crofdm系统中基于认知用户qos要求的资源分配算法

crofdm系统中基于认知用户qos要求的资源分配算法

随着无线通信大规模被无线通信所取代，无线通信进入了快速数据传输时代。然而,数据传输速率越高,码间串扰越厉害,对系统性能的影响也越严重。正交频分复用OFDM(orthogonalfrequencydivisionmultiplexing)技术则可很好地解决这一问题,它将高速的数据流通过串并转换,变成传输速率相对较低的数据流在若干个子载波上传输,大大减轻了码间串扰对信号的破坏,提高了系统在高速数据传输下的性能。认知无线电CR(cognitiveradio)是一种新的提高频谱利用率的技术,它可以将一些区域中暂时没有被授权用户LU(licensedusers)使用的频段借给未授权用户(也称作认知用户cognitiveradiouser,简称CRU)使用来提高频谱利用率。认知无线电是一个智能的无线通信系统,它能够通过对无线电环境的学习,相应地动态调整其传输参数。由于OFDM技术可以灵活地分配子载波,并控制其功率,因此,CR和OFDM2种技术相结合的CROFDM系统,已成为未来通信系统的重要组成部分。在CROFDM系统中,授权用户和认知用户将会经常同时使用相邻的频谱资源,这将产生互干扰。文献研究表明,互干扰的大小与频谱距离有关:频谱距离越近,干扰越大;频谱距离越远,干扰越小。为了避免对授权用户产生大的干扰,功率分配的策略是:频谱距离越近,分配的功率越小;频谱距离越远,分配的功率越大。目前,CR和OFDM系统中的自适应资源分配技术已经有了很多研究。文献研究了在系统传输总功率限制条件下,多用户OFDM系统中满足用户QoS的自适应资源分配算法;文献研究了在授权用户干扰和系统传输总功率限制条件下,最大化多用户OFDM系统传输速率的贪婪算法;文献研究了在授权用户干扰限制条件下,使用拉格朗日条件极值算法求解单用户OFDM系统功率分配,最大化系统传输容量的算法。然而,这些文献都还没有考虑在授权用户干扰限制条件下,满足用户QoS要求的资源分配算法。本文将在CROFDM系统中,在授权用户干扰门限和认知用户QoS要求的限制条件下,根据互干扰和频谱距离之间的关系,研究自适应资源分配算法,即子载波、比特和功率分配算法。1子滤波器n/wsbn本文研究CROFDM系统中下行链路的资源分配算法。如图1所示,一个基站BS(basestation),服务1个授权用户和M个认知用户,授权用户和认知用户使用相邻的频段。认知用户使用OFDM传输技术,共有N个子载波,各子载波的带宽为WcHz。授权用户占用频带位于子载波的中间,带宽为WlHz,是子载波带宽的整数倍。根据文献,子载波n上信号的功率谱密度可表示为Φn(f)=ΡnΤs(sinπfΤsπfΤs)2,(1)Φn(f)=PnTs(sinπfTsπfTs)2,(1)式中:Pn表示子载波n上的传输功率;Ts表示OFDM的符号周期。当基站给授权用户和认知用户同时传输数据时,2种信号将产生相互干扰。子载波n上信号对授权用户的干扰和授权用户对子载波n上信号的干扰可分别表示为:Ιn(dn,Ρn)=∫dn+Wl/2dn-Wl/2|gn|2Φn(f)df=ΡnFn,(2)Smn(dn)=∫dn+Wc/2dn-Wc/2|hmn|2ΦΡ(f)df。(3)式(2)(3)中:gn、hmn分别表示基站到授权用户和基站到认知用户m在子载波n上的信道增益;dn表示子载波n到授权用户使用频带中心的频谱距离;ΦP(f)是授权用户信号的功率谱密度;Fn=Ts∫dn+Wl/2dn-Wl/2gn2(sinπfΤsπfΤs)2df表示子载波n对授权用户的干扰因子,干扰的大小用瓦特(W)计量。