抗時(shí)延敏感性跨層自適應(yīng)資源分配方案

摘 要:為了對(duì)抗多用戶OFDM系統(tǒng)中用戶實(shí)時(shí)業(yè)務(wù)對(duì)時(shí)延的敏感性，提出一種利用Hopfield神經(jīng)網(wǎng)絡(luò)(HNN)算法的跨層自適應(yīng)資源分配方案。該方案設(shè)置用戶調(diào)度優(yōu)先級(jí)時(shí)同時(shí)考慮物理層的信道狀態(tài)信息，及媒體接入層的用戶隊(duì)列狀態(tài)信息和等待時(shí)間等;采用HNN算法，最大化系統(tǒng)容量的同時(shí)降低了平均時(shí)延和丟包率。仿真結(jié)果表明，相比于傳統(tǒng)資源分配方案，該方案可以有效保障用戶的服務(wù)質(zhì)量，并提高了系統(tǒng)的整體性能。

關(guān)鍵詞:跨層;正交頻分復(fù)用系統(tǒng);多用戶調(diào)度;Hopfield神經(jīng)網(wǎng)絡(luò);時(shí)延;服務(wù)質(zhì)量

中圖分類號(hào):TN929.5 文獻(xiàn)標(biāo)志碼:A

文章編號(hào):1001-3695(2010)03-1122-04

doi:10.3969/j.issn.1001-3695.2010.03.087

Adaptive cross-layer resource allocation scheme resisting delay sensibility

PENG Li，JIANG Ming-yan

(School of Information Science Engineering， Shandong University， Jinan 250100， China)

Abstract:In order to resist delay sensibility of real-time services， this paper proposed an adaptive cross-layer resource allocation scheme employing Hopfield neural networks (HNN) algorithm in multi-user OFDM system. In setting of the user scheduling priority，this paper considered not only the channel state information (CSI) at the physical layer， but also users’ queue state information and waiting time at media access control (MAC)layer.By the HNN algorithm， the proposed scheme decreased the average delay and packet loss ratio， and maximizing the system capacity. Numerical results show that the scheme can efficiently guarantee the quality of service (QoS) requirements and improve the system performance compared with traditional schemes.

Key words:cross-layer; OFDM system; multi-user scheduling; Hopfield neural networks; delay; QoS

0 引言

在后三代(B3G)無線通信系統(tǒng)中，OFDM(orthogonal frequency division multiplexing )技術(shù)由于能夠有效對(duì)抗多徑信道引起的頻率選擇性衰落而備受關(guān)注。近年來，多用戶OFDM系統(tǒng)的無線資源管理成為人們研究的一個(gè)熱點(diǎn)。研究多用戶OFDM系統(tǒng)中的資源分配問題時(shí)，文獻(xiàn)[1，2]簡(jiǎn)單地將子載波分配給瞬時(shí)信道增益最大的用戶，忽略了用戶的其他要求;文獻(xiàn)[3]則提出了一種應(yīng)用拉格朗日算子的迭代搜索算法，但復(fù)雜度較大、實(shí)用性較低。后來許多低復(fù)雜度的資源分配方案相繼出現(xiàn)[4，5]。然而隨著許多高速無線實(shí)時(shí)業(yè)務(wù)如音頻、視頻流等的出現(xiàn)，系統(tǒng)要求滿足一定數(shù)據(jù)傳輸率的同時(shí)需保證大部分業(yè)務(wù)包的傳輸時(shí)延在要求的閾值之內(nèi)。針對(duì)這種情況，傳統(tǒng)的資源分配方案已不能滿足要求。因?yàn)樗鼈兇蠖贾粡奈锢韺拥慕嵌瓤紤]問題，而忽略了MAC層的業(yè)務(wù)數(shù)據(jù)到達(dá)特性、隊(duì)列狀態(tài)信息、用戶時(shí)延要求等因素，這種體系結(jié)構(gòu)的次優(yōu)性和非靈活性，使得系統(tǒng)無法靈活地適應(yīng)無線移動(dòng)環(huán)境的變化，并導(dǎo)致無線頻譜資源無法得到有效利用。

