如果>0,

………………….(10)

反之 ， 对于n=1到N*，，，………………….(11)

，………………….(12)

。………………….(13)

(4)中我们把剩余子载波N*分配给信道条件最好的用户，但是这次分配每个用户最多只能被分配一个子载波。这是为了阻止信道条件最好的用户会得到所有剩余的子载波。这种机制既提高了总的吞吐量，又达到了多种业务用户间的公平性。以上我们是假定的条件下进行的。

　　第三步 确保公平性的前提下，为每个用户分配功率，最大化系统容量;

前两步完成了用户的子载波分配，通过上面的过程我们把资源分配的问题简化为功率分配的最优化问题。我们将上面的约束条件放松为，从而得到线性方程如下矩阵描述[1]：=，其中.………………….(14)

化简得到 ………………….(15)

　　第四步 由第三步我们得到每个用户需要被分配的功率，现在我们把该用户的功率分配给该用户占用的子载波上，从而满足该用户的功率约束:

………………….(16)

其中

　　五 复杂度分析与仿真 (参考对象 ROOT-FINDING算法)

首先第一步算法确定每个用户需要分配的子载波数目，因此其复杂度为。第二步首先需要计算每个用户k在子载波n上的，对于每个用户k，计算复杂度，其次为剩余的个子载波在K个用户中选择最佳用户k，最后给剩余的N*个子载波选择最好的用户，复杂度为。第三步复杂度只有，比文献[2]中功率分配复杂度有很大提高(n越大，复杂度越有提高)。

　　利用上文推导的低复杂度算法LOWCOM,引用上文提到的仿真模型，当系统中总用户分别为4，6，8，10，12，14，16，总子载波数为100，假定系统中共有三种不同吞吐量QoS要求的业务，与文献[9]算法仿真性能相比，我们得到系统吞吐量性能比较如下图;

　　图2 两种算法系统吞吐量比较

　　可以看出本文提出的LOWCOM算法相比ROOT-FINDING算法整个系统的吞吐量性能要好。

　　公平性比较如下图

。

　　图3 两种算法得到的用户归一化速率比较

　　由归一化速率比较，我们可以看出本文提出的LOWCOM算法相比ROOT-FINDING算法整个系统的公平性性能要好。

　　六 总结

　　通过分析[2]提到的算法，我们得到一种用于多业务OFDM系统中低复杂度资源分配算法，通过仿真分析该算法性能我们得到，该算法能够满足多业务用户的吞吐量QOS要求，能够获得很大的系统总吞吐量，因为系统总是能满足高吞吐量要求的数据传输要求，但是这是在损失整个系统的公平性的代价下实现的，在以后的研究中，我们需要综合考虑时延QOS和吞吐量QOS等业务的多种QOS要求，并提高公平性的要求。

　　参考文献

　　[1]E. Lawrey, “Multiuser OFDM,” in Proc. International Symposium on Signal Processing Applications’99, vol. 2, 1999, pp. 761–764.

　　[2] Z. Shen, J. G. Andrews, and B. L. Evans, “Optimal Power Allocation in Multiuser OFDM Systems,” in Proc. IEEE Global Communications Conference, San Francisco, CA, Dec. 2003, pp. 337–341.

　　[3] H. Yin and H. Liu, “An Efficient Multiuser Loading Algorithm for OFDM-based Broadband Wireless Systems,” in Proc. IEEE Global Telecommunications Conference, vol. 1, 2000, pp. 103–107.

　　[4]孙治水 多业务多用户OFDM系统中的资源快速分配方案 电路与系统学报 2008年10月第五期

　　[5]唐志华 多用户下行OFDM 系统中的时间公平机会调度研究 电路与系统学报

　　[6]佟学俭，罗涛.OFDM移动通信技术原理与应用[M]，人民邮电出版社，北京，2003.

 2/2   首页 上一页 1 2