14 应用科学平two hop proportional fair, THPF)算法并应用于 OFDM中继系统在一定程度上提升了用户的公平性却不能充分保证用户的吞吐性能. 文献 [2] 针对 OFDM中继系统提出了一种基于目标用户功率的调度算法解决了系统吞吐性能问题但该

Size: px

Start display at page:

Download "14 应用科学平two hop proportional fair, THPF)算法并应用于 OFDM中继系统在一定程度上提升了用户的公平性却不能充分保证用户的吞吐性能. 文献 [2] 针对 OFDM中继系统提出了一种基于目标用户功率的调度算法解决了系统吞吐性能问题但该"

冽谭
5 years ago
Views:

1 第 32 卷第 1 期 2014 年 1 月应用科学学报 JOURNAL OF APPLIED SCIENCES Electronics and Information Engineering Vol. 32 No. 1 Jan DOI: /j.issn OFDM 中继系统中保证混合业务 QoS 的研究戴翠琴, 王亮, 王海宝重庆邮电大学移动通信技术重庆市重点实验室, 重庆摘要 : 为保证正交频分复用中继系统中混合业务的 QoS 要求, 提出相对最长队列优先 / 相对比例公平的调度算法 R-LQAF/RPF. 根据实时用户的速率需求引入相对变化函数, 并利用 RPF 算法提高实时业务用户的吞吐量. 同时根据用户队列长度和系统队列长的关系, 采用 R-LQAF 算法降低用户丢包率, 保证了非实时用户的 QoS 满意度. 仿真结果表明, 与比例公平和最大加权时延优先算法相比较,R-LQAF/RPF 算法不仅能针对不同业务采取不同的调度策略, 而且对用户吞吐量速率需求满意度丢包率性能均有所提升, 充分保证了混合业务的 QoS 要求. 关键词 : 正交频分复用 ; 中继 ; 调度 ; 丢包率 ; 吞吐量中图分类号 :TN929.5 文章编号 : ) QoS Guarantee for Mixed-Service in OFDM Relay System DAI Cui-qin, WANG Liang, WANG Hai-bao Chongqing Key Laboratory of Mobile Communications Technology, Chongqing University of Posts and Telecommunication, Chongqing , China Abstract: To ensure QoS requirements for mixed-service in an orthogonal frequency division multiplexing relay system, we propose a relative largest queue aware first/relative proportional fair R-LQAF/RPF) scheduling algorithm. By setting a relative variation function, we use an RPF scheduling algorithm to enhance the realtime user throughput to meet the actual user rate requirements. We also use an R-LQAF scheduling algorithm to improve the scheduling performance, decrease the packet loss rate, and ensure QoS requirements for non-realtime user according to the relationship of the user queue length and the system queue length. Simulation results show that, compared with the existing proportional fair and the largest weighted delay first algorithm, the R-LQAF/RPF algorithm can flexibly choose different scheduling strategies for different businesses, effectively improve user performances in terms of throughput, packet loss rate, and satisfaction of demanded rate, and guarantee QoS requirements of mixed businesses. Keywords: orthogonal frequency division multiple OFDM), relay, scheduling, packet loss rate, throughput 随着无线用户和多媒体业务的急剧增加, 无线通信系统对时间空间频谱和功率等资源的高效利用提出了更高要求. 合理有效的资源调度技术不仅能够提升小区边缘性能和系统吞吐量, 还能更好地满足用户服务质量 quality of service, QoS) 公平性等方面的需求. 因此, 新一代宽带无线通信中的资源调度技术受到研究者的广泛关注, 被视为提高无线系统性能的关键技术之一. 在正交频分复用 orthogonal frequency division multiple, OFDM) 中继系统中, 中继作为一种空间分集技术可以显著增加网络覆盖范围, 还能进一步提高系统吞吐量, 极大地提高了无线资源的利用率. 因此, 为了更合理而有效地利用系统资源, 基于 OFDM 中继系统的资源调度算法成为近年来的研究热点. 文献 [1] 在传统比例公平 proportional fair, PF) 算法的基础上加入了速率比值因子, 提出了两跳比例公收稿日期 : ; 修订日期 : 基金项目 : 国家自然科学基金 No ); 重庆市自然科学基金 No. cstc2012jja40042); 重庆市科委重点实验室专项经费 No. D ); 重庆市自然科学重点基金 No.cstc2013jjB40001); 重庆市教委优秀成果转化项目基金 No. Kjzh11206) 资助作者简介 : 戴翠琴, 副教授, 研究方向 : 宽带无线移动通信网络关键技术, daicq@cqupt.edu.cn

