数据包调度确定方法、装置、设备和存储介质与流程

本申请涉及通信技术领域，具体涉及一种数据包调度确定方法、装置、设备和存储介质。

背景技术：

受工厂自动化、自动驾驶、远程手术、触摸互联网等关键业务的现实需求驱动，超可靠低时延通信(ultra-reliableandlowlatencycommunication，urllc)成为b5g和6g的研究热点之一。

由于严格的低时延要求，在urllc系统中通常只能传输短包，这导致传统的香农容量不再适用于刻画短包下的最大可达速率。其次，由于urllc的业务特性：短包传输、超低时延和超高可靠性，现有的urllc包调度方法算法复杂度高，鲁棒性不佳。

技术实现要素：

本申请提供数据包调度确定数据传输方法、装置、设备和存储介质，以实现最差情况下的鲁棒调度和资源分配。

第一方面，本申请实施例提供一种数据包调度确定方法，包括：

确定约束条件和目标函数,所述约束条件由第一终端和第二终端之间的无线信道的不确定性，有限码长机制下分组包参数确定；

利用非凸惩罚方法ncp和连续逼近算法sca确定所述目标函数的最优解和urllc包调度方案。

第二方面，本申请实施例提供一种数据包调度确定装置，包括：

第一确定模块，被配置为确定约束条件和目标函数,所述约束条件由第一终端和第二终端之间的无线信道的不确定性，有限码长机制下分组包参数确定；

第二确定模块，被配置为利用非凸惩罚方法ncp和连续逼近算法sca确定所述目标函数的最优解和urllc包调度方案。

第三方面，本申请实施例提供一种设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本申请实施例提供的任一项所述的方法。

第四方面，本申请实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本申请实施例提供的任一项所述的方法。

本申请实施例提供的数据包调度确定方法、装置、设备和存储介质，通过确定约束条件和目标函数,所述约束条件由第一终端和第二终端之间的无线信道的不确定性，有限码长机制下分组包参数确定；利用非凸惩罚方法ncp和连续逼近算法sca确定所述目标函数的最优解和urllc包调度方案，实现了最差情况下的鲁棒调度和资源分配。

关于本申请的以上实施例和其他方面以及其实现方式，在附图说明、具体实施方式和权利要求中提供更多说明。

附图说明

图1是本申请实施例提供的一种数据包调度确定方法的流程图；

图2是本申请实施例提供的近似vmnk≈1时准确性示意图；

图3是本申请实施例提供的一种数据包调度确定装置的结构示意图；

图4是本申请实施例提供的一种设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请的技术方案可以应用于ofdm系统下的多种关键业务(mission-criticalapplications)，例如虚拟现实(virtualreality)、增强现实(augmentedreality)、自动驾驶(autonomousvehicles)、远程手术(telesurgery)、触感通信(hapticscommunication)、智能交通系统(intelligenttransportationsystem,its)、工业4.0(industry4.0)等。只要是ofdm系统，均可以采用本申请中所描述的技术方案。

本申请实施例中，基站可以是能和用户终端进行通信的设备。基站可以是任意一种具有无线收发功能的设备。包括但不限于：基站nodeb、演进型基站enodeb、5g通信系统中的基站(gnb)、未来通信系统中的基站、wifi系统中的接入节点、无线中继节点、无线回传节点等。基站还可以是云无线接入网络(cloudradioaccessnetwork，cran)场景下的无线控制器；基站还可以是小站，传输节点(transmissionreferencepoint，trp)等，本申请实施例并不限定。在本申请中以5g基站为例进行说明。

本申请实施例中，用户终端是一种具有无线收发功能的设备可以部署在陆地上，包括室内或室外、手持、穿戴或车载；也可以部署在水面上(如轮船等)；还可以部署在空中(例如飞机、气球和卫星上等)。所述用户终端可以是手机(mobilephone)、平板电脑(pad)、带无线收发功能的电脑、虚拟现实(virtualreality，vr)终端、增强现实(augmentedreality，ar)终端、工业控制(industrialcontrol)中的无线终端、无人驾驶(self-driving)中的无线终端、远程医疗(remotemedical)中的无线终端、智能电网(smartgrid)中的无线终端、运输安全(transportationsafety)中的无线终端、智慧城市(smartcity)中的无线终端、智慧家庭(smarthome)中的无线终端等等。本申请的实施例对应用场景不做限定。用户终端有时也可以称为终端、接入终端、ue单元、ue站、移动站、移动台、远方站、远程终端、移动设备、ue终端、无线通信设备、ue代理或ue装置等。本申请实施例并不限定。

工业4.0的提出，核心是为了通过信息化和智能化促进制造业等实体经济的转型升级和深层结构调整。为了实现这个目标，未来的无线通信系统必须具备多样化的性能以承载各类新兴业务，从而促进工业化和信息化的深度融合。为了满足各种潜在需求，5g系统提出了三类应用场景：增强型移动宽带(enhancedmobilebroadband，embb)提供高速率数据传输，大规模机器类通信(massivemachinetypeofcommunication，mmtc)提供海量连接以支持物联网通信，超可靠低时延通信urllc实现关键业务。

urllc的核心指标是信息的传输可靠性(误包率per或者分组错误概率bler)和端到端传输时延。端到端时延包括空口时延、排队时延、计算/处理时延和重传时延(如果存在重传)。在3gpp框架下，对于一般性业务，urllc的核心指标定义为：在用户面时延1ms内传输32字节的分组包的可靠性达到99.999％。用户面时延定义为分组包从源节点的ip层到目的节点的ip层的单程传输时延。超低时延和超高可靠性的严格需求对5g和5g后的无线通信系统的设计提出了严峻的挑战。降低时延的关键技术包括缩短传输时间间隔tti，如从lte的1ms降低到5g新空口的0.125ms；降低harq往返时延rtt。但是通过增大子载波间隔获得mini-slot，降低了资源块数目会导致数据包的排队时延增大。提高可靠性的技术包括重传harq-cc/harq-ir、多连接技术、网络编码等此外。但是时延和可靠性是一对矛盾的指标，如何进行时延和可靠性的有效折中，也是目前研究的热点。

受工厂自动化、自动驾驶、远程手术、触摸互联网等关键业务的现实需求驱动，超可靠低时延通信(urllc)成为b5g和6g的研究热点之一。由于严格的低时延要求，在urllc系统中通常只能传输短包，这导致传统的香农容量不再适用于刻画短包下的最大可达速率，因此有必要研究有限码长机制下的传输方案设计。其次，由于信道估计误差、量化误差等因素，发射端不可能总是知道完美的信道状态信息(channelstateinformation,csi)。研究最差情况下的鲁棒调度和资源分配更具实际意义。