針對(duì)這種情況，人們開始研究多用戶OFDM系統(tǒng)中的跨層資源分配問題。文獻(xiàn)[6]針對(duì)多用戶OFDM系統(tǒng)提出了一種跨層資源分配方案，但良好性能的取得是以各用戶具有相同且較高的接收信噪比為前提。文獻(xiàn)[7]也提出了一種跨層方案，但其基于注水算法，復(fù)雜度高、實(shí)用性不強(qiáng)。文獻(xiàn)[8]雖未考慮跨層設(shè)計(jì)，但解決動(dòng)態(tài)資源分配問題時(shí)采用了HNN算法，與傳統(tǒng)算法相比，降低了計(jì)算復(fù)雜度，提高了系統(tǒng)性能。HNN是一種反饋、二值輸出、全連接型網(wǎng)絡(luò)。連續(xù)型神經(jīng)網(wǎng)絡(luò)狀態(tài)的演變過程是一個(gè)非線性動(dòng)力學(xué)系統(tǒng)，可以用一組非線性微分方程來描述，神經(jīng)元輸出的穩(wěn)定值即為優(yōu)化問題的解。在滿足一定約束條件下，“能量函數(shù)”的能量在網(wǎng)絡(luò)運(yùn)行過程中不斷減小，最終趨于穩(wěn)定的平衡狀態(tài)。HNN算法在資源分配中的優(yōu)良表現(xiàn)，繼其成功解決旅行商問題[9]，又一次證明了HNN算法的并行處理方式，使其計(jì)算量不隨維數(shù)的增加而發(fā)生指數(shù)性“爆炸”，因而對(duì)解決優(yōu)化問題時(shí)的高速計(jì)算特別有效。

針對(duì)用戶實(shí)時(shí)業(yè)務(wù)對(duì)時(shí)延有較強(qiáng)的敏感性這一問題，本文在多用戶OFDM下行鏈路中，提出了一種基于物理層和MAC層的跨層自適應(yīng)資源分配方案，以有效抵抗實(shí)時(shí)業(yè)務(wù)對(duì)時(shí)延的敏感性。該方案采用HNN算法，分別考慮物理層的信道狀態(tài)信息和功率限制，以及MAC層的業(yè)務(wù)數(shù)據(jù)到達(dá)特性、隊(duì)列狀態(tài)信息、用戶時(shí)延要求等。其實(shí)現(xiàn)包括以下兩部分:

a)MAC層用戶業(yè)務(wù)調(diào)度算法。根據(jù)用戶業(yè)務(wù)等待時(shí)間和信道質(zhì)量，設(shè)置并動(dòng)態(tài)調(diào)整每個(gè)用戶針對(duì)每個(gè)子載波的優(yōu)先級(jí)，為下一步的資源分配提供調(diào)度次序。

b)物理層自適應(yīng)子載波、功率聯(lián)合分配算法。采用HNN算法建立并解決一個(gè)跨層優(yōu)化問題，即在滿足系統(tǒng)總功率、用戶傳輸速率和誤比特率要求的前提下，最大化系統(tǒng)容量，降低平均時(shí)延和丟包率。這樣，使得調(diào)度算法和資源分配算法通過跨層設(shè)計(jì)緊密結(jié)合以至融為一體。

1 系統(tǒng)模型

圖1為跨層自適應(yīng)資源調(diào)度的多用戶OFDM下行鏈路基站模型。

系統(tǒng)帶寬為BW，總功率為Ptotal，子載波總數(shù)為K，系統(tǒng)內(nèi)處于激活期的用戶數(shù)為M，OFDM符號(hào)周期為Ts。假設(shè)各移動(dòng)臺(tái)能夠獲得完美的下行鏈路CSI，并能夠通過無差錯(cuò)的反饋信道將CSI及時(shí)地匯報(bào)給基站。用戶m在第k個(gè)子信道的瞬時(shí)信道增益為hm，k，由下式得到:

hm，k=Ll=1hm，lexp(-j2πkl/K);k=1，2，…，K(1)