2 14 应用科学平two hop proportional fair, THPF)算法并应用于 OFDM中继系统在一定程度上提升了用户的公平性却不能充分保证用户的吞吐性能. 文献 [2] 针对 OFDM中继系统提出了一种基于目标用户功率的调度算法解决了系统吞吐性能问题但该算法是一个广义层次上的调度并没有区分两个时隙的调度. 文献 [3] 对文献 [2] 的算法进行改进在调度的两个时隙中通过路由选择获得最佳用户并为其分配资源大大提高了资源利用率解决了文献 [2] 中未区分时隙进行调度的问题. 文献 [1-3] 提出的调度算法在一定程度上改进了中继系统性能但均为针对实时业务的调度算法并没有考虑到非实时业务的调度问题. 文献 [4] 针对非实时业务进行研究提出了最大加权时延优先largest wait delay first, LWDF)算法虽然提升了非实时业务的系统吞吐量但不能保证非实时业务的丢包率和时延要求. 文献 [5] 针对非实时业务中的丢包问题提出了基于队列长度的混合调度算法在一定程度上改善了调度过程中的丢包问题. 基于文献 [5] 的研究文献 [6] 提出了一种优化算法不仅将丢包率控制在一定的范围内而且提高了非实时业务的时延特性. 分析上述文献可知目前已有的 OFDM 中继系统的资源调度算法主要针对单一类型的业务进行调度并未解决如何更有效地应对混合业务的调度问题. 随着宽带无线通信系统的发展通信业务由单一型向混合型过渡于是用户 QoS 要求成为衡量通信质量的一个很重要的性能指标. 混合型业务可以分为实时业务和非实时业务实时业务的用户 QoS 要求主要表现为用户对速率的要求非实时业务的用户 QoS 要求主要表现为用户对丢包率和时延特性的要求. 因此如何在混合业务中采用合理的调度算法的同时保证用户 QoS 要求的问题变得十分重要目前已有相关文献对混合业务的资源调度问题进行了研究. 文献 [7-8] 较早地在 OFDM 中继系统中提出了区分混合业务的调度算法为后续研究奠定了理论基础. 文献 [9] 提出了一种在混合业务下基于效用函数的调度算法提升了系统调度性能但在两个时隙中要采用统一的调度方式使系统的资源能得以充分利用. 基于文献 [9] 的研究文献 [10] 提出了分步跨层调度算法不仅在两个时隙中采用了不同的调度策略而且对混合业务区分调度为不同业务提供了合理的资源利用. 文献 [11] 针对混合型业务的调度提出了一种时域自适应的调度adaptive time domain scheduling algorithm,atdsa)算法在区分混合业务的同时能充分利用资源提升系统的公平性和吞吐量. 以上研究仅针对混合业务进行区分调度但都没有考虑到如何学报第 32 卷保证混合业务用户的 QoS 要求. 为了对混合业务进行区分调度的同时保证用户 QoS 要求本文在 OFDM 中继系统中提出相对最长队列优先/ 相对比例公平relative largest queue aware first / relative proportional fair, R-LQAF/RPF) 的调度算法. 相比于传统 PF 和 LWDF 算法 R-LQAF/ RPF 算法既能区分调度混合型业务对实时型业务采用 RPF 算法保证了用户对速率的要求对非实时业务采用 R-LQAF 算法减少了用户的丢包率) 又能充分保证混合业务的 QoS 要求. 1 系统模型单个小区的系统模型如图 1 所示[12] 图中有一个基站base station BS) K文中的 K 取 6)个固定的中继节点relay station RS)和 M 个用户mobile station MS) MS 随机地分布在小区内调度时采用集中式调度模型即资源的调度统一由 BS 管理 RS 不具有调度的功能. 假设 BS 到六边形顶点的距离为 R 每个 RS 位于 BS 和六边形顶点的连线上且与基站的距离为 2R/3. 如图 1 所示小区分为七部分最中间的部分为直传用户分布的区域剩下的六个形状相同的区域是以六边形的每个顶点为圆心以 2R/3 为半径的圆交织组成. 这六个区域为中继用户分布的区域每个区域内均有一个 RS 采用解码转发decoding forward, DF)方式为分布在其覆盖区域内的 MS 提供服务. RS 采用时分双工time division duplexing, TDD)模式每个时隙分为两个子时隙. 对于直传用户由 BS 在第 1 时隙直接给其分配资源对于中继用户 BS 第 1 时隙给 RS 分配资源第 2 时隙再由 RS 转发相应的资源到相应的 MS. 图 1 系统模型 Figure 1 System model 系统中的调度机制不考虑协作传输故最大的链路数为 L = M + K. 假设系统总带宽为 B 系统中