由于urllc的业务特性：短包传输、超低时延和超高可靠性，现有的urllc包调度方法并不多，而且算法复杂度高，鲁棒性不佳。

在一个实施例中，本申请实施例提供一种数据包调度确定方法，如图1所示，本实施例提供的数据包调度确定方法主要包括步骤s11、s12。

s11、确定约束条件和目标函数,所述约束条件由第一终端和第二终端之间的无线信道的不确定性，有限码长机制下分组包参数确定；

s12、利用非凸惩罚方法ncp和连续逼近算法sca确定所述目标函数的最优解和urllc包调度方案。

在一个示例性的实施方式中，确定约束条件和目标函数，包括如下一种或多种：

确定单天线多用户场景下的约束条件和目标函数；

确定多天线多用户场景下的约束条件和目标函数。

在本实施例中，建模单天线多用户场景和多天线多用户场景下中央控制器和机器人之间无线信道的不确定性、有限码长机制下分组包的可达速率以及分组包的时延、可靠性和目标比特数要求，所考虑的目标函数为工业界所关注的控制器的总加权发送功耗最小化问题。

利用变量替换、透视变换、一阶泰勒近似等凸优化技巧对问题进行转化，提出非凸惩罚方法ncp解决范数约束，设计鲁棒urllc包调度设计方案；

提出基于ncp的连续凸近似sca迭代算法求解该场景下的urllc包调度的问题，并通过仿真将ncp方法与经典的加权方法进行性能对比。

在一个示例性的实施方式中，所述分组包参数包括如下一个或多个：

分组包的可达速率，分组包的传输时延，分组包的可靠性，分组包的目标比特数。

在一个示例性的实施方式中，所述目标函数包括：第一终端满足系统中所有第二终端传输任务要求所需的最小加权和功率；在非完美csi和有限码长机制下第一终端实现最小化功率消耗的资源调度方案；

其中，所述传输任务要求是指第一终端在dk个ofdm符号内以分组错误概率εk将目标数据比特数为bk的控制命令包发给第k个第二终端，k是第二终端的数目，k是1-k之间的任意整数。

在一个示例性的实施方式中，所述单天线多用户场景下的目标函数是：

其中，ptot1是单天线多用户场景下第一终端满足所有第二终端完成传输任务所需的加权和发送功率，k是第二终端的数目，m是可调度的资源块rb的数目，n是可调度的ofdm符号的数目，φmnk是分配标识，若第m个rb第n个ofdm符号分配给第k个第二终端，则φmnk＝1，ωmnk是第k个第二终端在第m个rb第n个ofdm符号上传输时所占的权重，pmnk是在第m个rb第n个ofdm符号上分配给第k个第二终端的发送功率。

在一个示例性的实施方式中，所述单天线多用户场景下的约束条件包括如下一个或多个：

第k个第二终端最差情况下的最大接收比特数大于或等于第k个第二终端的目标数据比特数bk；

任意一个rb最多分配给一个第二终端；

当第m个rb上分配给第k个第二终端的ofdm符号编号大于目标ofdm符号数目dk时，分配标识φmnk置零；即超过第k个第二终端的时延要求dk时不分配资源。

在第m个rb第n个ofdm符号上分配给第k个第二终端的发送功率pmnk为非负功率，且在第m个rb第n个ofdm符号上分配给第k个第二终端的发送功率pmnk小于或等于分配标识与最大约束功率的乘积。即φmnk＝0时，pmnk＝0；φmnk＝1时，有最大发送功率约束。

在一个示例性的实施方式中，所述单天线多用户场景下的约束条件数学：

其中，rk是第k个第二终端最差情况下的最大接收比特数，bk是第k个第二终端的目标数据比特数，φmnk是分配标识，若第m个rb第n个ofdm符号分配给第k个第二终端，则φmnk＝1，k是第二终端的数目，dk是第k个第二终端的第k个第二终端的时延要求，pmnk是在第m个rb第n个ofdm符号上分配给第k个第二终端的发送功率，pmax是最大约束功率。

在一个示例性的实施方式中，所述单天线多用户场景下，所述第k个第二终端最差情况下的最大接收比特数rk由分配标识φmnk，第k个机器人的最差接收信噪比ρmnk，和无线信道色散vmnk确定。

在一个示例性的实施方式中，所述单天线多用户场景下，所述第k个第二终端最差情况下的最大接收比特数rk为：

其中，q^-1(εk)是的逆，vmnk是无线信道色散。

在一个示例性的实施方式中，所述单天线多用户场景下，第k个机器人的最差接收信噪比ρmnk为：

其中，αk是第k个机器人的大尺度信道增益，是第一终端和第k个第二终端在第m个rb第n个ofdm符号上传输的信道估计，emnk表示信道估计误差，δmnk表示信道不确定性区域的界限，σ²是加性高斯白噪声的功率，pmnk是在第m个rb第n个ofdm符号上分配给第k个第二终端的发送功率。最优的可通过等价问题

s.t.|emnk|≤δmnk.

利用(karush–kuhn–tucker)kkt条件容易得出因此第k个机器人的接收snr可改写为

ρmnk＝gmnkpmnk,其中

在单天线多用户场景下，考虑智能工厂中有1个中央控制器，k个机器人，控制器和所有机器人都配备单天线。控制器要在dk个ofdm符号内以分组错误概率εk将数据比特数为bk的控制命令包发给第k个机器人(k＝1,…,k)。假设控制器已知所有机器人的传输任务要求根据ts38.211中5gnr物理资源块的定义，基本的资源调度单元是一个资源块rb，其由频域上12个连续的子载波和时域上1个ofdm符号组成。定义可调度的资源块rbs数目为m,可调度的ofdm符号数目为n。因为一个分组包可以在多个rbs上传输，定义二进制变量φmnk∈{0,1}表示rb映射，若第m个rb第n个ofdm符号分配给第k个机器人，则φmnk＝1，否则φmnk＝0。假设每个rb最多分配给一个机器人，则

假设准静态块衰落信道即在每个相干块上信道保持不变，在不同的相干块上信道独立变化。但由于实际限制，例如csi估计误差、量化误差和csi反馈时延，在发射机侧获得完美的csi通常是不可能的，尤其对于关键业务成立。因为关键业务中传输时间间隔tti变得很短，用于信道估计的时间受限于数据传输时间而变得非常短不足以进行精确的信道估计。这里采用有界csi估计误差模型来刻画信道的不确定性。控制器和第k个机器人在第m个rb第n个ofdm符号上传输的实际信道表示为

其中表示信道估计，emnk表示信道估计误差，δmnk表示信道不确定性区域的界。

在这个有界csi估计误差模型下，第k个机器人的最差接收信噪比snr表示为

其中αk表示第k个机器人的大尺度信道增益，pmnk表示在第m个rb第n个ofdm符号上传输时分配给第k个机器人的发送功率，σ²是加性高斯白噪声的功率。通过kkt条件容易得出因此第k个机器人的接收snr可改写为

ρmnk＝gmnkpmnk,(4)

