OFDMA无线多跳中继系统下行链路自适应资源分配分析

《OFDMA无线多跳中继系统下行链路自适应资源分配分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：1．就几种典型的移动中继部署场景，比较分析了移动中继固定功率方案和半固定功率控制方案的差异。仿真结果表明：合理布置移动中继才能有效的带来增益；移动中继半固定功率方案较固定功率控制方案更为灵活。2．对基于OFDMA和移动中继技术的系统资源分配算法进行了深入研究，分别建立了基于功耗约束和基于能效约束的两跳OFDMA移动中继系统的自适应资源分配算法模型，利用遗传算法求解模型，并以此模型作为后面评估关联MRS位置信息的资源分配方案的一个参考。搭建了基于移动中继的OFDMA系统仿真平台，并基于该平台，仿真分析了移动中继技术的引入给传统OFDMA系统资源分配算法带来的问题。3．考虑移动中继移动性的特点，提出了适于OFDMA中继系统关联MRS位置信息的资源分配方案，包括中继选择、载波和功率的联合分配以及小区内的切换等方面，并通过仿真分析比较了其与上面基本的OFDMA移动中继系统资源分配算法在性能方面的异同。仿真结果表明，关联MRS位置信息的算法虽然在一定程度上增加了系统的功耗、降低了系统能效，但可以有效降低小区内的切换率，减少切换开销。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名：剐斑日期：20f2．‘·3 摘要由于对高吞吐量、低功耗和大覆盖范围的追求，中继网络架构有取代传统点对多点网络架构的趋势。与此同时，OFDMA(OrthogonalFrequencyDivisionMultipleAccess，正交频分多址接入)技术已成为一种主流选择，这是因为将整个带宽分割成多个平行的子载波，可以减轻宽带系统中的频率选择性衰落问题。同时引入OFDMA技术和中继网络结构的系统，可以为资源分配提供更好的灵活性，例如可以利用子载波分配、调度和功率控制来获得多维度的分集增益。因此，目前仍在制定的4G标准，如增强的长期演进技术(LongTermEvolution．Advanced，LTE．A)和WiMAX(WorldwideInteroperabilityforMicrowaveAccess，全球微波互联接入)都采用这种有潜质的基于OFDMA技术的中继网络架构。中继作为未来网络必不可少的技术，其较低的布置和维护费可以给未来的网络带来性能的提升，应用价值不言而喻。而移动中继较固定中继而言更具灵活性，在应急通信、警察系统、用户做中继以及高速移动等场景下，已突显出其优势，未来的发展前景不可估量。无线资源管理在确保无线系统性能方面起到决定性的作用，但是中继的引入使得传统蜂窝网络的无线资源管理变得很更加复杂，而移动中继的移动性，即中继位置存在不确定性，以及中继功率、能量的受限更给系统的资源分配带来了新问题。同时，在能源危机的今天，节能减排，倡导绿色通信是当今通信界面临的一个重大问题；而引入中继带来的功率、信令开销等必然需要消耗一定能量。因此，对移动中继资源分配问题尤其是系统能效问题的研究，便成了一个很有意义的新问题摆在了我们的面前。‘论文主要研究了基于OFDMA蜂窝多跳移动中继网络资源分配的问题，具体的研究内容如下：第一，就几种典型的移动中继部署场景，比较分析了移动中继固定功率方案和半固定功率控制方案的差异。仿真结果表明：合理布置移动中继才能有效的带来增益；移动中继半固定功率控制方案较固定功率方案更为灵活。为后面完全动态功率分配问题的研究做铺垫。第二，对基于OFDMA和移动中继技术的系统资源分配算法进行了深入研究，分别建立了功耗约束和能效约束的自适应资源分配算法模型，并利用遗传算法求解。同时，此模型也作为后面仿真评估的对比方案。第三，考虑移动中继移动性的特点，提出了适于下行OFDMA多跳中继系统的关联MRS位置信息的资源分配方案，包括中继选择、载波和功率的联合分配以及小区内的切换等方面，并通过仿真分析比较了其与基本的OFDMA移动中继系统资源分配算法在性能方面的不同。仿真结果表明，关联MRS位置信息的算法虽然在一定程度上增 加了系统的功耗、降低了系统能效，但可以有效降低小区内的切换率，减少切换开销。关键词：．OFDMA；移动中继；自适应资源分配；功耗：能效：关联位置 AbstractDuetothepursuitofhigh—throughput，lowpowerandcoverage，itisatrendfortherelaynetworkstructuretoreplacethetraditionalpointtomulti—pointnetworkarchitecture．Meanwhile，OFDMA(OrthogonalFrequencyDivisionMultipleAccess)technologyhasbecomeamainstreamchoice．Thisisbecausetheentirebandwidthissplitintoapluralityofparallelcarrier,whichCanreducetheinfluenceoffrequencyselectivefadinginthebroadbandsystem．IntroducingthetechnologyofOFDMAandrelaytothesystematthesametimecallprovidebetterflexibilityforresourceallocation，forexample，usingsubcarrierallocation,schedulingandpowercontroltoobtainmulti-dimensiondiversitygain．Therefore，thebeingdeveloped4GstandardsforexampleLTE··A(LongTermEvolution·-Advanced)andWiMAX(WorldwideInteroperabilityforMicrowaveAccess)bothusethispotentialrelaynetworkarchitecturebasedonOFDMAtechnology．Relayasoneoftheessentialtechniquesinthefuturenetwork，haslowerarrangementandmaintenancecostswhichcanimproveperformanceofthefuturenetwork．WhilethemobilerelaystationiSmoreflexiblethanthefixedrelaystation,anditsadvantageiSveryobviousinemergencycommunications，policesystem，usersrelayandhighspeedmobilescenario．Sothefuturedevelopmentprospectwillbeinestimable．Radioresourcemanagementplaysadecisiveroletoensurethewirelesssystemperformance．Buttherelaystationmakesresourcemanagementofthetraditionalcellularwirelessnetworkmorecomplex．