CN111132264B - 多用户mimo-noma系统下行链路的用户分簇方法 - Google Patents

Abstract

本发明公开了一种多用户多输入多输出‑非正交多址接入MIMO‑NOMA系统下行链路的用户分簇方法，主要解决现有分簇算法由于没有综合考虑信道增益差和空间相关度导致用户公平性较低的问题。其实现方案是：1)基站端基于信道信息计算信道增益差和空间相关度，获得优先级矩阵；2)根据信道优先级矩阵完成基于双向优先选择的用户分簇；3)对已完成的用户簇进行最小数据速率门限值比较操作，若满足最小数据速率门限值约束则继续实现基于双向优先选择的用户分簇，否则，对所有剩余用户完成穷举搜索。本发明具有兼顾用户公平性和系统吞吐量的优点，可用于多用户多输入多输出‑非正交多址接入MIMO‑NOMA系统下行链路的用户分簇操作。

Description

多用户MIMO-NOMA系统下行链路的用户分簇方法

技术领域

本发明属于通信技术领域，特别涉及一种下行链路的用户分簇方法，可用于多用户多输入多输出-非正交多址接入MIMO-NOMA系统。

背景技术

随着移动数据量的飞速增长，新的多址接入技术需要满足5G移动通信对高频谱效率和海量接入的需求。近年来，非正交多址接入NOMA技术由于其高性能而备受关注，并成为5G非正交多址接入技术中最有希望的候选者之一。与正交多址接入OMA技术不同，NOMA允许多个用户通过使用不同的功率来共享时频域资源。NOMA技术在发送端采用功率复用技术，主动引入干扰，根据远近效应，信道条件较差的用户分配较大功率，信道条件较好的用户分配较小功率，以提高系统性能和用户公平性。接收端采用串行干扰消除SIC技术，通过逐级干扰消除策略，对接收信号中的其他用户信息逐个进行判决，逐级消除对其他信号造成的多址干扰，直到消除所有的多址干扰，得到用户信号。为了保证用户公平性，SIC接收机按照用户功率从大到小进行解调，先解调出信道条件较差的用户，再解调信道条件较好的用户，因此发射端为信道条件相对较差的用户分配较高功率，为信道条件相对较好的用户分配较低功率。

非正交多址接入NOMA技术和多输入多输出MIMO技术作为5G移动通信的关键技术，可以提高系统吞吐量和频谱效率。MIMO-NOMA技术是将MIMO技术和NOMA技术相结合，MIMO-NOMA系统采用了MIMO-NOMA技术。MIMO-NOMA系统发射端的技术有用户分簇、功率分配、波束赋性，接收端的技术有SIC技术、用户检测技术。MIMO-NOMA系统中，每个波束上采用NOMA机制，同一波束上的用户复用相同的时频资源并通过功率域区分，不同波束间通过波束赋性扩展空间与资源。MIMO-NOMA系统通过扩展空域和功率域的资源，在频谱效率和系统容量上有所提升，能够更好地满足5G通信的需求。但是MIMO-NOMA系统由于功率域的多用户复用，也带来了额外的干扰，包括簇内干扰和簇间干扰。簇内干扰大小与信道增益差参数有关，使用相同时频资源的用户信道增益差越大，簇间干扰越小。簇间干扰与空间相关度相关，功率域复用用户与簇内强用户的空间相关度越大，信道条件越相似，簇间干扰越小。

NOMA系统中的用户分簇算法有穷举搜索算法，随机用户分簇算法，基于信道增益差的用户分簇算法，基于信道增益差的交叉用户分簇算法，混合用户分簇算法等。MIMO-NOMA系统的用户分簇算法有基于信道信息的用户分簇算法。

穷举搜索算法，是通过遍历所有可能的分簇结果，选择最优的分簇方案，其优点是实现最优的分簇方案，性能最佳。但由于计算复杂度太高，在实际生产中可行性较低。

随机用户分簇算法，是在候选用户集合中随机选择两个用户进行配对，优点是算法简单。但由于没有考虑用户信道信息，系统吞吐量较差。

基于信道增益差的用户分簇算法，是将候选用户分为两组即信道条件较好用户集合和信道条件较差用户集合，对信道条件最好和信道条件最差用户进行配对，其优点是算法思路简单清晰，切实可行。但该算法越到后面分簇簇内用户信道增益差越小，后分簇用户的性能较差，且在MIMO-NOMA系统中由于没有充分考虑到空间相关度这一因素会导致簇间干扰较大，后分簇用户的系统吞吐量较差，且没有考虑用户公平性问题。