其中

由于urllc系统具有超低时延要求，通常传输短包，这使得传统的香农容量公式不再适用于刻画urllc系统的最大可达速率。y.polyanskiy等提出了一个适用于有限码长机制下无干扰平坦衰落信道的容量公式，它刻画了传输时延、译码错误概率和可达速率之间的关系。后来这个容量公式被扩展到其他信道，包括衰落信道。这里，考虑联合编码方案即每个用户的分组包在所有调用的rbs上联合编码。因此，第k个机器人最差情况下的最大接收比特数可近似刻画为

其中q^-1(·)是的逆，是信道色散。

注意这里采用近似vmnk≈1，这种近似方法在接收snr高于3db时足够准确，并且这个条件在urllc场景中几乎成立。如图2所示，图中为channeluse为120，译码错误概率为ε＝10^-6下的可达速率。

感兴趣的问题是：(1)控制器需要多少功率才能支持系统中所有机器人要求为的传输任务；(2)在非完美csi和有限码长机制下控制器如何进行资源调度才能最小化功率消耗，从而最大化能效。基于此，urllc包的鲁棒调度和资源分配以最小化控制器总的发送功率的优化问题可建模如下

(6b)保证了第k个机器人的的目标负载要求bk(k＝1,…,k)，约束(6c)和(6d)要求任一个rb最多分配一个机器人，约束(6e)反映了各个机器人的时延要求，约束(6f)是非负功率和最大功率约束，并要求φmnk＝0时pmnk＝0，符号工程实际。

注意到问题(6)的目标函数中存在乘积项φmnkpmnk，对约束(6b)和(6f)做出如下变换

因此，原问题(6)可改写为

引理1：如果问题(9)是可行的，那么问题(6)的最优解也是问题(9)的最优解，并且可以通过问题(9)的解恢复出来。

证明：注意由于约束(6f)和(9f)不同，问题(9)的可行集要比问题(6)大。具体地，当φmnk＝0时，约束(6f)意味着pmnk＝0，而约束(9f)意味着pmnk可以取任何值；当φmnk＝1时，约束(6f)和(9f)是等价的。因此可以得出结论：如果问题(9)是可行的，问题(6)的最优解也是问题(9)的最优解，并且可以通过问题(9)的解恢复出来。具体地，基于问题(9)的解，令φmnk＝0时的pmnk＝0，则可以恢复原问题(6)的解。

接下来着手求解问题(9)。引入松弛变量替代φmnkpmnk，问题(9)可改写为

约束(10b)左侧是凹函数之差的形式(左侧第一项由透视函数保凹性可以判断是凹函数)，因此约束(10b)是一个非凸约束。通过对做一阶泰勒近似，可以得到其局部紧的上界其中是xk在第i次迭代时的值。基于一阶泰勒近似，约束(10b)可转化成以下的凸约束

二进制变量的存在使得问题难解。处理方法是先将其放松为[0,1]的连续变量，又考虑到任意一个rb最多分配给1个机器人，故添加约束

保证稀疏解，其中定义为φmn＝[φmn1,…,φmnk]^t。对于范数约束，经典的方法是采用加权方法来处理。具体地，在每次迭代中将范数近似为加权范数，即

其中是第i次迭代时的对角权重矩阵，对角线上元素为在每次迭代后，更新为作为下一次迭代的初始值，其中ξ＞0是某个较小的数。因此，通过加权方法，可以将近似为凸约束基于上述的加权方法，问题(10)可近似为如下的凸问题

本申请中，采用非凸惩罚方法ncp来处理范数以获得稀疏调度解。理论如下：对任意向量它至多只有一个非零元素当且仅当

‖x‖a＝‖x‖b,1≤a＜b,(15)

‖·‖a、‖·‖b分别表示范数、范数。不失一般性，有以下结论

其中v＞0是幂指数。因此范数约束(12)可改写成以下等价形式

通常，对满足1≤a＜b的任意a,b都成立。这里考虑光滑惩罚a＝1,b＝2,v＝2。为了使φmn最多只有一个非零元素，在目标函数中加入惩罚项

其中λ＞0是惩罚因子。注意惩罚函数是凸函数之差的形式，为了使得目标函数变为凸函数，对凸函数进行一阶泰勒近似，变成

其中是φmn在第i次迭代时的值。因此惩罚项可对应近似为

基于上述的ncp方法，可以得到如下的惩罚凸问题

在一个实施例中，单天线多用户场景下，基于加权的sca迭代算法如下：

algorithm1:reweightedbasedscaiterativealgorithmforsolvingproblem(6)

1:initializeiterationindexi＝1,powerweightsωmnk,feasiblesetinitialweightsinreweightedastolerance∈＞0.

2:calculateforallk.

3:repeat

4:obtainbysolving(14)andrestore

5:update

6:update

7:update

8:seti＝i+1.

9:until

10:outputφmnkandforallm,n,k.

基于ncp的sca迭代算法如下：

algorithm2:ncpbasedscaiterativealgorithmforsolvingproblem(6)

1:initializeiterationindexi＝1,powerweightsωmnk,feasibleinitialpenaltyλ⁰＞1,η＞1,tolerance∈＞0.

2:calculateforallk.

3:repeat

4:obtainbysolving(21)andrestore

5:update

6:update

7:updateλ⁽ⁱ⁾＝ηλ^(i-1).

8:seti＝i+1.

9:until

10:outputφmnkandforallm,n,k.

在一个示例性的实施方式中，所述多天线多用户场景下的目标函数包括：

其中，ptot2是多天线多用户场景下第一终端满足所有第二终端完成传输任务所需的加权和发送功率，是二进制调度变量集合，是发射波束赋形向量集合，k是第二终端的数目，m是可调度的资源块rb的数目，n是可调度的ofdm符号的数目，φmnk是分配标识，若第m个rb第n个ofdm符号分配给第k个第二终端，则φmnk＝1，ωmnk是第k个第二终端在第m个rb第n个ofdm符号上传输时所占的权重，表示发射波束赋形向量wmnk的范数的平方，即在第m个rb第n个ofdm符号上指向第k个第二终端的发射波束的发送功率。

在一个示例性的实施方式中，所述多天线多用户场景下的约束条件包括如下一个或多个：

第k个第二终端最差情况下的最大接收比特数大于或等于第k个第二终端的目标数据比特数bk；

任意一个rb最多分配给一个第二终端；

当第m个rb上分配给第k个第二终端的ofdm符号编号大于目标ofdm符号数目dk时，分配标识φmnk置零；即超过第k个第二终端的时延要求dk时不分配资源。

在第m个rb第n个ofdm符号上分配给第k个第二终端的发射波束功率小于或等于分配标识与最大约束功率的乘积。即φmnk＝0时，pmnk＝0；φmnk＝1时，有最大发送功率约束。

在一个示例性的实施方式中，所述多天线多用户场景下的约束条件包括如下一个或多个：

其中，rk是第k个第二终端最差情况下的最大接收比特数，bk是第k个第二终端的目标数据比特数，φmnk是分配标识，若第m个rb第n个ofdm符号分配给第k个第二终端，则φmnk＝1，k是第二终端的数目，dk是第k个第二终端的第k个第二终端的时延要求，wmnk是在第m个rb第n个ofdm符号上分配给第k个第二终端的发射波束赋形向量，pmax是最大约束功率。

