MIMO-OFDMA下行信道中的用户调度和能量效率联合优化方法与流程

本发明属于无线通信技术领域，涉及一种考虑用户端缓存影响的mimo-ofdma用户调度和能量效率联合优化方法。

背景技术：

mimo技术通过空分复用，利用收发端天线来抑制信道衰落，从而提高无线信道容量，在不增加带宽和天线发送功率的情况下，可以成倍地提高频谱利用率。在mimo-ofdma系统中，由于不同种类的无线通信业务对qos时延、速率等有不同的要求，因此在保证用户qos要求的前提下优化频谱效率(吞吐量)一直是mimo系统资源分配的热点。除了频谱效率，绿色通信越来越成为今后的研究热点，需要把降低能耗和提高频谱效率结合起来，提出了通过资源分配优化能量效率ee(energyefficiency)的方案。能量效率ee的定义是系统总吞吐量rsum与总能量消耗esum的比值，即ee＝rsum/esum，表示每单位能量所能传输的数据速率，单位bits/s/joule。

一般而言，资源分配分为两个步骤，一是用户调度(用户选择)，分配空间和频谱资源给合适的用户，二是功率分配，为已经选择的用户分配功率资源。

现有的技术研究都是以频谱效率或者能量效率最大为目标，没有将两者结合起来。此做法存在如下问题：

(1)没有考虑用户端缓存器对于用户调度和功率分配的影响。由于缓存器在用户终端中是普遍存在的，在信道条件不好时，如果在用户缓存器中已有足够多的缓存数据，基站不选择该用户，不为该用户分配资源块。也可以为用户分配较低的功率，从而可以降低其速率。在用户信道条件好的时候，基站可以选中并使该用户并为其分配资源块，还可以适当提高功率以提高用户速率，用户终端接收的数据可以存放在其缓存器中，文献sup,wangs,zhouw,etal.optimizationofenergyconsumptioninthemobilecloudsystems[j].ksiitransactionsoninternet&informationsystems,2016,10.证明了信道条件好时多传数据，信道条件差时少传数据，可以在传输数据总量一定的情况下节约能量，从而提高能量效率。因此考虑用户端缓存可以提高能量效率。

(2)多数文献将调度和功率分配分开优化，从以上分析可知，用户调度过程中应该考虑用户端缓存器的贮存量，结合信道条件通过分配资源块调节每个用户可获得的速率，而基站分给用户的功率正比于每个用户获得的速率，因此功率分配和资源块分配应联合优化，才能获得更高的能量效率。

技术实现要素：

本发明目的在于提供一种考虑用户端缓存影响的多用户mimo用户调度和能量效率联合优化方案，本发明中的方案首先在每个调度周期内内对系统内用户进行调度，为用户分配资源块，接着再对用户子载波进行功率分配；并且在调度过程和功率分过程中分别保证了用户的时延要求以及速率上下限要求。由于用户终端普遍存在缓存器，所以本发明充分考虑缓存器对于用户调度和功率分配的影响。

本发明解决其技术问题所采用的技术方案为mimo-ofdma下行信道用户调度和能量效率联合优化方法，包括如下步骤：

步骤1、建立系统模型

建立mimo-ofdma下行链路模型，并且利用块对角化方法，将每个用户的信道分解成为多个平行信道，计算用户下行速率和用户得到资源块获得的功率；

步骤2、进行用户调度

定义一个效益函数用来为用户分配资源块，考虑用户端缓存器，将资源块分配给用户当前时延大及信道条件好的用户；

步骤3、进行功率分配

以最大化能量效率ee为目标，为用户资源块中的子载波重新进行功率分配，根据用户缓存器的容量确定用户获得的下行速率的最大值和最小值，并以此作为优化问题的限制条件，进行最优化求解。

进一步，步骤1中，建立系统模型，具体如下：

表示分配子载波k(n)给用户m时，基站和用户之间的信道矩阵，用户接收到的输出信息可以表示为：

ym,k(n)＝hm,k(n)sm,k(n)+nm,k(n)(1)

其中是多天线基站的输入信号向量，而是信道hm,k(n)的噪音信息，通过块对角化，hm,k(n)可以被解为：

其中和都为酉矩阵，和分别表示um,k(n)和vm,k(n)的共轭矩阵，是对角矩阵，其对角元素的为其中jm＝min{km,kt}＝km在发送端和接收端分别用vm,k(n)和进行对信号的预处理和后处理，可以得到

