CN111711986B - 5g通信系统中uc-udn比例公平资源分配方法 - Google Patents

Abstract

5G通信系统中UC‑UDN比例公平资源分配方法，涉及5G无线通信资源分配技术，是为了在保证公平性的前提下，提高系统的吞吐量、优化资源分配和调度，以及改善网络中实现最优用户资源分配和调度的信息交换压力，本发明是在UC‑UDN网络下，实现比例公平的资源分配，通过对有向图中有向边权值的设定，以及分组中用户调度最优化目标设计，实现UC‑UDN网络中用户在连续时隙上的比例公平传输。

Description

5G通信系统中UC-UDN比例公平资源分配方法

技术领域

本发明涉及5G无线通信资源分配、以用户为中心超密集网络、分布式技术以及比例公平资源分配技术。

背景技术

User-centric UDN网络模型和通信信道模型，User-centric架构下的UC簇构建，基于模块度最大化的社团检测，比例公平资源分配。

User-centric网络模型和通信信道模型：

图2给出一个UDN网络模型，考虑UDN中的下行通信，其中包括了密集部署的L个基站(AP)和K个用户(UE)，分别组成基站和用户集合L＝{1,2,...,L}和K＝{1,2,…,K}，AP 的天线数M＞1而UE采用单天线设置，通信的重点在于设计能够在连续时隙上对无线资源进行比例公平分配的方案，发明把多载波资源分配的问题以大量用户首先被分别分配到系统使用的各个子载波上为前提，在这样的前提下，现有的公平性资源分配方法在保证公平性的前提下，系统的吞吐量还有待提高，并且现有的资源分配和调度的方法对于资源分配和调度的复杂性还有待提高对网络中实现最优用户资源分配和调度的信息交换压力还有待改善。

发明内容

本发明是为了在保证公平性的前提下，提高系统的吞吐量、优化资源分配和调度，以及改善网络中实现最优用户资源分配和调度的信息交换压力。

5G通信系统中以用户为中心超密集网络资源分配方法，它包括以下步骤：

步骤一、设5G通信系统的输入：UC分组指示函数X、用户分组结果{K^(w)}_w∈W， W＝{1,2,...,W}，设5G通信系统的输出：用户调度指示函数I，5G通信系统中以用户为中心超密集网络资源分配方法，它的具体步骤为：

所述初始化的步骤具体为：建立累积吞吐量表

其中：K为有向图G中的顶点集，K＝{1,2,...,K}；

步骤二、令n＝n+1，所述n为变量，且n的初始值为0，判断n的值是否小于或等于 N，N为时隙数，N为正整数，如果判断结果为是，则执行步骤三，如果判断结果为否，则循环执行步骤二，直至n的值大于N，则结束一次5G通信系统中以用户为中心超密集网络比例公平资源分配；

步骤三、在各组中选择最优用户

w∈W；

步骤四、确定时隙n上的用户调度指标函数值I_k,n，

步骤五、更新用户的累积吞吐量表

完成一次5G通信系统中以用户为中心超密集网络资源分配。

本发明取得的有益效果：本发明在UC-UDN网络下，能够实现比例公平的资源分配，通过对有向图中有向边权值的设定，以及分组中用户调度最优化目标设计，能够实现 UC-UDN网络中用户在连续时隙上的比例公平传输，目前在UC-UDN网络背景下，还没有相同问题的成果，在与现有的公平性资源管理方案如轮询调度的对比中，本发明在取得相近的公平性的前提下，能够显著提高系统的吞吐量，并且本发明只使用组内信息进行用户调度的方法，能够明显降低用户调度的复杂性，并降低网络中实现最优用户调度的信息交换压力。

附图说明

图1是比例公平资源分配方案流程示意图；

图2是User-centric UDN网络架构模型示意图；

图3是UE数为50情况下，本发明的系统吞吐量仿真示意图；

图4是AP数为100的情况下，本发明的系统吞吐量仿真示意图；

图5是UE数为50情况下，本发明的公平性仿真示意图；

图6是AP数为100的情况下，本发明的公平性仿真示意图；

图7是AP数为100UE数为50的情况下，本发明的和对数速率累积概率分布仿真示意图。

具体实施方式

具体实施方式一、5G通信系统中以用户为中心超密集网络比例公平资源分配方法，它包括以下步骤：

步骤一、设5G通信系统的输入：UC分组指示函数X、用户分组结果{K^(w)}_w∈W， W＝{1,2,...,W}，设5G通信系统的输出：用户调度指示函数I，5G通信系统中以用户为中心超密集网络UC资源分配方法，它包括以下具体步骤：