在一个示例性的实施方式中，所述多天线多用户场景下，所述第k个第二终端最差情况下的最大接收比特数rk为：

其中，q^-1(εk)是的逆，vmnk是无线信道色散。

在一个示例性的实施方式中，所述多天线多用户场景下，第k个机器人的最差接收信噪比ρmnk为：

其中，emnk表示位于有界集合中的信道估计误差，是第一终端和第k个第二终端在第m个rb第n个ofdm符号上传输的信道估计，δmnk表示信道不确定性区域的界限。

在一个示例性的实施方式中，利用非凸惩罚方法ncp和连续逼近算法sca确定所述目标函数的最优解和urllc包调度方案，包括：

利用变量替换、透视变换、一阶泰勒近似变换、ncp方法对所述约束条件和所述目标函数进行处理，得到惩罚凸问题；

求解所述惩罚凸问题得到所述目标函数的最优解和urllc包调度方案。

在一个示例性的实施方式中，利用变量替换、透视变换、一阶泰勒近似变换、ncp方法对所述约束条件和所述目标函数进行处理得到惩罚凸问题，包括：

利用变量替换、透视变换、一阶泰勒近似变换将目标比特数约束条件近似为凸约束条件；

对表示资源块映射的二进制指示变量进行松弛，同时添加-范数约束以保证每个资源块调用的稀疏性。其中，新增约束为定义为φmn＝[φmn1,…,φmnk]^t；

采用非凸惩罚方法ncp来处理范数约束以获得稀疏调度解，具体地，在目标函数中增加惩罚项其中λ＞0是惩罚因子。

所述惩罚项为凸函数-凸函数的形式，是非凸函数，对其进行一阶泰勒近似，可将非凸惩罚项近似为凸函数此时目标函数和所有约束均为凸约束，得到惩罚凸问题。

在多天线多用户场景下，考虑智能工厂中有1个配备了nt根天线的中央控制器，k个配备单天线的机器人。控制器要在dk个ofdm符号内以分组错误概率εk将数据比特数为bk的控制命令包发给第k个机器人(k＝1,…,k)。假设控制器已知所有机器人的传输任务要求根据ts38.211中5gnr物理资源块的定义，基本的资源调度单元是一个资源块rb，其由频域上12个连续的子载波和时域上1个ofdm符号组成。定义可调度的资源块rbs数目为m,可调度的ofdm符号数目为n。因为一个分组包可以在多个rbs上传输，定义二进制变量φmnk∈{0,1}表示rb映射，若第m个rb第n个ofdm符号分配给第k个机器人，则φmnk＝1，否则φmnk＝0。假设每个rb最多分配给一个机器人，则

假设准静态块衰落信道，第k个机器人在第m个rb第n个ofdm符号上传输的接收信号为

其中为控制器和第k个机器人在第m个rb第n个ofdm符号上传输时的信道，是发射波束赋形向量，dmnk是独立归一化的复数据信号，zmnk是零均值方差为σ²的循环对称复高斯噪声。

但由于实际限制如信道不匹配、量化误差等，在中央控制器处通常无法获得完美csi。尤其是对于关键业务，tti很短，用于信道估计的时间严格受限。在此情况下，信道hmnk可建模为

其中表示信道估计，emnk表示位于有界集合中的信道估计误差。

在这个有界csi估计误差模型下，如果第k个机器人的分组包是在第m个rb第n个ofdm符号上传输，则第k个机器人的最差接收snr为

urllc系统的典型特征：短包传输、超低时延、超高可靠性。polyanskiy-poor-verdubound是一个紧的高斯近似，用来刻画有限码长awgn信道条件下短包的最大可达速率。后来这个bound被推广到衰落信道。基于这个容量界和联合编码方案，第k个机器人最差情况下的最大接收比特数可近似刻画为

其中q^-1(·)是的逆，是信道色散。基于以下两点考虑采用近似方法vmnk≈1：(1)vmnk≈1在接收snr足够高时(例如3db)足够准确，urllc场景基本满足这个条件，并且很多当前研究工作中都采用了这个近似方法；(2)这个近似实际上是寻找rk的下界，是一个更严格的要求。

关注的问题是有限码长机制下的鲁棒资源调度和发射波束赋形设计问题。目标是在非完美csi和有限码长机制下最小化控制器总的发送功率，同时保证所有机器人特定qos要求优化问题可建模如下：

其中是二进制调度变量集合，是波束赋形向量集合。约束(6b)意味着对于所有可能的csi误差，任意机器人k接收的数据比特数rk都要达到目标负载要求bk比特数，约束(6c)和(6d)要求任一个rb最多分配一个机器人，约束(6e)反映了各个机器人的时延要求，约束(6f)是最大功率约束并保证了如果φmnk＝0时对应的波束赋形向量的功率为0。

考虑到在问题p1中变量φmnk和wmnk耦合在一起，引入松弛变量smnk替换φmnkwmnk。因此最大接收比特数rk可改写为

其中以及

因此，中央控制器的总发送功率可表示为

基于上面的变换，问题p1可等价表示为

其中

现在问题p2的关键挑战是解决(10b)的无数个严格非凸约束和二进制变量约束(10c)。

首先，对于给定的csi估计误差集合约束(10b)难以处理。注意到在上严格单调增。因此标准求解方法是引入一个辅助变量作为的下界，运用s-procedure将该约束等价转换为线性不等式lmi约束，通过sca和sdr(semidefiniterelaxation)等方法将原问题转化为sdp(semidefiniteprogram)问题。但这种方法具有众所周知的一个问题就是sdp问题求解复杂度很高。在本发明中，通过利用每个机器人发射波束赋形向量设计的独立性的性质，将波束赋形设计简化为功率控制。具体由引理2给出。引理2：问题p2中最差情况下的和最优的可由下式给出

和其中pmnk≥0是对应波束smnk的功率，

证明：由公式(7)容易得出在上严格单调增，则对任意的波束smnk有则问题p2的最优波束可以设计为最大化最差情况下的snr，即对所有m,n,k,

基于max-minproperty，有

其中(14a)当且仅当时成立，(14b)当且仅当时成立。由此很容易得出问题(13)在和时等号成立。

因此，考虑p2的等价问题

其中是功率的集合，

约束(15b)左侧是凹函数之差的形式(左侧第一项由透视函数保凹性可以判断是凹函数)，因此约束(15b)是一个非凸约束。通过对做一阶泰勒近似，可以得到其局部紧的上界其中是lk在第i次迭代时的值。基于一阶泰勒近似，约束(15b)可转化成以下的凸约束

