CN109120552A - 一种aos中面向qos的带宽和功率多目标跨层优化方法 - Google Patents

Abstract

本发明公开了一种AOS中面向QOS的带宽和功率多目标跨层优化方法,通过跨层优化将原来分散的协议各层联系起来，建立跨层优化模型，使各协议层能够根据业务要求和信道状态进行调整，通过跨层效用函数和多目标优化合理分配带宽和发射功率，从而保证业务QoS要求和提高带宽利用率以及系统吞吐量。

Description

一种AOS中面向QOS的带宽和功率多目标跨层优化方法

技术领域

本申请涉及空间通信技术领域，具体说是一种AOS中面向QOS的带宽和功率多目标跨层优化方法。

背景技术

随着载人飞船、国际空间站等相继问世，空天技术的不断发展，其在军事、气象、遥感及深空探测等领域应用需求不断扩大，空间通信技术成为各国经济与科技实力的有力体现成为当今研究的热点。随着需求的不断增大，各类卫星和航天器涉及的任务和种类更加多样，除了进行传统的遥测与遥控数据传输外，还要双向传输音视频、科学实验、飞控指令等多种类型数据，数据传输量大种类多。传统的空间数据传输协议已不能满足这种复杂的通信需求，1982年由多国航天局成立了空间数据系统咨询委员会(Consulative Committeefor Space Data System,CCSDS)，旨在设计与完善适用于空间探测和高质量数据传输的协议与规范。1986年CCSDS提出了常规在轨系统(Conventional Orbiting Systems,COS)，COS通过虚拟信道复用和分包调度的方法进行中低速异步数据的传输，支持多信源、多用户的系统实现。1989年在COS的基础上，CCSDS设计了高级在轨系统(Advanced OrbitingSystem,AOS)，AOS适用于更复杂数据类型，更高数据传输要求的业务以及提供更加方便灵活的数据处理服务。但是AOS中，数据传输量大、种类多、存在不同的QoS要求以及星上资源有限，同时AOS又是以分层结构建立的，各层信息传递不及时，面对信道状态时变的特性，采用单一的调制方式和单一的发射功率机制等传统的传输技术很难使空间链路达到较好的性能，无法满足多种信源数据的服务质量要求。

发明内容

针对AOS空间通信系统中业务类型多和信道衰落时变大等特点导致的带宽利用率低、吞吐量下降及无法满足多种业务QoS要求等问题，本申请首先提出一种基于效用函数最大化带宽和功率跨层优化方法，然后在带宽效用与功率消耗成本函数的基础上添加系统吞吐量优化函数，使单目标优化转化为多目标优化，本申请的具体技术方案是这样实现的：

S1：建立跨层资源优化机制；

S2：在跨层资源优化机制所涉及的参数中引入虚拟信道积压队列比，用于动态调整各虚拟信道优先级；

S3：将带宽和所涉及的参数联合起来，构造带宽效用函数；

S4：将功率和所涉及的参数联合起来，构造功率消耗成本函数；

S5：将功率消耗成本函数添加到带宽效用函数，作为联合效用函数来构造所要求解的目标函数；

S6：分析影响系统吞吐量的参数因素，并选择出调制编码方式；

S7：通过联合影响吞吐量的参数，构造出系统吞吐量优化函数；

S8:将带宽效用函数和系统吞吐量优化函数联合起来，建立多目标优化函数，使系统同时满足带宽效用最优和系统吞吐量最优；

S9:利用改进的NSGA-II求解多目标优化函数；

进一步地，本申请跨层资源优化涉及三个协议层，分别是应用层、数据链路层和物理层，分析各层影响系统性能的因素，如应用层的不同业务优先级，QoS性能指标时延、误码率等，数据链路层的带宽分配以及物理层的发射功率和调制编码方式等，并将主要因素转化为归一化参数，建立跨层资源优化机理。

进一步地，然后在跨层机理中引入虚拟信道积压队列比，通过引入虚拟信道挤压队列比，可以动态调节各虚拟信道占用物理信道的比例权重，用于动态调整各虚拟信道优先级，提高了系统公平性。虚拟信道积压队列比公式为：

