62 计算机应用研究第 32 卷系统模型与问题描述考虑一个包含 S 个相邻小区的 LTE 蜂窝系统,S=7 时如图所示系统总共划分了 N 个子信道, 每个小区共享这些子信道, 每个小区

Size: px

Start display at page:

Download "62 计算机应用研究第 32 卷系统模型与问题描述考虑一个包含 S 个相邻小区的 LTE 蜂窝系统,S=7 时如图所示系统总共划分了 N 个子信道, 每个小区共享这些子信道, 每个小区"

彩孔项
7 years ago
Views:

1 第 32 卷第 4 期 205 年 4 月计算机应用研究 ApplicatioResearchofComputers Vol.32No.4 Apr.205 基于能效的多小区 LTE 系统资源分配算法付锦华, 黄晓燕, 吴凡, 冷盨鹏, 马立香 ( 电子科技大学通信与信息工程学院, 成都 673) 摘要 : 针对多小区 LTE 移动通信系统, 考虑用户的最小速率要求, 以最大化系统能效为目标, 提出了一种迭代式的资源分配算法, 通过不断迭代子信道分配和功率控制两个子过程来优化系统能效针对子信道分配问题, 提出了一种基于三种基本模式的子信道调整算法 ; 针对功率控制问题, 建立了多小区非合作博弈模型, 理论证明了纳什均衡点的存在性, 并设计了算法收敛于该纳什均衡点仿真结果表明, 与多小区最大化系统吞吐量算法相比, 提出的算法获得了明显的能效增益, 同时也达到了较好的系统吞吐量, 尤其在强干扰环境下该算法的优势更加明显关键词 : 多小区 ; 能效 ; 子信道调整 ; 功率控制 ; 非合作博弈论中图分类号 :TP 文献标志码 :A 文章编号 :003695(205)04605 doi:0.3969/j.is EergyeficietresourcealocatioimulticelLTEsystem FUJihua,HUANGXiaoya,WUFa,LENGSupeg,MALixiag (SchoolofCommuicatio&IformatioEgierig,UiversityofElectroicSciece&TechologyofChia,Chegdu673,Chia) Abstract:ThispaperproposedaalgorithmforresourcealocatiouderQoScostraitwiththeobjectiveofimizigsys tem eergyeficiecyimulticelltesystem.itwasdecomposeditosubchaeladaptioadpowercotrol,adsolved iteratively.thesubchaeladaptioalgorithmwasbasedothreebasicmodels.itdevelopedaocooperativegamefore ergyeficietpowercotrol,adprovedtheexisteceofequilibrium.italsoproposedaalgorithm tosolvetheequilibrium. Simulatioresultsdemostratethattheperformaceofthisalgorithmismoreeergyeficietadresultimostthroughput.The performaceisbeteristrogeriterferece. Keywords:multicel;eergyeficiecy;subchaeladaptio;powercotrol;ocooperativegame 引言随着移动互联网的快速发展, 用户对高速率数据业务的需求越来越大 LTE 移动通信网络保障了视频游戏多媒体社交等应用的良好用户体验, 同时也带来了巨大的能耗问题 [] 构建绿色网络, 节省网络能耗已成为 LTE 系统的一个研究热点目前针对 LTE 系统的资源分配技术的研究多以最大化系 [2~4] [4~7] 统吞吐量最小化时延或是用户公平性为优化目标, 而以最大化能效为目标的研究则较少, 尤其针对存在小区间干扰的多小区系统的基于能效的资源分配问题的研究更是有限以最大化系统吞吐量为目的的 LTE 单小区网络的功率控制算法已经有了比较成熟的研究, 理论证明注水算法能够实现单小区系统吞吐量的最大化 [8] 文献 [9] 中针对单小区功率控制问题设计了基于梯度下降法的 GABS 算法, 但它缺乏对于用户 QoS 的保障文献 [0] 中提出的 BPA 算法有效地解决了固定子信道分配方案条件下的单小区能效优化问题而多小区网络的资源分配问题与单小区相比, 最大的挑战在于多小区环境下的同频干扰, 而干扰抑制是解决同频干扰的常见技术手段文献 [] 提出了基于顺序博弈的 SGC/RRM 算法, 但博弈小区的配对过于依赖于频域规划, 且该算法仅减小了两个博弈小区之间的干扰基于非合作博弈论进行功率控制则是国内外研究的另一热点, 文献 [2] 中提出了一种基于非合作博弈论的分布式资源分配算法, 但对用户最小速率约束的保障使得可行域变得复杂, 给这种基于搜索的算法带来了障碍基于上述分析, 本文针对同构多小区系统的资源分配算法的能效特性进行研究, 提出了一种子信道和功率联合分配算法 (MEERA), 该算法在保障用户最小速率要求基础上, 优化系统整体能效算法基本思想是 : 采用排序优化的贪婪算法进行子信道初始分配, 在此基础上采用功率控制和子信道调整相结合, 以迭代的方式进一步优化系统能效另外, 针对功率控制, 本文建立了静态完全信息非合作博弈模型, 并证明了该模型纳什均衡点的存在性, 在此基础上提出了 MICPC 算法获得纳什均衡点大量的仿真实验证明了 MEERA 和 MICPC 算法良好的收敛性, 与以注水思想为核心的最大化吞吐量算法相比, 在系统总能效提升 55% 的情况下, 系统总吞吐量仅减少了 20% 收稿日期 : ; 修回日期 : 基金项目 : 国家 863 计划资助项目 (202AA0402); 新世纪优秀人才支持计划资助项目 (NCET00294) 作者简介 : 付锦华 (990), 男, 硕士, 主要研究方向为无线移动通信 (fooboy63@63.com); 黄晓燕 (982), 女, 讲师, 博士, 主要研究方向为无线网络资源优化 ; 吴凡 (978), 男, 讲师, 硕士, 主要研究方向为无线网络资源管理 ; 冷盨鹏 (978), 男, 教授, 博士, 主要研究方向为无线自组织网络无线传感器网络宽带无线接入网络与下一代移动通信网络 ; 马立香 (964), 女, 副教授, 学士, 主要研究方向为无线自组织网络下一代移动通信网络.

