最新通信网络中非线性优化的关键技术研究教学讲义ppt课件.ppt

《最新通信网络中非线性优化的关键技术研究教学讲义ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、通信网络中非线性优化的关键技术研究目录一种基于非线性优化的多用户OFDMA网络中的启发式调度机制OFDMA网络中凸优化的效用函数设计准则无线传感器网络中的基于非线性优化的分布式螺旋优化算法基于非线性优化的多用户OFDMA中的启发式调度对应论文第三章部分内容发表于IEEEVTC2009Fall提出的解决方案目标——设计一种OFDMA网络下的启发式的调度机制，同时考虑实时业务和非实时型业务。灵感——传统的调度机制下，实时业务的无线资源是基于（加权）的QoS优先级比较进行分配的[2]-[4]。解决方法——给非实时用户同样赋予相应的自适应调度优先级。该优先级将在分配子载波

2、时和实时业务的优先级进行比较。算法思想描述如果非实时用户的调度权重被设定为0，则提出的机制与传统机制是等价的。如果系统自适应地增加调度权重，通过优先级比较，越来越多的无线资源将会从实时用户中挪用给非实时用户。在数值仿真中，将会看到如果非实时业务的调度权重被设置得合理，系统将能够保证只保障实时用户必要的包延时约束（而不是“零延时”约束），同时减少两种用户之间的不公平度。优化问题建模经典的子载波调度的优化问题可以被建模为：subjectto,调度优先级，表明用户i的QoS满意度D代表子载波集合；约束1：全部子载波分配完毕；约束2：每一个子载波至多分配给一个用户由问题模

3、型引发的思考1）在传统的调度机制中，只有实时用户拥有调度优先级，因为传统机制被设计用来仅仅保障实时用户的QoS保障，而没有考虑非实时用户，以至于这类用户的速率分配是通过一种“尽力而为”的方式进行的。2）由于在一个理想的子载波调度中，系统应该不仅仅保证实时用户的延时控制，还应该优化非实时用户的整体传输速率。3）我们将OFDMA网络中的双目标优化问题进行如下建模。双目标函数优化问题建模最大化非实时业务的吞吐量最大化实时业务的QoS满意度注意：我们的模型中对于刻画实时业务QoS满意度的变量Ai的形式没有指定；有许多经典论文讨论了QoS满意度的刻画方法，我们可以直接采用他

4、们的结论。具体见数值仿真部分。双目标函数求解（1）subjectto注解：1）在上式描述的调度比较中，QoS用户的调度优先级Ai已经考虑了用户i的QoS要求。2）由于在上式中，Ai和λ的作用是等价的，因此我们可以把λ看作是非实时业务的调度优先级。双目标函数求解（2）subjectto注解：3）在轻度或中度负载网络下，一种提高非实时业务数据接入速率的方法是，自适应（并逐渐）提高λ值，从而使非实时业务能够占用原本实时业务的子载波资源。双目标函数求解（3）subjectto挑战：1）如果给定λ，如何分配子载波资源从而最大化目标函数；2）如何在不同的时间中动态的调整λ从而

5、提供给非实时用户尽可能多的资源，同时保证QoS用户的平均延时低于某一特定门限。在接下来的演示讲稿中，我们重点解决这两个问题。给定λ下的最优调度算法证明：详见论文。公式（3）和最大化问题（3）指代的都是前述的双目标函数优化问题。给定λ下的最优调度算法注解：1）算法由两层组成。高层的业务层调度是在业务类型间进行的。2）当业务层调度结束后，低层的用户层调度决定了如何为每种业务中的每个用户分配子载波。3）由于定理1将子载波分配到了两个对应不同业务类型的组，因此这两种业务类型的调度可以看作是两个独立进行的调度过程，其中Ai和λ分别是实时用户和非实时用户的优先级。更新λ的动态

6、启发式算法算法思路：1）轻负载或中度负载情况下，系统通过逐渐增大λ来使得定理1中的子载波分配门限变得更难满足，从而使得非实时用户通过比较优先级得到更多的子载波。当实时业务用户的平均包延时接近某一特定门限时，停止增大λ。2）当网络过载时，为了优先满足实时用户的QoS需求，系统将减少λ来提高实时业务用户的相对优先级，从而使得更多的子载波被分配给实时业务用户。数值仿真条件仿真结果（1）：增大流媒体用户数量图1.当流媒体用户数量上升时，VoIP业务和流媒体业务的平均包延时图2.当流媒体用户数量上升时，非实时用户的总吞吐量注解：在这次仿真中，我们增大流媒体用户数量从4到20

7、，并且固定VoIP和非实时用户数量分别为10和20。VoIP业务的最大包延时为0.5秒。仿真结果（1）：增大流媒体用户数量图1.当流媒体用户数量上升时，VoIP业务和流媒体业务的平均包延时图2.当流媒体用户数量上升时，非实时用户的总吞吐量由于视频流会话拥有较高的接入数据速率，即平均180kbps，因此在图1和图2中可以同时看到中度负载和过负载情况下的情景。14用户的情况是一个转折点。当用户数量小于14时，网络处于低负载情况，因此提出的算法和EXP算法都给出了对于QoS用户的很好的延时控制。仿真结果（1）：增大流媒体用户数量图1.当流媒体用户数量上升时，VoIP业务

8、和流媒体业