式中：表示标准化后的平均到达数据量，表示标准化后的平均发送数据量；数据量为Δt(t₀,t)时间内的数据量统计值；r_A(t₀,t)为虚拟信道业务数据到达量，r_T(t₀,t)为虚拟信道业务数据发送量，其公式分别为：

其中，为Δt(t₀,t)时间内接收各个数据业务的平均数据帧长度，为接收的数据帧的个数；接收每个数据帧所用的平均时间与发送每个数据帧所用的平均时间的公式分别为：

t(j)表示接收数据业务j所用的时间，t(i)则表示发送数据业务i所用的时间，公式分别为：

其中，l_j为业务j的数据长度，B_j为接收j数据的接收速率。

不同的业务对应有不同的功率以及分配的时隙数，功率越大且分配的时隙数越多，功率的累加消耗成本就越大，因此，

进一步地，带宽效用函数为：

s.t X_i'＜x_i＜X_i (8)

式中：U(x_i)为业务i的效用函数值，Q_s为根据业务QoS要求确定的静态优先级系数，R是公式(1)计算的虚拟信道积压队列比VQBR，(Q_s+R)表征业务的动态优先级，x_i为业务实际分配的时隙数目，X'_i为不同的业务的最小保证时隙，X_i为业务请求时隙数目；考虑相同时隙数目下，优先级Q_s越高，所得到效用值就越大，该效用函数可以保证高优先级的业务得到更多的时隙，保证业务的QoS要求。

进一步地，功率消耗成本函数公式为：

式中：w_i为业务i的功率，W_min为系统所能提供的最小功率，x_i为业务所分配的时隙数；通过w_i/W_min对功率进行参数归一化。在满足通信要求的情况下应尽量使功率消耗成本越小越好，分配的时隙数目也决定着功率消耗成本，对于高功率消耗的业务，分配的时隙越多，功率消耗的累加成本就越大。

进一步地，将功率消耗成本函数添加到带宽效用函数中，将AOS中带宽分配和功率调整问题转化为使目标效用函数值最大问题：

Maximize:

Subject to:

式中：N为请求传输的业务个数，X'_i为不同业务的最小保证时隙，X_i为业务请求时隙数目，X为Δt(t₀,t)时间内物理信道总的时隙数目之和，W_min,W_max为根据业务不同的QoS要求以及信道状态CSI信息，确定的业务i的功率调整范围；α为比例调节因子，调节功率消耗成本在效用函数中的影响权重。由于效用函数中减去功率消耗成本会减小函数的效用值，因此系统会尽量减小不必要的能量消耗，在满足业务QoS的要求下使信道工作在低能耗的状态下，以节省星上资源。然后将AOS中带宽分配和功率调整问题转化为使目标效用函数值最大问题，即转化为求解非线性整数规划问题。

进一步地，分析影响系统吞吐量的参数因素，吞吐量公式表示为：

式中：n为Δt时间内传输的数据帧字节数，Rate为编码效率，M为调制阶数，L_f为数据帧总字节数，C_f为数据帧开销，ber为信道误码率；由式可知，在链路速率V、帧长L_f和帧开销C_f一定时，系统吞吐率主要由编码效率Rate、调制阶数M和误码率ber决定；编码效率以及调制阶数越高，信道状态越好，相应的系统吞吐率就大，反之则越差。

进一步地，将带宽效用函数和系统吞吐量函数联合起来，建立多目标优化函数为：

Maximize:

Subject to:

式中：N为请求传输的业务个数，X'_i为不同业务的最小保证时隙，X_i为业务请求时隙数目，t为一个时隙分配周期内的总时间，X为Δt(t₀,t)时间内物理信道总的时隙数目之和，W_mm为系统所能提供的最小功率，W_min，W_max为根据业务不同的QoS要求以及信道状态CSI信息，确定的业务i的功率调整范围；M_i，Rate_i分别为调制阶数和编码效率，通过不同的发射功率得到不同的信噪比，不同的信噪比又对应不同的调制阶数和编码效率，从而选择合适的M_i和Rate_i达到系统吞吐量最大；由式可知当分配的带宽时隙数目达到一定数量时，系统会通过比较效用值和能量消耗的成本来决定是否继续增加时隙和调整功率；同时由于系统吞吐量要求，减小发射功率在相同的信道状态下，信噪比将减小，导致系统吞吐量减小，效用函数在满足QoS要求的前提下，减小发射功率节省资源，而系统吞吐量函数要求增加发射功率来提高吞吐量，所以调节发射功率不仅考虑资源消耗，还将考虑系统性能，即系统吞吐量，从而在带宽效用和系统吞吐量之间求得最优，使带宽效用最优和系统吞吐量最大。