基于信道增益差的交叉用户分簇算法，是将候选用户分为两组，即信道条件较好用户集合和信道条件较差用户集合，信道条件较好集合中的奇数用户依次和最差信道增益用户配对，偶数用户依次和信道条件最好用户配对，其优点是算法思路清晰，切实可行，且综合考虑了所有分簇的信道增益差。但由于没有充分考虑空间相关度，导致簇间干扰较大，没有兼顾系统吞吐量和用户公平性。

基于信道信息的用户分簇算法，是对满足空间相关度门限值的候选用户集进行基于信道增益差进行用户配对，对于剩余用户则不采用NOMA机制，将其分配到单个波束进行信号发射。其优点是综合考虑了空间相关度和信道增益差，降低了簇内干扰和簇间干扰，但由于设置了相关度门限值，无法综合考虑空间相关度和信道增益差的共同影响，存在相关度较低但增益差较大的用户无法参与分簇的情况，影响系统的吞吐量和用户的公平性。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种多用户MIMO-NOMA系统下行链路的用户分簇算法，以提高用户公平性，同时兼顾系统吞吐量。

本发明的技术方案是：基于用户信道信息，计算信道增益差矩阵和空间相关度矩阵，通过矩阵运算，获得归一化信道增益差矩阵D'、信道信息矩阵Merg、优先级矩阵P；根据双向优先选择准则确定配对用户，在完成一个用户分簇后，进行该簇的最小数据速率与最小数据速率门限值的比较：当满足该门限值约束时选择双向优先选择策略完成剩余用户分簇操作，否则选择穷举搜索算法完成剩余用户的分簇操作，直到找出用户分簇方案。其实现步骤包括如下：

(1)基站在已知完整信道状态信息的情况下，根据信道条件对M个用户进行降序排序，得到排序后的用户序列：UE＝{u₁,u₂,…,u_m,…,u_M},其中u_m表示序列中的第m个用户，m＝1,2,…,M；

(2)基于信道信息将M个用户划分为N个用户簇：

其中

表示划分到第n个用户簇的所有用户，

u_n,q表示分配到第n个用户簇的第q个用户，n＝1,2,…,N，q＝1,2,…,K；K＝M/N表示每个用户簇包含的用户个数；

(3)确定各用户簇的主用户及候选用户集

从排序后的用户序列UE中选择前N个用户将其作为各用户簇的主用户，得到各用户簇的候选用户集：

(4)计算优先级矩阵Pr：

(4a)分别计算用户间的信道增益差和空间相关度，得到信道增益差矩阵D和空间相关度矩阵C；对信道增益差矩阵D进行最大最小归一化得到归一化矩阵D'；

(4b)根据归一化矩阵D'和空间相关度矩阵C得到信道信息矩阵：F＝D'+C；

(4c)根据信道信息矩阵F得到优先级矩阵：Pr＝F(1:N,N+1:M)；

(5)引入变量S表示遍历的簇数，用

表示第n簇的已分配用户数，

表示候选用户数，并初始化S＝1，

设置R_min作为最小数据速率门限值；

(6)将第S簇的已分配用户数

与每个用户簇包含的用户个数K进行比较，判断是否对现有用户簇进行基于双向优先选择的分簇操作：

若

则执行(7)；若

且

则执行(10)；否则，分簇操作结束；

(7)在第S个用户簇

上实现基于双向优先选择的用户分簇：

(7a)根据信道增益差矩阵D和空间相关度矩阵C更新优先级矩阵Pr的元素值，为第S个用户簇

选择

中优先级最高的用户u,为用户u选择优先级最高的用户簇γ；

(7b)将用户簇γ与当前用户簇S进行比较：若γ＝S，则将该用户划分到用户簇

并将该用户从

中删除，令

执行(8)；否则，执行(10)；

(8)将更新后的第S簇的已分配用户数

与每个用户簇包含的用户个数K进行比较，判断现有用户簇是否完成分簇：

若

则执行(9)；否则，执行(10)；

(9)将第S簇所有用户中的最小数据速率R_S,min与最小数据速率门限值R_min进行比较，判断是否进行穷举搜索：

(9a)计算得到第S个用户簇的所有用户中的最小数据速率R_S,min；

(9b)将更新后的第S簇所有用户中的最小数据速率R_S,min与最小数据速率门限值R_min进行比较：若R_S,min≥R_min，则执行(10)；否则，对所有剩余用户完成以最大化最小数据速率为优化目标的穷举搜索，直到找出最优的用户分簇方案；