3 第 1 期戴翠琴等 :OFDM 中继系统中保证混合业务 QoS 的研究 15 有 N 个子载波, 则每个子载波的带宽为 B/N [13] ; 直传用户 M 和中继节点 K 在子信道 N 上的信道增益分别为 m,n 2 k,n 2, 通过中继 K 传输的中继用户 M 在子信道 N 上的增益为 m,k,n 2 ;ρ n 和 ρ n 分别表示中继和基站在子信道 N 上的发送功率 ;d m,n d m,k,n d k,n 分别表示直传用户中继用户中继子信道的分配标示, 若 d m,n = 1, 则表示子信 N 分配给用户 M, 若 d m,n = 0, 则表示用户没有得到分配, 标示 d m,k,n d k,n 的取值与之类似 ;Γ ln5ber)/1.6, 系统加性高斯白噪声为 w = N 0 B/N, 其中 N 0 为噪声功率谱密度. 直传用户 M 在时隙 t 内的速率为 R d) m,t = N n=1 n=1 d m,n B N lb 1 + ρ n 2 m,n Γ w 中继节点 K 在时隙 t 内第 1 子时隙的速率为 N R d) k,1,t = B d k,n N lb 1 + ρ ) n k,n 2 Γ w 中继用户 M 在时隙 t 内第 2 子时隙的速率为 N R d) m,2,t = B d m,k,n N lb 1 + ρ ) n m,k,n 2 Γ w n=1 ) 1) 2) 3) 在实际的无线通信系统中, 两跳链路的传输速率等于两跳链路容量的最小值, 则中继用户 M 的实际速率为 R r) m,t = min{r r) m,2,t, Rd) k,1,t } 4) 在 OFDM 系统中, 无线资源是一个时域和频域对应的二维块状结构. 在时域方面, 无线资源划分为多个时隙 ; 在频域方面, 无线资源划分为多个子信道, 每个子信道由多个子载波组成. 在多用户 OFDM 系统中, 一个时隙中的子信道是一个最小资源划分单位, 被称为资源块 resource block,rb) [14]. 文中的算法即实现对不同用户合理的分配 RB. 混合业务的场景设定如下 : 实时业务 real time, RT) 分组和非实时业务 non-real time, NRT) 分组按照 1:1 的比例组成混合业务, 实时业务最大允许时延服从 5 10ms 的均匀分布, 非实时业务的最大允许时延服从 10 20ms 的均匀分布. 