基于 QoS 保证的 MBMS 资源分配方案.doc

《基于 QoS 保证的 MBMS 资源分配方案.doc》由会员分享，可在线阅读，更多相关《基于 QoS 保证的 MBMS 资源分配方案.doc（13页珍藏版）》请在三一办公上搜索。

1、精品论文基于 QoS 保证的 MBMS 资源分配方案刘志国 ，王北京邮电大学信息与通信工程学院，北京 1008765摘要：在移动通信系统中，MBMS（Multimedia Broadcast Multicast Service）多媒体广播组 播技术采用“点到多点”的传输模式，提高了无线通信系统中的频率利用率，成为移动通信领域的研究热点。但是由于无线信道具有频率选择性衰落的特性，MBMS 系统的吞吐量受10限于业务组中信道质量最差的用户。为了对抗这种信道选择性衰落，研究中一般采用资源分 配的方法。本文改进了现有的资源分配算法得到了基于 Qos 保证的资源分配算法。首先根据多播组内用户的服务质量的

2、优先级进行子载波分配，保证所有用户的服务质量；然后对剩 余的子载波按照“最大化吞吐量的准则”进行分配；最后采用贪婪算法进行比特加载，进一步提高系统的吞吐量。通过仿真验证，这种资源分配算法在有效地保证组内所有用户的服务15质量的同时，可以尽可能大地提高系统的吞吐量。 关键词：通信技术；MBMS；用户服务质量；资源分配 中图分类号：TN929.53A Resource Allocation Scheme for MBMS with QoS20GuaranteesLiu Zhiguo , Wang YulongSchool of Information and Communication,Beiji

3、ng University of Posts andTelecommunications,Beijing 100876;25Abstract:MBMS(MultimediaBroadcastMulticastService)usespoint-to-multipoint transmission mode which can effectively improve the frequency utilization efficiency of the mobile communication system and becomes a hot research field of mobile c

4、ommunication. However, as the frequency selectivity of the wirless channel, the throughout of the MBMS system30is always limited by the user with the worst channel quality. In order to overcome the frequency selective fading, resource allocation methods is widely studied in the research. In this pap

5、er, the improved resource allocation algorithm based on user Qos is proposed. Firstly, the subcarriers are allocated according the users urgency degree guaranteeing the Qos of all users; Secondly, theremained the subcarriers are allocated by the maxmizing-throughout rule; Lastly, the system35through

6、out is further improved by the bit loading step with greedy algorithm. Simulation result shows that the proposed resource allocation scheme can not effectively guarantee the Qos of all users in the group, but also can improve the system throughtout as much as possible.Key words: Wireless communicati

7、on; MBMS; Qos; Resource Allocation400引言MBMS 可以有效地将相同的业务数据传输给同一个业务组内的多个接收者，这样相对 于单播来说，就可以节省大量宝贵的频率资源，提高了系统的容量。但是由于无线信道的频 率选择性衰落，MBMS 系统容量往往受限于信道质量最差的用户。为了提高 MBMS 系统的 性能，很多研究者已经不同的角度对其进行了研究。这些研究者主要从物理层和 MAC 层（介45质访问层）对 MBMS 技术进行了研究。在物理层方面主要有分层调制技术12、多级耦合调通信联系人：王，教授，E-mail: wangyulong作者简介：刘志国（1986-），男，

8、硕士研究生，宽带移动通信与网络融合- 13 -制技术3、发射分集技术45以及分层编码技术678等技术。在 MAC 层方面，主要集中在 资源分配技术的研究。目前基于多播的资源分配算法主要从最优化吞吐量911、以及用户公平性12等方面进行了研究。为了对抗信道衰落从而提高系统的吞吐量，可以采用子载波和 功率分配算法。文献11提出的子载波和功率分配算法可以最大化多播组中所有用户的吞吐50量，但是这种算法的缺点是不能保证信道质量差的用户的最基本的服务质量；文献910 研究了基于部分优先级最高的用户的资源分配算法，但是这种算法只能保证部分优先级最高 的 用 户 的 服 务 质 量 ； 另 外 还 有 人