一种迭代式的资源分配算法, 通过不断迭代子信道分配和功率控制两个子过程来优化系统能效针对子信道分配问题, 提出了一种基于三种基本模式的子信道调整算法 ; 针对功率控制问题, 建立了多小区非合作博弈模型, 理论证明了纳

2 62 计算机应用研究第 32 卷系统模型与问题描述考虑一个包含 S 个相邻小区的 LTE 蜂窝系统,S=7 时如图所示系统总共划分了 N 个子信道, 每个小区共享这些子信道, 每个小区中均匀分布 K 个用户, 每个用户的小区归属确定, s 为小区 s 中的用户集定义 β s, {0,} 为子信道分配指示符,β s,= 表示小区 s 中的第个子信道分配给用户, 反之则 β s,=0 为了避免小区内的同信道干扰, 规定每个子信道只能分配给一个用户, 即 K =β s,=,s, () 定义 I s, 为用户在小区 s 中的第个子信道上的干扰因子为 I s,= h s, 2 /( S P s h s, 2 +WN 0 ) (2) s = s s 其中 :W 为每个子信道的带宽,h s, 为小区 s 中的用户在第个子信道上的信道增益,h s, 为相邻小区 s 与用户之间在第个子信道上的信道增益,P s 为小区 s 的基站在第个子信道上的发射功率,N 0 为白噪声的平均功率谱密度定义 r s, 为用户在小区 s 中的第个子信道上可获得的速率 : r s,=w log 2 (+P s I s,) (3) 定义小区 s 的能效为小区总吞吐量与小区总功率消耗的比值, 即 η s EE= K = N =β s,r s, N =P s +P s C (4) 其中 :P s C 为小区 s 基站的电路功耗综上所述, 在一个调度周期内多小区系统能效资源优化问题的数学模型为 {β s,,ps } S s=η s EE N =β s,r s, R req,s, s N =P s P s,s K =β s,=,s, β s, {0,},P s 0 (5) 其中 :R req 为用户的最低速率要求,P s 为小区 s 的基站的最大发射功率限制上述资源优化模型的决策变量为 β s, 和 P s 优化问题式 (5) 是一个 NP 困难的非线性混合整数规划问题, 为了找到较好的次优解, 同时降低计算复杂度, 本算法将求解过程分为以下两个阶段 :a) 进行固定功率分配条件下的子信道分配, 即 P s,s, 固定, 求解 β s,,s,, 使得 S s=η s EE 最大 ;b) 进行固定子信道分配条件下的功率控制, 即 β s,,s,, 固定, 求解 P s,s, 使得 S s=η s EE 最大子信道调整和功率控制反复迭代, 直到找到次优解算法设计基于能效优化的子信道分配算法设计假设给定小区子载波上的功率分配由于在固定功率分配的条件下 I s, 为定值, 从而使得原始的多小区问题解耦合为 s 个子问题, 如式 (6) 所示 η s EE,s {β s, } N =β s,r s, R req, s K =β s,=, β s, {0,} (6) 上述问题是一个 0 线性整数规划问题, 求解该类问题的典型方法是分支定界法和割平面法 [3], 而这两类算法的计算复杂度都随问题规模而急剧增加, 最坏情况下复杂度为 O(2 N K ) 本文在贪婪算法的基础上, 提出了一种基于能效的子信道调整 (EEbasedsubchaeladaptio,ESA) 算法, 该算法定义了子信道搬移交换替补三种调整模式, 通过反复调整达到提升系统能效的目标 2 SGISA 算法由于给定小区功率, 根据小区能效定义可知提升小区总能效值等效于提升小区总速率因此 ESA 算法的核心思想是如何在满足小区用户 QoS 的基础上, 通过调整子信道分配进一步提升小区总速率 ESA 算法包含子信道初始化分配阶段和子信道调整这两个过程针对信道初始化过程, 提出排序优化的贪婪初始子信道分配 (sortedadgreedyiitialsubchaelalocatio,sgisa) 算法, 该算法以贪婪的方式分配子信道, 在满足用户的最低速率前提下优化系统能效具体地,SGISA 算法分为两个阶段, 第一阶段按照式 (7)(8) 所示规则迭代地选取子信道, 将其分配给, 直到所有用户的最低速率要求均被满足 =argmi { r s,} (7) r a =argmi r s, (8) a 其中 : a 表示还未满足速率要求的用户集合, r 表示剩余还未分配的子信道集合在该阶段, 系统以最小的代价满足所有用户的最低速率要求, 而剩余的还未分配的子信道将在第二阶段进行分配由于没有了最低速率的约束, 在这一阶段子信道分配给具有最大速率的用户, 这样可以进一步提高系统能效 SGISA 算法在第一阶段执行了 N 次分配操作, 每次分配操作中求最大可达速率最小的未分配子信道的复杂度为 O(NK), 因此,SGISA 算法复杂度为 O(N 2 K) 22 ESA 算法如果将某个信道从其用户的信道集合中删去, 该用户仍能够满足速率约束条件, 那么称该信道为自由子信道 ESA 算法定义了三种子信道归属用户调整模式 :a) 自由子信道的搬移 ; b) 非自由子信道交换其他子信道 ;c) 自由子信道替补非自由子信道这三种调整操作都是在现有分配结果 β^s,,, 的基础上, 通过更改子信道的归属用户使小区总速率上升自由子信道的搬移是指将自由子信道分配给可达速率最大的用户, 如图 2(a) 所示对于一个非自由子信道, 将其归属用户与其

的第个子信道上的干扰因子为 I s,= h s, 2 /( S P s h s, 2 +WN 0 ) (2) s = s s 其中 :W 为每个子信道的带宽,h s, 为小区 s 中的用户在第个子信道上的信道增益,h s, 为相邻小区 s 与用户之间在第个子信道上的信道增益,P s

