認知OFDM系統中針對視頻業務用戶的資源分配

侯 華，張江梅，付 佳，耿志卿，衡志強，任艷娜

(河北工程大學 a.裝備制造學院；b.信息與電氣工程學院，河北 邯鄲 056038)

認知OFDM系統中針對視頻業務用戶的資源分配

侯 華a，張江梅b，付 佳b，耿志卿b，衡志強b，任艷娜b

(河北工程大學 a.裝備制造學院；b.信息與電氣工程學院，河北 邯鄲 056038)

在多用戶認知無線電OFDM系統中，針對實時視頻業務用戶，提出一種計算復雜度低的資源分配方案。該方案采用魚群算法分配子載波，并提出簡單功率干擾(Simple Power Interference，SPI)約束功率分配算法。目標是在滿足總功率預算并且保證不干擾主用戶的前提下，最大化系統的下行系統容量。仿真分析表明，在視頻業務用戶場景中，所提算法能有效提高下行系統速率，性能接近最優且復雜度低。

CR；OFDM；視頻業務；子載波與功率分配

HebeiUniversityofEngineering,HebeiHandan056038,China)

移動流媒體業務是未來LTE網絡下的主要數據業務[1]。視頻流業務流量大并且對時延敏感，這增加了對帶寬以及傳輸速率的要求。然而，現如今頻譜資源嚴重緊缺，而且授權頻譜有效利用率較低。

為了滿足高速視頻流等無線寬帶業務的需求，采用認知無線電(CR)技術，能夠將授權頻譜中的頻譜空洞加以充分利用[2]。正交頻分復用(OFDM)技術作為4G的關鍵技術之一，在無線資源分配中具有很高的靈活性，被公認為CR系統中最具實力的空中接口[3]。

針對基于認知無線電(Cognitive Radio，CR)技術的OFDM系統資源分配的研究層出不窮[4-7]。但滿足視頻流業務特性的資源分配算法有待研究。

在認知無線電系統中，由于存在主用戶和認知用戶兩種用戶，區別于傳統多用戶、多載波系統，兩者之間的相互干擾必須加以考慮。因此，適用于傳統多用戶、多載波系統的基于注水原理的功率分配算法已不適用。功率約束條件中，需增加對主用戶干擾功率控制的約束[8-12]。

群智能算法中的人工魚群算法[13]以其在解決優化問題中收斂速度快以及靈活性高等優點得以廣泛應用。然而很少有文獻將人工魚群算法用于基于認知無線電的OFDM系統的資源分配優化問題中。

本文針對視頻流業務用戶，將人工魚群算法用于認知OFDM系統子載波分配中，功率分配采用本文提出的計算復雜度及時間復雜度相對較低的SPI算法，目標是在滿足總功率預算并且保證不干擾主用戶的前提下，最大化視頻流用戶的下行系統速率。

1 系統模型及優化目標

1.1 系統模型

在蜂窩系統下行鏈路中，不同于傳統基站，帶有認知功能的認知基站為用戶分配資源。蜂窩系統中基于認知無線電的多用戶OFDM基站側系統框圖如圖1所示。認知基站的主控模塊負責向頻譜感知判決模塊發送感知請求，收到請求信號后，頻譜感知判決模塊開始工作，并向主控模塊反饋頻譜空洞信息。主控模塊中的資源管理算法包括調度模塊和頻譜、子載波、比特、功率聯合分配模塊。頻譜感知判決模塊將感知的可用頻譜發送給資源管理算法模塊，頻譜、子載波、比特、功率聯合分配模塊根據頻譜感知判決模塊以及調度模塊給出的業務分組排序進行空閑子載波以及功率分配，并將分配結果反饋給調度模塊。認知無線電模塊進行周期性的基于能量檢測的頻譜感知，確定可被認知用戶使用的頻譜，并將結果傳送給資源管理算法模塊。

圖1 基于認知無線電的多用戶OFDM基站側系統框圖

1.2 干擾模型

在單位發射功率條件下，認知用戶k使用子載波n時對主用戶的干擾[14]為

(1)

