文獻標識碼： A
文章編號： 0258-7998(2015)01-0099-05
OFDM技術作為多載波調制技術的一種，其靈活的調制特性可有效地提高系統頻帶使用率[1]。如今，在多用戶OFDM系統中，考慮用戶業務需求，充分利用物理層和高層之間的互動信息，就子載波和功率等資源分配問題已經展開了廣泛研究。
隨著無線移動應用需求的不斷增長，無線資源分配給授權用戶專屬使用已經成為阻礙頻譜高效利用的嚴重障礙。據FCC調查發現，授權頻段在大部分時間內處于閑置狀態[2]，造成頻譜資源極大的浪費。認知無線電技術使得授權用戶和非授權用戶可以在同一時間同一頻帶上共存，成為打破頻譜資源匱乏僵局的潛在基石。因此，將認知無線電技術應用于OFDM系統中，將會更好地改善系統頻譜資源的利用狀況，提高整體的頻譜利用率。
針對基于認知無線電（Cognitive Radio, CR）技術的OFDM系統資源分配的研究層出不窮，例如文獻[3-8]，分別有針對性地提出了CR-OFDM系統的資源分配算法。其中，文獻[5-8]針對多用戶情況。文獻[5]不考慮用戶業務特性，在滿足總功率限制或對主用戶干擾限制時先進行功率分配，再根據剩下的約束條件進行子載波分配。為了考慮MAC層的多種業務特性需求，許多專家學者將跨層思想引入CR-OFDM系統的資源分配中，并最大化物理層的傳輸速率，例如文獻[6-8]。文獻[6]只考慮非實時業務，保證CR用戶速率與預設目標速率成比例，提出最優RA算法，最大化系統總速率。文獻[7]區分只擁有盡力而為業務的用戶和多業務用戶，提出低復雜性的CR-MUMS子載波分配算法，得出近優解。文獻[8]考慮主次用戶之間相互干擾，區分實時業務和非實時業務，采用基于屏障法的功率分配方法，保證RT用戶速率需求并滿足NRT用戶之間比例速率限制，提高系統總速率。
本文在基于認知無線電的 OFDM系統中，針對混合業務，提出一種有效的子載波和功率分配方案。首先，根據總發射功率和主用戶限定的的最大干擾值，實現子載波的傳輸功率分配。然后，根據信道增益信息以及各用戶業務信息，采用人工魚群算法進行不同用戶之間的子載波分配。
1 系統模型和數學模型
1.1 系統模型
在蜂窩系統下行鏈路中，假設存在1個認知用戶基站、K個認知用戶和L個授權用戶（如圖1）。設認知用戶k使用子載波n時，認知基站到認知用戶K的信道增益為hk，n。認知用戶與主用戶之間的信道狀態信息可被周期性地檢測到[9]，本文假設信道估計完美，因此，認知基站擁有以上信道狀態信息。
某時刻，主次用戶所使用的頻譜分布情況示意圖如圖2所示。
1.2 數學模型
子載波對主用戶頻帶產生的干擾為其承載信號的功率譜密度（PSD）在主用戶頻帶上的積分[10]，設主用戶占用頻段帶寬W，子載波n與主用戶中心頻譜距離用dn表示，對于第n個子載波，認知基站到主用戶的增益為![X$WB($E$WXI730N]_I_51D1.png](http://files.chinaaet.com/images/2015/08/14/6357518489343400001975022.png "X$WB($E$WXI730N]_I_51D1.png")
，則用戶k使用子載波n時對主用戶的干擾為：
其中，(f)為信號的PSD，記Fn為在子載波n上對主用戶的干擾因子。
當子載波n上信號為理想奈奎斯特脈沖時，其PSD為：
其中， Ts為OFDM符號周期，Pk，n為認知用戶k在子載波n上的傳輸功率。
同樣，主用戶對認知用戶的干擾可表示為：
其中，PU(eiw)為主用戶的功率譜密度，BS為每個子載波的帶寬。
設認知系統分配給用戶k使用子載波的發射功率為Pk，n。整個系統的帶寬B被分成N子載波，則每個子載波帶寬為B/N。根據香農容量公式，用戶k的子載波n的瞬時傳輸速率為：
其中，為信道香農容量與M-QAM調制信號的信噪比差值，值為-ln(5pe)/1.5[11]，pe為誤比特率，N0為加性高斯白噪聲的單邊功率譜密度。
用戶k的總速率為：
其中，?贅k為分配給用戶k的子載波集。
則系統總速率為：
式中，Ck，n為用戶k在子載波n上的分配因子，Ck，n為1代表子載波n分配給用戶k，Ck，n為0代表子載波n未分配給用戶k。
本文中用戶k擁有數據、語音、流媒體三種業務(i=1，2，3)隊列，根據隊列中各個分組(f=1，2，3，…)等待時間、分組QoS優先級及分組長度定義用戶k的權重[12]為：
其中，Wk，i表示用戶k的第i個分組的權重，
集合分組處于緊急狀態，
集合中分組非緊急，k，i，f表征分組QoS優先級，Dk，i，f表征分組長度，Ek，i，f表征分組緊急狀態。Ek，i，f等于可忍受時延Uk，i，f減去已等待時間再減去保護間隔Gk，i，當Ek，i，f小于0時分組緊急，否則非緊急。k，i，f越大、Dk，i，f越大或越緊急的分組會被優先傳送。
最終確立優化目標為:
式中，記
為信道因子。
約束條件：
其中，C1和C4限制功率非負且不超過最大發射總功率；C2和C3確保每個子載波最多只能被一個用戶占用，C5確保對主用戶的干擾不超過主用戶所允許的干擾門限值
，C6保證為用戶分配不超過其所需要的資源，Qk表示用戶k緩存的數據量。
2 資源分配
2.1 功率分配
優化目標中，子載波分配指數Ck，n和功率分配指數Pk，n是待求變量，本文采用次優方法進行功率和子載波分配。