步骤一、初始化：建立累积吞吐量表

其中：K为有向图G中的顶点集，K＝{1,2,...,K}；

步骤二、令n＝n+1，所述n为变量，且n的初始值为0，判断n的值是否小于或等于 N，N为时隙数，N为正整数，如果判断结果为是，则执行步骤三，如果判断结果为否，则循环执行步骤二，直至n的值大于N，则结束一次5G通信系统中以用户为中心超密集网络比例公平资源分配；

步骤三、在各组中选择最优用户

w∈W；

步骤四、确定时隙n上的用户调度指标函数值I_k,n，

步骤五、更新用户的累积吞吐量表

完成一次5G通信系统中以用户为中心超密集网络比例公平资源分配。

步骤三中在各组中选择最优用户

的具体方法是：

步骤三一、根据公式：

获得时隙n上的用户实验速率

其中：

为可达信号泄漏噪声比SLNR，

UEk在时隙n上从APj获得的传输功率可以表示为p_j,k,n＝p_j,k＝P_j/∑_k∈KX_j,k，

表示服务UEk时向用户组t泄漏的干扰，

为APj和 UEk之间在时隙n上的信道向量，其中ζ_j,k和ξ_j,k分别表示信道的大尺度衰落和阴影衰落，复向量

表示小尺度衰落，其中的元素都是独立同分布的循环复高斯随机变量，分布服从CN(0,1)，

是由APj和UEk之间在时隙n上的归一化预编码向量， v_j,k,n＝g_j,k,n/||g_j,k,n||，σ²为加性复高斯噪声功率，功率谱密度为-174dBm/Hz；

步骤三二、根据公式：

获得此时的效用函数

步骤三三、根据公式：

获得第w组的最优用户

步骤五中更新吞吐量表的具体方法是：

步骤五一、令k＝k+1，所述k为变量，且k的初始值为0，判断k的值是否小于或等于K，如果判断结果为是，则执行步骤五二，如果判断结果为否，则循环执行步骤五一，直至k的值大于K，则结束一次5G通信系统中以用户为中心超密集网络资源分配；

步骤五二、根据公式：

获得用户的速率r_k,n；

步骤五三、根据公式：

更新用户的累积吞吐量

原理：本发明可以关注在单个子载波上的具体分配方案，此时所有AP在服务各自接入的用户时共享单一子载波对应的连续时隙上的频谱资源，这一子载波在发明分析的时段内，被分成N个可以进行资源分配的单元，称为时隙。

网络中的各个基站与CPU通过高速的前传链路相连，本发明中采用的UC架构，架构中UE由其周围的一些AP提供服务，这些AP构成一个服务组APG，UE和其对应的APG组成一个UC簇，簇内AP个数受不同的UC分簇方法的影响，为了提升系统的能量效率，发明在每个时隙上调度一小组用户进行服务，这一组用户表示为U_n，发明在这里假设网络中的AP位置和用户位置以及进行预编码所需的信道信息是已知的，并假设预编码过程和后续用户资源分配过程所用到的信息是本地的，即只采用组内AP能获得的接收用户信道信息CSI。

发明采用文献1(M.Ding and D.Lopez-Perez,“On the performance ofpractical ultra-′dense networks:The major and minor factors,”in Proc.WiOpt’2017,May. 2017,pp.1–8.)中的信道模型(其他的模型对于该文献中设计的方案也同样适合)，APj 和UEk之间在时隙n上的信道向量可以表示为：

g_j,k,n＝(ζ_j,kξ_j,k)^1/2h_j,k,n (1)

其中：ζ_j,k和ξ_j,k分别表示信道的大尺度衰落和阴影衰落，复向量

表示小尺度衰落，其中的元素都是独立同分布的循环复高斯随机变量，分布服从CN(0,1)，并且假设小尺度衰落在每个时隙内是稳定的，对数正态分布的阴影衰落标准差为σ_sd并且AP 之间的相关性系数由0≤ρ_sd≤1表示，