同樣，主用戶對認知用戶的干擾也可以表示出來。

1.3 優化目標及約束

根基香農容量公式，用戶k的瞬時傳輸速率為

(2)

式中：Ck,n為認知用戶k在子載波n上的分配因子，取值0或1；Pk,n為認知系統分配給認知用戶k使用子載波n的發射功率；hk,n為認知基站到認知用戶的信道增益；Γ為信道香農容量與M-QAM調制信號的信噪比差值，值為-ln(5pe)/1.5[15]，pe為誤比特率，N0為加性高斯白噪聲的單邊功率譜密度。

k個用戶總的傳輸比特速率為

(3)

考慮到越緊急的分組應該被優先分配資源，本文為最大化用戶的優先級權重容量和，資源分配問題以及約束條件建模如下

(4)

約束條件為

(5)

其中，C2和C3共同限制了每個空閑子載波最多分配給一個用戶使用。C1，C4和C5為功率限制。C6限制待發數據量充足，C7為用戶比例速率約束。

2 資源分配

2.1 子載波分配

采用人工魚群算法(AFSA)分配子載波步驟如下：

1)設定種群大小M，人工魚的可視范圍visual，擁擠度因子δ，人工魚每次覓食最大試探次數try_number，迭代次數gen。

2)定義人工魚向量(行向量)長度為N，其元素值隨機取1～K之間的某個數。如果子載波n分配給用戶k，即Ck,n=1(k=1,2，3，…,K;n=1,2，3，…,N)對應于人工魚向量的第n個元素值等于k。

8)判斷是否滿足迭代次數gen條件，如果滿足，由F_best逆映射回Ck,n(k=1,2,3,…,K;n=1,2,3,…,N)；否則跳轉到6)。

C6在分配過程中作為判斷條件，在求出分配矩陣Ck,n(k=1,2,3,…,K;n=1,2,3,…,N)之后，本文所求問題得以解決。

2.2 功率分配

本文提出SPI(Simple Power Interference)功率分配算法。由于Ck,n已知，對應子載波n，分得該子載波的用戶k確定。功率分配模型簡化為

(6)

約束于

(7)

OP1為凸優化問題，功率非負條件作為判斷條件，同時考慮總功率和干擾功率限制時，引入拉格朗日因子λ0和λ1，拉格朗日函數為

(8)

最優解可求得[16]，但求解最優解計算復雜度相當高。為了降低計算復雜度，本文采用的簡化功率干擾約束算法SPI(Simple Power Interference)，將問題分解考慮。

首先，忽略總功率限制。

優化問題如下：

(9)

約束于

(10)

由于信道增益越大、干擾因子越小且其所承載用戶優先級越高的子載波應該被分配更高的功率。為滿足以上要求并滿足干擾門限值，令主用戶所能承受子載波n對其產生的干擾的上限為

(11)

再忽略干擾限制，優化問題為

(12)

(13)

按式(14)為各個子載波分配功率

(14)

n個子載波總功率等于PT，這樣確保滿足總功率限制。

本文采用的簡化功率干擾約束算法SPI(Simple Power Interference)步驟如下：

Step1，初始化，剩余功率Pleft=PT，剩余可用干擾Ileft=Ip。

Step5，判斷當Pleft>0且Ileft>0，即功率有剩余或可承受干擾有剩余，跳轉到Step1，重新給Pleft和Ileft賦值，并繼續向下執行，直到不滿足條件為止，通過幾次迭代，可獲得最終解。

3 仿真及分析

仿真時，認知用戶和主用戶共享帶寬B為10 MHz，子載波數N=128。設主用戶占用中間頻帶且帶寬等于B/N，采用功率遲延包絡為e-φ(φ=1,2,…,6)的六徑頻率選擇性衰落信道。CR基站根據頻譜感知判決模塊給出的判決結果，利用空閑子載波進行下行鏈路數據傳輸。

