CN116600387B - 一种多维资源分配方法 - Google Patents

Abstract

本发明公开了一种多维资源分配方法，该方法包括：对蜂窝网络中用户信号的可达速率进行处理得到蜂窝网络的总容量；对蜂窝网络的总容量进行处理，得到遍历能量优化模型；对子载波调度参数信息和基站与卫星之间回程链路的容量信息进行处理得到系统子载波调度问题模型；对系统子载波调度问题模型进行处理，得到光滑的凸问题模型；对光滑的凸问题模型进行解算，得到最优子载波调度参数信息；对最优子载波调度参数信息进行处理，得到联合功率‑解码顺序的问题模型；对联合功率‑解码顺序的优化问题模型进行优化得到凸优化功率分配模型；对凸优化功率分配模型进行处理得到最优解码顺序。本发明实现对系统中信道条件最差用户的遍历能量效率最大化。

Description

一种多维资源分配方法

技术领域

本发明涉及网络无线多维资源分配技术领域，尤其涉及一种多维资源分配方法。

背景技术

随着移动用户的快速爆炸倾向于接入网络进行服务，频谱资源变得越来越稀缺。基于非正交多址(Non-Orthogonal Multiple Access，NOMA)的星地一体化网络(Satellite-Terrestrial Integrated Network，STIN)被广泛研究，即地面网络可以为卫星网络提供互补覆盖，实现无缝网络覆盖和系统吞吐量的提高。NOMA利用相互正交的资源块为不同功率等级的多个用户服务，接收端通过连续干扰消除(Successive InterferenceCancellation，SIC)来消除多用户干扰。

现有的多维资源分配方案主要是针对系统容量优化提出。例如，对于子载波调度方案，主流的调度方案基于搜索或匹配。基于搜索方法，一种最优和次最优联合功率和子载波分配的方法被提出，旨在改善系统吞吐量。基于匹配方法，一种根据优化的信道内功率分配为多路用户信号调度子载波，用以解决多载波NOMA系统的子载波调度方法被提出。此外，与搜索或匹配方法不同，一种低复杂度的、基于用户预选的多载波NOMA系统子载波调度方案被提出。对于功率控制方案，现有的工作是通过解决与功率参数有关的非凸问题，找到改善系统性能的功率多维资源分配策略。例如，该方法通过惩罚函数迭代优化STIN系统容量得到的功率解，设计了一种基于波束形成方案的功率分配方法。此外，也有其他考虑STIN系统用户QoS门限要求和回程限制下的功率分配策略。然而，大多数这样的工作主要是针对系统容量或其他系统关键指标，系统中用户间公平性的遍历能量效率鲜有人关注到。

尽管一些针对NOMA系统中多维资源分配公平性方法被提出。例如：旨在最大化最小系统容量以确保用户级别的公平性的联合载波和功率分配的多维资源分配方案。在认知NOMA网络中，一种基于用户预分组的功率分配方案被提出，用于在峰值功率和干扰温度阈值约束下最大化系统最差用户的功率分配方案。基于多载波NOMA地面网络系统中的多维资源分配方案，用以改善在瞬时QoS要求和有限功率预算下的系统能量效率性能等方案。

上述NOMA系统中的多维资源分配方案主要从系统容量改善或瞬能量效率提升的角度考虑用户公平性。然而，考虑NOMA-STIN系统中无线链路具有时变和异构特征的用户能量效率公平性问题，目前尚未提出相关的方法。此外，很少有研究考虑NOMA-STIN系统中的上行链路通信场景。因此，对于回程容量有限的NOMA-STIN系统，用户间的遍历能量效率公平性目前尚未有人提出过联合子载波-功率的无线多维资源分配方案。

发明内容

本发明所要解决的技术问题在于，采用最优化的思想，设计交替载波-功率分配迭代优化的多维资源分配方法，实现对NOMA-STIN系统中载波-功率资源分配方案的设计，用以保障NOMA-STIN系统用户能量效率公平性。

