CN108601087A - 一种基于网络切片的无线通信资源分配算法 - Google Patents

Abstract

本发明公开了一种基于网络切片的无线通信资源分配算法，该方法基于拉格朗日对偶理论和KKT条件将不同类型用户的速率、时延及可靠性的差异化性能指标要求转化为对无线通信资源的需求，在资源总量有限和不同网络切片服务的差异化用户需求下，以系统总速率最大化为目标对无线通信资源进行分配管理。本发明能够降低资源分配优化算法的复杂度，在满足不同用户服务质量需求的同时可以提高系统频谱效率。

Description

一种基于网络切片的无线通信资源分配算法

技术领域

本发明涉及通信资源分配技术领域，尤其涉及一种基于网络切片的无线通信资源分配算法。

背景技术

无线资源管理是利用基站的无线资源管理功能在资源有限的前提下对资源动态管理和优化调整，以提高系统频谱效率和能量效率，并保证用户的服务质量，因此无线资源管理在通信技术的发展历史中一直扮演重要的角色。近年来，基于OFDMA无线网络的无线资源分配问题引起了人们的广泛关注，并得到了一些较好的研究成果。现有研究在系统速率方面可以分为以下三类：以用户公平性为原则进行资源分配，即为每个用户分配资源使其获得相等的传输速率，实现用户之间的公平性，但是不能有效提高系统容量；以系统总速率最大化为目标为用户分配资源，即用户的信道条件越好，得到的资源越多，这就导致信道条件差的用户分配不到资源；为了克服上述缺点提出了比例公平的资源分配方案，既可以提高系统容量，又解决了用户之间的公平性。在系统能量方面可以分为以下两类：以总功率最小化为目标的资源分配方案；以能量利用率最大化为目标的资源分配方案。对于OFDMA技术来说，为减小干扰，同一时刻同一子载波只能分配给一个用户，这使得资源分配问题复杂性大大提高。为了减小复杂性，大多数文章将子载波和功率的分配问题分为两部分：先对子载波进行分配，按照信道条件依次将子载波进行分配直到所有子载波分配完毕，再为每个子载波分配相应的发射功率。同时也有二者的联合分配方案，即对资源分配优化问题进行转化求解。

现有技术下的用户都是传统意义下的同一类型的移动用户，且用户的要求也较为单一。为满足不同用户需求，仅对用户获得速率作出约束。而未来5G的用户数量不断增加且类型更加多样，需求各有不同，如速率、时延和可靠性等等，而频谱资源短缺，因此需要更加灵活且满足不同类型用户需求的高频谱资源管理方案。

发明内容

针对现有技术中存在的缺陷或不足，本发明提供一种基于网络切片的无线通信资源分配算法，能够降低资源分配优化算法的复杂度，使得不同用户在满足速率、时延及可靠性要求的同时，提高系统频谱效率。

为了实现上述目的，本发明采取的技术方案为一种基于网络切片的无线通信资源分配算法，该方法基于拉格朗日对偶理论和KKT条件将不同类型用户的速率、时延及可靠性的差异化性能指标要求转化为对无线通信资源的需求，再对无线通信资源进行分配管理并降低资源分配复杂度。

作为本发明的进一步改进，所述对偶算法的转化，包括如下步骤：

A、构造拉格朗日函数并转化为对偶问题；

B、分解为K个独立的子问题并初始化拉格朗日乘子α₀,λ₀,μ₀；

C、计算最优的载波分配和功率分配；

D、根据载波及功率分配结果计算g(α,λ,μ)；

E、更新拉格朗日乘子；

F、重复步骤C、D、E直到达到收敛为止，得到无线通信资源分配最优分配。

作为本发明的进一步改进，所述步骤(1)构造拉格朗日函数并转化为对偶问题，其根据目标函数及约束条件，将拉格朗日函数定义为：

其中，α,λ,μ为约束条件的拉格朗日乘子，通过拉格朗日乘子简化得到拉格朗日对偶函数为：将原问题转化为对偶问题：

作为本发明的进一步改进，所述步骤(2)分解为K个独立的子问题并初始化拉格朗日乘子α₀,λ₀,μ₀，是将对偶问题分解成个独立的子问题得

作为本发明的进一步改进，所述的步骤(3)计算最优的载波分配和功率分配，是将所述步骤(2)的通过对求一阶导并令其为零，可以得到每个用户的功率分配值；解出后，将值代入到公式g_k(α,λ,μ)中，得到最优的子载波分配，其中，每个载波只能分配给一个用户。

