一种基于用户感受质量指标进行功率分配的方法及系统

摘要

本发明提供了一种基于用户感受质量指标进行功率分配的方法及系统，包括：网络端根据用户端需求的业务速率，对用户端的所有信道进行功率预分配；根据信道的预分配后的功率计算得到该用户端在该信道的QOE指标，通过QOE指标计算得到用户端在该信道的分配功率的步进量后，得到调整后的用户端在该信道中分配功率；网络端判断如果用户端在所述信道的分配功率的步进量大于0且小于等于预设阈值，且该用户端在所述信道中调整后的分配功率对应的用户端获得的业务速率小于等于用户端需求的业务速率，则对用户端在所述信道的功率分配为所述调整后的该用户端在该信道中分配功率。应用本发明，解决了通过QOE指标进行功率分配的问题。

说明书

技术领域

本发明涉及通信系统，尤其涉及一种基于用户感受质量指标进行功率分配的方法及系统。

背景技术

随着移动通信产业的快速发展，用户不断提高的服务需求与移动通信系统资源有限之间的矛盾日趋显著。根据资源分配的参考信息和最终目标划分，移动通信系统的资源分配方法主要可分为两类：智能调度和盲调度。智能调度需要用户提供信道状态信息(CSI，Channel State Information)，其典型的代表方法有：最大载波干扰比方法(MAX-CI)，比例公平方法(PF)，快速公平吞吐方法(FFTH)，加权公平队列(WFQ)等；盲调度仅考虑用户的某种性能参数，其典型代表方法有：轮询调度方法(RR)，最大最小公平方法(MMF)，最先超时优先方法(EDF)等。根据所分配的资源类型划分，移动通信系统的资源分配方法主要可分为：功率分配方法，天线选择方法，子载波分配方法，自适应调制方法，多资源联合分配方法等。其中功率分配方法因其具有较好的简便性和可实现性，一直是资源分配方法的研究热点之一。

以上调度方法的目标主要在于系统吞吐量的最大化或是系统公平性的最大化，抑或是两者的折中，但最大的系统吞吐量或是最大的用户公平性并不能带来最佳的用户使用感受。实际系统中，人们根据不同业务服务质量要求，提出了QOS(服务质量)指标，QOS指标从服务提供方的角度反映了服务的供给情况，但作为服务最终接受方，用户的感受却未能在QOS指标中得到体现。

用户感受质量(QOE，Quality of Experience)正逐步成为当前通信系统中各项优化方法性能评估体系中的重要指标。因此如何通过QOE进行功率分配成为当前需要解决的问题。

发明内容

本发明所要解决的技术问题是提供一种基于用户感受质量指标进行功率分配的方法及系统，解决了通过QOE指标进行功率分配的问题。

为了解决上述问题，本发明提供了一种基于用户感受质量指标进行功率分配的方法，包括：

网络端收到用户端的业务速率需求的请求信息后，根据用户端需求的业务速率，对用户端的所有信道进行功率预分配；

所述网络端根据所述用户端在所述信道的预分配后的功率计算得到该用户端在该信道的用户感受质量指标QOE指标，通过得到的该用户端在该信道的QOE指标，计算得到用户端在该信道的分配功率的步进量，根据获取的分配功率的步进量，得到调整后的所述用户端在该信道中分配功率；

所述网络端判断如果所述用户端在所述信道的分配功率的步进量大于0且小于等于预设阈值，且该用户端在所述信道中调整后的分配功率对应的用户端获得的业务速率小于等于用户端需求的业务速率，则对用户端在所述信道的功率分配为所述调整后的该用户端在该信道中分配功率。

进一步地，上述方法还可包括，所述网络端判断如果所述用户端在所述信道中调整后的分配功率小于0，则将该信道从信道激活集中删除。

进一步地，上述方法还可包括，所述网络端判断如果信道激活集中该用户端的所有信道调整后的分配功率都小于0，则将该用户端删除。

进一步地，上述方法还可包括，所述网络端判断如果所述用户端在所述信道的分配功率的步进量大于0且小于等于预设阈值，且该用户端在所述信道中调整后的分配功率对应的用户端获得的业务速率大于用户端需求的业务速率，则将该用户端的业务速率分配为所述需求的业务速率，并且不对该用户端进行功率分配。