(10)更新遍历簇数S：若S＜N,则令S＝S+1，返回(6)；否则，令S＝1，返回(6)。

本发明与现有技术相比，具有如下优点：

第一，本发明由于采用基于信道增益差和空间相关度的优先级矩阵实现基于双向优先选择策略的用户分簇操作，克服了现有方案计算复杂高以及无法综合考虑信道增益差和空间相关度的问题，提高了系统容量，降低了计算复杂度。

第二，本发明由于在每完成一个用户分簇操作后，先进行当前用户簇的最小数据速率与最小数据速率门限值的比较，再选择后续的分簇方案，克服了最小数据速率过小的问题，提高了用户公平性。

第三，本发明由于采用以最大化最小数据速率为优化目标的穷举搜索完成剩余用户的分簇操作，克服了最小数据速率过小以及计算复杂度高的问题，实现了系统容量和用户公平性的折衷，降低了计算复杂度。

附图说明

图1为本发明的实现流程图；

图2为用本发明与现有的两种分簇算法进行仿真的公平性效果图；

图3为用本发明与现有的两种分簇算法进行仿真的吞吐量效果图；

图4为用本发明与现有的一种分簇算法进行仿真的簇吞吐量效果图；

图5为用本发明与现有的两种分簇算法进行仿真的最小数据速率效果图。

具体实施方式

以下结合附图对本发明的实施例及效果作进一步说明。

参照图1，本发明的实现步骤如下：

步骤1，根据信道条件对M个用户进行降序排序。

在已知完整信道状态信息的情况下，根据信道条件对M个用户进行降序排序，得到排序后的用户序列：UE＝{u₁,u₂,…,u_m,…,u_M},其中u_m表示序列中的第m个用户，m＝1,2,…,M；

所述信道条件，与路径损耗增益成反比，即路径损耗增益越小，信道条件越大，路径损耗增益越大，信道条件越小。

步骤2，确定各用户簇的主用户及候选用户集

从排序后的用户序列UE中选择前N个用户将其作为各用户簇的主用户，得到各用户簇的候选用户集：

其中N为用户簇的个数。

步骤3，计算优先级矩阵Pr。

优先级矩阵Pr基于两个信道信息参数，一是信道增益差，二是空间相关度，其计算步骤如下：

3.1)通过计算信道增益差得到信道增益差矩阵D：

由下式计算用户i与用户j的信道增益差d_i,j：

d_i,j＝||h_i|-|h_j||

其中，h_i和h_j分别为用户i和用户j的信道向量，d_i,j表征用户间信道质量的差异性，计算信道增益差d_i,j的目的是将其作为用户分簇的一个重要指标，且NOMA技术中会将多个复用用户的信道增益差益转换为复用增益；

计算M个用户间的信道增益差得到信道增益差矩阵D：

3.2)通过计算空间相关度得到空间相关度矩阵C：

由下式计算用户i和用户j的空间相关度c_i,j：

其中，g_i和g_j分别为用户i和用户j无路径损耗增益的瑞利衰落向量，c_i,j表征用户间信道条件的相似度，簇内其他用户与主用户之间的空间相关度c_i,j越大，则受到来自其他簇的簇间干扰越小，否则，受到来自其他簇的簇间干扰越大；

计算M个用户间的空间相关度得到空间相关度矩阵C：

3.3)通过对信道增益差矩阵D的最大最小归一化，得到归一化信道增益差矩阵D'：

由下式计算用户i与用户j的归一化信道增益差值d′_i,j：

其中，d_i,j为用户i与用户j的信道增益差，d_max和d_min分别为信道增益差矩阵D的最大值和最小值，h_i和h_j分别为用户i和用户j的信道向量；

计算M个用户间的归一化信道增益差值得到空间相关度矩阵D'：

3.4)根据3.2)和3.3)的结果，计算信道信息矩阵F：

3.5)根据信道信息矩阵F得到优先级矩阵Pr：Pr＝F(1:N,N+1:M)，该优先级矩阵Pr是将信道信息矩阵F第1行至第N行和第N+1列至第M列元素抽取出来组成的一个子矩阵，优先级矩阵Pr的元素值表征用户簇与用户间的信道质量差异和信道相似程度，用户簇与用户间的优先级越高，则用户簇与用户间的匹配度越高，否则，用户簇与用户间的匹配度越低。

