[发明专利]基于余量自适应准则的资源分配方法及装置

说明书

技术领域

本发明涉及无线通信技术领域，特别涉及基于余量自适应准则的资源分配方法及装置。

背景技术

应用于正交频分多址系统(Orthogonal Frequency Division Multiple Access，简称OFDMA)的动态资源分配问题已经备受关注。在现有的技术中，往往将动态资源分配问题转化当给定每个用户所需的子载波数目和误比特率时，如何确定最小化总发送功率问题，由于此问题可通过一定的运算得到解，该解正确性很容易被检查，因此，此类问题为非确定性多项式(Non-deterministic Polynomial，简称NP)问题，所谓的非确定性是指可用一定数量的运算去解决多项式时间内可解决的问题。

在现有技术中，许多基于OFDMA系统资源分配的算法已被广泛关注。这些资源分配算法可分为两类：余量自适应(MA)准则和速率自适应(Rate Adaptive，简称RA)准则。例如，在一个同带宽的条件下，一种功率分配算法被用于带有OFDMA频谱接入的单小区多用户认知无线电网络中，从而满足用户的速率要求。另外，在现有技术中基于OFDMA的多输入多输出(Multiple Input Multiple Output，简称MIMO)下行链路系统，提出了一种新的启发式策略的算法。这种启发式策略算法是根据不同组用户的平均信道质量，然后通过求解一系列低复杂度的分配问题解决原始问题。

为了同时满足多用户OFDMA系统下行链路的子载波、比特、速率和功率需求，有多种现有技术被提出。例如陈某等提出了实时加载算法，该算法试图最小化所需的发射功率，同时满足每个用户速率需求和数据错误率约束。李某等在多用户资源分配中采用分组方法构建了一个优化模型，在这个模型中独立地进行子载波分配和功率最优分配来保证用户比例约束中的公平性。高等人提出了一种最优分组分配方法，在不同功率控制策略下最大化关于用户平均速率的效用函数，相关优化问题被表述为非凸混合整数问题，最佳的方案可以通过拉格朗日双基梯度迭代得到。此外，基于块的资源分配方案也可以在其他类似的算法应用，包括在OFDMA下行链路系统中只为最好的资源块反馈部分信道质量信息，在OFDMA下行链路多天线的分布式系统为每个用户分配效果最好的天线。

进一步地，为了更好地解决无线资源分配的非确定性多项式问题，一种利用Hopfield神经网络(Hopfield Neural Network，简称HNN)分配子载波、比特和功率的方法被提出，该方法最小化OFDMA系统中多用户的整体发射功率。该HNN模型因为它的功能就类似人的视网膜，分配机制的合理性，成为常用的动态模型，但是该模型不容易收敛到全局最优。

Luonan Chen和Kazuyuki Aihara对HNN网络进行改进，引入了暂态产生的混纯动力，提出了暂态混纯神经网络(Transiently Chaotic Neural Network，简称TCNN)，即利用TCNN能量方程收敛过程给用户分配子载波、比特和功率，在用户子载波数、误比特率和总功率几个约束条件下，虽然找到了全局最优解但是收敛速度慢，优化率不高。

综上所述，在现有无线资源分配技术中，存在一个常见的问题，即由于动态资源分配本质是非确定性多项式(NP)问题，故而只存在次优解，也不能充分利用多用户分集增益。一些基于人工神经网络(HNN)模型的启发式分配算法虽然能有效的解决NP问题，但是该模型不容易收敛到全局最优。而基于暂态混沌神经网络(TCNN)模型的动态资源分配算法，虽然找到了全局最优解，但是收敛速度慢，优化率不高。

发明内容

针对上述问题，本发明提出基于余量自适应准则的资源分配方法及装置。

本发明的基于余量自适应准则的资源分配方法，包括：

101、根据用户优先级按比例分配子载波数给用户；

102、根据信道条件确定调制方式，根据所述调制方式确定用户k在子载波n上的每符号比特数；

103、根据分配给用户的子载波数和调制方式所确定的比特数，最小化系统总发射功率，输出最优子载波分配矩阵；

所述最小化系统总发射功率，输出最优子载波分配矩阵，包括：根据动力矩阵计算子载波分配矩阵，对子载波分配矩阵进行离散化处理，根据离散化处理后的子载波分配矩阵计算能量函数，如果达到退出条件，则退出迭代，否则更新动力矩阵后重复以上过程。

优选地，所述根据信道条件确定调制方式包括：