第四代蜂窝系统中基于小滤变换的下行链路资源调度方法

摘要

第四代蜂窝系统中基于小滤变换的下行链路资源调度方法包括基于小滤的正交频分复用调制，下行链路资源调度和分配，基于小滤的正交频分复用解调等过程。信号经过串/并变换器、信源编码器、离散小滤反变换器件、并/串变换器、数/模变换器、上变频设备后完成基于小滤的正交频分复用调制；调制后可获得下行信号时域和频域信息，根据时域、频域信息及信道空闲情况进行时域和频域资源的调度和分配，此过程在包调度器中完成；调度后的信号在信道中传输，分别通过下变频设备、模/数变换器、串/并变换器、离散小滤变换器件、均衡器、译码判决器、并/串变换器完成基于小滤的正交频分复用解调过程，一个完整的下行链路过程便完成了。

说明书

技术领域

本发明利用了小滤变换能同时获取信号时域和频域特性，对子信道使用离散小滤 反变换进行调制以获得各子信道间的正交性，应用于第四代蜂窝系统中下行链路资源 的调度和分配。

背景技术

传统的信号理论建立在傅里叶分析基础上，傅里叶变换作为一种全局性的变换， 有一定的局限性。在实际应用中，人们对傅里叶变换进行各种改进，小波变换由此产 生了。小波变换与傅里叶变换相比，是一个时域和频域的局部变换，因而能够有效地 从信号中提取信息，通过伸缩和平移等运算对函数或信号进行多尺度细化分析，解决 了许多傅里叶变换不能解决的问题。在谐波分析中，小滤变换是一种新兴的方法，其 在图像复原、去噪、压缩方面有很理想的效果，能够很好的处理信号边缘的奇点，更 好地获取信号的时域和频域信息。

先进的信号处理技术使得一个衰落信道上数据的传送被变换成较大数目的子信 道数据流的并行传送，其中每个子信道可被视为一个单位衰落信道。各个子信道之间 必须相互正交，若子信道间的正交性是通过小滤变换获得的(即分别使用离散小滤反 变换和离散小滤变换替代IFFT和FFT)，则该调制称为基于小滤的正交频分复用 (Orthogonal Ripplet Division Multiplexing，ORDM)。第四代蜂窝系统传输项目的核 心是共享信道，即用户动态地共享时域和频域资源，换句话说，第四代蜂窝系统的调 度不仅要考虑时域中的信道变化，还要考虑到频域。分配给用户的资源越多，需要越 高的调制(例如16-QAM，64-QAM)，速率越高。该理论在解决宽带信道中由于信 道传播时延远大于单位ORDM符号传输时间引起的码间干扰十分有效。

发明内容

技术问题：本发明的目的是有效实现第四代蜂窝系统中的下行链路资源的调度和 分配，使得该多用户系统在保证服务质量的同时兼顾用户间的公平性问题。

技术方案：本发明是一种基于小滤变换的下行链路资源调度和分配方法，应用于 第四代蜂窝系统。它包括基于小滤的正交频分复用调制，下行链路资源调度，基于小 滤的正交频分复用解调等过程。基于小滤的正交频分复用调制可得到下行信号时域和 频域信息，根据时频信息及信道空闲情况进行资源调度，调度后的信号在信道中传输， 再经过基于小滤的正交频分复用解调便完成了整个下行链路过程。

其中，基于小滤的正交频分复用调制过程由6个模块实现：串/并变换器、信源编 码器、离散小滤反变换器件、并/串变换器、数/模变换器、上变频设备；包括以下6 个步骤：

11)串/并变换：输入的信号通过串/并变换器变换成为表示相同信息的一组并行 信号，

12)编码映射：并行信号通过信源编码器，完成信号码元的编码，

13)离散小滤反变换：对编码后的信号进行离散小滤反变换进行基于小滤的正交 频分复用调制，该过程由相应的离散小滤反变换器件完成，

14)并/串变换：离散小滤反变换后的信号通过并/串变换器将并行信号变换成为 表示相同信息的一个相应的串行信号，

15)数/模变换：串行信号通过数/模变换器变换成模拟信号输出，

16)上变频：模拟信号输入变频设备转换成具有更高频率的适合传输的信号；

下行链路资源调度过程在包调度器中完成，此过程包括以下两个步骤：

21)时域调度：由时域调度器完成，该器件根据不同用户的优先级高低，选中γ个 优先级较高的用户提交给频域调度器，其中γ是时域调度器的一个参数，表示被选中 的用户数；