为了解决上述技术问题，本发明实施例公开了一种多维资源分配方法，所述方法包括：

S1，对蜂窝网络中用户信号的可达速率进行处理，得到蜂窝网络的总容量；

S2，对所述蜂窝网络的总容量进行处理，得到遍历能量优化模型；

所述遍历能量优化模型包括子载波调度参数信息和基站与卫星之间回程链路的容量信息；

S3，对所述子载波调度参数信息和基站与卫星之间回程链路的容量信息进行处理，得到系统子载波调度问题模型；

S4，对所述系统子载波调度问题模型进行处理，得到光滑的凸问题模型；

S5，对所述光滑的凸问题模型进行解算，得到最优子载波调度参数信息；

S6，对所述最优子载波调度参数信息进行处理，得到实际系统中子载波调度模型；

S7，利用所述实际系统中子载波调度模型，对所述最优子载波调度参数信息进行处理，得到联合功率-解码顺序的问题模型；

S8，对所述联合功率-解码顺序的优化问题模型进行优化，得到凸优化功率分配模型；

S9，对所述凸优化功率分配模型进行处理，得到最优解码顺序；

所述最优子载波调度参数信息和所述最优解码顺序构成最优多维资源分配结果。

作为一种可选的实施方式，本发明实施例中，所述对蜂窝网络中用户信号的可达速率进行处理，得到蜂窝网络的总容量，包括：

利用蜂窝网络容量计算模型，对蜂窝网络中用户信号的可达速率进行处理，得到蜂窝网络的总容量；

所述蜂窝网络容量计算模型为；

其中，r_k为第k个蜂窝网络的总容量，k＝{1,2,L,K}表示第k个蜂窝网络，K为蜂窝网络数量，k＝0表示卫星网络，n＝{1,2,L,N_k}表示第k个蜂窝网络中第n个用户，N_k为第k个蜂窝网络中的用户数目，r_n,k表示第k个蜂窝网络中第n个用户信号的可达速率。

作为一种可选的实施方式，本发明实施例中，所述对所述蜂窝网络的总容量进行处理，得到遍历能量优化模型，包括：

对所述蜂窝网络的总容量进行处理，得到遍历能量优化模型；

所述遍历能量优化模型为：

其中，x_m,k表示子载波调度参数信息，为第k个蜂窝网络中第m个子载波调度参数信息，m＝1,2,L,M,其中M表示子载波数目，r_th表示QoS门限，p_n,k表示第k个蜂窝网络中第n个用户的发射功率大小，p_th表示功率峰值，r'_k表示第k个蜂窝网络中基站与卫星之间回程链路的容量信息大小，π_nn',k＝{0,1}，其中π_nn',k＝1表示在连续干扰串行解码时第k个蜂窝网络中第n个用户信号，先于用户n'信号被解码，用户n'的信号被当作噪声处理，ρ_n,k表示第k个蜂窝网络中第n个用户的信道增益大小，A表示增益系数，P＝(p_n,k)，h＝(h_n,k)，X＝(x_m,k)，π＝(π_nn',k)，h_n,k表示第k个蜂窝网络或卫星网络中第n个用户的信道衰落条件，η为系统用户遍历能量效率矩阵，r_k为第k个蜂窝网络的总容量，P1为遍历能量优化模型，表示求数学期望。

作为一种可选的实施方式，本发明实施例中，所述对所述子载波调度参数信息和基站与卫星之间回程链路的容量信息进行处理，得到系统子载波调度问题模型，包括：

固定蜂窝网络中用户的发射功率和连续干扰串行解码顺序，对所述子载波调度参数信息和基站与卫星之间回程链路的容量信息进行处理，得到系统子载波调度问题模型；

所述系统子载波调度问题模型为：

其中，X＝(x_m,k)，h＝(h_n,k)，x_m,k表示子载波调度参数信息，m＝1,2,L,M,η为系统用户遍历能量效率矩阵，h_n,k表示第k个蜂窝网络或卫星网络中第n个用户的信道衰落条件，r_k为第k个蜂窝网络的总容量，r'_k表示第k个蜂窝网络中基站与卫星之间回程链路的容量信息大小，P2为系统子载波调度问题模型。

