一种面向用户分级的无线组播联合资源分配方法与流程

本发明涉及无线通信技术领域，特别涉及MIMO-OFDM(Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing)系统中组播自适应资源分配技术。

背景技术：

下一代网络有望以不同的QoS(Quality of Service)要求提供宽带多媒体业务如语音，网络检索，视频会议等。无线网络组播业务是一个重要的并且具有挑战力的目标——面向多媒体应用诸如音频/视频剪辑，移动电视和互动游戏等。在无线多媒体通信中有两种重要的业务，即单播业务和组播业务。传统的研究方向主要聚焦在单播业务上。特别地，动态资源分配已被认为是单播无线网络中用以取得更好的QoS和更高的系统频谱效率的最有效的方法之一。现在人们的研究兴趣逐渐扩展到了对组播业务的支持上来。

与单播业务相比，组播业务能够极大地提高资源的利用率，特别是对于多媒体应用。为了提高资源利用效率，一个组播组中在同一小区的用户可以共享相同的无线资源。在多载波系统中，比如OFDMA(Orthogonal Frequency Division Multiple Access)，子信道的分配是以群组的方式完成的，即：分配给一个组播组的子信道上发送的数据能够被所有的组内成员接收到，而且同时也能有效地提高资源的使用效率。对于资源受限的无线网络，组播技术，作为一种能够在传输相同内容给多个接收端，并且能够同时使使用的网络资源最小化，很自然地被视作一种极具吸引力的方法。由于群组业务已使用组播传输方法，因此当无线组播发送数据时将会依据情况最差的信道用户来提供可靠的通信。由此，组播传输的系统容量由用户数目以及其所支持的最差信道用户两方面来决定。

在无线通信中的两种重要资源分别为可用的无线频谱和可用的发射功率。这些资源的利用情况决定了所提出的资源分配方案的有效性的等级。在基于OFDMA的无线系统中，动态资源分配分为两种：一种是在个人用户速率一定的情况下最小化发射功率，另一种则是在约定功率的情况下最大化每个用户的数据速率。

当前的研究方向主要有以下两个特点。之前多数算法考虑的是单播系统，部分算法考虑的是组播系统，但均应用于SISO(Single Input Single Output)系统。在现行标准中，如IEEE 802.16或3GPP LTE(Third Generation Partnership Project Long Term Evolution)的组播服务方案考虑组播组内最差用户的业务接入，这样会浪费资源。

此外，之前的算法大部分以系统吞吐量为中心，很少有考虑了用户QoS要求。通常是基于各用户之间有相同的QoS要求而提出的。由于下一代移动通信系统是面向服务的体系架构，而面向服务的体系架构主要就是为所服务的用户提供确定的QoS保障，因此满足不同用户不同业务QoS成为未来无线通信系统的首要目标。

目前基于OFDM移动通信系统的资源分配算法研究大部分以系统吞吐量为中心，较少考虑用户业务QoS要求的相异性和多样性，这就导致了存在资源分配无效和不公平的情况。在以OFDM为主流技术的移动通信系统中，从多样的用户需求看，不同的用户，甚至同一用户对服务的功能、性能、成本等都有不同考虑，因而QoS变得更加重要；从移动通信系统提供的服务看，未来的业务类型呈不断增多的趋势，因而QoS直接关系到移动通信系统的性能，以满足移动通信系统中不同用户对多业务的QoS的不同需求。

技术实现要素：

本发明针对多天线系统,考虑用户QoS的差异,给出了在MIMO-OFDM系统中的组播无线资源的联合分配方案，即动态的子载波和发射功率的联合分配方案。

本发明考虑到实际应用中用户间对QoS的不同要求，把用户分为两种，一种是需要保证服务质量QoS的用户，记为VIP(Very Important Person)用户；另一种是需要尽量满足服务质量的用户，记为普通用户。此外，在VIP用户和普通用户之间也有可能有相同的业务需求。本发明根据两类用户不同的QoS要求(主要考虑误比特率BER,Block Error Rate)，对这两种用户进行组播资源分配，并且针对这两种用户对QoS的不同要求采取了不同的资源分配优化算法。为达到较好的性能和降低复杂度，VIP用户采用具有比例公平性的最佳功率分配算法，保证VIP用户间的比例公平性,达到用户所要求的速率。而普通用户采用次优功率分配算法，即等功率分配算法,以降低算法复杂度。

有益效果

本发明针对多天系统,考虑用户QoS差异,给出了在MIMO-OFDM系统中的组播无线资源的联合分配方案，即动态的子载波和发射功率的联合分配方案。本发明在不同用户数目的情况都得到了比较好的系统性能，而且性能都高于同种情况下的单播系统。总体来说，在相同的情况下，使用了多播业业务用户的系统容量都要比使用单播业务用户的系统容量高，而且当VIP用户在总用户数所占比例越高时，系统容量相对较小。这是因为没有VIP用户存在时，系统的资源分配是在公平的情况下进行的，用户之间没有身份差异，彼此地位相等。

附图说明

图1是单小区中的组播业务图；

图2是组播系统模型图；

图3是本发明的算法实施流程图；

图4是当所有用户中存在有4个VIP用户时的仿真结果；

图5是当所有用户中存在有K-4个VIP用户时的仿真结果；

具体实施方式

本发明实施案例结合附图做详细说明。

考虑到用户间QoS要求，把用户分为两种，一种是需要保证服务质量的用户，即VIP用户；另一种是需要尽量满足服务质量的用户，即普通用户。在VIP用户和普通用户之间也有可能有相同的业务需求，即图1中第一类业务中存在VIP用户，也存在普通用户的原因。本发明根据两类用户不同的QoS要求(即误比特率BER)对这两种用户在进行资源分配时采用不同的优化算法。

