CN106961293A - 无线网络分布式密集网络资源分配算法 - Google Patents

Abstract

本发明公开了一种无线网络分布式密集网络资源分配算法，该方法首先收集用户检测到的信道信息；然后初始化分配方案生成概率；并根据生成概率生成分配方案样本；然后计算各个样本的目标函数值；对样本进行筛选，并输出一个调度结果；根据约束条件修正结果，并输出RB调度结果，然后进行功率分配算法，最后输出资源分配方案。本发明首先根据预估的用户数据速率设定样本生成概率，有效加快了收敛速度；然后，通过对生成概率的不断迭代，得到了满足回程线路容量限制的最优调度结果；最后，根据给定的数据速率阈值对调度结果进行修正，保障了传输的最小数据速率要求。

Description

无线网络分布式密集网络资源分配算法

技术领域

本发明属于无线通信的技术领域，特别涉及一种基于多点协调(coordinatedmultipoint，CoMP)传输技术的密集网络资源分配方法。

背景技术

密集网络是指在现有宏小区的覆盖范围内，根据需求增加大量低功耗低成本的接入点而构成的密集部署的网络架构。在密集网络中，接入点可灵活地部署在室内或室外通信质量较差的地点，能够规避障碍物对无线信号传输的影响。同时，接入点的引入缩短了基站与用户之间的传输距离，减小了无线信号传输过程中的路径损耗，从而提高信号传输的质量。因此，作为实现宏小区全覆盖范围内的高数据速率通信的有效途径，密集网络被认为是移动通信系统发展的主流趋势，并受到了工业界和学术界的广泛关注。

3GPP在LTE-A系统中便引入了密集网络的部署方式，并将这样的网络定义为异构网络(Heterogeneous Network，HetNet)。HetNet的核心思想是，在现有宏小区覆盖的基础上，灵活地增加多种类型的低功率节点，如micro、pico、femto、RRH以及中继等。与LTE-A的宏基站eNode B(eNB)相比，这些低功耗节点采用的传输功率较小，部署灵活，成本更低，能够覆盖宏小区的覆盖盲点，并增加频谱资源的复用程度，提高资源的利用效率。然而，高密度的节点部署会引起小区间同频干扰强度的增加。如果处理不当，会使HetNet结构在频谱利用效率等方面的优势无法发挥。为了解决这个问题，LTE-A又引入了多点协调(coordinated multipoint，CoMP)传输技术，以期能够有效通过节点之间的合作传输，消除小区间的同频干扰，并进一步增加无线通信系统的资源利用效率。

根据合作传输方式的不同，CoMP技术可进一步分为协同调度/协同波束成形(coordinated scheduling/coordinated beamforming，CS/CB)CoMP和联合处理(jointprocessing，JP)CoMP两类。其中，CS/CB CoMP传输中，基站根据与指定用户之间的信道条件对发送的数据符号进行联合的预编码，从而减少相邻小区间的同信道干扰。典型的预编码技术包括脏纸编码(dirty paper coding，DPC)和线性预编码等。JP CoMP则侧重于对干扰的主动利用，允许干扰区域内的一个或多个基站同时为同一指定用户服务。典型的技术包括动态小区选择(dynamic cell selection，DCS)CoMP和联合传输(joint transmission，JT)CoMP。其中，JT CoMP技术不仅能够有效消除小区间同信道干扰，还能够利用这些干扰信号，生成有用信号副本，增加有用信号的接收强度。

尽管JT CoMP相比于其他CoMP技术在资源利用效率和干扰消除方面具有更大的潜力，其灵活多变的合作传输策略也给无线资源管理带来了更大的难度。基于JT CoMP技术的密集网络涉及的基站数量多，在资源分调度中需要考虑复杂的网络环境和动态的合作基站选择等问题。如果采用集中式的资源分配方法，则对中心控制单元的计算能力和存储能量有极高的要求。

发明内容

基于此，因此本发明的首要目地是提供一种无线网络分布式密集网络资源分配算法，该方法基于JT CoMP技术的HetNet的无线资源分配，并提出了基于交叉熵的分布式RB调度方法，能够降低了系统对中心控制单元能力的要求，能够减少算法执行的总时延。

本发明的另一个目地在于提供一种无线网络分布式密集网络资源分配算法，该方法可以得到满足回程线路容量限制的最优调度结果，并根据给定的数据速率阈值对调度结果进行修正，保障了传输的最小数据速率要求。