假设在一个OFDM符号周期内信道是慢衰落的,并且基站完全知道信道的状态信息。用Pmn表示认知用户m在子载波n上的传输功率。根据文献,一个OFDM符号可在该子载波上传输的最大比特数为:bmn(Ρmn,hmn,Smn)=//log2(1+|hmn|2ΡmnΓ(Ν0Wc+Smn))//‚(4)式中:x表示取小于x的最大整数;N0表示单边带高斯白噪声功率谱密度;Γ表示与物理层编码调制关联的冗余量,不考虑传输的误码率和物理层编码调制时Γ=1,考虑传输的误码率为Pe,物理层采用MQAM调制和格雷编码联合时,Γ=-ln(5Pe)/1.5。令γmn=|hmn|2Γ(Ν0Wc+Smn),称为认知用户m在子载波n上的增益因子,则bmn(Pmn,hmn,Smn)可表示为:bmn(Ρmn,γmn)=//log2(1+γmnΡmn)//。(5)2求解子滤波器n的限制条件本文的优化目标:在授权用户干扰门限和认知用户QoS要求限制条件下,最大化系统的频谱利用率。也等价于在授权用户干扰门限和认知用户QoS要求限制条件下,最大化一个OFDM符号所装载的总比特数。假设一个子载波在一段时间内只能被一个用户使用,则该优化问题可用式(6)表达:B=maxamn,ΡmnΜ∑m=1Ν∑n=1amnbmn(Ρmn,γmn)‚(6)限制条件:amn∈{0,1},∀m,n；(6.1)Μ∑m=1amn≤1,∀n；(6.2)Ρmn≥0,∀m,n；(6.3)Μ∑m=1Ν∑n=1amnΡmnFn≤Ιth；(6.4)Ν∑n=1amnbmn≥Rm,∀m；(6.5)Ρem≤Ρemq,∀m。(6.6)上述表达式中,B表示一个OFDM符号装载的总比特数;amn∈{0,1}表示子载波n是否分配给用户m,amn=1时表示子载波n分配给用户m,amn=0表示子载波n没有分配给用户m;Ith表示授权用户的干扰门限;Rm为认知用户m在一个OFDM符号上的比特数要求,它由认知用户的最低比特传输速率转化而来;Pemq为认知用户m的最大误码率要求。3自适应资源分配算法§2提出了一个优化目标,但求该优化目标最优解的计算复杂度非常大,在实际系统中是不适用的,这里将首先分析简化功率分配算法,然后再结合认知用户的QoS要求,提出具有QoS要求的自适应资源分配算法。3.1lagrange乘数法为了简化算法,先不考虑认知用户的QoS要求,即式(6.5)(6.6)这2个条件。这时算法可分为2部分:子载波分配、比特和功率分配。子载波分配的目标是在一组用户中,选择一个用户使该子载波获得的信道容量最大。根据式(5)可知,当某个认知用户在一个子载波上的增益因子最大时,可使该子载波获得最大传输比特数。因此,子载波n应分给用户m*=argmaxm(γmn),使该子载波获得最大比特传输速率。在分配完子载波后,用户m*和子载波n是对应的,则优化目标可简化为B=maxΡnΝ∑n=1bn(Ρn),(7)限制条件:Ρn≥0,∀n;Ν∑n=1ΡnFn≤Ιth。在不考虑子载波上的功率必须大于0时,则可对优化问题使用Lagrange乘数法来求解。构造辅助函数如下:L(Ρn,λ)=Ν∑n=1bn(Ρn)-λ(Ν∑n=1Ιn(dn,Ρn)-Ιth)‚(8)式中:λ为Lagrange约束因子。为了对L(Pn,λ)求导,这里将放松对bn(Pn)的整数取值限制,使其取值范围为实数。这样bn(Pn)的表达中就不必有取整运算,那么求式(8)对Pn的偏导数,可得∂L∂Ρn=γm*n(1+Ρnγm*n)⋅ln2-λFn‚(9)式(8)对λ求偏导可得∂L∂λ=Ν∑n=1Ιn(dn,Ρn)-Ιth。