基于水声OFDM-NOMA系统下行链路的联合资源优化方法

摘要

本发明提出了一种水声OFDM‑NOMA下行链路联合资源优化方法，用以解决现有技术中没有可行性强的水下非正交多址网络资源分配机制的问题。首先建立基于OFDM‑NOMA的水声无线通信系统，系统部署一个基站BS以及K个锚节点，每个锚节点的信道信息状态已知；给定约束条件：基站总发射功率Pt、子载波分配的数量约束；以系统速率和为目标函数。为解决联合资源优化问题，将提出的优化问题分步完成。子载波分配采用一种较低的算法复杂度的贪婪算法，来满足该系统子载波分配的优化目标。对于功率分配，将优化目标由发射功率转化为通信速率，将功率分配模型转化为严格的凸优化问题，采用GP算法求解其最优值。本发明科学合理，算法复杂度低，适用于水下恶劣的通信环境。

说明书

技术领域

本发明属于无线通信技术领域，具体涉及一种基于水声OFDM-NOMA系统下行链路联合资源优化算法。

背景技术

水声信道被认为是最具挑战性的通信信道之一。它具有快时变、传输衰减大、通信带宽有限、多普勒效应和多径时延扩展严重、传播时延大等一系列特点。这给水下无线传感网络，尤其是物理层多用户水声通信带来很大的挑战。多用户水声通信分为上行通信以及下行通信两种模式。上行链路中，基站在同一时刻接收到不同用户的多个信号；下行链路中，基站是以广播的形式对各用户发送信号。由于基站和各用户均采用蓄电池供电，其网络寿命由蓄电池供电时长决定。此外，水声通信网络的设计目标是具备较低的能量消耗和较高的通信速率。因此，如何在恶劣的水声环境以及有限的资源前提下，合理分配带宽和能量等资源，以提高系统的通信速率，成为多用户水声通信的关键。

为了实现这个目标，无线通信中的很多技术被引入到水声通信当中。例如，正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)属于多载波调制技术之一，具有较高的频带利用率和通信速率、抗多径能力强等优点。自适应技术能够有效利用信道的信息自适应改变发射信号的参数，来适应变化的信道。在OFDM基础上引入自适应技术，控制每一个子载波上携带的能量或者比特数，能够进一步提高通信系统的性能。二者的结合能够使各自的优势在水声通信中得到充分发挥。

OFDM技术的基本原理是将无线信道划分为若干互相正交的子信道，把高速串行数据流转化为低速并行子数据流，低速并行子数据流在子信道上独立传输。多址接入技术是能够满足多个用户同时进行通信的必要手段，是无线网络中物理层的核心技术之一。随着互联网通信业务量的日益激增，为获得更高频谱效率和大规模连接，非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术应运而生。NOMA的基本思想是在发送端采用功率域复用的方式叠加发送信号，主动引入干扰信息，接收端通过串行干扰消除方法(Successive Interference Cancellation,SIC)实现正确解调，从而实现多用户复用同一块资源，提高频谱利用率。NOMA技术最大的特点是可将单一资源同时分配给多个用户。

对于传统的LTE下行链路多址接入方案OFDMA，在考虑优化通信的时候，通常做法是将子载波优先分配给信道增益较大的接收机使用，以提高通信质量。然而此种策略可能导致接收机之间的公平性缺失，通信条件好的接收机优先参与子载波的分配过程，而通信条件差的接收机可能永远无法参与通信。NOMA方案则不同，它是利用接收机之间信道质量的差异实现非正交传输增益，因此取得更高的频谱利用率和更为公平的通信。发送端用叠加编码方案作为NOMA方案时，通常选取几个信道差异较大的接收机在同一载波上进行复用，给通信条件较差的接收机分配较大的发射功率，提高它的接收信噪比；给信道条件较好的接收机分配较小的发射功率，保证其最小的通信速率。这样做的好处有两个：第一，进一步提高频谱利用率；第二，保证了接收机与基站之间公平通信。由于水下环境恶劣，实现高质量水声通信的诉求对无线通信技术而言是一项严峻的挑战。因此，采用NOMA作为多址接入是当前水声通信领域研究的热点之一。

发明内容

本发明针对目前在水下等恶劣环境中上没有可行性强的非正交多址网络资源分配机制的问题，提出一种基于非正交多址接入系统下行链路的子载波与功率联合优化算法，兼顾误码率和资源分配的公平原则，合理分配子载波资源和功率资源，提供更高的系统容量。

本发明的目的可以通过如下技术方案实现：

一种基于OFDM-NOMA系统下行链路的子载波和功率联合优化方法，所述方法可以通过以下步骤实现：

S1.建立基于水声OFDM-NOMA系统下行链路的无线网络通信系统；

S2.针对步骤S1建立的无线网络通信系统，建立系统优化模型，包括优化变量、约束条件和目标函数；

S3.针对步骤S2建立的优化模型进行求解，分步骤完成子载波分配和功率分配：运用启发式贪婪算法得到子载波分配问题的次优解，运用几何规划算法得到功率分配的最优解，最终得到联合优化模型的次优解，获得无线网络的最大通信容量。