9、研 究 了 最 低 信 道 增 益 算 法 (the lowest channel gain(LCG)method)，在这种算法中，所有的用户共享所有的子载波，比特分配是采用改进的Levin-Campello 算法，这种 LCG 算法保证了用户的服务质量，但是却限制了多播系统的吞55吐量。针对于以上几种算法的不足，本论文采用了一种次优化资源分配算法，1）首先假设 每个子载波分配的功率相同，进行子载波分配，保证多播组中所有用户最基本的服务质量；2）采用贪婪算法将剩余的子载波进行分配，最大化剩余子载波所承载的吞吐量；3）通过迭 代，对每个子载波分配比特，提高多播系统的吞吐量。本文得到的最优化和次优

10、化算法在保 证最基本的用户服务质量，即保证组内所有用户可以接收到多播服务，同时可以尽可能最大60化多播系统的吞吐量，保证了用户间的公平性。1系统场景及建模论文中，基于 Qos 保证的资源分配方案的仿真场景是假设 MBMS 系统中的一个小区中， 在这个小区中有一个基站和一个多播业务组，在这个多播业务组中会有多个用户。如图 1 所示，无线信道基站业务组蜂窝小区移动用户65图 1 系统场景图Fig.1 The scene of the system在这个 MBMS 系统中，假设有 N 个子载波，K 个用户，这 K 个用户可以接受同一种不 同服务质量的服务。在每一个子载波分配周期中，基站将每个子载波分

11、配给多播用户组里的70多个用户,基站与用户之间的信道为瑞利块衰落信道。 在论文中，首先假设原始的多播数据通过编码后生成基本层和一些增强层，其中基本层k是用来满足用户的最基本的服务质量的，而增强层是用来提高用户的服务质量，用户接收到 的增强层的数量越多，那么用户的服务质量就越好。因此，要想保证用户的最基本的服务质 量，每个用户必须能够达到基本层所需要的数据传输速率用 r min 来表示。在每个子载波分配75周期中，子载波分配算法必须要保证每个用户可以接收到基本层数据，达到最小的传输速率。 为了描述资源优化过程，我们用公式（1）来描述，每个用户的数据传输速率：NR k = cn rk ,nn=1（

12、1）其中 k=1,2,3,K，表示第 k 个用户，n=1,2,3,N 表示第 n 个子载波。R k 表示第 k 个用户的数据传输速率，cn 0,1,M 表示每个子载波承载的比特数或者符号数，其中 M80表示每个子载波承载的最大符号数或者比特数。r k ,n 表示第 k 个用户是否使用第 n 个子载波 来传输数据，当 r k ,n =1 时，表示第 k 个用户使用第 n 个子载波；当 r k ,n =0 时表示第 k 个用 户不使用第 n 个子载波。分配给第 n 个子载波的发射功率可以表示为，P = max P f (c )r = maxnk ,n（2）nkk ,n k2ak ,n85其中f (

13、cn ) 表示当信道增益为 1 时，第 n 个子载波传输 cn 个比特且能够被可靠接收所需要的最小接收功率。a 2表示第 n 个在载波到第 k 个用户的信道增益。因为在 MBMS 系k ,n 统中，子载波可能被多个用户共享，那么子载波的最大发射功率应该在共享这个在载波的用 户之间选取。论文中改进了现有的资源分配算法，采用分层传输方案，把原始的数据经过编码分割90成基本层数据和不同的增强层数据，对于信道质量差的用户，保证信道质量差的用户能够接 收到基本层数据，保障最基本的 Qos；对于信道质量好的用户，让其尽可能多地接收增强层 的数据，获得尽可能好的 Qos。假设总的发射功率为 PT ，资源分配

14、的优化过程可以用下列 目标函数表达式来描述：c ,rT c rK N n k ,nmax R= max c r(3)95限制条件为：n k ,nn k ,nNk =1 n=1 n k ,n kc rn=1 r mink=（1,2,K）(3a)1r= maxk ,n cnkck ,nn=(1,2,N)(3b)K1 rk ,n Kk =1n=(1,2,N)(3c)N f (cn ) rk ,n ka 2Tmax P(3d)n=1k ,n100限制 条件（3a）保证了每个用户达到的最小传输速率，保证了每个用户的基本 Qos， 限制条件（3d）为功率限制条件，保证了总功率小于基站发射功率。这个优化问题