作为本发明的进一步改进，所述的步骤(5)更新拉格朗日乘子，其对于拉格朗日乘子的求解采用次梯度算法对其进行迭代求解，其采用的求解公式为：

本发明的有益效果是：

1、本发明通过充分考虑用户在不同场景下的业务需求，基于拉格朗日对偶理论和KKT条件将不同类型用户的速率、时延及可靠性的差异化性能指标要求转化为对无线通信资源的需求，再对无线通信资源进行分配管理，达到既满足用户需求又达到提高系统频谱效率的效果。

2、在本发明中通过将原问题转化为对偶问题，并通过拉格朗日乘子将一个具有复杂约束条件的问题转化为一个相对简单的无约束问题，并结合KKT条件求解，降低了资源分配过程优化算法的复杂度，来获得最优的子载波和功率分配方案。

附图说明

图1是本发明提供的系统模型；

图2是本发明提供的使用本发明的算法迭代次数的增加逐步收敛后的效果图；

图3是运用本发明的算法对不同切片下用户的速率收敛情况；

图4是运用本发明的算法基站的总功率的收敛情况。

具体实施方式

下面结合附图说明及具体实施方式对本发明进一步说明。

本发明的一种基于网络切片的无线通信资源分配算法基于拉格朗日对偶理论和卡罗需-库恩-塔克(Karush-Kuhn-Tucker，KKT)条件将不同类型用户的速率、时延及可靠性的差异化性能指标要求转化为对无线通信资源的需求，再对无线通信资源进行分配管理。

(一)、算法原理分析为：

考虑如图1所示的场景，在OFDMA系统下由一个基站为其覆盖范围内的属于不同NS的用户提供通信服务。设NS集合为G＝{1,...,G}，每种NS_g∈G对应一种业务类型且其服务用户集合为N_g＝{1,...,N_g}，则系统总用户数为基站拥有的子载波集合为K＝{1,...,K}，每个子载波带宽为B，同时假设其小于无线信道中的相关带宽，可知用户通过子载波传输的信道为平坦衰落信道，加性高斯白噪声功率谱密度为N₀。系统总功率为P，表示用户n_g对子载波k的信道增益，表示基站为用户n_g分配的子载波k的功率值。为避免用户间相互干扰，同一时刻只能将一个子载波分配给一个用户，但一个用户可以拥有多个子载波。令表示将子载波k分配给用户n_g，反之则为0。可得用户n_g通过子载波k传输数据时的速率为：

为简化起见，令

为避免同一小区内用户间相互干扰，同一时刻的子载波分配过程中只能将一个子载波分配给一个用户，但是一个用户可以拥有多个子载波。表示是否将子载波k分配给用户n_g，则用户n_g的总速率为：

由于同一时刻只能将一个子载波分配给一个用户，因此：

系统总功率是有限的，因此对于各个子载波上分配的功率是有限的：

不同NS为不同类型的用户提供服务，因此不同NS下的用户有着不同的服务质量要求需要满足，如数据传输速率、时延和可靠性等要求。传输速率要求可以直接约束，可靠性要求需要传输数据的误码率在可接受范围内，因此可转化为对误码率的约束。在无线信号传输过程中，速率的大小影响时延，同时重传机制也影响时延，当误码率较高时会导致重传机制，因此可将三者的约束转化为对速率和误码率的约束。速率要求：

假设信号采用QPSK调制，则信号的BER与E_b/N₀之间关系为：

信号SNR与E_b/N₀之间关系为：

通过对求二阶导，并得到其二阶导小于零，因此判断其是凹函数。信号BER与SNR的关系为：

其中，余补误差函数erfc(x)为减函数，其定义为:

因此，为满足误码率要求，可令：

为了满足不同切片下用户差异及性能要求的不同，即用户对速率、时延及可靠性的要求，同时为了提高资源利用率即达到系统总速率最大化，得到下面的优化问题：

由于上述问题中存在二元整数变量和连续变量，且目标函数为非凸函数，可知其为混合整数非线性规划问题，求解复杂度高且难度大。为得到最优的子载波和功率分配方案，需要对原问题进行转化求解。