为实现上述目的，本发明的技术方案为：

一种无线网络分布式密集网络资源分配算法，其特征在于该方法通过网络中心和基站实现，该方法包括如下步骤：

步骤1、网络中心的中心控制单元收集用户检测到的信道信息；所述网络中共有M个基站(Base Station，BS)，每个BS上配有NT个发射天线；

允许用户根据自身接收到的参考信号情况选择一个CoMP集合，该集合包含可能为用户传输数据的BS。值得注意的是，CoMP集合中可能包含一个或者多个BS。

用户k的CoMP集合Π_k，用户k选出集合П_k并将选择结果反馈给中心控制单元，(如果П_k中只包含用户k的home BS，即|П_k|＝1，则k为小区内用户，在下行传输中只有home BS为其服务。相反，如果|∏_k|＞1，则说明k为小区边缘用户。CoMP集合中的若干个BS以给定的CoMP合作方式联合为用户k服务，以提高用户的服务质量。)

根据用户的瞬时信道信息动态地在每个RB上为用户选择CoMP合作集合，以达到网络总体性能的提升。

步骤2、中心控制单元初始化分配方案生成概率；

初始化过程中，将这个概率设定为常数，即：

对于中的非零元素，则根据对用户数据速率的估计对概率赋初值。这样的赋值可在一定程度上加快收敛速度。

进一步，用下式对用户k在RB n上的数据速率进行估计：

同时，利用式：

s.t.C1：

C2：

C3：

C4：

约束条件C4对每RB传输的QoS进行了限制，不能达到阈值R_thres被认为是不成功的传输。为了节约资源，系统将不考虑在RB n上调度的用户k，即令k对应的概率而对于能够达到数据速率阈值R_thres的用户，则根据其估计的数据速率占总的数据速率的比重进行概率赋值。假设用户k的数据速率满足QoS要求，其对应的概率定义为：

其中，等号右边第1项表示用户的数据速率占总数据速率的比重，需要注意的是，总数据速率只包含能够满足QoS的数据速率；等号右边的第2项则是保证概率分布q^m，n满足

综上所述，BS m在RB n上RB调度的概率分布初值可以表示为：

根据上式可得到BS m在RB n上用户选择的概率分布q^m，n，进而可得BS m在全部RB上的用户选择概率分布q^m＝{q^m，n}，

步骤3、根据生成概率生成分配方案样本；

根据给定的概率分布随机生成若干个样本。随机生成的样本并不能保证是满足约束条件的最优解，因此需要对样本进行筛选。

合格的样本应该满足两个条件：第一，样本的效用函数值足够高；第二，样本需满足回程线路容量限制，即上式中的约束条件C3。

步骤4、计算各个样本的目标函数值；

已知BS m回程线路的容量为C_m，在生成样本的过程中，若样本产生的BS m的吞吐量样本将直接被去除。同样地，令 其中表示依据样本得到的BS m的总功率消耗， BS m随机生成样本i，记为表示第t次迭代中样本效用函数的阈值，对于效用函数不能达到要求的样本(即)将不予考虑。按照上述要求生成N_SAM个有效样本，记为

进一步地，按照重要采样的原则在N_SAM个有效样本中筛选出重要样本。对N_SAM个有效样本的效用函数进行降序排列，不失一般性，可以假设设定一个分位点p(0≤ρ≤1)，对于降序排列的样本，截取其中个样本作为重要样本，并以这些样本作为更新概率的依据。符号表示对a向上取整。

为了在每次迭代中使样本结果更接近最优的目标函数，逐步提高生成有效样本的效用函数阈值每次迭代后，该阈值将更新为重要样本中效用函数值中的最小值，即

按照这样的更新规则，样本的效用函数将越来越接近最优解。

步骤5、对样本进行筛选，并输出一个调度结果；

接下来，根据重要样本更新概率分布，使得下一次迭代中可以以更好的概率生成“好”的样本。样本中元素的概率分布q^m，n，可根据N_IM中每个用户(包括无用户情况)出现的次数进行更新，即：

其中，表示在N_IM个样本中，u出现在样本的第n位的次数。在下一次迭代中，会根据更新后的概率分布生成新的N_SAM个样本。经过若干次迭代后，概率分布q^m，n逐步收敛。当全部q^m，n都以概率1收敛于某一用户时，算法即得到RB调度的最优解，而此时得到的确定的样本(以概率1生成的样本)即问题的最优解。