Themobilityofmobilerelay(uncertaintyrelaylocation)andthefinitudeofpowerandenergyoftherelaystationbringnewproblemstOthesystem’Sresourceallocation．Attheenergycrisistoday,energy-savingemissionreductionandpromotinggreencommunicationareamajorproblemforthecommunicationindustrytoface．Whilethepowerandsignalingoverheadbroughtbyrelaystationneedtoconsumeenergyinevitably．Thereforeitismeaningfultodoresearchonresourceallocationproblemofthemobilerelaysystem，especiallythesystemenergyefficiencyproblem．’ThethesismainlystudiedtheresourceallocationproblembasedonOFDMAcellularmulti—hoprelaynetwork．Thespecificcontentsareasfollows：First,thethesiscomparesandanalyzesthedifferencesbetweenfixedpowerschemeandsemifixedpowercontrolschemeofmobilerelaystationunderseveraltypicalmobilerelaydeploymentscenarios．Thesimulationresultsshowthat：therationallayoutofmobilerelaycaneffectivelyobtaingain；andthesemifixedpowercontrolschemeismoreflexiblethanthefixedpowerscheme，whichmaysupportthecompletelydynamicpowerallocation． Second，thethesisdoesdeeplyresearchonresourceallocationalgorithmbasedonOFDMAandmobilerelaytechnologysystem，establishespowerconstrainedandenergyconstrainedadaptiveresourceallocationalgorithmmodel，andthenusesthegeneticalgorithmtosolve．Thismodelworksasthesimulationcontrastscheme．Third，consideringmobilerelaymobilitycharacteristics，thethesisputsforwardtheresourceallocationschemesuitableforOFDMAmulti—hoprelaydownlinksystemsassociated、析tlltheMRSpositioninformation，includingtherelayselection，carrierandpoweriointdistributionandhandoverwithinthearea,andthenthesimulationresultsarecompared、^ritllthatofthebasicOFDNLAmobilerelaysystemintermsoftheproperties．Thesimulationresultsshowthat，theposition-associatedalgorithmincreasesthesystempowerconsumptiontosomeextent，reducesthesystemenergyefficiency,butcaneffectivelyreducehandoverratewithinthecell，andhandovercostaswell．keywords：OFDMA；mobilerelaystation；adaptiveresourceallocation；powerconsumption；energyefficient；position-associated 目录第1章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l1．1论文研究的背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．11．2国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．31．2．1资源分配算法研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31．2．2固定中继系统研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯51．2．3移动中继系统研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯51．3论文主要内容和结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯：⋯⋯7第2章OFDMA多跳移动中继系统关键技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯～92．1OFDMA技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．102．1．1OFDMA主要类型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一lO2．1．2OFDMA的工作原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯112．1．3OFDMA的优点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．122．2中继技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．132．2．1中继技术综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯132．2．2中继应用场景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．142．2．3中继的分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．152．2．4中继技术带来的问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l72．3移动中继技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。182．3．1移动的定义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯182．3．2移动中继的应用场景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯⋯192．