22)频域调度：由频域调度器完成，该器件通过实现频域资源分配算法，将当前 信道中M个处于空闲状态的物理资源块分配给来自时域调度器γ个用户，这里，M是 频域调度器的一个可变参数，表示当前信道处于空闲状态的物理资源块数；

基于小滤的正交频分复用解调过程由7个模块实现：下变频设备、模/数变换器、 串/并变换器、离散小滤变换器件、均衡器、译码判决器、并/串变换器；包括以下7 个步骤：

1)下变频：上变频后的传输信号输入变频设备转换成适合处理的低频信号，

2)模/数变换：低频模拟信号通过模/数变换器变换成数字信号输出，

3)串/并变换：数字信号通过串/并变换器变换成为表示相同信息的一组并行信号，

4)离散小滤变换：与离散小滤反变换互为逆过程，将基于小滤的正交频分复用调 制过程中通过小滤反变换得到的信号进行小滤变换，实现基于小滤的正交频分复用解 调，该过程由离散小滤变换器件完成，

5)均衡：均衡器根据信道特性产生与信道相反的特性，用来抵消信道的时变 多径传播特性引起的码间干扰，即消除信道的频率和时间的选择性，

6)译码判决：对均衡后的码字进行判决，去除扰码，在译码判决器中完成，

7)并/串变换：译码判决后的信号通过并/串变换器将并行信号变换成为表示相同 信息的一个相应的串行信号。

有益效果：本发明提出了第四代蜂窝系统中基于小滤变换的下行链路资源调度和 分配，在时域根据用户优先级高低分配，在频域引入了比例公平效用函数，使得系统 中时域和频域资源能够在用户之间动态地共享，保证了一定的服务质量的同时而又不 失公平性，从而达到一种动态的优化均衡。

附图说明

图1是基于小滤变换的下行链路资源调度和分配方法原理框图。

图2是基于ORDM的第四代蜂窝系统下行物理资源块。

图3是分配资源块给首次传输和重传用户时，频域调度器使用的调度机制。

具体实施方式

本发明是一种基于小滤变换的下行链路资源调度和分配方法，应用于第四代蜂窝 系统。它包括基于小滤的正交频分复用调制，下行链路资源调度，基于小滤的正交频 分复用解调等过程。基于小滤的正交频分复用调制可得到下行信号时域和频域信息， 根据时频信息及信道空闲情况进行资源调度，调度后的信号在信道中传输，再经过基 于小滤的正交频分复用解调便完成了整个下行链路过程。

其中，基于小滤的正交频分复用调制过程由6个模块实现：串/并变换器、信源编 码器、离散小滤反变换器件、并/串变换器、数/模变换器、上变频设备；包括以下6 个步骤：

11)串/并变换：输入的信号通过串/并变换器变换成为表示相同信息的一组并行 信号，

12)编码映射：并行信号通过信源编码器，完成信号码元的编码，

13)离散小滤反变换：对编码后的信号进行离散小滤反变换进行基于小滤的正交 频分复用调制，该过程由相应的离散小滤反变换器件完成，

14)并/串变换：离散小滤反变换后的信号通过并/串变换器将并行信号变换成为 表示相同信息的一个相应的串行信号，

15)数/模变换：串行信号通过数/模变换器变换成模拟信号输出，

16)上变频：模拟信号输入变频设备转换成具有更高频率的适合传输的信号；

下行链路资源调度过程在包调度器中完成，此过程包括以下两个步骤：

21)时域调度：由时域调度器完成，该器件根据不同用户的优先级高低，选中γ个 优先级较高的用户提交给频域调度器，其中γ是时域调度器的一个参数，表示被选中 的用户数；

22)频域调度：由频域调度器完成，该器件通过实现频域资源分配算法，将当前 信道中M个处于空闲状态的物理资源块分配给来自时域调度器γ个用户，这里，M是 频域调度器的一个可变参数，表示当前信道处于空闲状态的物理资源块数；