15、是一个非线性优化问题，因为函数 f (c ) 和函数 max 都是非线性的。比如当调制方式是 M-QAM 的时候， f (c ) 可以表示为：2 f (c ) = N0 Q-1 pe (2c -1)（4）3 4 105其中 pe 表示误比特率， N0 /2 表示高斯白噪声的方差，同时 Q 函数为：1 - t 2Q( x) =e 2 dt（5）2资源分配算法2p x110在这部分首先讨论问题公式（3）的最优化算法来保证用户的基本的 Qos 的同时尽可能 大地提高系统的吞吐量，然后我们提出了一种改进的次优化资源分配算法来降低最优化算法 的计算复杂度。2.1 最优化资源分配算法为了将公式（3）转化为

16、典型的 IP（整数）问题， cn 只取有限的整数值。另外限制条 件公式（3b）中的 max 函数应该转化为线性的和限制条件公式（3d）转化为线性的。 具体 方法如下：115假设我们采用的是 M-QAM 调制方法，那么 c 0,1,M ，则公式（4）中的 f (c ) 的取值可以表示为 f (c) 0, f (1), f (2), f (M ) ；为了将公式（4-3c）转化为线性问题，我 们可以将所有可能的 ck ,n 都枚举出来，如下所示：r r rc .1,n 1, c .2,n 1,c .k ,n 1, n = 1, 2,N（3b/）k ,n n c1, n n c2, n n c另外，由

17、于在实际系统中每个子载波的数据传输速率受限于子载波承载的比特数，即120c 0,1,M ，我们还需要用一个新的标志g k,n,c 来代替 cn 和 r k ,n ，表示如下：rk ,n , cn = cg =（6）k ,n,c 0, cn c那么利用这个新的变量，限制条件（3c）可以表示为： K K 1 g k ,n,1 K ,g k ,n,c 或k =1c1 k =1 K K 1 g k ,n,2 K ,g k ,n,c 或k =1c2 k =1 125（3c/） K K 1 g k ,n,M K , g k ,n,c n=(1,2,N)k =1cM k =1 同时根据公式（6）定义的g k

18、 ,n ,c ， cn rk ,n 和 f (cn )rk ,n 可以表示为Mcn rk ,n = cg k ,n ,cc=1130Mf (cn ) rk ,n = f (c)g k ,n ,cc=1利用公式（7），限制条件（3d）可以表示为：（7）N M f (c)g1,n,c a 2 PTn=1 c=1 1,nN -1 Mf (c)ga 2M1,n,c + f (c)ga 2T2,N ,c P ，n=1 c=11,nc=11,2N Man=1 c=1f (c)g K ,n,c2K ,n （3d/） PT135因此，通过将限制条件中的“max”函数用一系列的线性等式来代替，目标优化函数公 式

19、（3）可以转换为一个可以用 IP 解决的最优化问题。尤其限制条件（3d）转化为限制条件（3d/），包括 K/个线性条件。通过以上分析，我们可以将最优化问题转为一个 IP 问题,如 下公式（8）和其相应的限制条件所示：c ,rTgK N Mmin k ,n ,cmax R= maxcg（8）140限制条件为：n k ,n k ,n ,cN Mk =1 n=1 c=1n=1cn cgc=1k ,n ,c rk ，k=（1,2,K）r r rc .1,n 1, c .2,n 1,c .k ,n 1, n = 1, 2,Nk ,n n c1, n n c2, n n c K K 1 g k ,n,1

20、K ,g k ,n,c 或k =1c1 k =1 K K 1 g k ,n,2 K ,g k ,n,c 或145 k =1c2 k =1 K K 1 g k ,n,M K , g k ,n,c , n=(1,2,，N)k =1cM k =1 N M f (c)g1,n,c a 2 PT ，且n=1 c=1 1,nN -1 Mf (c)ga 2M1,n,c + f (c)ga 2T2,N ,c P ，且n=1 c=11,nc=11,2150N Man=1 c=1f (c)g K ,n,c2K ,n PT公式（8）以及相应的限制条件表示的是一个 NP 难题，它的算法复杂度会随着限制条 件和变量的的

