多播認知OFDM網絡能量效率最大化資源分配算法

王卉雋，錢 芳

(1. 中國船舶工業綜合技術經濟研究院, 北京 100081) (2. 南京理工大學 計算機科學與工程學院， 南京 210094)

·數據處理·

多播認知OFDM網絡能量效率最大化資源分配算法

王卉雋1，錢 芳2

(1. 中國船舶工業綜合技術經濟研究院, 北京 100081) (2. 南京理工大學 計算機科學與工程學院， 南京 210094)

將認知無線電技術與正交頻分復用(OFDM)相結合是解決目前頻譜資源匱乏的首選方案之一。通過采用多播技術，將對同一內容感興趣的用戶作為一個多播組，為系統提供多播業務，使得相同的無線網絡資源能夠服務更多的用戶，有效地利用有限的頻譜資源以及發射功率，有效緩解目前頻譜資源緊缺現狀，具有重要意義。通過對認知OFDM系統的單播多播等方面進行歸納分析，介紹了不同的資源分配方法，研究了基于能量效率最大化的認知OFDM系統多播資源分配問題，并分析了解決方法，仿真結果表明該算法的有效性。

認知無線電；正交頻分復用系統；多播

0 引 言

目前，隨著無線設備、服務和資源的增加，無線通信系統對傳輸速率的要求越來越高。認知無線電技術為提高頻譜利用率提供了可行途徑，近年吸引了越來越多的關注[1]，已成為解決頻譜資源匱乏、頻譜資源利用率低下等一系列問題的首選方案之一。認知無線電(CR)是由Mitola于1999年提出的[2-14]。認知無線電的原理可被概括為“機會式頻譜接入”，即授權用戶對頻譜擁有優先使用權，可隨時使用頻譜。擁有一定認知能力的認知用戶尋找授權用戶暫時空閑的頻譜波

段，即“頻譜空洞”，通過“機會式”接入的方式使用授權用戶暫未使用的授權頻段，使得授權頻譜被“二次利用”。

正交頻分復用(OFDM)技術是一種實用的多載波調制技術，它將整個頻段劃分為多個可以進行獨立調制和解調、每個占據很小頻段的子載波，通過這種方法，它可以為資源分配提供更細的粒度。因此，得到眾多科研工作者的肯定。OFDM技術的特點和優勢可很好地與認知無線電的技術特性有機地結合起來，進一步提高頻譜使用效率。

近年來，針對認知OFDM無線網絡資源分配已有不少文獻研究。在涉及多播認知OFDM無線網絡場景下，Duy等[15-16]研究了傳統多播資源分配，但該方法未能深挖無線通信中多播的技術優勢，性能有待進一步提高，且被多播組中性能最差用戶所限制。學

術界為了克服該缺點，提出了編碼多播的方法[5-9]，取得了較好的效果。Changho等[5]對單小區單個多播組的情形下，多描述編碼多播資源分配進行了深入研究，但未考慮多個多播組的情況。Xu等[6]在Changho等研究的基礎上，進一步完善至多個多播組的情形，并在論文中明確了資源分配的上下界。Zhang等[7]研究了認知OFDM系統中多描述編碼多播資源分配，且基于拉格朗日對偶分解提出了一個分布式資源分配算法。Yang等[8]提出了多描述編碼，它們與多播認知OFDM無線網絡和兩個啟發式分布式資源分配算法相結合，最大化了加權速率和。楊[9]在他的博士論文中研究了具有統計信道狀態信息認知無線網絡中的多描述編碼多播資源分配問題以及基于認知OFDM技術的多小區下的多描述編碼多播資源分配問題，方案被證明性能良好、有優越性。

本文對多播認知OFDM網絡最大化能量效率資源，主要是帶寬和功率分配進行了研究，主要工作如下：1) 對多播認知OFDM網絡進行建模，提出認知OFDM網絡最大化能量效率分配算法，利用可行方向法對算法進行求解以得到資源分配結果；2)通過仿真驗證算法的有效性。

1 系統模型和優化問題描述

本文考慮的是多播認知OFDM網絡下行傳輸場景，其系統模型如圖1所示。

圖1 多播認知OFDM網絡

(1)

(2)

(3)

(4)

(5)

式中：pg,m是多播組g中子載波m上認知基站的發射功率。

由于在一個多播組中，所有認知用戶接收到的數據速率是相等的，因此，多播組g中子載波m上的總速率可被定義為

(6)

ρg,m表示多播組g子載波m的子載波分配指標。例如,ρg,m=1代表子載波m分配給多播組g，并且每個子載波只能被分配給一個多播組，也就是

(7)

令Pfix表示在電源處獲取的固定電源的功耗，Ptotal表示多播認知OFDM網絡的總功率，ζ表示功率放大器的效率。為了保證功率分配的可行性，我們添加了約束

(8)

(9)

(10)