3．3移动中继的分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯202．3．4移动中继带来的问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯212．4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯21第3章简单移动中继系统功率问题研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯223．1移动中继的功率控制问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．223．2移动中继性能仿真建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．243．2．1场景模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．24 3．2．2路径传播模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯273．2．3移动中继的移动模型⋯⋯⋯⋯⋯⋯⋯⋯：⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．273．3几种场景下仿真性能比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。283．3．1固定功率方案⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．283．3．2半固定功率控制方案⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．293．4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯32第4章OFDMA移动中继系统资源分配算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯334．1OFDMA两跳移动中继系统资源分配算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯334．1．1系统模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．j⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一334．1．2关联位置信息的移动中继系统资源分配算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯374．2系统仿真建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯414．2．1场景模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一4l4．2．2无线传播模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．414．2．3移动中继的移动模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯_⋯⋯⋯⋯⋯⋯⋯424．2．4仿真参数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯444．3自适应资源分配算法比较分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯454．3．1系统性能随用户数目变化情况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯454．3．2移动中继性能随用户数目变化情况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯474．4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一48结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．：⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯49致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．51参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯52攻读硕士期间发表的论文及科研成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。55 第1章绪论1．1论文研究的背景和意义在未来的4G网络中，为了实现覆盖范围和容量的提升而引入中继(RelayStation，RS)，许多大学和公司正独立开展研究或参与到某个论坛或项目组中(如3GPP的OFDMA放大器、WWRF的固定中继以及最近的WINNEREU．ISTFP6项目)对其进行研究。中继主要有两种网络结构，一种是固定中继(FixedRelayStation，FRS)，一种是移动中继(MobileRelayStation，MRS)，如图1．1所示。以往的研究主要是基于固定中继，研究表明：尽管存在一些问题需要进一步的研究和解决，固定中继在布置和维护费方面可以给未来的网络带来性能的提升坝悻捆引朋‘。但在应急通信、警察系统、组建AdHoe网以及高速移动的场景下，仅仅采用固定中继并不能很好的满足用户需求；它需要中继能随着场景的变化移动起来，这就引入了移动中继的概念。FRS的布置数量以及布置位置在网络规划时是确定的。与FRS相比，MRS在无线蜂窝网中的布置更加灵活。MRS实际上就是一个增加了移动特性的FRS，不仅可以提高覆盖范围和系统容量，同时降低部署或维护的费用。但是，采用MRS并无法取代FRS，而是对FRS的一个补充，或者是当FRS不能起到很好效果时提供附加增益。MRS希望能实现多种不同的目标，而不仅仅是为传统蜂窝网或固定中继网提供补充覆盖覆盖【2】o氏漭a)固定中继b)移动中继图1·1中继应用场景部署移动中继的主要理由IjJ：●在资本支出和运营支出方面，比传统网络拓扑的解决方案更加便宜，有时可能比基于固定中继的网络拓扑也便宜。●由于其移动性，可提供一个AdHoe网覆盖。●为UE(UserEquipment，用户设备)集中的突发事件提供覆盖，如交通事故。 ●为不常发生但可以提前得知的事件提供覆盖，如足球比赛。·可以在无法布置固定中继的地方提供覆盖。安放在火车或轮船上的固定中继实际上就是一个移动中继。·通过降低发送功率等级来减轻干扰，从而提高容量。上面这些就是移动中继应用的场景，为了让大家深入了解，举几个具体的例子。例如，在应急通信中，当部分基础设施受到损伤，急需提高覆盖范围或提高系统容量时，可临时布置车载移动中继。移动中继不仅具有固定中继的全部功能，更可以在必要的时候，随着通信业务量分布而移动。此外，在警察系统中，如图1．2所示，尤其在大面积搜救过程中，指挥车会随着搜救人员一起前进，搜救人员通过指挥车和指挥中心联系，此时的指挥车就充当了移动中继的角色，为指挥中心和搜救人员提供交流的纽带。