步骤6、判断算法是否收敛；所述的判断算法是否收敛，是判断概率分布q^m，n逐步收敛。如果是，则进行下一步；如果否，则根据生成概率和其它参数，返回步骤3；

步骤7、根据约束条件修正结果；约束条件是指C4；

步骤8、输出RB调度结果；

步骤9、进行功率分配算法；

每个BS上的功率分配问题可表示为：

s.t.C1

C3

C4

关于约束条件C3和C4的对偶方程表示如下：

对上式中的Cm按下式进行变形：

其中，将上述公式合并，得到变形后的效用函数为：

其中，的值有0和1两种情况。当时，在数学上没有意义。这时，BS m在RB n上没有传输，因此相应的效用函数为0。当时，用k^*表示满足条件的用户，此时针对BS m在RB n上对用户k^*传输的功率分配问题可表示为：

令表示均情况，对其求关于的一阶导数为：

其中，

令可得第t+1次迭代中的表达式为：

根据公约束条件C1，发射功率应满足得到的一定是非负数，不存在小于0的情况，因此最终的功率分配值应选择上式中拉格朗日乘数和定义如下：

其中，和分别表示λ_m和μ_k迭代的步长，t代表迭代次数。

每个BS根据调度结果针对每个RB进行上述处理，即可得到优化的功率分配结果。

步骤10、输出资源分配方案。

本发明所实现的方法，首先根据预估的用户数据速率设定样本生成概率，有效加快了收敛速度；然后，通过对生成概率的不断迭代，得到了满足回程线路容量限制的最优调度结果；最后，根据给定的数据速率阈值对调度结果进行修正，保障了传输的最小数据速率要求。

附图说明

图1是本发明所实施的网络结构框图。

图2是本发明所实施的流程图。

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，以下结合附图及实施例，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。

参见图1所示，为本发明所述采用频分双工的密集网络下行传输系统的网络结构。图中所示，网络中共有M个基站(Base Station，BS)，每个BS上配有NT个发射天线。所有传输节点的集合表示为∏＝{1，...，M}。网络中每个BS共同复用NRB个带宽为180kHz、传输时间间隔为1ms的资源块。网络在某一时刻，同时为均匀分布的K个用户提供传输服务。所有用户的集合表示为人＝{1，...，K}，每个用户设备上配有NT个接收天线。

在网络中心存在一个逻辑上的中心控制单元(CU)，负责收集用户检测到的信道信息，并以此为依据对系统频率、功率等资源按照一定规则进行分配，以得到最佳的系统性能。CU通过回程线路连接向各个BS发送控制信令、资源分配结果以及待传输的数据信息。由于回程线路的存在，可以合理假设BS之间、BS与中心控制单元之间在各维度(时间、频率等)上完全同步。用户根据其信道状态可分配小区内用户和小区边缘用户。对于一个小区内用户，由于该用户可能在地理位置上接近网络中某个BS，因此用户接收到的来自临近BS的参考信号(reference signal，RS)强度，明显强于来自其他BS的参考信号。相反地，小区边缘用户由于处于多个BS覆盖范围的重合区域，其接收到的来自临近的若干个BS的参考信号强度较弱且差距很小。两种类型的用户都会选择参考强度最大的BS作为home BS，并将基本信息注册在home BS列表中。此外，假设BS之间在时间、频率上完全同步。无线信道具有伪平稳的衰落特性，即在一个传输时间间隔(transmission time interval，TTI)内信道特性不发生变化。

参照LTE-A的定义，系统允许用户根据自身接收到的参考信号情况选择一个CoMP集合，该集合包含可能为用户传输数据的BS。值得注意的是，CoMP集合中可能包含一个或者多个BS。将用户k的CoMP集合记为LTE-A中∏_k选择的原则为：

其中，Δ_thres表示CoMP集选择阈值(dB)，RS表示参考信号的接收强度。

当Δ_thres越小时，CoMP集合中包含的BS越多，相应地，CoMP传输时所需的系统控制开销也随之增加。因此，Δ_thres的选择反映了合作增益与系统开销的折中关系，对于网络环境和系统需求可适当地对Δ_thres进行调整，令Δ_thres＝5dB。