其中表示子载波k(n)通过信道传递给用户m的输入信号向量，且可得资源块n中的子载波k(n)分配给用户m之后的获得的下行传输速率为：

所以可知分配给用户m的资源块的下行速率

其中b代表子载波带宽，所以分配给用户m的子载波k(n)的传输功率为

所以分配给用户m的资源块n的总功率为

进一步，步骤2中进行用户调度具体如下：

设一个调度周期的长度为tii，所以本发明的调度算法可以描述为：

调度开始时，第一个调度周期有如下步骤：

第一步：初始化qm(t)，使得初始化qm＝0，初始化资源块集合n；

第二步：分配资源块，先根据qm(t)计算每个用户的wm(t)，再令表示资源块n^*被分配给用户m^*，其中n^*和m^*满足以下的效益函数

若用户集合中有wm(t)≥1的用户，对这部分用户根据n^*和m^*分配资源块，若用户集合中所有用户都满足wm(t)＜1时，对剩下的用户继续按照n^*和m^*分配资源块；

第三步：将n^*从n中移除，并重新计算qm(t)；

第四步：如果n为空，结束算法，若不为空，执行第二步；

从第二个调度周期开始，每个调度周期开始时，假设当前用户m，m＝1,2,...m,在上个调度周期之后得到的资源块集合为θm，有如下步骤：

第一步：对于ωb中的用户，因为经过一个调度周期以后，缓存数据发生了改变，初始化初始化qm(t)，使得若qm(t)＜0,则qm(t)＝0，即缓存数据足够，无需分配资源块，初始化资源块集合n；

第二步至第四步同第一个调度周期中的第二步至第四步。

进一步，步骤3中进行功率分配，具体如下：

假设根据步骤2的用户调度分配好资源块使得每个用户得到的资源块集合为θm，此时对功率进行重新分配以进一步提高ee，

设xm,n为1代表资源块n分配给了用户m，否则xm,n为0，由用户调度可以确定xm,n(n＝1,2…n,m＝1,2,…m)，

能量效率设为ee，则最优化问题为

rmin≤rm≤rmax(11)

rm的上下限由用户缓存器容量和业务需求速率决定，为了保证用户可以承受的最大时延要求，ωa中即使用a类业务的用户获得的下行速率必须满足rm≥μm，其中可以得到rm的最小值rmin＝um，设定最大下行速率限制rmax，对于ωb中即使用b类业务的用户满足以下条件，一个调度周期过后有qm＝qm+rm×tii-μm×tii，qm≤qmax(m)，可得到对应的根据用户可以承受的最大时延，所以当qm为0之后，继续等待dmax(m)时长，等效为qm≥-umdmax(m)，这样可以得到用户下行速率的最小值

求解ee的最优解可以等价于求的最大值，其中利用拉格朗日方程进行求解，

其中，α，γ＝(γ1,γ2,...,γm)，β＝(β1,β2,...,βm)为拉格朗日乘子，相应的拉格朗日对偶函数为：

则问题(15)的拉格朗日对偶问题是：

其中α，γ,β≥0表示乘子中的每个元素都大于等于零，由于该问题是无约束问题，所以可以直接求导得：

所以

与现有技术相比，本发明具有以下有益的技术效果：

1，在mimo-ofdma系统的资源分配中，联合优化了用户选择和功率分配，在用户选择中考虑用户端的缓存容量对于用户选择的影响，在信道差且缓存数据量较多时，少传数据，反之则多传数据，从而提升了能量效率。

2，同时在功率优化中考虑用户端缓存器对用户下行速率的影响，从而进一步提升能量效率。

附图说明

图1为本发明的方法流程图。

图2为mimo-ofdma下行信道模型。

图3为本发明功率分配算法流程。

具体实施方式

以下结合说明书附图，对本发明作详细的说明。

为了说明方便，首先需要说明几个概念。

一、用户业务需求的速率，指用户业务根据业务需求从用户终端缓存器中取出数据的速率；

二、用户获得的下行速率，指基站发往用户终端的数据速率；

三、用户承受的最大时延，指用户业务根据qos要求，可以忍受的从缓存器中取不出所需数据量的最大时间长度；

四、用户当前时延，指用户从缓存器中取不出业务所需数据量的时间长度。

如图1、图2、图3所示，本发明提供了一种mimo-ofdma下行链路中，用户调度和功率分配方法，该方法包括如下步骤：

步骤1、建立系统模型

如图1所示的mim-ofdma系统，系统中总的子载波个数为ct，分为n个资源块，每个资源块k个子载波，即ct＝k*n，k(n)表示第n个资源块的第k个子载波，sk(n)表示子载波k(n)的发射功率。基站有kt根天线。系统中总共有m0个用户，第m个用户的接收天线数为km(1≤m≤m),一般来说kt＞km，μm表示每个用户的业务需求速率，用户端均有一定大小缓存器可以存储数据，缓存器最大容量为qmax(m)。每个用户可以支持不同的业务，本发明将业务分为a，b两类业务，a类业务如话音业务等不能容忍时延，b类业务如网页浏览，使用b类业务的用户m可以忍受的最大时延设为dmax(m)。本发明的目的是提高能量效率ee，本发明首先进行用户调度，基站将这n个资源块都分配给用户，并保证用户满足qos时延制约条件和用户端缓存对于用户速率的要求。接着对用户子载波进行功率分配，最优化能量效率。