式中：σn=(dn/d0)-αsn是認知基站和授權用戶n之間的長期平均信道增益，dn是認知基站和授權用戶n之間的距離，d0是參考距離，α是振幅路徑-損耗指數，且認知基站和授權用戶n之間的陰影衰落sn服從對數正態分布。

(11)

將多播認知OFDM網絡的認知基站的能效定義為獲得的數據率和能耗的比值，優化目標為最大化能量效率。因此，該多播認知OFDM網絡資源分配問題被制定為

(12)

在式(12)限制條件C1-C5的約束下，目標函數表示的是多播認知OFDM網絡所能達到的最大能量效率。其中，C1對多播組速率進行了限制，C2限制了對用戶的干擾，C3對認知OFDM網絡的總功率進行了限制，C4和C5規定了子載波分配的可行性。

2 算法求解

可行方向法是求解約束最優化問題的一類常用方法，是無約束最優化問題下降迭代算法的自然推廣，算法的主要步驟是迭代方向的選取和最優迭代步長的確定。迭代方向的選擇不同形成了不同的可行方向法，本文采用的是Zoutendijk可行方向法，它主要利用有效約束來構造可行方向。下文給出了利用Zoutendijk可行方向法求解非線性約束優化問題的計算流程。

步驟1：給定初始可行點x(k)，允許誤差ε>0，置k=0。

步驟2：確定點x(k)處的有效約束指標集I(x(k))：={i|gi(x(k))=0，?i∈{1,2,…,m}}。

步驟3：求解式

得到最優解(z(k),d(k))。

步驟5：進行一維線性搜索，求解

得到最優解λk，其中，λmax按照式λmax=sup{λ|gi(x(k)+λd(k))≥0,?i∈{1,2,…,m}}進行計算。

步驟6：令x(k+1)=x(k)+λkd(k)，置k=k+1，轉步驟2。

3 仿真結果與性能分析

為了驗證本文所提算法的性能，本節利用MATLAB對所提算法進行仿真，并將其與傳統的資源分配算法Max-min算法以及單播情況進行比較。具體仿真條件如下：

在一個被授權基站和認知基站同時覆蓋的區域中，其中認知基站覆蓋半徑為200 m，共有G=5個多播組，每個多播組里面有4個認知用戶，授權用戶數N=2。在授權網絡和認知網絡中，物理層的調制技術均采用OFDM技術，子載波的數目是K=128，帶寬2 MHz，誤比特率為1×10-4，噪聲功率N0=1×10-9W。

為了與所提算法進行比較，我們采用了Max-min算法以及單播情況。在Max-min算法中，資源分配算法基于Max-min準則，子載波以最小輸量被分配給用戶，且總功率被定義為Ptotal/G來保證授權用戶通信。在單播情況下，是多播認知OFDM網絡|Kg|=1時的特殊情況，且采用可行下降法的Zoutendijk方法來解決條件約束資源分配問題。

圖2 干擾功率門限與能量效率的關系

圖3 干擾功率門限與頻譜效率的關系

4 結束語

作為提高頻譜效率的方法，認知OFDM無線網絡動態資源分配必將受到越來越多的關注和研究。本文對認知OFDM系統中的多播資源分配進行了深入地探討，對多播認知OFDM網絡中下行傳輸場景進行建模，提出了一種最大化能量效率資源分配算法。該算法不僅能夠保證用戶對最低速率的需求、用戶的干擾門限值要求以及整個認知OFDM網絡總功率的限制，還能有效提高整個多播認知OFDM網絡的能量效率和頻譜效率。最后利用Zoutendijk可行方向法法對優化問題進行求解，仿真結果表明本文所提算法的能量效率和頻譜效率要高于Max-min算法以及單播情況的能量效率。

[1] XU L, LI Y P, LI Q M, et al. Proportional fair resource allocation based on hybrid ant colony optimization for slow adaptive OFDMA system[J]. Information Science, 2015(293): 1-10.

[2] MITOLA J. Cognitive radio for flexible mobile multimedia communications[C]// 1999 IEEE International Workshop on Mobile Multimedia Communications. San Diego: IEE Press, 1999: 3-10.

[3] XU L, LI Y P, YANG Y W, et al. Proportional fairness resource allocation scheme based on quantised feedback for multiuser orthogonal frequency division multiplexing system[J]. IET Communications, 2014, 8(16): 2925-2932.

[4] SON K, JUNG B C, CHONG S, et al. Opportunistic underlay transmission in multi-carrier cognitive radio systems[C]//2009 IEEE Wireless Communications and Networking Conference Budapest, Hungary: IEEE Press, 2009: 1-6.

[5] 李鑫濱, 石愛武, 宋興芳. Underlay模式下認知無線電OFDM系統多用戶資源分配[J]. 電信科學, 2013(4): 83-88. LI Xinbin, SHI Aiwu, SONG Xingfang. Multi-users resource allocation problem in OFDM systems under the underlay spectrum sharing mode for cognitive radio[J]. Telecommunicaitons Science, 2013(4): 83-88.