按照式(1)中的准则，用户k选出集合П_k并将选择结果反馈给中心控制单元。如果П_k中只包含用户k的home BS，即|П_k|＝1，则k为小区内用户，在下行传输中只有home BS为其服务。相反，如果|∏_k|＞1，则说明k为小区边缘用户。CoMP集合中的若干个BS以给定的CoMP合作方式联合为用户k服务，以提高用户的服务质量。

在JT CoMP中，用户k的CoMP集合Π_k中的全部或者多个BS在相同RB(无线电信标)上为用户k发送相同数据。由于BS间的空间分离，数据从不同BS发出后经过空间独立的信道到达用户接收天线，通过合并使得数据信号的强度随发送BS增多而提高，即得到空间分集增益。由此，JT CoMP技术将用户的主要小区间干扰变为可利用的传输，既提高了数据信号强度，同时减少了小区间干扰。

JT CoMP技术的直接实现方式是，用户k的每次传输都利用CoMP集合Π_k中的全部BS作为传输BS，这种固定的策略称为FJT(fixed JT)。FJT CoMP没有考虑信道的频选特性，无法适应网络的动态变化。为了解决这个问题，系统还可以根据用户的瞬时信道信息动态地在每个RB上为用户选择CoMP合作集合，以达到网络总体性能的提升。令集合表示用户k在RB n上的CoMP合作集合，则在DJT CoMP传输中，用户k在RB n上的传输可表示为：

其中，П{m}表示从П去除元素{m}后的集合；是N_R×1维接收向量，其中每个元素代表对应位置上天线的接收信号；为N_R×N_T维的信道矩阵，其中元素代表BS m的第j个天线与用户k的第i个天线之间的信道系数；是N_T×1维向量，表示BS m对符号的预编码，且有 是BS m对该次传输分配的发射功率；是接收天线处的复高斯白噪声向量，

定义调度索引集合其中说明系统中心控制单元在接下来的TTI中分配BS m的RB n为用户k传输数据，即相应地，式(2)中接收信号的信干噪比可表示为：

其中，

为了同时兼顾系统的吞吐量、能量消耗以及用户间的公平性，将资源分配的优化目标定义为如下形式：

其中，表示用户在RB n上的数据速率，其计算式为：

为用户k在当前TTI位置获得的累积平均数据速率，其定义为：

其中，0＜α＜1为遗忘因子，用来平衡累计平均数据速率和当前数据速率对资源分配的影响；为截至当前时刻，用户k的累计平均数据速率。

在约束条件中对传输质量进行限制。综上，基于CoMP技术的密集网络资源分配问题的优化问题模型可表示为：

s.t.C1：

C2：

C3：

C4：

其中，C1表示最高BS的发射功率的限制为S，C2表示RB不可被重复分配，C3表示回程线路容量对每BS吞吐量的限制；Rthres为给定的数据速率阈值，系统的资源分配方案应保证每个传输的数据速率不低于该阈值，因此C4保证了网络中每个传输的质量。

使每个RB上的功率分配为等值分配，则RB调度问题可简化为：

s.t.C1：

C2：

C3：

C4：

其中，变量是一个维度为M×NRB×K的随机矩阵，其中是一个比特数，可视为伯努利随机变量。在交叉熵方法的每次迭代中，需要产生足够量的样本。

基于此，根据图2所示，本发明所实现的无线网络分布式密集网络资源分配算法，其特征在于该方法通过网络中心和基站实现，该方法包括如下步骤：

步骤1、网络中心的中心控制单元收集用户检测到的信道信息；所述网络中共有M个基站(Base Station，BS)，每个BS上配有NT个发射天线；

允许用户根据自身接收到的参考信号情况选择一个CoMP集合，该集合包含可能为用户传输数据的BS。值得注意的是，CoMP集合中可能包含一个或者多个BS。

用户k的CoMP集合∏_k，用户k选出集合∏_k并将选择结果反馈给中心控制单元，(如果П_k中只包含用户k的home BS，即|Π_k|＝1，则k为小区内用户，在下行传输中只有home BS为其服务。相反，如果|∏_k|＞1，则说明k为小区边缘用户。CoMP集合中的若干个BS以给定的CoMP合作方式联合为用户k服务，以提高用户的服务质量。)