还有在业务量较少的城乡区域，用户范围较大，但基站在节约功耗、降低成本的考虑下，覆盖范围有限，而中继的成本比基站低得多，此时就需要布置中继来增加覆盖范围。当业务量较少且分布不断变化时，可以考虑用用户做中继，扩大基站的覆盖范围，弥补基站覆盖盲区。这种用户做中继的情况，也是移动中继的一个典型的应用场景。综上所示，移动中继的应用比较广泛，对其进行深入的研究是有一定意义的。图l·2移动中继在警察系统中的应用此外，随着移动通信事业的发展，整个通信行业消耗的能源急剧增加。过高的能耗不仅给运营商带来了较大的运营成本，也给环境带来了污染⋯51。以保护环境、构建社会主义和谐社会为目标，通信产业逐步追求网络环保性能的提升，构建绿色移动通信，实现通信产业与环境的可持续发展【4】【51，降低功率符合各方利益。因此降低能耗是大有可为的研究方向。综上所述，中继作为未来网络必不可少的技术，其应用价值不言而喻。而移动中 继较固定中继而言更具灵活性，未来的发展前景不可估量。但是中继的引入使得传统蜂窝网络的无线资源管理变得很复杂，而移动中继的移动性，即中继位置存在不确定性，以及中继功率、能量的受限更给系统的资源分配带来了新问题。同时，在能源危机的今天，节能减排，倡导绿色通信是当今通信界面临的一个重大问题；而引入中继带来的功率、信令开销等必然需要消耗一定能量。因此，对移动中继资源分配问题尤其是系统能效问题的研究，便成了一个很有意义的新问题摆在了我们的面前。1．2国内外研究现状中继这一概念作为传统的无线移动网络的扩展得到了通信界的广泛关注。近年，在WINNER项目中，移动中继的概念也突显出来，该项目组初步评估了移动中继与固定中继和传统网络拓扑相比的一些特性【l】：可以预见到，下一代无线移动网络技术将整合中继技术，以改善系统性能。在当前传统的无线蜂窝网络中，用户设备(UE)直接与基站通信，基站控制着这些在自己覆盖范围内的用户设备。然而，在中继辅助的无线移动网络中，用户设备能够直接与基站通信，或间接使用一些中继站将它们的信号传送到基站。在这种情况下，一个直接从UE到eNodeB(eNB)(EvolvedNodeB，演进型节点B)或从eNB到UE的坏链路可以分成两个短的更高质量的链路，一个LIE．RS链路和一个RS．eNB链接，或者一个eNB．RS链接和一个RS．UE链接。合理利用中继可带来覆盖范围和容量的提升。+对于中继的研究，有两种不同类型的中继网络结构。一是对固定中继站(FRS)的研究，在过去的几年中，已深入的探究了其潜在的优势，并提出了大量的研究论文和研究成果。另一个是对移动中继站(MRS)的研究，并提出了其潜在的优势。FRS是网络基础设施的一部分，因此在网络规划、设计和部署过程中就需要考虑在一个小区中部署多少FRS以及部署在哪里等问题。FRS相比，MRS能灵活部署在无线移动网络中。MRS实际上就是FRS“移动”的一面。采用MRS的目标不是取代FRS，而是作为一个补充的解决方案。一般来说，在无线移动网络中主要有两种不同的MRS应用情景。一个是安装在车辆上的MRS，如火车、公共汽车、汽车等，用于覆盖车内或车外的区域或UE。另一个是不活跃的UE(即在空闲状态)充当MRS，为活跃的UE和eNB传递信号。1．2．1资源分配算法研究现状根据资源分配优化目标的不同，OFDMA系统的资源分配问题主要分为RA(RateAdaptive，速率自适应)和MA(MarginAdaptive，余量自适应)两种优化准则【6．141。RA准则是在保证用户QoS(QualityofService，服务质量)和系统总发射功率一定的 情况下，通过合理的子载波、功率和比特分配，实现系统吞吐量或频谱利用率的最大化；MA准则是在保证用户QoS和一定数据速率的情况下，通过合理的子载波、功率和比特分配，实现发射功率最小化。由于每个子载波只能分配给一个用户使用，因此这些问题都是属于组合优化问题，虽然通过穷举搜索可以得到问题的最优解，但是其计算复杂度随着子载波数量的增加而呈指数增长，因此相关的研究工作都是围绕寻找次优解来展开的。现有的资源分配算法大都是基于这两种准则提出的，由于两种准则侧重点不同，因此相应的算法也有所差异【6】。早期的算法17J是根据各用户在不同子载波上的增益的差别，将子载波分配给在其上增益最高的用户使用，然后利用注水算法分配功率，从而实现系统吞吐量的最大化【61。但是这种算法使得信道质量好的用户得到了更多的子载波资源，而信道质量差的用户得到资源很少甚至得不到资源，严重影响了系统用户的公平性。基于这一弊端，后续的研究侧重于将用户公平性作为一个算法的性能指标，加入到基于RA准则的资源分配问题中。常用的公平性的准则主要有最大最小公平准则、比例公平准则以及基于权重的公平准则IoJ。功率最小化问题是在满足用户最小速率要求的前提下，获得最小的系统总发射功率。最早对此问题的求解利用的是拉格朗日乘子发法【8】，但是该算法需要同时搜索多个参数，复杂度极高，不适用于实际的资源分配。因此之后的研究着重于寻找复杂度较低的次优算法，大体分成分步式算法19-lo】、启发式算法【11。12】以及凸优化算法【13舶】三种【61。分步式算法的主要思想是将一个复杂的求解过程分布进行，具体放到资源分配问题中，就是固定载波、功率和比特三个变量中的一种或两种，对余下的变量进行求解，然后在考虑加入先前固定变量对问题的影响，从而降低算法求解的复杂度。但这种方法如果加入先前固定变量后处理不好，会导致所求的次优解离最优解相差极大，因此分布式算法的步骤设置对结果极为重要。启发式算法是指已有的仿生算法，禁忌搜索、模拟退火、遗传算法、蚁群算法、粒子群算法等都属于此。将这些现成的算法直接套用到资源分配问题的求解中，或者根据实际问题对算法进行部分修改，都可以在一定复杂度下得到资源分配问题的近似解。凸优化算法是利用对偶理论、分解理论等将复杂问题转化为若干独立的子问题，并且通过对子问题的求解来获得原问题的解【4】。神经网络的主要缺点是容易陷入局部最优解，并且解集的变化依赖于初始值。模拟退火虽然能得到最优解，但比较复杂，且收敛速度慢。在遗传算法中，交叉概率和变异概率的选择是影响算法行为和性能的关键所在。传统遗传算法采用固定的交叉、变异概率，无法根据种群的当前状态对进化过程进行动态调整，往往导致种群多样性过早流失，算法陷入局部最优解，引起过早收敛。功率最小化资源分配问题可以说成是速率最大化资源分配问题的逆推过程，由于要根据分配的功率才能求解出信道的数据速率，且两者并不是线性变换的，因此求解 功率最小化问题的算法更加复杂，甚至常常求不出最优解，更具研究意义。1．2．2固定中继系统研究现状在传统的OFDM蜂窝网络中引入中继，必然要导致系统无线资源管理方面的不同，在接入控制、功率控制和资源分配方面产生很多新的问题。对于多跳中继网络，为了最大限度地提高系统的频谱、时间和功率效率，最小化用户间的干扰，必须合理的配置源和中继节点的功率资源、频谱资源和时间资源。目前，对基于FRS的中继系统的研究已很多。前期相关研究工作主要集中在协作中继如何提高系统的吞吐率上，部分研究开始关注于在保证用户QoS(QualityofService，服务质量)的前提下，如何满足能耗约束。特别近年来，下一代无线网络物理层已确定选用OFDMA技术，因此对OFDM／OFDMA多跳中继网络的资源分配与优化问题的关注越来越多。已有文献中，有对解码转发(DecodeandForward，DAF)中继进行研究，也有对放大转发(AmplifyandForward,～虹)中继资源分配问题进行关注的；有针对单变量优化的，也有着眼于带宽、功率等多个变量联合优化的：有利用拉格朗日乘子法计算的，也有选用分布式算法求解的等等【lM引。