一种基于QOE效用函数的多用户OFDM系统功率子载波联合分配算法

1一种基于QOE效用函数的OFDM系统功率、子载波联合分配算法陈松1，郑娜娥，王大鸣，崔维嘉(1．解放军信息工程大学信息工程学院通信工程系,河南省郑州市450002；)邮箱：[e-mail]联系电话：[phone]摘要：通信系统资源优化分配算法近几年的研究目标可分为三个主要方向，最大性能、最低运算量、最佳用户感受。其中最佳用户感受的一项评价指标：用户感受质量（QOE，QualityofExperience）作为本文功率、子载波联合分配算法的优化目标。本文算法首先根据用户需求与实际信道状态对子载波进行分配，利用基于QOE构建的效用函数，以系统平均QOE最大化为目标对子载波进行功率分配，在功率分配过程中使用导数迭代逼近的方法最终获得次优的功率分配结果。仿真结果表明，该算法在获得较高系统平均QOE的同时，根据系统功率资源供求情况，权衡了系统和容量与用户公平性。关键词：QOE；OFDM；功率分配；效用函数AQOEUtility-BasedPowerAllocationAlgorithmInMultiuserOFDMSystem------待中文摘要完成后重写Abstract:QOE（QualityofExperience）playsanimportantroleincommunicationsystemwhenevaluatingtheoptimizationalgorithm.ThispaperintroducesQOEintopowerallocationalgorithmandtheutilityfunctionbasedonuserexperienceinOFDMsystemisbuilt.ApowerallocationalgorithmbasedonQOEutilityfunctionwhichtargetstomaxthesystemaverageQOEvalueisproposed.Theproposedalgorithmusesiterativedifferentialcoefficientapproachingmethodinpowerallocation,inordertogainthemaxsystemaverageQOEvalue.SimulationresultsindicatesthatthealgorithmkeepsahighsystemaverageQOEvaluewhilethesystemcapacityanduserfairnessarebalancedbasedonthepowersupply-demandrelationsinOFDMsystem.Keywords:QOE;OFDM;PowerAllocation;UtilityFunction1.引言本世纪以来，我国移动通信产业发展迅猛。作为国内最大的移动运营商，中国移动2009年报数据显示，其2009年上半年营业额已达2129亿元同比增长8.9%，客户总数达到4.93亿户，新增3587万户。在如此高速增长的数据背后也存在着许多矛盾与不足，其中用户不断提高的服务需求与移动通信系统有限资源之间的矛盾就是众多主要矛盾之一。为了在下一代移动通信系统中更加有效的缓解这一矛盾，基于MIMO-OFDM系统的资源分配算法近年来已成为国内外的研究热点。根据资源分配的参考信息和最终目标划分，移动通信系统的资源分配算法主要可分为两类：智能调度和盲调度[1]。智能调度算法需要用户提供信道状态信息（CSI，ChannelStateInformation），其典型的代表算法有：最大载波干扰比算法（MAX-CI），比例公平算法（PF），快速公平吞吐算法（FFTH），加权公平队列（WFQ）等；盲调度算法仅考虑用户的某种性能参数，其典型代表算法有：轮询调度算法（RR）[2]，最大最小公平算法（MMF）[3]，最先超时优先算法（EDF）[4]等。根据所分配的资源类型划分，移动通信系统的资源分配算法主要可分为：功率分配算法，天线选择算法，子载波分配算法，自适应调制算法，多资1基金项目：863计划重点项目高频段无线链路技术研究。项目号：2009AA011504作者简介:陈松(1986),男,福建省永春县人,硕士生,电子设计工程师,主要研究领域为移动通信;2源联合分配算法等。其中功率分配算法因其具有较好的简便性和可实现性，一直是资源分配算法的研究热点之一。以上调度算法多以系统吞吐量的最大化或是系统公平性的最大化抑或是两者的折中作为最终目标，系统吞吐量最大化或是用户公平性最大化都不能带来最佳的用户使用感受。实际系统中，人们根据通信系统所承载业务的不同服务质量要求，提出了QOS的概念，文献[5-7]在上述算法基础上根据QOS的要求分别提出了改进算法。QOS指标虽然从服务提供方的角度反映了服务的供给情况[8]，但作为服务最终接受方，用户的感受却未能在QOS指标中得到体现。基于以上考虑，本文引入用户感受质量（QOE）的概念。QOE从用户角度衡量了服务的提供情况，以用户对服务情况的主观感受作为比较依据。本文基于OFDM系统，提出了以系统平均QOE最大化为目标的功率、子载波联合分配算法。该算法联合考虑了用户的QOE和通信链路质量，在以最大化系统平均QOE为目标的同时，根据用户的需求满足情况对系统的功率和子载波资源进行合理的分配，提高系统的资源使用效益。2．系统模型——加入子载波选择矩阵正交频分复用(OrthogonalFrequencyDivisionMultiplexing)是多载波调制的一种特殊形式。一个OFDM符号之内包括多个经过调制的子载波的合成信号，其中每个子载波都可以受到相移键控(PSK)或者正交幅度调制(QAM)符号的调制。