一种加权因子的OFDMA多播资源分配算法

郭 艳， 王志林， 李少杰

(中国移动通信集团陕西有限公司 西安分公司综合维护中心, 陕西 西安 710075)

一种加权因子的OFDMA多播资源分配算法

郭 艳， 王志林， 李少杰

(中国移动通信集团陕西有限公司 西安分公司综合维护中心, 陕西 西安 710075)

针对EPSA-SAF算法造成系统性能不确定性波动问题，提出一种改进的多播资源分配算法。该算法将加权因子与用户所处信道增益进行逆向关联，自适应根据用户性能将高速率数据流分散到较低速率上，且对低速率数据流相反处理，从而提高整个系统吞吐量的同时尽可能满足用户间的公平性。仿真结果表明改进算法的吞吐量要优于EPSA-SAF算法和EPSA-LCG算法的吞吐量。

多播；正交频分复用；资源分配；加权因子

无线移动通信系统需要给不同QoS的大量用户提供高速率和高质量的多媒体服务[1-2]，为了解决无线移动通信所面临系统资源受限的挑战，灵活且有效的多播资源分配策略成为学术界和商业界的研究热点之一[3-4]。由于用户间信道条件的差异性，有效且合理的资源分配是迫切需要研究的问题[5-6]。其中，在总功率受限下最大化系统吞吐量的正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)多播系统资源分配问题受到了广泛的关注和重视[4-8]。

文献[7]研究了基于多播组内最差用户下最大化系统吞吐量的资源分配算法(Equal Power-based Subcarrier Allocation considering Least Channel Gain，EPSA-LCG)，能够满足用户间公平性，但是由于受限于最差用户，故而所得吞吐量较低，且没有充分利用频谱资源。文献[8]所提利用扩展分摊因子的多播资源分配算法(Equal Power-based Subcarrier Allocation using Scalable Amortize Factor，EPSA-SAF)，获得的吞吐量较高，但是整个系统性能具有较强约束性和随机性。因此，本文对EPSA-SAF算法进行改进和优化，提出采用自适应加权因子的OFDMA多播系统资源分配算法(Equal Power-based Subcarrier Allocation using Weighting Factor，EPSA-WF)。将加权因子与用户自身性能相关联，解决EPSA-SAF算法吞吐量的随机性波动，并且相对于EPSA-LCG算法，能够较有效利用系统资源，从而提高整个系统吞吐量。

1 系统模型

考虑下行链路OFDMA多播系统场景，系统框图如图1所示。

图1 OFDMA多播系统下行链路资源分配框图

假设系统中总用户数目为K，可以分成G个多播组，而每个多播组对应一条多播业务流。同时，系统有N个子载波。其中第g个多播组包含的用户数目为Kg(g=1,2,…,G)，对应的用户集合为

而且

总用户

子载波集合为

Ω={1，2，…，N}。

同时，假设基站总功率为Ptotal，系统总带宽为B，每个子载波占用相同带宽，且为

并且，假设基站已知所有用户的信道条件，且资源分配过程中信道状态不变。第g个多播组内的用户k在子载波n上的信道系数为hk,n，由香农公信道容量式[7]可知，用户k在子载波n上接收第g个多播业务流的最大数据速率可表示为

(1)

其中N0表示噪声的单边功率谱密度，pn表示基站分配给n个子载波上的功率。

(2)

第g个多播组在子载波n上的和速率[8]可表示为

(3)

(4)

(5)

其中φk,n并非最终加权到用户性能上的那个因子，而是对初始的加权因子进行升序排列处理，得到

同时，对用户自身的可解码速率rk,n进行反序处理，即降序处理，获得

特别注意，此时的用户k未必就和用户k*相同。因此，经过加权因子对用户性能进行“削优增差”处理后，基站给多播组g在子载波n上的传输速率为

(6)

多播组g在子载波n上的有效和速率为

(7)

式中Rg,n表示多播组g在子载波n上获得的有效和速率，Dg,n表示多播组g在子载波n上能够正确收到业务数据的用户集合，|Dg,n|表示多播组g在子载波n上能够正确收到业务数据的用户数目。

定义ρg,n为子载波分配指示器，用来表示子载波n是否分配给第g个多播组。若ρg,n=1，则表示子载波n分配给多播组g；若ρg,n=0，则子载波n未分配给第g个多播组。

综上所述，改进算法的优化问题可描述为目标函数

(8)

2 改进的资源分配算法

改进算法分三个阶段来求解资源分配问题。首先，选取合适的加权因子；其次，在假设子载波间功率平均分配下，将上述优化问题式(8)解耦合；最后，在已得到的子载波分配情况下，进行功率分配，最大化系统吞吐量。