步骤4，引入变量S表示遍历的簇数，用

表示第n簇的已分配用户数，用

表示候选用户数，并初始化S＝1，

设置R_min作为最小数据速率门限值。

步骤5，将第S簇的已分配用户数

与每个用户簇包含的用户个数K进行比较，判断是否对现有用户簇进行基于双向优先选择的分簇操作：

若

则执行步骤6；

若

且

则执行步骤9；

否则，分簇操作结束。

步骤6，在第S个用户簇

上实现基于双向优先选择的用户分簇。

6.1)根据归一化矩阵D'，计算剩余用户集合

中的各剩余用户与当前用户簇内已分配用户的归一化信道增益差的平均值；

6.2)根据6.1)的结果，计算各剩余用户的归一化信道增益差的平均值和簇内主用户的空间相关度的线性和，将其作为新的优先级参数；

6.3)根据6.2)的结果，将优先级矩阵中的优先级参数替换为新的优先级参数；

6.4)根据优先级矩阵Pr，为用户簇

选择

中优先级最高的用户u,并为用户u选择优先级最高的用户簇γ；

6.5)将用户簇γ与当前用户簇S进行比较：

若γ＝S，则将该用户划分到用户簇

将该用户从

中删除，令

执行步骤7；

否则，执行步骤9。

步骤7，将更新后的第S簇的已分配用户数

与每个用户簇包含的用户个数K进行比较，判断现有用户簇是否完成分簇：

若

则执行步骤8，否则，执行步骤9。

步骤8，判断是否进行穷举搜索。

8.1)基于迫零波束赋形技术，通过下式计算预编码矩阵W：

其中，w_n为用户u_n的波束赋形向量，

为矩阵H的伪逆，H*为矩阵H的厄米特转置，(HH*)^-1为矩阵HH*的逆，H为由各用户簇中强用户的信道增益向量组成的信道矩阵，表示如下：

其中，h_n,1为用户u_n,1的信道增益向量，u_n,1表示分配到第n个用户簇的第1个用户，

为h_n,1的转置；

8.2)计算第n簇的第k个用户u_n,k的信干噪比SINR_n,k：

其中，h_n,k为用户u_n,k的信道增益向量，w_n和w_t分别为第n簇和第t簇所有用户的波束赋性向量，P_n和P_t分别为第n簇和第t簇的总功率，α_n,k为用户u_n,k的功率分配因子，δ²为噪声功率，w_n和w_t分别为预编码矩阵W的第n列和第t列；

8.3)根据8.1)和8.2)的结果，计算用户u_n,k的数据速率R_n,k：

R_n,k＝Blog₂(1+SINR_n,k)，

其中，B为系统带宽；

8.4)计算当前用户簇内所有用户的数据速率，比较得到所有用户中的最小数据速率R_S,min；

8.5)将第S簇所有用户中的最小数据速率R_S,min与设定的最小数据速率门限值R_min进行比较，判断是否进行穷举搜索：

若R_S,min≥R_min，则执行步骤9，否则，执行步骤10。

当前用户簇中所有用户的最小数据速率R_S,min表征用户簇内用户的数据速率的下限，通过将其与最小数据速率门限值R_min进行比较，判断是否进行穷举搜索，可以提高最小数据速率，因此可以保证用户公平性。

步骤9，更新遍历簇数S：若S＜N,则令S＝S+1，返回步骤5，否则，令S＝1，返回步骤5。

步骤10，对所有剩余用户实现基于穷举搜索的用户分簇。

穷举搜索是遍历所有可能的分簇方案，选择其中最优的一个方案作为最终的分簇方案。该方案满足的优化目标为最大化最小数据速率，其公式如下：

其中，R_i,j为用户u_i,j的数据速率，Ω为所有分簇结果的集合，UE为候选用户集，B为系统带宽,SINR_i,j为用户u_i,j的信干噪比。

本发明的效果可以通过以下的仿真结果进行说明：

1.仿真环境。

本次仿真的仿真软件为MATLAB。

仿真参数设置为小区半径500m，系统带宽为3.6MHZ，噪声功率谱密度为-169dbm/HZ。

2.仿真内容。

仿真1，在下行链路的多用户MIMO-NOMA系统中，对本发明与现有的基于信道增益差的分簇算法和基于信道信息的分簇算法的分簇结果的Jain因子进行比较，结果为图2。