作为一种可选的实施方式，本发明实施例中，所述对所述系统子载波调度问题模型进行处理，得到光滑的凸问题模型，包括：

对所述系统子载波调度问题模型中的系统用户遍历能量效率矩阵进行处理，得到光滑的凸问题模型；

所述光滑的凸问题模型为

s.t.C4,C6,C7,

其中，P3为光滑的凸问题模型，

作为一种可选的实施方式，本发明实施例中，所述对所述光滑的凸问题模型进行解算，得到最优子载波调度参数信息，包括

S51，对所述光滑的凸问题模型进行对偶处理，得到对偶参数；

S52，对所述对偶参数进行处理，得到最优子载波调度参数信息；

所述最优子载波调度参数信息为：

其中，λ,ν为对偶参数，λ_k,ν_m分别为约束C4与约束C7所对应的拉格朗日对偶乘子，/>为最优子载波调度参数信息。

作为一种可选的实施方式，本发明实施例中，所述实际系统中子载波调度模型为：

其中，λ,ν为对偶参数，为子载波调度参数信息。

作为一种可选的实施方式，本发明实施例中，所述对所述最优子载波调度参数信息进行处理，得到联合功率-解码顺序的问题模型，包括：

对所述最优子载波调度参数信息进行处理，得到联合功率-解码顺序的问题模型；

所述联合功率-解码顺序的问题模型为：

C5:ρ_n,k(h)-ρ_n',k(h)≤Aπ_nn',k(h),

其中，P4为联合功率-解码顺序的问题模型。

作为一种可选的实施方式，本发明实施例中，所述对所述联合功率-解码顺序的问题模型进行优化，得到凸优化功率分配模型，包括：

S81，对所述联合功率-解码顺序的问题模型进行优化，得到联合功率-解码顺序的优化问题模型；

S82，对所述联合功率-解码顺序的优化问题模型进行处理，得到联合功率-解码顺序的凸优化问题模型；

S83，对所述联合功率-解码顺序的凸优化问题模型进行处理，得到凸优化问题对偶模型；

S84，对所述凸优化问题对偶模型进行处理，得到凸优化功率分配模型。

作为一种可选的实施方式，本发明实施例中，所述对所述凸优化功率分配模型进行处理，得到最优解码顺序，包括：

S91，对所述凸优化功率分配模型进行处理，得到最优功率解析模型；

所述最优功率解析模型为：

其中，[x]⁺＝max(0,x)；

S92，对所述最优功率解析模型进行解算，得到最优解码顺序；其中，θ_n,k与η_n,k分别为矢量θ与η中的元素，η为系统用户遍历能量效率矩阵，表示第k个蜂窝网络中第n个用户的最优功率，α_n,k为α中的元素，χ_k为χ中的元素，β_n,k为β中的元素，α,β,χ,θ分别为约束C1，C3，C4，C9对应的拉格朗日对偶因子。

与现有技术相比，本发明实施例具有以下有益效果：

本发明通过推导出非正交多址-星地一体化网络(NOMA-STIN)系统中联合载波、功率和SIC解码顺序的多维资源分配方法，消除了信道条件时变的特征，满足了系统峰值功率、回程链路容量限制和用户端遍历服务质量(QoS)门限的条件，实现了对系统中信道条件最差用户的遍历能量效率的最大化，可以用于实际星地一体化网络(STIN)联合载波、功率和连续干扰串行(Successive Interference Cancellation，SIC)解码顺序的多维资源分配方案的指导。仿真实验表明,本发明在收敛性和有效性方面优于现有算法。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例公开的一种多维资源分配方法的流程示意图；

图2是本发明实施例公开的一种多维资源分配方法的场景示意图；

图3是本发明实施例公开的联合载波、功率和SIC解码顺序的多维资源分配方法的收敛性；

图4是本发明实施例公开的联合载波、功率和SIC解码顺序的多维资源分配方法与其他子载波分配方案的对比图；

图5是本发明实施例公开的联合载波、功率和SIC解码顺序的多维资源分配方法与其他联合功率与SIC解码顺序优化方法的对比图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅是本发明一部分实施例，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作出创造性劳动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。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本发明公开了一种多维资源分配方法，该方法包括：对蜂窝网络中用户信号的可达速率进行处理得到蜂窝网络的总容量；对蜂窝网络的总容量进行处理，得到遍历能量优化模型；对子载波调度参数信息和基站与卫星之间回程链路的容量信息进行处理得到系统子载波调度问题模型；对系统子载波调度问题模型进行处理，得到光滑的凸问题模型；对光滑的凸问题模型进行解算，得到最优子载波调度参数信息；对最优子载波调度参数信息进行处理，得到联合功率-解码顺序的问题模型；对联合功率-解码顺序的优化问题模型进行优化得到凸优化功率分配模型；对凸优化功率分配模型进行处理得到最优解码顺序。本发明实现对系统中信道条件最差用户的遍历能量效率最大化。以下分别进行详细说明。