是由APj和UEk之间在时隙n上的归一化预编码向量，采用最大比传输预编码，v_j,k,n＝g_j,k,n/||g_j,k,n||。

将APj的传输功率表达为P_j，发明在功率控制方面中采用了一种简单的等功率分配策略，即各个UEk在时隙n上从APj获得的传输功率可以表示为：

p_j,k,n＝p_j,k＝P_j/∑_k∈KX_j,k，其中的X_j,k将在下面小节介绍，在上述的假设下，UEk在时隙n上的接收信号可以表示为：

其中：s_k是UEk的信息，

是UEk接收到的加性高斯噪声，用户信息s_k满足E[|s_k|²]＝1以及E[s_k]＝0，并且假设各个用户的信息正交E[s_ks_q]＝0，UEk在时隙n上的信干噪比Γ_k,n和可达传输速率r_k,n可以分别表达如下：

和

令I_k,n表示UEk是否在时隙n上得到传输服务的指示函数，如果得到服务则I_k,n＝1，否则为0，这样，用户直到时隙n的累积平均吞吐量就可以表示如下:

User-centric架构下的UC簇构建：

UC分簇是UC架构相比于普通Cell-free网络的主要区别，UC簇由位于中心的用户和围绕用户选择出的一系列基站组成，对于UC分簇，常用的分簇依据包括依据接收信号强度，网络拓扑等，设计的过程中还涉及基站组的可否重叠选择等问题，从本发明的设计出发，在分簇方法上，选择了一个简单的采用基站服务半径作为构建UC簇划分依据的可重叠分簇方法，根据这一依据，在已知用户与基站各自位置的基础上，采用两者的二维距离对用户和基站进行分簇，分簇结果保存在指示函数X中，X_j,k元素的表达式如下：

其中，r_c是AP的覆盖半径，d_j,k表示基站j和用户k之间的距离。

基于模块度最大化的UE分组：

由于现实中距离相近的用户共享同一频谱资源的过程中，各自基站对对方形成的干扰往往是不相同的，因此本发明在考虑这一关系时，采用有向图来表达网络中用户之间的关系，以有向图为基础的最大化模块度社团检测方法可以发掘出网络的成组结构特性，利用方法的这一能力，可以很好的实现在不设定UE组数的情况下对网络中的UE进行聚类分组，使用基于模块度最大化的社团检测方法来对UE进行分组，首先给出网络图的模块度Q函数的定义。

有向图中的模块度函数Q的定义如下：

其中，m是网络中总的边数，用矩阵A表示图的邻接矩阵，矩阵中的元素A_k,q表示顶点k和顶点q之间的边的权重，

和

分别表示顶点k的出度和顶点q的入度，并且有

以及

c_k是顶点k所属社团，而δ(u,v)是克罗内克δ函数，u＝v时函数值等于1，否则函数值等于0。

接下来，方法通过最大化Q函数来对有向图进行固有的分组结构进行检测，最大化模块度有很多方法，这里发明采用文献2(V.D.Blondel,J.L.Guillaume,R.Lambiotte, andE.Lefebvre,“Fast unfolding of communities in large networks,”J.Statist.Mech.:Theory Exp.,vol.2008,no.10,p.10008,Oct.2008.)中给出的贪婪最优模块度BGLL方法，该方法具有收敛快速的特点，方法迭代过程包括了两个阶段。

阶段一，方法初始将网络内的所有顶点(UC簇)划分为K个不同的社团，此时每一个顶点对应一个社团，随后对于各个顶点，计算其归于另外一个有关联的社团所产生的模块度变化情况ΔQ：

其中的∑_in表示欲划入的社团的内部边的权重之和，

和

分别表示此社团对外的所有出度和与入度和，d_k,in表示顶点k和此社团之间的所有有向边的权重之和，公式(8)简化后的结果如下：

将这个节点移入某一社团的依据是这一过程预计的ΔQ最大且这一数值大于0，如果不存在正的增量，则该节点会保留在原来的社团中，这一过程反复进行多次，直到没有节点再变动。

阶段二，将前一阶段得到的社团划分进行压缩，将之前得到的社团转化为新图的超顶点，原有社团的内部边权重和转换为超顶点的自环权重，超顶点之间的边是之前社团间所有的边的权重之和，即如果之前得到的社团之间存在边，新图中这两个社团压缩得到的超顶点间就存在边，而权重是由这两个社团间的边的权重组合得到，完成此阶段二后，可以再次进行阶段一的处理这一加权网络，迭代直到网络整体的模块度不再增加为止。