更进一步地，利用改进的NSGA-II求解多目标优化函数，具体为：

该式为交叉算子，为子代个体染色体对应k位置的基因值，为父代染色体基因值，表示两个父代个体中占优的个体的基因值，为两个父代个体中不占优的个体的基因值；个体是否占优通过个体的支配等级或拥挤距离确定，支配等级越低或相同支配等级中拥挤距离越大的个体越优；α为随机数，在(0,1]或(1,2]之间产生，使随机数有大于1的情况是为了使交叉后的基因值大于两个父代个体基因值确定的具体范围，加大了基因值搜索范围，提升了解空间探索能力；β为通过父代个体支配等级或拥挤距离引导搜索方向的一个动态变化因子，以父代个体的优劣差异来引导基因值改变的幅度；r为个体支配等级，d为拥挤距离。

更进一步地，通过动态改变变异系数，使种群在迭代初期拥有较大的变异比率，促进种群的多样性，实现的公式为：

式中，为第k位的基因值，l_k为该基因值范围的最小值，u_k为该基因值范围的最大值。

本申请的有益效果是：本申请提出一种基于效用函数最大化带宽和功率跨层优化方法，对应用层的服务质量要求、数据链路层的挤压队列比、物理层的发射功率和信道状态等参数进行联合优化，通过求解效用最优合理分配带宽和物理层发射功率。然后在带宽效用与功率消耗成本函数的基础上添加系统吞吐量优化函数，将单目标优化转化为多目标优化，使带宽效用和系统吞吐量达到最优，提升了系统性能。

附图说明

图1为本申请的基本流程图；

图2为AOS跨层资源优化模型；

图3为带宽和功率分配流程图；

图4为仿真的主要功能模块图；

图5为编码方案与信噪比的关系图；

图6为不同调制编码的方式组合图；

图7为不同调制编码下系统吞吐量的变化情况图；

图8为本申请仿真吞吐量对比图；

图9为本申请仿真业务满意度对比图a；

图10为本申请仿真业务满意度对比图b；

图11为该发明仿真功率消耗对比图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面结合附图和具体实施对本申请进行详细描述。

如附图1本实施例提供了一种AOS中面向QOS的带宽和功率多目标跨层优化方法，具体包括：

步骤一：首先，分析影响系统性能的因素有哪些。

本申请跨层资源优化主要涉及三个协议层，应用层、数据链路层和物理层，通过分析影响系统性能的因素，找出各层参数之间相互作用的机理，通过选取有用的参数，进行归一化，建立跨层资源优化模型。

步骤二：在上述参数中引入虚拟信道积压队列比。

虚拟信道的平均业务到达量r_A(t₀,t)与平均业务发送量r_T(t₀,t)的比值R为虚拟信道挤压队列比：

式中：表示标准化后的平均到达数据量，表示标准化后的平均发送数据量。数据量为Δt(t₀,t)时间内的数据量统计值。r_A(t₀,t)为虚拟信道业务数据到达量r_T(t₀,t)为虚拟信道业务数据发送量，公式分别为：

其中，接收每个数据帧所用的平均时间与发送每个数据帧所用的平均时间的公式分别为：

t(j)表示接收数据业务j所用的时间t(i)则表示发送数据业务i所用的时间，公式分别为：

步骤三：将带宽和以上有关参数联合起来，构造带宽效用函数。

从系统整体分配带宽和功率出发，建立效用函数，使得系统效用最大化所得的时隙分配数和功率即为所求的带宽分配和功率调整结果，其中带宽效用函数可以表示为：

s.t X_i'＜x_i＜X_i (8)