[6] SOLTANI N Y, KIM S J, GIANNAKIS G B. Chance-constrained optimization of OFDMA cognitive radio uplinks[J]. IEEE Transactions on Wireless Communcations, 2013, 12(3): 1098-1107.

[7] ZHANG Y, LEUNG C. Resource allocation in an OFDM-based cognitive radio systems[J]. IEEE Transactions on Communications, 2009,57(7): 1928-1931.

[8] XU L, QIAN F, LI Y P, et al. Resource allocation based on quantum particle swarm optimization and RBF neural network for overlay cognitive OFDM system[J]. Neuro Computing, 2016(173): 1250-1256.

[9] DU Z Y, WANG C G, REN G C, et al. A mixed access strategy combining overlay and underlay for cognitive radio[C]// Proceedings of International Conference of China Communication and Technology (ICCCT2010) Guangxi:[S.l.]. 2010.

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

[11] ZHANG Y H, LEUNG C. Subcarrier bit and power allocation for multiuser OFDM-based multi-cell cognitive radio systems[C]// 2008 IEEE 68th Vehicular Technology Conference. Calgary, Canada: IEEE Press, 2008: 1-5.

[12] CHOI K W, HOSSAIN E, KIM D I. Downlink subchannel and power allocation in multi-cell OFDMA cognitive radio networks[J]. IEEE Transactions on Wireless Communications, 2011,10(7): 2259-2271.

[13] CAO L H, XU W J, LIN J R, et al. An auction approach to resource allocation in OFDM-based cognitive radio networks[C]// 2012 IEEE 75th Vehicular Technology Conference (VTC Spring) Yokohama, Japan: IEEE Press, 2012: 1-5.

[14] NGO D T, TELLAMBURA C, NGUYEN H H. Resource allocation for OFDMA-based cognitive radio multicast networks with primary user activity consideration[J]. IEEE Transactions on Vehicular Technology, 2010, 59(4): 1668-1679.

[15] NGO D T, TELLAMBURA C, NGUYEN H H. Efficient resource allocation for OFDMA multicast systems with spectrum-sharing control[J]. IEEE Transactions on Vehicular Technology, 2009, 58(9): 4878-4889.

[16] NGO D T, TELLAMBURA C, NGUYEN H H. Resource allocation for OFDM-based cognitive radio multicast networks[C]// 2009 IEEE Wireless Communications and Networking Conference. Budapest, Hungary: IEEE Press, 2009: 1-6.

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

[18] XU W J, NIU K, LIN J R, et al. Resource allocation in multicast OFDM systems: lower/upper bounds and suboptimal algorithm[J]. IEEE Communications Letters, 2011, 15(7): 722-724.

[19] ZHANG S, XU W, LI S, et al. Resource allocation for multiple description coding multicast in OFDM-based cognitive radio systems with non-full buffer traffic[C]// 2013 IEEE Wireless Communications and Networking Conference. Shanghai: IEEE Press. 2013: 199-204.

[20] YANGK, XU W, LI S, et al. Distributed multicast resource allocation in OFDM based cognitive radio networks[C]// 2013 8th International Conference on Communications and Networking in China. Quilin: IEEE Press, 2013: 57-62.

[21] 楊科文. 基于OFDM的認知無線網絡多播資源分配[D]. 北京: 北京郵電大學, 2014. YANG Kewen. Resource allocation in OFDM-based cognitive radio networks[D]. Beijing: Beijing University of Posts and Telecommunications, 2014.

王卉雋 女，1983年生，本科，工程師。研究方向為艦船自動化技術和標準。

錢 芳 女，1992年生，碩士研究生。研究方向為認知OFDM無線網絡資源分配。

Energy-efficient Resource Allocation for Multicasting Cognitive Radio OFDM Network

WANG Huijun1，QIAN Fang2

(1. China Institute of Marine Technology and Economy, Beijing 100081, China) (2. School of Computer Science and Technology,Nanjing University of Science and Technology, Nanjing 210094, China)

Cognitive radio is one of the preferred schemes in solving scarce resources of spectrum nowadays, and its combination with orthogonal frequency division multiplexing(OFDM) system has received lots of attention. It is well suited to apply multicast by grouping the users interested in the same content and providing multicast service for them. Therefore, how to efficiently develop multicast delivery in OFDM-based cognitive networks is of vital significance. In order to make full use of the limited resources of spectrum and transmission power and to relieve the situation of scarce spectrum resources, different methods of resource allocation for cognitive OFDM radio network in view of unicasting and multicasting is given. Based on energy efficiency, resource allocation for multicasting cognitive OFDM system is researched, and feasible direction method is used to solve the problem is analyzed. The effectiveness is verified by simulation.

cognitive radio; orthogonal frequency division multiplexing system; multicasting

10.16592/ j.cnki.1004-7859.2016.12.014

國家自然科學基金資助項目(61301108，61671244)；中央高校基本科研業務費專項資金資助項目(30915011320)

王卉雋 Email：wanghuijun619@163.com

2016-09-19

2016-11-22

TN925

A

1004-7859(2016)12-0069-04