利用上述贪婪模块度最大化的社团检测方法作为UE分组方法，可以完成网络中的UE 备选组的构建，得到W个UE备选组K^(w),w∈{1,2,...,W}。

比例公平资源分配：

用户资源分配有多种优化目标，本发明以用户之间的比例公平作为系统资源分配的目标。

比例公平在单载波系统中连续时隙传输模式下的优化目标表达式为：

其中的|U_n|表示时隙n上调度的用户个数，比例公平的用户效用函数Q可以表达为：

本发明提出一种在以用户为中心的超密集网络中，单载波下行传输时的资源分配流程，流程包括三个步骤：

第一步，针对网络中的密集分布的用户和基站，构建以用户为中心的“基站-用户”分簇(这里称为UC簇)，每个UC簇包括了位于簇中心的UE和围绕用户的若干微小基站(AP)组成，由于采用了可重叠模式，AP可以属于多个簇，UE则只属于所在的簇(可以用UE 代表所在的UC簇)。

第二步，对网络中的UC簇以及UC簇之间的关系进行图表示，即用图论的方法表达网络中的UC簇和簇间关系，在此基础上，利用模块度度量的图划分方法(这里发明采用贪婪模块度最大社团检测方法)对该网络进行图划分，将网络划分为多个子网，这些子网代表了UC簇分组(UE分组)作为资源分配UC备选组。

第三步，在各组内，以用户之间的比例公平为目标，采用分布式并行方法实现无线资源的比例公平分配。

网络有向图构建方案：

令G＝(K,E)表示有向图G，包含顶点集K和边集合E，这里顶点集合对应于用户的UC簇，而边则由各个UC簇间的干扰关系表示，准确来说，如果UEq对UEk满足干扰关系，则存在由q到k的有向边ε_q,k，反之亦然，因为信道衰落的时变特性和信道估计的复杂性，发明在确定网络图表示的过程中，利用信道的大尺度衰落部分产生的用户间干扰作为时变信道带来的用户间干扰关系时变结果的平均，从公式(1)中，发明用

表示 APj到UEk的大尺度衰落，由此得到的网络有向图的边的定义如下。

定义：考虑一个根据网络内各个UC簇间的干扰关系来构建的有向图，如果下面的式子可以满足，则存在从顶点q到顶点k的有向边ε_q,k，这一判断关系的数学表达式如下：

并且有向边ε_q,k的权值A_q,k定义如下：

其中，δ_干扰为干扰门限。

基于分组的分布式资源分配方案：

通过UC簇构建和UE分组，发明可以得到用户的服务AP组APGP_k，

和|U_n|＝W，

由于对UE进行分组的过程，考虑的相似度指标包括了各组到组中心距离以及系统模块度最大，分组结果一定程度上反映了用户的之间干扰关系，换言之，通过分组手段，实现成对选择下强干扰用户的聚类，所选用户处于不同组产生的组间干扰程度要小于处于同组形成的组内干扰，相应的，在对用户进行调度来选择同时共享资源的用户集时，在每组各自选择一个用户所带来的相互干扰会小于从一组中选择多个用户，因此，在对不同时间间隔内进行用户调度操作时，比例公平资源分配最优化问题可以表示为多个组内单用户比例公平性调度问题，即：

其中，UEk在时隙n上的可达速率为：

该问题是01非线性整数规划问题，并且在计算时用户的具体调度和用户的组间干扰是耦合的，换句话说，SINR的获取需要用户的调度结果确定干扰的来源，而SINR影响的瞬时速率又是用户调度的依据，这导致最优化执行过程需要遍历所有的用户调度组合，因此，发明在这里采用一种更容易在实际中应用的简化处理，利用UE分组使得组间干扰有效下降的特点，采用小组内可以获得的用户信号泄漏噪声比(Signal to Leakage plus NoiseRatio,SLNR)来计算得到一个实验用户传输速率，发明定义UEk在时隙n上的实验传输速率表示如下：

其中的可达SLNR表示为：

这里的

表示服务UEk时向用户组t泄漏的干扰，表示为：

在这样的简化处理之后，系统研究的最优化问题P1可以转化为W个组内优化子问题的叠加(P2)：

s.t. (15)