接下来解决二进制变量处理方法是先将其放松为[0,1]的连续变量，又考虑到任意一个rb最多分配给1个机器人，故添加约束

保证稀疏解，其中定义为φmn＝[φmn1,…,φmnk]^t。对于范数约束，经典的方法是采用加权方法来处理。具体地，在每次迭代中将范数近似为加权范数，即

其中是第i次迭代时的对角权重矩阵，对角线上元素为在每次迭代后，更新为作为下一次迭代的初始值，其中ξ＞0是某个较小的数。因此，通过加权方法，可以将近似为凸约束基于上述的加权方法，p3问题可近似为如下的凸问题

本发明中，采用非凸惩罚方法ncp来处理范数以获得稀疏调度解。理论如下：对任意向量它至多只有一个非零元素当且仅当

‖x‖a＝‖x‖b,1≤a＜b,(20)

‖·‖a、‖·‖b分别表示范数、范数。不失一般性，有以下结论

其中v＞0是幂指数。因此范数约束(17)可改写成以下等价形式

通常，对满足1≤a＜b的任意a,b都成立。这里考虑光滑惩罚a＝1,b＝2,v＝2。为了使φmn最多只有一个非零元素，在目标函数中加入惩罚项

其中λ＞0是惩罚因子。注意惩罚函数是凸函数之差的形式，为了使得目标函数变为凸函数，对凸函数进行一阶泰勒近似，变成

其中是φmn在第i次迭代时的值。因此惩罚项可对应近似为

基于上述的ncp方法，可以得到如下的惩罚凸问题

在一个实施例中，多天线多用户场景下，基于加权的sca迭代算法如下：

algorithm1:reweightedbasedscaiterativealgorithmforsolvingproblemp1

1:initializeiterationindexi＝1,powerweightsωmnk,feasiblesetinitialweightsinreweightedastolerance∈＞0.

2:calculateforallk.

3:repeat

4:obtain{φmnk,pmnk}bysolvingp4-rl1andrestore

5:update

6:update

7:update

8:seti＝i+1.

9:until

10:outputφmnkandpmnkforallm,n,k.

基于ncp的sca迭代算法如下：

algorithm2:ncpbasedscaiterativealgorithmforsolvingproblemp1

1:initializeiterationindexi＝1,powerweightsωmnk,feasibleinitialpenaltyλ⁰＞1,η＞1,tolerance∈＞0.

2:calculateforallk.

3:repeat

4:obtain{φmnk,pmnk}bysolvingp4-ncpandrestore

5:update

6:update

7:updateλ⁽ⁱ⁾＝ηλ^(i-1).

8:seti＝i+1.

9:until

10:outputφmnkandpmnkforallm,n,k.

本申请实施例主要提供垂直行业例如工厂自动化、自动驾驶等场景提供urllc包调度的方法。包括：1)建模单天线多用户场景和多天线多用户场景下中央控制器和机器人之间无线信道的不确定性、有限码长机制下分组包的可达速率以及分组包的时延、可靠性和目标比特数要求，所考虑的目标函数为工业界所关注的控制器的总发送功耗最小化问题；2)利用变量替换、透视变换、一阶泰勒近似等凸优化技巧对问题进行转化，提出非凸惩罚方法ncp解决范数约束，设计鲁棒urllc包调度设计方案；3)提出基于ncp的连续凸近似sca迭代算法求解该场景下的urllc包调度的问题，并通过仿真将ncp方法与经典的加权方法进行性能对比。仿真结果表明，本申请提出的基于ncp的sca迭代算法在算法的鲁棒性、迭代速度等方面要优于加权方法。同时ncp方法在稀疏信号恢复、图像处理等领域具有良好的性能和广泛的适用性。

在一个应用性的实施例中，提供一种单天线多用户场景下基于ncp的urllc包调度方法。

考虑智能工厂中有1个中央控制器，k个机器人，控制器和所有机器人都配备单天线。控制器要在dk个ofdm符号内以分组错误概率εk将数据比特数为bk的控制命令包发给第k个机器人(k＝1,…,k)。假设控制器已知所有机器人的传输任务要求根据ts38.211中5gnr物理资源块的定义，基本的资源调度单元是一个资源块rb，其由频域上12个连续的子载波和时域上1个ofdm符号组成。定义可调度的资源块rbs数目为m,可调度的ofdm符号数目为n。因为一个分组包可以在多个rbs上传输，定义二进制变量φmnk∈{0,1}表示rb映射，若第m个rb第n个ofdm符号分配给第k个机器人，则φmnk＝1，否则φmnk＝0。假设每个rb最多分配给一个机器人，则

假设准静态块衰落信道即在每个相干块上信道保持不变，在不同的相干块上信道独立变化。但由于实际限制，例如csi估计误差、量化误差和csi反馈时延，在发射机侧获得完美的csi通常是不可能的，尤其对于关键业务成立。因为关键业务中传输时间间隔tti变得很短，用于信道估计的时间受限于数据传输时间而变得非常短不足以进行精确的信道估计。这里采用有界csi估计误差模型来刻画信道的不确定性。控制器和第k个机器人在第m个rb第n个ofdm符号上传输的实际信道表示为

其中表示信道估计，emnk表示信道估计误差，δmnk表示信道不确定性区域的界。

在这个有界csi估计误差模型下，第k个机器人的最差接收信噪比snr表示为

其中，αk表示第k个机器人的大尺度信道增益，pmnk表示在第m个rb第n个ofdm符号上传输时分配给第k个机器人的发送功率，σ²是加性高斯白噪声的功率。通过kkt条件容易得出因此第k个机器人的接收snr可改写为

ρmnk＝gmnkpmnk,(4)

其中

由于urllc系统具有超低时延要求，通常传输短包，这使得传统的香农容量公式不再适用于刻画urllc系统的最大可达速率。y.polyanskiy等提出了一个适用于有限码长机制下无干扰平坦衰落信道的容量公式，它刻画了传输时延、译码错误概率和可达速率之间的关系。后来这个容量公式被扩展到其他信道，包括衰落信道。这里，考虑联合编码方案即每个用户的分组包在所有调用的rbs上联合编码。因此，第k个机器人最差情况下的最大接收比特数可近似刻画为

其中q^-1(·)是的逆，是信道色散。注意这里采用近似vmnk≈1，这种近似方法在接收snr高于3db时足够准确，并且这个条件在urllc场景中几乎成立。

感兴趣的问题是：(1)控制器需要多少功率才能支持系统中所有机器人要求为的传输任务；(2)在非完美csi和有限码长机制下控制器如何进行资源调度才能最小化功率消耗，从而最大化能效。基于此，urllc包的鲁棒调度和资源分配以最小化控制器总的发送功率的优化问题可建模如下

(6b)保证了第k个机器人的的目标负载要求bk(k＝1,…,k)，约束(6c)和(6d)要求任一个rb最多分配一个机器人，约束(6e)反映了各个机器人的时延要求，约束(6f)是非负功率和最大功率约束，并要求φmnk＝0时pmnk＝0，符号工程实际。