根据用户的瞬时信道信息动态地在每个RB上为用户选择CoMP合作集合，以达到网络总体性能的提升。

步骤2、中心控制单元初始化分配方案生成概率；

初始化过程中，将这个概率设定为常数，即：

对于中的非零元素，则根据对用户数据速率的估计对概率赋初值。这样的赋值可在一定程度上加快收敛速度。

进一步，用下式对用户k在RB n上的数据速率进行估计：

同时，利用式：

s.t.C1：

C2：

C3：

C4：

约束条件C4对每RB传输的QoS进行了限制，不能达到阈值R_thres被认为是不成功的传输。为了节约资源，系统将不考虑在RB n上调度的用户k，即令k对应的概率而对于能够达到数据速率阈值R_thres的用户，则根据其估计的数据速率占总的数据速率的比重进行概率赋值。假设用户k的数据速率满足QoS要求，其对应的概率定义为：

其中，等号右边第1项表示用户的数据速率占总数据速率的比重，需要注意的是，总数据速率只包含能够满足QoS的数据速率；等号右边的第2项则是保证概率分布q^m，n满足

综上所述，BS m在RB n上RB调度的概率分布初值可以表示为：

根据上式可得到BS m在RB n上用户选择的概率分布q^m，n，进而可得BS m在全部RB上的用户选择概率分布q^m＝{q^m，n}，

步骤3、根据生成概率生成分配方案样本；

根据给定的概率分布随机生成若干个样本。随机生成的样本并不能保证是满足约束条件的最优解，因此需要对样本进行筛选。

合格的样本应该满足两个条件：第一，样本的效用函数值足够高；第二，样本需满足回程线路容量限制，即上式中的约束条件C3。

步骤4、计算各个样本的目标函数值；

已知BS m回程线路的容量为C_m，在生成样本的过程中，若样本产生的BS m的吞吐量样本将直接被去除。同样地，令 其中表示依据样本得到的BS m的总功率消耗， BS m随机生成样本i，记为表示第t次迭代中样本效用函数的阈值，对于效用函数不能达到要求的样本(即)将不予考虑。按照上述要求生成N_SAM个有效样本，记为

进一步地，按照重要采样的原则在N_SAM个有效样本中筛选出重要样本。对N_SAM个有效样本的效用函数进行降序排列，不失一般性，可以假设设定一个分位点ρ(0≤ρ≤1)，对于降序排列的样本，截取其中个样本作为重要样本，并以这些样本作为更新概率的依据。符号表示对a向上取整。

为了在每次迭代中使样本结果更接近最优的目标函数，逐步提高生成有效样本的效用函数阈值每次迭代后，该阈值将更新为重要样本中效用函数值中的最小值，即

按照这样的更新规则，样本的效用函数将越来越接近最优解。

步骤5、对样本进行筛选，并输出一个调度结果；

接下来，根据重要样本更新概率分布，使得下一次迭代中可以以更好的概率生成“好”的样本。样本中元素的概率分布q^m，n，可根据N_IM中每个用户(包括无用户情况)出现的次数进行更新，即：

其中，表示在N_IM个样本中，u出现在样本的第n位的次数。在下一次迭代中，会根据更新后的概率分布生成新的N_SAM个样本。经过若干次迭代后，概率分布q^m，n逐步收敛。当全部q^m，n都以概率1收敛于某一用户时，算法即得到RB调度的最优解，而此时得到的确定的样本(以概率1生成的样本)即问题的最优解。

步骤6、判断算法是否收敛；所述的判断算法是否收敛，是判断概率分布q^m，n逐步收敛。如果是，则进行下一步；如果否，则根据生成概率和其它参数，返回步骤3；

步骤7、根据约束条件修正结果；约束条件是指C4；

步骤8、输出RB调度结果；

步骤9、进行功率分配算法；

每个BS上的功率分配问题可表示为：

s.t.C1

C3

C4

关于约束条件C3和C4的对偶方程表示如下：

对上式中的Cm按下式进行变形：

其中，将上述公式合并，得到变形后的效用函数为：

其中，的值有0和1两种情况。当时，在数学上没有意义。这时，BS m在RB n上没有传输，因此相应的效用函数为0。当时，用k^*表示满足条件的用户，此时针对BS m在RB n上对用户k^*传输的功率分配问题可表示为：