基于小滤的正交频分复用解调过程由7个模块实现：下变频设备、模/数变换器、 串/并变换器、离散小滤变换器件、均衡器、译码判决器、并/串变换器；包括以下7 个步骤：

1)下变频：上变频后的传输信号输入变频设备转换成适合处理的低频信号，

2)模/数变换：低频模拟信号通过模/数变换器变换成数字信号输出，

3)串/并变换：数字信号通过串/并变换器变换成为表示相同信息的一组并行信号，

4)离散小滤变换：与离散小滤反变换互为逆过程，将基于小滤的正交频分复用调 制过程中通过小滤反变换得到的信号进行小滤变换，实现基于小滤的正交频分复用解 调，该过程由离散小滤变换器件完成，

5)均衡：均衡器根据信道特性产生与信道相反的特性，用来抵消信道的时变 多径传播特性引起的码间干扰，即消除信道的频率和时间的选择性，

6)译码判决：对均衡后的码字进行判决，去除扰码，在译码判决器中完成，

7)并/串变换：译码判决后的信号通过并/串变换器将并行信号变换成为表示相 同信息的一个相应的串行信号。

离散小滤变换(DISCRETE RIPPLET TRANSFORM，DRT)：与小波变换的定 义类似，小滤变换的构造基于小滤函数项。小滤函数定义为

${\rho }_{a\overrightarrow{b}\theta }\left(\overrightarrow{x}\right)={\rho }_{a\overrightarrow{0}0}\left(R_{\theta }(\overrightarrow{x}-\overrightarrow{b})\right)$

其中为小滤函数项，$R_{\theta }=\left(\begin{array}{cc}\cos \theta & \sin \theta \\ -\sin \theta & \cos \theta \end{array}\right)$为旋转矩阵，则频域的小滤函数 项为

${\hat{\rho }}_a(r,\omega )=\frac{1}{\sqrt{c}}{a}^{\frac{1+d}{2d}}W(a·r)V(\frac{a^{\frac{1}{d}}}{c·a}·\omega )$

其中是的傅里叶变换，W(r)是区间[1/2，2]的“极径窗口”，V(ω) 是区间[-1，1]的“极角窗口”。极径窗口和极角窗口将极频域分割成“楔子”形状。

对于2维可积函数连续小滤变换定义为与小滤函数项的内积

$R(a,\overrightarrow{b},\theta )=<f,{\rho }_{a\overrightarrow{b}\theta }>=\int f\left(\overrightarrow{x}\right)\overline{{\rho }_{a\overrightarrow{b}\theta }\left(\overrightarrow{x}\right)}\overrightarrow{\mathrm{dx}}$

其中为小滤系数。连续小滤变换只能捕捉在高频带的特性，为了 保证小滤变换的完整性，我们需要利用小滤变换的个态历经性来表示低频信息。

令f∈L²为一个高频函数，这意味着|ω|＜2/a₀时其傅里叶变换为0且a₀为一常量。 f可以通过小滤变换重构

$f\left(\overrightarrow{x}\right)=\int R(a,\overrightarrow{b},\theta ){\rho }_{a\overrightarrow{b}\theta }\left(\overrightarrow{x}\right)\mathrm{dad}\overrightarrow{b}\mathrm{d\theta }/d^3$

f需满足Parseval公式${\left|\right|f\left|\right|}_{L_2}^2=\int {\left|R(a,\overrightarrow{b},\theta )\right|}^2\mathrm{dad}\overrightarrow{b}\mathrm{d\theta }/a^3.$

连续小滤变换的离散化基于小滤参数的离散化。缩放参数a在矢区间采样，位置 参数b和旋转参数θ在等距区间采样。参数分别用离散参数替代，这些 离散参数需满足

其中(·)^T表示向量的转置，j，k₁，k₂，l∈□。参数d可取任意实数，由 于任何实数可由有理数逼近，故我们可取d＝n/m，n，m≠0∈□，通常我们希望n，m∈N， 且n，m为素数。小滤函数对应的频域响应为