3 第 4 期付锦华, 等 : 基于能效的多小区 LTE 系统资源分配算法 63 他信道的归属用户交换使得这两个子信道速率之和上升, 同时保障两个用户依然满足各自的最小速率约束条件, 这样的操作称为非自由子信道交换其他信道, 如图 2(b) 所示自由子信道替补非自由子信道的操作涉及到三个用户, 如图 2(c) 所示, 将非自由子信道 8 的归属用户从用户 B 变更为用户 C, 同时将自由子信道 4 的归属用户从用户 A 变更为用户 B, 使得这两个子信道上的和速率升高, 并且用户 A B C 的最小速率约束依然满足, 这样的操作称为 4 替补 8! "! # $%&' () *() " # #$%&' #! " " ## " + $%,-."/0! 通过这三种基本操作的组合, 可以有效地优化已有的子信道分配方案基于上述分析,ESA 算法的具体步骤如算法所示算法基于能效的子信道调整算法 (ESA) 输入 :W,,R req,p,i s,,,,^β s,,,( 可选 ) 输出 :β s,,, a) 初始化 (a) 如果输入参数没有 ^βs,,,, 则调用 SGISA 算法进行子信道初始分配, 得到 ^βs,,, (b) 根据式 (2) 和 ^βs,,, 求用户在子信道上的可达速率 r able,,,, 用户的和速率 r sum real, 以及子信道上的实际速率 (c),, 若 ^βs, = 且 r sum real }, 否则,r icr_ =0 (d)r icr_ =, b)whiler icr_ >0 {r icr_ - real R req }, icr_ =arg, 则 r icr_ = {r icr_ (a) 珓为 icr_ 原有归属用户, icr_ =arg (b)β s 珓,icr_=0,β s icr_,icr_= (c) 更新 r sum real, {r able, - },β s,=^β s,, {r able,icr_} (d) 按照初始化中的方式更新 r icr_, 和 r icr_ c),, 如果变更原有分配到用户, 子信道上的速率变化为 r chage =r able - real arg d)r chage_temp {r chage_temp e)whiler chage_temp (a) 2 =,r chage_temp =r chage = {r chage_temp }, src }, =arg 为子信道原分配用户 >0 {r chage_temp }, dst = (b) 对于 temp 2 = 到 N, 且 temp 2, 若和 temp 2 可以交换或 2 temp 可以替补, 则 2 = 2 2 temp (c) 若 2 =, 则 r chage_temp =-, 否则 : 2 =arg i dst, {r chage 2 src, }, src 2 为子信道 2 原有分配用户 β s dst =,β s, src =0,β s, src =,β s, 2 2 src =0, 2 更新 r sum, real 按照步骤 c) 更新 r chage i, (d)r chage_temp = {r chage_temp {r chage_temp }, src,r chage_temp i, =r chage i, }, =arg 为子信道原分配用户 {r chage_temp }, dst =arg 其中 : 步骤 b) 通过子信道搬移操作完成对自由信道的调整, 而步骤 e) 则是通过反复执行子信道交换和替补操作进一步提升系统性能步骤 b) 的计算复杂度为 O(N 2 K); 步骤 e) 的计算复杂度取决于当前子载波分配下还能执行交换或替补的次数, 而在初始算法和步骤 b) 执行后, 子信道分配方案已经达到了能效相对较高的状态, 所以其计算复杂度远低于分支定界法, 后续仿真结果也验证了这一点功率控制算法设计在固定信道分配结果的情况下, 系统的功率控制问题可建模为 N =W log 2 (+P s I s (),) {P s } N =P s +P s C C: W log 2 (+I s,p s, ) R req s, s,s C2: N =P s P s,s C3:P s 0,s, (9) 其中 :() 为子信道的归属用户, s 为小区 s 中分配给第个用户的子信道集合满足式 (9) 中约束条件的向量 {P s,, P s N} 记为 P s 优化问题式 (9) 是非凸的, 解向量的维数为 X=S N, 小区和子信道个数的实际大小使得求解全局最优解的计算复杂度非常高为此, 本文将通过下述完全信息静态非合作博弈模型设计一个次优的解决方案固定子信道分配方案, 多小区完全信息静态非合作博弈功率控制模型的博弈者为 S 个相邻小区, 每个博弈者的策略空间为全体 P s 构成的集合 s, 每个博弈者的收益函数为 η s EE 定义多小区资源分配博弈模型的纳什均衡是一组策略集合 {P,,P S}, 满足 η s EE(P s,p -s) η s EE(P s,p -s),p s s,s {,,S} (0) 其中 :P -s=(p,,p s-,p s+,,p S ), 即在纳什均衡条件下, 单个小区无法通过仅改变自身功率分配方案来提高本小区能效 [4] 定理多小区资源分配博弈模型存在纳什均衡, 即多小区以能效为目的的功率控制问题存在全局意义的稳定解证明式 (9) 中的边界条件 C2 C3 构成的集合显然是欧式空间上的一个非空的闭的有界的凸集, 而边界条件 C 构成的集合可以经如下证明也满足这一条件 : 记小区 s 第个用户的信道集合为 s ={,, N }, 函数的 Hesia 矩阵为 N f (P s,p s 2,,P s N )= W log 2 (+I s,p s ) () =

A B C 的最小速率约束依然满足, 这样的操作称为 4 替补 8! "! # $%&' () *() " # #$%&' #! " " ## " + $%,-."/0!