令表示的情况，对其求关于的一阶导数为：

其中，

令可得第t+1次迭代中的表达式为：

根据公约束条件C1，发射功率应满足得到的一定是非负数，不存在小于0的情况，因此最终的功率分配值应选择上式中拉格朗日乘数和定义如下：

其中，和分别表示λ_m和μ_k迭代的步长，t代表迭代次数。

每个BS根据调度结果针对每个RB进行上述处理，即可得到优化的功率分配结果。

步骤10、输出资源分配方案。

步骤11、计算当前的吞吐量、平均公平性系数和能量效率。

本发明所实现的方法，首先根据预估的用户数据速率设定样本生成概率，有效加快了收敛速度；然后，通过对生成概率的不断迭代，得到了满足回程线路容量限制的最优调度结果；最后，根据给定的数据速率阈值对调度结果进行修正，保障了传输的最小数据速率要求。

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 (10)

1.一种无线网络分布式密集网络资源分配算法，其特征在于该方法通过网络中心和基站实现，该方法包括如下步骤：

步骤1、网络中心的中心控制单元收集用户检测到的信道信息；所述网络中共有M个基站，每个BS上配有NT个发射天线；

步骤2、中心控制单元初始化分配方案生成概率；

步骤3、根据生成概率生成分配方案样本；

步骤4、计算各个样本的目标函数值；

步骤5、对样本进行筛选，并输出一个调度结果；

步骤6、判断算法是否收敛；所述的判断算法是否收敛，是判断概率分布q^m，n逐步收敛；如果是，则进行下一步；如果否，则根据生成概率和其它参数，返回步骤3；

步骤7、根据约束条件修正结果；

步骤8、输出RB调度结果；

步骤9、进行功率分配算法；

步骤10、输出资源分配方案。

2.如权利要求1所述的无线网络分布式密集网络资源分配算法，其特征在于所述步骤1中，允许用户根据自身接收到的参考信号情况选择一个CoMP集合，该集合包含可能为用户传输数据的BS，CoMP集合中包含一个或者多个BS；

用户k选出集合П_k并将选择结果反馈给中心控制单元，如果П_k中只包含用户k的homeBS，即|Π_k|＝1，则k为小区内用户，在下行传输中只有home BS为其服务。相反，如果|∏_k|＞1，则说明k为小区边缘用户。

3.如权利要求2所述的无线网络分布式密集网络资源分配算法，其特征在于根据用户的瞬时信道信息动态地在每个RB上为用户选择CoMP合作集合。

4.如权利要求1所述的无线网络分布式密集网络资源分配算法，其特征在于步骤2中，初始化过程中，将这个概率设定为常数，即：

$q_1^{m,n}=\mathrm{Pr}\_0$

对于中的非零元素，则根据对用户数据速率的估计对概率赋初值。

5.如权利要求4所述的无线网络分布式密集网络资源分配算法，其特征在于用下式对用户k在RB n上的数据速率进行估计：

${\tilde{R}}_k^n=b\lg (1+\frac{\underset{m\∈{\mathrm{\Π}}_k}{\Σ}\left|\right|H_{m,k}^n{w}_m^n|{|}^{2}S}{\underset{m^{\′}\∈\mathrm{\Π}\backslash {\mathrm{\Π}}_k}{\Σ}\left|\right|H_{m^{\′},k}^n{w}_{m^{\′}}^n|{|}^{2}S+{\mathrm{\σ}}^2})$

同时，利用式：

$\begin{array}{cc}\underset{{\mathrm{\β}}_{m,k}^n}{max}& \underset{k=1}{\overset{K}{\Σ}}\underset{n=1}{\overset{N_{RB}}{\Σ}}\frac{R_k^n}{{\stackrel{\‾}{R}}_k}/\underset{m=1}{\overset{M}{\Σ}}\underset{n=1}{\overset{N_{RB}}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\β}}_{m,k}^n{p}_m^n\end{array}$

s.t.C1：

C2：

C3：

C4：

约束条件C4对每RB传输的QoS进行了限制，不能达到阈值R_thres被认为是不成功的传输；为了节约资源，将不考虑在RB n上调度的用户k，即令k对应的概率而对于能够达到数据速率阈值R_thres的用户，则根据其估计的数据速率占总的数据速率的比重进行概率赋值；假设用户k的数据速率满足QoS要求，其对应的概率定义为：

