CN111372312A - 时频空资源分配方法、计算机装置及计算机可读存储介质 - Google Patents
时频空资源分配方法、计算机装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111372312A CN111372312A CN201811602906.5A CN201811602906A CN111372312A CN 111372312 A CN111372312 A CN 111372312A CN 201811602906 A CN201811602906 A CN 201811602906A CN 111372312 A CN111372312 A CN 111372312A
- Authority
- CN
- China
- Prior art keywords
- resource allocation
- users
- frequency
- scheduled
- time interval
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0446—Resources in time domain, e.g. slots or frames
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0452—Multi-user MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/12—Wireless traffic scheduling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/12—Wireless traffic scheduling
- H04W72/121—Wireless traffic scheduling for groups of terminals or users
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种时频空资源分配方法、计算机装置及计算机可读存储介质。其中,时频空资源分配方法包括:获取待调度用户;根据预设算法确定待调度用户的配对策略;获取配对策略的评价机制;根据评价机制得到配对策略对应的最优时频资源分配方法,并对配对策略进行打分。本发明通过预设算法确定待调度用户的配对策略,通过评价机制获得配对策略对应的最优时频资源分配方法并对配对策略进行打分,两者相互配合,以确定最优的空分用户配对和时频资源分配策略,在考虑公平性同时,最大化无线频谱效率/小区吞吐量。
Description
技术领域
本发明涉及上/下行MAC(Media Access Control媒体访问控制)层处理技术领域,尤其涉及一种时频空资源分配方法、一种计算机装置及一种计算机可读存储介质。
背景技术
无线通信系统演进到4G时代,通过引入多天线技术和MU-MIMO(Multi-UserMultiple Input Multiple Output多用户多输入多输出)系统,显著提升了无线SE(Spectrum Efficiency频谱效率)/小区吞吐量。在5G时代,多天线和MU-MIMO仍是最行之有效提升无线系统SE的方法。其中,空分用户配对和时频资源分配方法是MU-MIMO系统的关键技术:空分用户配对决定了在每个TTI(Transmission Time Interval传输时间间隔),每个空分组由哪些用户组成;而时频资源分配方法则决定了在每个TTI,每个空分组以及其它频分用户各占多少频率资源。
通常,在MU-MIMO系统中,每个用户所在无线信道质量和其业务需求都大相径庭。同时,两两用户水平/垂直面间隔也大不相同。由此,不同空分用户配对方法和时频资源分配方法所带来的无线SE/小区吞吐量可能差异巨大。因此,在考虑公平性同时,如何获得最优的空分用户配对和时频资源分配策略,从而最大化无线SE/小区吞吐量是一项意义重大且亟待解决的问题。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本发明提供了一种时频空资源分配方法、一种计算机装置及一种计算机可读存储介质。
有鉴于此,第一方面,本发明实施例提供一种时频空资源分配方法,包括:获取待调度用户;根据预设算法确定待调度用户的配对策略;获取配对策略的评价机制;根据评价机制得到配对策略对应的最优时频资源分配方法,并对配对策略进行打分。
本发明提供的时频空资源分配方法首先获取待调度用户,然后采用预设算法确定待调度用户的配对策略;进一步地,在确定待调度用户的配对策略后获取配对策略的评价机制,然后根据评价机制得到配对策略对应的最优时频资源分配方法,并对配对策略进行打分。具体地,最优时频资源分配方法即为可以使得无线SE及小区吞吐量达到最大的时频资源分配方法。值得注意的是,本发明通过预设算法确定待调度用户的配对策略,通过评价机制对配对策略对应的最优时频资源分配方法进行评价,两者相互配合,以确定最优的空分用户配对和时频资源分配策略,在考虑公平性同时,最大化无线SE(SpectrumEfficiency频谱效率)/小区吞吐量。
根据本发明上述的时频空资源分配方法,还可以具有以下附加技术特征:
在上述技术方案中,可选地,获取待调度用户的步骤,具体包括:根据当前传输时间间隔能被调度的用户数量和当前传输时间间隔的激活用户数量,确定待调度用户的目标数量;根据预设筛选规则从当前传输时间间隔的激活用户中筛选出目标数量的待调度用户。
在上述任一技术方案中,可选地,根据当前传输时间间隔能被调度的用户数量和当前传输时间间隔的激活用户数量,确定待调度用户的目标数量的步骤,具体包括:当当前传输时间间隔能被调度的用户数量大于等于当前传输时间间隔的激活用户数量时,目标数量等于当前传输时间间隔的激活用户数量;当当前传输时间间隔能被调度的用户数量小于当前传输时间间隔的激活用户数量时,目标数量等于当前传输时间间隔能被调度的最大用户数量。
在上述任一技术方案中,可选地,预设筛选规则为以下规则之一:轮询规则、比例公平规则、增强比例公平最大载干比规则。
在上述任一技术方案中,可选地,预设算法为以下算法之一:粒子群算法、带高斯变异的粒子群算法、遗传算法、自适应遗传算法。
在上述任一技术方案中,可选地,获取配对策略的评价机制的步骤,具体包括:获取当前传输时间间隔配对策略对应的最优时频资源分配方法,以及对应可获得的最大吞吐量;将最大吞吐量作为配对策略的得分。
在上述任一技术方案中,可选地,获取当前传输时间间隔配对策略对应的最优时频资源分配方法,以及对应可获得的最大吞吐量的步骤,具体包括:在当前传输时间间隔给定配对策略后,利用评价机制获得能使得当前传输时间间隔吞吐量最大的时频资源分配方法;根据能使得当前传输时间间隔吞吐量最大的时频资源分配策略,得到最大吞吐量。
第二方面,本发明提供了一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如本发明第一方面任一项的时频空资源分配方法的步骤。
本发明的第二方面提出的计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如本发明第一方面任一项的时频空资源分配方法的步骤。因此,具有上述任一技术方案的时频空资源分配方法的全部有益效果。
第三方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如本发明第一方面任一项的时频空资源分配方法的步骤。
本发明的第三方面提出的种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述任一项技术方案的时频空资源分配方法。因此,具有上述任一技术方案的时频空资源分配方法的全部有益效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明的一个实施例提供的时频空资源分配方法的流程示意图;
图2示出了本发明的另一个实施例提供的时频空资源分配方法的流程示意图;
图3示出了本发明的再一个实施例提供的时频空资源分配方法的流程示意图;