其中:hm，l(l=0，1，…，L)為用戶m多徑信道抽頭延遲模型中的第l條抽頭系數(shù)。

為了對(duì)網(wǎng)絡(luò)層進(jìn)行詳細(xì)刻畫和描述，假設(shè)每個(gè)用戶的業(yè)務(wù)數(shù)據(jù)到達(dá)各自緩存區(qū)服從到達(dá)率為λm的獨(dú)立泊松過程。考慮第n個(gè)時(shí)隙，即時(shí)間段[nTs，(n+1)Ts]。用戶m在nTs時(shí)刻從基站發(fā)送出的數(shù)據(jù)量為rm(n)，即為用戶m所傳輸業(yè)務(wù)的服務(wù)率。用戶m在第(n-1)個(gè)時(shí)隙內(nèi)到達(dá)的數(shù)據(jù)量為am(n)。由泊松分布的定義可知:

P(時(shí)間間隔Ts內(nèi)到達(dá)am)=(λmTs)ame-λmTsam!(2)

泊松過程具有平穩(wěn)性，即在時(shí)間段Ts內(nèi)恰好到達(dá)am的概率僅與時(shí)間段長(zhǎng)度有關(guān)，而與時(shí)間段的起止時(shí)刻無關(guān)，故am(n)=am=λmTs。令Qm(n)為nTs時(shí)刻用戶m的隊(duì)列長(zhǎng)度，則

Qm(n+1)=Qm(n)+am(n+1)-rm(n)(3)

又由排隊(duì)論中的Little定理[10]:

N=λT(4)

其中:N為系統(tǒng)中的平均分組數(shù)量;T為一個(gè)分組在系統(tǒng)中消耗的平均時(shí)間;λ為分組進(jìn)入系統(tǒng)的到達(dá)率(可以服從任意分布)。得到nTs時(shí)刻用戶m的平均等待時(shí)間Wm(n)為

Wm(n)=E(Qm(n))λm(5)

進(jìn)而得到(n+1)Ts時(shí)刻用戶m的等待時(shí)間為

Wm(n+1)=Wm(n)+Ts-rm(n)λm

(6)

用戶等待時(shí)間Wm是本文所提方案中一個(gè)保證用戶時(shí)延要求的重要指標(biāo)。

2 跨層自適應(yīng)資源分配方案

2.1 MAC層用戶業(yè)務(wù)調(diào)度

對(duì)于時(shí)延敏感性較高，即具有較強(qiáng)時(shí)延約束的用戶數(shù)據(jù)包，用戶QoS不僅僅包括傳統(tǒng)QoS中的傳輸率、誤比特率等因素，還時(shí)常以時(shí)延、丟包率等來衡量。調(diào)度用戶時(shí)，如果可以保證盡量減小用戶數(shù)據(jù)的等待時(shí)延，則可以達(dá)到降低用戶丟包率的目的，進(jìn)而提高用戶的整體滿意度。

本文在調(diào)度時(shí)綜合考慮兩方面:一是MAC層的業(yè)務(wù)時(shí)延特性，即用戶數(shù)據(jù)業(yè)務(wù)的等待時(shí)間越長(zhǎng)，其被調(diào)度的優(yōu)先級(jí)越高;二是物理層的信道質(zhì)量，即用戶的信道質(zhì)量越好，該用戶的數(shù)據(jù)業(yè)務(wù)將越先被發(fā)送。引入調(diào)度因子I(xiàn)m，k來表征針對(duì)子載波k各用戶的調(diào)度優(yōu)先級(jí)，如下式所示:

I(xiàn)m，k=α|m，k|2+βm(7)

其中:m，k和m均在[0，1]內(nèi)取值，分別為用戶m歸一化后的信道增益hm，k和等待時(shí)間Wm;α和β表示信道信息和時(shí)延在用戶調(diào)度中起作用的大小程度，分別稱為信道因子和時(shí)延因子，在[0，1]內(nèi)取值且滿足α+β=1。本文所提方案中，取α=β=1/2，用戶信道質(zhì)量與等待時(shí)延同等程度動(dòng)態(tài)地決定用戶的調(diào)度優(yōu)先級(jí)，這樣在業(yè)務(wù)數(shù)據(jù)對(duì)時(shí)延非常敏感的情況下仍然能確保較高的系統(tǒng)吞吐量。如果為了達(dá)到某個(gè)系統(tǒng)的特定目的，在系統(tǒng)吞吐量和時(shí)延敏感度兩者之間有所偏向，則可以適當(dāng)將偏向方的因子設(shè)置得高一些。而傳統(tǒng)的調(diào)度方案往往僅考慮信道和時(shí)延中的一方，通過將α和β其中之一置零即可:當(dāng)α=0，β=1時(shí)，只根據(jù)用戶業(yè)務(wù)的等待時(shí)間來分配子載波，即等待時(shí)間長(zhǎng)的用戶將先得到調(diào)度;當(dāng)α=1，β=0時(shí)，用戶優(yōu)先級(jí)只取決于各用戶的信道質(zhì)量，即傳統(tǒng)的最大容量調(diào)度方案，以犧牲公平性為代價(jià)達(dá)到系統(tǒng)最大吞吐量。

