CN108770054A - 一种scma资源动态优化分配方法 - Google Patents

Abstract

本发明揭示了一种SCMA资源动态分配优化方法，针对应用SCMA技术接入基站的上行分组用户，对组内用户的子载波分配和功率分配进行优化，建立基于最大化上行SCMA系统和速率的优化模型。该方法通过初始化随机映射矩阵F₀和等功率分配矩阵P₀，通过计算得到干扰矩阵I₀；依据所得到的干扰矩阵I₀利用子载波分配优化算法对映射矩阵F进行优化更新。依据所得到的干扰矩阵I和优化之后的映射矩阵F，求解子载波的功率分配，即得到功率矩阵P。更新干扰矩阵I并利用子载波分配优化算法完成对映射矩阵F多轮迭代优化和相应的功率分配，直至迭代合理终止,即得到子载波分配方案和功率分配方案，有效地提升系统总容量。

Description

一种SCMA资源动态优化分配方法

技术领域

本发明涉及一种基于最大化容量的SCMA上行链路动态组内资源联合分配迭代优化方法， 属于无线通信技术领域。

背景技术

迄今为止，非正交多址接入已成为5G物理层的关键部分，其不仅能提供更高的频谱效 率，而且与现有系统相比也支持一个更大的用户连接数。目前有两种有前途的非正交多址接 入方案受到学术界和业界的广泛关注，即功率域非正交多址(NOMA)和稀疏码多址(SCMA)。具体而言，NOMA引入了新的维度-功率域，不同的用户可以共享相同的资源 块，并使用连续干扰消除(SIC)消除接收机上不同用户之间的干扰。SCMA是一种能够处理 5G通信中的大量连接和短时延的非正交多址技术。在传输终端中，SCMA方案将比特直接映 射到复数域中的多维码字。码字在相同的时频资源中使用稀疏传播模式进行非正交叠加，其 基本原理如图1所示。接收者使用这个稀疏特征来执行低复杂度的多用户联合检测算法，然 后通过信道译码器恢复这些比特。SCMA的核心特征是非正交叠加码字的数量可以是资源数量的几倍。与4G通信中的OFDMA相比，SCMA可以在使用相同数量的资源的情况下同时服 务更多的用户，从而提高系统的整体容量。与LDS相比，SCMA具有低复杂度的接收优势和 更好的性能。在SCMA系统中，输入比特被直接映射到多维码字，接收端采用消息传递算法 (MPA)来消除基于码字稀疏性的用户间干扰。因此，码本设计，以及与码本设计相关的资 源分配对SCMA方案尤为重要。

mMTC，即海量机器类通信场景，是5G三大主要应用场景之一。在该应用场景中将有数以千亿的设备接入网络，而且各种应用不同设备所发送的数据类型也各不相同。如果在一 个区域内的每类应用的MTC设备都需要独立地接入所在区域的基站的话，会给基站带来很 大的负担同时会带来资源浪费和系统冲突。庆幸的是mMTC系统的海量接入具有独特特点，即低功耗、突发性、短帧长业务。海量接入主要解决大量发送非常短数据包的设备可扩展的、高效的连接。类似于互联网的路由机制，网络过大而不能让整个互联网只有一级路由结构。解决mMTC的海量接入也不可能只有一级直接接入模式，而应当是分层接入的架 构，如图2所示。MTC终端和H2H终端不同，其行为不是完全随意的，一组MTC终端(如 一组相似类型的传感器)行为相似，就可以将多个总是保持相同状态(接入、附着、释放) 的MTC终端分为一组，共享一个终端ID，即一个接入点i。从资源分配的角度，可以将具有 相同的业务流量模型(包括相同的数据率、时延要求等)和资源需求量的多个终端分为一 组，使终端组内所有终端的资源需求之和相当于一个传统H2H终端的资源需求量。

在这种架构中，每种应用系统本身都有一个类似小基站或汇聚节点一样的接入点i，该 种应用场景下的所有设备的数据在接入点i处被汇聚，由于一种应用场景下的设备终端数量 也是巨大的，而且很多数据具有重复特点，因此信号空间需要经过稀疏信号处理之后再由接 入点上传到基站可以节省很多资源开销。依据用户终端的业务类型和地理位置对其进行分 组，将用户终端分成不同类型的组。在一个用户终端小组中，汇聚终端来协调集合中的其它 机器类型设备通过双跳链路来访问网络，汇聚终端可能以分布式结构存在于单个服务小区 中。然后应用SCMA技术对用户汇聚终端进行接入，对于已分组的汇聚终端用户的SCMA上 行链路，需要对组内汇聚终端用户的子载波分配和功率分配进行优化，即对组内资源分配进 行优化，这有利于提高整个系统的性能。