(10)将式(9)(10)等于0,得到Ρn=1λFn⋅ln2-1γm*n‚(11)Ν∑n=1Ιn(dn,Ρn)=Ιth。(12)联立式(11)(12)解方程组可求得λ=Ν(Ιth+Ν∑n=1Fnγm*n)⋅ln2。(13)将式(13)的计算结果代入式(11)即可计算出各个子载波上的功率分配Pn。这样求出的Pn,并不能保证对任意一个n,Pn都大于0。因此当求解出的Pn值中有负数时,将负值最小的子载波上功率分配为0,然后针对余下的子载波再次计算λ和Pn的值,如此迭代下去,直到Pn中不再出现负值为止。3.2工伤保护的内容§3.1讨论的简化功率分配算法是在没有认知用户QoS要求条件下求解出的。下面将在以上工作的基础上,讨论具有认知用户QoS要求条件的自适应资源分配算法ARAQ(adaptiveresourceallocationwithQoSrequirement),该算法将分3步进行。第1步:计算每个子载波上所有用户的平均增益因子¯γn(n=1,2,⋯,Ν),按照在没有认知用户QoS要求约束条件下求解Pn的方法,用每个子载波上的平均增益因子¯γn代替最大增益因子,求解出每个子载波上要分配的大概功率Pn值(因为子载波上只能分配整数比特,求出的Pn不能保证分配的比特数是整数);第2步:满足QoS要求的资源分配。计算每个用户在所有子载波上的平均增益因子¯γm(m=1,2,⋯,Μ),按照用户平均增益因子大优先分配子载波的原则分配子载波给用户。在每个用户具体分配子载波时,先按照增益因子大为优先的原则进行分配,等到为用户分配最后一个子载波时,再根据具体情况采用增益因子大为优先原则或比特数接近原则进行子载波分配;第3步:剩余子载波资源的再分配。有可能当所有的用户都分配到足够的比特速率后,认知用户信号产生对授权用户的干扰仍未超过授权用户的干扰门限,同时还有子载波未被分配。这时,为了提高频谱利用率,将余下未分配的子载波按照增益因子最大分配原则,将子载波分配给在子载波上增益因子最大的认知用户。ARAQ算法具体描述如下:Step1:compute¯γn,Ρn,n=1,2,⋯,Ν,setSΝ={1,2,⋯,Ν},SΜ={1,2,⋯,Μ},Sm=Φ,m=1,2,⋯,Μ,Ι=0。Step2:compute¯γm,m=1,2,⋯,Ν。whileI≤Ith1)ifSM==ΦorSN==Φ,thenbreak。2)findm*=argmaxm∈SΜ(¯γm),n*=argmaxn∈sΝ(γm*n),computeb=round(log2(1+γm*n*Pn*))。a)ifb==0thensetSN=SN-{n*},bn*=0,Pn*=0;b)ifb<Rm*thencomputeΡn*=2b-1γm*n*,setam*n*=1,SΝ=SΝ-{n*},Sm*=Sm*+{n*},Rm*=Rm*-b,bn*=b,Ι=Ι+Ρn*⋅Fn*;c)ifRm*≤b≤Rm*+αthencomputeΡn*=2b-1γm*n*,setam*n*=1,SΝ=SΝ-{n*},Sm*=Sm*+{n*},SΜ=SΜ-{m*},bn*=b,Ι=Ι+Ρn*⋅Fn*;d)ifb>Rm*+αthenfindn*=argminn∈SΝ(|log2(1+γm*nΡn)-Rm*|)(round(log2(1+γm*n*Ρn*))≥Rm*),computeb=round(log2(1+γm*n*Ρn*)),Ρn*=2b-1γm*n*,setam*n*=1,SΝ=SΝ-{n*},Sm*=Sm*+{n*},SΜ=SΜ-{m*},bn*=b,Ι=Ι+Ρn*⋅Fn*。