信道增益越大且干擾因子越小的子載波應該被分配更高的功率。為滿足以上要求并滿足干擾門限值，令主用戶所能承受子載波n對其產生的干擾的上限為：
由此可得：
n個子載波對主用戶總干擾值等于
，這樣確保滿足主用戶的干擾功率限制。
發射總功率最大值為PT，若各個子載波均分總功率，各個子載波上應該分配的功率為：
滿足總功率和干擾門限限制，分配給各個子載波相應的功率值為:
2.2 子載波分配
基于人工魚群算法求解Ck，n(k=1，…，K；n=1，…，N)的步驟如下:
(1)設定種群大小M，人工魚的可視范圍visual，擁擠度因子?啄，人工魚每次覓食最大試探次數try_number，迭代次數gen，同時功率按式(12)取值。
(2)定義人工魚向量(行向量)長度為N，其元素值隨機取1～K之間的某個數。如果子載波n分配給用戶k，即Ck，n=1(k=1，…，K；n=1，…，N)對應于人工魚向量的第n個元素值等于k。
(3)隨機產生M個第1代人工魚向量
(i=1，…，M)，該向量必須符合C2～C6條件約束。
(4)定義食物濃度![HYN46]6LW5MA_C3`EKMXV4R.jpg](http://files.chinaaet.com/images/2015/08/14/6357518473282400002792992.jpg "HYN46]6LW5MA_C3`EKMXV4R.jpg")
。
(5)先做人工魚向量
(i=1，…，M)到Ck，n(k=1，…，K；n=1，…，N)的映射，再由Ck，n和Pk，n計算用戶速率Rk(k=1，…，K)，最后計算
的食物濃度]C.png](http://files.chinaaet.com/images/2015/08/14/6357518478662800003639261.png "A7U[)Q(3)](VNE[88CRU)]C.png")
(i=1，…，M)并選出全局食物濃度最大的人工魚向量賦值給F_best。
(6)人工魚行為定義。
)
(6.2)使F![]1H85HA)OIOF%_5~9)BOY)1.png](http://files.chinaaet.com/images/2015/08/14/6357518482125200009340590.png "]1H85HA)OIOF%_5~9)BOY)1.png")
分別進行覓食、群聚、追尾等行為，通過行為評價，擇優執行食物濃度較大的行為。
(7)通過擇優執行后得到人工魚向量
(i=1，…，M；t=1，…，gen-1)并更新F_best。
(8)判斷是否滿足迭代次數gen條件，若滿足，由F_best逆映射回Ck，n；否則跳轉到(6.2)。
C6在分配過程中作為判斷條件，在求出分配矩陣Ck，n(k=1，…，K；n=1，…，N)之后，本文所求問題得以解決。
3 仿真及分析
仿真時，帶寬B為10 MHz，子載波數為128，設主用戶占用中間頻帶且帶寬等于B/N，采用六徑頻率選擇性衰落信道，。
用戶隊列中分組參數設置如表1。
人工魚群算法中M=31，visual=5，try_number=5，gen=100。
圖3顯示用戶數為16時，隨著主用戶所允許干擾門限值增大，主用戶能容忍的干擾功率變大，系統性能相對變差使得系統總速率得以提高。當主用戶所允許干擾門限值比較小時，系統主要受限于干擾門限約束，隨著允許干擾門限值增加，系統總速率增大的幅度較大；當主用戶所允許干擾門限超過一定值時，系統總速率增大的幅度趨于平緩。并且當發射功率分別為-10 dB、0 dB、10 dB不斷增大時，系統總速率也隨之增大。所允許干擾門限值較小時，由于系統干擾受限，不同總發射功率對應的系統總速率的差異相對較小；隨著所允許干擾門限值增大，由于系統受限于發射功率，因此不同總發射功率時，系統總速率差異相對較大。
圖4顯示隨著用戶數增加，由于多用戶分集效應增強，系統總速率增大。當總發射功率相同時，主用戶所允許干擾門限值大的系統總速率比較大，由于隨著干擾門限的放松，即主用戶可以承受更大的干擾，認知用戶可以在不影響主用戶正常通信的前提下分得更高的功率，因此系統總速率增大；當主用戶所允許干擾門限值相同時，發射功率大的系統總速率大。
圖5顯示在特定干擾限制下（Ithp=-30 dB），當總發射功率較小時，所有算法的系統總速率隨著總發射功率增加而明顯增大；當總發射功率達到一定水平，由于系統受限于干擾功率的約束，所有算法的系統總速率趨于平緩。相比而言，文獻[8]中INT-OP算法的系統總速率大，因為INT-OP在分配子載波時綜合考慮總功率限制和干擾水平限制。而文獻[5]IFPA-NCSE算法在子載波分配時只考慮兩者之一。本文方案在同時滿足總功率和干擾限制的功率分配基礎上分配子載波，優于IFPA-NCSE算法且接近于INT-OP算法。
圖6顯示在總發射功率和干擾門限值一定(Pt=0 dB，Ithp=-20 dB)時，隨著CR用戶數增加，多用戶分集效應增強，系統總速率均呈增大趨勢。INT-OP算法（RT用戶設為5個）區分用戶為實時業務用戶和非實時業務用戶，滿足RT用戶速率要求的前提下兼顧NRT用戶之間公平性，最大化NRT用戶速率。隨著用戶數增加，非實時業務用戶占的比重增加，由于考慮非實時用戶之間的公平性，其與本文算法差距不斷增大。本文所提方案區分三種業務，根據業務優先級確定用戶的權重，合理地分配資源，以犧牲用戶間的公平性獲得最大系統總速率。