2.2 物理層動(dòng)態(tài)自適應(yīng)資源分配目標(biāo)的確定

MAC層的用戶調(diào)度次序最大限度地滿足了各用戶的時(shí)延要求。物理層根據(jù)MAC層產(chǎn)生的用戶調(diào)度次序，采用一定的分配方案進(jìn)行動(dòng)態(tài)自適應(yīng)資源分配。當(dāng)系統(tǒng)性能優(yōu)化的準(zhǔn)則不同時(shí)，采用的分配方案也將不同。這里以系統(tǒng)吞吐量最大化為優(yōu)化目標(biāo)，資源分配的目標(biāo)函數(shù)為

R=maxMm=1Kk=1xm，kcm，k(8)

其中:cm，k為用戶m分配到子載波k上的比特?cái)?shù)，cmax為一個(gè)M-QAM符號(hào)所攜帶的最大比特?cái)?shù)，cm，k∈{1，2，…，cmax}。因?yàn)樵诿總€(gè)OFDM符號(hào)期間，一個(gè)子載波只能被一個(gè)用戶占用，所以若cm，k≠0，則對(duì)任意m′≠m，m′∈{1，2，…，M}，有cm′，k=0。xm，k表示用戶m分得子載波k，即

xm，k=0 若cm，k=0

1若cm，k≠0(9)

由香農(nóng)公式得到:

cm，k=BWK log2(1+|hm，k|2pm，kΓN0B/KW)(10)

其中:N0為AWGN信道的單邊功率譜密度，Γ是與業(yè)務(wù)數(shù)據(jù)目標(biāo)誤比特率pe有關(guān)的常數(shù)，當(dāng)系統(tǒng)采用M-QAM調(diào)制時(shí)，Γ=-ln(5×pe)/1.5。

對(duì)于給定的用戶傳輸質(zhì)量QoS(本文采用誤比特率pe衡量)，在M-QAM調(diào)制方式下，一個(gè)OFDM符號(hào)內(nèi)接收端正確解調(diào)c個(gè)比特所需要的最小信號(hào)功率為[11]

p(c)=N0/3[Q-1(pe/4)]2(2c-1)(11)

其中Q函數(shù)為

Q(x)=12π∫∞xe-t2/2dt(12)

將式(11)簡(jiǎn)記為

p(c)=ξ(2c-1)(13)

于是得到本文資源分配優(yōu)化目標(biāo)函數(shù)的詳細(xì)表達(dá)式為

R=maxMm=1Kk=1xm，kBWKlog21+|hm，k|2ξ(2c-1)ΓN0BW/K (14)

約束條件如下:

1=Mm=1xm，k，k∈{1，2，…，K}(14a)

K=Mm=1Kk=1xm，k(14b)

Ptotal≥Mm=1Kk=1pm，k(14c)

Kk=1xm，kcm，k=(km/K)R(14d)

其中:式(14a)表示每個(gè)子載波只能被一個(gè)用戶占用;(14b)表示沒有空閑子載波;(14c)表示滿足系統(tǒng)總功率要求;(14d)說明用戶傳輸速率由時(shí)延和信道質(zhì)量共同決定;km表示每個(gè)用戶分得的子載波數(shù)。