进一步地，上述方法还可包括，所述网络端是通过以下关系对用户端i在k信道进行功率预分配

$P_{i,k}^0=\frac{R_i}{\underset{i\in I}{\Sigma }{R}_i}·\frac{1/H_{i,k}}{\underset{k\in K}{\Sigma }1/H_{i,k}}{P}_{\max },$

其中，P_max是网络端可分配的总功率，R_i为用户端i需求的业务速率，H_i，k为第i个用户端第k个信道的奇异值，I为用户激活集，K为用户信道激活集。

进一步地，上述方法还可包括，所述网络端根据所述用户端在所述信道的预分配后的功率计算得到该用户端在该信道的QOE指标，包括：

所述网络端通过以下关系得到

$r_i=\underset{k\in K}{\Sigma }{W}_i{\log }_2(1+\frac{P_{i,k}{\left|H_{i,k}\right|}^2}{W_i{\sigma }^2}),$

其中，r_i为第i个用户端获得的业务速率，P_i，k为第i个用户端在第k个信道所分得的功率，σ²为噪声功率谱密度，W_i为分配给第i个用户端的信号带宽；

所述网络端得到后，通过以下关系得到

$U_i=\frac{0.8\alpha }{0.16+0.8\ln (R_i-0.3)}\times \frac{1}{r_i-0.3},$

所述网络端得到后，通过以下关系得到μ₀：

${\mu }_0=\frac{\underset{i\in I}{\Sigma }{U}_i{W}_i}{P_{\max }+\underset{i\in I}{\Sigma }\underset{k\in K}{\Sigma }\frac{W_i{\sigma }^2}{{\left|H_{i,k}\right|}^2}}.$

进一步地，上述方法还可包括，所述网络端通过得到的所述用户端在所述信道的QOE指标，计算得到用户端在该信道的分配功率的步进量，根据获取的分配功率的步进量，得到调整后的所述用户端在该信道中分配功率，包括：

所述网络端根据得到的μ₀，通过以下关系得到P_i，k^*，根据P_i，k^*与的差值作为步进量最终得到调整后的所述用户端在该信道中分配功率为

${P_{i,k}}^{*}=[\frac{U_i{W}_i}{\mu }-\frac{W_i{\sigma }^2}{{\left|H_{i,k}\right|}^2}],$

其中，Δ∈(0，1]为步进权值。

本发明还提供了一种基于用户感受质量指标的功率分配系统，包括：接收信息模块、计算模块和控制模块，其中，

所述接收信息模块，用于接收用户端的业务速率需求的请求信息后，发送给所述计算模块；

所述计算模块，用于收到所述接收信息模块发送的所述用户端的业务速率需求的请求信息后，根据该用户端需求的业务速率，对该用户端的所有信道进行功率预分配，并根据该用户端在所述信道的预分配后的功率计算得到该用户端在该信道的用户感受质量指标QOE指标，通过得到的该用户端在该信道的QOE指标，计算得到用户端在该信道的分配功率的步进量，根据获取的分配功率的步进量，得到调整后的所述用户端在该信道中分配功率，并发送给所述控制模块；

所述控制模块，用于收到所述计算模块发送的调整后的所述用户端在该信道中分配功率后，判断如果所述用户端在所述信道的分配功率的步进量大于0且小于等于预设阈值，且该用户端在所述信道中调整后的分配功率对应的用户端获得的业务速率小于等于用户端需求的业务速率，则对用户端在所述信道的功率分配为所述调整后的该用户端在该信道中分配功率。

与现有技术相比，应用本发明，根据系统中用户QOE情况对系统功率进行分配，在最大化系统平均QOE的同时权衡了用户间QOE的关系，根据用户需求满足情况与系统功率分配情况兼顾了用户公平性，在保证用户QOE的条件下，合理的利用了有限的功率资源，实现了功率资源的按需分配。

