CN101784119A - Ofdma分布式天线网络资源的分配方法 - Google Patents

Abstract

本发明公开了一种OFDMA分布式天线网络资源的分配方法，该方法包括以下步骤：S1，根据OFDMA分布式天线网络的结构，用户终端将其到各分布式天线端口DAP的链路在各子带上的信道状态信息反馈至基站，作为该基站采用最大比发送进行传输的条件；S2，所述基站根据所述信道状态信息为用户终端分配子带；S3，针对每个用户终端分得的子带，所述基站为每个子带选择信道增益达到预设值的DAP作为DAP的初始选择结果，得到为每个子带服务的DAP集合；S4，通过迭代注水算法分别将各DAP的功率分配到其服务的各子带上。本发明的方案能够提高***的吞吐率，具有较强的实用性。

Description

OFDMA分布式天线网络资源的分配方法

技术领域

本发明涉及移动通信技术领域，尤其涉及一种OFDMA分布式天线网络资源的分配方法。

背景技术

移动通信网络的发展至今已经历了两个主要阶段，第三代移动通信(3G)目前已处于发展的后期，而***移动通信的相关标准化工作已经全面展开并在进行当中。随着通信技术的发展以及用户需求的不断增加，频谱资源的有限性使得其使用成本逐渐增加。因此，如何增加***的频谱利用效率已成为人们关注与研究的热点。

多输入多输出(Multiple-Input Multiple-Out-put，MIMO)技术相关的理论研究为更高容量的无线接入提供了新思路。在基站多天线的支持下，***获得了更高的空间自由度。分布式天线***(DistributedAntenna System，DAS)作为一种更为广义的MIMO方式，将基站端的多根天线分散在其覆盖区域内，并通过光纤等方式连接到一个中央控制单元。在DAS中，不同的分布式天线端口(Distributed AntennaPort，DAP)到同一个用户，具有不同的路径损耗、阴影衰落和快衰。这也是DAS和传统集中式天线***(centralized Antenna System，CAS)在网络结构上的主要区别。一方面，相比CAS中以基站为单位进行小区间基站协作来处理小区间干扰，DAS能够有效地通过中央控制单元协调多个天线端口服务覆盖区域内的所有用户，利用宏分集带来更多的增益，主要体现在提高接收信号质量、增加***容量以及降低功率损耗等方面；另外，DAS控制层的节点数较CAS大量增加，这些节点为用户提供了更为便捷的接入骨干网的机会，也符合网络结构由垂直化向扁平化发展的趋势。由此看来，DAS具有无可比拟的优势。

随着用户对无线多媒体业务需求的日渐增长，无线通信***一方面需要加强物理层关键技术来提高***的数据传输速率，另一方面还需要高效的无线资源管理策略来有效、合理地安排多种无线资源的分配问题。正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)技术能有效地对抗频率选择性衰落，在未来宽带无线通信***中占有重要地位。在一个正交频分复用多址接入(OrthogonalFrequency Division Multiple Access，OFDMA)***中，子带的动态分配、功率的自适应加载以及多用户分集等因素，使得***的资源分配灵活度很高。

而OFDMA-DAS***为资源分配带来了新的挑战，传统的资源分配方式已经不适合这种新***的要求。

一方面，OFDMA-DAS技术在动态子带、功率分配的基础上增加了一个灵活度：DAP的选择。和传统的多天线***相比，不同DAP到同一个用户具有不同的路径损耗、阴影衰落和快衰。在DAS中，人们提出了“虚拟小区”的概念，即，在没有其它限制的前提下，用户总是接入距离自己较近的几根DAP链路，使得用户总是处在由这几根DAP链路组成的“虚拟小区”的中心。在“虚拟小区”的作用下，一方面用户可以接受更好的传输服务，另一方面***的功率效率也得到了提高。

DAS还有另外一个重要的特点就是每个分布式天线端口都受到单端口最大功率受限的制约。当某根DAP链路附近的用户密度较大时，该端口的发送功率将只能满足部分用户的传输要求，其余用户将不得不接入相对较远的DAP，这意味着这些端口将耗费一些功率资源去补偿这些相对较远用户的路径损耗。因此，在一个OFDMA-DAS***中，端口功率受限前提下的DAP选择、子带的动态分配以及功率的自适应加载，使得OFDMA-DAS的资源分配问题更加灵活。