式中：U(x_i)为业务i的效用函数值，Q_s为根据业务QoS要求确定的静态优先级系数，R是公式(1)计算的虚拟信道积压队列比VQBR，(Q_s+R)表征业务的动态优先级，x_i为业务实际分配的时隙数目，X'_i为不同的业务的最小保证时隙，X_i为业务请求时隙数目。考虑相同时隙数目下，优先级Q_s越高，所得到效用值就越大，该效用函数可以保证高优先级的业务得到更多的时隙，保证业务的QoS要求。

步骤四：将功率和以上有关参数联合起来，构造功率消耗成本函数。

在满足业务QoS的要求下，应该尽可能的减小发射功率，节省资源，考虑不同功率在Δt(t₀,t)时间段内的累加效用成本，不同的业务对应有不同的功率以及分配的时隙数，功率越大且分配的时隙数越多，功率的累加消耗成本就越大，有如下功率消耗成本函数：

式中：w_i为业务i的功率，W_min为系统所能提供的最小功率，x_i为业务所分配的时隙数。通过w_i/W_min对功率进行参数归一化。在满足通信要求的情况下应尽量使功率消耗成本越小越好，分配的时隙数目也决定着功率消耗成本，对于高功率消耗的业务，分配的时隙越多，功率消耗的累加成本就越大。

步骤五：将功率消耗成本添加到带宽效用函数，作为联合效用函数来构造所要求解的目标函数。

Maximize:

Subject to:

式中：α为比例调节因子，调节功率消耗成本在效用函数中的影响权重。由于效用函数中减去功率消耗成本会减小函数的效用值，因此系统会尽量减小不必要的能量消耗，在满足业务QoS的要求下使信道工作在低能耗的状态下，以节省星上资源。然后将AOS中带宽分配和功率调整问题转化为使目标效用函数值最大问题，即转化为求解非线性整数规划问题。

步骤六：分析影响系统吞吐量的参数因素，并选择合适的调制编码方式。

步骤七：通过联合上述影响吞吐量的参数，构造出系统吞吐量优化函数。

分析影响系统吞吐量的参数因素，影响系统吞吐率的因素主要有链路速率、编码效率、调制效率、帧效率以及信道误码率等因素，故最后总结出吞吐量公式：

式中：n为Δt时间内传输的数据帧字节数，Rate为编码效率，M为调制阶数，L_f为数据帧总字节数，C_f为数据帧开销，ber为信道误码率。由式可知，在链路速率V、帧长L_f和帧开销C_f一定时，系统吞吐率主要由编码效率Rate、调制阶数M和误码率ber决定。编码效率以及调制阶数越高，信道状态越好，相应的系统吞吐率就大，反之则越差。

步骤八：将带宽效用函数和系统吞吐量函数联合起来，建立多目标优化函数。

Maximize:

Subject to:

式中：N为请求传输的业务个数，X'_i为不同业务的最小保证时隙，X_i为业务请求时隙数目，t为一个时隙分配周期内的总时间，X为Δt(t₀,t)时间内物理信道总的时隙数目之和，W_mm为系统所能提供的最小功率，W_min，W_max为根据业务不同的QoS要求以及信道状态CSI信息，确定的业务i的功率调整范围。M_i，Rate_i分别为调制阶数和编码效率，可以通过不同的发射功率得到不同的信噪比，不同的信噪比又对应不同的调制阶数和编码效率，从而选择合适的M_i和Rate_i达到系统吞吐量最大。由式可知当分配的带宽时隙数目达到一定数量时，系统会通过比较效用值和能量消耗的成本来决定是否继续增加时隙和调整功率。同时由于系统吞吐量要求，减小发射功率在相同的信道状态下，信噪比将减小，导致系统吞吐量减小，所以效用函数在满足QoS要求的前提下，减小发射功率节省资源，而系统吞吐量函数要求增加发射功率来提高吞吐量，所以调节发射功率不仅考虑资源消耗，还将考虑系统性能，即系统吞吐量，从而在带宽效用和系统吞吐量之间求得最优，使带宽效用最优和系统吞吐量最大。