21、个数按照指数增加。而限制条件和变量的数量又会随着用户数和子载波数的增 加而大量的增加，所以最优化算法用在实际的通信系统中是不现实的。为此，我们改进了最 优化算法，提出了一种次优化算法，在降低算法复杂度的同时，尽量逼近最优化算法的性能。1552.2 次优化资源分配算法假设每个子载波的发射功率都是相同的，公式（8）中的功率限制条件可以进一步修改， 那么目标优化函数可以重写为：c ,rTgK N M k ,n ,cmax R= max cg（9）限制条件为：n k ,n k ,n ,ck =1 n=1 c=1N M160n=1cn cgc=1k ,n ,c rk ，k=（1,2,K）rc . 1,n

22、r 1, c . 2,nrmin 1,c . k ,n 1n = 1, 2, Nk ,n n c1, n n c2, n n c K K 1 g k ,n,1 K ,g k ,n,c 或k =1c1 k =1 K K 1 g k ,n,2 K ,g k ,n,c 或k =1c2 k =1 K K 1651 g k ,n,M K , g k ,n,c n=(1,2,，N)k =1cM k =1 f (c ) r Pmaxnk ,n TaNk2k ,n假设每个用户都可以接收到子载波，那么我们假设 r k ,n =1，表示第 k 个用户可以接收到第 n 个子载波传输的数据，每个用户可靠接收的比特数用

23、 ck ,n 来表示，则有如下表达式： a 2 P -1ck ,n = min fk ,n TN , M （10）170175其中 f -1 () 表示在公式（4-4）中定义的 f () 的反函数，M 表示最大的 M 进制调制方 式。因为 f () 函数是随着 c 的增加而增加的单调递增函数，所以它的反函数也是单调递增的。另外，在此次仿真研究中引入一个新的变量 sk，用来表示第 k 个用户需要满足最基本 服务质量的优先级，这个变量 sk 越大，那么第 k 个用户的越需要首先被满足他的最基本的 服务质量要求，也就是说，如果某个用户的优先级最高，那么这个用户在子载波分配和比特 加载过程中要首先被满

24、足他的最基本的服务质量要求。定义如下：r mins = k (11)180k Nck ,n n=1通过这个公式，们可以发现第 k 个用户的优先级随着用户需求的最小传输速率增加而 增加；随着信道条件的变好而降低。论文中提出的次优化算法分为三个步骤：1）首先假设每个子载波分配的功率相同，进 行子载波分配，保证多播组中所有用户最基本的服务质量；2）采用贪婪算法将剩余的子载 波进行分配，最大化剩余子载波所承载的吞吐量；3）通过迭代，对每个子载波分配比特，185提高多播系统的吞吐量。算法的具体过程如下所示：(1) 在功率相同的情况下进行子载波分配，保证多播组中用户的最基本的服务质量需求。A.利用公式（4

25、-10）计算在每个子载波发射功率相同的情况下，在一个调度时隙内， 多播组的组内第 k（1 k K ）个用户能够可靠地接收到第 n（1 n N ）个子载 波传输的比特数，也就是 ck,n；B.利用公式（4-11）计算每个用户的需要满足最基本的服务质量的优先级，并对他们进行排序，不失为一般性，我们假设s1 s2 s3 sK ，那么相对应的用户；190195C.然后用 gn 来表示第 n 个子载波在子载波分配的过程中是否已经被分配，即如果 gn 等于 0，就表示子载波已经给分配完毕，不能再进行分配；如果 gn 等于 1，就表示 子载波还没有被分配，这个子载波当前处于可被分配状态。在子载波开始分配的时

26、候用户的数据传输速率 rk 等于 0，gn 等于 1，其中1 k K ，1 n N 。D.利用（B）中的假设，从用户 1 到用户 K 的优先级逐渐降低，那么从用户 1 到用户K 可以重复下列步骤进行子载波分配：更新所有用户的最小传输速率，对于所有的子载波 n（1 n N ），如果 gn=0，min min且 cnck,n，那么 rk= rk- cn ；N将所有子载波对于用户 k 的传输速率进行降序排序，那么我们可以得到一个排1序后的速率集合，即 ck ,n2, ck ,n,ck ,n ，其中 n1,n2 , ,nN 都属于集合1,2,3,N，且值都不相同。用 N = minn :N n =1c