仿真2，在下行链路的多用户MIMO-NOMA系统中，对本发明与现有的基于信道增益差的分簇算法和基于信道信息的分簇算法的分簇结果的系统吞吐量进行比较，结果为图3。

仿真3，在下行链路的多用户MIMO-NOMA系统中，对本发明与现有的基于信道信息的分簇算法的分簇结果的簇吞吐量进行比较，结果为图4。

仿真4，在下行链路的多用户MIMO-NOMA系统中，对本发明与现有的基于信道增益差的分簇算法和基于信道信息的分簇算法的分簇结果的最小数据速率进行比较，结果为图5。

3.仿真结果分析

从图2可以看出，在用户个数为6、用户簇数为3的情况下，本发明相比基于信道增益差的用户分簇算法的分簇结果，其Jain因子提高了约8％，相比基于信道信息的用户分簇算法的分簇结果，其Jain因子提高了约7％。

从图5可以看出相比于现有的两种基于信道增益差的分簇算法和基于信道信息的分簇算法的分簇结果，本发明的最小数据速率均有所提高。

图2和图5的结果均表明本发明的公平性得到了提升。

从图3可以看出，相比于现有的两种基于信道增益差的分簇算法和基于信道信息的分簇算法的分簇结果，本发明的吞吐量之和均有所提高。

从图4可以看出本发明相比基于信道信息的用户分簇算法的分簇结果，其各用户簇的吞吐量的差异有所降低，因此簇间公平性有所提升。

上述仿真结果表明：本发明在提升用户公平性的同时可兼顾系统的吞吐量。

Claims (7)

1.一种多用户MIMO-NOMA系统下行链路的用户分簇方法，其特征在于,包括如下：

(1)基站在已知完整信道状态信息的情况下，根据信道条件对M个用户进行降序排序，得到排序后的用户序列：UE＝{u₁,u₂,...,u_m,...,u_M},其中u_m表示序列中的第m个用户，m＝1,2,...,M；