调度模型图如图 2 所示. 首先, 系统以 10 ms 为界限将混合业务分为实时和非实时业务, 然后将不同类型的业务送入调度器, 针对不同的业务采取不同的调度算法并为其分配 RB. 调度算法根据用户位置判断用户的类型, 若为直传用户, 基站通过无线信道发送对应的信号 ; 若为中继用户, 基站首先发送信号给中继, 中继接收到信号后立刻转发给中继用户. 用户接收到信号后, 将信道状态信息反馈给基站, 基站接收到用户的反馈信号后进行资源再次分配. 图 2 调度模型图 Figure 2 Scheduling model 2 基于混合业务 QoS 保证的调度算法 2.1 PF 和 LWDF 算法文献 [1] 提到目前针对实时业务应用较多的 PF 算法, 其调度准则的表达式为 j i = arg max i { ri t) R i t) } 5) 式中,j i 表示算法最终选择的用户,r i t) 表示 t 时刻第 i 个用户的实际速率,R i t) 表示 t 时刻用户 i 的平均传输速率,R i t) 的更新如式 6) 所示, 其中 T 表示窗口长度 R i t) = 1 1 ) R i t 1) + 1 T T r it) 6) 文献 [4] 针对非实时业务提出了 LWDF 算法, 其调度优先级表达式为 P i,k t) = a i W i t) r i,kt) R i t) 7) 式中,a i = lg δ i /τ i 为与非实时业务 QoS 要求相关的优先级因子, 其中 τ i 为用户 i 能容忍的最大分组时延, δ i 为可容忍的超出最大时延的分组比例上限 ;r i,k t) 表示 t 时刻第 i 个用户在子载波 k 上的实际速率,R i t) 表示 t 时刻用户 i 的平均传输速率,W i t) 为用户 i 在 t 时刻缓冲区的队头时延. 最终选择的用户可表示为 2.2 R-LQAF/RPF 算法 j i = arg max{p i,k t)} 8) i 针对实时业务的用户, 用户的实时速率是用户 QoS 的重要指标,PF 算法不能充分满足用户的实时速率的要求 ; 针对非实时业务, 丢包率是一个很重要的衡量用户 QOS 的标准,LWDF 算法虽能在一定程度上提高系统的时延性能, 但系统的丢包率相对较差. 针对以上问题, 文中引入了 R-LQAF/RPF 算法, 其