如果用M表示子载波的个数，T表示OFDM符号的宽度，(0,1,,)idiM是分配给每个子载波的数据符号，cf为第0个子载波的载波频率，()1,2Tretctt，从stt开始的OFDM符号可以表示为：10()Re()exp2(),02NictTistdrecttjfttTT（1）OFDM系统中加入循环前缀后，每个子载波在一个OFDM符号周期内都包含整数倍个载波周期，而且各个相邻子载波之间相差1个周期。这一特性显示出OFDM系统子载波之间的正交性，即01,1exp()exp()0,TnmmnjtjtdtmnT（2）假设一个OFDM系统由一个基站和N个用户组成。发射总功率为Pmax，子载波总数M，每个子载波带宽W，系统总带宽WN，符号间隔1/W。认为每个子载波内为平坦衰落信道。假设第i个子载波的信道增益为iH，子载波带宽内信号功率为iP，噪声功率谱密度为iN，根据Shannon公式得到系统最大和容量可表示为：2221log(1)MiisystemiiPHRWWN（3）本文假设的OFDM系统中资源分配以时隙为单位，在每个时隙的开始时刻，用户向基站发送各自的CSI（ChannelStatusInformation信道状态信息）。假设基站接收的CSI信息准确无误并且在一个时隙内认为信道状况不变，则基站根据接收到的CSI信息对此时隙内的功率子载波资源进行分配。则用户接收信号表示：.**allYHCXV（4）其中12[,,]TMXxxx表示M个子载波上发送的信号。12[,,]TNYyyy表示N个用户所接收到的信号。allH为NM矩阵，表示N个用户所分别对应的M个子载波的信道增益。3C为子载波选择矩阵，定义{0,0}ijCciNjM，当用户i选择第j个子载波时ijc=1，否则ijc=0，并且01Nijic，即每个子载波只有一个用户独占。V表示信道噪声。3基于用户感受质量的效用函数3.1感受质量（QOE）QOS指标作为保证服务质量的衡量标准已得到大家的普遍认可，但随着移动通信系统中各种业务的广泛开展，因为服务质量是通过用户感受得到的，仅利用QOS参数衡量服务质量已经渐渐不能够满足用户的需求[9]。因为QOS的以上不足，本文引入了QOE对用户感受进行刻画。QOE[9]是指用户对服务或服务申请的综合可接受程度的主观感受。其数值通过服务层的端到端的工作情况测量获得。3.2基于QOE的效用函数设计根据QOE的定义，衡量QOE的指标来源于服务层的端到端工作情况，而功率与子载波都是系统的物理层资源，必须寻找一种能够有效刻画二者关系的方法以进一步对功率资源进行分配。效用函数在多层间能够根据不同的需求刻画服务质量与分配资源的对应关系[10]。基于效用函数的跨层资源分配方法能够在函数设计中平衡用户需求，剩余资源，信道状态三者之间的关系以最大化无线系统的效益[10]。鉴于效用函数方法上述优点，本文通过效用函数刻画QOE与功率资源之间的关系，并且在子载波分配中综合考虑QOE效用的影响。QOE效用函数的构建应该基于用户的感受。物理心理学的韦伯-费希纳定理（Weber-Fechnerlaw）[11]表明：在一定的刺激范围内，当物理刺激量呈指数变化时，人类的心理感受呈线性变化。该类研究表明，人类对声音的响度、视觉的亮度、压力等物理刺激的反应与物理量的log函数成线性关系。因此用户对业务速率的感受也应该与获得的速率的log函数呈线性关系。在此首先引入文献[10]基于统计得出的用户满意度函数()0.160.8ln(0.3)Frr（5）其中()Fr为用户在r速率下的用户满意度，r为用户获得速率，单位为Kbits/sec。此函数刻画了用户感受与用户业务速率的关系，但实际中用户感受还应与用户获得速率与其需求速率之间差距相关。假设用户需求的速率为R()0.160.8ln(0.3)FRR（6）()FR即为用户需求满足时的用户满意度。若以()FR作为用户感受质量的参考，则可通过()Fr与()FR的比值体现用户在不同需求满足程度下的感受质量（QOE）。当用户获得的速率超过其需求时，用户不会因额外获得的速率增加满意度，对应的用户QOE也不会增加。据此设计用户QOE效用函数如下*()()()FrrRFRFrrR（7）其中*()Fr为以用户需求为参考的用户QOE，为用户QOE的权值参数。假设用户需求的速率4000RKbps，=100。根据上式得出的用户QOE与用户获得速率之间的关系如图（1）中所示。4图1log坐标的用户QOE曲线由图（1）可见，在用户需求速率得到满足之前，用户QOE与数据速率的log函数基本呈线性关系，满足韦伯-费希纳定理的要求。当用户速率需求得到满足后，用户QOE不再增长，保持的设定值100。4基于最大QOE的多用户OFDM功率子载波联合分配算法4.1算法设计思想本算法的设计目标是在最大化系统平均QOE的同时兼顾系统的容量性能。在OFDM系统中，传统的子载波功率联合分配算法未能充分反映资源分配与用户QOE之间的关系，因此本文算法通过引入QOE效用函数刻画服务层用户QOE与物理层资源之间的联系。算法首先根据用户需求和各子载波信道状况对子载波进行分配。为确保公平性，用户按照随机排序进行子载波分配。因为子载波对应不同的用户具有不同的信道增益，所以每个用户优先选择对应信道条件好的子载波，每个用户选择子载波的数量根据用户的需求与系统总资源决定，最终完成所有子载波的分配。用户子载波分配完成后，进一步对各用户分得的子载波进行功率分配。本文提出的功率分配算法首先将QOE效用函数引入经典的注水算法，针对QOE效用函数引入后无法使用拉格朗日法求解的问题，通过倒数迭代逼近的方式获得接近最大系统平均QOE的功率分配结果。整个资源分配过程中，子载波分配可看成资源的粗分配而功率分配可看成资源的细分配，本算法的资源分配遵循了由粗到细的一般过程。下面介绍所用公式的相关推导与算法流程。4.2算法推导首先介绍算法功率分配部分所需的相关推导。基于最大系统平均QOE的资源分配算法（简称为MAX-QOE）可归结为最大用户QOE之和的问题。假设发送与接收端