步骤九：利用改进的NSGA-II求解多目标优化函数。

在遗传操作中要对染色体进行交叉变异操作，交叉变异操作模拟生物界真实的遗传繁殖过程，通过交叉可以改变染色体的结构，从而产生新的个体，维持种群多样性。本申请交叉算子采用改进的算术交叉算子，来对染色体中的基因进行交叉操作。具体公式为：

该式为交叉算子，为子代个体染色体对应k位置的基因值，为父代染色体基因值，表示两个父代个体中占优的个体的基因值，为两个父代个体中不占优的个体的基因值。个体是否占优可以通过个体的支配等级或拥挤距离确定，支配等级越低或相同支配等级中拥挤距离越大的个体越优。α为随机数，可以在(0,1]或(1,2]之间产生，使随机数有大于1的情况是为了使交叉后的基因值大于两个父代个体基因值确定的具体范围，加大了基因值搜索范围，提升了解空间探索能力。β为通过父代个体支配等级或拥挤距离引导搜索方向的一个动态变化因子，以父代个体的优劣差异来引导基因值改变的幅度。r为个体支配等级，d为拥挤距离。

通过变异算子对染色体的基因值做进一步的调整，变异算子提升了算法的局部搜索能力，通过产生新的基因值，增加种群的多样性。通过动态改变种群变异因子δ∈[0.01,0.1]的大小，使变异系数随着进化代数的增加从0.1减小到0.01，减小间隔为0.01。通过动态改变变异系数，使种群在迭代初期拥有较大的变异比率，促进种群的多样性，随着迭代次数的增加，种群逐渐趋于稳定，相对较小的变异概率，可以防止基因值较大的震荡，促进种群快速收敛，公式为：

其中式中，为第k位的基因值，l_k为该基因值范围的最小值，u_k为该基因值范围的最大值。

附图2为跨层资源优化模型，该模型主要针对AOS中分散业务、实时业务和大容量业务这三种具有代表性的业务建立跨层优化模型。应用层主要提供各业务的QoS要求，数据链路层主要是接收应用层数据和计算各虚拟信道积压队列比，并动态调整虚拟信道带宽，物理层主要提供物理信道的状态信息CSI和调整发射功率。各层的参数信息通过跨层优化控制模块进行汇聚后，对带宽和发射功率进行调整。

附图3为带宽和功率分配流程图，主要流程步骤：

①业务到达，接收QoS要求和信道CSI参数，判断功率是否超限；

②如果超限，跳至步骤①等待一段时间，否则，跳至步骤③；

③调用跨层资源优化模块，分配带宽和功率，传送数据；

④判断数据是否传送完毕，如果传送完毕跳至步骤⑥，否则，跳至步骤⑤；

⑤重新统计虚拟信道队列挤压比和信道状态信息；

⑥结束。

附图4为仿真主要功能模块图，包括应用层模块、数据链路层模块、物理层模块和优化模块，应用层模块主要负责数据业务的产生和配置业务QoS要求，并将产生的业务传送给数据链路层模块，将QoS要求给优化模块。数据链路层模块包括将数据装帧模块、虚拟信道复用模块，主要的跨层资源优化算法在跨层优化控制模块，该模块接收QoS要求和信道CSI参数进行带宽和功率分配。物理层模块包括功率调整模块和信道CSI检测模块，功率控制模块接收优化模块返回的功率调整信息调整发射功率，信道检测模块用于检测信道通信状态。

附图5为编码方案与信噪比关系图，随着信噪比的增加每种编码方式的误码率都在下降，卷积码、卷积码+RS编码无交织和卷积码+RS码理想交织这三种编码方式的误码率随着信噪比的增加下降最迅速，达到相同误码率的前提下，所需的信噪比越小，相应的发射功率也越小，可以减少系统资源消耗。卷积码+RS编码无交织和卷积码+RS码理想交织两种编码方式结合性能略优于单一卷积码，但是两种编码方式相结合增加了编码的复杂度，实现起来比较复杂，对系统资源消耗大，所以本申请采用单一的卷积编码方式配合不同的编码效率进行研究。

