多用户MIMOOFDM系统中的子信道与功率分配算法研究概要.docx
- 文档编号:18563064
- 上传时间:2023-08-19
- 格式:DOCX
- 页数:15
- 大小:73.75KB
多用户MIMOOFDM系统中的子信道与功率分配算法研究概要.docx
《多用户MIMOOFDM系统中的子信道与功率分配算法研究概要.docx》由会员分享,可在线阅读,更多相关《多用户MIMOOFDM系统中的子信道与功率分配算法研究概要.docx(15页珍藏版)》请在冰点文库上搜索。
多用户MIMOOFDM系统中的子信道与功率分配算法研究概要
2007年10月JOURNALOFCIRCUITSANDSYSTEMSOctober,2007文章编号:
1007-0249(200705-0146-07
多用户MIMO-OFDM系统中的子信道与功率分配算法研究*
马月槐1,2,蔡跃明1,徐友云1
(1.解放军理工大学通信工程学院,江苏南京210007;2.总参通信训练基地无线教研室,河北宣化075100
摘要:
针对多用户MIMO-OFDM系统下行链路,分析了通过遍历搜索来使容量最大化的最优子信道与功率分配算法,在此基础上提出了低复杂度的次优多用户子信道与功率分配算法,即MSPA算法。
为了最大限度地保证用户之间的公平性,进一步提出了考虑每个用户速率要求的MSPA-RoU算法。
仿真结果表明:
本文提出的MSPA算法在复杂度可接受的情况下所获得的容量增益与最优算法十分接近,并且远远大于在MIMO环境下仅对子载波进行分配的算法;MSPA-RoU算法在考虑用户速率要求时仍能获得可观的容量增益。
关键词:
多用户MIMO-OFDM;子信道与功率分配;用户速率要求
中图分类号:
TN929.5文献标识码:
A
1引言
随着对无线通信需求特别是高速多媒体数据业务需求的日益增长,未来移动通信越来越需要高传输速率和高频带利用率的技术来支持。
多输入多输出(MIMO与正交频分复用(OFDM的结合由于其具有良好的抗频率选择性衰落性能和较高的频带利用率等优点,正受到人们的关注和重视,将很有可能成下一代无线移动通信系统的核心技术之一[1]。
MIMO-OFDM技术的引入使无线系统资源维数扩展到时隙、码道、空间、频率、用户等[2],维数的增多导致分配复杂度的大大增加,而如何有效地利用各个用户的信道状态信息(CSI,对空间和频域等效的子信道以及发射功率进行分配,是MIMO-OFDM系统能否达到高频带利用率的关键之一。
在传统的TDMA、FDMA等固定多址接入方案中,时间或频率的分配与CSI无关,这样很可能导致一部分子信道对于某个分配的特定用户来说严重衰落而不能传输任何数据信息。
而利用各用户的CSI进行自适应分配,可以使相对于某一用户严重衰落的子信道转分给其他质量较好的用户,从而可以减少频谱资源的浪费,最大限度地利用系统的多用户分集增益,达到高频带利用率。
对于OFDM系统中的子信道与功率自适应分配的研究,目前已比较成熟[3~5],而对于MIMO-OFDM系统中的子信道与功率分配,大多数是把OFDM中的分配算法扩展到MIMO-OFDM系统,其实质是在MIMO环境下对子载波的分配,而不是空间与频率的联合优化。
如文献[6]分析了多用户MIMO-OFDM系统下行链路的容量,提出了次优的Product准则和Sum准则来分配子载波使容量最大化;文献[7]提出了基于发射功率最小化的子载波与比特分配算法,对每个子载波对应的信道矩阵进行SVD分解,根据得到的最大奇异值来分配子载波;文献[8]研究了考虑用户之间公平性的资源分配算法,根据用户平均信道增益来对用户分组,从而保证分配后用户之间的速率比例。
但是上述文献的共同特点都是最多只允许一个用户占用一个子载波,没有充分利用MIMO中的空分复用。
文献[9]考虑了对MIMO-OFDM系统上行链路进行子载波、功率和比特分配时,空间和频域对用户的复用,但是基于的准则是发射功率最小化,而且其子载波交换来实现空分复用并进一步优化功率的过程仍然比较复杂。
本文研究了多用户MIMO-OFDM系统下行链路中基于容量最大化的子信道与功率分配算法,首先分析了依靠遍历搜索(exhaustivesearch来使容量最大化的最优子信道与功率分配算法,在此基础上提出了次优的多用户子信道与功率分配算法,即MSPA算法,通过先分配空间和频域的等效子信道,再在子信道上为对应用户分配功率的步骤来避免遍历搜索,降低运算量。