由于在无线通信系统中，基站消耗了系统总能量的75％，并且基站的能量主要用于发送下行数据，所以本发明考虑mimo-ofdma系统的下行链路。

表示分配子载波k(n)给用户m时，基站和用户之间的信道矩阵。在每个调度周期，信道状态是不变的。所以在下行链路中，经过信道hm,k(n)之后，用户接收到的输出信号可以表示为：

ym,k(n)＝hm,k(n)sm,k(n)+nm,k(n)(20)

其中是多天线基站的输入信号向量，而是信道hm,k(n)的噪音信息。通过块对角化(svd)，hm,k(n)可以被表示为：

其中和都为酉矩阵，和分别表示um,k(n)和vm,k(n)的共轭矩阵。而是对角矩阵，其对角元素的为其中jm＝min{km,kt}＝km在发送端和接收端分别用vm,k(n)和进行对信号的预处理和后处理，可以得到

其中表示子载波k(n)通过信道传递给用户m的输入信号向量，且由于λm,k(n)是对角阵，当用户端天线尺寸适合时，每个用户天线的衰落是相互独立的，由(23)可知，所以每个用户m的mimo信道可以分解出多个单输入单输出子载波信道的平行信道，子信道个数是λm,k(n)的秩(非零元素的个数)，当kt＞km时，这个秩等于km。由此可得资源块n中的子载波k(n)分配给用户m之后的获得的下行传输速率为：

所以可知分配给用户m分到资源块n可获得的下行速率其中b代表子载波带宽，所以用户m的子载波k(n)的传输功率可表示为

因为是酉矩阵，当且仅当a＝b时，成立，所以分配给用户m的资源块n的总功率为

步骤2、用户调度

上文将业务分为a、b两类，所以在用户调度的时候，需要分别考虑。用户调度就是将资源块分配给各个用户，使系统吞吐量(用户可获得的下行速率之和)尽量大，同时保证每个用户的承受的最大时延要求。根据时延要求和信道状况(决定用户可获得的下行速率)为用户分配对应的资源块。假设根据使用的业务，将用户分为不同的集合，使用a类业务的用户集合为ωa，使用b类业务的用户集合为ωb。在每个调度周期开始时，每个用户缓存器内的缓存数据为qmbit，假设用户m正在运行的业务所需的速率为μm，其取值范围由业务类型决定，假设μm(min)≤μm≤μm(max)。由(24)式可知，资源块中每个子载波的下行速率是和信道特性以及功率相关，本发明调度时先固定每个子载波的功率，令为这样调度时仅考虑用户信道条件和用户时延要求。

本发明考虑一个效益函数φ(m,n)，m＝1,2,..m,n＝1,2,..n,根据效益函数将资源块优先分配给信道条件较好(能获得较大的用户下行速率)和当前时延较大(等待时间较长)的用户。该效益函数考虑两个参数，参数1表示基站将资源块分配给用户，用户能够获得的下行速率参数2表示用户的当前时延，对于用户m,设为wm(t)，在每个调度周期为用户分配好某个资源块之后，更新这两个参数，再进行下一个调度周期资源块的分配。

设qm(t)为在调度周期中基站需要为用户m传输的数据包的数量，并且服从泊松分布，假设qm(t)的初始化长度为基站为用户m分配的调度开始时的队列长度，则对于ωb中的用户，考虑用户端的缓存器，等效于增加了用户可以承受的最大时延，所以用户可承受的最大时延等效为所以wm(t)可表示为ti,arrive表示数据包i到达时的时间，上式用对当前时延做归一化处理是为了便于比较各个用户可以承受的时延要求。

由于分配资源块给用户m之，基站传输了数据，因此qm(t)也会发生改变，表示为其中ts表示时隙长度，s表示数据包大小，rm,n表示源块n资源块分配给用户m后用户获得的下行速率。由于qm(t)的改变，用户m的wm(t)需要用更新的qm(t)进行相应的更新。

同理，对于ωa中的用户在计算wm(t)时，只需要将改为dmax(m)。

考虑用户时延wm(t)和用户下行速率rm,n(信道条件)这两个属性并合成为一个效益函数，由于用户时延和用户下行速率不成比例，所以不使用加权求和，而是考虑将用户时延和用户速率做乘积。设一个调度周期的长度为tii，所以本发明的调度算法可以描述为：