但是目前对于无线多跳中继网络无线资源分配问题的研究，多侧重于系统吞吐量和功耗的研究，对基于能效的多种资源的联合分配与优化问题尚未可见；目前的研究多是针对固定多跳中继系统，在移动多跳中继系统中，由于移动中继位置随时间变化，使得资源分配问题变得更加复杂，因此，我们需要对此问题进行更为深入地研究。1．2．3移动中继系统研究现状在传统OFDMA系统中引入RS技术，可以使系统性能得到改善，与此同时也给系统的资源分配方面带来了一系列新问题，例如中继链路占用额外的资源，多跳链路间容量存在瓶颈效应，小区间干扰协调复杂，帧结构需要调整，用户可选的接入方式增多等等。而移动中继的引入使得系统的资源分配机制变得更加复杂，移动中继位置的不断变化，使得接入中继的用户由于中继的移动可能需要进行重新的接入选择或小区内切换，增加了资源分配的复杂度。已有的文献中对MRS进行研究的文献较少，内容多局限于覆盖率、吞吐量、功控和切换中一个方面。文献[29．31】对移动中继网的吞吐率进行了深入的分析。文献[29】分析了多跳蜂窝网络中，移动中继对系统上行链路的吞吐率和时延影响。该文章根据接收到的导频信号强度判断用户设备是采用多跳还是单跳通信，通过仿真分析证明了多跳通信显著提高了系统性能，尤其当用户移动速度较快时。文献【30】基于3GPPLTE．A，分析比较了四种场景的频谱效率和容量增益，分别是基准、小区分裂、固定中 继和车载专用移动中继。此外还讨论了正交和非正交的资源分割和复用对系统的影响。文中使用归一化的频谱效率bps／Hz／km2来比较标准系统、小区分裂场景和中继系统的增益，假设直传用户和中继用户的吞吐率平衡，也就是说一跳用户和两跳用户可以获得相同的QoS。对于均匀分布用户，直传区域和中继区域的吞吐量跟区域内服务的用户数目成正比，也就是跟区域面积成正比，从而将分析的问题简化。但该文章有·点不足，它在分析移动中继吞吐量时也是按固定中继的方法，没有考虑时间问题。文献【311就移动中继给无线网络带来的优点进行了量化研究，重点放在移动中继提高基站覆盖率和吞吐率方面。文章根据用户位置和接收到得基站和RS信干噪比强度计算出可用中继范围，然后统计进入、移出该可用区域移动中继数目。文章从中断率、路径持续时间、连接持续时间和连接中断概率等方面对提出的算法进行了评估。文献[32、33]研究了移动中继的功耗问题。文献【32】分析的是车载移动中继的功控问题。MRS以一定速率按一定方向运动，运动中可以为UE提供覆盖服务，文章中移动中继的运动轨迹固定，分析了几种不同的功控方式以及基站、中继和用户设备的位置对接收功率的影响。该文献给我们的启发是并不是所有情况均适合用MRS：当MRS离MS越来越近时，可以降低MRS的发射功率，节约能量，降低干扰；当MRS离MS越来越远时，一方面在一定范围内可以考虑提高MRS的发射功率，或者将该MS切换给BS或其他近距离的MRS。文献【33】研究的是IEEE802．16j中移动中继的小区吞吐量和服务覆盖范围，同时也分析了资源管理问题如部分重叠子载波分配和正交子载波分配，以及中继功率控制如简单的移动中继开关控制，并将提出的算法与比例公平算法和移动台辅助的机会调度算法进行了比较。该文提出的算法的小区吞吐量比无中继情况的高；通过增加移动中继数目，可以提高部分重叠子载波分配策略的小区吞吐量；带MRS开关控制的部分重叠子载波分配策略下的小区吞吐量也比不带MRS功控的吞吐量高。正交子载波分配的服务覆盖范围大于重叠子载波分配的覆盖范围；带MRS功控的重叠子载波分配策略的覆盖范围也大于不带功控的覆盖范围。文献【2]主要是根据接收信号功率大小，分析了无线蜂窝网络中BS和LIE的掉话率。文章采用固定增益的AF(Amplify．and．Forward，放大和转发)移动中继，仿真的场景为高速列车中继场景，具体为移动中继固定在高速移动的列车上，在单个小区中，覆盖车厢内的UE，也就是说LIE到MRS的距离固定。随着BS和MRS的距离变化，两跳链路的路径损坏和阴影衰落都将有所变化，BS和UE接收到的信号功率也随之变化，当接收信号功率低于某一个值‰时，就认为发送掉话。对所有低于只。。的情况积分，得系统的掉话率cDP(‰，a)-p(Prp)250时，从图3．8的黄色曲线走势来看，表3．2中场景3的fixed70方案并不能满足设定的阈值．2dB，此时，只有场景4和5，即浅蓝和绿色曲线，才有可能满足阈值要求。所以，我们研究将表3．2a)的场景4和场景5结合，即图中P1100．50和P2100．20所示的两条曲线结合，产生场景8的可变模式。UE接收功率差随MRS位置变化曲线d(eNBMRS)=400md(eNBUE)=600m图3．8场景C的仿真结果图图3-9以场景D的参数为仿真条件，突出反映了将场景4和5结合的可变模式的仿真结果图。仿真结果显示：在阈值为2dB时，可变模式既可以满足阈值要求，又可 以尽量降低MRS发射功率，起到节能的作用。3．4本章小结图3-9场景D的仿真结果图本章针对沿既定轨迹匀速直线运动的移动中继单用户的模型，就几种典型的参数设置情况，仿真分析了MRS固定功率方案和半固定功率控制方案对LIE接收功率的影响。仿真结果表明：合理布置移动中继确实能为系统带来有效增益：移动中继半固定功率控制方案较固定功率方案更为灵活，对于移动轨迹可预知的移动中继系统，如安装在公交车上或船上的车载中继，更适宜采用半固定功率控制方案。但对于完全自由移动的MRS系统，无法提前预知MRS的移动情况，若预先拟定MRS在整个移动过程中功率控制情况不切实际，所以在完全自由移动的移动中继场景中，就需要采用全动态功率控制方案，这种全动态地功率控制和自适应的功率分配问题将在下一章比特、子载波和功率联合分配算法中详细讨论。 第4章OFDMA移动中继系统资源分配算法OFDMA系统的自适应资源分配方式分为静态和动态两种，前者给用户分配固定资源，实现起来较为简单；后者适用于频率选择性衰落环境，该分配方式能够根据不同用户的信道状态灵活地给用户分配子载波，与静态分配相比，动态分配能够优化无线资源的利用率、提高系统性能【351。中继技术的引入，可以使系统性能得到改善，与此同时也给系统的资源分配方面带来了一系列新问题，例如额外的链路开销，链路容量瓶颈，小区间干扰协调复杂，帧结构需要调整，用户可选的接入方式增多等等【351。而移动中继的引入使得系统的资源分配机制变得更加复杂，移动中继位置的不断变化，使得接入中继的用户由于中继的移动可能需要进行重新的接入选择或小区内切换，增加了资源分配的复杂度。本章就多跳OFDMA和移动中继系统的自适应资源分配算法进行阐述，分别以功耗约束和能效约束为优化目标，搭建平台仿真比较分析两种不同优化目标下的结果。4．1OFDMA两跳移动中继系统资源分配算法4．1．1系统模型Haenggi的研究结果表明，在多跳中继系统中，并不是跳数越多系统性能就越好。相反，有些时候链路长跳数少的系统比链路短跳数多的系统性能更好【471。鉴于此，本文基于实际应用需求，考虑两跳中继系统。如图4．1所示，在一个小区内，基站和用户的位置固定，移动中继采用半双工时分解码转发中继，中继装在车载或移动设备上，按文献【29】【48】的模型运动，移动速度较低。／＼——1．—、支定c1旧图4-1中继系统模型中继的帧结构如图4-2所示，横轴表示时间，纵轴表示子载波。时间总长为1个时隙(slot)，等分成两个子时隙(sub．slot)。以下行链路为例，在sub．solti中，eNB 与RS或cNB与直传UE通信，即将子载波分给直传或中继第一跳链路使用；在sub．solt2中，RS与UE或cNB与直传UE通信，即将子载波分给直传或中继第二跳链路使用。