其中，等号右边第1项表示用户的数据速率占总数据速率的比重，需要注意的是，总数据速率只包含能够满足QoS的数据速率；等号右边的第2项则是保证概率分布q^m，n满足

综上所述，BS m在RB n上RB调度的概率分布初值可以表示为：

得到BS m在RB n上用户选择的概率分布q^m，n，进而可得BS m在全部RB上的用户选择概率分布q^m＝{q^m，n}，

6.如权利要求1所述的无线网络分布式密集网络资源分配算法，其特征在于步骤4中，已知BS m回程线路的容量为C_m，在生成样本的过程中，若样本产生的BS m的吞吐量样本将直接被去除。同样地，令 其中表示依据样本得到的BS m的总功率消耗， BS m随机生成样本i，记为表示第t次迭代中样本效用函数的阈值，对于效用函数不能达到要求的样本(即)将不予考虑。按照上述要求生成N_SAM个有效样本，记为

7.如权利要求6所述的无线网络分布式密集网络资源分配算法，其特征在于按照重要采样的原则在N_SAM个有效样本中筛选出重要样本，对N_SAM个有效样本的效用函数进行降序排列，不失一般性，假设设定一个分位点ρ(0≤ρ≤1)，对于降序排列的样本，截取其中个样本作为重要样本；

逐步提高生成有效样本的效用函数阈值每次迭代后，该阈值将更新为重要样本中效用函数值中的最小值，即

$f_{thres}^{(t+1)}=f_m\left(X_{N_{IM}}^m\right).$

8.如权利要求7所述的无线网络分布式密集网络资源分配算法，其特征在于步骤5中，根据重要样本更新概率分布，使得下一次迭代中可以以更好的概率生成“好”的样本。样本中元素的概率分布q^m，n，可根据N_IM中每个用户(包括无用户情况)出现的次数进行更新，即：

其中，表示在N_IM个样本中，u出现在样本的第n位的次数；在下一次迭代中，会根据更新后的概率分布生成新的N_SAM个样本，经过若干次迭代后，概率分布q^m，n逐步收敛；当全部q^m，n都以概率1收敛于某一用户时，算法即得到RB调度的最优解，而此时得到的确定的样本即问题的最优解。

9.如权利要求5所述的无线网络分布式密集网络资源分配算法，其特征在于步骤7中，约束条件是指C4。

10.如权利要求5所述的无线网络分布式密集网络资源分配算法，其特征在于步骤9中，每个BS上的功率分配问题可表示为：

$\begin{array}{cc}max& \underset{k=1}{\overset{K}{\Σ}}\underset{n=1}{\overset{N_{RB}}{\Σ}}{\mathrm{\β}}_{m,k}^n\frac{R_k^n}{{\stackrel{\‾}{R}}_k}/\underset{k=1}{\overset{K}{\Σ}}\underset{n=1}{\overset{N_{RB}}{\Σ}}{\mathrm{\β}}_{m,k}^n{p}_m^n\end{array}$

s.t.C1

C3

C4

关于约束条件C3和C4的对偶方程表示如下：

$\begin{array}{cc}\underset{p_m^n}{max}& \underset{n=1}{\overset{N_{RB}}{\Σ}}(\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\β}}_{m,k}^n\frac{R_k^n}{{\stackrel{\‾}{R}}_k}/\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\β}}_{m,k}^n{p}_m^n)-{\mathrm{\λ}}_m(\underset{n=1}{\overset{N_{RB}}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\β}}_{m,k}^n{R}_k^n-C_m)+\underset{n=1}{\overset{N_{RB}}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\μ}}_{n,k}{\mathrm{\β}}_{m,k}^n(R_k^n-R_{thres})\end{array}$

$\begin{array}{cc}s.t.& 0\≤p_m^n\≤S,\∀n\end{array}$

对上式中的Cm按下式进行变形：

$C_m=\underset{n=1}{\overset{N_{RB}}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\β}}_{m,k}^n\frac{C_m}{\underset{n=1}{\overset{N_{RB}}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\β}}_{m,k}^n}=\underset{n=1}{\overset{N_{RB}}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\β}}_{m,k}^n\frac{C_m}{{\mathrm{\β}}_m}$

其中，将上述公式合并，得到变形后的效用函数为：

$\underset{n=1}{\overset{N_{RB}}{\Σ}}(\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\β}}_{m,k}^n\frac{R_k^n}{{\stackrel{\‾}{R}}_k}/\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\β}}_{m,k}^n{p}_m^n-\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\λ}}_m{\mathrm{\β}}_{m,k}^n\left(R_k^n-\frac{C_m}{{\mathrm{\β}}_m}\right)+\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\μ}}_{n,k}{\mathrm{\β}}_{m,k}^n(R_k^n-R_{thres}\left)\right)$