调度开始时，第一个调度周期有如下步骤：

第一步：初始化qm(t)，使得初始化qm＝0，初始化资源块集合n；

第二步：分配资源块，先根据qm(t)计算每个用户的wm(t)，再令表示资源块n^*被分配给用户m^*，其中n^*和m^*满足以下的效益函数

若用户集合中有wm(t)≥1的用户，对这部分用户根据n^*和m^*分配资源块，若用户集合中所有用户都满足wm(t)＜1时，对剩下的用户继续按照n^*和m^*分配资源块；

第三步：将n^*从n中移除，并重新计算qm(t)；

第四步：如果n为空，结束算法，若不为空，执行第二步

从第二个调度周期开始，每个调度周期开始时，假设当前用户m，m＝1,2,...m,在上个调度周期之后得到的资源块集合为θm，有如下步骤：

第一步，对于ωb中的用户，因为经过一个调度周期以后，缓存数据发生了改变，初始化初始化qm(t)，使得若qm(t)＜0,则qm(t)＝0，即缓存数据足够，无需分配资源块。初始化资源块集合n。第二步至第四步同第一个调度周期中的2-4步。

步骤3、功率分配

上面的调度算法使得用户m，m＝1,2,...,m,得到的资源块集合为θm，此时对用户m的功率进行重新分配以进一步提高ee。

设xm,n为1代表资源块n分配给了用户m，否则xm,n为0，由在上文的用户调度可以确定xm,n(n＝1,2…n,m＝1,2,…m)，能量效率设为ee。则最优化问题为

rmin≤rm≤rmax(39)

式(28)表示能量效率目标函数，式(29)中基站发射的功率小于基站的功率限制pt。

式(30)表示用户下行速率的上下限要求。为了保证用户可以承受的最大时延要求，ωa中即使用a类业务的用户获得的下行速率必须满足rm≥μm，其中可以得到rm的最小值rmin＝um，由于实时性业务不考虑用户端的缓存器，所以用户的最大下行速率没有限制，但在实际情况下，超出了一定的速率没有明显效果，故根据实际业务，可以设定最大下行速率限制rmax。对于ωb中即使用b类业务的用户满足以下条件，一个调度周期过后有qm＝qm+rm×tii-μm×tii，qm≤qmax(m)，可得到对应的根据用户可以承受的最大时延，所以当qm为0之后，继续等待dmax(m)时长，等效为qm≥-umdmax(m)，这样可以得到用户下行速率的最小值

最优化问题目标函数中，由式(24)可知，

所以是关于的对数函数，因此是凹函数(concavefunction)；其中是的线性组合，既是凸函数(convexfunction)也是凹函数，即仿射函数(affinefunction)。凹函数和仿射函数的比值是拟凹函数(quasiconcavefunction)。由于和是关于的凹函数，ee是关于的仿射函数，所以约束条件(可行域π是一个凸集(convexset)。从而最优化问题是个拟凹最优化问题(quasiconcaveoptimizationproblem)。

式(28)代表拟凹最优化问题的目标函数具有分式的形式，解决这种问题一种有效方法是将其等效成整式问题，再利用拉格朗日对偶方法(lagrangedualmethod)进行求解。令q^*和分别为问题(28)的最优值以及对应的最优解，即令

有如下命题成立：

证明：

①证明充分性：

假设q^*,p^*分别是原问题(33)的最优值和最优解，则有:

即：

由于

所以且在时达到最大值。

②证明必要性：

假设pm,k(n)^*是等效问题(32)的最优解。则有该最优解pm,k(n)^*对应的最优值为0，即对于有所以有：且

证毕。

所以求解ee的最优解可以等价于求的最大值，由于该问题是凸优化问题，所以利用拉格朗日方程进行求解。

其中，α，γ＝(γ1,γ2,...,γm)，β＝(β1,β2,...,βm)称为拉格朗日乘子。相应的拉格朗日对偶函数为：

则问题(34)的拉格朗日对偶问题是：

其中α，γ,β≥0表示乘子中的每个元素都大于等于零，由于该问题是无约束问题，所以可以直接求导得：

所以

其中(x)⁺＝max(x,0)。接着，为了求解拉格朗日乘子α,γ,β，可以用如下方法进行迭代：

t表示迭代次数，x,y,z,c∈(0,1)。在上述解得α,γ,β和pm,k(n)的基础上，本发明采用二分法求解式(37)的零点。具体算法过程如图3所示：

综上所述，本发明在mimo-ofdma系统的资源分配中，用户选择考虑用户端的缓存容量对于用户选择的影响，提升了能量效率。同时在功率优化中考虑用户端缓存器对用户下行速率的影响，从而进一步提升能量效率。