附图说明

图1是本发明的基于用户感受质量(QOE)指标进行功率分配的方法的流程图；

图2是本发明的基于用户感受质量指标的功率分配系统的结构示意图；

图3是对本发明的方法进行性能测试与仿真中，本发明的方法、注水方法与PF方法中随用户平均信噪比的增长时，系统和容量变化的示意图；

图4是对本发明的方法进行性能测试与仿真中，本发明的方法、注水方法与PF方法中随用户平均信噪比增长时，系统平均QOE变化的示意图；

图5是对本发明的方法进行性能测试与仿真中，本发明的方法、注水方法与PF方法中不同系统功率(平均信噪比为1db)下用户数对QOE的影响的示意图；

图6是对本发明的方法进行性能测试与仿真中，本发明的方法、注水方法与PF方法中不同系统功率(平均信噪比为10db)下用户数对QOE的影响的示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步说明。

本发明将QOE(Quality of Experience，用户感受质量)指标引入多入多出(MIMO)系统的资源分配方法中，根据用户感受质量构建效用函数，并基于此效用函数提出了一种以系统平均QOE最大化为目标，兼顾用户公平性的功率分配方法。该方法利用导数迭代逼近的方法调整系统功率分配，从而获得接近最大系统平均QOE的功率分配方案。

本发明的方法联合考虑了用户的QOE和通信链路质量，使用灵活的功率分配方式，在获得最大系统平均QOE的同时，充分利用了系统的功率资源，提高了系统功率资源的利用效益。

一、QOE是指用户对服务或服务申请的综合可接受程度的主观感受，其数值通过服务层的端到端的工作情况测量获得。

用户满意度函数：

F(r)＝0.16+0.8ln(r-0.3)                    (1)

其中F(r)为用户在r速率下的用户满意度，r为用户获得速率，单位为Kbits/sec。

用户满意度函数F(r)主要反映用户感受与用户业务速率的关系，但实际中用户感受还应与用户获得速率与其需求速率之间差距相关。假设用户需求的速率为R，则

F(R)＝0.16+0.8ln(R-0.3)                (2)

F(R)即为用户需求满足时的用户满意度。若以F(R)作为用户感受质量的参考，则可通过F(r)与F(R)的比值体现用户在不同需求满足程度下的感受质量(QOE)。当用户获得的速率超过其需求时，用户不会因额外获得的速率增加满意度，对应的用户QOE也不会增加。则用户的QOE效用函数如下：

$F^{*}\left(r\right)=\left(\begin{array}{c}\alpha ·\frac{F\left(r\right)}{F\left(R\right)}······r<R\\ \alpha ··········r\ge R\end{array}\right)---\left(3\right)$

其中F^*(r)为以用户需求为参考的用户QOE，α为用户QOE的权值参数。

假设环境如下：用户需求的速率R＝4000Kbps，α＝100。经过仿真实验表明，在用户需求速率得到满足之前，用户QOE与数据速率的log函数基本呈线性关系，满足韦伯-费希纳定理的要求。当用户速率得到满足后，用户QOE不再增长，保持α的设定值100。在实际应用中随着用户获得速率由低向高逼近用户需求速率，即用户获得速率越接近需求速率，用户QOE的增长速度也就越慢。同样的，当用户获得的速率超过用户的需求，用户QOE并不提高。

二、建立MIMO系统模型，其中考虑多用户的MIMO系统下行信道。网络端(可以为基站)有N根天线，小区内用户服从随机分布。假设各个用户端与网络端之间的信道相互独立。用户端接收到的信号可用下式表示

y＝Hx+n              (4)

其中y为用户接收到的信号，H为信道矩阵，x为网络端发送的信号，n为信道噪声。将信道奇异值分解H＝U∑V^H。U和V分别为左奇异向量和右奇异向量组成的矩阵，∑为奇异值组成的对角阵。发送端发送符号s前先将其左乘奇异向量V，则接收端接收信号y＝HVs+n，根据Hermite矩阵的性质，对接收的信号左乘U^H，从而得到：