发明内容

鉴于此，本发明的目的旨在提出基于最大化容量的SCMA上行链路动态组内资源联合分 配迭代优化方法，解决组内资源优化分配的问题。

本发明解决上述问题所采用的技术方案为：一种SCMA资源动态优化分配方法，其特征在于 包括步骤：

S1、根据初始的随机映射矩阵F₀和等功率分配条件下所得到功率分配矩阵P₀计算在每个子 载波k上的干扰信号I_k,j，形成一个干扰矩阵I₀；

S2、依据所得到的干扰矩阵I₀利用子载波分配优化算法流程对随机映射矩阵F₀进行优化更 新，得到优化之后的映射矩阵F，迭代次数d自身加1；

S3、依据干扰矩阵I₀和映射矩阵F，利用Matlab中的CVX工具箱进行求解用户在其所占用 的子载波的功率分配，得到功率矩阵P；

S4：依据映射矩阵F和功率分配矩阵P，更新干扰矩阵I₀，得到已更新的干扰矩阵I；

S5：当所得到子载波分配矩阵F_new与前一轮优化的映射矩阵F完全一致，或者，整个 迭代算法的迭代次数d>D时，子载波分配和功率分配联合优化迭代算法终止，返回最终得到 的映射矩阵F和功率分配矩阵P，否则，返回步骤S2，依据已更新的干扰矩阵I，利用子载 波分配优化算法完成对子载波分配矩阵新一轮的迭代优化及新一轮的功率分配。

进一步地，所述子载波分配优化算法流程包括步骤：

S21、对输入的干扰矩阵I₀的每一列元素依次从小到大中选择N_j个较小的干扰，得J个子 集，表示为：I_MIN＝{I_min₁,I_min₂,...,I_min_J}。其中第j个用户的子集表示为：定义F为K行J列的全零矩阵；

S22、对每个子集I_min_j的所有元素进行求和，得到集 合I_MIN_SUM＝{I_min_sum₁,I_min_sum₂,...,I_min_sum_J}；

S23、从集合I_MIN_SUM选择一个最小的元素I_min_sum_{j_min}，且有I_min_sum_{j_min}对应子集 I_min_{j_min}，将映射矩阵F第j_min列中对应位置的元素修改为‘1’，该列其它位置的元素修 改为‘0’，并对每个用户和子载波的自由度N_j和d_f进行计算更新；

S24、判断映射矩阵F中除去全零列之外是否还存在相同列元素，若存在相同列元素，则转 到S25，若不存在相同列元素，则继续对映射矩阵F进行优化更新，将所选择的子集I_min_{j_min}从集合I_MIN中删除，转到S22，直到映射矩阵F中的每一列元素都依据干扰矩阵I的选择进行优化更新之后，分配算法结束得到一个全新的映射矩阵F；

S25、存在相同列元素，比较两个用户在所占用的子载波上的干扰总和，选取干扰总和最大 的列元素进行修改，而另一列元素保持不变；

S26、将需修改的列元素对应的子集I_min_i进行修改，从子集I_min_i选取最大元素i_max，并 从该子集中删除该元素，从干扰矩阵I的第i列元素中选取一个比i_max稍大的元素，来替 代子集I_min_i中所删除的元素；

S27、对子集完成修改后，修改的子集中的元素位置与映射矩阵F中所修改的列中为‘1’ 的元素位置相对应，因此将映射矩阵F相应列中对应位置的元素修改为‘1’，该列其它位置的 元素修改为‘0’，并对每个用户和子载波的自由度N_j和d_f进行计算更新，并返回S24。

与现有技术相比，本发明具有突出的实质性特点和显著的进步性，其有益效果体现为： 本发明通过使用基于最大化容量SCMA上行链路组内动态资源分配迭代优化方法,得到组内 用户的子载波分配方案和功率分配方案，可以有效地提升系统组内总容量。

附图说明

图1为SCMA基本原理图。

图2为mMTC分层接入框架图。

图3为子载波分配优化算法流程图。

图4为组内动态资源分配迭代优化算法流程图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，所举实例只用于解释本发明，并非用 于限定本发明的范围。