2.3 采用HNN的跨層方案算法流程

下面采用HNN算法來對(duì)本文所提跨層方案進(jìn)行具體實(shí)現(xiàn)。

首先對(duì)各用戶進(jìn)行子載波分配，即求取子載波分配矩陣XMK，其元素xm，k表示子載波k分配給了用戶m。下面給出具體算法流程:

a)初始化，令XMK=;

b)對(duì)所有子載波，計(jì)算每個(gè)用戶的調(diào)度因子I(xiàn)m，k=α|m，k|2+βm;

c)對(duì)子載波k，計(jì)算m=arg maxm=1，…，M Im，k;

d)令xm，k=1;

e)更新I(xiàn)m，k;

f)重復(fù)步驟b)~e)，直到所有子載波分配完畢。

求得XMK后，再分別對(duì)每個(gè)用戶在各自分得的子載波上進(jìn)行自適應(yīng)比特和功率分配，即求取比特加載矩陣CMK。這里采用五種M-QAM調(diào)制方式:{16QAM，32QAM，64QAM，128QAM，256QAM}，每個(gè)子載波在一個(gè)OFDM符號(hào)內(nèi)發(fā)送的比特?cái)?shù)為log2M。由于神經(jīng)元的輸出只能是二值序列，不能直接輸出CMK，于是引入兩個(gè)新的中間矩陣，將CMK用三個(gè)矩陣聯(lián)合表示，使神經(jīng)元輸出其中一個(gè)二值中間矩陣，進(jìn)而最終求得CMK。下面給出具體算法流程:

a)構(gòu)造中間矩陣VKJ和LJ×1，其元素vk，j(神經(jīng)元的二值輸出)和lj，1分別表示子載波k選擇第j種調(diào)制方式，第j種調(diào)制方式可傳輸?shù)淖畲蟊忍財(cái)?shù)，J為調(diào)制方式的種類數(shù);

b)計(jì)算A1×K=[VKJ×LJ×1]T;

c)將矩陣A1×K擴(kuò)展為M行，得到矩陣BMK;

d)最終得到CMK=XMK×BMK。

根據(jù)上述流程，式(14)變?yōu)橐韵滦问?

R=maxMm=1Kk=1xm，kBWKlog21+|hm，k|2ξ(2xvl-1)ΓN0BW/K (15)

新增約束條件:

[11…1]K個(gè)1′=Jj=1vk， j，k∈{1，2，…，K}(15a)

K=Jj=1Kk=1vk，j(15b)

其中:式(15a)表示每個(gè)子載波只能選擇一種調(diào)制方式;(15b)表示每個(gè)子載波都參與比特分配。

HNN能量函數(shù)為

E=max-A1Mm=1Kk=1xm，kcm，k-A22Kk=1(Jj=1vk，j-1)2-A32(Kk=1Jj=1vk，j-N)2-A42(Mm=1Kk=1ξxm，k(2xvl-1)|hm，k|2-Ptotal)2-

A52Mm=1(Kk=1

ξxm，k(2xvl-1)|hm，k|2-kmKPtotal)2(16)

HNN動(dòng)態(tài)方程為:

dUk， jdt=A1(Mm=1xm，kBWK|hm，k|2ξ2xvl

ΓN0BWK+|hm，k|2ξ(2xvu-1))+

A2(Jj=1vk， j-1)+A3(Kk=1Jj=1vk， j-N)+

A4(Mm=1Kk=1ξ(2xvu-1)xm，klm，k|hm，k|2-Ptotal)+

A5(Kk=1ξxm，k(2xvl-1)xm，klm，k|hm，k|2-kmKPtotal)

Vk，j=g(Uk，j)=12[1+th(Uk，j/U0)](17)

其中:A1，A2，A3，A4，A5均為經(jīng)驗(yàn)給出值，神經(jīng)元的激勵(lì)函數(shù)g(#8226;)取近似于S型的雙曲正切函數(shù)，其中E/Uk=dUk/dt。式(16)和(17)確定了解決動(dòng)態(tài)自適應(yīng)比特和功率分配的HNN，由網(wǎng)絡(luò)的初始狀態(tài)U0出發(fā)，經(jīng)過網(wǎng)絡(luò)的運(yùn)動(dòng)方程不斷進(jìn)行迭代，得到網(wǎng)絡(luò)的輸出矩陣VKJ，進(jìn)而得到最終的比特加載矩陣CMK。