注意到问题(6)的目标函数中存在乘积项φmnkpmnk，对约束(6b)和(6f)做出如下变换

因此，原问题(6)可改写为

引理1：如果问题(9)是可行的，那么问题(6)的最优解也是问题(9)的最优解，并且可以通过问题(9)的解恢复出来。

证明：注意由于约束(6f)和(9f)不同，问题(9)的可行集要比问题(6)大。具体地，当φmnk＝0时，约束(6f)意味着pmnk＝0，而约束(9f)意味着pmnk可以取任何值；当φmnk＝1时，约束(6f)和(9f)是等价的。因此可以得出结论：如果问题(9)是可行的，问题(6)的最优解也是问题(9)的最优解，并且可以通过问题(9)的解恢复出来。具体地，基于问题(9)的解，令φmnk＝0时的pmnk＝0，则可以恢复原问题(6)的解。

接下来着手求解问题(9)。引入松弛变量替代φmnkpmnk，问题(9)可改写为

约束(10b)左侧是凹函数之差的形式(左侧第一项由透视函数保凹性可以判断是凹函数)，因此约束(10b)是一个非凸约束。通过对做一阶泰勒近似，可以得到其局部紧的上界其中是xk在第i次迭代时的值。基于一阶泰勒近似，约束(10b)可转化成以下的凸约束

二进制变量的存在使得问题难解。处理方法是先将其放松为[0,1]的连续变量，又考虑到任意一个rb最多分配给1个机器人，故添加约束

保证稀疏解，其中定义为φmn＝[φmn1,…,φmnk]^t。对于范数约束，经典的方法是采用加权方法来处理。具体地，在每次迭代中将范数近似为加权范数，即

其中是第i次迭代时的对角权重矩阵，对角线上元素为在每次迭代后，更新为作为下一次迭代的初始值，其中ζ＞0是某个较小的数。因此，通过加权方法，可以将近似为凸约束基于上述的加权方法，问题(10)可近似为如下的凸问题

本发明中，采用非凸惩罚方法ncp来处理范数以获得稀疏调度解。理论如下：对任意向量它至多只有一个非零元素当且仅当

‖x‖a＝‖x‖b,1≤a＜b,(15)

‖·‖a、‖·‖b分别表示范数、范数。不失一般性，有以下结论

其中v＞0是幂指数。因此范数约束(12)可改写成以下等价形式

通常，对满足1≤a＜b的任意a,b都成立。这里考虑光滑惩罚a＝1,b＝2,v＝2。为了使φmn最多只有一个非零元素，在目标函数中加入惩罚项

其中λ＞0是惩罚因子。注意惩罚函数是凸函数之差的形式，为了使得目标函数变为凸函数，对凸函数进行一阶泰勒近似，变成

其中是φmn在第i次迭代时的值。因此惩罚项可对应近似为

基于上述的ncp方法，可以得到如下的惩罚凸问题

问题(21)是标准的凸优化问题，可用现有的cvx工具根据算法思路编写matlab代码求解该问题(代码要遵循dcp准则集)。由此可以得出该场景下的urllc包调度方案以及控制器要满足所有机器人的qos需求所需的最小发送功率。

在一个应用性的实施例中，提供一种多天线多用户场景下基于ncp的urllc包调度方法。

考虑智能工厂中有1个配备了nt根天线的中央控制器，k个配备单天线的机器人。控制器要在dk个ofdm符号内以分组错误概率εk将数据比特数为bk的控制命令包发给第k个机器人(k＝1,…,k)。假设控制器已知所有机器人的传输任务要求根据ts38.211中5gnr物理资源块的定义，基本的资源调度单元是一个资源块rb，其由频域上12个连续的子载波和时域上1个ofdm符号组成。定义可调度的资源块rbs数目为m,可调度的ofdm符号数目为n。因为一个分组包可以在多个rbs上传输，定义二进制变量φmnk∈{0,1}表示rb映射，若第m个rb第n个ofdm符号分配给第k个机器人，则φmnk＝1，否则φmnk＝0。假设每个rb最多分配给一个机器人，则

假设准静态块衰落信道，第k个机器人在第m个rb第n个ofdm符号上传输的接收信号为

其中为控制器和第k个机器人在第m个rb第n个ofdm符号上传输时的信道，是发射波束赋形向量，dmnk是独立归一化的复数据信号，zmnk是零均值方差为σ²的循环对称复高斯噪声。

但由于实际限制如信道不匹配、量化误差等，在中央控制器处通常无法获得完美csi。尤其是对于关键业务，tti很短，用于信道估计的时间严格受限。在此情况下，信道hmnk可建模为

其中表示信道估计，emnk表示位于有界集合中的信道估计误差。

在这个有界csi估计误差模型下，如果第k个机器人的分组包是在第m个rb第n个ofdm符号上传输，则第k个机器人的最差接收snr为

urllc系统的典型特征：短包传输、超低时延、超高可靠性。polyanskiy-poor-verdubound是一个紧的高斯近似，用来刻画有限码长awgn信道条件下短包的最大可达速率。后来这个bound被推广到衰落信道。基于这个容量界和联合编码方案，第k个机器人最差情况下的最大接收比特数可近似刻画为

其中q^-1(·)是的逆，是信道色散。基于以下两点考虑采用近似方法vmnk≈1：(1)vmnk≈1在接收snr足够高时(例如3db)足够准确，urllc场景基本满足这个条件，并且很多当前研究工作中都采用了这个近似方法；(2)这个近似实际上是寻找rk的下界，是一个更严格的要求。

关注的问题是有限码长机制下的鲁棒资源调度和发射波束赋形设计问题。目标是在非完美csi和有限码长机制下最小化控制器总的发送功率，同时保证所有机器人特定qos要求优化问题可建模如下：

其中是二进制调度变量集合，是波束赋形向量集合。约束(6b)意味着对于所有可能的csi误差，任意机器人k接收的数据比特数rk都要达到目标负载要求bk比特数，约束(6c)和(6d)要求任一个rb最多分配一个机器人，约束(6e)反映了各个机器人的时延要求，约束(6f)是最大功率约束并保证了如果φmnk＝0时对应的波束赋形向量的功率为0。

考虑到在问题p1中变量φmnk和wmnk耦合在一起，引入松弛变量smnk替换φmnkwmnk。因此最大接收比特数rk可改写为

其中以及

因此，中央控制器的总发送功率可表示为

基于上面的变换，问题p1可等价表示为

其中

现在问题p2的关键挑战是解决(10b)的无数个严格非凸约束和二进制变量约束(10c)。

首先，对于给定的csi估计误差集合约束(10b)难以处理。注意到在上严格单调增。因此标准求解方法是引入一个辅助变量作为的下界，运用s-procedure将该约束等价转换为线性不等式lmi约束，通过sca和sdr(semidefiniterelaxation)等方法将原问题转化为sdp(semidefiniteprogram)问题。但这种方法具有众所周知的一个问题就是sdp问题求解复杂度很高。在本发明中，通过利用每个机器人发射波束赋形向量设计的独立性的性质，将波束赋形设计简化为功率控制。具体由引理2给出。引理2：问题p2中最差情况下的和最优的可由下式给出