因此，针对OFDMA分布式天线网络的特点，建立资源分配问题的框架，综合考虑天线端口选择、子带分配以及功率加载等方面，设计一种新型实用的资源分配方法，充分挖掘OFDMA分布式天线网络资源分配的维度，提高资源的有效利用率，增加用户满意度，增强***吞吐量，已成为OFDMA分布式天线网络亟待解决的一个重要课题。

发明内容

(一)要解决的技术问题

针对现有技术中存在的缺陷和不足，本发明的目的是提供一种OFDMA分布式天线网络资源的分配方法，其能够提高***的吞吐率，具有较强的实用性。

(二)技术方案

为达到上述目的，本发明提供了一种OFDMA分布式天线网络资源的分配方法，包括以下步骤：

S1，根据OFDMA分布式天线网络的结构，用户终端将其到各分布式天线端口DAP的链路在各子带上的信道状态信息反馈至基站，作为该基站采用最大比发送传输信号的条件；

S2，所述基站根据所述信道状态信息为用户终端分配子带；

S3，针对每个用户终端分得的子带，所述基站为每个子带选择信道增益达到预设值的DAP或者所述OFDMA分布式天线网络内的所有DAP作为DAP的初始选择结果，得到为每个子带服务的DAP集合；

S4，通过迭代注水算法分别将各DAP的功率分配到该DAP服务的各子带上。

其中，所述步骤S4中针对一个DAP的注水功率分配方法基于以下最优化问题求解：

①该最优化问题的目标是最大化***吞吐量；

②最优化问题的约束条件为：该DAP的端口功率限制，以及该DAP服务的子带集合；

③在计算一个DAP的注水功率分配结果时，其它各DAP在其各自服务的子带上的待发送功率保持恒定，而该DAP在其服务的子带上的功率发送策略由以下两个因素决定：该DAP在子带上的信道情况；其它各DAP在各个子带上的已发送功率对子带接收信噪比的贡献，其中，上述第一个因素与该DAP在子带上的待发送功率正相关，第二个因素与该DAP在子带上的拟发送功率负相关；

④该最优化问题的求解通过拉格朗日方法求极值完成；

⑤求得极值之后，该DAP更新其在服务的子带上的待发送功率，若其在一子带上的待发送功率为零，则将该DAP从为该子带服务的DAP集合中去除，以完成DAP选择的优化。

其中，经过所述DAP分配的优化之后，该DAP在其服务的子带上的待发送功率在本次迭代内其它DAP进行运算时保持不变。

其中，所述迭代注水算法的迭代收敛条件为：一次迭代后，***的吞吐量较前一次迭代的变化量小于预设常数时，迭代收敛。

其中，所述DAP是在蜂窝小区架构下为保证覆盖而增设的天线端口或中继站。

其中，采用最大比发送进行传输时，在DAP为发送符合设计的加权向量中的每个分量是独立进行归一化的。

其中，所述各DAP在其各自服务的子带上的待发送功率的初始值通过将DAP的功率对其服务的子带均分获得。

其中，所述基站为每个子带选择信道增益达到预设值的DAP时，该预设值决定了为子带服务的DAP数量上限，该数量的大小与***的吞吐量正相关，与所述迭代注水算法中的运算量负相关。

(三)有益效果

与现有技术相比，本发明能够产生如下有益效果：通过选择信道增益较好的若干根分布式天线端口完成了对天线端口的初始选择，并通过迭代注水算法完成功率分配以及天线端口的进一步优化调整。该方案不仅利用了OFDMA***动态端口和功率分配带来的资源分配灵活性，而且体现了分布式天线***下虚拟小区的优势，对用户选择接入天线端口的自由度进行了有效挖掘，最终能够提高***的吞吐率，而且由于算法复杂度可以通过限制每个子带上接入的端口数量进行调整，因此还具有较强的实用性。

附图说明

图1是本发明实施例的OFDMA分布式天线网络资源分配的情况示意图；

图2是本发明实施例的方法的流程示意框图；

图3是本发明实施例的方法在不同虚拟小区大小的情况下与两种基本算法的比较结果图；

图4是本发明实施例的方法在不同虚拟小区大小情况下，迭代功率注水的收敛情况示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