本发明创新提出了一种基于最大化容量SCMA上行链路组内动态资源分配迭代优化方 法，技术方案如下：

考虑上行SCMA系统，假设SCMA系统中的子载波个数为K，系统可接入的用户数为J，即J 个用户复用K个子载波资源块(J＞K)，为了不失一般性，这里假设每个用户占用一个层， 每个用户码本的维度为K，码本大小为M，即每个码本有M个码字。SCMA编码器是将log₂M比特映射到C，其中是大小为M的K维复数码本。C可以被定义为： x＝f(b),其中，K维复数码字x是一个稀疏矢量。K个维度对应于K 个不同的正交子载波。K维码字是一个向量且有N_j个非零元素N_j<K。该用户不能通过K-N_j个零元素所代表的子载波传输数据。理论上，每个用户可以分配给多个码本，每个码本一般 不能被多个用户使用。但是在所考虑的上行链路SCMA系统中，存在一对一的对应关系，这 意味着J个用户对应着J个码本。在上行信道中，接收信号在第k个子载波可写成:

h_k,j是第j个用户在第k个子载波上的信道矩阵。x_k,j是第j个用户所选择的码字在第k个子 载波的元素，该元素可以为0，这是由用户j的码本所决定的。是第k个子 载波上的加性高斯噪声。令占用子载波k的用户集合S_k。因此子载波k上的接收信号可以 由(1)改写为：

假设用户与码本之间是一一对应的关系，所以有用户j在子载波k上的速率为：

其中I_k，j是占用子载波k的用户集合S_k中其它用户信号对用户j产生的干扰，定义如下：

即有占用子载波k的用户和速率为：

第j个用户分配给第k子载波上的功率为：p_k,j，当p_k,j＝P/N_j时，即每个用户功率平均分 配到该用户占用的子载波。每个用户的发射功率均为P。其中映射矩阵F的行代表子载波， 列代表用户层。当且仅当F中的元素为1的位置，用户和子载波连接，即该用户占用此子载 波。类似于映射矩阵F的定义，可以得到功率矩阵P和干扰矩阵I，其中p_k,j即表示第j个用户分配给第k子载波上的功率，其中I_k,j即表示第j个用户占用第k个子载波时所受到的干扰信号。理论上，每个用户可以分配给多个码本，每个码本一般不能被多个用户使用。但是在所考虑的上行链路SCMA系统中，存在一对一的对应关系，这意味着J个用户对应着J个码本。如果确定映射矩阵F，则可以确定子载波分配的方案，类似有功率分配方案可以由功率矩阵P进行表示。所提出的优化模型是：基于系统和速率最大化的映射矩阵和功率矩阵优化模型，优化模型如下所示

公式(7b)表示第j个用户的功率分配满足第j个用户的功率限制；公式(7d)表示每个子载波 最多被d_f个用户所占用；公式(7e)表示每个用户最多占用所有的子载波数目为K，若有 N_j＝N≤K，则SCMA系统为规则的SCMA，若N_j≤K，即N_j不全相等，则SCMA系统为不 规则的SCMA。其中有即指每个用户占用子载波数目不同，但满足每个子 载波被d_f个用户所占用。f_j≠f_i,即指每个用户占用的子载波集合不同。

一般来说，由于存在二元变量，即二进制变量f_k,j以及目标函数函数中干扰项的存在，问 题特别难以解决。通过穷举搜索找到最优解决方案的计算复杂度较高。因此，低复杂度的次 优算法是优选的。由初始随机映射矩阵F可通过功率分配以及初始的信道增益利用公式(5)计 算出相应的干扰矩阵。

子载波分配优化解决方案：首先假设用户可以通过等功率分配和初始随机映射矩阵F得 到功率分配矩阵P和相应的干扰矩阵I。在上行链路系统中，分别计算每个子载波上的速率 并进行汇总得到系统和速率。公式(7)中不能区分每个用户的速率。所以有必要找到每个 用户的局部最优解。第k个子载波的和速率重写为：

其中I_k,j是在子载波k上的用户j的干扰信号。定义用户j在子载波k上的速率为：w_k,j，即 单个用户对和速率的贡献，与其它用户的干扰信号相关，用于子载波分配：令