图4示出了本发明的一个具体实施例提供的时频空资源分配方法的流程示意图;
图5是图4所示实施例的时频空资源分配方法中使用粒子群算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略的流程示意图;
图6是图4所示实施例的时频空资源分配方法中使用带高斯变异的粒子群算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略的流程示意图;
图7是图4所示实施例的时频空资源分配方法中使用遗传算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略的流程示意图;
图8是图4所示实施例的时频空资源分配方法中使用自适应遗传算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略的流程示意图;
图9示出了本发明的一个实施例提供的计算机装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一方面,本发明提供了一种时频空资源分配方法。
图1示出了本发明的一个实施例提供的时频空资源分配方法的流程示意图。如图1所示,该时频空资源分配方法包括:
S101,获取待调度用户;
S102,根据预设算法确定待调度用户的配对策略;
S103,获取配对策略的评价机制;
S104,根据评价机制得到配对策略对应的最优时频资源分配方法,并对配对策略进行打分。
本发明提供的时频空资源分配方法首先获取待调度用户,然后采用预设算法确定待调度用户的配对策略;进一步地,在确定待调度用户的配对策略后获取配对策略的评价机制,然后根据评价机制得到配对策略对应的最优时频资源分配方法,并对配对策略进行打分。具体地,最优时频资源分配方法即为可以使得无线SE及小区吞吐量达到最大的时频资源分配方法。值得注意的是,本发明通过预设算法确定空分用户的配对策略,通过评价机制对配对策略对应的最优时频资源分配方法进行评价,两者相互配合,以确定最优的空分用户配对和时频资源分配策略,在考虑公平性同时,最大化无线SE/小区吞吐量。
图2示出了本发明的另一个实施例提供的时频空资源分配方法的流程示意图。如图2所示,该时频空资源分配方法包括:
S201,根据当前传输时间间隔能被调度的用户数量和当前传输时间间隔的激活用户数量,确定待调度用户的目标数量;
S202,根据预设筛选规则从当前传输时间间隔的激活用户中筛选出目标数量的待调度用户;
S203,根据预设算法确定待调度用户的配对策略;
S204,获取配对策略的评价机制;
S205,根据评价机制得到配对策略对应的最优时频资源分配方法,并对配对策略进行打分。
在该实施例中,某一个小区当前传输时间间隔的激活用户数量与当前传输时间间隔能被调度的用户数量往往是并不匹配的。具体地,当前传输时间间隔的激活用户数量是要大于能被调度的用户数量,因此需要对当前传输时间间隔的激活用户进行筛选,将经过筛选后的激活用户作为待调度用户,使得筛选后的激活用户的数量与当前传输时间间隔能被调度的用户数量相匹配,进而保证基站能够为待调度用户稳定传输信息。具体地,对当前传输时间间隔的激活用户进行筛选是根据预设筛选规则进行的,而预设筛选规则可根据实际需要提前设定。
在本发明的一个实施例中,可选地,根据当前传输时间间隔能被调度的用户数量和当前传输时间间隔的激活用户数量,确定待调度用户的目标数量的步骤,具体包括:当当前传输时间间隔能被调度的用户数量大于等于当前传输时间间隔的激活用户数量时,目标数量等于当前传输时间间隔的激活用户数量;当当前传输时间间隔能被调度的用户数量小于当前传输时间间隔的激活用户数量时,目标数量等于当前传输时间间隔能被调度的最大用户数量。
在该实施例中,在一个既定小区内,当前传输时间间隔的激活用户数量与当前传输时间间隔能被调度的用户数量一般是不匹配的,并且存在有以下两种关系:第一种是当前传输时间间隔能被调度的用户数量大于等于当前传输时间间隔的激活用户数量时,此时代表基站可以为全部的激活用户提供服务,因此不必进行筛选,直接将当前传输时间间隔的全部激活用户数量作为待调度用户;第二种是当前传输时间间隔能被调度的用户数量小于当前传输时间间隔的激活用户数量,此时代表基站不能够为全部激活用户提供服务,因此需要按照预设筛选规则对当前传输时间间隔的激活用户进行筛选,将经过筛选后的激活用户作为待调度用户,使得筛选后的激活用户的数量与当前传输时间间隔能被调度的用户数量相匹配。具体地,经过帅选后,待调度用户的目标数量等于当前传输时间间隔能被调度的最大用户数量,在保证基站的正常工作得到前提下,尽量为更多的用户提供服务。
在本发明的一个实施例中,可选地,预设筛选规则为以下规则之一:轮询规则、比例公平规则、增强比例公平最大载干比规则。
在该实施例中,当某一个小区当前传输时间间隔的激活用户数量大于或等于当前传输时间间隔能被调度的用户数量时,需要对当前传输时间间隔的激活用户数量进行筛选,此时,可以使用轮询规则、比例公平规则、增强比例公平最大载干比规则中的任一种,从而获得目标数量的待调度用户。具体地,采用何种预设筛选规则可根据实际需要进行选择,在此并不限定。
在本发明一个实施例中,可选地,预设算法为以下算法之一:粒子群算法、带高斯变异的粒子群算法、遗传算法、自适应遗传算法。
在该实施例中,在根据预设算法确定空分用户的配对策略的过程中,可以根据实际需要选取粒子群算法、带高斯变异的粒子群算法、遗传算法、自适应遗传算法之一确定空分用户的配对策略,上述智能算法可以均可获得最优的空分用户的配对策略。具体地,采用何种预预设算法可根据实际需要进行选择,在此并不限定。
图3示出了本发明的再一个实施例提供的时频空资源分配方法的流程示意图。如图3所示,该时频空资源分配方法包括:
S301,根据当前传输时间间隔能被调度的用户数量和当前传输时间间隔的激活用户数量,确定待调度用户的目标数量;
S302,根据预设筛选规则从当前传输时间间隔的激活用户中筛选出目标数量的待调度用户;
S303,根据预设算法确定待调度用户的配对策略;
S304,获取当前传输时间间隔配对策略对应的最优时频资源分配方法,以及对应可获得的最大吞吐量;
S305,将最大吞吐量作为配对策略的得分;
S306,根据评价机制得到配对策略对应的最优时频资源分配方法,并对配对策略进行打分。
在该实施例中,在获取配对策略的评价机制的过程中,首先获取当前传输时间间隔配对策略可获得的最大吞吐量,然后将当前传输时间间隔配对策略可获得的最大吞吐量作为配对策略的评价机制。换言之,对于配对策略的评价是根据其在当前传输时间间隔的最大吞吐量来决定的,配对策略是否最佳是与其在当前传输时间间隔的最大吞吐量呈正比的。因此,为实现无线SE/小区吞吐量最大化,需选取在当前传输时间间隔的最大吞吐量最大的配对策略。
在本发明一个实施例中,可选地,获取当前传输时间间隔配对策略可获得的最大吞吐量的步骤,具体包括:在当前传输时间间隔给定配对策略后,获取能使得当前传输时间间隔吞吐量最大的时频资源分配策略;根据能使得当前传输时间间隔吞吐量最大的时频资源分配策略,得到最大吞吐量。
在该实施例中,在获取当前传输时间间隔配对策略可获得的最大吞吐量的过程中,当给定当前传输时间间隔配对策略后,获取能够使得这个当前传输时间间隔吞吐量最大的时频资源分配策略,可以称这个时频资源分配策略为目标时频资源分配策略,然后将这个目标时频资源分配策略在当前传输时间间隔的吞吐量作为当前传输时间间隔配对策略可获得的最大吞吐量。
图4示出了本发明的一个具体实施例提供的时频空资源分配方法的流程示意图。如图4所示,该时频空资源分配方法包括:
S401,筛选出待调度用户;
S402,确定空分用户配对策略评价机制;
S403,使用智能算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略。
在该实施例中,智能算法可以选用粒子群算法、带高斯变异的粒子群算法、遗传算法、自适应遗传算法。
下面以智能算法为粒子群算法、带高斯变异的粒子群算法、遗传算法、自适应遗传算法分别进行阐述:
一:采用RR(Round Robin轮询算法)方式筛选出当前TTI下行待调度用户且使用粒子群算法确定空分用户的配对策略。