3 性能仿真

在仿真中，本文考慮一個(gè)帶寬為1 MHz，總功率Ptotal=1，子載波數(shù)為1 024的多用戶OFDM下行鏈路。信道采用六徑Clarke平坦衰落模型[12]。每個(gè)用戶的業(yè)務(wù)數(shù)據(jù)到達(dá)率λm在5~30 kbps隨機(jī)取值，Ts取2 ms。AWGN信道的功率譜密度N0=10-8，目標(biāo)誤比特率pe=10-6。神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)定:A1=100，A2=500，A3=50，A4=10，A5=10，神經(jīng)元斜率為0.02，計(jì)算步長(zhǎng)為0.001，迭代次數(shù)為2 000。

為了更好地體現(xiàn)本文所提方案(方案1)的優(yōu)越性，本文將方案1中的信道因子和時(shí)延因子進(jìn)行重新配置，形成兩種傳統(tǒng)調(diào)度方案(而優(yōu)化時(shí)仍然采用HNN算法):

方案2 α=0，β=1即Im，k=m，調(diào)度用戶時(shí)僅考慮用戶時(shí)延。

方案3 α=1，β=0，即Im，k=|m，k|2，調(diào)度用戶時(shí)僅考慮信道質(zhì)量。

為了突出方案1中HNN解決優(yōu)化問題的能力，本文還仿真了文獻(xiàn)[2]中的資源分配方案，該方案(方案4)在分配子載波時(shí)同方案2都僅考慮用戶的信道狀態(tài)信息，而未考慮用戶數(shù)據(jù)隊(duì)列狀態(tài)及時(shí)延等，但與方案2不同的是，方案4未使用HNN算法。

圖2比較了四種方案在不同用戶數(shù)下的歸一化系統(tǒng)吞吐量。如圖2所示，本文提出的方案1吞吐量性能要優(yōu)于方案2，但劣于方案3。這是因?yàn)榉桨?保證具有最好信道質(zhì)量的用戶獲得最高的優(yōu)先級(jí)，用戶信道質(zhì)量越好，其數(shù)據(jù)越先被發(fā)送;方案2僅考慮用戶業(yè)務(wù)數(shù)據(jù)對(duì)時(shí)延的敏感度，越敏感的用戶獲得的優(yōu)先級(jí)越高，但卻忽略了信道質(zhì)量;而方案1同等程度地考慮信道質(zhì)量與時(shí)延，所以性能介于前兩者之間。而方案4雖然只考慮信道質(zhì)量，但它是一種采用循環(huán)搜索迭代的優(yōu)化方法，故性能不及方案1。

圖3比較了四種方案在不同用戶數(shù)下的平均丟包率性能。如圖所示，四種方案的丟包率在用戶數(shù)不大于20時(shí)均非常低。隨著用戶數(shù)的繼續(xù)增大，方案3和4的丟包率急劇上升，這是因?yàn)樗鼈円源笙到y(tǒng)容量為目的而忽略了用戶數(shù)據(jù)對(duì)時(shí)延的敏感性，使得較多的數(shù)據(jù)被丟棄;方案2僅考慮用戶時(shí)延，等待時(shí)間越長(zhǎng)的數(shù)據(jù)越先被發(fā)送，但由于它未考慮用戶信道質(zhì)量，某些高質(zhì)量的信道被閑置，使得最終的數(shù)據(jù)正確接收率不高，從而增大了丟包率;而方案1很好地統(tǒng)籌了時(shí)延和信道信息之間的關(guān)系，在獲得較大系統(tǒng)容量的同時(shí)，在用戶數(shù)較大時(shí)仍然能夠保持較低的平均丟包率。

圖4比較了四種方案在不同的用戶平均數(shù)據(jù)到達(dá)率下的平均時(shí)延。如圖所示，四種方案下的平均時(shí)延均隨著數(shù)據(jù)到達(dá)率的升高而增大。本文所提方案1隨著數(shù)據(jù)到達(dá)率的升高，保持了較為穩(wěn)定的平均時(shí)延;方案2之所以能取得較好的時(shí)延特性，是因?yàn)樗愿邅G包率和低系統(tǒng)容量為代價(jià);方案3和4由于未考慮用戶時(shí)延限制，當(dāng)數(shù)據(jù)到達(dá)率大于17 kbps時(shí)，平均時(shí)延非常大，這將導(dǎo)致系統(tǒng)穩(wěn)定性降低。