U^Hy＝U^HU∑V^HVs+U^Hn                (5)

y′＝∑s+n′                      (6)

则第i个用户接收的信号为：

y′_i＝∑_i，is_i+n′_i               (7)

假设用户端的信道奇异值在一个时隙内不变，在时隙间快变。每个时隙T的开始时刻，用户端向网络端发送各自的CSI(Channel Status Information信道状态信息)，网络端可以根据时隙初用户CSI信息对此时隙内的无线资源进行分配。

三、建立QOE的功率分配的效用模型

基于最大系统平均QOE的功率分配方法(简称为MAX-QOE)可归结为最大用户QOE之和的问题。假设发送端与接收端使用理想的预编码方法和检测方法，各用户间的信道独立。各信道为独立同分布瑞利信道。

$\max \underset{i\in I}{\Sigma }{F}^{*}\left(r_i\right)---\left(8\right)$

$\underset{i\in I}{\Sigma }\underset{k\in K}{\Sigma }{P}_{i,k}\le P_{\max }---\left(9\right)$

$r_i=\underset{k\in K}{\Sigma }{W}_i{\log }_2(1+\frac{P_{i,k}{\left|H_{i,k}\right|}^2}{W_i{\sigma }^2})---\left(10\right)$

公式(10)中r_i为第i个用户获得的业务速率，H_i，k为第i个用户第k个信道的奇异值，P_i，k为第i个用户在第k个信道所分得的功率，σ²为噪声功率谱密度，I为用户激活集，K为用户信道激活集。W_i为分配给第i个用户的信号带宽，其中公式(8)展开可得：

$\max \underset{i\in I}{\Sigma }{F}^{*}\left(r_i\right)=\max \underset{i\in I}{\Sigma }\alpha ·\frac{0.16+0.8\ln (r_i-0.3)}{0.16+0.8\ln (R-0.3)}---\left(11\right)$

合并公式(10)和公式(11)式可得：

$\max \underset{i\in I}{\Sigma }\alpha ·\frac{0.16+0.8\ln (\underset{k\in K}{\Sigma }{W}_i{\log }_2{(1+\frac{P_{i,k}{\left|H_{i,k}\right|}^2}{W_i{\sigma }^2})}_i-0.3)}{0.16+0.8\ln (R-0.3)}---\left(12\right)$

与公式(8)结合可看出类似为注水问题，但式中嵌套了两级log函数，无法直接对其使用拉格朗日乘子法进行求解，因此考虑通过导数迭代的方式对最佳结果进行逼近。

设在时隙初始时刻对每个用户预分配功率为，则用户对应的速率可表示为，则有：

$\max \underset{i\in I}{\Sigma }{F}^{*}\left(r_i\right)\iff \max [\underset{i\in I}{\Sigma }{F}^{*}\left(r_i\right)-\underset{i\in I}{\Sigma }{F}^{*}\left(r_i^0\right)]$

$\approx \max \left[\frac{\underset{i\in I}{\Sigma }{F}^{*}\left(r_i\right)-\underset{i\in I}{\Sigma }{F}^{*}\left(r_i^0\right)}{r_i-r_i^0}\right]\times (r_i-r_i^0)$

$\approx \max \underset{i\in I}{\Sigma }\frac{\partial F^{*}\left(r_i\right)}{{\partial r}_i}{|}_{r_i=r_i^{*}}\times (r_i-r_i^0)$

$\iff \max \underset{i\in I}{\Sigma }\frac{{\partial F}^{*}\left(r_i\right)}{{\partial r}_i}{|}_{r_i=r_i^0}\times r_i---\left(13\right)$

由公式(13)可见，将效用函数的最大化目标化为了F^*(r_i)关于r_i的偏导与r_i的乘积。因为在推得式公式(13)时利用了导数的定义，则越大，推导的造成的误差也就越大，故在流程设计中须考虑减小此误差造成的影响。假设