为了最大限度地保证用户之
*收稿日期:
2007-01-30修订日期:
2007-04-10
基金项目:
江苏自然科学基金资助项目(BK2006701;国家自然科学基金资助项目(60672079
间的公平性,进一步提出了考虑每个用户速率要求的MSPA-RoU算法。
仿真结果表明:
本文提出MSPA的算法在复杂度可接受的情况下所获得的容量增益与最优算法十分接近,并且远远大于在MIMO环境下仅对子载波进行分配的算法;MSPA-RoU算法在考虑用户的速率要求时仍能获得可观的容量增益。
2系统模型
考虑如图1所示,由一个基站和K个用户组成的多用户MIMO-OFDM系统下行链路,基站有tN个发送天线,每个移动用户终端有rN个接收天线,天线之间的距离大于半个波长,使得收发天线对之间的信道是相互独立的。
系统总带宽分为M个子载波,信道为频率选择性衰落信道,OFDM循环前缀(CP长度大于信道最大时延扩展,从而各个子载波之间没有相互的干扰发生,且每一个子载波上是平坦衰落的。
这样,系统总共有tNM×个等效子信道[10]。
假设信道在一个时隙内保持不变,而在时隙与时隙之间是独立变化的。
接收端每个用户能够通过准确的信道估计完全获知其对应信道的CSI,且能够采有理想的多用户检测算法来检测出所需要的信号,在用户与基站之间存在一条零延迟、无误码率的理想反馈信道,用来反馈基站所需要的参数信息。
基站则利用每个用户反馈的参数信息,根据给定的准则来为每个用户分配子信道与功率,并且假设所有信道估计、反馈以及优化分配过程都能够在一个时隙内完成,以保证在下一个时隙的策略更新。
在时隙t内,对用户Kk,,2,1…=和子载波M
m,,1…=,定义trNN×维的MIMO信道矩阵(tk
mH:
⎟⎟⎟⎟
⎠
⎞⎜⎜⎜⎜⎝⎛=(
((((,1,1,11,ththththtkNNmkNm
k
Nmkm
k
mtrrt……H(1
其中(,thkijm为在子载波m上基站天线j到用户k的天线i之间的信道衰落系数,(tk
mH中的元素可以建
模成独立同分布(i.i.d.的复高斯随机变量,且变量均值为0,方差为1,不同用户的信道矩阵之间相互独立。
则在子载波m上,用户k收到的信号可以表示为:
((((ttttk
mkmkmkmvxHy+=(2
式中1(×∈rNkmCty为用户k的接收信号向量,1(×∈tNkmCtx为发送信号向量,1(×∈rNkmCtv是用户k接收端的加性白噪声,其元素是独立同分布的循环对称复高斯变量,且,0(~((0H
IvvNCNttk
mkm
其中Ha表示向量a的共轭转置,I为单位矩阵。
设定系统总带宽为B,总发射功率约束为totalP。
由于研究的传输过程都是在一个时隙内完成的,为简便起见,在以下的分析中省略时隙符号t。
3最优子信道与功率分配算法
在多用户MIMO-OFDM系统中,基站调度器采用子信道与功率分配算法,在满足总发射功率约束条件的同时使系统容量最大化。
在用户能够采用理想的信号检测算法消除来自其他用户干扰的情况下,对于任意的子载波Mm,,2,1…=,天线tNn,,2,1…=,用户k在空频等效子信道(m,n上对应的速率为[11]:
基站
图1多用户MIMO-OFDM系统下行链路结构框图
⎟⎟⎠
⎞
⎜⎜⎝
⎛+
=2
.0,2,][/1lognk
mk
nmkn
mMBNPR
H(3其中nkm.][H表示矩阵kmH的第n列,knmP,表示在用户k在子信道(m,n上分配的功率,⋅表示向量的
Euclidean范数。
定义指示变量knm,ρ来表示子信道分配情况,如果子信道(m,n分配给用户k,1,=k
nmρ,反之0,=knmρ,则基于容量最大化准则的分配算法可以用数学表达式表示为:
∑∑∑===⎟⎟⎠
⎞⎜⎜⎝⎛+
=MmNnnk
mk
nmKkknmPtMBNPMC112.0,21,,][/1log1maxHρρ(4限制条件为:
totalKkMmNnknmPPt
=∑∑∑===111
(5
11,≤∑=K
kknmρ(6其中限制条件(5为所要满足的总功率约束,限制条件(6表示每个子信道最多被一个用户占用。
信息论已经证明达到容量最优时的功率分配为注水分配,而在多用户MIMO-OFDM系统中,最优功率分配的确定需要在所有传输信号的子信道上进行空间和频域的联合注水分配,因此需要确定每个子信道上接入的用户;而每个子信道上最优用户的选择,又必须先要获知分给此子信道的功率,所以对于最优的子信道和功率分配,需要采用遍历搜索的方法来联合确定。