附图6为不同调制编码的方式组合图，仿真采用4种调制方式、3种编码效率一共8种组合方案进行系统吞吐量仿真。

附图7为不同调制编码下系统吞吐量变化情况，可以根据信噪比来选择不同的调制编码方式，通过求解不同调制编码方式下的系统吞吐量峰值交点，可得到相应信噪比下最大的吞吐量以及对应的调制编码方式，从而使系统吞吐量在不同的信噪比条件下都最优。

附图8、附图9、附图10、附图11为本申请仿真在吞吐量、业务满意度、功率消耗上的对比图，可以观察到本申请与其他方法相比是有优势的。

该发明通过将带宽效用函数和系统吞吐量函数联合起来，建立多目标优化函数。使系统在进行带宽与功率分配的同时，可以根据信道状态和业务QoS要求选择合适的调制编码方式，提升系统吞吐量。通过仿真验证结果证明了算法的可靠性以及性能的提升。

特别需要指出，对于本领域的普通技术人员来说，在本申请的教导下所作的针对本申请的等效变化，仍应包含在本申请申请专利范围所主张的范围中。

Claims (10)

1.一种AOS中面向QOS的带宽和功率多目标跨层优化方法,其特征在于，包括如下步骤：

S1：建立跨层资源优化机制；

S2：在跨层资源优化机制所涉及的参数中引入虚拟信道积压队列比，用于动态调整各虚拟信道优先级；

S3：将带宽和所涉及的参数联合起来，构造带宽效用函数；

S4：将功率和所涉及的参数联合起来，构造功率消耗成本函数；

S5：将功率消耗成本函数添加到带宽效用函数，作为联合效用函数来构造所要求解的目标函数；

S6：分析影响系统吞吐量的参数因素，并选择出调制编码方式；

S7：通过联合影响吞吐量的参数，构造出系统吞吐量优化函数；

S8:将带宽效用函数和系统吞吐量优化函数联合起来，建立多目标优化函数，使系统同时满足带宽效用最优和系统吞吐量最优；

S9:利用改进的NSGA-II求解多目标优化函数。

2.根据权利要求1所述一种AOS中面向QOS的带宽和功率多目标跨层优化方法,其特征在于，本申请跨层资源优化涉及三个协议层，分别是应用层、数据链路层和物理层，分析各层影响系统性能的因素，并将因素转化为归一化参数，建立跨层资源优化机制。

3.根据权利要求1所述一种AOS中面向QOS的带宽和功率多目标跨层优化方法,其特征在于，虚拟信道积压队列比公式为：

式中：表示标准化后的平均到达数据量，表示标准化后的平均发送数据量；数据量为Δt(t₀,t)时间内的数据量统计值；r_A(t₀,t)为虚拟信道业务数据到达量，r_T(t₀,t)为虚拟信道业务数据发送量，其公式分别为：

其中，时间内接收各个数据业务的平均数据帧长度，N_rA(t₀,t)为接收的数据帧的个数；接收每个数据帧所用的平均时间与发送每个数据帧所用的平均时间的公式分别为：

t(j)表示接收数据业务j所用的时间，t(i)则表示发送数据业务i所用的时间，公式分别为：

其中，l_j为业务j的数据长度，B_j为接收j数据的接收速率。

4.根据权利要求1所述一种AOS中面向QOS的带宽和功率多目标跨层优化方法,其特征在于，带宽效用函数为：

s.t X′_i＜x_i＜X_i (8)

式中：U(x_i)为业务i的效用函数值，Q_s为根据业务QoS要求确定的静态优先级系数，R是公式(1)计算的虚拟信道积压队列比VQBR，(Q_s+R)表征业务的动态优先级，x_i为业务实际分配的时隙数目，X'_i为不同的业务的最小保证时隙，X_i为业务请求时隙数目；考虑相同时隙数目下，优先级Q_s越高，所得到效用值就越大。