4 应 16 用科学优点是不仅能针对混合业务进行调度而且能较好地满足混合业务 QoS 要求. R-LQAF/RPF 算法的优先权表达式为 ri,k t) F ψi ), i NRT ai Qi t) Ri t) Ui,k t) = 9) ri,k t) F ζi ), i RT α Ri t) 式中 F x)的表达式为 F x) = εx φx 1) ) 10) ζi 的表达式为 ζi = Ri t) ri,k t) 11) 学报对实时业务而言式9)引入了相对变化函数 F ζi ) ζi 为变化因子表达式如式11)所示由ζi 的表达式可知 ζi > 0 其中Ri t)为用户需求的实时速率 ri,k t) 为用户当前的实时速率. 如果ri,k t) < Ri t) 系统通过 F ζi ) 的函数特性增加实时业务用户的调度优先级反之则可降低其优先级. 对非实时业务而言式9)引入了相对变化函数 F ψi ) ψi 为变化因子其表达式见式12). 由ψi 的表达式可知ψi > 0 其中 Qi t) ri,k t) 与式9)中的定义相同 Tht 为系统中时延门限. 如果Qi t) > ri,k t)tht 则表示时刻 t 用户 i 的队列长度已经超过了系统此时所能处理的队列长度此时系统通过函数 F ψi ) 函数特性增加非实时业务用户调度的优先级反之可降低其优先级. 2.3 ψi 的表达式为 Qi t) ψi = ri,k t) Tht 12) i 算法流程系统中每个调度周期分两个阶段即两个子时隙) 进行资源先分配给第 2 个时隙再分给第 1 个时隙. 第 1 阶段第 2 时隙的资源分配则最终的调度目标可表示为 ji = arg max {Ui,k t)} 第 32 卷 13) 如式9)所示 R-LQAF/RPF 调度算法针对不同业务采取不同的调度算法可以区分混合业务. R-LQAF/RPF 算法引入了相对变化函数 F x) 其中 ri,k t) ai Ri t)与式7)中的定义相同 α为可调优先级因子 Qi t) 表示用户 i 在 t 时刻用户队列的长度. 式10)中的 ε φ 是决定曲线变化的参数通过改变 ε的值能改变函数纵向的变化尺度通过改变 φ 的值可以改变曲线的变化急缓程度. F x) 函数的部分截图如图 3 所示其中ε = 1 φ = 0.3 x [0, 3]. 当 x = 1 时 F x) 的值为 1 当 x [0, 1] 时 F x) 为单调递增凸函数当 x [1, + ) 时 F x) 为单调递增凹函数. 步骤 1 根据系统模型首先判断单个小区内的用户是中继用户还是直传用户选择其中的中继用户记作用户集合 K={1,2,3,, k1,,k2 } 初始化系统的资源块RB) 记作 N ={1,2,3,, n}. 步骤 2 根据业务的时延特性以 10 ms 为界限将混合业务分为实时业务和非实时业务根据式9)对实时业务用户采取 RPF 调度算法根据 RPF 算法计算出其优先级较大的用户 k1 给用户 k1 分配一个 RB 对非实时业务采取 R-LQAF 算法根据 R-LQAF 算法计算出其优先级较大的用户 k2 给用户 k2 分配一个 RB. 步骤 3 将已经分配的 RB 从资源块集合 N 中清除同时从用户集合中清除已分配的用户. 步骤 4 更新资源块 N 和用户集合 K, 然后转向步骤 2 直到每个用户都被分配 RB. 第 2 阶段第 1 时隙的资源分配步骤 1 根据小区模型判断在单个小区内的用户是中继用户还是直传用户选择其中的中继和直传用户分别记为 R = {1, 2, 3,, r} 和 M = {1, 2, 3,, m1,, m2 }. 步骤 2 针对中继用户首先给小区内每个中继分配 RB 并计算中继第 1 时隙和第 2 时隙的容量. 步骤 3 比较中继第 1 时隙和第 2 时隙的容量如果中继第 1 时隙的容量比第 2 时隙小则继续给中继用户分配 RB 直到中继的第 1 时隙的容量大于第 2 时隙的容量. 图 3 函数F x)的曲线图 Figure 3 Curve of function F x) 步骤 4 根据业务的时延特性以 10 ms 为界限将混合业务分为实时业务和非实时业务根据式9)对