对于tNM×个子信道的系统,每个子信道上有K种可能,这样共有tNMKKKK×=⋅⋅…种可能的分配组合,设集合},,2,1{tNMKL×=…,
其元素表示组合序号,集合},,,{
(,(2,1(1,1(lNMllltsssS…=,其元素表示在第l种组合下各信道选择的用户,例如2(,=lnms表示在组合l下子信道(m,n上选择第2个用户,则第l种组合时在所有子信道上进行功率注
水后,子信道(m,n上分配的功率为:
+
⎟⎟⎟⎟
⎠
⎞⎜⎜⎜⎜⎝
⎛−
=2.0
(,][(,n
smln
mln
mMB
NpHµ(7其中+x表示0,max(x,µ为注水水位,其取值由下式确定:
∑∑===MmNntotallnmt
Pp11
(,(8所以最优分配算法获得的容量为:
∑∑==∈⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎝
⎛⋅+=MmNnnsmlnmLlopt
t
ln
mMNpMC11
02
.(,2][1log1
max(,H(94次优的子信道与功率分配算法
由以上的分析可知,最优算法可以选择的组合数随天线数与子载波数的乘积呈指数增长,使得即使很少的天线与子载波也会导致非常巨大运算量,因而很难在下一个时隙到来之前完成信道与功率的分配。
因此有必要研究次优的分配算法,在能够快速完成分配的同时来逼近最优算法所获得的容量。
由于最优算法中功率的分配与用户的选择需要相互联合确定而必须遍历搜索最优组合,为了避免这种情况,采用先假设功率在所有子信道上平均分配的方法,之后在每个子信道上选择平均功率下能在此子信道上达到最大速率的用户,在每一个子信道选择了其对应的最优用户后再对所有子信道进行空间和频率的二维注水功率分配,把这种先选择用户再分配功率的算法称为MSPA(MultiuserSubchannelandPowerAllocation算法,设用户集合},,2,1{KA…=,算法具体实现过程如下:
MSPA算法:
(1假设功率平均分配,选择每个子信道上的最优用户
form=1toMforn=1toNt
Ak∈∀⎟⎟⎠
⎞
⎜⎜⎝⎛+
=2
.02,][//1lognk
mttotalknmMBNMNPRHknmK
knmRk,,,2,1*
maxarg…==
endend
(2对选择后的用户在所有子信道进行注水功率分配
form=1toMforn=1toNt
+
⎟⎟⎟⎟⎠
⎞⎜⎜⎜⎜⎝
⎛−
=2
.0
][*,nkm
n
mn
mMB
NpHµendend
(3计算系统和容量
∑∑==⎟⎟⎟⎟⎠
⎞
⎜⎜⎜⎜⎝
⎛⋅+=MmNnnkmnmMSPA
t
nm
MBNpMC11
02
.,2][1log1
*,H第(2步中µ的确定同(6式。
为了进一步简化算法,也可在第(1步中可以直接比较每个用户在对应子信道上的列向量的Euclidean范数。
通过子信道与功率的分步分配,计算次数变为tMNK⋅次,随天线与子载波的乘积线性增长,显然运算量远远小于最优算法。
以上的算法均没有考虑用户之间的公平性和速率要求,下面研究考虑每个用户速率要求和用户之间速率比的子信道与功率分配算法。
当系统的发射功率很小,无法满足所有用户的速率要求时,则需要按MSPA算法来最大化系统容量;当系统的发射功率足够大,使某些用户在其分得的子信道上传输的总比特数能够大于该用户的速率要求时,则可以把多余的信道资源分给其他速率还没有满足的用户,以尽可能的保证公平性。
基于此思想提出了MSPA-RoU(RateofUser算法,作为MSPA的改进。
首先仍然假设功率在所有子信道上平均分配,并依次选择每个子信道上的最优用户,在每个子信道选择用户后进行相应用户速率的更新,当某一用户不断更新后,已分得的子信道上所能传输的总比特数满足其速率要求时,则该用户暂时不再参与剩余子信道的选择,如果所有的用户都满足了其要求的速率后仍有子信道未分配的话,则把剩余子信道分给所有用户中实际速率与要求速率比最小的用户,以最大限度地保证用户之间的实际速率比符合要求速率比。
设对于任意的用户k,其速率要求为kR,MSPA-RoU算法的具体实现过程如下:
MSPA-RoU算法:
(1假设功率平均分配,选择每个子信道上的最优用户
},,2,1{KA…=;Ak∈∀0=kr
form=1toMforn=1toNt