实施例一

请参阅图1，图1是本发明实施例公开的一种多维资源分配方法的流程示意图。其中，图1所描述的多维资源分配方法应用于卫星通信系统中，如进行卫星与地面基站处的最优子载波调度参数信息计算、最优解码顺序解算，本发明实施例不做限定。如图1所示，该多维资源分配方法可以包括以下操作：

S1，对蜂窝网络中用户信号的可达速率进行处理，得到蜂窝网络的总容量；

S2，对所述蜂窝网络的总容量进行处理，得到遍历能量优化模型；

所述遍历能量优化模型包括子载波调度参数信息和基站与卫星之间回程链路的容量信息；

S3，对所述子载波调度参数信息和基站与卫星之间回程链路的容量信息进行处理，得到系统子载波调度问题模型；

S4，对所述系统子载波调度问题模型进行处理，得到光滑的凸问题模型；

S5，对所述光滑的凸问题模型进行解算，得到最优子载波调度参数信息；

S6，对所述最优子载波调度参数信息进行处理，得到实际系统中子载波调度模型；

S7，利用所述实际系统中子载波调度模型，对所述最优子载波调度参数信息进行处理，得到联合功率-解码顺序的问题模型；

S8，对所述联合功率-解码顺序的优化问题模型进行优化，得到凸优化功率分配模型；

S9，对所述凸优化功率分配模型进行处理，得到最优解码顺序；

所述最优子载波调度参数信息和所述最优解码顺序构成最优多维资源分配结果。

可选的，所述对蜂窝网络中用户信号的可达速率进行处理，得到蜂窝网络的总容量，包括：

利用蜂窝网络容量计算模型，对蜂窝网络中用户信号的可达速率进行处理，得到蜂窝网络的总容量；

所述蜂窝网络容量计算模型为；

其中，r_k为第k个蜂窝网络的总容量，k＝{1,2,L,K}表示第k个蜂窝网络，K为蜂窝网络数量，k＝0表示卫星网络，n＝{1,2,L,N_k}表示第k个蜂窝网络中第n个用户，N_k为第k个蜂窝网络中的用户数目，r_n,k表示第k个蜂窝网络中第n个用户信号的可达速率。

可选的，所述对所述蜂窝网络的总容量进行处理，得到遍历能量优化模型，包括：

对所述蜂窝网络的总容量进行处理，得到遍历能量优化模型；

所述遍历能量优化模型为：

C5:ρ_n,k(h)-ρ_n',k(h)≤Aπ_nn',k(h),

其中，x_m,k表示子载波调度参数信息，为第k个蜂窝网络中第m个子载波调度参数信息，m＝1,2,L,M,其中M表示子载波数目，r_th表示QoS门限，p_n,k表示第k个蜂窝网络中第n个用户的发射功率大小，p_th表示功率峰值，r'_k表示第k个蜂窝网络中基站与卫星之间回程链路的容量信息大小，π_nn',k＝{0,1}，其中π_nn',k＝1表示在连续干扰串行解码时第k个蜂窝网络中第n个用户信号，先于用户n'信号被解码，用户n'的信号被当作噪声处理，ρ_n,k表示第k个蜂窝网络中第n个用户的信道增益大小，A表示增益系数，P＝(p_n,k)，h＝(h_n,k)，X＝(x_n,k)，π＝(π_nn',k)，h_n,k表示第k个蜂窝网络或卫星网络中第n个用户的信道衰落条件，η为系统用户遍历能量效率矩阵，r_k为第k个蜂窝网络的总容量，P1为遍历能量优化模型，表示求数学期望。P1为max-min遍历能量优化问题。