Step3:whileI≤Ith1)ifSN==Φthenbreak。2)find(m*,n*)=argmax∀m,n∈SΝ(γmn),computeb=round(log2(1+γm*n*Pn*))。a)ifb==0thensetSN=SN-{n*},bn*=0,Pn*=0;b)ifb>0thencomputeΡn*=2b-1γm*n*,setSΝ=SΝ-{n*},Sm*=Sm*+{n*},bn=b,Ι=Ι+Ρn*⋅Fn*。算法中,SN和SM分别表示可分配的子载波集和等待分配资源的认知用户集,Sm用来保存认知用户m分配到的子载波集合,I表示已分配功率造成对授权用户的干扰,bn和Pn分别表示子载波n上分配的比特数和功率,Rm表示认知用户m在一个OFDM符号内的的最低比特数要求或经过分配后仍需要分配的比特数。α表示频谱利用率和容纳用户数的重要度的一个参数,其取值大于或等于0。α值越大,说明频谱利用率的重要度越高,这时系统的频谱利用率也越高;α值越小,说明容纳用户数的重要度越高,这时系统能容纳的用户数也越多(系统中断概率越低)。算法第2步中当b≥Rm*时,将有两种原则选择。一种是当Rm*≤b≤Rm*+α时,按增益因子大为优先原则,将先前找到的子载波分配给用户m*;另一种是当b>Rm*+α时,按比特数接近原则分配,即重新搜寻新的子载波,将能满足用户需求比特数同时又最接近用户需求的比特数的子载波分配给用户m*,其结果就是用户获得其需求的最低比特数。执行两种原则的比重则要取决于α值的大小。算法第3步主要是为了提高认知用户数较少的情况下的频谱利用率,因为在认知用户数较少的情况下,只经过第2步分配,将有大量的子载波未被利用,导致频谱利用率下降。4qos仿真系统在做本文工作之前,对类似研究工作的文献进行了搜索,还未曾发现在同等条件下,进行资源分配的算法,因此,本文的算法性能将与贪婪算法进行比较。贪婪算法能获得最优的频谱利用率,但没有考虑用户的QoS需求,且算法复杂度较大。系统参数是这样设计的,64个子载波分布在授权用户频带的两侧,子载波带宽Wc为0.3125MHz,授权用户的带宽Wl为0.3125MHz,OFDM符号周期Ts为4μs。认知用户和授权用户的信道增益hmn、gn是独立同分布的,都服从方差为1的Rayleigh分布,加性高斯白噪声的功率谱密度N0=10-7W/Hz。授权用户的发射功率为1W,干扰门限为0.002W,功率谱密度用经过椭圆滤波的白噪声信号代替。4.1=0时,araq算法描述图2、3分别仿真了认知用户的误码率要求不高于10-5,一个OFDM符号内的最低需求比特数均匀分布于区间上的整数时,中断概率(即得不到服务要求的用户占总用户的比例)和频谱利用率随用户数变化的情况。从图2中可以看出,由于贪婪算法没有根据认知用户的QoS需求进行子载波和比特分配,其中断概率在用户数很少时就开始变大。而ARAQ算法是按用户QoS需求进行子载波和比特分配的,QoS得到满足的用户数要远大于贪婪算法下的用户数。同时,在α=0时比在α=∞时,系统能满足更多的用户QoS需求。0<α<∞时的容纳用户数将位于两个端点的用户数之间。从图3、4中可以看出,在不同的认知用户数和误码率要求情况下,ARAQ算法下的频谱利用率接近在贪婪算法下的频谱利用率,它只用很小的频谱利用率损失就达到了满足更多认知用户的QoS要求;同时在α=∞时的频谱利用率要高于α=0时的频谱利用率,这是因为在α=∞时,用户在具体选择子载波时是按照增益因子大为优