一个用户在两个sub-slot中可以使用相同子载波，也可以使用不同子载波。Ifsub-slotlsub-slot2eNB．UE／RSeNB／RS-UEe_NB．UE，lRSeNB／RS—UE心m一1『E瓜S帅／RS．UEe_NB．I厄瓜SeNB／RS．UEt—图4·2中继的帧结构不失一般性，我们选择下行链路进行分析。信道模型包括路径损耗、阴影衰落和频率选择性衰落。假设基站可以完全掌握两跳链路的信道状态信息，且在资源分配时信道状态变化不大。系统采用自适应调制编码(AdaptiveModulationandCoding，AMC)方式，在不同的子载波上，根据信道状态不同，采用的不同的调制编码方式。对于每种调制编码方式，只能以某一固定速率传输，且对应一个最小的接收信干噪比。根据资源分配机制优化目标的不同，主要分为RA和MA两种优化准则16】。RA准则是在保证用户QoS和系统总发射功率一定的情况下，通过合理的子载波、功率和比特分配，实现系统吞吐量或频谱利用率的最大化；MA准则是在保证用户QoS和一定数据速率的情况下，通过合理的子载波、功率和比特分配，实现发射功率最小化。本章第一个问题主要研究后者，即基于MA优化准则的资源分配机制，在保证用户QoS和恒定速率的前提下，寻求系统总功率最小化。但是传输一定量数据时，发射功率越小，接收端信噪比也就越低，根据自适应调制编码方式所选取的调制编码等级也越低，链路传输速率相应较小，那么传输一定数据量所需的时间就越长，能量的定义为传输速率乘以传输这些数据所需的时间，因此系统功率最小化并不表示所需能量也是最小的。基于上述分析，我们引入能量效率的定义，将发送的比特数目除以所需能量定义为能效，建立基于能效最大化的优化模型，来弥补单纯以功耗为约束目标的不足，此为本章第二个研究问题。具体的优化模型如下：1．功耗约束的优化模型在f∈T时刻，给不同的用户分配不同的子载波，每个子载波根据信道质量采用不同的调制编码方式，即每个子载波的传输速率R。(，)不同。假设共有个，∈T用户，K个子载波，某个用户朋∈M选择直传还是通过中继传输 用口。表示，口，∈{o，1}，口。=1表示用户朋选择直传，口朋=0表示用户肌选择中继传输。每个子时隙采用子载波分配方案为夕赢，成。∈{o，1}，·∈{sd，s，．，rd}，其中sd表示e．NB—UE直传链路，盯表示eNB—Rs链路，耐表示Rs—UE链路。成I=1表示用户所在链路枣上使用子载波k，卢：。=0表示不使用。如果f时刻用户m在子载波k上的发射功率为％(f)，那么用户m的总发射功率为巧(f)=∑熊％O)(4-1)k-I由于基站和中继站的总功率分别受限，所以gNB—UE链路和eNB----RS链路上的总发射功率之和不超过基站功率的最大值只一，即姜卜荟K雕端(，)]+兰m,,l『-L瓦壹k-!sdl-k-麟踹(，)]≤只嘲c4圳∑k∑雕端(，)I+∑l瓦∑麟踹(，)l≤只嘲(4-2)肘IlL七-lJ同理，中继站总功率受限，RS—UE链路的总发射功率和不超过P一，即兰I瓦圭职昭(，)l≤只眦(4．3)m=lLk-1J其中口。∈{o，1}，雕∈{o，1}。。K因为用户m在多个子载波上的总传输速率为：《(，)三∑雕群(f)。所以在单位时隙里链路·上用户朋可以传输的bit数目为c∑成。《(f)。七一l为了保证用户的传输质量，每个用户有自己的最低速率要求。设用户最低速率要求为R，响，对于直传链路eNB—UE，要求‘r∑职∥(，)≥也曲(4-4)k-IVam=1。对于中继链路eNB--RS或RS—UE，设用户最低速率要求为灭。曲，则每跳链路的最低速率要求为R。幽，即minI∑雕尺肌)，∑雕尺，(f)卜尺。曲＼kllk-I／Va肿=0，且两跳速率要尽可能接近。我们的优化目标是加入移动中继后系统的总功率P(f)最低，用公式表示为：min尸(，)：min兰b。p窘(，)+瓦k(，)+p?(，))】其中，Vt∈T，跏∈M，·∈{妇，眇，rd}。约束条件有：(4．5)(4．6) 1)子载波约束给所有用户分配的子载波的总和不超过系统的总子载波数K，公式表示为：∑∑成。sK2)功率约束由上面的分析可得基站和中继站的功率约束条件为：MIKI肘lKI∑h∑雕碟(，)f+∑I瓦∑觥踹(f)卜只蛐朋‘1Lk-IJm-IL^-lJ∑I瓦∑联rd。‘r。d(，)I≤只嘲3)速率约束髟∑口，觥∥O)≥如劬‘一一册厂m片一。F、．，⋯册珊k=l厂r-，、minI瓦∑PJ：：kRk”(，)’一口。厶‰rd如rat(f)卜R。曲＼k-lk-I／其中口。∈{0，1}．卢：∈{o，1}，，∈丁，·∈t耐，s，．，趔}。2．能效约束的优化模型(4．7)(4．8)(4．9)(4．10)(4．11)假设用户发送的比特数为Qbit，用户速率为Rbiffs，那么传输Qbits所用的时间为，=Q／R(s)。根据香农公式川。g(·+雩)㈤㈦其中尸表示发射功率，h为信道增益，Ⅳ为噪声功率。在用户速率确定的情况下，反解出功率尸=(2只-1)^r／h，那么发送Qbits所需要的能量为形：P．f-(2R—1)型．垒(4．13)能效定义为发送的b“数目除以所需能量，即能效：y=万Q一_蕊Q=南似马／’．P(bibit⋯／．(4-14)'，=一一—————————甲=——r——_’．刀=刀(I)(4-14)7矽阻1)％Ⅳ旷1)““7一⋯“⋯“y值越大，每焦耳能量所能传输的比特数也越多，能效也就越高。从上式我们可以看出，能效y只与用户的功率和传输速率有关，这一结论虽然是利用香农公式推导的，但y=剐P也具有通用性，代表了一般能效的定义。由于能效y=R／?=hR／(N(，-尺一1))是用香农公式推导出来的，而香农公式是一个理论的传输速率极限，所以由此定义的能效也是一个极限值。移动中继系统的优化目标函数和限制条件如下： m双利(驶Mx甓褰M一：'xx∑∑雕≤KMK。1^，厂rI∑h∑职碟(，)I+∑I瓦∑雕碟(，)怿只一兰I瓦羔嬲昭(，)b只一∑口。藤掣(，)≥尺。劬(4．15)(4．16)(4．17)(4．18)(4．19)min【瓦∑熊《(，)'瓦∑藤掣(，)I≥如曲(4．20)＼七ll七Il／其中口，∈{0，l}，雕∈{o，l}，t∈T。约束条件(4·16)反映的是子载波限制，(4．17)和(4．18)表示载波功率约束，而最后两个约束条件反映两跳速率约束。在移动中继网络中，由于MRS并不知道触发切换的确切时刻，即使沿固定线路运行的车载MRS也不例外，所以MRS必须执行扫描过程来收集网络拓扑信息并完成切换，扫描周期可以根据具体情况自行设置，最小为系统调度时间。这一问题在FRS网络中不需要考虑。对于上面两个优化模型，在某一固定时刻，MRS系统优化模型就等同于FRS系统的优化模型，可以按求解FRS系统优化模型的算法求解。当考虑时间这一变量时，MRS系统在每次扫描后，需要根据网络拓扑结构重新进行中继选择和资源分配，但每次所采用的资源分配算法相同。对于FRS系统优化模型的相关求解算法研究成果已数不胜数，其中最精确的求解算法首推拉格朗日乘子法，但其复杂度也是最高的，并不适用于本文这样的移动场景。因此，我们要退而求其次，寻找资源分配的次优算法。遗传算法、模拟退火、禁忌搜索、蚁群算法、粒子群算法等经典算法，在一定条件下都可以求解上述资源分配问题，本文在模型求解方面选择遗传算法，具体的模型求解过程见下一节。4．1．2关联位置信息的移动中继系统资源分配算法1．基本思想在每个调度周期中，UE均采用路径损耗最小这一原则进行中继选择。由于MRS移动性地存在，当MRS移开后，接入该中继的MS需要重新选择接入链路，与eNB或其它MRS建立连接，这将导致频繁的小区内切换。切换不成功会导致掉话，即使切 换成功，频繁的切换过程也会带来较大的系统开销。