第1期戴翠琴等 OFDM 中继系统中保证混合业务 QoS 的研究实时业务用户采取 RPF 调度算法根据 RPF 算法计算出其优先级较大的用户 m1 给用户 m1 分配一个 RB 对非实时业务采取 R-LQAF 算法根据 RLQAF 算法计算出其优先级较大的用户m2 给用户 m2 分配一个 RB.

5 第1期戴翠琴等 OFDM 中继系统中保证混合业务 QoS 的研究实时业务用户采取 RPF 调度算法根据 RPF 算法计算出其优先级较大的用户 m1 给用户 m1 分配一个 RB 对非实时业务采取 R-LQAF 算法根据 RLQAF 算法计算出其优先级较大的用户m2 给用户 m2 分配一个 RB. 步骤 5 将已经分配的 RB 从资源块集合 N 中清除并将已分配资源的用户从集合 M 中清除. 17 LWDF 算法和 R-LQAF 算法的丢包率. 从图 6 中可以看出 R-LQAF 算法的丢包率明显低于 LWDF 算法的丢包率. 因为在 R-LQAF 算法中加入了相对变化函数如果某用户队列的实际长度大于系统中此时刻所能处理的队列长度则增加此用户的优先级否则就降低该用户的调度优先级相对变化函数的加入大大减少了系统丢包率. 步骤 6 如果第 1 时隙有多余的 RB 则将剩下的 RB 全部分给直传用户如果第 1 时隙的 RB 不足可将任意一个分配给中继用户的 RB 分配给直传用户. 步骤 7 返回步骤 1 准备下一次调度. 3 仿真验证及结果分析下面通过 MATLAB 进行了数值仿真分析验证上述推导和算法分析. 假设在单个小区模型内用户数目为 50 个随机分布在小区内设置小区的半径为 600 m 基站和中继的发射功率分别为 36 dbm 和 18 dbm, 调度资源数目为 10 个 RB 载波数量为 128 即子信道的数目为 128 调度周期为 t = s 子信道带宽为 120 khz 噪声功率谱密度为 174 dbm/hz. 仿真模型采用六径瑞利衰落模型每条路径中采用 Clarke 平坦衰落模型[15]. 数据包采用泊松模型数据包到达速率为 104 bit/s 队列中的数据包采用先进先出的方式时延门限为 50 ms. 若数据包等待时间超过 50 ms. 则会产生丢包. 针对实时业务为满足其 QoS 要求须对用户速率的要求达到一定满意程度才能保证用户的实时性. 图 4 比较了 PF 算法 RPF 算法以及文献 [1] 提到的 THPF 算法的用户速率需求满意度. 由图 4 可以看出 PF 算法不能很好地区分第 1 时隙和第 2 时隙的资源分配因此 PF 算法对用户速率的满意度不如 THPF 算法同时 THPF 算法和 PF 算法的用户速率需求满意度明显低于 RPF 算法这是因为 THPF 和 PF 算法没有考虑用户需求速率而 RPF 算法由于加入了对用户需求速率的考虑对用户的速率需求满意度大大增加. 图 4 实时业务用户速率需求满意度的比较 Figure 4 Comparison of real-time business users satisfaction of demanded rate 图 5 实时业务用户系统吞吐量的比较 Figure 5 Comparison of real-time business system throughput 图 5 描述了 THPF 算法 PF 算法和 RPF 算法的吞吐性能. 如图 5 所示 PF 算法在每次调度过程中将最好的信道资源分配给速率较大的直传用户和中继用户故 PF 算法具有最好的吞吐性能 THPF 算法兼顾第 1 时隙和第 2 时隙的对用户速率需求满意度性能的把握其吞吐量有所下降 RPF 算法忽略了用户吞吐性能但保证了用户实际速率的需求从而充分保证实时业务对实时速率的要求. 图 7 比较了 LWDF 算法和 R-LQAF 算法的吞吐性能可以看出R-LQAF 算法的吞吐量性能明显优于 LWDF 算法的吞吐量性能. 因为 R-LQAF 算法相比 LWDF 算法丢包率较低系统在单个调度周期内包裹丢失的数量较少系统中存在的包裹总数较多所以采用 R-LQAF 算法使得系统吞吐量相对较大. 针对非实时业务要尽量使用户丢包率降到最最小才能保证非实时业务 QoS 指标. 图 6 对比了基于 OFDM 中继系统研究了如何保证混合业务中用户 QoS 要求的问题. 通过建立OFDM中继协作 4 结语