(2)基于信道信息将M个用户划分为N个用户簇：

其中

表示划分到第n个用户簇的所有用户，

u_n,q表示分配到第n个用户簇的第q个用户，n＝1,2,…,N，q＝1,2,…,K；K＝M/N表示每个用户簇包含的用户个数；

(3)确定各用户簇的主用户及候选用户集

从排序后的用户序列UE中选择前N个用户将其作为各用户簇的主用户，得到各用户簇的候选用户集：

(4)计算优先级矩阵Pr：

(4a)分别计算用户间的信道增益差和空间相关度，得到信道增益差矩阵D和空间相关度矩阵C；对信道增益差矩阵D进行最大最小归一化得到归一化矩阵D'；

(4b)根据归一化矩阵D'和空间相关度矩阵C得到信道信息矩阵：F＝D'+C；

(4c)根据信道信息矩阵F得到优先级矩阵：Pr＝F(1:N,N+1:M)；

(5)引入变量S表示遍历的簇数，用

表示第n簇的已分配用户数，

表示候选用户数，并初始化S＝1，

设置R_min作为最小数据速率门限值；

(6)将第S簇的已分配用户数

与每个用户簇包含的用户个数K进行比较，判断是否对现有用户簇进行基于双向优先选择的分簇操作：

若

则执行(7)；若

且

则执行(10)；否则，分簇操作结束；

(7)在第S个用户簇

上实现基于双向优先选择的用户分簇：

(7a)根据信道增益差矩阵D和空间相关度矩阵C更新优先级矩阵Pr的元素值，为第S个用户簇

选择

中优先级最高的用户

为用户

选择优先级最高的用户簇γ；其中根据信道增益差矩阵D和空间相关度矩阵C更新优先级矩阵Pr的元素值，实现如下：

(7a1)根据归一化矩阵D'，计算剩余用户集合

中的各剩余用户与当前用户簇内已分配用户的归一化信道增益差的平均值；

(7a2)根据(7a1)的结果，计算各剩余用户的归一化信道增益差的平均值和簇内最强用户的空间相关度的线性和，将其作为新的优先级参数；

(7a3)根据(7a2)的结果，将优先级矩阵中的优先级参数替换为新的优先级参数；

(7b)将用户簇γ与当前用户簇S进行比较：若γ＝S，则将该用户划分到用户簇

并将该用户从

中删除，令

执行(8)；否则，执行(10)；

(8)将更新后的第S簇的已分配用户数

与每个用户簇包含的用户个数K进行比较，判断现有用户簇是否完成分簇：

若

则执行(9)；否则，执行(10)；

(9)将第S簇所有用户中的最小数据速率R_S,min与最小数据速率门限值R_min进行比较，判断是否进行穷举搜索：

(9a)计算得到第S个用户簇的所有用户中的最小数据速率R_S,min；

(9b)将更新后的第S簇所有用户中的最小数据速率R_S,min与最小数据速率门限值R_min进行比较：若R_S,min≥R_min，则执行(10)；否则，对所有剩余用户完成以最大化最小数据速率为优化目标的穷举搜索，直到找出最优的用户分簇方案；

(10)更新遍历簇数S：若S＜N,则令S＝S+1，返回(6)；否则，令S＝1，返回(6)。

2.根据权利要求1所述的方法，其特征在于，(4a)中的信道增益差矩阵D，表示如下：

其中，d_i,j为用户i与用户j的信道增益差，由下式计算：

d_i,j＝||h_i|-|h_j||

式中，h_i和h_j分别为用户i和用户j的信道增益向量。

3.根据权利要求1所述的方法，其特征在于,(4a)中对信道增益差矩阵D进行最大最小归一化后得到的归一化矩阵D'，表示如下：

其中，d′_i,j为用户i与用户j的归一化信道增益差值，由下式计算：

式中，d_max和d_min分别为信道增益差矩阵D的最大值和最小值。

4.根据权利要求1所述的方法，其特征在于，(4a)中的空间相关度矩阵C，表示如下：

其中，c_i,j为用户i和用户j的空间相关度，由下式计算：

式中，g_i和g_j分别为用户i和用户j无路径损耗增益的瑞利衰落向量。

5.根据权利要求1所述的方法，其特征在于，(4b)中计算信道信息矩阵F，其公式如下：

其中，D'为归一化信道增益差矩阵，C为空间相关度矩阵，d′_i,j为用户i与用户j的归一化信道增益差值，c_i,j为用户i和用户j的空间相关度。

6.根据权利要求1所述的方法，其特征在于，(9a)中计算用户u_n,k的数据速率，其实现如下：

(6a)基于迫零波束赋形技术，通过下式计算预编码矩阵W：

其中，w_n为用户u_n的波束赋形向量，

为矩阵H的伪逆，H*为矩阵H的厄米特转置，(HH*)^-1为矩阵HH*的逆，H为由各用户簇中强用户的信道增益向量组成的信道矩阵，表示如下：

其中，h_n,1为用户u_n,1的信道增益向量，

为h_n,1的转置；

(6b)计算用户u_n,k的信干噪比SINR_n,k：

其中，h_n,k为用户u_n,k的信道增益向量，w_n和w_t分别为第n簇和第t簇所有用户的波束赋性向量，P_n和P_t分别为第n簇和第t簇的总功率，α_n,k为用户u_n,k的功率分配因子，δ²为噪声功率，w_n和w_t分别为预编码矩阵W的第n列和第t列；

(6c)根据(6a)和(6b)的结果，计算用户u_n,k的数据速率R_n,k：

R_n,k＝Blog₂(1+SINR_n,k)，

其中，B为系统带宽。

7.根据权利要求1所述的方法，其特征在于，(9)中对所有剩余用户进行穷举搜索，通过遍历所有可能的分簇方案，选择其中最优的一个方案作为最终的分簇方案，该方案满足的优化目标为最大化最小数据速率，其公式如下：

其中，R_i,j为用户u_i,j的数据速率，Ω为所有分簇结果的集合，

为候选用户集，B为系统带宽,SINR_i,j为用户u_i,j的信干噪比。

Images