图4·3关联位置信息的MRS资源分配算法流程图基于上述原因，本文提出了一种适用于C类MRS的关联位置信息的资源分配算法。该算法的基本思想是根据C类中继移动性这一特定，UE尽量选择朝向其移动的MRS 作为接入中继，以保证切换率和掉话率的降低。UE需要定期扫描小区内可提供服务的eNB或MRS，以确保eNB或MRS的存在，为小区间切换和小区内切换提供参考。同理，MRS也需要定期对eNB和服务的UE进行扫描。假设UE扫描过程能够给UE反馈MRS的位置信息。具体的接入准则为：对于刚请求接入网络或需要进行小区内切换(包括直传UE切换到MRS以及中继UE切换到新MRS或eNB两种情况)的LIE，若UE在两个连续的扫描周期中，发现到MRS的距离缩短，即判断为MRS正朝向该LIE移动，接入时优先原则该MRS。当同时检测到多个MRS存在时，选择UE接收信号到的MRS信号强度最强的那个MRS作为接入点。一旦UE确定接入某一MRS，那么直到该MRS信号强度低于切换阈值才进行重新的中继选择，中途即使扫描到新的信号更强的MRS也不做切换，从而保证MRS到UE链路连接的持久性，避免频繁的小区内切换。具体的流程图如图4．3所示。2．系统优化模型的求解对于4．1．1提出的余量自适应准则下的OFDM自适应资源分配问题，同时涉及载波、功率和比特的分配，是一个同时包含离散决策变量和连续决策变量的非线性优化模型，非线性约束条件比较复杂，其求解过程适合选用智能优化算法。但如果约束条件较多，不容易求解，因此我们放宽约束，先不考虑(4．17)(4．18)功率约束，对简化后的问题采用遗传算法进行求解。遗传算法包含编码、适应度评价、选择、交叉、变异以及最优个体的选择，流程如图4．4所示。编码方案采用的是整数编码。本文编码采用一个K×4的二维表格，其中行数K表示子载波的数目。第一列表示sub．slotl(子时隙1)的子载波分配方法；第--N表示sub．slotl中每个子载波分配的比特数，即子载波的调制编码阶数；第三列表示sub．slot2(子时隙2)的子载波分配方法：第四列表示sub．sloL2子载波携带的比特数。分配的方案本身就是优化的目标函数，可直接作为适应度函数。但考虑到优化的目标是寻求最小值，而遗传算法的适应度函数所求得的较优解是适应度最大时的值，选用1／M—c作为适应度函数。其中M是优化目标函数，c是常量，通过仿真，可以获得M最小值所在的大致范围，选择C为一正值，使得M—C恒定为一正值。这样，从每个目标函数上扣除一个恒定的值，可以使较好和较差的可行解的染色体之间的相对范围较大，有利于保留较好的可行解的染色体。选择是为了从当前群体中选出优良个体，确保优良个体有机会作为父代进行下一代繁殖。选择采用比例选择法，即保留每个个体的概率与其适应度的大小成正比，即适应度越大，被保留到下一代的概率越大。交叉操作通过交叉操作可以得到继承了父辈个体特性的新一代个体，它使搜索扩展到整个解空间上。变异是根据某一给定概率，随机改变二维编码表的某一列。引入变异算子可以使遗传算法拥有局部随机搜索能力，且能够避免解得过早收敛。 图4．4遗传算法的流程图函数优化的遗传算法图4-5函数优化的遗传算法在仿真过程中，交叉的概率取O．8，变异的概率设为0．1，种群的大小设为200，假 设在500代后无条件终止。图4．5为一次遗传算法的进化过程。从图中可以看出，在进化到约400代时，得到适应度函数的最大值，即系统总功耗的最小。当遗传算法收敛时，通过该算法求解出的值通常只是所求问题的一个近似解。因为收敛过程可以看作是一个无限逼近过程，通过有限次的迭代计算来逼近解，所以通过遗传算法求出的解只是一个近似解。4．2系统仿真建模法。仿真参数依据LTE标准设置。移动中继速度和位置建模参照参考文献【29】中的方4．2．1场景模型仿真场景拓扑如图4-6所示，考虑19小区模型，中心小区为目标小区。eNB位于小区中心，初始时随机置放MRS，每个小区共有K糟个MRS，UE在小区内随机均匀分布【35】【43】。4．2．2无线传播模型图4．6仿真场景模型拓扑图无线信道的衰落包含大尺度(1arge-scale)衰落和小尺度(small．scale)衰落，两者在同一无线信道中并存，因此无线传播模型相应也包含大尺度衰落模型和小尺度衰落模型。大尺度衰落表示在一定时间内接收信号的均值随距离和环境的变化情况，变化趋势缓慢135】【矧。而小尺度衰落表示短时间内接收信号的快速波动情况。通常研究的大尺度衰落包括路径损耗和阴影衰落。无线信道的多径效应使得接收信号快速变化，产生小尺度变化。1．路径损耗和阴影衰落模型第3章中无线传播模型选用的是自由空间的路径损耗模型和修正的Hata模型，两 种模型均较为简单，且修正的Ham模型有一定的局限性，而本章仿真场景更接近实际情况，因此所选用的路径损耗和阴影衰落模型较第3章应有所不同，要求模型更为贴近现实。鉴于此，路径损耗和阴影衰落模型采用WINNERB5a(LOS)模型和WINNERC2(LOS／NLOS)模型【35】，分别用于eNB---+MRS链路和eNB／MRS—UE链路。(1)对于eNB--*MRS链路，采用WINNERB5a模型，公式为：PL=23．5loglop)+42．5+20logloC兀／5．0)盯=4dB，30mPl，Po>P2，Po>砖。吼!；|『／父、、、，、、厕／、、引V6▲＼／j／／一图4．7节点移动示意图在移动中继网络中，由于MRS并不知道触发切换的确切时刻，即使沿固定线路运行的车载MRS也不例外，所以MRS必须执行扫描过程来收集网络拓扑信息并完成切换，eNB也由此知道MRS的情况。4．2．4仿真参数表4-2仿真参数设置【35】参数取值MRS数目4个MRS移动速率60km／hMRS扫描周期5ms系统调度周期5mseNB端对端距离1km中心频率2．5GHz系统带宽10MHzeNB天线高度25mRS天线高度15mUE天线高度1．5meNB最大发送功率45WMRS最大发送功率5W噪声功率谱密度-174dBm小Z噪声系数(NoiseFigure)6dB误比特率要求l×10-4双工方式TDD 系统级仿真参数设置见表4．2。假设UE在整个仿真过程中均不发生移动。系统调度周期为5ms。4．3自适应资源分配算法比较分析4．3．1系统性能随用户数目变化情况图4．8中菱形点所在曲线表示以功耗最小为优化目标考虑位置信息时，系统总功率随用户数的变化曲线；方块点所在曲线表示以能效最大为优化目标考虑位置信息时，系统总功率曲线：三角点所在曲线表示以功耗最小为优化目标不考虑位置信息时，系统总功率曲线；园点所在曲线表示以能效最大为优化目标不考虑位置信息时，系统总功率曲线。从图中可以看出，系统总功耗随着用户数目的增多而增大。在其它条件相同优化目标不同的情况下，功耗最小算法的系统总功耗低于能效最大化时的系统总功耗。在优化目标相同的情况下，关联位置的资源分配算法比不关联的算法消耗的功率更高。系统总功耗随用户数的变化曲线图4．8系统总功耗(w)随用户数目的变化曲线图4．9为四种情况下系统能耗随用户数目的变化曲线，横坐标表示用户数，纵坐标表示系统能效，纵坐标值越小，表示系统平均能效越大。在其它条件相同优化目标不同的情况下，功耗最小算法的系统能效低于能效最大化时的系统能效，例如青色曲线(功耗最小)代表的能效比红色曲线(能效最大)代表的能效低。在优化目标相同的情况下，关联位置的资源分配算法比不关联的算法的能效低，例如黑曲线代表的能效比红色曲线代表的能效低。图4．10为小区内切换率随着用户数的变化曲线。随着用户数的增加，小区内切换 率先增加后基本不变。由于仿真中MRS的个数为4个，且4个MRS随机分布在不同位置，可以覆盖Nd,区内大半用户。