4 結論
本文在多用戶CR-OFDM系統中，采用人工魚群算法和新穎的功率分配方案進行資源分配。該方案區分數據、語音、流媒體三種業務，根據總發射功率和主用戶可容忍的干擾功率限制，采用反比例于干擾因子的方法分配功率，采用人工魚群算法分配子載波。仿真結果與分析表明，該方案在滿足對主用戶的干擾功率和總功率約束前提下，通過區分各用戶不同的業務特性，滿足混合業務用戶需求，有效地提高了系統總速率且降低了算法復雜度，其系統性能接近于最優。在CR-OFDM系統中，基于本文所提多用戶子載波功率分配算法，針對多個主用戶情景以及用戶間的公平性等有待研究。
參考文獻
[1] WEISS T A，JONDRAL F K.Spectrum pooling：An innova-tive strategy for the enhancement of spectrum efficiency[J].IEEE Commun. Mag.，2004，42(3)：S8-S14.
[2] CABRIC D，MISHRA S M，WILLKOMM D，et al.A cogni-tive radio approach for usage of virtual unlicensed spec-trum[C].Proc.14th IST Mobile Wireless Commun.Summit，Dresden，Germany，Jun，2005.
[3] YU G，Zhang Z，Chen Y，et al.Subcarrier and bit alloca-tion for OFDMA systems with proportional fairness[C].Proc.IEEE WCNC，Las Vegas，Apr.2006，vol.3：1717-1722.
[4] QIN T，LEUNG C.Fair adaptive resource allocation for multiuser OFDM cognitive radio systems[C].Proc.2ndInt.Conf.CHINACOM，Shanghai，China，Aug.2007：115-119.
[5] SAMI M，GORDON L.Interference-aware radio resource allocation in OFDMA-based cognitive radio cutworks[J].IEEE Trans. Veh. Technol.，2011，60(4)：1699-1713.
[6] ZHANG Y，LEUNG C.Resource allocation for non-real-time services in OFDM-based cognitive radio systems[J].IEEE Commun.Lett.，2009，13(1)：16-18.
[7] LI Q，LU P，YU Z，et al.Utility-based scheduling algo-rithm for multiple services in OFDM cognitive radio net-works[C].IEEE 75th Vehicular Technology Conference(VTC Spring)，May，2012.
[8] WANG S，ZHOU Z，GE M，et al.Resource allocation for heterogeneous cognitive radio networks with imperfect spec-trum sensing[J].IEEE Journal on Selected Areas in Com-munications，2013，31(3)：464-475.
[9] SURAWEERA H，SMITH P，SHAFI M.Capacity limits and performance analysis of cognitive radio with imperfect chan-nel knowledge[J].IEEE Trans.Veh.Technol.，2010，59(4)：1811-1822.
[10] WANG Y，XU W，YANG K，et al.Optimal energy-effi-cient power allocation for OFDM-based cognitive radio networks[J].IEEE Commun.Lett.，2012，16(9)：1420-1423.
[11] GOLDSMITH A J，CHUA S G.Variable-rate variable-power MQAM for fading channels[J].IEEE Trans.Commun.，1997，45(10)：1218-1230.
[12] HOU H，LI G X.Cross-layer packet dependent OFDM scheduling based on proportional fairness[J].Wseas Trans-actions on Communications，2012，11(1)：1-15.