OFDMA分布式天线网络(Distributed Antenna Network，DAN)是由分布在覆盖区域的多个天线端口构成的宏小区。每个宏小区中至少包含一个作为中央控制单元的基站BS(Base Station)，一个或多个DAP以及一个或多个移动终端MS(Mobile Station)(在本发明中也称为“用户终端”)。MS可以直接通过BS或DAP接入网络。本发明中，***的物理层采用OFDMA的方式。

图1示出了本发明OFDMA分布式天线网络资源分配的情况，其中，***的资源分配一般来说，主要体现在一个调度时隙内的子带(频带资源)分配、功率分配和天线端口选择。如图1所示，在一个宏小区范围内，***共有M个负责信号收发的DAP(基站本身也具备一个DAP)，各DAP通过光纤等理想方式与基站连接。基站作为中央控制中心，完成资源分配的全过程。图1中的分配状态显示，用户1获得了子带1和2，其中子带1接入了基站以及2号和3号天线端口，子带2接入了基站以及3号和4号天线端口。类似地，用户2获得了子带3，并接入了基站和1号天线端口。对于基站来说，其同时参与了3个子带的传输，其端口功率将被合理地分配到这3个子带或者其它涉及的子带当中。而每个子带如何分配给用户，每个子带如何选择接入天线端口，以及每个天线端口如何在其服务的子带集合中去分配功率，就是本发明将要解决的问题。

图2示出了本发明OFDMA分布式天线网络资源分配的方法流程图。主要包含以下步骤：用户到各DAP之间的链路的信道状态信息获取；基站为用户分配子带；针对每个用户分得的子带，动态地选择其信道增益达到预设值的若干DAP或者所述OFDMA分布式天线网络内的所有DAP进行服务；以最大化***吞吐量为目标(最大化***吞吐量是指：根据每个子带接收信噪比通过香农公式计算得到归一化传输速率，然后各子带的归一化传输速率求和并将其最大化)，将每个DAP的总功率注水分配到其涉及的若干子带上。依次对每个分布式天线端口进行独立的功率注水分配，完成一次迭代；继续迭代直至功率分配的结果收敛。

下面具体说明本发明实施例的方法。

在图1中，假设网络中每个宏小区包含M个分布式天线端口，端口天线数为1，***用户数为K，***带宽共分为N个子带。用h_k[m，n，t]表示t时刻分布式天线端口m到用户k之间的链路在子带n上的信道冲击响应。假设对于一个已分配给用户k的子带n，***将通过一个或者若干个DAP同时为用户传输分集数据。用M_k[n，t]表示t时刻参与服务的子带n(已分配给用户k的子带)的DAP集合。由于本发明实施例主要针对分布式天线端口选择及功率分配，进一步假设每个子带在一个宏小区中只能分给一个用户，且子带分配是相对独立于DAP选择及功率分配的部分。也即子带分配是可以通过任意一种分配方法来实现的，如轮询或者比例公平等。类似地，令N_k[t]表示t时刻分配给用户k的子带集合，令N_k[m，t]表示t时刻DAPm服务的子带集合。令p_k[m，n，t]表示t时刻DAP_m在已分配给用户k的子带n上的发送功率。在分布式天线网络中，每个DAP需要满足端口功率上限，可以表示为：

${\mathrm{\Σ}}_{n=1}^N{p}_k[m,n,t]\≤P_m,$ 对任意m

p_k[m，n，t]≥0，对任意m，k和n

其中，P_m表示DAPm的发送功率上限，且对于不同端口，P_m可以不同，这是由该DAPm的设备条件、位置以及周边用户密度和需求等因素决定的。

图2显示的资源分配的流程具体如下：

第一步，根据OFDMA分布式天线网络的结构，用户终端将其到各分布式天线端口之间的链路的信道状态信息反馈至其接入天线端口，该端口将信息反馈至基站，作为基站采用最大比发送进行传输的前提。

假设基站通过某种反馈方式获得了各用户到各DAP在各个子带上理想化的信道状态信息。这种方式可以是频分双工***下通过量化反馈的信道状态信息，也可以是时分双工***下通过信道对称性做出的理想化信道估计。下面说明如何采用最大比发送技术。假设在时刻t基站将子带n分配给用户k，则在该子带上用户到各DAP的信道矩阵可以表示为：

h_k[n，t]＝[h_k[1，n，t]，…h_k[M，n，t]]