系统模型图如图2所示。资源分配信息发送给MIMO-OFDM发射装置，然后发射装置将不同用户应该分配到的比特数形成OFDMA符号并且通过多个发射天线发射出去。我们假设基站(BS，Base Station)端已知所有用户以及所有信道的信息，并且信道信息一旦改变，基站端也能马上收到信道的改变信息从而迅速更新资源分配方案，然后将子载波和比特分配信息发送给每个用户用以检测。

在整个资源分配的过程中，我们有如下的假设：发射信号经历了慢时变衰落信道，因此在子载波分配和功率搜索阶段，信道系数可以视为常数。

下文中各字母代表的含义如下：

T：发射天线数量

R：接收天线数量

P：用户数

M：VIP用户数

N：子载波数

Q：基站总发射能量

假设系统使用QAM调制和理想相位检测，则第k个用户在第n个子载波上信号的误比特率上限在满足b_k,n≥2和0≤γ_k,n≤30dB时为：

式中，b_k,n为每个OFDM符号的比特数。其中，τ＝-ln(5BER)/1.5是BER的函数，当BER<0.2exp(-1.5)≈0.0446时，τ大于1。

子载波n上的速率为：

约束条件为：

q_k,n,q_j,n≥0(对于所有的k,j,n)

ρ_k,n,ρ_l,n＝{0,1}(对于所有的k,j,n)

R₁:R₂:…:R_M＝γ₁:γ₂:…:γ_M

其中，Q是总可用功率，q_k,n是子载波n上用户分配到的功率，ρ_k,n和ρ_l,n只可取值1或0，表示子载波n是否被用户k、l使用，M_k,n、M_j,n分别是H_k,n、H_j,n的秩，H为子载波n上用户k的MIMO信道增益矩阵(R×T)，是的特征值，k_n、l_n为子载波n上分配的用户，N₀是一个子载波每个频带的噪声功率。τ_i＝-ln(5BER_i)/1.5,i＝1,2，BER₁和BER₂分别为VIP用户和普通用户的误比特率上限。目标函数就是要最大化R(n)。

子载波、功率分配算法步骤如下：

S200考虑到用户间QoS要求，把用户分为VIP用户和普通用户。

S210,对于第n个子载波，当用户k有最小的特征值产出时，根据公式(3)计算当前总的数据速率：

S220,对第n个子载波，选择能使最大的用户k_n，如此，则有：

S230,在子载波分配中，开始时假定分配给每个子载波的功率为相等的，因此这还不是最优的分配，下面进行功率分配算法。

1)保证QoS的功率分配算法

为达到较好的性能和降低复杂度，VIP用户采用具有比例公平性的最佳功率分配算法，保证VIP用户间的比例公平性,达到用户所要求的速率。而普通用户采用次优功率分配算法，即等功率分配算法,以降低算法复杂度。

式(3)的优化问题，可采用拉格朗日乘子法求解，把条件极值问题转化为非条件极值问题。引入拉格朗日乘子λ_k(k＝1,2,…,M)，可得代价函数：

式(5)对q_k,n|_{k＝1,2,…,M}求导并令结果等于0，整理，有：

其中，

即：

则：

其中：Q_k,tot为第k个用户的总功率；N_k为第k个用户的子载波总数。

由(9)可得：

其中：

由(8)(10)可得：

其中：

在高信噪比条件下，有：

其中：

求得c_k,d_k后,可通过迭代法或寻根法求得P_1,tot,那么用户间的功率分配为

求得Q_k,tot，根据式(8)可求得用户在各个子载波上分配的功率。

2)复杂度低的等功率分配算法

普通用户的功率分配采用复杂度低的等功率分配算法。

由前面可知，分配给VIP用户的总功率为则分配给普通用户的功率为Q_normal＝Q-Q_VIP，普通用户每个子载波上可得到的平均功率为：

则普通用户得到的容量为：

从图4中我们可以看出，在用户中存在4个VIP用户的情况下，当用户数为4时，即所有用户都为VIP用户、没有普通用户时，此时系统可以得到很高的信道容量，并且当用户数超过4个后，我们可以得到的容量开始下降，但并不是一直下降，当下降到一定程度后(图中为6个用户时)，我们可以得到的容量又开始上升，并且不再下降，反而呈现上升的趋势。这是因为当用户数为4的时候，所有用户都为VIP用户，彼此之间地位相等，没有任何的不同。当对他们进行资源分配时，系统给他们的待遇是无差别的，此时的资源分配就相当于纯粹的组播或者单播资源的分配，而当用户数稍微增加时，用户之间的平衡性被破坏，用户之间地位有了差别，系统会优先给等级高的用户——即VIP用户进行资源分配，然后再给普通的用户进行资源分配，因此这样会导致我们可得到的系统容量下降，这就是一开始容量下降的原因。然后随着用户数目的增多，由于此时系统的用户中仅存在4个VIP用户，所以VIP用户的比例不断减小，而由于其所占用的资源比普通用户多，那么资源分配越越来越多地偏向普通用户，所以此时系统容量开始增加。

图5所示的是当系统用户中有K-4个用户为VIP用户时的系统仿真结果。从图中我们可以清楚地看到，随着用户数目的增加，系统的容量越来越小。这是因为当用户数目增加时，对QoS有保证要求的VIP用户所占的比例也越来越大，系统进行资源分配时分配给VIP用户的资源也越来越多，由于单个VIP用户所占用的系统资源比单个普通用户占用的系统资源多，因此系统容量越来越小。