该实施例的基本思想是:采用RR方式筛选出当前TTI下行待调度用户;确定空分用户配对策略评价机制;使用粒子群算法配合空分用户配对策略评价机制确定下行最优空分用户配对和时频资源分配策略。
在S401中,按照轮询的方式从当前TTI下行激活用户中筛选出U个用户作为当前TTI下行待调度用户;其中,U的取值由基站每TTI下行调度能力和当前TTI下行激活用户数决定:如果基站每TTI下行调度能力不小于当前TTI下行激活用户数,则不进行用户筛选,即U等于当前TTI下行激活用户数;如果基站每TTI下行调度能力小于当前TTI下行激活用户数,则进行用户筛选,U等于基站支持的每TTI下行最大调度用户数;本发明实施例中,假设当前TTI下行激活用户数为22,而小区下行调度能力为16,即U=16。
在S402中,确定空分用户配对策略评价机制。
令u∈{1,...,U}表示当前TTI下行待调度用户索引;
令g∈{1,...,GMU+GSU}表示当前TTI下行空分组/频分索引,GMU表示当前TTI下行空分组数量,GSU表示当前TTI下行频分用户数量;其中,当g∈{1,...,GMU},g为当前TTI下行空分组索引,当g∈{GMU+1,...,GMU+GSU},g为当前TTI下行频分用户索引;
令Iu,g表示用户u在当前TTI是否属于下行空分组/频分g;其中,
Iu,g=1表示用户u在当前TTI属于下行空分组/频分g,Iu,g=0表示用户u在当前TTI不属于下行空分组/频分g;
令RBg表示当前TTI为下行空分组/频分g分配的RB(Resource Block资源块)数量,令RB_Total表示当前TTI下行可用RB总量,令表示用户u在当前TTI至少需要获得的RB数量;本发明实施例中,假设当前TTI下行可用RB总量为100,且每个用户在当前TTI至少需要获得的1RB,即RB_Total=100,
令SEu,g表示当前TTI用户u在下行空分组/频分g每RB可发送的bit数量;其中,
令g′表示当前TTI给定空分配对策略下为用户u分配的下行空分组/频分索引,如果g≠g′SEu,g=0;如果g==g′SEu,g等于用户u在下行空分组/频分g每RB可发送的bit数量(该值由用户u所在信道质量和下行空分组/频分g包含了哪些用户共同决定);
其中,上述凸优化问题用于求解RBg,即时频资源分配策略;上述凸优化问题目标函数是最大化当前TTI小区下行吞吐量;上述凸优化问题第一个约束条件是指当前TTI任一空分组/频分获得的RB(Resource Block资源块)数在不大于当前TTI可用RB总量的前提下,尽可能满足空分组/频分所有用户最小RB需求;上述凸优化问题第二个约束条件是指当前TTI所有空分组/频分获得的RB总量不大于当前TTI可用RB总量。
在S403中:使用粒子群算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略。
图5是图4所示实施例的时频空资源分配方法中使用粒子群算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略的流程示意图;如图5所示,该时频空资源分配方法包括:
S501,设置粒子数、最大迭代次数,初始化迭代次数、粒子位置、速度;
S502,根据粒子位置得到每个粒子对应空分配对策略,从而得到每个粒子对应Iu,g的值,最后得到每个粒子对应SEu,g、GMU、GSU的值;
S503,将粒子对应的Iu,g、SEu,g、GMU、GSU的值代入空分用户配对策略评价机制,求解凸优化问题得到每个粒子对应时频资源分配策略以及最大小区吞吐量,并将该粒子适应度设置为此最大小区吞吐量;迭代次数+1;
S504,判断迭代次数是否达到最大迭代次数,当结果为否时,执行S505,否则执行S506;
S505,更新各粒子位置、速度,并返回S502;
S506,输出最优粒子所对应空分配对策略和时频资源分配策略。
在S501中,设置粒子数、最大迭代次数,初始化迭代次数、粒子位置、速度。假设小区支持最多一个下行空分组,同时下行待调度用户数U=16,因此可能的空分配对方式有216=65536种;由此,我们设置粒子位置可选范围为0~65535,粒子速度可选范围为-65535~65535;这里,我们设置粒子数为100,最大迭代次数为100,同时将迭代次数初始化为0。此外,令p∈{1,...P}表示粒子索引,P表示粒子数(本实施例中,P=100)。令Pbestpopp表示粒子p在迭代过程中取得的最优位置,Pbestvaluep表示粒子p在迭代过程中取得最优位置时对应的适应度,令Gbestpop表示所有粒子在迭代过程中取得的全局最优位置,Gbestvalue表示所有粒子在迭代过程中取得全局最优位置时对应的适应度。同时,初始化Pbestpp=0,Pbestvaluep=-∞,Gbestpop=0,Gbestvalue=-∞。
在S502中,根据粒子位置得到每个粒子对应空分配对策略,从而得到每个粒子对应Iu,g的值,最后得到每个粒子对应SEu,g、GMU、GSU的值。
举个例子,一个粒子所在位置为4758.44。首先,我们对该粒子位置进行四舍五入取整得到4758。然后,将取整后位置信息进行二进制转换(如果二进制转换后得到值的位数小于U,则在其前面填充0,直到二进制转换后得到值的位数等于U),得到0001001010010110。我们令二进制值中0代表频分,1代表空分组1,因此可以得到上述粒子所代表空分策略:即用户1、2、3、5、6、8、10、11、13、16频分;用户4、7、9、12、14、15进入空分组1。由此,我们得到Iu,g的值(由于篇幅限制,Iu,g的值不在这里给出),GMU=1,GSU=10。最后,根据频分用户所在信道质量得到频分用户SE,根据空分用户所在信道质量以及空分组内包含多少其它用户以及空分组内各用户间相关性,得到空分用户SE(由于篇幅限制,SEu,g的值不在这里给出)。
在S502中,我们得到了每个粒子对应的Iu,g、SEu,g、GMU、GSU的值,在S503中,我们将每个粒子Iu,g、SEu,g、GMU、GSU的值代入空分用户配对策略评价机制:
求解上述凸优化问题,得到每个粒子对应最优时频资源分配策略以及每个粒子对应当前TTI小区下行吞吐量并将其作为该粒子适应度;完成所有粒子适应度计算后,更新每个粒子粒子个体最优位置Pbestpopp和对应个体最优适应度Pbestvaluep以及所有粒子全局最优位置Gbestpop和对应全局最优适应度Gbestvalue。完成上述工作后,将迭代次数+1。
在S503中,利用空分用户配对策略评价机制得到每个粒子对应小区吞吐量作为其适应度;迭代次数+1。
在S505中,更新各粒子位置、速度过程见下伪代码:
Forp=1:P%遍历所有粒子
%更新每个粒子速度,其中Velocityp代表粒子p速度,rand()函数生成一个0到1随机小数,popp代表粒子p位置,max_Velocity代表粒子最大速度,min_Velocity代表粒子最小速度
Velocityp=max(min_Velocity,min(max_Velocity,0.7298·(Velocityp+
2.05·rand()·(Pbestpopp-popp)+2.05·rand()·(Gbestpop-popp))))
%更新每个粒子位置,其中max_Position代表粒子最大位置,min_Position代表粒子最小位置
popp=max(min_Position,min(max_Position,popp+Velocityp))
End for
完成粒子位置、速度更新后,返回S502。
在S506中输出最优粒子所对应空分配对策略和时频资源分配策略。
输出历次迭代中适应度最高的粒子信息,从而得到其对应空分配对策略和时频资源分配策略。
二、采用PF(Proportional Fairness比例公平算法)筛选出当前TTI下行待调度用户且使用带高斯变异的粒子群算法确定空分用户的配对策略。
该实施例的基本思想是:采用PF方式筛选出当前TTI下行待调度用户;确定空分用户配对策略评价机制;使用带高斯变异的粒子群算法配合空分用户配对策略评价机制确定下行最优空分用户配对和时频资源分配策略。
在S401中,采用PF方式筛选出当前TTI下行待调度用户。