为了采用最大比发送，在发送端为发送符号设计一个加权向量：

ω_k[n，t]＝[ω_k[1，n，t]，…ω_k[M，n，t]]^H

其中， ${\mathrm{\ω}}_k[m,n,t]=\left\{\begin{array}{cc}0,& \mathrm{ifm}{\∉M}_k[n,t]\\ \frac{h_k[m,n,t]}{\left|h_k\right[m,n,t]|},& \mathrm{ifm}\∈M_k[n,t]\end{array}\right.$

注意，这里加权矢量的每个元素是独立进行归一化的，这也是由DAP的功率限制所决定的。相应的，DAP的发送功率可以表示为：

p_k[n，t]＝[p_k[1，n，t]，…p_k[M，n，t]]，p_k[m，n，t]＝0，if

由此可得在子带n上的接收信号为：

$y_k[n,t]={\mathrm{\Σ}}_{m=1}^M\left|h_k\right[m,n,t\left]\right|\·\sqrt{p_k[m,n,t]}\·x_k[n,t]+z_k\left[n\right]$

其中x_k[n，t]是归一化的发送符号，z_k[n]是加性高斯白噪声。其中接收信号强度为：

${\mathrm{\γ}}_k[n,t]=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{p}_k[m,n,t]\·{\left|h_k\right[m,n,t\left]\right|}^2$

假设噪声功率谱密度为常数，则有不同子带经历的噪声功率是一致的，为了便于分析，在计算中忽略该常数。根据香农(Shannon)公式，将子带n分配给用户k在t时刻可以获得的归一化传输比特数为log₂(1+γ_k[n，t])。

需要说明的是，为了便于下面的描述，对所有的变量的定义中略去了t参数的表示。

第二步，基站根据某种方法将子带分配给用户，如轮询等算法，确定用户的子带集合N_k。在本发明算法中，基站为用户分配子带，是独立于联合天线端口选择和功率分配的。因此，分配子带可以结合信道状态信息以及用户优先级等因素。根据各个用户在分得子带上的信道状态信息，基站以最大化***吞吐量为目标，为用户选择接入天线端口和功率分配。这个问题可以建立为：

$\max \underset{n=1}{\overset{N}{\mathrm{\Σ}}}\log (1+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}p[m,n]\·{\left|h_k\right[m,n\left]\right|}^2)$

$s.t.\underset{n=1}{\overset{N}{\mathrm{\Σ}}}p[m,n]\≤P_m,p[m,n]\≥0,$ 对任意n，m

接下来***将采用一个迭代方法来完成以上目标。

第三步，针对每个用户分得的子带，基站根据小区部署、用户分布以及运算复杂度等情况，动态地把为其服务的DAP限制在某几个信道增益较好的DAP之中。这一方面是一个初始化的天线端口选择，另一方面，也对接下来的迭代复杂度进行了一定的约束。

针对每一个已经分配完毕的子带n，基站根据其信道增益选择若干DAP进行服务。具体步骤如下：

1)初始化N_k[m]＝Φ，n＝1；

2)令M_k[n]＝Φ。假设在上述第二步中，子带n已经分配给用户k，也即n∈N_k。根据上述第一步中获得的信道状态信息，该用户到所有M个DAP在子带n上的信道为：

h_k[n]＝[h_k[1，n]，…h_k[M，n]]；

3)将信道增益从大到小进行排序，假设排序结果为：

h_k[m₁，n]≥h_k[m₂，n]≥…≥h_k[m_M，n]

其中m₁，m₂，…，m_M是1，2，…，M的一个排列；

4)选择前j个DAPm₁，m₂，…，m_j作为该子带n的服务端口，j≤M。令

M_k[n]←M_k[n]∪{m₁，m₂，…，m_j}

N_k[m]←N_k[m]∪{n}，m＝m₁，m₂，…，m_j其中，“←”表示赋值操作。

5)如果n＝N，完成；否则n＝n+1，返回步骤2)。

以上步骤1)～5)完成了为每一个子带选择初始接入DAP的功能，该选择过程主要依据子带到不同DAP的信道状态信息。不同用户至DAP的链路所经历的路径损耗、阴影衰落以及快衰都是不同且相互独立的，这也和与其被分配用户的位置有关。该选择过程体现了分布式天线网络下虚拟小区的优势。