以及一个调整后的效用函数

其中，

可以通过每一时隙的可达速率迭代得到：

每个子问题实际上是连续时隙上的本地最优化问题，发明提出一种启发式方法来处理这个UDN网络中一段周期内时隙分配的公平性问题，通过在连续时隙上对每个子组进行资源分配，方法保证系统的比例公平性以及吞吐量性能，在时隙1上，常数r₀是一个任意小的正实数，初始化各个用户的初始速率以解决初始速率为0时无法进行用户选择的问题。

这一每一时隙上进行的方法包含两个步骤，第一步进行用户选择，第二步进行吞吐量更新，第一步中，发明需要建立一个

的矩阵来表示所有W个组中的用户的效用函数，表示为：

其中

是组w中的UEk在时隙n上的效用函数，由于各组用户数不同，矩阵的列数为

不足的行补零，各组选择用户的原则就是选择效用函数最大的用户，即对于所有的W个组，每组选择用户

w∈W满足：

在完成了用户选择之后，第n时隙内的用户选择指示函数I_k,n,

确定。

随后进行吞吐量更新步骤，真实的用户瞬时可达传输速率可以通过公式(16)得到，这样，用户的累积平均速率可以采用迭代的方式利用公式(22)进行计算，而这一计算结果可以作为列表集中存储在本地CPU中。

整合上述两个子问题的处理，发明所提的方法见表1所示。

表1以用户为中心超密集网络比例公平资源分配方法

本发明将通过数值仿真来展示所提的调度方法结合分组之后的性能，这里本发明给出一个仿真环境，并在此环境下比较发明所提资源分配方案与轮询方案的性能，仿真中，本发明采用了一个200m*200m的区域作为网络区域，网络中AP和UE均匀分布，采用的信道模型中的大尺度衰落包括了两段的3GPP路径损耗模型和对数正态相关性阴影衰落，路径损耗模型如下：

LOS传输概率如下：

其中的AP和UE之间的三维距离

额外的参数设定在表1中并且所有的结果都是由500次蒙特卡洛仿真生成，每次利用N＝400个时隙。

表1参数设定

本发明提出的比例公平资源分配方法，称为基于模块度最大化UE分组与方法1的方法(“MMG&Alg 1”)，为了比较，发明对用户分组后考虑了额外的4种方案作对照分析，分别是：

a)基于本发明提出的模块度分组方法与轮询用户调度的方法(“MMG&RR”)；

b)文献3(Y.Lin,R.Zhang,L.X.Yang,and L.Hanzo,“Modularity-basedusercentric clustering and resource allocation for ultra dense networks,”IEEETrans.Veh.Technol.,vol.67,no.12,pp.12 457–12 461,Dec.2018.)中的方法；

c)基于K-means的UC簇分组与方法1的方法(“K-means&Alg 1”)；

d)随机分组与轮询用户调度的方法(“RG&RR”)。

其中的随机用户调度方案中，各组内随机选取UE分配时隙，轮询用户调度方案中，各组内用户以一定的排列，顺序调度分配时隙资源。

吞吐量比较图3和图4中给出了不同方法在AP数量增加与用户数量增加情况下系统吞吐量的变化情况，从图3中可以看出不同方法在AP数量增加的系统的吞吐量会提升，而在图4中吞吐量则不会随着UE数量增加继续提升，这主要是由于AP数量增加会带来用户功率和空间复用率的提升，这两者都使得吞吐量能够增加，而UE增加的过程中，每个用户所得的服务功率下降，因此总的系统吞吐量无法提升，不同方法的比较可以看出本发明提出的基于模块度最大化UE分组与方法1的组方法在这一实施过程中能够取得最优的吞吐量性能。

公平性比较：

为了评价所提方法的性能，发明分析了方法的用户公平性和系统的平均吞吐量，首先发明依据杰森公平性指数来表示系统中用户之间的公平性，公式如下：

图5和图6分别给出了不同方法随着AP数量和UE数量增加过程中公平性的变化，从图5和图6中可以看出，随着AP和UE两者数量的增加，公平性均有提升，这是由于密度的增加直接导致了用户接收服务的AP分布更加均匀，相应的各个用户之间的区别随着AP 和UE数量增加都在逐渐减小，因此公平性都在上升，相比于其他方法，本发明要求的方案在此实施过程中杰森公平性指数所定义的公平性与现有方法相比并没有显著的下降。