按照PF因子大小从当前TTI下行激活用户中筛选出U个PF因子最大用户作为当前TTI下行待调度用户;其中,U的取值由基站每TTI下行调度能力和当前TTI下行激活用户数决定:如果基站每TTI下行调度能力不小于当前TTI下行激活用户数,则不进行用户筛选,即U等于当前TTI下行激活用户数;如果基站每TTI下行调度能力小于当前TTI下行激活用户数,则进行用户筛选,U等于基站支持的每TTI下行最大调度用户数;本发明实施例中,假设当前TTI下行激活用户数为40,而小区下行调度能力为32,即U=32。
在S402中,确定空分用户配对策略评价机制。
令u∈{1,...,U}表示当前TTI下行待调度用户索引;
令g∈{1,...,GMU+GSU}表示当前TTI下行空分组/频分索引,GMU表示当前TTI下行空分组数量,GSU表示当前TTI下行频分用户数量;其中,
当g∈{1,...,GMU},g为当前TTI下行空分组索引,当g∈{GMU+1,...,GMU+GSU},g为当前TTI下行频分用户索引;
令Iu,g表示用户u在当前TTI是否属于下行空分组/频分g;其中,
Iu,g=1表示用户u在当前TTI属于下行空分组/频分g,Iu,g=0表示用户u在当前TTI不属于下行空分组/频分g;
令RBg表示当前TTI为下行空分组/频分g分配的RB(资源块Resource Block)数量,令RB_Total表示当前TTI下行可用RB总量,令表示用户u在当前TTI至少需要获得的RB数量;本发明实施例中,假设当前TTI下行可用RB总量为100,且每个用户在当前TTI至少需要获得的1RB,即RB_Total=100,
令SEu,g表示当前TTI用户u在下行空分组/频分g每RB可发送的bit数量;其中,
令g表示当前TTI给定空分配对策略下为用户u分配的下行空分组/频分索引,如果g≠g,SEu,g=0;如果g==g,SEu,g等于用户u在下行空分组/频分g每RB可发送的bit数量(该值由用户u所在信道质量和下行空分组/频分g包含了哪些用户共同决定);
其中,上述凸优化问题用于求解RBg,即时频资源分配策略;上述凸优化问题目标函数是最大化当前TTI小区下行吞吐量;上述凸优化问题第一个约束条件是指当前TTI任一空分组/频分获得的RB数在不大于当前TTI可用RB总量的前提下,尽可能满足空分组/频分所有用户最小RB需求;上述凸优化问题第二个约束条件是指当前TTI所有空分组/频分获得的RB总量不大于当前TTI可用RB总量。
在S403中,使用带高斯变异的粒子群算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略。
图6是图4所示实施例的时频空资源分配方法中使用带高斯变异的粒子群算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略的流程示意图。如图6所示,该时频空资源分配方法包括:
S601,设置粒子数、最大迭代次数,初始化迭代次数、粒子位置、速度;
S602,根据粒子位置得到每个粒子对应空分配对策略,从而得到每个粒子对应Iu,g的值,最后得到每个粒子对应SEu,g、GMU、GSU的值;
S603,将粒子对应的Iu,g、SEu,g、GMU、GSU的值代入空分用户配对策略评价机制,求解凸优化问题得到每个粒子对应时频资源分配策略以及最大小区吞吐量,并将该粒子适应度设置为此最大小区吞吐量;迭代次数+1;
S604,高斯变异;
S605,判断迭代次数是否达到最大迭代次数,当结果为否时,执行S606,否则执行S607;
S606,更新各粒子位置、速度,并返回S602;
S607,输出最优粒子所对应空分配对策略和时频资源分配策略;例如,
在S601中,设置粒子数、最大迭代次数,初始化迭代次数、粒子位置、速度。
本发明实施例中,假设小区支持最多一个下行空分组,同时下行待调度用户数U=32,因此可能的空分配对方式有232=4,294,967,296种;由此,我们设置粒子位置可选范围为0~4,294,967,295,粒子速度可选范围为-4,294,967,295~4,294,967,295;这里,我们设置粒子数为100,最大迭代次数为100,同时将迭代次数初始化为0。此外,令p∈{1,...P}表示粒子索引,户表示粒子数(本实施例中,户=100)。令Pbestpopp表示粒子p在迭代过程中取得的最优位置,Pbestvaluep表示粒子p在迭代过程中取得最优位置时对应的适应度,令Gbestpop表示所有粒子在迭代过程中取得的全局最优位置,Gbestvalue表示所有粒子在迭代过程中取得全局最优位置时对应的适应度。同时,初始化Pbestpop=0,Pbestvaluep=-∞,Gbestpop=0,Gbestvaluc=-∞。
在S602中,根据粒子位置得到每个粒子对应空分配对策略,从而得到每个粒子对应Iu,g的值,最后得到每个粒子对应SEu,g、GMU、GSU的值。
例如,一个粒子所在位置为294967295.44。首先,我们对该粒子位置进行四舍五入取整得到294967295。然后,将取整后位置信息进行二进制转换(如果二进制转换后得到值的位数小于U,则在其前面填充0,直到二进制转换后得到值的位数等于U),得到00010001100101001101011111111111。我们令二进制值中0代表频分,1代表空分组1,因此可以得到上述粒子所代表空分策略:即用户1、2、3、5、6、7、10、11、13、15、16、19、21频分;用户4、8、9、12、14、17、18、20、22、23、24、25、26、27、28、29、30、31、32进入空分组1。由此,我们得到Iu,g的值(由于篇幅限制,Iu,g的值不在这里给出),GMU=1,GSU=13。最后,根据频分用户所在信道质量得到频分用户SE,根据空分用户所在信道质量以及空分组内包含多少其它用户以及空分组内各用户间相关性,得到空分用户SE(由于篇幅限制,SEu,g的值不在这里给出)。
在S603中,利用空分用户配对策略评价机制得到每个粒子对应小区吞吐量作为其适应度;迭代次数+1。
在S602中,我们得到了每个粒子对应的Iu,g、SEu,g、GMU、GSU的值,在S603中,我们将每个粒子Iu,g、SEu,g、GMU、GSU的值代入空分用户配对策略评价机制:
求解上述凸优化问题,得到每个粒子对应最优时频资源分配策略以及每个粒子对应当前TTI小区下行吞吐量并将其作为该粒子适应度;完成所有粒子适应度计算后,更新每个粒子粒子个体最优位置Pbestpopp和对应个体最优适应度Pbestvaluep以及所有粒子全局最优位置Gbestpop和对应全局最优适应度Gbestvalue。完成上述工作后,将迭代次数+1。
在S604中,高斯变异。
高斯变异过程见下伪代码:
%速度变异操作,其中Velocity_mutation代表变异粒子速度集合(本实施例中,我们每次迭代生成10个变异粒子),max_Velocity代表粒子最大速度,min_Velocity代表粒子最小速度,Gbest_Velocity代表当前全局最优粒子对应的速度,normrnd(0,1,10)函数生成10个标准正态分布的随机数
Velocity_mutation=max(min_Velocity,min(max_Velocity,Gbest_Velocity·enormrnd(0,1,10)))%位置变异操作,其中pop_mutation代表变异粒子位置集合(本实施例中,我们每次迭代生成10个变异粒子),max_Position代表粒子最大位置,min_Position代表粒子最小位置
pop_mutation=max(min_Position,main(max_Position,Gbestpop+
Velocity_mutation·normrnd(0,1,10)))
%计算变异粒子适应度,函数Fitvalue_mutation=Fitness(pop_mutation)用于计算粒子集合pop_mutation中每个粒子的适应度,并将每个粒子的适应度返回至Fitvalue_mutation
Fitvalue_mutation=Fitness(pop_mutation)