本文考慮每個用戶緩沖池中只有視頻流業務分組。根據文獻[17]設置視頻流業務的屬性參數。既考慮信道質量，又融合了包的隊列時延，可照顧到視頻流業務的時延敏感性。用戶視頻流業務隊列分組每隔1 ms到達一次，隨機生成用戶k(k=1,2,3，…,K)的分組數Λk，保護間隔Gk=10 ms。設置用戶隊列中流媒體業務分組可忍受的最長時延為400 ms，分組長度為239 bit。改進人工魚群算法中，人工魚個體數M=31，人工魚感知距離visual=5，重試次數try_number=5，迭代次數gen=100，擁擠度因子δ=0.2。

圖2顯示，當總功率為3 W、用戶數為16時，隨著干擾閾值的增大，所有算法對應系統速率增大。由于隨著主用戶干擾約束降低，用戶可增加發送功率值，所以系統速率增大，而且起始增幅較快，之后由于總功率受限，增幅漸緩。對于不同的干擾門限值，通過對比最優算法、AFSA-PI算法、AFSA-SPI算法以及文獻[12]算法，可見本文所提AFSA-PI算法與AFSA-SPI算法優于文獻[12]算法并接近最優算法。因為本文子載波分配時不僅考慮信道增益還考慮對主用戶的干擾，能夠將信道增益大并且對主用戶干擾小的子載波分配給適合的用戶。并且本文子載波分配算法能達到最優子載波分配。雖然，本文功率分配SPI算法效果稍稍劣于PI功率分配算法，但SPI比PI功率分配算法復雜度低,其可通過幾次迭代即可求得解。所以綜合來看，本文算法優于文獻[12]。

圖2 干擾閾值對系統總速率的影響

圖3反應可用干擾利用率。橫軸表示干擾閾值，縱軸表示次用戶對主用戶產生的總的干擾。由圖可見，利用本文功率分配算法，當系統總功率較大時，認知用戶對主用戶產生的干擾幾乎可以達到主用戶所允許的干擾值。當系統總功率較小，隨著干擾限制的放松，很快會功率受限，干擾門限值不能得到充分利用。

圖3 可用干擾利用情況

圖4顯示當總功率為3 W、干擾門限值為0.004 W時，隨著用戶數增加，多用戶分級效應增強，系統總速率整體呈增加趨勢。相比文獻[12]中子載波分配方案和功率分配算法，本文魚群算法考慮全局最優且在信道增益中增加對信道干擾的考慮，能夠得到更優的子載波分配矩陣。而且本文SPI功率分配算法的計算復雜度及時間復雜度相對更低。

圖4 用戶數對系統總速率的影響

4 總結

本文基于認知無線電的OFDM系統，將人工魚群算法用于認知OFDM系統子載波分配中，功率分配提出具有較低計算復雜度及時間復雜度的SPI算法。在滿足總功率預算并且保證不干擾主用戶的前提下，最大化視頻流用戶的下行系統速率，并且性能接近最優。基于本文所提多用戶子載波功率分配算法，針對多業務以及用戶間的公平性等有待研究。

[1] 王振豪，胡亞輝，慈松.面向QoE的LTE網絡流媒體業務半實物仿真平臺[J].系統仿真學報，2014，26(3)：556-561.

[2] PAO W C，CHEN Y F. Adaptive gradient-based methods for adaptive power allocation in OFDM-based cognitive radio networks[J]. IEEE Trans. Veh. Technol.，2014，63(2)：836-848.

[3] Nortel Networks. OFDM Unit Multiplexing. 3GPP TSG RAN WG1contribution R1-030522[R].Paris，France:[s.n.],2003．

[4] SAMI M，GORDON L. Interference-aware radio resource allocation in OFDMA-based cognitive radio cutworks[J]. IEEE Trans. Veh. Technol.，2011，60(4)：1699-1713.

[5] ZHANG Y，LEUNG C. Resource allocation for non-real-time services in OFDM-based cognitive radio systems[J]. IEEE Commun.Lett.，2009，13(1)：16-18.

[6] LI Q，LU P，YU Z，et al. Utility-based scheduling algorithm for multiple services in OFDM cognitive radio networks[C]//Proc. IEEE 75th Vehicular Technology Conference (VTC Spring).[S.l.]：IEEE Press，2012：1-5.