对于上述所研究的多载波系统的资源分配问题来说，由于存在离散变量，它并不属于凸优化问题。对于多载波系统的资源分配问题，当系统拥有的载波数足够多时，就可以通过对偶算法获得的对偶问题的解与原问题的解之间的对偶差额为零，因此我们便可以通过对偶算法来得到原问题的最优解。

(二)、本发明的方法中对偶算法的转化原理

在本发明中对偶算法的转化，包括如下步骤：

A、构造拉格朗日函数并转化为对偶问题；

B、分解为K个独立的子问题并初始化拉格朗日乘子α₀,λ₀,μ₀；

C、计算最优的载波分配和功率分配；

D、根据载波及功率分配结果计算g(α,λ,μ)；

E、更新拉格朗日乘子；

F、重复步骤C、D、E直到达到收敛为止，得到无线通信资源分配最优分配。

其步骤的具体过程为：

A、构造拉格朗日函数并转化为对偶问题，将原理分析的原问题转化为对偶问题

首先，由于erfc(x)函数运算较为复杂，为了简便因此将C4转化为：

根据目标函数及约束条件，定义拉格朗日函数如下：

其中，α,λ,μ为约束条件的拉格朗日乘子，通过拉格朗日乘子可以将一个具有复杂约束条件的问题转化为一个相对简单的无约束问题，从而更容易获得问题的解，然后得到拉格朗日对偶函数为：

将原问题转化为对偶问题：

B、分解为K个独立的子问题并初始化拉格朗日乘子α₀,λ₀,μ₀，对偶问题的分解

通过观察可以将对偶问题分解成K个独立的子问题：

其中，

C、计算最优的载波分配和功率分配；

令即假设载波k已经分配给用户n_g。可以看出上述子问题为凹函数，因此通过对求一阶导并令其为零，可以得到每个用户的功率分配值，即：

上述函数求解较为复杂，无法给出解析解，但可以得到数值解。同时可以观察到上述为减函数，当时会取到大于零的最大值，当时会取到最小值且趋于零。当最大值大于α时，上述问题必有解；当最大值小于α时，则在定义域内无解并令

D、根据载波及功率分配结果计算g(α,λ,μ)；

在得到后，将其值带回到g_k(α,λ,μ)中，为了得到最优的子载波分配方案，且每个载波只能分配给一个用户，因此需要选择最优的用户占用此载波，其分配方案可以表示为：

其中，

E、更新拉格朗日乘子；

对于拉格朗日乘子的求解这里采用次梯度算法对其进行迭代求解：

其中τ_α,τ_λ,τ_μ为迭代步长且大于零。分析可知当分配的实际总功率大于基站约束总功率时，α的值通过更新会变大，从而在下次功率分配时便会减小功率的分配，反之亦然；当用户n_g得到的总速率没有达到约束要求时，的值会增大，分配给该用户的功率会增加并可能分配更多的子载波给该用户；当用户n_g的E_b/N₀没有达到要求时，值会增加，分配给该用户的功率会增加以满足该用户的约束。

F、重复步骤C、D、E直到达到收敛为止，得到无线通信资源分配最优分配。

(三)、对本发明中运用的算法验证分析：

下面对本文得到的资源分配算法进行仿真验证与分析。设基站覆盖半径为500米，用户在其覆盖范围内均匀分布，系统总带宽为2MHz，子载波数K＝64，基站总功率P为1W，信道的路径损耗和阴影衰落建模为38+30×log₁₀(d)+X，单位为dB，其中d表示基站与用户之间的距离(米)，X为服从高斯分布的标准差为6dB的阴影衰落随机变量，高斯白噪声功率谱密度为-174dBm/Hz。设一共有三类切片，每类切片的性能指标各不相同，每个切片下有两个用户，切片1在性能指标方面更加侧重于速率的要求，因此假设速率要求为2Mbits/s，BER要求为1×10^-4；切片2在性能指标方面更加侧重于时延的要求，因此假设速率需求为1.5Mbits/s，BER要求为1×10^-8；切片3则对速率和时延都没有较高的要求，因此假设速率需求为0.6Mbits/s，BER要求为1×10^-6。