27、k ,nn gnn min r1 2k，表示能够200205210保证用户服务质量的最小子载波数目，且 N N 。然后对于 n n , n ,N ， 如果 gn=1，然后更新 cn 以及 gn，即 cn= ck,n，gn=0,同时更新子载波分配的标识k ,nk ,n r ，即 r = 1, a 2 a 2 。k ,n k ,n通过这种以“保证所有用户最小传输速率”为准则的子载波分配算法，可以有效地保 证了多播组内所有用户最基本的服务质量。（2）通过（1）中的子载波分配完毕后，次优化算法可以保证所有用户要求的最基本的服务 质量，还有剩余的子载波，然后将这些子载波的按照“最大化吞吐量分配原则”分配

28、给合适 的用户。A.找出经过（1）中的分配算法后，剩余的子载波集合 G = n : gn = 1 ，对于所有的n（ nG ），重复下列步骤；B.计算加入第 k 个用户的信道质量最坏且能够接收到发射端发射的数据，那么第 n（ nG ）个子载波的总的数据传输速率为 R，表示为： R= u c ，G,k ,n G,k ,n k ,n k ,n其中 uk ,n 表示用户的个数，这些用户的特点是对于第 k 个子载波，用户的信道增益大于第 k 个用户的信道增益a 2 。k ,n C.对于第 n（ nG ）个子载波，选择相应的用户索引 ln （1 ln K ），最大化第215n 个子载波的吞吐量，即 l=

29、arg max R 。n k G,k ,n然后更新子载波分配的标识 r k ,n ，更新方法如下：1,a 2 ar= k ,nln ,nk ,n k ,n0,a 2 aln ,n220（3）由于步骤（1）和步骤（2）已经完成了子载波的分配，在这里通过迭代，对每个子 载波分配比特，采用改进的 Levin-Campllo 贪婪算法进行比特加载来进一步提高多播系统的 吞吐量。之前的 Levin-Campllo 算法应用在单用户的 OFDM 系统中，每次分配一个比特，在 每次分配的过程中选择从选择功率增加最小的子载波。论文中用 DPn (c ) 表示通过第 n 个子载 波传输数据时，每增加一比特的数据

30、发射端增加的功率。那么，当第 n 个子载波承载的数据比特数为 c 时， DPn (c) 可以表示为：DPn (c ) =f (c + 1) - f (c)a 2 uln n225其中 un 表示可以可靠接收第 n 个子承载数据的用户个数，因为一般来说，在多播组中，一个子载波通常是由多个用户共享的， un 表示如下：具体的子载波比特加载的方法如下所示：Knn Tun = uk ,nk =1230A.初始化 c =0，同时计算所有的 DP (0) ，其中1 n N ；用 P* 表示在进行比特加载的 过程中已经使用的功率，且 P* =0；用户的数据传输速率 r = 0 ，1 k K ；T kTTB.

31、比特迭代加载，在 P* P 的情况下重复以下步骤：如果没有满足用户的最基本的服务质量需求，则根据步骤（1）中定义的优先级 用户的顺序 s1 s2 s3 sK 进行对相应的子载波进行功率分配，可以使用min的子载波集合为 n n : gn = 0 ，如果用户传输速率小于用户需要的最小传输速235率，即 rk rk，那么选择 n*= arg min DPn (cn ), n n : gn = 0；如果已经满足了所用用户的基本服务质量需求，那么n nn* = arg min DP (c ), n 1, 2,3, N ；更新比特加载过程中已经使用的功率 P= P +DP * (c * )u * ；*

32、*T T n n n*更新第 n* 个子载波所承载的比特数 cn= c + 1 ；*n240更新共享第 n* 个子载波的所有用户数据速率，令 k k : rk ,n = 1 ，则有r = rkk+ c ；*n*更新第 n* 个子载波承载的数据增加 1 比特所需要增加的功率，如果 c =M，则nD c ；否则，如果 c * M，则利用公式（4-14）计算 DPn* (c * )Pn* (n* )= n n2453仿真结果和分析在此次仿真过程中，我们采用仿真信道为瑞利块衰落信道，即在一个资源分配周期内，250信道状态信息不会发生改变，资源分配周期为 0.5ms，用户数目 K=8，子载波数目 N=1