和

其中pmnk≥0是对应波束smnk的功率，

证明：由公式(7)容易得出在上严格单调增，则对任意的波束smnk有则问题p2的最优波束可以设计为最大化最差情况下的snr，即对所有m,n,k,

基于max-minproperty，有

其中(14a)当且仅当时成立，(14b)当且仅当时成立。由此很容易得出问题(13)在和时等号成立。

因此，考虑p2的等价问题

其中是功率的集合，

约束(15b)左侧是凹函数之差的形式(左侧第一项由透视函数保凹性可以判断是凹函数)，因此约束(15b)是一个非凸约束。通过对做一阶泰勒近似，可以得到其局部紧的上界其中是lk在第i次迭代时的值。基于一阶泰勒近似，约束(15b)可转化成以下的凸约束

接下来解决二进制变量处理方法是先将其放松为[0,1]的连续变量，又考虑到任意一个rb最多分配给1个机器人，故添加约束

保证稀疏解，其中定义为φmn＝[φmn1,…,φmnk]^t。对于范数约束，经典的方法是采用加权方法来处理。具体地，在每次迭代中将范数近似为加权范数，即

其中是第i次迭代时的对角权重矩阵，对角线上元素为在每次迭代后，更新为作为下一次迭代的初始值，其中ξ＞0是某个较小的数。因此，通过加权方法，可以将近似为凸约束基于上述的加权方法，p3问题可近似为如下的凸问题

本发明中，采用非凸惩罚方法ncp来处理范数以获得稀疏调度解。理论如下：对任意向量它至多只有一个非零元素当且仅当

‖x‖a＝‖x‖b,1≤a＜b,(20)

‖·‖a、‖·‖b分别表示范数、范数。不失一般性，有以下结论

其中v＞0是幂指数。因此范数约束(17)可改写成以下等价形式

通常，对满足1≤a＜b的任意a,b都成立。这里考虑光滑惩罚a＝1,b＝2,v＝2。为了使φmn最多只有一个非零元素，在目标函数中加入惩罚项

其中λ＞0是惩罚因子。注意惩罚函数是凸函数之差的形式，为了使得目标函数变为凸函数，对凸函数进行一阶泰勒近似，变成

其中是φmn在第i次迭代时的值。因此惩罚项可对应近似为

基于上述的ncp方法，可以得到如下的惩罚凸问题

问题p4-ncp是标准的凸优化问题，可用现有的cvx工具根据算法思路编写matlab代码求解该问题(代码要遵循dcp准则集)。由此可以得出该场景下的urllc包调度方案以及控制器要满足所有机器人的qos需求所需的最小发送功率。

由上述本发明的实例提供的技术方案结合仿真结果可以看出，本发明实例提出的基于ncp的urllc包调度方法在算法的鲁棒性、迭代速度等方面都要优于经典的加权方法。使用该算法高效得出对应场景下的urllc包调度方案以及控制器要满足所有机器人的qos需求所需的最小发送功率，能很好得适应于具有urllc需求的场景，如增强现实、远程手术、工业物联网、自动驾驶等。

在一个实施例中，本申请实施例提供一种数据包调度确定装置，如图3所示，本实施例提供的数据包调度确定装置主要包括第一确定模块31，第二确定模块32。

第一确定模块31，被配置为确定约束条件和目标函数,所述约束条件由第一终端和第二终端之间的无线信道的不确定性，有限码长机制下分组包参数确定；

第二确定模块32，被配置为利用非凸惩罚方法ncp和连续逼近算法sca确定所述目标函数的最优解和urllc包调度方案。

在一个示例性的实施方式中，确定约束条件和目标函数，包括如下一种或多种：

确定单天线多用户场景下的约束条件和目标函数；

确定多天线多用户场景下的约束条件和目标函数。

在一个示例性的实施方式中，所述分组包参数包括如下一个或多个：

分组包的可达速率，分组包的传输时延，分组包的可靠性，分组包的目标比特数。

在一个示例性的实施方式中，所述目标函数包括：第一终端满足系统中所有第二终端传输任务要求所需的最小加权和功率；在非完美csi和有限码长机制下第一终端实现最小化功率消耗的资源调度方案；

其中，所述传输任务要求是指第一终端在dk个ofdm符号内以分组错误概率εk将目标数据比特数为bk的控制命令包发给第k个第二终端，k是第二终端的数目，k是1-k之间的任意整数。

在一个示例性的实施方式中，所述单天线多用户场景下的目标函数是：

其中，ptot1是单天线多用户场景下第一终端满足所有第二终端完成传输任务所需的加权和发送功率，k是第二终端的数目，m是可调度的资源块rb的数目，n是可调度的ofdm符号的数目，φmnk是分配标识，若第m个rb第n个ofdm符号分配给第k个第二终端，则φmnk＝1，ωmnk是第k个第二终端在第m个rb第n个ofdm符号上传输时所占的权重，pmnk是在第m个rb第n个ofdm符号上分配给第k个第二终端的发送功率。

在一个示例性的实施方式中，所述单天线多用户场景下的约束条件包括如下一个或多个：

第k个第二终端最差情况下的最大接收比特数大于或等于第k个第二终端的目标数据比特数bk；

任意一个rb最多分配给一个第二终端；

当第m个rb上分配给第k个第二终端的ofdm符号编号大于目标ofdm符号数目dk时，分配标识φmnk置零；

在第m个rb第n个ofdm符号上分配给第k个第二终端的发送功率pmnk为非负功率，且在第m个rb第n个ofdm符号上分配给第k个第二终端的发送功率pmnk小于或等于分配标识与最大约束功率的乘积。

在一个示例性的实施方式中，所述单天线多用户场景下的约束条件数学：

其中，rk是第k个第二终端最差情况下的最大接收比特数，bk是第k个第二终端的目标数据比特数，φmnk是分配标识，若第m个rb第n个ofdm符号分配给第k个第二终端，则φmnk＝1，k是第二终端的数目，dk是第k个第二终端的第k个第二终端的时延要求，pmnk是在第m个rb第n个ofdm符号上分配给第k个第二终端的发送功率，pmax是最大约束功率。

在一个示例性的实施方式中，所述单天线多用户场景下，所述第k个第二终端最差情况下的最大接收比特数rk由分配标识φmnk，第k个机器人的最差接收信噪比ρmnk，和无线信道色散vmnk确定。

在一个示例性的实施方式中，所述单天线多用户场景下，所述第k个第二终端最差情况下的最大接收比特数rk为：

其中，q^-1(εk)是的逆，vmnk是无线信道色散。

在一个示例性的实施方式中，所述单天线多用户场景下，第k个机器人的最差接收信噪比ρmnk为：

其中，αk是第k个机器人的大尺度信道增益，是第一终端和第k个第二终端在第m个rb第n个ofdm符号上传输的信道估计，emnk表示信道估计误差，δmnk表示信道不确定性区域的界限，σ²是加性高斯白噪声的功率，pmnk是在第m个rb第n个ofdm符号上分配给第k个第二终端的发送功率。最优的可通过等价问题

s.t.|emnk|≤δmnk.