第四步，***循环地依次针对每个DAP，以最大化***吞吐量为目标，将该DAP的总功率注水分配到其涉及的若干子带上。

***通过如下迭代功率注水算法来完成功率分配以及相应的天线端口调整算法：

1)初始化天线端口功率分配结果：i＝1，对天线端口m＝1，2，…，M，针对其参与传输的子带N_k[m]，均分其端口功率，也即

$p_k^{\left(i\right)}[m,n]=\left\{\begin{array}{cc}{P}_m/\left|N_k\right[m\left]\right|,& \mathrm{ifn}{\∈N}_k\left[m\right]\\ 0,& \mathrm{others}\end{array}\right.$

其中|N_k[m]|为集合N_k[m]的元素个数；

2)第i次迭代，令m＝1；

3)更新p_k ⁽ⁱ⁾[m，n]。更新方法如下：

对DAPm₀更新时，固定其它M-1个DAP的功率分配结果，建立如下优化问题并求解(下面的公式省略了下标k)：

$\max \underset{n=1}{\overset{N}{\mathrm{\Σ}}}\log (1+{\mathrm{\γ}}_k[n\left]\right)$

$s.t.p[m_0,n]\·{\left|h_k\right[m_0,n]|}^2+\underset{m=1,m\≠m_0}{\overset{M}{\mathrm{\Σ}}}p[m,n]\·{\left|h_k\right[m,n\left]\right|}^2={\mathrm{\γ}}_k\left[n\right],$ 对任意k，n

$\underset{n=1}{\overset{N}{\mathrm{\Σ}}}p[m_0,n]\≤P_{m_0},$ 对任意n

$p[m_0,n]\left\{\begin{array}{cc}\≥0,& \mathrm{ifn}\∈N_k\left[m_0\right]\\ =0,& \mathrm{others}\end{array}\right.,$ 对任意n

其中，p[m₀，n]·|h_k[m₀，n]|²是DAPm₀对各个子带接收信号功率的贡献，而

则是其它DAP的贡献，在此为常数。因此，功率分配以及相应的DAP选择过程既考虑了子带的瞬时信道条件，也考虑了其它天线端口为该子带服务的情况，体现了分布式网络的端口选择带来的分集增益。

上述优化问题的求解是一个常见的凸优化问题，可以由拉格朗日方法求解如下：

$L(\mathrm{\μ}{,\mathrm{\λ}}_{m_0},\mathrm{\υ})=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\log (1+{\mathrm{\γ}}_k[n\left]\right)-{\mathrm{\λ}}_{m_0}\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}p\right[m_0,n]-P_{m_0})+\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\υ}}_{n}p[m_0,n]$

$+\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\μ}}_n\left(p\right[m_0,n]\·{\left|h_k\right[m_0,n\left]\right|}^2+\underset{m=1,m\≠m_0}{\overset{M}{\mathrm{\Σ}}}p[m,n]\·{\left|h_k\right[m,n\left]\right|}^2-{\mathrm{\γ}}_k[n\left]\right)$

其中，μ，

υ是拉格朗日乘数。该优化问题的Karush-Kuhn-Tucker(KKT)条件为：

$\frac{\∂L}{\∂p[m_0,n]}={\mathrm{\μ}}_n^{*}\·{\left|h_k\right[m_0,n\left]\right|}^2-{\mathrm{\λ}}_{m_0}^{*}+{\mathrm{\υ}}_n^{*}=0,$ 对任意n，

$\frac{\∂L}{{\∂\mathrm{\γ}}_k\left[n\right]}=\frac{1}{1+{\mathrm{\γ}}_k^{*}\left[n\right]}-{\mathrm{\μ}}_n^{*}=0,{\mathrm{\μ}}_n^{*}\≥0,$ 对任意n，

${\mathrm{\μ}}_n^{*}\left(p^{*}\right[m_0,n]\·{\left|h_k\right[m_0,n\left]\right|}^2+G_n-{\mathrm{\γ}}_k^{*}[n\left]\right)=0,{\mathrm{\υ}}_n^{*}\≥0,$ 对任意n，

${\mathrm{\λ}}_{m_0}^{*}\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{p}^{*}\right[m_0,n]-P_{m_0})=0,{\mathrm{\υ}}_n^{*}{p}^{*}[m_0,n]=0,{\mathrm{\λ}}_{m_0}^{*}\≥0,$