33、6，最大误比特率为 10-4，最大的调制阶数为 M=2，用户的最小传输速率要求为 rmin=60kbps， 高斯白噪声的均值为 0，方差为 1，如表 1 所示：表 1 仿真参数设置表Tab.1 The parameters of the simulation仿真信道瑞利块衰落信道资源分配周期0.5ms用户数 K8子载波数 N16最大误比特率10-4最大调制阶数 M2最小传输速率 rmin60kbps高斯白噪声方差 N0/21具体的仿真结果如下所示：1）. 最大化系统吞吐量和基于 Qos 保证的资源分配算法比较600500最大化吞吐量算法 VS基于 Qos保证的算法 最大化吞吐量最优化算法 最大

34、化吞吐量次优化算法 基于 Qos保证的最优化算法 基于 Qos保证的次优化算法 400kbps3002001000101520253035404550发射功率 (dBm)255260图 2 最大化吞吐量算法和基于 Qos 保证算法比较Fig.2 The comparison of the maximizing-throughout and the Qos guaranteeing algorithm在图 2 中，比较“基于 Qos 保证的最优化算法”和“基于 Qos 保证的次优化算法” 两条曲线，可以发现在合理的基站发射功率范围 2035dBm 之间，“基于 Qos 保证的 最优化算法”的性能

35、接近于“基于 Qos 保证的次优化算法”。当发射功率足够大时， 两种算法的吞吐量性能会逐渐趋于一致。这说明通过改进得到的“基于 Qos 保证的最 优化算法”在性能上可以逼近“基于 Qos 保证的最优化算法”，同时很大地降低了算 法复杂度，在实际应用中有着很好的可实现性。另外，还可以发现，“基于 Qos 保证”的最优化和次优化资源分配算法在吞吐量性能上稍微比文献11提出的“最大化吞吐量”资源分配算法。2）. 基于 Qos 保证的资源分配算法和其他资源分配算法的吞吐量比较600500算法吞吐量比较 基于 Qos保证的最优化算法 基于 Qos保证的次优化算法 LCG所有子载波传输 2比特 所有子载波

36、传输 1比特 400kbps300200100265270275280010 15 20 25 30 35 40 45 50发射功率 (dBm)图 3 基于 Qos 保证的算法和其他算法的吞吐量比较Fig.3 The comparison of Qos guaranteeing algorithm and other algorithmsA.在图 3 中，比较了 5 种算法的吞吐量性能，分别是通过改进得到的“基于 Qos 保 证的最优化算法”、通过改进得到的“基于 Qos 保证的次优化算法”、“LCG（Low Channel Gain）算法”以及不采用资源分配时“所有子载波传输两个比特”和“所

37、 占有子载波传输一个比特”的算法，从比较的结果可以看出在发射功率较小的情况 下，“基于 Qos 保证的次优化算法”的吞吐量性能优于 LCG 算法和不采用资源分 配算法的性能，说明采用论文改进的“基于 Qos 保证的资源分配算法”可以有效 地提高多播组的系统吞吐量。B.在图 3 中，还可以发现，当发射功率足够大的时候，“LCG（Low Channel Gain） 算法”、基于 Qos 保证的两种优化算法的吞吐量性能是一样的，而且不再随着发 射功率的增加而增加，这是因为在发射功率足够大的情况下，在每个时隙组中所有 用户都可以可靠地接收到 2 个比特的数据，达到吞吐量的最大值，此时系统的吞吐 量受限

38、于系统的带宽。3）. 不同算法的用户 Qos 保证率比较1.31.21.11不同算法的用户服务质量保证率比较 最大化吞吐量资源分配算法 基于 Qos保证的资源分配算法 LCG算法 每个子载波承载两个比特 每个子载波承载一个比特 服务质量保证率 0.90.80.70.60.50.40.310 15 20 25 30 35 40 45 50用户数（个） 285290295300图 4 不同算法的用户服务质量保证率比较（发射功率 PT=30dBm）Fig.4 the Qos guaranteeing rate of different algorithms(PT=30dBm)A.在图 4 中，比较“最大化吞吐量资源分配算法”，“基于 Qos 的资源分配算法”、“LCG（Low Channel Gain）算法”以及两种不采用资源分配策略的普通发送方法，可以看出 当用户数小于一定数目的时候，采用改进后得到的“基于用户公平性的资源分配算法” 和“LCG（Low Channel Gain）算法”进