在用户数较少时，用户均匀分布，随着用户的增多，由于每个MRS覆盖范围是固定的，那么随着用户密度的增加，MRS覆盖范围内的用户数目也增加，从而使得接入MRS的用户数目也较大，由于MRS移动而带来的小区切换率也随之增大。当用户数目达到一定程度时，由于MRS接入的用户数接近饱和，切换率几乎不变。根据MRS位置进行资源分配时，LIE尽量选择朝向其移动的MRS作为接入中继，即前后两个调度周期内与MRS距离拉近的UE，从而使其小区内切换率比不考虑位置信息时的切换率要低约3dB。，1矿系统总能效随用户数的变化曲线。电-，V辍翟确螺倏用户数目图4-9系统能效(J／bit)随用户数目的变化曲线小区内切换率随用户效的变化曲线图4．10小区内切换率随用户数目的变化曲线，，息息息息信信信信置置置置位位位位联联联联关关关关不不小大小大最最最最耗效耗效功能功能+}{} 4．3．2移动中继性能随用户数目变化情况图4．11表示MRS总功率随着用户数目的变化曲线。图中传统功耗最小约束下的MRS总功率最低，用浅蓝色表示。该曲线随着用户数目的变化呈轻微上升趋势，这是由于随着用户数目的增多，接入移动中继的用户也有所增加，因此曲线呈递增趋势：但即使MRS不断移动，其覆盖范围一定且较小，覆盖范围内接入中继的用户数量有些，因此虽然MRS总功率随着整体用户数目的增加而增加，但其增涨幅度有限，曲线较为平稳。图中蓝色曲线为关联位置信息的功耗约束的MRS总功率曲线，最为平稳，随着用户数目的增加，MRS总功率增加很小，有限区间甚至基本保持不变。虽然整个小区用户数目增多了，用户均匀分布，那么MRS覆盖范围内的用户随之增加，但因为考虑到MRS位置的关系，MRS覆盖范围内增多的用户在中继选择的时候并不是全部选择通过中继传输，因此MRS总功耗增加有限，甚至不变或较低。从图中还可以清晰的发现，能效约束的资源分配算法的MRS总功耗曲线均呈现明显的上升趋势，即随着用户数目的增加，MRS传输所需的功率也增大，这充分说明了能效最大和功耗最小并不能同时满足。MRS总功耗随用户数的变化曲线图4．1lMRS总功耗随用户数目的变化曲线图4-12为MRS平均能效随用户数目的变化曲线。该图与系统平均能效图的趋势近似。仿真结果表明：在能效约束的情况下，能效随着用户数目的增加变化不大；功率最小的资源分配算法的MRS能效并不是最好。红色曲线与黑色曲线接近表示，MRS平均能效与是否关联位置信息关系不大，因为关联位置信息只影响到接入MRS的用户数目的多少，只要在MRS覆盖范围内，无论接入多少用户，平均发射每比特所需要的能量基本保持不变。比较图4．12与图4．9的纵坐标可知，MRS平均发射每比特所需要 的能量比eNB的低，这是因为MRS距UE的距离较近所致。x1矿MRS平均能效随用户数的变化曲线4．4本章小结耄3薹：．霜*螺1Il∈∞箱∞35∞45用户数目图4—12MRS平均能效随用户数目的变化曲线本章首先详细阐述了OFDMA移动中继系统资源分配的数学模型和算法步骤，包括在功率约束和能效约束两种优化目标下两跳移动中继系统下行链路资源分配算法，然后根据移动中继的移动性特点，提出了一种关联位置信息的资源分配方案，接着搭建OFDMA多跳移动中继网络的系统级仿真平台，最后基于该平台进行仿真，并对仿真结果进行比较分析，从系统总功耗、平均能效和小区内切换率等方面评估了该算法的性能和优缺点，并分析比较了相同算法在不同优化目标下的适用情况。 一西南交通大学硕士研究生学位论窒第49页结论在能源危机的今天，节能减排，倡导绿色通信是当今通信界面临的一个重大问题；OFDMA和中继技术是下一代移动通信研究的关键技术，中继的低布置和维护费既符合节能减排的要求，又可以给未来的网络带来性能的提升，移动中继的灵活性，使其应用场景更加广泛。自适应资源分配机制根据信道状态信息，自适应地为链路分配子载波和功率资源，既而有效提高系统资源利用率13引。本文研究基于OFDMA的多跳移动中继系统的资源分配算法，已完成的研究工作主要有以下几个方面：1．就几种典型的移动中继部署场景，比较分析了移动中继固定功率方案和半固定功率控制方案的差异。仿真结果表明：合理布置移动中继才能有效的带来增益；移动中继半固定功率控制方案较固定功率方案更为灵活。2．对基于OFDMA和移动中继技术的系统资源分配算法进行了深入研究，分别建立了功耗约束和能效约束的两跳移动中继系统的自适应资源分配算法模型，并利用遗传算法求解模型。搭建了基于OFDMA的MRS系统仿真平台，并基于该平台，仿真分析了移动中继技术的引入给传统OFDMA系统资源分配算法带来的问题。3．考虑移动中继移动性的特点，提出了适用于OFDMA多跳中继系统下行链路的关联MRS位置信息的资源分配方案，包括中继选择、载波和功率的联合分配以及小区内的切换等方面，并通过仿真分析比较了其与上一算法在性能方面的异同，仿真结果表明，关联MRS位置信息的算法虽然在一定程度上增加了系统的功耗、降低了系统能效，但可以有效降低小区内的切换率，减少切换开销。但论文的研究工作仍不够完善，后续研究工作可沿以下几个方向开展：1．本文研究的前提是信道反馈完全可靠，然后根据可靠的信道状态信息进行自适应的资源分配。但在实际系统中，信道反馈存在时延，且反馈负荷有限，所以反馈到发送端的信道状态信息不完全可靠。基于这种不可靠反馈信息的资源分配算法必然不能满足实际用户的QoS，这就需要考虑不可靠信道反馈情况下的资源分配机制。2．本文研究的场景主要侧重于低速移动情况，对高速移动场景未做过多分析j在高速场景下，不能简单的忽略多普勒频移对系统性能的影响。但事物都有两面性，我们可以考虑利用多普勒分集增益提升高速移动中继系统的性能。3．移动中继与固定中继的区别主要在于移动性，表面看来，移动性对系统性能的影响应该是起负面作用的，因为中继的移动会引起多普勒扩展，破坏OFDMA系统子载波间的正交性，使得系统性能下降。其实不然，例如上面提到的利用多普勒分集也可以带来信道增益，那么能否量化分析移动性给系统带来的增益呢。基于这种想法，可以研究移动因子的概念，量化分析移动性带来的增益，提出基于移动因子的资源分 配方案。 致谢值此论文既成之际，谨向所有指导、关心和帮助过我的老师、同学和亲友致以由衷的感谢!首先，我要感谢我的导师方旭明教授。“师者，所以传道授业解惑者也”，若以传道、授业、解惑为良师准绳，则吾师良师之称当之无愧。且不论其学术造诣如何，单就治学态度便堪称楷模。远的暂且不提，就说审阅修改论文一事，方老师就费劲心力。我们老师在我们这级带了11个研究生，由于大家论文撰写进度相似，导致大部分学生都是同一时间段内给导师发的初稿。改一篇、两篇论文尚可做到认真负责，但若像方老师这样又要带本科毕设，又要完成日常工作，还要对每篇论文都通篇阅读、反复修改便难能可贵了。别说是其他人了，就是自己写的文章，多修改一遍也会生出厌烦之心，何况是别人了，而老师对每篇论文至少要修改两到三次方才定稿。我们老师评阅后的论文，不仅有研究内容方向上的问题批注，甚至细微至字体格式上的修改，可谓精益求精。得师如此，吾之幸也。感谢方老师一直以来对我的悉心教导和精心栽培，祝愿老师及其家人幸福安康。‘感谢实验室每一位同学，从你们身上我学到了很多，积极向上的学习态度、百折不挠的学习精神、和谐融洽的学习氛围，使我的研究生生活充满乐趣。感谢我们同组的赵琼瑶和王崇鉴同学，感谢你们在学术研究上给予我的帮助，怀念三人在一起讨论问题的点点滴滴。感谢实验室的所有同学，愿你们在以后的工作生活中仍然保持乐观的精神和矢志不渝的斗志。’同时感谢我的父母，感谢所有关心帮助过我的亲朋好友，你们给了我前进的动力和不畏艰险的勇气，让我从曲折的小路走向了康庄大道。感谢各位评审老师。