ε_k,j＝p_k,j|h_k,j|²,

由公式(9)可知在p_k,j和h_k,j已知的条件下，当使得I_k,j最小时，w_k,j最大。因此基于最小 化系统总干扰优化模型提出子载波分配优化算法。

其中有：子载波分配优化算法流程图如图3所示。具体步骤如 下：

步骤一：对输入的干扰矩阵I₀的每一列元素依次从小到大中选择N_j个较小的干扰，即可 得J个子集，表示为：I_MIN＝{I_min₁,I_min₂,...,I_min_J}。其中第j个用户的子集表示 为：定义映射矩阵F为K行J列的全零矩阵。

步骤二：对每个子集I_min_j的所有元素进行求和，即得到集合I_MIN_SUM＝{I_min_sum₁,I_min_sum₂,...,I_min_sum_J}。

步骤三：从集合I_MIN_SUM选择一个最小的元素I_min_sum_{j_min}，且有I_min_sum_{j_min}对 应子集I_min_{j_min}。由于干扰矩阵I与映射矩阵F存在一一对应的关系，所选择的子集 I_min_{j_min}中的元素位置与映射矩阵F中第j_min列为‘1’的元素位置相对应，因此将映射 矩阵F第j_min列中对应位置的元素修改为‘1’，该列其它位置的元素修改为‘0’，并对每个用户和子载波的自由度N_j和d_f进行计算更新。这个选择可以对最小化系统总干扰提供最大的贡献。

步骤四：映射矩阵F中除去全零列之外是否还存在相同列元素？若存在相同列元素，则 转到步骤五。若不存在相同列元素，则继续对矩阵F进行优化更新，将所选择的子集I_min_{j_min}从集合I_MIN中删除，转到步骤二，即进行下一个用户的子载波分配。直到矩阵F中的每一列元素都依据干扰矩阵I的选择进行优化更新之后，即得到一个全新的映射矩阵F时，本次子载波分配算法结束，返回一个优化更新的映射矩阵F。

步骤五：存在相同列元素，即表示两个用户所占用的子载波完全相同，比较两个用户在 所占用的子载波上的干扰总和，选取干扰总和最大的列元素进行修改，而另一列元素保持不 变。

步骤六：将需修改的列元素对应的子集I_min_i进行修改，从子集I_min_i选取最大元素 i_max，并从该子集中删除该元素。从干扰矩阵I的第i列元素中选取一个比i_max稍大的元 素，来替代子集I_min_i中所删除的元素。

步骤七：对子集完成修改后，修改的子集中的元素位置与矩阵F中所修改的列中为‘1’的 元素位置相对应，因此将矩阵F相应列中对应位置的元素修改为‘1’，该列其它位置的元素修 改为‘0’，并对每个用户和子载波的自由度N_j和d_f进行计算更新，并返回步骤四。

注意，一个码本只能被一个用户使用。因此，任意两个用户所占用的子载波不完全相 同，即映射矩阵F中任意两列元素不能完全相同。直到映射矩阵F中的每一列元素都依据干 扰矩阵I的选择进行优化更新之后，即得到一个全新的映射矩阵F时，本次子载波分配优化 算法结束。

功率分配解决方案：首先假设用户的子载波分配方案是固定的，即f_k,j已知，通过优化 功率分配来解决优化系统最大化和速率的问题，优化模型如下所示：

在解决优化问题(10)时映射矩阵F被确定，而干扰矩阵I也可以被初始化确定，因此优化 问题(11)可以被认为是一个标准的凸优化，利用matlab中的CVX工具箱进行求解问题 (11)，进而得到功率分配矩阵。

然后基于上述子载波分配和功率分配的解决方案，提出了基于最大化容量SCMA上行链 路组内动态资源分配迭代优化方法。将子载波的度定义为D，每个子载波的初始度是d_f，即 一个子载波最多可以被d_f个用户所占用。为了区分用户的状态，将用户的自由度定义为N， 每个用户的初始自由度是N_j，即码字中非零元素的个数。具体算法步骤如流程图4所示，具 体有：