4 64 计算机应用研究第 32 卷 -W Is, +I s, P s 2 log 2 e 0 I s, N 0 -W( ) 2 log +I s, N P s 2 e N 该矩阵为对角矩阵且对角线元素全为负数, 故该矩阵为负定矩阵由此可得 f 是严格凹函数, 其上水平集 { W log 2 s (+I s,p s ) R req } 为凸集若 η s EE(P s,p -s ) 的 α 上水平集 {P s s η s EE(P s,p -s ) α} 是凸的, 则 η s EE 在 s 上是拟凹的当 α 0 时, 该集合显然为凸 ; 当 α>0 时, 该集合等价于 {P s s W log 2 (+ Ks s I s, P s )-αp s C -α P s Ks 0}, 其凸性同样可以用 Hes s sia 矩阵为负定矩阵的方式证得综上所述,η s EE 是连续的且在 s 上是拟凹的, 同时 s 是欧式空间上的非空的闭的有界的凸集, 因此根据纳什定理可以得到定理 [5] 基于定理, 本文设计了一个启发式搜索算法多小区干扰协调功率控制 (multiceliterferececoordiatedpower cotrol,micpc) 算法, 如算法 2 所示固定子信道分配方案, 多小区完全信息静态非合作博弈功率控制模型纳什均衡的意义在于, 任一小区在均衡点选择的策略是其他小区功率分配方案一定条件下, 使本小区能效最大的功率分配方案根据这一特点, 本文通过各小区轮流进行单小区能效最大化, 并且多次迭代直至收敛的方法搜索纳什均衡点在每一次单小区能效最大化时, 保持其他小区功率分配方案不变, 该小区依据接收到的其他小区的功率分配信息, 更新本小区的 I s, 矩阵, 然后采用 [0] 干扰协调优化的 BPA 算法最大化本小区能效, 并将优化结果通过 X2 接口通告其他小区经过仿真验证这种协同干扰协调技术算法可以快速稳定地收敛于纳什均衡点算法 2 多小区干扰协调功率控制算法 (MICPC) 输入 :W, s,s,p,r req,p C,β s,,s,,,i s,,s,, 输出 :P s,s, a) 对于 s= 到 S, 小区 s (a) 更新本小区的 I s,,, (b) 使用修改的 BPA 算法, 得到当前 P -s 和 I s,,, 下的能效最优的功率分配方案 P s (c) 与其他小区交互 P s 向量 b)p s_ier_loop_begiig =P s c) 对于 s= 到 S, 小区 s (a) 更新本小区的 I s,,, (b) 使用修改的 BPA 算法, 得到当前 P -s 和 I s,,, 下的能效最优的功率分配方案 P s (c) 与其他小区交互 P s 向量 (d) 若 P s -P s_ier_loop_begiig 2 >δ ier_loop, 转到步骤 b), 否则, s 算法结束基于能效的多小区无线资源分配算法基于以上分析, 本文提出了 LTE 网络中基于能效的多小区无线资源分配 (multiceleergyeficietresourcealocatio, MEERA) 算法, 如算法 3 