其中，当时，用k^*表示满足条件的用户，此时针对BS m在RB n上对用户k^*传输的功率分配问题可表示为：

$\begin{array}{cc}\underset{p_m^n}{max}& \frac{R_{k^{*}}^n}{{\stackrel{\‾}{R}}_{k^{*}}}/p_m^n-{\mathrm{\λ}}_m(R_{k^{*}}^n-\frac{C_m}{{\mathrm{\β}}_m})+{\mathrm{\μ}}_{n,k^{*}}(R_{k^{*}}^n-R_{thres})\end{array}$

$\begin{array}{cc}s.t.& 0<p_m^n\&le;S\end{array}$

令表示的情况，对其求关于的一阶导数为：

$\frac{\&part;f_{m,n}}{\&part;p_m^n}=(\frac{1}{{\stackrel{\&OverBar;}{R}}_{k^{*}}{p}_m^n}-{\mathrm{\&lambda;}}_m+{\mathrm{\&mu;}}_{n,k^{*}})\frac{\&part;R_{k^{*}}^n}{\&part;p_m^n}-\frac{R_{k^{*}}^n}{{\stackrel{\&OverBar;}{R}}_{k^{*}}{\left(p_m^n\right)}^2}$

其中，

$\frac{\&part;R_{k^{*}}^n}{\&part;p_m^n}=\frac{b\underset{m\&Element;M}{\&Sigma;}{\mathrm{\&beta;}}_{m,k^{*}}^n\left|\right|H_{m,k^{*}}^n{w}_m^n|{|}^2}{\left|\right|H_{m,k^{*}}^n{w}_m^n|{|}^2{p}_m^n+\underset{m^{\&prime;}\&Element;M\backslash \left\{m\right\}}{\&Sigma;}|\left|H_{m^{\&prime;},k^{*}}^n{w}_{m^{\&prime;}}^n\right|{|}^2{p}_{m^{\&prime;}}^n+{\mathrm{\&sigma;}}^2}$

令可得第t+1次迭代中的表达式为：

$p_m^{n(t+1)}=\sqrt{\frac{R_{k^{*}}^n}{{\stackrel{\&OverBar;}{R}}_{k^{*}}}\frac{\left|\right|H_{m,k^{*}}^n{w}_m^n|{|}^2{p}_m^{n\left(t\right)}+\underset{m^{\&prime;}\&Element;M\backslash \left\{m\right\}}{\&Sigma;}|\left|H_{m^{\&prime;},k^{*}}^n{w}_{m^{\&prime;}}^n\right|{|}^2{p}_{m^{\&prime;}}^{n\left(t\right)}+{\mathrm{\&sigma;}}^2}{b\left|\right|H_{m,k^{*}}^n{w}_m^n\left|{|}^2(\frac{1}{{\stackrel{\&OverBar;}{R}}_{k^{*}}{p}_m^{n\left(t\right)}}-({\mathrm{\&lambda;}}_m-{\mathrm{\&mu;}}_{n,k^{*}})\right)}}$

根据公约束条件C1，发射功率应满足得到的一定是非负数，不存在小于0的情况，因此最终的功率分配值应选择上式中拉格朗日乘数和定义如下：

${\mathrm{\&lambda;}}_m^{(t+1)}=\max \{{\mathrm{\&lambda;}}_m^{\left(t\right)}-v_{\mathrm{\&lambda;}}^{\left(t\right)}(\underset{n=1}{\overset{N_{RB}}{\&Sigma;}}\underset{k=1}{\overset{K}{\&Sigma;}}{\mathrm{\&beta;}}_{m,k}^n{R}_k^n-C_m),0\}$

${\mathrm{\&mu;}}_{n,k}^{(t+1)}=max\{{\mathrm{\&mu;}}_{n,k}^{\left(t\right)}-v_{\mathrm{\&mu;}}^{\left(t\right)}(R_{thres}-R_k^n),0\}$

其中，和分别表示λ_m和μ_k迭代的步长，t代表迭代次数；每个BS根据调度结果针对每个RB进行上述处理，即可得到优化的功率分配结果。