$\frac{{\partial F}^{*}\left(r_i\right)}{{\partial r}_i}{|}_{r_i=r_i^0}=U_i---\left(14\right)$

由公式(7)与公式(14)式可得：

$U_i=\frac{0.8\alpha }{0.16+0.8\ln (R_i-0.3)}\times \frac{1}{r_i-0.3}---\left(15\right)$

公式(13)可化为

$\max \underset{i\in I}{\Sigma }{U}_i{r}_i---\left(16\right)$

将公式(16)与公式(9)和公式(10)结合，如下：

$\max \underset{i\in I}{\Sigma }\underset{k\in K}{\Sigma }{U}_i{W}_i{\log }_2(1+\frac{P_{i,k}{\left|H_{i,k}\right|}^2}{W_i{\sigma }^2})$

约束条件：$\underset{i\in I}{\Sigma }\underset{k\in K}{\Sigma }{P}_{i,k}\le P_{\max }$

此时可用拉格朗日法进行求解，求得：

${P_{i,k}}^{*}=[\frac{U_i{W}_i}{\ln 2}\times \frac{1}{\lambda }-\frac{W_i{\sigma }^2}{{\left|H_{i,k}\right|}^2}]---\left(17\right)$

其中[x]⁺表示max(0，x)，λ是拉格朗日因子。并且设λln 2＝μ，则公式(17)化为

${P_{i,k}}^{*}=[\frac{U_i{W}_i}{\mu }-\frac{W_i{\sigma }^2}{{\left|H_{i,k}\right|}^2}]---\left(18\right)$

可以看出这是功率分配中类似注水方法的形态。其中变量μ的初值设定通过下式获得，令可得

${\mu }_0=\frac{\underset{i\in I}{\Sigma }{U}_i{W}_i}{P_{\max }+\underset{i\in I}{\Sigma }\underset{k\in K}{\Sigma }\frac{W_i{\sigma }^2}{{\left|H_{i,k}\right|}^2}}---\left(19\right)$

如图1所示，本发明的基于用户感受质量(QOE)指标进行功率分配的方法，包括以下步骤：

步骤110、网络端收到用户端的业务速率需求的请求信息后，根据用户端需求的业务速率，对用户端的所有信道进行功率预分配；

$P_{i,k}^0=\frac{R_i}{\underset{i\in I}{\Sigma }{R}_i}·\frac{1/H_{i,k}}{\underset{k\in K}{\Sigma }1/H_{i,k}}{P}_{\max }$

其中，P_max是网络端可分配的总功率，R_i为用户端i需求的业务速率，H_i，k为第i个用户端第k个信道的奇异值，I为用户激活集，K为用户信道激活集。

步骤120、网络端根据用户端在所述信道的预分配后的功率计算得到该用户端在该信道的QOE指标，通过用户端在该信道的QOE指标，计算得到用户端在该信道的分配功率的步进量，根据获取的分配功率的步进量，得到调整后的所述用户端在该信道中分配功率；

将带入公式(10)中获得再将r_i带入公式(15)中得到随后根据公式(19)算得μ₀，将μ₀带入公式(18)中得到

根据与的差值作为步进量其中Δ∈(0，1]为步进权值。每次迭代都根据P_i，k^*与的差值，以为基础增减。当P_i，k^*与的差值大时，分配功率的调整步长变大，可以有效的减少迭代的次数。当P_i，k^*与的差值小时，分配功率的调整步长变小，确保最终收敛结果的精确性。

网络端更新

其中，网络端判断如果所述用户端在所述信道中调整后的分配功率小于0，则将该信道从信道激活集中删除。网络端判断如果信道激活集中该用户端的所有信道调整后的分配功率都小于0，则将该用户端删除。