所示 MEERA 算法主要包含两个阶段 : 固定功率分配条件下的子信道分配阶段与固定子信道分配条件下的功率控制阶段 ; 并且两个阶段不断迭代直至算法收敛在第一阶段中, 每个小区在固定功率分配条件下以最大化本小区能效为优化目标同时满足各用户的最低速率要求来独立地进行子载波分配, 即每个小区独立地求解各自的 0 线性整数规划问题在第二阶段中, 各个小区之间通过一个非合作博弈过程, 即执行本文提出的 MICPC 算法来协调彼此的发射功率, 从而降低小区间干扰, 提升系统的整体能效算法 3 基于能效的多小区无线资源分配算法 (MEERA) 输入 :W, s,s,p,r req,p C 输出 :β s,,s,,,p s,s, a) 初始化对于 s= 到 S, 小区 s: (a) 从其服务的用户处收集 h s,,, 和 h s,,s,, (b) 与其他小区交互 P s 向量此时,P s =P s /N, 计算本小区的 I s,,, b) 算法迭代部分 (a)p s_outer_loop_begiig =P s (b) 对于 s= 到 S, 小区 s 轮流利用现有优化软件工具 ( 例如 GU BOBI) 求解式 (6), 或调用 ESA 算法得到现有功率控制条件下的子信道分配方案 β s,,, (c) 调用 MICPC 算法, 得到现有子信道分配结果下的功率控制方案 (d) 若 P s -P s_outer_loop_begiig 2 >δ outer_loop, 继续 (a), 否则, 算法 s 结束仿真及结果分析鉴于第三方优化软件 Gurobi 出众的求解性能和多核处理器并行计算的良好支持, 本文利用它来求解子信道分配的最优解, 以此作为子信道分配算法性能的参考上限本文仿真了 LTE 系统的多小区场景, 验证了 MICPC 算法和 MEERA 算法的收敛性对 ESA+MICPC Gurobi+MICPC Gurobi+ 最大化系统和速率三种算法的性能作了比较分析此外, 还对比了多小区算法相对于单小区算法的优势仿真场景和主要仿真参数仿真场景中共七个小区, 一个小区位于场景中央, 其他小区分布在其周围, 每个小区内有 32 个子信道, 每个子信道的带宽为 200Hz 每个小区内有 5 个相对静止的随机均匀分布的用户, 每个用户归属于距离最近的小区如未特别说明, 每个用户速率要求为 00bps, 其他仿真参数如表所示表仿真参数属性参数小区半径 700m 小区总发射功率 20W 小区电路功率 2W 噪声功率谱密度 W/Hz 路径损耗模型 OumuraHata 模型小尺度模型瑞利分布阴影衰落标准差 7dB 仿真分析图 3 表明了 MICPC 算法良好的收敛性, 从图 3 中可以看出,MICPC 算法平均迭代次数随收敛条件 δ ier_loop 指数级减小而少量增加图 4 表明了 MEERA 算法良好的收敛性, 从图 4 中可以看出,MEERA 算法平均迭代次数随收敛条件 δ outer_loop 指数级减小而基本不变图 5 6 分别给出了各算法能效和吞吐量与用户最小速率约束的关系, 图 7 8 分别给出了各算法能效和吞吐量与每个小

