述参数β和的方法，包括：

11)将迭代次数m初始化为0，并为小区i设置初始的参数β⁰和

12)确定当前的参数β^m和下的小区i发送功率余量

其中，s_k，n为资源分配指示变量，当s_k，n趋于0时表示资源块n不分配给用户k，当s_k，n趋于1时表示资源块n分配给用户k；运算表示先计算x与a中的较大值，再将所得结果与b相比的较小值作为最终值；

13)如果或者不存在连续多次迭代的β^m不再变化的情况，则令m＝m+1，将参数更新为β^m+1和并重复步骤12)-13)；

其中，Δ为设定的阈值，其范围在0-1之间且远小于1。

3.根据权利要求2所述的方法，其中步骤11)包括：

11A1)在给定一组初始的并且当中与每一名用户k对应的的情况下，确定β⁰的上限β ⁰ 和下限使得

11A2)在确定了β⁰之后，再重新确定中与每一名用户k对应的的上限和下限使得以确定中每一名用户k的

4.根据权利要求3所述的方法，其中步骤11A1)中所述确定β⁰的下限β ⁰ 的方法，包括：

11A1a1)初始化确定小区i中每个资源块分配给哪个用户和为每个资源块分配的发送功率；

11A1a2)固定一个初始的使得其中与每一名用户k对应的

11A1a3)初始化一个β ⁰ 值，满足β ⁰ ∈(0,1)，且β ⁰ ＜＜1；

11A1a4)基于β ⁰ ，计算小区i发送功率余量

11A1a5)判断如果则设置β ⁰ ＝β ⁰ /10，并重复步骤11A1a3)-11A1a5)；如果满足则将β ⁰ 作为β⁰的下限。

5.根据权利要求3所述的方法，其中步骤11A1)中所述确定β⁰的上限的方法，包括：

11A1b1)初始化确定小区i中每个资源块分配给哪个用户和为每个资源块分配的发送功率；

11A1b2)固定一个初始的使得其中与每一名用户k对应的

11A1b3)初始化一个值，使得

11A1b4)基于计算小区i发送功率余量

11A1b5)判断如果则设置并重复步骤11A1b3)-11A1b5)；如果满足则将作为β⁰的上限。

6.根据权利要求4或5所述的方法，其中步骤11A2)中所述确定的下限的方法，包括：

11A2a1)初始化一个值，满足使得

11A2a2)基于计算在设定的资源分配方式下用户k发送速率超出最小速率需求的量

其中，为最小速率需求；

11A2a3)判断如果则设置并继续步骤11A2a2)；如果满足则将作为的下限。

7.根据权利要求4或5所述的方法，其中步骤11A2)中所述确定的上限的方法，包括：

11A2b1)初始化一个值，使得

11A2b2)基于计算在设定的资源分配方式下用户k发送速率超出最小速率需求的量

其中，为最小速率需求；

11A2b3)判断如果则设置并继续步骤11A2b2)；如果满足则将作为的上限。

8.根据权利要求2所述的方法，其中步骤13)所述的将参数更新为β^m+1和的方法，包括：

13A1)确定β^m+1的搜索范围

在m＝0时，将β^m的初始搜索范围设置为

在m＞0时，如果则设置β ^m+1 ＝β ^m 、如果则设置β ^m+1 ＝β^m、 $\stackrel{\&OverBar;}{{\mathrm{\&beta;}}^{m+1}}=\stackrel{\&OverBar;}{{\mathrm{\&beta;}}^m};$

13A2)在的范围内搜索确定β^m+1：

如果则采用当前的β^m+1作为更新后的参数；

13A3)基于当前的β^m+1，确定中的每一个变量的搜索范围，第l次搜索的范围被表示为

在l＝0时，将中的每一个变量的初始搜索范围设置为

在l＞0时，如果则设置如果速率则设置

其中， 为最小速率需求；

13A4)针对每一个变量在的范围内，搜索确定

如果则采用当前的作为更新后的参数。

9.根据权利要求2所述的方法，其中步骤13)包括：

13B1)确定为β和设置迭代步长τ₁和τ₂，以用于迭代更新参数β^m+1和

13B2)设置

13B3)设置

其中，q与q+1表示相邻的两次搜索，其中，为最小速率需求。

10.一种异构无线网络资源分配的设备，包括：

1)用于针对小区i确定所设置的参数β、以及与小区i的全部K_i名用户中的每一个的传输速率对应的参数的装置；

2)用于根据β和针对每一个资源块确定要分配资源块n的所述小区的最优用户的装置，

其中，用户资源分配的权重w_k与用户k的队列缓冲区长度和延时指示呈正比，χ_k，n为用户k在资源块n的每功率信干噪比，运算(x)⁺表示求x和0相比的较大值；

3)用于根据β和确定所述小区内分配任意一个资源块n的每一名用户k的发送功率的装置，

其中，ε₀为小区设定的干扰门限，为小区资源块n上参考用户k^ref的信道增益，所述参考用户k^ref在为所述小区的相邻小区中在资源块n上受小区干扰最强的用户。