步骤一：根据初始的随机映射矩阵F₀和等功率分配条件下所得到功率分配矩阵P₀计算 在每个子载波k上的干扰信号I_k,j，形成一个干扰矩阵I₀。

步骤二：依据所得到的干扰矩阵I₀利用子载波分配优化算法流程对随机映射矩阵F₀进行 优化更新，得到优化之后的映射矩阵F，迭代次数d自身加1。

步骤三：依据干扰矩阵I₀和映射矩阵F，利用Matlab中的CVX工具箱进行求解问题(11)，得到用户在其所占用的子载波的功率分配，即得到功率矩阵P。

步骤四：依据映射矩阵F和功率分配矩阵P，更新干扰矩阵I₀，得到已更新的干扰矩阵 I。

步骤五：当所得到矩阵F与矩阵F完全一致，或者，整个迭代算法的迭代次数d>D时。则矩阵F子载波分配和功率分配联合优化迭代算法终止，返回最终所得到的映射矩阵F和功率分配矩阵P，否则，返回步骤S2，依据已更新的干扰矩阵I，利用子载波分配优化算 法完成对子载波分配矩阵F新一轮的迭代优化及新一轮的功率分配。

综上所述可见，本发明通过使用上述的基于最大化容量SCMA上行链路组内动态资源分 配迭代优化方法,得到组内用户的子载波分配方案和功率分配方案，可以有效地提升系统组 内总容量。

以上详细描述了本发明的优选实施方式，但是，本发明并不局限于上述特定实施方式， 本领域技术人员可以在权利要求的范围内进行修改或者等同变换，均应包含在本发明的保护 范围之内。

Claims (2)

1.一种SCMA资源动态优化分配方法，其特征在于包括步骤：

S1、根据初始的随机映射矩阵F₀和等功率分配条件下所得到功率分配矩阵P₀计算在每个子载波k上的干扰信号I_k,j，形成一个干扰矩阵I₀；

S2、依据所得到的干扰矩阵I₀利用子载波分配优化算法流程对随机映射矩阵F₀进行优化更新，得到优化之后的映射矩阵F，迭代次数d自身加1；

S3、依据干扰矩阵I₀和映射矩阵F，利用Matlab中的CVX工具箱进行求解用户在其所占用的子载波的功率分配，得到功率矩阵P；

S4：依据映射矩阵F和功率分配矩阵P，更新干扰矩阵I₀，得到已更新的干扰矩阵I；

S5：当所得到子载波分配矩阵F_new与前一轮优化的映射矩阵F完全一致，或者，整个迭代算法的迭代次数d>D时，子载波分配和功率分配联合优化迭代算法终止，返回最终得到的映射矩阵F和功率分配矩阵P，否则，返回步骤S2，依据已更新的干扰矩阵I，利用子载波分配优化算法完成对子载波分配矩阵新一轮的迭代优化及新一轮的功率分配。

2.根据权利要求1所述SCMA资源动态优化分配方法，其特征在于：所述子载波分配优化算法流程包括步骤：

S21、对输入的干扰矩阵I₀的每一列元素依次从小到大中选择N_j个较小的干扰，得J个子集，表示为：I_MIN＝{I_min₁,I_min₂,...,I_min_J}。其中第j个用户的子集表示为：定义F为K行J列的全零矩阵；

S22、对每个子集I_min_j的所有元素进行求和，得到集合I_MIN_SUM＝{I_min_sum₁,I_min_sum₂,...,I_min_sum_J}；

S23、从集合I_MIN_SUM选择一个最小的元素I_min_sum_{j_min}，且有I_min_sum_{j_min}对应子集I_min_{j_min}，将映射矩阵F第j_min列中对应位置的元素修改为‘1’，该列其它位置的元素修改为‘0’，并对每个用户和子载波的自由度N_j和d_f进行计算更新；

S24、判断映射矩阵F中除去全零列之外是否还存在相同列元素，若存在相同列元素，则转到S25，若不存在相同列元素，则继续对映射矩阵F进行优化更新，将所选择的子集I_min_{j_min}从集合I_MIN中删除，转到S22，直到映射矩阵F中的每一列元素都依据干扰矩阵I的选择进行优化更新之后，分配算法结束得到一个全新的映射矩阵F；

S25、存在相同列元素，比较两个用户在所占用的子载波上的干扰总和，选取干扰总和最大的列元素进行修改，而另一列元素保持不变；

S26、将需修改的列元素对应的子集I_min_i进行修改，从子集I_min_i选取最大元素i_max，并从该子集中删除该元素，从干扰矩阵I的第i列元素中选取一个比i_max稍大的元素，来替代子集I_min_i中所删除的元素；

S27、对子集完成修改后，修改的子集中的元素位置与映射矩阵F中所修改的列中为‘1’的元素位置相对应，因此将映射矩阵F相应列中对应位置的元素修改为‘1’，该列其它位置的元素修改为‘0’，并对每个用户和子载波的自由度N_j和d_f进行计算更新，并返回S24。