s Ks 0}, 其凸性同样可以用 Hes s sia 矩阵为负定矩阵的方式证得综上所述,η s EE 是连续的且在 s 上是拟凹的, 同时 s 是欧式空间上的非空的闭的有界的凸集, 因此根据纳什定理可以得到定理 [5] 基于定理, 本文设计了一个启发

5 第期付锦华等基于能效的多小区ＬＴＥ系统资源分配算法６区用户数的关系该实验中每个小区所有用户的最小速率约束弈模型证明了该模型纳什均衡点的存在性并设计了ＭＩＣＰＣ综合图８可以看出ＥＳＡＭＩＣＰＣ算法之和为算法来求解该均衡点基于以上两部分的研究提出了一种子的结果与ＧＭＩＣＰＣ算法的结果相当说明了ＥＳＡ的性信道分配和功率控制迭代进行的无线资源分配算法能几乎达到了子信道分配算法的上限验证了子信道分配算法ＭＥＥＲＡ算法仿真结果验证了ＥＳＡ算法在子信道分配阶段ＣＰＣ算法的有效性的有效性此外这四张图还反映了ＭＩＣＰＣ和ＭＥＥＲＡ算法的收敛性和在提升能的有效性证明了ＭＩＭＩＣＰＣ算法与最大化系统吞吐量算法相比平均能效在提升效方面良好的性能尤其在强干扰环境下ＭＥＥＲＡ算法的优势了８的同时平均速率仅减少了更加明显参考文献绿色行动计划系统科学与中国移动节能减排实践Ｍ北京机６械工业出版社ＩＳＳＡＭＴＷｍｗｋＤＲＴｍｂ６ＴＯＵＦＩＫＩＫＮＯＰＰＲＣｍｍｍＰ６ＩＥＥＥＶＴＣＳＥＥＥＰ９ＰＡＲＫＤＣＡＩＲＥＧＨｗｍｍｍＰＩＥＥＥＩＥＥＥＰＳｍｍＩｍＴＳ８６ＫＩＭＨＫＩＭＫＨＡＮＹＡｍＰ６ＩＥＥＥＶｍｍＴＣＳＥＥＥＰ９６黄高飞唐冬郑晖ＯＦＤＭＡ中继系统下行链路公平资源分配算法研究计算机应用研究８７８８７张世超季仲梅崔维嘉基于比例公平的多用户ＭＩＭＯＯＦＤＭ系本文还针对小区干扰较强的场景仿真比较了采用多小区干扰抑制的资源分配算法相对于单小区算法的优越性该场景中用户随机落在两个相邻小区的交界区域由于单小区算法在考虑小区干扰的实际情况下不能保障用户最小速率约束统自适应资源分配算法计算机应用研究８９８８ＭＩＡＯＧｗＨＩＭＡＹＡＴＮＬＩＹＣｍｚＷｗｍｍＣｍｍＭＣｍ９９９故该场景中用户最小速率约束设为零图９给出了小区干９ＭＩＡＯＧｗＨＩＭＡＹＡＴＮＬＩＧＹＥｋ扰明显的情况下ＭＥＥＲＡ算法单小区ＢＰＡ算法多小区最大ｑＥＥＥＴＣｍｍ化吞吐量算法单小区最大化吞吐量算法的性能比较可