搜索
MIMO-OFDM系统中基于效用函数的跨层资源分配算法匡绪东内容引言系统模型优化目标的数学描述效用函数的设计跨层资源分配算法的实现仿真与性能分析引言•在多种业务并存的无线通信网络中，跨层资源分配算法能够合理的配置有限的物理资源，兼顾了上层业务的需求，因此它们在MIMO—OFDM系统中的应用成为了研究的热点。•跨层资源分配问题中，频谱效率、公平性和QoS是非常重要的考虑因素，但通常它们难以同时达到最优。引言•本文在上述文献的基础上提出了一种综合考虑CSI和排队时延的跨层自适应资源分配算法，借用经济学中的“效用理论”研究MIMO-OFDM系统中物理层和MAC层的跨层设计和优化问题，降低了复杂度。系统模型系统模型•跨层MIMO．OFDM自适应系统的下行链路模型如图1所示。假设系统包括语音、流媒体和“尽力而为”数据三种类型的业务。•所有的子载波由K个用户共享，每个用户的数据如果不能立即得到发送，将形成一个独立的排队队列。•设a(m)是用户k在(m一1)Ts时刻到mTs时刻到达的数据，即mTs时刻用户k的数据到系统模型优化目标的数学描述优化目标的数学描述•因此MIMO—OFDM系统中的跨层资源分配优化问题用数学语言可以描述为：效用函数的设计效用函数的设计效用函数的设计效用函数的设计效用函数的设计效用函数的设计跨层资源分配算法的实现•式(7)中的自适应资源分配优化问题涉及到子载波、功率和比特的联合分配，求解过程非常复杂，计算量非常大。因此本节提出了一种分步资源分配算法，首先假定功率在子载波间均匀分配，在所有用户中分配子载波子载波的初始分配子载波的初始分配子载波的初始分配子载波的初始分配子载波的初始分配子载波的初始分配仿真与性能分析仿真与性能分析•从图中2可以看出：随着语音用户数目的增长，采用本文算法和M—LWDF算法的“尽力而为”业务A类和B类用户的吞吐量都明显减小，A类用户的吞吐量减小的更快；本文算法的吞吐量明显优于M-LWDF算法。•从图3可以看出：随着语音用户数目的增长，采用本文算法的A类和B类用户的流媒体业务的时延略微上升，而语音业务的时延基本保持不变，因此本文算法很好地保护了对时延敏感的业务，且时延性能明显优于M—LWDF算法。仿真与性能分析•从图4可以看出：随着流媒体业务用户数目的增加，“尽力而为”业务的吞吐量显著下降，采用本文算法的A类和B类用户的吞吐量都显著超过了M—LWDF算法。而且•从图5可以看出：当流媒体业务的用户数目低于l6时，网络不会出现拥塞，本文算法可以满足流媒体业务和语音业务的时延要求，并能为“尽力而为”业务提供较高的传输速率；而当流媒体业务的用户数目较多时，例如有20个用户，流媒体业务的时延会显著增大，网络会出现拥塞，时“尽力而为”业务的吞吐量下降到很低的水平但对语音业务仍然能够保持良好的时延性能。仿真与性能分析仿真与性能分析•。从图6可以看出，随着“尽力而为”业务的用户数目的增长，其吞吐量也显著增长，这是因为多用户分集的缘故。同时，从图7可以看出，随着“尽力而为”业务的用户数目的增长，本文算法很好地保持了语音业务和流媒体业务的时延性能。结论•本文提出了一种多业务MIMO—OFDM系统中基于•效用函数的跨层资源分配算法，给出了不同业务的边•界效用函数设计。在进行子载波和比特、功率分配时，•采用了分布式算法。仿真结果表明算法利用CSI获得•了较高的频谱效率，利用效用函数满足了多种业务的•QoS要求。本文算法对时延敏感的业务能提供更小的•时延，同时对“尽力而为”业务也提供了更高的吞吐量。