5.根据权利要求1所述一种AOS中面向QOS的带宽和功率多目标跨层优化方法,其特征在于，功率消耗成本函数公式为：

式中：w_i为业务i的功率，W_min为系统所能提供的最小功率，x_i为业务所分配的时隙数；通过w_i/W_min对功率进行参数归一化。

6.根据权利要求1所述一种AOS中面向QOS的带宽和功率多目标跨层优化方法,其特征在于，将功率消耗成本函数添加到带宽效用函数中，将AOS中带宽分配和功率调整问题转化为使目标效用函数值最大问题：

Maximize:

Subject to:

式中：N为请求传输的业务个数，X'_i为不同业务的最小保证时隙，X_i为业务请求时隙数目，X为Δt(t₀,t)时间内物理信道总的时隙数目之和，W_min,W_max为根据业务不同的QoS要求以及信道状态CSI信息，确定的业务i的功率调整范围；α为比例调节因子，调节功率消耗成本在效用函数中的影响权重。

7.根据权利要求1所述一种AOS中面向QOS的带宽和功率多目标跨层优化方法,其特征在于，分析影响系统吞吐量的参数因素，吞吐量公式表示为：

式中：n为Δt时间内传输的数据帧字节数，Rate为编码效率，M为调制阶数，L_f为数据帧总字节数，C_f为数据帧开销，ber为信道误码率；由式可知，在链路速率V、帧长L_f和帧开销C_f一定时，系统吞吐率主要由编码效率Rate、调制阶数M和误码率ber决定；编码效率以及调制阶数越高，信道状态越好，相应的系统吞吐率就大，反之则越差。

8.根据权利要求1所述一种AOS中面向QOS的带宽和功率多目标跨层优化方法,其特征在于，将带宽效用函数和系统吞吐量函数联合起来，建立多目标优化函数为：

Maximize:

Subject to:

式中：N为请求传输的业务个数，X'_i为不同业务的最小保证时隙，X_i为业务请求时隙数目，t为一个时隙分配周期内的总时间，X为Δt(t₀,t)时间内物理信道总的时隙数目之和，W_mm为系统所能提供的最小功率，W_min，W_max为根据业务不同的QoS要求以及信道状态CSI信息，确定的业务i的功率调整范围；M_i，Rate_i分别为调制阶数和编码效率，通过不同的发射功率得到不同的信噪比，不同的信噪比又对应不同的调制阶数和编码效率，从而选择合适的M_i和Rate_i达到系统吞吐量最大；由式可知当分配的带宽时隙数目达到一定数量时，系统会通过比较效用值和能量消耗的成本来决定是否继续增加时隙和调整功率；同时由于系统吞吐量要求，减小发射功率在相同的信道状态下，信噪比将减小，导致系统吞吐量减小，效用函数在满足QoS要求的前提下，减小发射功率节省资源，而系统吞吐量函数要求增加发射功率来提高吞吐量，所以调节发射功率不仅考虑资源消耗，还将考虑系统性能，即系统吞吐量，从而在带宽效用和系统吞吐量之间求得最优，使带宽效用最优和系统吞吐量最大。

9.根据权利要求1所述一种AOS中面向QOS的带宽和功率多目标跨层优化方法,其特征在于，利用改进的NSGA-II求解多目标优化函数，具体为：

该式为交叉算子，为子代个体染色体对应k位置的基因值，为父代染色体基因值，表示两个父代个体中占优的个体的基因值，为两个父代个体中不占优的个体的基因值；个体是否占优通过个体的支配等级或拥挤距离确定，支配等级越低或相同支配等级中拥挤距离越大的个体越优；α为随机数，在(0,1]或(1,2]之间产生，使随机数有大于1的情况是为了使交叉后的基因值大于两个父代个体基因值确定的具体范围，加大了基因值搜索范围，提升了解空间探索能力；β为通过父代个体支配等级或拥挤距离引导搜索方向的一个动态变化因子，以父代个体的优劣差异来引导基因值改变的幅度；r为个体支配等级，d为拥挤距离。

10.根据权利要求9所述一种AOS中面向QOS的带宽和功率多目标跨层优化方法,其特征在于，通过动态改变变异系数，使种群在迭代初期拥有较大的变异比率，促进种群的多样性，实现的公式为：

式中，为第k位的基因值，l_k为该基因值范围的最小值，u_k为该基因值范围的最大值。