可选的，所述对所述子载波调度参数信息和基站与卫星之间回程链路的容量信息进行处理，得到系统子载波调度问题模型，包括：

将子载波调度参数信息(载波调度因子)0-1连续化；

固定蜂窝网络中用户的发射功率和连续干扰串行解码顺序，对所述子载波调度参数信息和基站与卫星之间回程链路的容量信息进行处理，得到系统子载波调度问题模型；

所述系统子载波调度问题模型为：

其中，X＝(x_m,k)，h＝(h_n,k)，x_m,k表示子载波调度参数信息，m＝1,2,L,M,η为系统用户遍历能量效率矩阵，h_n,k表示第k个蜂窝网络或卫星网络中第n个用户的信道衰落条件，r_k为第k个蜂窝网络的总容量，r'_k表示第k个蜂窝网络中基站与卫星之间回程链路的容量信息大小，P2为系统子载波调度问题模型。

可选的，所述对所述系统子载波调度问题模型进行处理，得到光滑的凸问题模型，包括：

对所述系统子载波调度问题模型中的系统用户遍历能量效率矩阵进行处理，得到光滑的凸问题模型；

所述光滑的凸问题模型为

s.t.C4,C6,C7,

其中，P3为光滑的凸问题模型，

可选的，所述对所述光滑的凸问题模型进行解算，得到最优子载波调度参数信息，包括

S51，对所述光滑的凸问题模型进行对偶处理，得到对偶参数；

S52，对所述对偶参数进行处理，得到最优子载波调度参数信息；

所述最优子载波调度参数信息为：

其中，λ,ν为对偶参数，λ_k,ν_m分别为约束C4与约束C7所对应的拉格朗日对偶乘子，/>为最优子载波调度参数信息。利用P3的KKT(Karush-Kuhn-Tucker，KKT)条件，求得最优子载波调度变量的析表达式/>

可选的，所述实际系统中子载波调度模型为：

其中，λ,ν为对偶参数，为子载波调度参数信息。

可选的，所述对所述最优子载波调度参数信息进行处理，得到联合功率-解码顺序的问题模型，包括：

对所述最优子载波调度参数信息进行处理，根据求得的最优子载波调度变量的析表达式X^*，分解得到联合功率-解码顺序的问题模型；

所述联合功率-解码顺序的问题模型为：

C5:ρ_n,k(h)-ρ_n',k(h)≤Aπ_nn',k(h),

其中，P4为联合功率-解码顺序的问题模型。

可选的，所述对所述联合功率-解码顺序的问题模型进行优化，得到凸优化功率分配模型，包括：

S81，对所述联合功率-解码顺序的问题模型进行优化，得到联合功率-解码顺序的优化问题模型；

假设解码顺序固定，引入变量η，将P4转化为光滑问题；将优化目标η(P,h)差分化，得到P5：

其中，P5为联合功率-解码顺序的优化问题模型；

计算蜂窝网用户信号的可达速率大小，则第k个蜂窝网络中第i个用户期望的信号的可达速率r_k,i：

其中，表示在第k个蜂窝网络中第i个用户处连续干扰串行解码得到信号/>时，其他用户信号对它造成的干扰，/>为第k个蜂窝网络中第i个用户处的干扰比；g_s,k,i＝|h_s,k,i|²G_k,iL_s,k,i，N_k为第k个蜂窝网络中用户的数量，/>表示第k个蜂窝网络中第i个终端的信号，满足/>表示期望操作，k＝1,2,...,K，K为蜂窝网络数量，G_k,i表示卫星到第k个蜂窝网络中第i个终端链路的信道增益大小，L_s,k,i表示卫星到第k个蜂窝网络中第i个终端链路的自由空间损失，h_s,k,i为卫星到第k个蜂窝网络中第i个终端链路的小尺度衰落，σ²为加性高斯白噪声的功率密度，/>表示信号非正交多址过程中卫星处分配给第k个蜂窝网络中第i个终端的功率大小。

S82，对所述联合功率-解码顺序的优化问题模型进行处理，得到联合功率-解码顺序的凸优化问题模型；

假设已知r_n,k(h)中的信道响应与干扰和噪声归一化变量Y_n,k的大小，利用r_n,k(h)的一阶泰勒导数，得到P5的凸代理P6：

P^(t)表示第t次迭代得到的功率分配方案，t＝1,2,3,...表示迭代次数，P6为联合功率-解码顺序的凸优化问题模型，其中，

r_n,k(h,P^(t),P)＝log₂(1+Y_n,k(P^(t),h)p_n,k(h))