if∅≠A
Ak∈∀⎟⎟⎠
⎞
⎜⎜⎝
⎛+
=2
.02,][//1lognk
mttotalknmMBNMNPRH
knmK
knmRk,,,2,1*
maxarg…==
*
*,*,,n
mn
mn
mknmkkRrr+=if*,*,n
mn
mkkRr≥
}/{*
n
mkAA=
endelseif∅≠A
fork=1toK
k
k
n
mK
knmr
k,,,2,1*
min
arg…==
endend
endend
步骤(2(3同MSPA算法。
5仿真与讨论
本节通过仿真来比较各个算法的所获得的系统容量,在MIMO-OFDM系统下行链路中,设功率延迟剖面为指数分布,用户周围是富散射体的空间环境,接收天线间的空间衰落非相关,发射天线间相关性取决于天线相对间距和角度扩展(AS[11],仿真中假设角度功率谱(PAS分布为高斯分布,所有结果都是经过1000次独立MonteCarlo仿真得到的,系统仿真所采用具体参数见于表1,收发天线数rM、tM均为2,作为比较,本文也仿真了文献[5]中基于Product准则和Sum准则的算法和文献[6]中基于最大奇异值的算法,分别称为Product-crit算法、Sum-crit算法和Max-sing算法。
仿真1:
在图2中比较了MSPA算法和其他分配算法所获容量随信噪比变化的曲线,假设系统中用户数k=3,系统子载波数64。
从图中可以看到,尽管MSPA算法的运算量大大降低,但所获得的系统容量几乎与最优算法一样,基于容量最大化的Product-crit算法和Sum-crit算法由于没有利用MIMO系统中的空分复用,仅使每个子载波被一个用户占用,使得系统和容量小于MSPA算法,Max-sing算法的容量性能与Sum-crit算法接近,但由于所有算均根据信道状态信息采用了自适应分配,所以容量性都远远好于固定接入的TDMA算法。
由第3节和第4节的理论分析可知,由于最优算法遍历搜索了所有组合的情况,并挑选能使容量最大的组合作为最终的分配结果,所以其达到的系统容量可以作为其他算法逼近的上界;而MSPA算法通过在空频等效子信道上选择先选择最优的用户,保证了系统的容量性能,然后通
过注水分配功率进一步优化,提升系统容量,使算法获得的容量与最优算法能够在不同的信噪比范围
表1仿真参数
载波频率fc=2GHz可分离路径数
L=6
系统带宽B=5MHz最大时延2.6µs子载波数M=64角度扩展30oPAS分布
高斯分布
天线相对间距
2个波长
图4各算法容量随用户数变化
曲线(用户总数100
第5期马月槐等:
多用户MIMO-OFDM系统中的子信道与功率分配算法研究151内均十分接近。
而先选择用户再分配功率的两步策略避免了遍历搜索,使运算量由最优算法中的随天线与子载波数呈指数增长变为MSPA算法中的运算量随天线与子载波数的乘积线性增长,达到了既降低运算量又能保证容量的目的。
仿真2:
在本仿真中比较了在信噪比为10dB,其他系统参数同上时,MSPA算法、MSPA-RoU算法及其他算法所获容量随用户数变化的曲线。
当用户数从1变化10时,如图3所示,可以看到由于自适应分配利用了系统中的多用户分集,使得系统容量随用户数不断增长,而MSPA算法所得容量在不同用户数时均大于其他子载波分配算法。
注意到固定接入的TDMA方案由于没有考虑信道状态信息,所以容量几乎不随用户数而变化,另外可以看到当用户数为1时,由于各个子信道无法从优选择用户,所以各算法所得容量几乎没有区别;而图4仿真了用户数较多时,各算法的容量增益,可以看到各算法性能对比基本同图3,而随着用户数的不断增多,MSPA算法的优势更加明显。
仿真3:
在本仿真中比较了MSPA-RoU算法在不同的用户速率约束时所得容量随信噪比的变化曲线,如图5所示,不同的MSPA-RoU算法容量曲线中三个用户的速率要求分别为[15,15,15],[5,5,5]和[1,1,1],单位是bits/s/Hz。
结合算法过程从图中可以看出,当各用户的速率要求都比较高时(如三个用户的速率要求均为15bits/s/Hz),系统很难满足用户的要求,按照算法原理这时需最大化系统容量,所以容量曲线与不考虑速率约束的MSPA算法十分接近,特别是在低信噪比区域,和MSPA容量完全一致。