比例公平结果：

图7给出了不同方法之间和对数速率性能比较，这一数据直接反映系统在比例公平意义下的系统性能，从图7中可以看出，发明的方法取得了最优的和对数速率结果，表明方法取得了最好的比例公平性能。

本发明在UC-UDN网络下，可以实现比例公平的资源分配，通过对有向图中有向边权值的设定，以及分组中用户调度最优化目标设计，可以实现UC-UDN网络(以用户为中心超密集网络)中用户在连续时隙上的比例公平传输，目前在UC-UDN网络背景下，还没有相同问题的成果，在与现有的公平性资源管理方案如轮询调度的对比中，本方案在取得相近的公平性的前提下，可以显著提高系统的吞吐量，并且设计的只使用组内信息进行用户调度的策略能够明显降低用户调度的复杂性并降低网络中实现最优用户调度的信息交换压力。

Claims (1)

1.5G通信系统中UC-UDN比例公平资源分配方法，它包括以下步骤：

步骤一、设5G通信系统的输入：UC分组指示函数X、用户分组结果

设5G通信系统的输出：用户调度指示函数I；

其特征是：

5G通信系统中以用户为中心超密集网络资源分配方法，它的具体步骤为：

所述初始化的步骤具体为：建立累积吞吐量表

其中：

为有向图G中的顶点集；

步骤二、令n＝n+1，所述n为变量，且n的初始值为0；判断n的值是否小于或等于N，N为时隙数，N为正整数；如果判断结果为是，则执行步骤三；如果判断结果为否，则循环执行步骤二；直至n的值大于N，则结束一次5G通信系统中以用户为中心超密集网络比例公平资源分配；

步骤三、在各组中选择最优用户

步骤四、确定时隙n上的用户调度指标函数值I_k,n，

步骤五、更新用户的累积吞吐量表

完成一次5G通信系统中以用户为中心超密集网络资源分配；

步骤一中，网络有向图构建方法具体为：

令

表示有向图

包含顶点集

和边集合ε，这里顶点集合对应于用户的UC簇，而边则由各个UC簇间的干扰关系表示；准确来说，如果UEq对UEk满足干扰关系，则存在由q到k的有向边ε_q,k，反之亦然；因为信道衰落的时变特性和信道估计的复杂性，在确定网络图表示的过程中，利用信道的大尺度衰落部分产生的用户间干扰作为时变信道带来的用户间干扰关系时变结果的平均；从公式(1)中，发明用

表示APj到UEk的大尺度衰落，由此得到的网络有向图的边的定义如下：

定义：考虑一个根据网络内各个UC簇间的干扰关系来构建的有向图，如果下面的式子能够满足，则存在从顶点q到顶点k的有向边ε_q,k，这一判断关系的数学表达式如下：

并且有向边ε_q,k的权值A_q,k定义如下：

其中δ_干扰为干扰门限；

步骤三中在各组中选择最优用户

的具体方法是：

步骤三一、根据公式：

获得时隙n上的用户实验速率

其中:

为可达信号泄漏噪声比SLNR，

UEk在时隙n上从APj获得的传输功率可以表示为

表示服务UEk时向用户组t泄漏的干扰，

g_j,k,n＝(ζ_j,kξ_j,k)^1/2h_j,k,n为APj和UEk之间在时隙n上的信道向量；其中ζ_j,k和ξ_j,k分别表示信道的大尺度衰落和阴影衰落，复向量

表示小尺度衰落，其中的元素都是独立同分布的循环复高斯随机变量，分布服从

是由AP^j和UE^k之间在时隙n上的归一化预编码向量，v_j,k,n＝g_j,k,n/||g_j,k,n||；σ²为加性复高斯噪声功率，功率谱密度为-174dBm/Hz；

步骤三二、根据公式：

获得此时的效用函数

步骤三三、根据公式：

获得第w组的最优用户

步骤五中更新吞吐量表的具体方法是：

步骤五一、令k＝k+1，所述k为变量，且k的初始值为0；判断k的值是否小于或等于K，如果判断结果为是，则执行步骤五二；如果判断结果为否，则循环执行步骤五一；直至k的值大于K，则结束一次5G通信系统中以用户为中心超密集网络资源分配；

步骤五二、根据公式：

获得用户的真实速率r_k,n；

步骤步骤五三、根据公式：

更新用户的累积吞吐量

Images