式中，t＝1,2,3,...表示迭代次数，，分别表示第k个蜂窝网络中用户n所受到的NOMA多用户干扰量，来自其他蜂窝小区的干扰量以及卫星干扰量。h_n,k表示从第k个蜂窝网络中基站到用户n链路的信道增益大小。

S83，对所述联合功率-解码顺序的凸优化问题模型进行处理，得到凸优化问题对偶模型；

构建P6的对偶问题为

其中，α,β,χ,θ分别为约束C1，C3，C4，C9对应的拉格朗日对偶因子，为凸优化问题对偶模型。

S84，对所述凸优化问题对偶模型进行处理，得到凸优化功率分配模型。

利用拉格朗日解耦算法，在特定信道衰落条件下(即固定g，g＝(g_s,k,i))将凸问题P6对偶问题中消除得到等价问题P7：

其中，

f(h,P^(t),P)＝α_n,kr_n,k(h,P^(t),P)+(1-θ_n,k)ω+θ_n,k(r_n,k(h,P^(t),P)-η_n,kp_n,k(h))

式中，θ_n,k与η_n,k分别为矢量θ与η中的元素。

可选的，所述对所述凸优化功率分配模型进行处理，得到最优解码顺序，包括：

S91，对所述凸优化功率分配模型进行处理，得到最优功率解析模型；

所述最优功率解析模型为：

其中，[x]⁺＝max(0,x)；

S92，对所述最优功率解析模型进行解算，得到最优解码顺序，即根据凸代理得到的最优功率解析表达式P^*，迭代求解出最优解码顺序π^*。

本发明是一种考虑STIN场景下，地面基站对卫星信号中继转化适用的方法。图2是本发明实施例公开的一种多维资源分配方法的场景示意图。图3所示，为本发明所提方法在不同发射功率初始条件下的算法收敛效果图。本发明所提出的联合载波、功率和解码顺序的多维资源分配方法在NOMA-STIN上行链路仿真系统中部署的时获得了良好的收敛性，这与理论分析结果一致。特别的，本发明提出的多维资源分配方法是一个低复杂度的、基于一个启发式多维资源分配算法，在实际NOMA-STIN上行链路系统的资源管理方案设计过程中具有较大的应用价值。如图4和图5所示，随着最大峰值功率的增加，系统最差用户的能量效率性能显著增加，本发明方法与其他方法相比表现性能更优。图4中，SC_proposed为本发明所提的载波调度策略，SC_EQ为传统载波等价分配，例如：正交频分多路复用技术等，SC_GA为穷举搜索算法的载波调度策略，该策略为最优调度策略。图5中，JPD_proposed为本发明所提的JPD策略，JPD_UA为基于功率等价分配的JPD策略，JPD_EC为基于遍历容量优化的JPD策略。

以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

最后应说明的是：本发明实施例公开的一种多维资源分配方法所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (1)

1.一种多维资源分配方法，其特征在于，所述方法包括：

S1，对蜂窝网络中用户信号的可达速率进行处理，得到蜂窝网络的总容量，包括：

利用蜂窝网络容量计算模型，对蜂窝网络中用户信号的可达速率进行处理，得到蜂窝网络的总容量；

所述蜂窝网络容量计算模型为；

其中，r_k为第k个蜂窝网络的总容量，k＝{1,2,L,K}表示第k个蜂窝网络，K为蜂窝网络数量，k＝0表示卫星网络，n＝{1,2,L,N_k}表示第k个蜂窝网络中第n个用户，N_k为第k个蜂窝网络中的用户数目，r_n,k表示第k个蜂窝网络中第n个用户信号的可达速率；

S2，对所述蜂窝网络的总容量进行处理，得到遍历能量优化模型；

所述遍历能量优化模型包括子载波调度参数信息和基站与卫星之间回程链路的容量信息；

所述遍历能量优化模型为：

P1:

C5:ρ_n,k(h)-ρ_n',k(h)≤Aπ_nn',k(h),

其中，x_m,k表示子载波调度参数信息，为第k个蜂窝网络中第m个子载波调度参数信息，m＝1,2,L,M,其中M表示子载波数目，r_th表示QoS门限，p_n,k表示第k个蜂窝网络中第n个用户的发射功率大小，p_th表示功率峰值，r'_k表示第k个蜂窝网络中基站与卫星之间回程链路的容量信息大小，π_nn',k＝{0,1}，其中π_nn',k＝1表示在连续干扰串行解码时第k个蜂窝网络中第n个用户信号，先于用户n'信号被解码，用户n'的信号被当作噪声处理，ρ_n,k表示第k个蜂窝网络中第n个用户的信道增益大小，A表示增益系数，P＝(p_n,k)，h＝(h_n,k)，X＝(x_m,k)，π＝(π_nn',k)，h_n,k表示第k个蜂窝网络或卫星网络中第n个用户的信道衰落条件，η为系统用户遍历能量效率矩阵，r_k为第k个蜂窝网络的总容量，P1为遍历能量优化模型，表示求数学期望；

S3，对所述子载波调度参数信息和基站与卫星之间回程链路的容量信息进行处理，得到系统子载波调度问题模型，包括：

固定蜂窝网络中用户的发射功率和连续干扰串行解码顺序，对所述子载波调度参数信息和基站与卫星之间回程链路的容量信息进行处理，得到系统子载波调度问题模型；

所述系统子载波调度问题模型为：

P2:

其中，X＝(x_m,k)，h＝(h_n,k)，x_m,k表示子载波调度参数信息，m＝1,2,L,M,η为系统用户遍历能量效率矩阵，h_n,k表示第k个蜂窝网络或卫星网络中第n个用户的信道衰落条件，r_k为第k个蜂窝网络的总容量，r'_k表示第k个蜂窝网络中基站与卫星之间回程链路的容量信息大小，P2为系统子载波调度问题模型；

S4，对所述系统子载波调度问题模型进行处理，得到光滑的凸问题模型，包括：

对所述系统子载波调度问题模型中的系统用户遍历能量效率矩阵进行处理，得到光滑的凸问题模型；

所述光滑的凸问题模型为P3:

s.t.C4,C6,C7,

其中，P3为光滑的凸问题模型，S5，对所述光滑的凸问题模型进行解算，得到最优子载波调度参数信息，包括：

S51，对所述光滑的凸问题模型进行对偶处理，得到对偶参数；

S52，对所述对偶参数进行处理，得到最优子载波调度参数信息；

所述最优子载波调度参数信息为：

其中，λ,ν为对偶参数，λ_k,ν_m分别为约束C4与约束C7所对应的拉格朗日对偶乘子，/>为最优子载波调度参数信息；

S6，对所述最优子载波调度参数信息进行处理，得到实际系统中子载波调度模型；

所述实际系统中子载波调度模型为：

其中，λ,ν为对偶参数，为子载波调度参数信息；

S7，利用所述实际系统中子载波调度模型，对所述最优子载波调度参数信息进行处理，得到联合功率-解码顺序的问题模型；

所述联合功率-解码顺序的问题模型为：

P4:

C5:ρ_n,k(h)-ρ_n',k(h)≤Aπ_nn',k(h),

其中，P4为联合功率-解码顺序的问题模型；

S8，对所述联合功率-解码顺序的问题模型进行优化，得到凸优化功率分配模型，包括：

S81，对所述联合功率-解码顺序的问题模型进行优化，得到联合功率-解码顺序的优化问题模型；

S82，对所述联合功率-解码顺序的优化问题模型进行处理，得到联合功率-解码顺序的凸优化问题模型；

S83，对所述联合功率-解码顺序的凸优化问题模型进行处理，得到凸优化问题对偶模型；

S84，对所述凸优化问题对偶模型进行处理，得到凸优化功率分配模型；

S9，对所述凸优化功率分配模型进行处理，得到最优解码顺序，包括：

S91，对所述凸优化功率分配模型进行处理，得到最优功率解析模型；

所述最优功率解析模型为：

其中，[x]⁺＝max(0,x)；

S92，对所述最优功率解析模型进行解算，得到最优解码顺序；其中，θ_n,k与η_n,k分别为矢量θ与η中的元素，η为系统用户遍历能量效率矩阵，表示第k个蜂窝网络中第n个用户的最优功率，α_n,k为α中的元素，χ_k为χ中的元素，β_n,k为β中的元素，α,β,χ,θ分别为约束C1，C3，C4，C9对应的拉格朗日对偶因子。