网络端判断的数值。如果则将对应第i个用户第k个信道从信道激活集K中删除。如对应所有k个信道的都小于0，则将用户i删除。

步骤130、网络端判断如果用户端在所述信道的分配功率的步进量小于等于预设阈值，且该用户端在所述信道中调整后的分配功率对应的用户获得的业务速率大于用户端需求的业务速率，则将该用户端的业务速率分配为所述需求的业务速率，并且不对该用户端进行功率分配，返回步骤120；网络端判断如果用户端在所述信道的分配功率的步进量小于等于预设阈值，且该用户端在所述信道中调整后的分配功率对应的用户获得的业务速率小于等于用户端需求的业务速率，则对用户端在所述信道的功率分配为所述调整后的该用户端在该信道中分配功率；否则返回步骤120。

网络端判断如果并且对应的用户速率r_i＞R_i，则将其速率分配为r_i＝R_i，并且其不再参与功率分配，返回步骤120。如果并且所有对应的用户速率r_i≤R_i，则将作为最终的功率分配结果，否则返回步骤120。

如图2所示，本发明的基于用户感受质量指标的功率分配系统，包括：接收信息模块、计算模块和控制模块，其中，

所述接收信息模块，用于接收用户端的业务速率需求的请求信息后，发送给所述计算模块；

所述计算模块，用于收到所述接收信息模块发送的所述用户端的业务速率需求的请求信息后，根据该用户端需求的业务速率，对该用户端的所有信道进行功率预分配，并根据该用户端在所述信道的预分配后的功率计算得到该用户端在该信道的用户感受质量指标QOE指标，通过得到的该用户端在该信道的QOE指标，计算得到用户端在该信道的分配功率的步进量，根据获取的分配功率的步进量，得到调整后的所述用户端在该信道中分配功率，并发送给所述控制模块；

所述控制模块，用于收到所述计算模块发送的调整后的所述用户端在该信道中分配功率后，判断如果所述用户端在所述信道的分配功率的步进量大于0且小于等于预设阈值，且该用户端在所述信道中调整后的分配功率对应的用户端获得的业务速率小于等于用户端需求的业务速率，则对用户端在所述信道的功率分配为所述调整后的该用户端在该信道中分配功率。

所述控制模块，还用于判断如果所述用户端在所述信道中调整后的分配功率小于0，则将该信道从信道激活集中删除；判断如果信道激活集中该用户端的所有信道调整后的分配功率都小于0，则将该用户端删除；判断如果所述用户端在所述信道的分配功率的步进量大于0且小于等于预设阈值，且该用户端在所述信道中调整后的分配功率对应的用户端获得的业务速率大于用户端需求的业务速率，则将该用户端的业务速率分配为所述需求的业务速率，并且不对该用户端进行功率分配。

所述计算模块是通过以下关系对用户端i在k信道进行功率预分配

$P_{i,k}^0=\frac{R_i}{\underset{i\in I}{\Sigma }{R}_i}·\frac{1/H_{i,k}}{\underset{k\in K}{\Sigma }1/H_{i,k}}{P}_{\max },$

其中，P_max是网络端可分配的总功率，R_i为用户端i需求的业务速率，H_i，k为第i个用户端第k个信道的奇异值，I为用户激活集，K为用户信道激活集；

所述计算模块根据所述用户端在所述信道的预分配后的功率计算得到该用户端在该信道的QOE指标，是指：

所述计算模块是通过得到后，通过得到后，通过得到μ₀，

其中，r_i为第i个用户端获得的业务速率，P_i，k为第i个用户端在第k个信道所分得的功率，σ²为噪声功率谱密度，W_i为分配给第i个用户端的信号带宽；

所述计算模块得到调整后的所述用户端在该信道中分配功率，是指：

所述计算模块根据得到的μ₀，通过得到P_i，k^*，根据P_i，k^*与的差值作为步进量最终得到调整后的所述用户端在该信道中分配功率为其中，Δ∈(0，1]为步进权值。