而当用户速率要求很低(用户速率约束1bits/s/Hz),系统很容易满足所有用户的速率要求时,则把多余的子信道分给当前实际速率与要求速率之比最小的用户,以保证各个用户之间的公平性,所以导致了容量的损失,但性能仍优于TDMA算法,而当用户速率要求适中时(5bits/s/Hz),随着信噪比的升高,容量曲线增幅趋势相对于其它曲线有所减缓,这是由于系统从低信噪比区域主要最大化系统容量到高信噪比区域主要保证用户之间的公平性的缘故。
仿真4:
在图6和图7中主要仿真了MSPA-RoU算法随用户数的变化曲线,信噪比仍是10dB,从两图中可以看到当每个用户速率要求很高时,在各个用户数范围内MSPA-RoU算法容量都十分接近于MSPA算法,而当zH/s/stib/量容统系117.53025s/zH/stib/量容统系20MSPA算法M-U算法[15,15,15]M-U算法[5,5,5]M-U算法[1,1,1]TDMA15105002468101214161820SNR/dB图5MSPA-RoU算法不同速率约束下容量随信噪比变化曲线76.5zH/s/stib/量容统系MSPA算法M-U算法[15,15,...,15]M-U算法[5,5,...,5]M-U算法[1,1,...,1]TDMA65.554.5412345678910用户数图6MSPA-RoU算法在不同速率约束时所得容量随用户数变化曲线(用户总数10)109876MSPA算法M-U算法[15,15,...,15]M-U算法[5,5,...,5]M-U算法[1,1,...,1]TDMA54102030405060708090100用户数图7MSPA-RoU算法在不同速率约束时所得容量随用户数变化曲线(用户总数100)用户速率要求适中时MSPA-RoU算法容量随着用户数的增加逐渐逼近MSPA算法,当用户速率要求很低的时,MSPA-RoU算法容量在用户数从1变化到10的范围内容量增益略大于TDMA,而在用户数从10变化到100的范围内逐渐提高,这是因为当系统用户数较少时,MSPA-RoU算法能够满足大部分用户的速率要求因而主要保证用户间的公平性,而随着用户数的增多,部分用户的速率无法得到满足,这时需要优先最大化容量,从而导致容量性能逼近MSPA算法。
152电路与系统学报第12卷6结论本文针对多用户MIMO-OFDM系统下行链路,分析了通过遍历搜索来使容量最大化的最优子信道与功率分配算法,提出了次优的多用户子信道与功率分配算法—MSPA算法,通过先分配空间和频率的子信道再分配功率从而大大降低了分配的运算量。
在考虑用户的速率约束时,通过先最大化系统容量,在各用户速率满足后把多余信道资源分给实际速率与要求速率之比最低的用户,以最大限度的保证用户之间的公平性。
仿真结果表明,本文所提MSPA算法所获得的容量远远大于其他仅在MIMO环境中分配子载波的算法,并且性能几乎与最优算法一致,考虑用户速率约束的MSPA-RoU算法同样能获得相当的容量增益,且在不同的速率要求时有不同的容量性能表现。
如何在天线之间存在相关性的MIMO-OFDM系统模型中综合考虑矩阵列向量与相互之间的正交性来分配空间和频率的等效子信道,是下一步有待研究的问题。
参考文献:
[1][2][3][4][5][6][7][8][9][10][11]HSampath,STalwar,JTellado,etal.Afourth-generationMIMO-OFDMbroadbandwirelesssystem:
design,performance,andfieldtrialresults[J].IEEECommunicationMagazine,2002,(9:
143-149.3GPP.Radioresourcemanagementstrategies[R].3GPPTechnicalReport,TR25.922V5.0.0,2002-03.CWong,RCheng,KLetaief,RMurch.MultiuserOFDMwithadaptivesubcarrier,bit,andpowerallocation[J].IEEEJ.Select.AreasCommu.,1999-10,16:
1747-1758.WRhee,JMCioffi.IncreaseinCapacityofMultiuser
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 多用户 MIMOOFDM 系统 中的 信道 功率 分配 算法 研究 概要