$p^{*}[m_0,n]\·{\left|h_k\right[m_0,n\left]\right|}^2+G_n={\mathrm{\γ}}_k^{*}\left[n\right],$ $\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{p}^{*}[m_0,n]\≤P_{m_0},$ $p[m_0,n]\left\{\begin{array}{cc}\≥0,& \mathrm{ifn}\∈N_k\left[m_0\right]\\ =0,& \mathrm{others}\end{array}\right.$

易求得解为：

$p^{*}[m_0,n]={(\frac{1}{{\mathrm{\λ}}_{m_0}^{*}}-\frac{1+G_n}{{\left|h_k\right[m_0,n\left]\right|}^2})}^{+}$

其中，(x)⁺＝max(x，0)，求参数

使得 ${\mathrm{\Σ}}_{n=1}^N{p}^{*}[m_0,n]=P_{m_0}.$

令

n∈N_k[m₀]；

4)如果m＝M，完成一次迭代，执行步骤5)；否则m＝m+1，返回步骤3)；

5)如果

则结束迭代；否则i＝i+1，返回步骤2)继续迭代。

以上步骤1)～5)一方面完成了每个DAP为其服务子带进行功率分配的过程；另一方面，也完成了所选择的DAP的调整。事实上，在最终迭代完成的结果中，某个p_k[m′，n′]＝0意味着端口m′将不为子带n′服务，从而将该DAP从为该子带服务的DAP集合中去除，以完成DAP选择的优化。

下面根据一个具体的资源分配实施例来验证本发明DAP选择和功率分配的优越性。

在本发明实施例中，分布式网络的宏小区由1个中心基站和6个DAP组成，站间距离为200m，用户到任意DAP的最小距离为10m。***载频为2GHz，路径损耗PL采用IMT-Advanced城市微蜂窝模型来计算：PL＝36.7log₁₀(d)+22.7+26log₁₀(f_c)，其中f_c和d的单位分别为GHz和m。阴影衰落采用方差为8dB的对数正态分布。***带宽为10MHz，子载波带宽为15kHz，资源分配的粒度以子带为单位，由12个子载波组成即180kHz，***共有50个子带，子带调度器为轮询调度器。***总的发送功率(也即基站和其它各DAP的功率总和的上限)为38-43dBm，每个DAP的功率上限均为总功率的1/7，噪声功率为-174dBm/Hz。用户数为30/端口，也即总数为30*7＝210个，MS在网络内均匀分布，业务模型为full buffer model(满缓存模型)。

图3显示了本发明实施例的方法在不同虚拟小区大小的情况下和两种基本算法进行的比较。两种基本算法分别为全天线接入下的功率均分和单天线接入下的功率均分。其中，全天线接入功率均分是指每个子带都在所有天线端口上进行传输，每个端口针对全部子带均分其端口功率；单天线接入功率均分是指***根据每个子带在其分配用户到不同天线端口的信道状态信息，选择信道增益最好的一个天线端口进行传输。如图3所示，本发明所提出方法的***性能总是优于功率均分的性能。再比较本发明结合不同虚拟小区大小的***性能。一方面，虚拟小区越大(j越大)，也即允许用户选择接入天线数越多，***的性能越优。但是随着j的增大，***性能增加越来越缓慢。事实上，即使在初始选择时虚拟小区范围较大，在迭代功率分配的过程中，信道状态较差的天线端口也会被注水算法所关闭。因此，在次实例的小区拓扑结构下，使用迭代功率分配的方法最终确定的服务天线端口，也即虚拟小区的大小，在j＝3或者j＝4时候，性能已经基本接近全天线虚拟小区的性能。另一方面，从计算量的角度来看，较小的j能够一定程度上降低迭代算法的复杂度。因此在实际网络中应用该发明算法的时候，可以根据小区环境、用户密度等因素，选择合适的虚拟小区，较快的达到较优的性能，寻找最佳的折中。

图4显示了本发明实施例的方法在不同虚拟小区大小情况下，迭代功率注水的收敛情况。图4中给出了4条收敛样本曲线。从图4中可以看出虚拟小区较大的时候(如j＝7)，前几步收敛的性能增加量小于相对虚拟小区较小的情况(j＝3)。但是为了达到最终的结果收敛效果，***大多需要类似的迭代次数。如从该实例的结果来看，***需要约15次迭代即可使得结果稳定。