本发明的基于最大QOE的MIMO系统功率分配方法，设计目标是在最大化系统平均QOE同时兼顾系统容量性能和用户公平性，引入效用函数刻画用户QOE指标与分配资源的关系。该效用函数综合考虑了用户需求与信道质量的因素，优先将资源分配给速率需求高且信道质量好的用户，在提高用户QOE指标的同时，减少了系统吞吐量的损失，同时兼顾了用户间的公平性。在多用户MIMO系统中，传统方法未能充分反映系统资源分配情况与用户QOE的关系，本发明的方法将用户QOE效用函数作为连接服务层用户QOE与物理层发射功率的桥梁，并根据用户QOE指标对用户信道进行功率分配。本发明的方法首先将效用函数引入经典的注水方法，因效用函数的引入，注水方法无法直接使用拉格朗日法进行求解，因此通过导数迭代逼近的方式获得接近最优解的功率分配结果。

下面进一步描述了本发明的方法进行性能测试与仿真的过程和结果。

为了评估本发明的方法(MAX-QOE方法)的性能，两个比较方法分别为理论上系统容量最大化的注水方法与公认拥有极佳公平性的比例公平方法(PF方法)。仿真条件设置为，基站端8根发送天线，用户移动台端1根接收天线，用户数为8，用户需求分别设为[1400，1400，1400，1400，7200，7200，7200，7200](Kbps)。信道为非频率选择性衰落信道(假设经过正交频分复用等技术平坦化)，用户带宽为10MHz，用户接收端使用理想的检测方法，各用户间的信道独立。每个用户仅有一个业务需求，且在整个调度过程中用户需求不变。

图3是随用户平均信噪比的增长，系统和容量的变化。由图3可见，在平均信噪比较低时，大部分用户的需求无法得到满足，本发明的方法在接近最大系统平均QOE的同时保证了系统和容量接近注水方法，确保了系统有限功率的高效应用。随着平均信噪比的增长，本发明的方法的系统和容量与注水方法差距拉大而靠近PF方法，因为此时用户需求逐步得到满足，本发明的方法对需求满足的用户不再分配功率，倾向于将多余功率分配给尚未达到容量需求的用户，即随着总能量的增加，本发明的方法逐步侧重于公平性。

图4是随用户平均信噪比增长，系统平均QOE的变化。由图4可见，本发明的方法的系统QOE一直高于上述两种比较方法，并且随着平均信噪比的升高其增长速率减缓。因为平均信噪比升高过程中，信道条件好的用户逐步获得满足其需求的功率资源，系统将更多功率资源分配给信道条件差且需求尚未满足的用户，因为此类用户消耗功率多而获得的容量提升小，所以对应的QOE增长的速率逐步变缓。PF方法的系统平均QOE与平均信噪比的增长几乎呈线性变化，体现出了其资源分配的公平性，而随着平均信噪比的增加，功率资源愈发充足，其系统平均QOE逐渐逼近注水方法与本发明的方法。

图5和图6中系统总功率设定为8个用户时系统达到图中标示的平均信噪比时所需的总功率。从图5可以看出，当系统总功率较低时，随着用户数增加，更多的用户需求无法得到满足，本发明的方法将有限的功率按照用户的需求与用户的信道状态进行分配，保证功率的合理利用，而注水方法没有考虑用户需求，随着用户数增加，系统功率供不应求情况加重，其系统平均QOE值与本发明的方法差距拉大。而图6中系统总功率较充足，随着用户数增加，注水方法与本发明的方法的差距拉大不明显。对比两图，随着系统总功率的增加，用户需求更加容易满足，因此注水方法与本发明的方法的差距变小。而PF方法作为公平性方法，系统的整体性能指标落后于两方法，但随着系统总功率的增加，其系统平均QOE值与另外两方法的差距逐渐减小。

上述仿真结果表明，本发明的方法根据系统中用户QOE情况对系统功率进行分配，在最大化系统平均QOE的同时权衡了用户间QOE的关系，根据用户需求满足情况与系统功率分配情况兼顾了用户公平性，在保证用户QOE的条件下，合理的利用了有限的功率资源，实现了功率资源的按需分配。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。