其中基于OFDM-NOMA下行链路的水下无线通信系统包括一个基站(Base Station,BS)和K个锚节点。每个锚节点都包含一个信息接收机和能量接收机，信息接收端采用串行干扰消除(Successive Interference Cancellation,SIC)技术进行信息解调。假设系统已知锚节点反馈给基站的信道状态信息(Channel State Information,CSI)。

针对步骤S2建立的优化问题进行求解采用先进行子载波分配，再进行发射端功率分配的联合优化策略，得到联合优化的次优解。在子载波分配阶段，首先假设发射功率平均分配给所有子载波。以锚节点反馈给基站的CSI为依据，确定每个锚节点的最低通信容量。子载波依次优先分配给通信质量最好和最差的锚节点，一旦有锚节点达到了其最低通信容量，则该阶段停止分配子载波给此锚节点。如果所有锚节点都达到其最低通信容量后，还剩余子载波，则依次优先分配子载波给通信质量最好和最差的用户，并不再进行通信容量判断。子载波分配完成后，对BS发射功率进行分配。通过把优化目标由p_k,n变为R_k,n，波和功率联合优化方案。

本发明具有如下有益效果：

本发明所述的基于水声OFDM-NOMA系统下行链路联合资源优化方法，在给定基站总发射功率条件下，以锚节点对信息传递速率、两级叠加编码方案下子载波分配原则、误码率和通信公平性为约束，以最大化系统通信容量为优化目标进行建模，使用贪婪算法和几何规划算法来确定水声OFDM-NOMA下行链路系统子载波和功率分配策略，进而实现水下无线传感器网络的自适应通信。需要指出，OFDM-NOMA系统下行链路资源分配问题为非凸优化问题，属于NP-complete范畴，求解其最优值非常困难。为了求解该非凸优化问题，将提出的优化问题分为两步完成，即先完成子载波分配，再进行功率分配。子载波分配采用一种时间复杂度较低的贪婪算法，既很好得满足了各锚节点的优化目标，而且保证了一定的公平性。对于功率分配，将优化目标由发射功率p转化为通信速率R后，证实新型功率分配模型为严格的凸优化问题，然后采用凸优化常用的GP算法求解其最优值。通过以上步骤，我们将原来的NP-complete问题转化为一种时间复杂度低的优化问题。通过引入误码率约束，我们可以保证水声OFDM-NOMA下行链路系统以较低的误码率进行通信；基于一种启发式贪婪算法的子载波分配过程，引入最低通信容量，可以保证每个锚节点的最小通信速率，保证了系统的通信公平性，降低了优化算法的时间复杂度；将功率分配模型转化为一种凸优化形式后，很容易以一种低的时间复杂度算法求出功率分配模型最优解；综上，整个联合优化模型的求解，在保证每个锚节点服务质量的前提下，既提升了整个无线传感器网络通信系统的通信容量，也降低了求解过程的算法复杂度，可以满足系统在水声恶劣环境下的实时性要求。

附图说明

图1为本发明介绍的OFDM-NOMA系统模型图。

图2为本发明的整体流程图。

图3为本发明对子载波分配问题进行求解的算法流程图。

具体实施方式

为使本发明的目的、技术方案和有益效果更加清楚，下面结合具体实施例，对本发明做进一步详细说明。

如图1-3所示，本实施例提供了一种基于OFDM-NOMA下行链路的联合资源优化方法，包括以下步骤：

S1、建立基于OFDM-NOMA下行链路的水下无线通信系统。

系统包括一个BS和K个锚节点。锚节点用集合表示。每个OFDM符号包含N个有效的数据子载波，用集合表示。h_k,n和p_k,n分别是锚节点k在子载波n上的功率增益和发射功率，环境噪声为加性高斯白噪声N(0,σ²)。锚节点k在子载波n上的信道信噪比可以表示为：

采用两级叠加编码技术作为NOMA方式，每个子载波可以同时分配给两个锚节点。每个锚节点都包含一个信息接收机和能量接收机，信息接收端采用SIC技术进行信息解调，降低或消除其他用户的干扰。假设第n个子载波同时分配给第i个和第j个锚节点，并且假设H_i,n≥H_j,n，采用SIC方法进行信息解调的顺序是先解调第j个锚节点，再解调第i个锚节点。

S2、针对步骤S1建立的系统模型，建立系统优化模型，包括优化变量、约束条件和目标函数。优化变量为发射功率p_k,n和子载波分配因子b_k,n。只有当子载波n分配给锚节点k时，b_k,n＝1，否则b_k,n＝0。约束条件为基站总发射功率P_t以及NOMA系统中单一子载波同时分配给2个锚节点的数量约束。目标函数为系统容量。