整个资源分配的具体步骤如下。

步骤1 初始化

设置集合

S={1,2,…,N},

Θ={1,2,…,g,…,G},

且对∀g,∀n多播组内能正确解码数据的用户集合

Ag,n=∅,

Ωg={n:ρg,n=1}=∅,

pn=0,Tg,n=0。

步骤2 确定加权因子

步骤3 子载波分配、循环

(1)令n=1，执行如下步骤：比较Rg,n，选取

使得

ρg*,n=1。

如果存在

Rgx,n=Rgy,n(gx≠gy,gx,gy∈Θ),

则取

因此

Ωg=Ωg∪n,

S=S-{n}。

(2)分配剩余子载波，若n∈S，则更新n=n+1，继续(1)中所有步骤。

步骤4 结束

直到S=∅时结束，此时就完成了所有子载波的分配，即

ρg*,n=1，

同时确定了各个多播组能正确收到数据的用户集合

基于上述子载波分配结果，对采用注水功率分配算法完成功率分配[9]，此时，次优化问题式(8)转化为

(9)

采用Lagrange算法对式(9)处理后，得到功率分配结果表示为

(10)

以上就是EPSA-WF算法的具体实现过程。

3 仿真结果和分析

仿真场景及相关参数配置如表1所示。

表1 仿真参数配置

(1)信噪比对多播系统吞吐量的影响

选取系统用户数K=30，分为两个多播组。多播组1中包含12个用户，而多播组2包含8个用户。在此多播业务覆盖区域中，共有子载波N=64来承接此业务数据传输。在仿真过程中，信道是频率选择性衰落的，共包含6条相互独立的瑞利分布路径。并且，EPSA-SAF算法的最小分摊因子分别取α=0.1和α=0.3。仿真结果如图2所示。

从图2(a)中可以明显看出，随着信噪比SNR的增加，整个系统的吞吐量是呈现上升趋势的。尤其在RSN≥10 dB之后，上升的幅度是明显增大，曲线呈快速陡增状态。并且在α=0.3时，EPSA-SAF算法人为随机取得加权因子值介于0.3～1，α值越大，所取加权因子值也越大，从而多播组信道增益值越大，则对系统吞吐量的贡献越为明显。而当α=0.1时，EPSA-SAF算法的加权因子随机性取较小值的可能性就越大，多播组平均信道增益低，获得系统吞吐量可能会较低。

如图2(b)所示，EPSA-SAF算法和EPSA-LCG算法的性能相近，但在加权因子随机性取得值都较小的情况下，EPSA-SAF算法获得的系统性能可能还不如EPSA-LCG算法得到的性能。总之，可以很明显看出，改进算法要优于EPSA-SAF算法和EPSA-LCG算法，且随着SNR的递增，获得的系统性能也明显上升。

(a) K=30, α=0.3

(b) K=30, α=0.1

(2)用户数对多播系统吞吐量的影响

为了更好地且更清晰地评估用户数变化对系统吞吐量的影响状况，选择在较高的信噪比RSN=20 dB时完成此性能仿真。同时，为了更全面更准确地评估改进算法与EPSA-LCG算法和EPSA-SAF算法的系统性能，图3所示为仿真性能曲线。

从图3(a)可以很明显看出，改进算法在用户数逐渐增多时，获得的系统性能比相同条件下EPSA-SAF算法和EPSA-LCG算法得到的性能要优越。当α=0.3时，EPSA-SAF算法的组平均信道增益值可能会较大，因此EPSA-SAF算法获得的仿真曲线与改进算法的仿真曲线较为接近。

(a) RSN=20 dB, α=0.3

(b) RSN=20 dB, α=0.1

图3(b)为α=0.1时，改进算法与其他两种算法在用户数变化对系统吞吐量影响下的仿真曲线。可以看出，改进算法获得系统性能依旧要优于EPSA-SAF算法和EPSA-LCG算法获得的系统性能。EPSA-SAF算法与EPSA-LCG算法的性能曲线较为靠近，这是由于人为预定的分摊因子值较小时，加权因子的取值下限就有可能随机选到很小的值，从而得到的系统吞吐量就较低。更糟糕情况下，加权因子取值都很低，此时获得系统吞吐量甚至不如EPSA-LCG算法得到系统性能，而且这种情况是很有可能存在的。在RSN=20 dB且用户数为30所对应的系统吞吐量与图2在RSN=20 dB时获得系统性能是基本相同的。因此，从仿真得到的性能曲线图说明了改进算法的有效性和准确性。