运用本发明的算法进行优化计算后，图2为系统总速率的收敛情况，从图中可以看出系统总速率随着迭代次数的增加逐渐收敛并趋于平稳。在平稳之前总速率的波动是由于系统总功率的波动而导致的，但随着迭代次数的增加，资源分配方案在满足约束条件的同时会逐渐收敛到最优解。而且从图3中可以看到不同切片下用户的速率收敛情况，可以看出切片1的两个用户的速率是较高的，因为用户对速率的要求高，为了满足用户需要必须分配足够的资源，而切片2中用户1的速率是最大的，虽然该用户对速率要求并不高，但由于其信道条件较好，为了提高系统总速率导致对其分配的资源更多，使得其获得的速率最大，切片3中用户仅仅比约束条件高一些。可以看出资源分配使所有用户都满意的前提下最大化系统总速率，使系统总速率更大。图4是基站的总功率收敛情况，可以看出随着迭代次数的增加逐渐收敛并趋于1瓦，满足基站的总功率约束。因为本文的目标函数是最大化系统总速率，当分配的功率越多，得到的总速率越大，因此总功率会收敛到边界值。从图2、图3和图4中表明本发明的算法和资源分配方法更容易获得问题的解，降低了资源分配过程优化算法的复杂度，使得资源分配在满足用户速率、时延及可靠性等性能指标的同时提高系统的频谱效率。

综上所述，本发明通过充分考虑用户在不同场景下的业务需求，基于拉格朗日对偶理论和KKT条件将不同类型用户的速率、时延及可靠性的差异化性能指标要求转化为对无线通信资源的需求，再对无线通信资源进行分配管理，达到既满足用户需求又达到提高系统频谱效率的效果。在本发明中通过将原问题转化为对偶问题，并通过拉格朗日乘子将一个具有复杂约束条件的问题转化为一个相对简单的无约束问题，从而更容易获得问题的解，降低了资源分配过程优化算法的复杂度，使得资源分配在满足用户速率、时延及可靠性等性能指标的同时提高系统的频谱效率。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (6)

1.一种基于网络切片的无线通信资源分配算法一种基于网络切片的无线通信资源分配算法，其特征在于：该算法基于拉格朗日对偶理论和KKT条件将不同类型用户的速率、时延及可靠性的差异化性能指标要求转化为对无线通信资源的需求，在资源总量有限和不同NS服务的差异化用户需求下，以系统总速率最大化为目标建立无线资源管理优化问题并求解最优的子载波和功率分配方案。

2.根据权利要求1所述的基于网络切片的无线通信资源分配算法，其特征在于：所述对偶算法的转化，包括如下步骤：

A、构造拉格朗日函数并转化为对偶问题；

B、分解为K个独立的子问题并初始化拉格朗日乘子α₀,λ₀,μ₀；

C、计算最优的载波分配和功率分配；

D、根据载波及功率分配结果计算g(α,λ,μ)；

E、更新拉格朗日乘子；

F、重复步骤C、D、E直到达到收敛为止，得到无线通信资源分配最优分配方案。

3.根据权利要求2所述的基于网络切片的无线通信资源分配算法，其特征在于：所述步骤(1)构造拉格朗日函数并转化为对偶问题，并根据目标函数及约束条件，将拉格朗日函数定义为：

其中，α,λ,μ为约束条件的拉格朗日乘子，通过拉格朗日函数得到拉格朗日对偶函数为：将原问题转化为对偶问题：

4.根据权利要求2所述的基于网络切片的无线通信资源分配算法，其特征在于：所述步骤(2)分解为K个独立的子问题并初始化拉格朗日乘子α₀,λ₀,μ₀，是将对偶问题分解成K个独立的子问题得

5.根据权利要求2所述的基于网络切片的无线通信资源分配算法，其特征在于：所述的步骤(3)计算最优的载波分配和功率分配，是将所述步骤(2)的通过对求一阶导并令其为零，可以得到每个用户的功率分配值；解出后，将值代入到公式g_k(α,λ,μ)中，得到最优的子载波分配，其中，每个载波只能分配给一个用户。

6.根据权利要求2所述的基于网络切片的无线通信资源分配算法，其特征在于：所述的步骤(5)更新拉格朗日乘子，其对于拉格朗日乘子的求解采用次梯度算法对其进行迭代求解，其采用的求解公式为：