由以上仿真實(shí)驗(yàn)可以看出，本文提出的方案1整體性能優(yōu)于其他方案。

4 結(jié)束語

在現(xiàn)代通信中，隨著許多高速無線實(shí)時(shí)業(yè)務(wù)的出現(xiàn)，通信系統(tǒng)對(duì)用戶實(shí)時(shí)業(yè)務(wù)的傳輸時(shí)延提出了越來越高的要求。針對(duì)實(shí)時(shí)業(yè)務(wù)對(duì)傳輸時(shí)延的敏感性，本文在多用戶OFDM下行鏈路中，提出了一種新的跨層自適應(yīng)資源分配方案。該方案將用戶時(shí)延信息作為一個(gè)重要的因素，與無線信道信息一并考慮來設(shè)置用戶的調(diào)度優(yōu)先級(jí)，避免了用戶業(yè)務(wù)數(shù)據(jù)的等待時(shí)間過長(zhǎng)，從而降低了平均時(shí)延。在對(duì)無線資源進(jìn)行自適應(yīng)分配時(shí)，采用了具有并行處理能力強(qiáng)、收斂速度快、易收斂到最優(yōu)解等優(yōu)點(diǎn)的HNN算法，提高了系統(tǒng)的整體性能。仿真結(jié)果顯示，本文所提方案充分抵抗了用戶實(shí)時(shí)業(yè)務(wù)對(duì)時(shí)延的敏感性，保證系統(tǒng)高容量的同時(shí)降低了平均丟包率和時(shí)延。這對(duì)于研究時(shí)延敏感度高的實(shí)時(shí)通信，具有一定的理論和實(shí)際意義。

參考文獻(xiàn):

[1]

BAKHTIARI E，KHALAJ B H.A new joint power and subcarrier allocation scheme for multiuser OFDM systems[C]//Proc of the 14th Personal， Indoor and Mobile Radio Communications.2003:1959-1963.

[2]YIN H，LIU H.An efficient multiuser loading algorithm for OFDM-based broadband wireless systems[C]//Proc of IEEE Global Telecommunications Conference.2000:103-107.

[3]WONG C，CHENG R，LETAIEF K，et al.Multiuser OFDM with adaptive subcarrier， bit， and power allocation[J].IEEE Journal on Selected Areas in Communications，1999，17(10):1747-1758.

[4]JANG J，LEE K B.Transmit power adaptation for multiuser OFDM system[J].IEEE Journal on Selected Areas in Communications，2003，21(2):171-178.

[5]KIVANC D，LI G，LIU H.Computationally efficient bandwidth allocation and power control for OFDMA[J].IEEE Trans on Communications，2005，53(1):107-116.

[6]JEONG S S，JEONG D G，JEON W S.Cross-layer design of packet scheduling and resource allocation in OFDMA wireless multimedia networks[C]//Proc of IEEE Vehicular Technology Conference.2006:309-313.

[7]KEMAL K，JOSEPH H K，MURALI K，et al.Cross-layer optimization for OFDMA-based wireless mesh backhaul networks[C]//Proc of Wireless Communication and Networking Conference.2007:276-281.

[8]DANIEL C，JOSE F M，DAVID G B，et al.A delay-centric dynamic resource allocation algorithm for wireless communication systems based on HNN[J].IEEE Trans on Vehicular Technology，2008，57(6):3653-3665.

[9]MA R N，CHU P，ZHANG S R.Stability condition for discrete delayed Hopfield neural networks[J].IEEE Natural Computation，2007，1:468-472.

[10]TAKAGI H.Queueing analysis:a foundation of performance evaluation vol.3:discrete-time systems[M].Amsterdam:Elsevier Science Publishers，1993.

[11]LOVE D J，HEATH Jr R W. OFDM power loading using limited feedback[J].IEEE Trans on Vehicular Technology，2005，54(5):1773-1780.

[12]SHEN Z K，JEFFREY G A，BRIAN L E.Adaptive resource allocation in multiuser OFDM systems with proportional rate constraints[J].IEEE Trans on Communications，2005，4(6):2726-2737.