利用kkt条件容易得出因此第k个机器人的接收snr可改写为

ρmnk＝gmnkpmnk,

其中

在一个示例性的实施方式中，所述多天线多用户场景下的目标函数包括：

其中，ptot2是多天线多用户场景下第一终端满足所有第二终端完成传输任务所需的加权和发送功率，是二进制调度变量集合，是发射波束赋形向量集合，k是第二终端的数目，m是可调度的资源块rb的数目，n是可调度的ofdm符号的数目，φmnk是分配标识，若第m个rb第n个ofdm符号分配给第k个第二终端，则φmnk＝1，ωmnk是第k个第二终端在第m个rb第n个ofdm符号上传输时所占的权重，表示发射波束赋形向量wmnk的-范数的平方，即在第m个rb第n个ofdm符号上指向第k个第二终端的发射波束的发送功率。

在一个示例性的实施方式中，所述多天线多用户场景下的约束条件包括如下一个或多个：

第k个第二终端最差情况下的最大接收比特数大于或等于第k个第二终端的目标数据比特数bk；

任意一个rb最多分配给一个第二终端；

当第m个rb上分配给第k个第二终端的ofdm符号编号大于目标ofdm符号数目dk时，分配标识φmnk置零；

在第m个rb第n个ofdm符号上分配给第k个第二终端的发射波束功率小于或等于分配标识与最大约束功率的乘积。

在一个示例性的实施方式中，所述多天线多用户场景下的约束条件包括如下一个或多个：

其中，rk是第k个第二终端最差情况下的最大接收比特数，bk是第k个第二终端的目标数据比特数，φmnk是分配标识，若第m个rb第n个ofdm符号分配给第k个第二终端，则φmnk＝1，k是第二终端的数目，dk是第k个第二终端的第k个第二终端的时延要求，wmnk是在第m个rb第n个ofdm符号上分配给第k个第二终端的发射波束赋形向量，pmax是最大约束功率。

在一个示例性的实施方式中，所述多天线多用户场景下，所述第k个第二终端最差情况下的最大接收比特数rk为：

其中，q^-1(εk)是的逆，vmnk是无线信道色散。

在一个示例性的实施方式中，所述多天线多用户场景下，第k个机器人的最差接收信噪比ρmnk为：

其中，emnk表示位于有界集合中的信道估计误差，是第一终端和第k个第二终端在第m个rb第n个ofdm符号上传输的信道估计，δmnk表示信道不确定性区域的界限。

在一个示例性的实施方式中，利用非凸惩罚方法ncp和连续逼近算法sca确定所述目标函数的最优解和urllc包调度方案，包括：

利用变量替换、透视变换、一阶泰勒近似变换、ncp方法对所述约束条件和所述目标函数进行处理，得到惩罚凸问题；

求解所述惩罚凸问题得到所述目标函数的最优解和urllc包调度方案。

在一个示例性的实施方式中，利用变量替换、透视变换、一阶泰勒近似变换、ncp方法对所述约束条件和所述目标函数进行处理得到惩罚凸问题，包括：

利用变量替换、透视变换、一阶泰勒近似变换将目标比特数约束条件近似为凸约束条件；

对表示资源块映射的二进制指示变量进行松弛，同时添加-范数约束以保证每个资源块调用的稀疏性。其中，新增约束为定义为φmn＝[φmn1,…,φmnk]^t；

采用非凸惩罚方法ncp来处理-范数约束以获得稀疏调度解，具体地，在目标函数中增加惩罚项其中λ＞0是惩罚因子。

所述惩罚项为凸函数-凸函数的形式，是非凸函数，对其进行一阶泰勒近似，可将非凸惩罚项近似为凸函数此时目标函数和所有约束均为凸约束，得到惩罚凸问题。

本实施例中提供的数据包调度确定装置可执行本发明任意实施例所提供的数据包调度确定方法，具备执行该方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的数据包调度确定方法。

值得注意的是，上述数据包调度确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。

本申请实施例还提供一种设备，图4是本申请实施例提供的一种设备的结构示意图，如图4所示，该设备包括处理器41、存储器42、输入装置43、输出装置44和通信装置45；设备中处理器41的数量可以是一个或多个，图4中以一个处理器41为例；设备中的处理器41、存储器42、输入装置43和输出装置44可以通过总线或其他方式连接，图4中以通过总线连接为例。

存储器42作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块。处理器41通过运行存储在存储器42中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现本申请实施例提供的任一方法。

存储器42可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器42可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器42可进一步包括相对于处理器41远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置43可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置44可包括显示屏等显示设备。

通信装置45可以包括接收器和发送器。通信装置45设置为根据处理器41的控制进行信息收发通信。

在一个示例性的实施方式中，本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种数据包调度确定方法，包括：

确定约束条件和目标函数,所述约束条件由第一终端和第二终端之间的无线信道的不确定性，有限码长机制下分组包参数确定；

利用非凸惩罚方法ncp和连续逼近算法sca确定所述目标函数的最优解和urllc包调度方案。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本申请任意实施例所提供的数据包调度确定方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的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，如计算机的软盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

以上所述，仅为本申请的示例性实施例而已，并非用于限定本申请的保护范围。

本领域内的技术人员应明白，术语用户终端涵盖任何适合类型的无线用户设备，例如移动电话、便携数据处理装置、便携网络浏览器或车载移动台。

一般来说，本申请的多种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如，一些方面可以被实现在硬件中，而其它方面可以被实现在可以被控制器、微处理器或其它计算装置执行的固件或软件中，尽管本申请不限于此。

本申请的实施例可以通过移动装置的数据处理器执行计算机程序指令来实现，例如在处理器实体中，或者通过硬件，或者通过软件和硬件的组合。计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码。

本申请附图中的任何逻辑流程的框图可以表示程序步骤，或者可以表示相互连接的逻辑电路、模块和功能，或者可以表示程序步骤与逻辑电路、模块和功能的组合。计算机程序可以存储在存储器上。存储器可以具有任何适合于本地技术环境的类型并且可以使用任何适合的数据存储技术实现，例如但不限于只读存储器(rom)、随机访问存储器(ram)、光存储器装置和系统(数码多功能光碟dvd或cd光盘)等。计算机可读介质可以包括非瞬时性存储介质。数据处理器可以是任何适合于本地技术环境的类型，例如但不限于通用计算机、专用计算机、微处理器、数字信号处理器(dsp)、专用集成电路(asic)、可编程逻辑器件(fgpa)以及基于多核处理器架构的处理器。

通过示范性和非限制性的示例，上文已提供了对本申请的示范实施例的详细描述。但结合附图和权利要求来考虑，对以上实施例的多种修改和调整对本领域技术人员来说是显而易见的，但不偏离本发明的范围。因此，本发明的恰当范围将根据权利要求确定。