%更新全局最优粒子,函数[Gbest_Fitness,II]=max(Fitvalue_mutation)在集合Fitvalue_mutation中找到适应度最大的数值返回给Gbest_Fitness,同时将最大数值位置索引返回给II此后将Gbest_Fitness和当前全局最优粒子适应度Gbestvalue比较,如果Gbest_Fitness更大,则更新当前全局最优粒子位置、速度和适应度
[Gbest_Fitness,II]=max(Fitvalue_mutation)
If Gbest_Fitness>Gbestvalue
Gbestpop=pop_mutaion(II)
Gbest_Velocity=Velocity_mutaion(II)
Gbestvalue=Gbest_Fitness
End if
在S605中,是否达到最大迭代次数,判断当前迭代次数是否等于最大迭代次数,如否,执行S606,否则执行S607。
在S606中,更新各粒子位置、速度,并返回S602。
更新各粒子位置、速度过程见下伪代码:
For p=1:P%遍历所有粒子
%更新每个粒子速度,其中Velocityp代表粒子p速度,rand()函数生成一个0到1随机小数,popp代表粒子p位置,max_Velocity代表粒子最大速度,min_Velocity代表粒子最小速度
Velocityp=max(min_Velocity,min(max_Velocity,0.7298·(Velocityp+
2.05·rand()·(Pbestpopp-popp)+2.05·rand()·(Gbestpop-popp))))
%更新每个粒子位置,其中max_Position代表粒子最大位置,min_Position代表粒子最小位置
popp=max(min_Position,min(max_Position,popp+Velocityp))
End for
完成粒子位置、速度更新后,返回S602。
在S607中,输出最优粒子所对应空分配对策略和时频资源分配策略。
输出历次迭代中适应度最高的粒子信息,从而得到其对应空分配对策略和时频资源分配策略。
三:采用Max C/I(Maximum Carrier to Interference最大载干比)方式筛选出当前TTI上行待调度用户且使用遗传算法确定空分用户的配对策略。
该实施例的基本思想是:采用Max C/I方式筛选出当前TTI上行待调度用户;确定空分用户配对策略评价机制;使用遗传算法配合空分用户配对策略评价机制确定上行最优空分用户配对和时频资源分配策略。
在S401中,按照每个用户信道质量从当前TTI上行激活用户中筛选出U个信道质量最好的用户作为当前TTI上行待调度用户;其中,U的取值由基站每TTI上行调度能力和当前TTI上行激活用户数决定:如果基站每TTI上行调度能力不小于当前TTI上行激活用户数,则不进行用户筛选,即U等于当前TTI上行激活用户数;如果基站每TTI上行调度能力小于当前TTI上行激活用户数,则进行用户筛选,U等于基站支持的每TTI上行最大调度用户数;本发明实施例中,假设当前TTI上行激活用户数为16,而小区上行调度能力为48,即U=16。
在S402中,确定空分用户配对策略评价机制。
令u∈{1,...,U}表示当前TTI上行待调度用户索引;
令g∈{1,...,GMU+GSU}表示当前TTI上行空分组/频分索引,GMU表示当前TTI上行空分组数量,GSU表示当前TTI上行频分用户数量;其中,
当g∈{1,...,GMU},g为当前TTI上行空分组索引,当g∈{GMU+1,...,GMU+GSU},g为当前TTI上行频分用户索引;
令Iu,g表示用户u在当前TTI是否属于上行空分组/频分g;其中,
Iu,g=1表示用户u在当前TTI属于上行空分组/频分g,Iu,g=0表示用户u在当前TTI不属于上行空分组/频分g;
令RBg表示当前TTI为上行空分组/频分g分配的RB(资源块Resource Block)数量,令RB_Total表示当前TTI上行可用RB总量,令表示用户u在当前TTI至少需要获得的RB数量;本发明实施例中,假设当前TTI上行可用RB总量为100,且每个用户在当前TTI至少需要获得的1RB,即RB_Total=100,
令SEu,g表示当前TTI用户u在上行空分组/频分g每RB可发送的bit数量;其中,
令g表示当前TTI给定空分配对策略下为用户u分配的上行空分组/频分索引,如果g≠g′,SEu,g=0;如果g==g′,SEu,g等于用户u在上行空分组/频分g每RB可发送的bit数量(该值由用户u所在信道质量和上行空分组/频分g包含了哪些用户共同决定);
令BSRu表示当前TTI用户u待发送的bit数;
其中,上述凸优化问题用于求解RBg,即时频资源分配策略;上述凸优化问题目标函数是最大化当前TTI小区上行吞吐量;上述凸优化问题第一个约束条件是指当前TTI任一空分组/频分获得的RB数在不大于当前TTI可用RB总量的前提下,尽可能满足空分组/频分所有用户最小RB需求;上述凸优化问题第二个约束条件是指当前TTI所有空分组/频分获得的RB总量不大于当前TTI可用RB总量。
在S403中,使用遗传算法配合空分用户配对策略评价机制确定最优上行空分用户配对和时频资源分配策略。
图7是图4所示实施例的时频空资源分配方法中使用遗传算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略的流程示意图。如图7所示,该时频空资源分配方法包括:
S701,设置种群大小、最大迭代次数,初始化迭代次数、种群;
S702,根据个体染色体信息得到每个个体对应空分配对策略,从而得到每个个体对应Iu,g的值,最后得到每个个体对应SEu,g、GMU、GSU的值;
S703,将粒子对应的Iu,g、SEu,g、GMU、GSU的值代入空分用户配对策略评价机制,求解凸优化问题得到每个粒子对应时频资源分配策略以及最大小区吞吐量,并将该粒子适应度设置为此最大小区吞吐量;迭代次数+1;
S704,判断迭代次数是否达到最大迭代次数,当结果为否时,执行S705,否则执行S706;
S705,选择、交叉、变异,并返回S702;
S706,输出最优个体所对应空分配对策略和时频资源分配策略。
在S701中,设置种群大小、最大迭代次数,初始化迭代次数、种群。
本发明实施例中,假设小区支持最多三个上行空分组,同时上行待调度用户数U=16,因此可能的空分配对方式有416=4,294,967,296=232种;由此,我们设置种群每个个体染色体长度为32;这里,我们设置种群大小为100,最大迭代次数为100,同时将迭代次数初始化为0。此外,令Gbestpop表示所有个体在迭代过程中取得的全局最优个体染色体序列,Gbestvalue表示所有粒子在迭代过程中取得全局最优适应度。
在S702中根据个体染色体信息得到每个个体对应空分配对策略,从而得到每个个体对应Iu,g的值,最后得到每个个体对应SEu,g、GMU、GSU的值。
举个例子,一个个体染色体序列为11000100011001010011010111111111。首先,我们将这段染色体序列转换为四进制3010121103113333。我们令四进制值中0代表频分,1代表空分组1,2代表空分组2,3代表空分组3,因此可以得到上述个体所代表空分策略:即用户2、4、9频分;用户3、5、7、8、11、12进入空分组1,用户6进入空分组2(空分组2只有一个用户,所以可以看成是另一个频分用户),用户1、10、13、14、15、16进入空分组3。由此,我们得到Iu,g的值(由于篇幅限制,Iu,g的值不在这里给出),GMU=2,GSU=4。最后,根据频分用户所在信道质量得到频分用户SE,根据空分用户所在信道质量以及空分组内各用户间相关性,得到空分用户SE(由于篇幅限制,SEu,g的值不在这里给出)。
在S703中,利用空分用户配对策略评价机制得到每个粒子对应小区吞吐量作为其适应度;迭代次数+1。
在S702中,我们得到了每个粒子对应的Iu,g、SEu,g、GMU、GSU的值,在S703中,我们将每个粒子Iu,g、SEu,g、GMU、GSU的值代入空分用户配对策略评价机制:
求解上述凸优化问题,得到每个个体对应最优时频资源分配策略以及每个个体对应当前TTI小区上行吞吐量并将其作为该个体适应度;完成所有个体适应度计算后,更新全局最优个体染色体序列信息Gbestpop和对应全局最优个体的适应度Gbestvalue。完成上述工作后,将迭代次数+1。
在S704中,是否达到最大迭代次数。
判断当前迭代次数是否等于最大迭代次数,如否,进入S705;如是,进入S706。
在S705中,选择、交叉、变异,并返回S702。
选择、交叉、变异过程见下伪代码:
%选择过程
totalfit=sum(fitvalue)%fitvalue代表所有个体适应度值的集合,totalfit代表所有个体适应度之和
p_fitvalue=fitvalue/totalfit%p_fitvalue代表每个个体适应度与totalfit的比值
p_fitvalue=cumsum(p_fitvalue)%sumsum()代表累加函数
ms=sort(rand(P))%生成P个0到1随机小数,并将这P个随机数由小到大排好序赋给ms,P是种群个体数量
fitin=1
newin=1
While newin<=P%选择出P个个体进入下一次迭代,pop代表当前迭代个体集合,newpop代表进入下一次迭代个体集合。可以看到,一个个体是否能进入下一次迭代与其适应度成正比。此外,可以看出,一个个体可能在本次迭代中被淘汰,即无法进入下一次迭代;同时,一个个体也可能被复制多次进入下一次迭代
在S706中,输出最优个体所对应空分配对策略和时频资源分配策略。
输出历次迭代中适应度最高的个体染色体序列信息,从而得到其对应空分配对策略和时频资源分配策略。
四、采用EPF(Enhanced Proportional Fairness增强比例公平算法)方式筛选出当前TTI上行待调度用户且使用自适应粒子群算法确定空分用户的配对策略。
该实施例的基本思想是:采用EPF方式筛选出当前TTI上行待调度用户;确定空分用户配对策略评价机制;使用自适应遗传算法配合空分用户配对策略评价机制确定上行最优空分用户配对和时频资源分配策略。
在S401中,采用EPF方式筛选出当前TTI上行待调度用户。
按照每个用户加权PF因子(加权PF因子是指对PF因子和QoS等求加权和后得到的值)大小从当前TTI上行激活用户中筛选出U个加权PF因子最大的用户作为当前TTI上行待调度用户;其中,U的取值由基站每TTI上行调度能力和当前TTI上行激活用户数决定:如果基站每TTI上行调度能力不小于当前TTI上行激活用户数,则不进行用户筛选,即U等于当前TTI上行激活用户数;如果基站每TTI上行调度能力小于当前TTI上行激活用户数,则进行用户筛选,U等于基站支持的每TTI上行最大调度用户数;本发明实施例中,假设当前TTI上行激活用户数为24,而小区上行调度能力为32,即U=24。
在S402中,确定空分用户配对策略评价机制。
令u∈{1,...,U}表示当前TTI上行待调度用户索引;
令g∈{1,...,GMU+GSU}表示当前TTI上行空分组/频分索引,GMU表示当前TTI上行空分组数量,GSU表示当前TTI上行频分用户数量;其中,当g∈{1,...,GMU},g为当前TTI上行空分组索引,当g∈{GMU+1..,.,GMU+GSU},g为当前TTI上行频分用户索引;
令Iu,g表示用户u在当前TTI是否属于上行空分组/频分g;其中,
Iu,g=1表示用户u在当前TTI属于上行空分组/频分g,Iu,g=0表示用户u在当前TTI不属于上行空分组/频分g;
令RBg表示当前TTI为上行空分组/频分g分配的RB(资源块Resource Block)数量,令RB_Total表示当前TTI上行可用RB总量,令表示用户u在当前TTI至少需要获得的RB数量;本发明实施例中,假设当前TTI上行可用RB总量为100,且每个用户在当前TTI至少需要获得的1RB,即RB_Total=100,
令SEu,g表示当前TTI用户u在上行空分组/频分g每RB可发送的bit数量;其中,
令g′表示当前TTI给定空分配对策略下为用户u分配的上行空分组/频分索引,如果g≠g′,SEu,g=0;如果g==g′,SEu,g等于用户u在上行空分组/频分g每RB可发送的bit数量(该值由用户u所在信道质量和上行空分组/频分g包含了哪些用户共同决定);
令BSRu表示当前TTI用户u待发送的bit数;
其中,上述凸优化问题用于求解RBg,即时频资源分配策略;上述
凸优化问题目标函数是最大化当前TTI小区上行吞吐量;上述凸优化问题第一个约束条件是指当前TTI任一空分组/频分获得的RB数在不大于当前TTI可用RB总量的前提下,尽可能满足空分组/频分所有用户最小RB需求;上述凸优化问题第二个约束条件是指当前TTI所有空分组/频分获得的RB总量不大于当前TTI可用RB总量。
在S403中,使用自适应遗传算法配合空分用户配对策略评价机制确定最优上行空分用户配对和时频资源分配策略。
图8是图4所示实施例的时频空资源分配方法中使用自适应遗传算法配合空分用户配对策略评价机制确定最优空分用户配对和时频资源分配策略的流程示意图。如图8所示,该时频空资源分配方法包括:
S801,设置种群大小、最大迭代次数,初始化迭代次数、种群;
S802,根据个体染色体信息得到每个个体对应空分配对策略,从而得到每个个体对应Iu,g的值,最后得到每个个体对应SEu,g、GMU、GSU的值;
S803,将粒子对应的Iu,g、SEu,g、GMU、GSU的值代入空分用户配对策略评价机制,求解凸优化问题得到每个粒子对应时频资源分配策略以及最大小区吞吐量,并将该粒子适应度设置为此最大小区吞吐量;迭代次数+1;
S804,判断迭代次数是否达到最大迭代次数;当结果为否时,执行S805,否则执行S806;
S805,选择、自适应交叉、自适应变异,并返回S802;
S806,输出最优个体所对应空分配对策略和时频资源分配策略。
在S801中,设置种群大小、最大迭代次数,初始化迭代次数、种群。
在该实施例中,假设小区支持最多三个上行空分组,同时上行待调度用户数U=24,因此可能的空分配对方式有424=281,474,976,710,656=248种;由此,我们设置种群每个个体染色体长度为48;这里,我们设置种群大小为100,最大迭代次数为100,同时将迭代次数初始化为0。此外,令Gbestpop表示所有个体在迭代过程中取得的全局最优个体染色体序列,Gbestvalue表示所有粒子在迭代过程中取得全局最优适应度。
在S802中根据个体染色体信息得到每个个体对应空分配对策略,从而得到每个个体对应Iu,g的值,最后得到每个个体对应SEu,g、GMU、GSU的值。
举个例子,一个个体染色体序列为101001010000110011101111100001011100000000000000。首先,我们将这段染色体序列转换为四进制221100303233201130000000。我们令四进制值中0代表频分,1代表空分组1,2代表空分组2,3代表空分组3,因此可以得到上述个体所代表空分策略:即用户5、6、8、14、18、19、20、21、22、23、24频分;用户3、4、15、16进入空分组1,用户1、2、10、13进入空分组2,用户7、9、11、12、17进入空分组3。
由此,我们得到Iu,g的值(由于篇幅限制,Iu,g的值不在这里给出),GMU=3,GSU=11。最后,根据频分用户所在信道质量得到频分用户SE,根据空分用户所在信道质量以及空分组内各用户间相关性,得到空分用户SE(由于篇幅限制,SEu,g的值不在这里给出)。
在S803中,利用空分用户配对策略评价机制得到每个粒子对应小区吞吐量作为其适应度;迭代次数+1。
在S802中,我们得到了每个粒子对应的Iu,g、SEu,g、GMU、GSU的值,在S803中,我们将每个粒子Iu,g、SEu,g、GMU、GSU的值代入空分用户配对策略评价机制:
求解上述凸优化问题,得到每个个体对应最优时频资源分配策略以及每个个体对应当前TTI小区上行吞吐量并将其作为该个体适应度;完成所有个体适应度计算后,更新全局最优个体染色体序列信息Gbestpop和对应全局最优个体的适应度Gbestvalue。完成上述工作后,将迭代次数+1。
在S804中,是否达到最大迭代次数。