需要指出的是，虽然仿真针对一套特定的OFDMA分布式网络构架与***参数，但是由于本发明方案采用基站初始分配，然后再经过多次迭代进行优化调整的方法具有很强的普遍性(具体表现在：一方面对分布式天线网络的端口数没有限制；另一方面，对虚拟小区大小也没有限制)，因此，当本发明的方法应用于具有不同网络架构的分布式网络与***参数中时，本发明方案仍能体现出优越性。

由以上实施例可以看出，本发明的OFDMA分布式天线网络的天线端口选择和功率分配方案，不仅利用了OFDMA动态的子带和功率分配带来的资源分配灵活性，还体现了分布式天线网络下虚拟小区的优势，对用户选择接入天线端口的自由度进行了有效挖掘。其有效地提高了***的吞吐量，在算法复杂度上也可以通过限制每个子带上接入的天线端口数量进行调整，从而寻找较好的折中，因此还具有较强的实用性。

以上所述仅是本发明的实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (8)

1.一种OFDMA分布式天线网络资源的分配方法，其特征在于，包括以下步骤：

S1，根据OFDMA分布式天线网络的结构，用户终端将其到各分布式天线端口DAP的链路在各子带上的信道状态信息反馈至基站，作为该基站采用最大比发送传输信号的条件；

S2，所述基站根据所述信道状态信息为用户终端分配子带；

S3，针对每个用户终端分得的子带，所述基站为每个子带选择信道增益达到预设值的DAP或者所述OFDMA分布式天线网络内的所有DAP作为DAP的初始选择结果，得到为每个子带服务的DAP集合；

S4，通过迭代注水算法分别将各DAP的功率分配到该DAP服务的各子带上。

2.如权利要求1所述的OFDMA分布式天线网络资源的分配方法，其特征在于，所述步骤S4中针对一个DAP的注水功率分配方法基于以下最优化问题求解：

①该最优化问题的目标是最大化***吞吐量；

②最优化问题的约束条件为：该DAP的端口功率限制，以及该DAP服务的子带集合；

③在计算一个DAP的注水功率分配结果时，其它各DAP在其各自服务的子带上的待发送功率保持恒定，而该DAP在其服务的子带上的功率发送策略由以下两个因素决定：该DAP在子带上的信道情况；其它各DAP在各个子带上的已发送功率对子带接收信噪比的贡献，其中，上述第一个因素与该DAP在子带上的待发送功率正相关，第二个因素与该DAP在子带上的拟发送功率负相关；

④该最优化问题的求解通过拉格朗日方法求极值完成；

⑤求得极值之后，该DAP更新其在服务的子带上的待发送功率，若其在一子带上的待发送功率为零，则将该DAP从为该子带服务的DAP集合中去除，以完成DAP选择的优化。

3.如权利要求2所述的OFDMA分布式天线网络资源的分配方法，其特征在于，经过所述DAP分配的优化之后，该DAP在其服务的子带上的待发送功率在本次迭代内其它DAP进行运算时保持不变。

4.如权利要求2或3所述的OFDMA分布式天线网络资源的分配方法，其特征在于，所述迭代注水算法的迭代收敛条件为：一次迭代后，***的吞吐量较前一次迭代的变化量小于预设常数时，迭代收敛。

5.如权利要求1所述的OFDMA分布式天线网络资源的分配方法，其特征在于，所述DAP是在蜂窝小区架构下为保证覆盖而增设的天线端口或中继站。

6.如权利要求1所述的OFDMA分布式天线网络资源的分配方法，其特征在于，采用最大比发送进行传输时，在DAP为发送符合设计的加权向量中的每个分量是独立进行归一化的。

7.如权利要求2所述的OFDMA分布式天线网络资源的分配方法，其特征在于，所述各DAP在其各自服务的子带上的待发送功率的初始值通过将DAP的功率对其服务的子带均分获得。

8.如权利要求2或3或7所述的OFDMA分布式天线网络资源的分配方法，其特征在于，所述基站为每个子带选择信道增益达到预设值的DAP时，该预设值决定了为子带服务的DAP数量上限，该数量的大小与***的吞吐量正相关，与所述迭代注水算法中的运算量负相关。

Images