6 18 应用科学学报第 32 卷图 6 非实时业务用户丢包率的比较 Figure 6 Comparison of non-real-time business users packet loss rate 图 7 非实时业务用户系统吞吐量的比较 Figure 7 Comparison of non-real-time business system throughput 系统模型, 采用 Clarke 平坦衰落模型模拟了系统中的各个信道, 推导了系统信道容量的表达式, 提出了 R-LQAF/RPF 算法. 仿真结果表明, 通过分析比较非实时用户实际队列长度和系统所能处理的队列长度, 采用 R-LQAF 算法可以进一步降低系统丢包率 ; 结合实时用户需求速率, 采用 RPF 算法可使系统最大程度地满足实时业务用户对速率需求. 所提出的 R-LQAF/RPF 算法在有效分配资源的同时, 能够更好地保障混合业务下不同用户 QoS 要求. 参考文献 : [1] Lin X, Cuthbert L. A twohop proportional fairness scheduling algorithm for relay based OFDMA systems [C]//WiCO-M 08.4 International Conference on Wireless Communications, Beijing: 2008: [2] Byung G K, Jang W L. Joint opportunistic subchannel and power scheduling for relay-based OFDMA networks with scheduling at relay stations [J]. IEEE Transactions on Vehicular Technology, 2010, 595): [3] Ng D W K, Schober R. Resource allocation and scheduling in multicell OFDMA systems with decode and forward relaying [J]. IEEE Transactions on Wireless Communications, 2011, 107): [4] Andrews M, Kumaran K, Ramana N K. Providing quality of service over a shared wireless link [J]. IEEE Communications Magazine, 2001, 392): [5] Kae W C, Wha S J, Dong G J. Resource allocation in OFDMA wireless communications systems supporting multimedia services [J]. IEEE/ACM on Networking, 2009, 173): [6] Chandur P, Karthik R M. Performance evaluation of scheduling algorithms for mobile WiMAX networks [C]//2012 IEEE International Conference on Pervasive Computing and Communications Workshops, India: 2012: [7] Seungwan R, Byunghan R, Hyunhwa S. Urgency and efficiency based packet scheduling algorithm for OFDMA wireless system [C]//2005 IEEE International Conference on Com Munications, Korea, 2005: [8] Rui Z, Hoang N N, Sasase I. Packet scheduling for cellular networks with relaying to support user QoS and fairness [C]//IEEE Wireless Communications and Networking Conference WCNC). Kowloon: 2007: [9] Chi Y H, Ai C P. 3-approximation algorithm for joint routing and link scheduling in wireless relay networks [J]. IEEE Transactions on Wireless Communications, 2009, 82): [10] 韩智, 郭爱煌. 中继 OFDMA 系统混合业务的分步跨层调度算法 [J]. 计算机应用研究,20117): Han Zhi, Guo Aihuang. Step-by-step cross-layer scheduling algorithm for mixed services in relay OFDMA system [J]. Application Research of Computers, 20117): in Chinese) [11] Kausar R, Cheny, Chai K K. Adaptive time domain scheduling algorithm for OFDMA based LTEadvanced networks [C]//2011 IEEE 7th International Conference on Wireless and Mobile Computing, 2011: [12] Huining H, Performance analysis of cellular networks with digital fixed relays [D]. Canada: Carleton University, 2003: [13] Rui W, Cui Y. Decentralized fair scheduling in twohop relay-assisted cognitive OFDMA systems [J]. IEEE Journal of Selected Topics in Signal Processing, 2011, 51): [14] Fouad Y M M. An autonomous resource block assignment scheme for OFDMA-based relay-assisted cellular networks [J]. IEEE Transactions on Wireless Communications, 2012, 112): [15] Danhua Z. Dynamic resource allocation for real-time services in cooperative OFDMA systems [J]. IEEE Communications Letters, 2011, 155): 编辑 : 秦巍 )

测谱学基础宽波段遥感

测谱学基础宽波段遥感燕守勋武晓波周朝宪刘朝晖庄永成曹春香魏欣欣于彩虹肖春生中国科学院遥感应用研究所北京有色金属矿产地质调查中心北京青海西部资源公司西宁青海青海省地质调查院西宁青海根据年出版的专辑近年来发表的相关文献以及研究