判断当前迭代次数是否等于最大迭代次数,如否,进入S805;如是,进入S806;
在S805中,选择、自适应交叉、自适应变异,并返回S802。
选择、交叉、变异过程见下伪代码:
%选择过程
totalfit=sum(fitvalue)%fitvalue代表所有个体适应度值的集合,totalfit代表所有个体适应度之和
p_fitvalue=fitvalue/totalfit%p_fitvalue代表每个个体适应度与totalfit的比值
p_fitvalue=cumsum(p_fitvalue)%sumsum()代表累加函数
ms=sort(rand(P))%生成P个0到1随机小数,并将这P个随机数由小到大排好序赋给ms,P是种群个体数量
fitin=1
newin=1
While newin<=P%选择出P个个体进入下一次迭代,pop代表当前迭代个体集合,newpop代表进入下一次迭代个体集合。可以看到,一个个体是否能进入下一次迭代与其适应度成正比。此外,可以看出,一个个体可能在本次迭代中被淘汰,即无法进入下一次迭代;同时,一个个体也可能被复制多次进入下一次迭代
完成种群选择、自适应交叉、自适应变异后,返回S802。
在S806中,输出最优个体所对应空分配对策略和时频资源分配策略。
输出历次迭代中适应度最高的个体染色体序列信息,从而得到其对应空分配对策略和时频资源分配策略。
第二方面,本发明提供了一种计算机装置9,如图9所示,包括存储器91、处理器92及存储在存储器91上并可在处理器上运行的计算机程序,处理器92执行计算机程序时实现如本发明第一方面任一项的时频空资源分配方法的步骤。
本发明的第二方面提出的计算机装置9,包括存储器91、处理器92及存储在存储器91上并可在处理器92上运行的计算机程序,处理器92执行计算机程序时实现如本发明第一方面任一项的时频空资源分配方法的步骤。因此,具有上述任一实施例的时频空资源分配方法的全部有益效果。
第三方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如本发明第一方面任一项的时频空资源分配方法的步骤。
本发明的第三方面提出了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述任一项实施例的时频空资源分配方法。因此,具有上述任一实施例的时频空资源分配方法的全部有益效果。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种时频空资源分配方法,包括:
获取待调度用户;
根据预设算法确定所述待调度用户的配对策略;
获取所述配对策略的评价机制;
根据所述评价机制得到所述配对策略对应的最优时频资源分配方法,并对所述配对策略进行打分。
2.根据权利要求1所述的时频空资源分配方法,所述获取待调度用户的步骤,具体包括:
根据当前传输时间间隔能被调度的用户数量和所述当前传输时间间隔的激活用户数量,确定所述待调度用户的目标数量;
根据预设筛选规则从当前传输时间间隔的激活用户中筛选出所述目标数量的所述待调度用户。
3.根据权利要求2所述的时频空资源分配方法,所述根据当前传输时间间隔能被调度的用户数量和所述当前传输时间间隔的激活用户数量,确定所述待调度用户的目标数量的步骤,具体包括:
当所述当前传输时间间隔能被调度的用户数量大于等于所述当前传输时间间隔的激活用户数量时,所述目标数量等于所述当前传输时间间隔的激活用户数量;
当所述当前传输时间间隔能被调度的用户数量小于所述当前传输时间间隔的激活用户数量时,所述目标数量等于所述当前传输时间间隔能被调度的最大用户数量。
4.根据权利要求2所述的时频空资源分配方法,所述预设筛选规则为以下规则之一:轮询规则、比例公平规则、增强比例公平最大载干比规则。
5.根据权利要求1至4中任一项所述的时频空资源分配方法,
所述预设算法为以下算法之一:粒子群算法、带高斯变异的粒子群算法、遗传算法、自适应遗传算法。
6.根据权利要求1至4中任一项所述的时频空资源分配方法,所述获取配对策略的评价机制的步骤,具体包括:
获取当前传输时间间隔所述配对策略对应的最优时频资源分配方法,以及对应可获得的最大吞吐量;
将所述最大吞吐量作为所述配对策略的得分。
7.根据权利要求6所述的时频空资源分配方法,所述获取当前传输时间间隔所述配对策略对应的最优时频资源分配方法,以及对应可获得的最大吞吐量的步骤,具体包括:
在所述当前传输时间间隔给定所述配对策略后,利用所述评价机制获得能使得所述当前传输时间间隔吞吐量最大的时频资源分配方法;
根据所述能使得所述当前传输时间间隔吞吐量最大的时频资源分配策略,得到所述最大吞吐量。
8.一种计算机装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的时频空资源分配方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的时频空资源分配方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811602906.5A CN111372312A (zh) | 2018-12-26 | 2018-12-26 | 时频空资源分配方法、计算机装置及计算机可读存储介质 |
PCT/CN2019/103384 WO2020134145A1 (zh) | 2018-12-26 | 2019-08-29 | 时频空资源分配方法、计算机装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811602906.5A CN111372312A (zh) | 2018-12-26 | 2018-12-26 | 时频空资源分配方法、计算机装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111372312A true CN111372312A (zh) | 2020-07-03 |
Family
ID=71128534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811602906.5A Withdrawn CN111372312A (zh) | 2018-12-26 | 2018-12-26 | 时频空资源分配方法、计算机装置及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111372312A (zh) |
WO (1) | WO2020134145A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114978277A (zh) * | 2022-04-24 | 2022-08-30 | 北京邮电大学 | 一种基于网络切片的非地面网络中跨域资源分配方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749776B (zh) * | 2021-01-12 | 2023-08-15 | 南京信息工程大学 | 一种基于改进混合遗传算法的作业车间调度方法 |
CN114236401B (zh) * | 2021-12-20 | 2023-11-28 | 上海正泰电源系统有限公司 | 一种基于自适应粒子群算法的电池状态估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102892200A (zh) * | 2011-07-20 | 2013-01-23 | 中兴通讯股份有限公司 | 一种用于上行多用户mimo的调度方法和装置 |
US20130250868A1 (en) * | 2011-09-18 | 2013-09-26 | Nec Laboratories America, Inc. | User Pairing and Resource Allocation for Downlink Multiuser Multi-Input-Multi-Output In Long Term Evolution Advanced Systems |