以看８出ＭＥＥＲＡ算法相对于单小区ＢＰＡ算法能效提升了系ＣＯＮＧＸＬＩＧＹＺＨＡＮＧＳｑＥ统吞吐量提升了由于多小区和单小区最大化吞吐量ＯＦＤＭＡｗｋＰＩＥＥＥＧ算法都是满功率发射多小区最大化吞吐量算法相对于单小区最大化吞吐量算法系统吞吐量和能效都提升了此外该场景下ＭＥＥＲＡ算法与传统单小区最大化系统吞吐量算法相比能效依然提升了６７但速率仅减少了７这说ＴｍｍＣＳＥＥＥＰＴＵＲＹＡＧＹＥＮＤＡＣＯＦＡＲＲＥＬＬＴＧＵＯＷＥｍｍｗｑｍｍｍｗｋＥＴＣｍｍ６９明了在小区干扰明显的情况下基于能效的多小区协同的资源ＭＩＡＯＧｗＨＩＭＡＹＡＴＮＬＩＧＹＤ分配技术可以仅消耗６的能量就可以达到与传统单小区最ｗｗｍｚＥＥＥＴ大化系统吞吐量算法一样的系统吞吐量ＷＣｍｍ孙小玲李端整数规划Ｍ北京科学出版社 % 结束语ＺＨＡＮＧＧＬＩＵＰＤＩＮＧＥｊＥｍＯＦＤＭＡｍＪ本文设计了能效逐步优化的子信道调整算法ＥＳＡ建立了支持用户最小速率约束的多小区功率控制非合作完全信息博７８ＳｍｅＥ范如国博弈论Ｍ武汉武汉大学出版社

８的同时平均速率仅减少了更加明显参考文献绿色行动计划系统科学与中国移动节能减排实践Ｍ北京机６械工业出版社ＩＳＳＡＭＴＷｍｗｋＤＲＴｍｂ６ＴＯＵＦＩＫＩＫＮＯＰＰＲＣｍｍｍＰ６ＩＥＥＥＶＴＣＳＥＥＥＰ９ＰＡＲＫＤＣＡＩＲＥＧＨｗｍｍｍＰＩＥＥＥＩＥＥＥＰＳｍｍＩｍＴＳ８６ＫＩ

自我保健随身行

自我保健随身行自我保健随身行 ( 中央军委保健委员会办公室总后勤部卫生部保健局编 ) 前言健康是生命之本, 是人类不懈奋斗的目标之一党的十七大把提高全民族健康素质作为全面建设小康社会的重要内容促进全民健康, 不断提高广大群众的文明

62 计 算 机 应 用 研 究 第 32 卷 系 统 模 型 与 问 题 描 述 考 虑 一 个 包 含 S 个 相 邻 小 区 的 LTE 蜂 窝 系 统,S=7 时 如 图 所 示 系 统 总 共 划 分 了 N 个 子 信 道, 每 个 小 区 共 享 这 些 子 信 道, 每 个 小 区

62 计算机应用研究第 32 卷系统模型与问题描述考虑一个包含 S 个相邻小区的 LTE 蜂窝系统,S=7 时如图所示系统总共划分了 N 个子信道, 每个小区共享这些子信道, 每个小区