论文部分内容阅读
近年来,用户不断增长的业务服务质量需求与有限的无线频谱资源之间的矛盾愈加突出,使得未来无线通信面临着严峻的挑战。跨层资源分配技术可以综合无线网络两层或两层以上的信息进行联合设计,使系统资源得到更加合理高效的利用,从而提高系统的频谱效率,因此,研究具有更高频谱效率的跨层资源分配技术具有重要的实际意义与价值。针对多用户MIMO-OFDM系统下行链路中由于分层设计信息不完整造成的系统资源分配不合理的问题,本文将用户媒体接入控制层的服务质量要求与物理层的动态资源分配相结合,提出了一种最低速率约束下的载波和功率联合分配的跨层资源分配算法。该算法首先将用户媒体接入控制层的缓存队列建模成有限状态的马尔可夫链,并用其稳态分布对不同用户的服务质量要求(最大分组损耗要求)进行分析,进而转化为用户物理层的最低速率约束条件,然后在用户最低速率约束和总发射功率限制条件下,以最大化系统吞吐量为目标函数,对载波和功率进行联合分配。该算法优先给达到最低速率约束需要的功率最多的用户分配载波和功率,以使系统中所有用户达到最低速率约束需要的总功率尽可能少,从而系统中就会有尽可能多的剩余功率以最优的方式分配到各载波上,使系统的总吞吐量达到最大。仿真结果表明,与已有算法相比,本文提出的算法不但能够满足不同用户的服务质量要求,还能够很大程度的提高系统吞吐量。针对存在多个主用户和多个认知用户的MIMO-OFDM认知无线电系统,本文提出了一种基于对偶分解理论的跨层资源分配算法。它能够在满足所有主用户所允许的干扰门限、所有认知用户的服务质量要求和认知用户总发射功率限制的前提下,使所有认知用户的和速率达到最大。该算法首先将所有认知用户的服务质量要求(即最大分组损耗要求)转化为用户物理层的最低速率约束,然后根据对偶分解理论,将由原始问题转化而来的对偶问题分解为若干个简单易求解的独立子问题,最后利用次梯度法迭代出最优的拉格朗日因子值,进而得到载波和功率分配的最优解。仿真结果表明,与传统算法相比,本文提出的算法不但能够满足不同认知用户的服务质量要求,还能够很大程度的提高所有认知用户的和速率。