EP2843849A1 (en) * | 2012-04-27 | 2015-03-04 | Huawei Technologies Co., Ltd. | User pairing method, device and system for achieving user scheduling |
CN104702326A (zh) * | 2015-03-21 | 2015-06-10 | 西安电子科技大学 | 基于mse的虚拟mimo用户配对和资源分配方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102300326B (zh) * | 2010-06-28 | 2014-08-13 | 中兴通讯股份有限公司 | 多用户多输入多输出mimo通信系统的调度方法和基站 |
CN102387578A (zh) * | 2010-09-03 | 2012-03-21 | 电信科学技术研究院 | 一种资源调度的方法及装置 |
CN102026382B (zh) * | 2010-12-07 | 2012-12-26 | 大唐移动通信设备有限公司 | 一种空分多址接入系统中的资源分配方法及装置 |
CN105792360B (zh) * | 2014-12-24 | 2020-02-14 | 中兴通讯股份有限公司 | 超级小区下资源分配的方法及装置 |
CN107846266B (zh) * | 2016-09-18 | 2022-03-04 | 中兴通讯股份有限公司 | 时频资源空分调度方法和装置 |
CN106658733B (zh) * | 2016-12-28 | 2020-04-21 | 南京邮电大学 | 多用户MIMO-OFDM中基于用户公平性和QoS的吞吐量优化方法 |
CN108668322A (zh) * | 2017-03-28 | 2018-10-16 | 北京信威通信技术股份有限公司 | 半静态调度的空分多址通信系统的资源分配方法 |
-
2018
- 2018-12-26 CN CN201811602906.5A patent/CN111372312A/zh not_active Withdrawn
-
2019
- 2019-08-29 WO PCT/CN2019/103384 patent/WO2020134145A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102892200A (zh) * | 2011-07-20 | 2013-01-23 | 中兴通讯股份有限公司 | 一种用于上行多用户mimo的调度方法和装置 |
US20130250868A1 (en) * | 2011-09-18 | 2013-09-26 | Nec Laboratories America, Inc. | User Pairing and Resource Allocation for Downlink Multiuser Multi-Input-Multi-Output In Long Term Evolution Advanced Systems |
EP2843849A1 (en) * | 2012-04-27 | 2015-03-04 | Huawei Technologies Co., Ltd. | User pairing method, device and system for achieving user scheduling |
CN104702326A (zh) * | 2015-03-21 | 2015-06-10 | 西安电子科技大学 | 基于mse的虚拟mimo用户配对和资源分配方法 |
Non-Patent Citations (1)
Title |
---|
黄筱旋: "上行多用户MIMO的用户调度和资源管理", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114978277A (zh) * | 2022-04-24 | 2022-08-30 | 北京邮电大学 | 一种基于网络切片的非地面网络中跨域资源分配方法 |
CN114978277B (zh) * | 2022-04-24 | 2023-06-27 | 北京邮电大学 | 一种基于网络切片的非地面网络中跨域资源分配方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020134145A1 (zh) | 2020-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110418399B (zh) | 一种基于noma的车联网资源分配方法 | |
Mamman et al. | Quality of service class identifier (QCI) radio resource allocation algorithm for LTE downlink | |
CN107396448B (zh) | 一种异构网络中的资源分配方法 | |
KR100920387B1 (ko) | 적응적 안테나 시스템의 무선 자원 할당 장치 및 방법 | |
CN111372312A (zh) | 时频空资源分配方法、计算机装置及计算机可读存储介质 | |
CN101980470A (zh) | 一种基于混沌粒子群优化的ofdm系统资源分配算法 | |
CN108055701B (zh) | 一种资源调度方法及基站 | |
CN109088715A (zh) | 导频分配方法及装置 | |
CN102404862B (zh) | 一种lte系统中pdcch资源分配的方法 | |
CN104509019A (zh) | 无线通信网络传输的基于表的链路自适应 | |
CN109905864A (zh) | 一种面向电力物联网的跨层资源分配方案 | |
CN109963308B (zh) | 无线通信系统中的资源调度方法及装置 | |
CN109548161A (zh) | 一种无线资源调度的方法、装置和终端设备 | |
CN111328146B (zh) | 一种基于遗传算法优化传输速率权重的业务调度方法 | |
Le et al. | Enhanced resource allocation in D2D communications with NOMA and unlicensed spectrum | |
CN111182511A (zh) | 一种mMTC场景中基于AGA的NOMA资源分配方法 | |
JP2009194465A (ja) | マルチキャリア通信基地局装置及びサブキャリア割り当て方法 | |
CN110445518B (zh) | 大规模mimo异构网络系统下基于微小区分簇的导频分配方法 | |
CN109995496B (zh) | 一种大规模天线系统的导频分配方法 | |
Cecchi et al. | Scheduling of users with Markovian time-varying transmission rates | |
CN102984717A (zh) | 系统容量的估算方法及系统 | |
Abd-Elnaby et al. | Efficient user pairing algorithm for enhancement of spectral efficiency and interference cancelation in downlink NOMA system | |
CN109005593B (zh) | 一种用于频谱分配的优化的方法及设备 | |
CN106060945A (zh) | 一种基于rb反馈的lte资源调度算法 | |
EP3466169B1 (en) | Method and apparatus for frequency selective scheduling in ofdma based wlans |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200703 |