4 软件实现

改进算法在MBMS软件仿真平台上进行实现和评估，如图4所示。在此界面里，设置用户数为30，小区半径为1 000 m，路径损耗16.3 dB，基站总的发射功率为1，循环次数为1 000次，其它参数由于本文算法未涉及，故初始化为零。

图4 MBMS软件平台的参数设置

通过设置网络拓扑结构中的系统参数，实现了场景模块的设置。由于改进算法不属于平台已有的算法，故在“传输技术”所代表的多播算法中选择“场景对应的传输技术”，通过此步骤MBMS工程文件.cpp中将调用.m形式做成的算法COM组件，将其添加到工程文件中。选择“吞吐量”指标，可在运行结果的组框中显示改进算法的性能曲线，如图5所示。

可以看出，改进算法在MBMS软件平台上获得的仿真性能曲线和利用Matlab仿真获得的性能曲线是基本一样的，同样显示了改进算法与EPSA-SAF算法和EPSA-LCG算法相比之下的优越性。

(a) α=0.1

(b) α=0.3

5 结束语

对EPSA-SAF算法进行改进，经过加权因子逆向关联、自适应确定传输速率等策略，建立改进后的最优资源分配方案。

仿真结果表明改进算法具有更高的吞吐量，同时兼顾用户之间的公平性。此外，改进算法的复杂度不高，计算量也相对较低，易于实现。

[1] Varshney U. Multicast support in mobile commerce applications[J]. Computer, 2002, 35(2): 115-117.

[2] Hartung F, Horn U, Huschke J, et al. Delivery of broadcast services in 3G networks[J]. Broadcasting, IEEE Transactions on, 2007, 53(1): 188-199.

[3] Suh C, Mo J. Resource allocation for multicast services in multicarrier wireless communications[J]. Wireless Communications, IEEE Transactions on, 2008, 7(1): 27-31.

[4] Hui S Y, Yeung K H. Challenges in the migration to 4G mobile systems[J]. Communications Magazine, IEEE, 2003, 41(12): 54-59.

[5] Sadr S, Anpalagan A, Raahemifar K. Radio resource allocation algorithms for the downlink of multiuser OFDM communication systems[J]. Communications Surveys & Tutorials, IEEE, 2009, 11(3): 92-106.

[6] Shariat M, Quddus A, Ghorashi S, et al. Scheduling as an important cross-layer operation for emerging broadband wireless systems[J]. Communications Surveys & Tutorials, IEEE, 2009, 11(2): 74-86.

[7] Liu J, Chen W, Cao Z, et al. Dynamic power and subcarrier allocation for OFDMA-based wireless multicast systems[C]//ICC2008. Beijing: IEEE Press, 2008: 2607-2611.

[8] Afolabi R O, Kim K. Adaptive resource allocation in multicast OFDMA transmissions using scalable amortize factor[C]//Ubiquitous and Future Networks (ICUFN), 2012 Fourth International Conference on. IEEE, 2012: 255-260.

[9] 刘鹏飞，卢光跃.一种基于注水算法的认知OFDM系统资源分配方法[J].西安邮电学院学报，2010，15(1)：9-12.

[责任编辑:祝剑]

Research on radio resource allocation algorithm by using weighting factors in OFDMA multicast systems

GUO Yan, WANG Zhilin, LI Shaojie

(Center of General Maintenance, China Mobile Group Shaanxi C., Ltd. Xi’an Branch, Xi’an 710075, China)

An improved multicast resource allocation algorithm is proposed to solve a shortcoming of the EPSA-SAF algorithm such as the uncertain rise and fall of the whole system performance. By making the weighted factor related to users channel gain, and dynamically spreading out the high data rate over the lower rate, and vice versa, the throughput of the whole system is enhanced and the fairness of users is satisfied. Simulation results show that the performance of EPSA-WF algorithm is better than those of EPSA-SAF algorithm and EPSA-LCG algorithm.

multicast, orthogonal frequency division multiplexing, resource allocation, weighting factor

10.13682/j.issn.2095-6533.2014.03.007

2014-02-19

国家科技重大专项基金资助项目(2010ZX03003-004-01)

郭艳(1986-)，女，硕士，从事无线通信中无线资源管理的研究。E-mail：guoyan5@sn.chinamobile.com 王志林(1979-)，男，工程师，从事移动通信网络运营维护优化研究。E-mail：wangzhilin3@sn.chinamobile.com

TN929.5

A

2095-6533(2014)03-0031-07