[7] WANG S，ZHOU Z，GE M，et al. Resource allocation for heterogeneous cognitive radio networks with imperfect spectrum sensing[J]. IEEE Journal on Selected Areas in Communications，2013，31(3)：464-475.[8] MA Y，XU Y，SHENG Y. A greedy algorithm for cognitive network resource allocation based on minimum remaining constraint space[C]//Proc. International Conference on Wireless Communications & Signal Processing.[S.l.]：IEEE Press，2009：1-5.

[9] WANG S. Efficient resource allocation algorithm for cognitive OFDM systems[J]. IEEE Commun. Lett.，2010，14(8)：725-727.

[10] BANSAL G，HOSSAIN M J，BHARGAVA V K. Adaptive power loading for OFDM-based cognitive radio systems[C]//Proc. IEEE International Conference on Communications.Glasgow，UK：IEEE Press，2007：5137-5142.

[11] BANSAL G，HOSSAIN M J，BHARGAVA V K. Optimal and suboptimal power allocation schemes for OFDM-based cognitive radio systems[J]. IEEE Trans. Wireless Communications，2008，7(11)：4710-4718.

[12] SHAAT M，BADER F. Computationally efficient power allocation algorithm in multicarrier-based cognitive radio networks OFDM and FBMC systems[J]. EURASIP Journal on Advances in Signal Processing，2010,2010：1-13.

[13] LIU Q，ODAKAT，KUROIWA J，et al. An artificial fish swarm algorithm for the multicast routing problem[J]. IEICE Trans. communications，2014，E97-B(5)：996-1011.

[14] WEISS T，HILLENBRAND J，KROHN A，et al. Mutual interference in OFDM-based spectrum pooling systems[C]//Proc. Vehicular Technology Conference (VTC’2004).Milan，Italy：IEEE press，2004：1873-1877.

[15] GOLDSMITH A J，CHUA S. Vairable-rate variable-power MQAM for fading channels[J]. IEEE Trans. Communications，1997(45)：1218-1230.

[16] DIKMESE S，SRINIVASAN S，SHAAT M，et al. Spectrum sensing and resource allocation for multicarrier cognitive radio systems under interference and power constraints[J]. EURASIP Journal on Advances in Signal Processing，2014，68(1)：1-12.

[17] NAN Z，XU Z，YI H，et al. Low complexity cross-layer design with packet dependent scheduling for heterogeneous traffic in multiuser OFDM systems [J]. IEEE Trans. Wireless Communications，2010，9(6)：1912-1923.

責任編輯：許 盈

Resource Allocation for Video Streaming Service Users in Cognitive OFDM System

HOU Huaa, ZHANG Jiangmeib, FU Jiab, GENG Zhiqingb, HENG Zhiqiangb, REN Yannab

(a.EquipmentManufacturingCollege；b.SchoolofInformationandElectricalEngineering,

In multiuser cognitive radio orthogonal frequency division multiplexing (OFDM) system, a resource allocation scheme with low computational complexity is proposed. The scheme takes Artificial Fish Swarm Algorithm(AFSA) to allocate subcarriers and puts forward the Simple Power Interference(SPI) algorithm to allocate power. The target is to maximize the downlink system capacity of the system within the total power budget and do not disturb the primary user. The simulation and analysis shows that the proposed scheme can effectively improve system capacity and its performance is close to the optimal solution and its computational complexity is low.

CR;OFDM; video streaming service; subcarrier and power allocation

【本文獻信息】侯華，張江梅，付佳，等.認知OFDM系統中針對視頻業務用戶的資源分配[J].電視技術,2015，39(11).

河北省自然科學基金項目(FN201202046); 河北省高等學校科學技術研究重點項目(ZH2011222)

TN92

A

10.16280/j.videoe.2015.11.032

侯 華(1980— )，女，博士，主研無線通信理論與技術、認知無線電、無線傳感器網絡；

張江梅(1988— )，女，碩士生，主研認知無線電、無線通信理論與技術。

2014-11-02