假设子载波n同时分配给两个不同的锚节点k和d，并且H_d,n≥H_k,n。由于信号采用MQAM调制方式，并且水下信噪比在(0,20dB)区间内，因此，考虑误码率约束，引入信噪比差距参数：Γ＝-ln(5×BER)/1.5，于是，根据香农公式，第n个子载波上的通信速率为：

因此，系统容量为：

确定了目标函数、约束条件和优化变量后，联合资源优化(Joint ResourceAllocation,JRA)模型就可以表示为：

s.t.C1:

C2:

C3:

C4:

(注：k(d)是指k或者d)

在此联合资源优化模型中，C1和C2表示子载波分配约束，C1表示每个子载波同时分配给2个锚节点使用，C2是子载波分配因子的值的集合，即此分配因子只能取0或者1；C3和C4表示功率约束，C3是系统总发射功率约束，C4表示每个锚节点的子载波上分配的功率均不小于0。

S3、针对步骤S2建立的优化问题进行求解。我们采用先进行子载波分配，再进行发射端功率分配的联合优化策略，得到联合优化的次优解。具体包括以下步骤：

(一)、首先假设发射功率平均分配给所有子载波，锚节点反馈给BS的信道信噪比H已知。子载波分配(Subcarrier Allocation,SA)模型为：

s.t.C1:

C2:

考虑BS与各锚节点之间通信的公平性，本发明提出了一种基于容量限制的子载波分配算法(Capacity Limit Subcarrier Allocation,CLSA)。每个锚节点设置了一个最低通信容量该值的大小根据锚节点自身的信道信噪比H值确定。例如，锚节点k的最低通信容量为：

其中，η_k是锚节点k的权重因子。先用信道信噪比H求出锚节点的有效信噪比(Effective>是各锚节点在功率平均分配之后的平均通信容量。

子载波依次优先分配给通信质量最好和最差的锚节点，一旦有锚节点达到了其最低通信容量，则该阶段停止分配子载波给此锚节点。如果所有锚节点都达到其最低通信容量后，还剩余子载波，则依次优先分配子载波给通信质量最好和最差的用户，并不再进行通信容量判断。CLRA的算法流程图详见图3。

(二)、子载波分配完成后，对BS发射功率进行分配。

功率分配(Power Allocation,PA)模型为：

s.t.C3:

C4:

PA模型中，目标函数是非凸函数，因此PA模型很难求得最优解。为了将非凸优化问题转化为凸优化问题，我们把优化目标由p_k(d),n变为R_k(d),n，具体推导如下：

p_n＝p_d,n+p_k,n

我们令J_d,n＝Γ/H_d,n，J_k,n＝Γ/H_k,n，则

令R_d,n＝βp_n，R_k,n＝(1-β)p_n，其中0<β<1，则可以得到：

由上述表达式可以得到：

两个公式相结合，就可以得到：

由于于是

整理得，

综上所述，PA模型变为

s.t.C3:C4:

改进的PA模型目标函数是线性函数，约束很容易看出是凸集，因此，我们将非凸问题巧妙地转化为凸优化问题。要求解改进的PA模型，可利用几何规划算法(GeometricProgramming,GP)。最终，可以得到子载波和功率联合优化方案。因此通过本发明的算法成功解决了该问题。

本实施例中，图1是本发明考虑的水下OFDM-NOMA系统中一个基站和K个锚节点的系统模型图。在该系统中，主要考虑的技术要点包括以下部分：1)BS通过两级叠加编码方案发送数据；2)引入SIC消除部分同频干扰；3)满足每个锚节点的最低通信容量；4)优化目标函数中引入了误码率约束；5)采用一种启发式贪婪算法分配子载波；6)将优化目标由发射功率转化为通信速率，采用一种几何规划算法分配功率。

根据以上技术要点，本实施例的基于水声OFDM-NOMA系统下行链路联合资源优化方法，以最大化无线网络的通信容量为目标，使用贪婪算法和凸优化算法来确定OFDM-NOMA系统子载波和功率分配策略，进而实现水下无线传感器网络的自适应通信。需要指出，OFDM-NOMA系统下行链路资源分配问题为非凸优化问题。为了解决该非凸问题，将提出的优化问题分为两步完成，即先完成子载波分配，再进行功率分配。子载波分配采用一种时间复杂度较低的贪婪算法，既很好得满足了各锚节点的优化目标，而且保证了一定的公平性。对于功率分配，将优化目标由发射功率p转化为通信速率R后，证实新型功率分配模型为严格的凸优化问题，然后采用凸优化常用的GP算法求解其最优值，该算法相比于原始的功率分配问题而言，时间复杂度较低。整个联合优化模型的求解，在保证每个锚节点服务质量的前提下，既提升了整个无线传感器网络通信系统的通信容量，也降低了求解过程的算法复杂度，可以满足系统在水声恶劣环境下的实时性要求。

以上所述是本发明的联合资源分配方案。本发明的工作对OFDM-NOMA技术在水下恶劣环境中的应用具有良好的启发作用。