其中W和V在给定c，d，j情况下需满足

频域中小滤函数对应的“楔”为

在离散情况下，我们可以更好地理解参数c，d：参数c控制着高频带的方向数， 参数d控制着这些方向如何跨带变化。若给定参数c，参数d辅助控制每个高频带的 方向；若给定参数d，参数c控制着高频带的方向总数。参数c，d最终共同决定每个 频带的方向数。

M×N空间内，函数f(n₁，n₂)的离散小滤变换形式

$R_{j,\overrightarrow{k},l}=\underset{n_1=0}{\overset{M-1}{\Sigma }}\underset{n_2=0}{\overset{N-1}{\Sigma }}f(n_1,n_2)\overline{{\rho }_{j,\overrightarrow{k},l(n_1,n_2)}}$

其中为小滤系数。

函数f(n₁，n₂)可通过离散小滤反变换(Inverse Discrete Ripplet Transform，IDRT) 重构

$\tilde{f}(n_1,n_2)=\underset{j}{\Sigma }\underset{k}{\Sigma }\underset{l}{\Sigma }{R}_{j,\overrightarrow{k},l}{\rho }_{j,\overrightarrow{k},l}(n_1,n_2).$

信道模型：假定一个ORDM无线网络由一个发射机(基站)和γ个用户(用υ标 记)组成。其中基站发送数据是N个并行传输的，子信道间是独立的且满足一定的服 务质量，每个子载波的带宽尽可能小于信道的相干带宽从而可以克服频率选择性衰落 造成的码间干扰。在时域利用时分复用(TDM)技术，将T_slot＝0.5ms划分成I个时隙， 每个时隙为一个单位的ORDM符号，因此，我们一共有的N×I个基本资源项。

在时隙i和子载波n上的标准化的用户通道增益为g_υni，(n，i)资源块分配给υ用户 的功率满足基站的功率限制：

${\Sigma }_{\upsilon =1}^{\gamma }{\Sigma }_{n=1}^N{\Sigma }_{i=1}^I{\int }_0^{\infty }{P}_{\mathrm{\upsilon ni}}\left(g_{\mathrm{\upsilon ni}}\right)p\left(g_{\mathrm{\upsilon ni}}\right){\mathrm{dg}}_{\mathrm{\upsilon ni}}\le P^{\mathrm{total}}$

其中P_υni(g_υni)为资源块(n，i)的基站功率约束，p(g_υni)(g_υni＝h[l]²)为信道增 益的概率密度函数，P^total为总发射功率约束。

x_υni为资源块(n，i)被分配给用户υ的比例，资源块的这部分至多只能分配给一个 用户，故有

接收到的信号，即信道的输出为：r(t)＝s(t)*h(t)+n(t)

$r\left(t\right)=\underset{l=0}{\overset{L-1}{\Sigma }}{\alpha }_{l}s(t-{\tau }_l)*h\left(t\right)+n\left(t\right)$

其中s(t)为发射信号，*为卷积符号，h(t)为物理信道，α_l为通道增益，τ_l为通 道时延，n(t)为加性高斯白噪声。

假设发送经过一个有L路子信道(h[l]＝{h[0]，h[1]，…，h[L-1]})的信道发射一列 信号(s[l]＝{s[0]，s[1]，…，s[L-1]})由上式，可得输出信号：$r\left[t\right]=\underset{l=0}{\overset{L-1}{\Sigma }}h\left[l\right]s[n-l]+\upsilon \left(t\right),$经过采样后便得r[n]。

通常我们假设多径信道在一个信号间隔内保持不变。

下行链路资源调度和分配：γ用户的多用户系统(用υ标记)，子信道和时隙相 互独立，用户υ在整个频域带宽B＝N×B_n(B_n是子载波n的带宽)和I个时隙上的总 平均数据速率等于该用户在每个资源块上平均数据速率之和：${\bar{R}}_{\upsilon }=\underset{n=1}{\overset{N}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}{\bar{R}}_{\mathrm{\upsilon ni}}.$推导可 得到：${\bar{R}}_{\mathrm{ni}}={\int }_0^{\infty }{x}_{\mathrm{\upsilon ni}}{B}_n{\log }_2\left(\frac{\mathrm{\alpha h}{\left[l\right]}^2}{\mathrm{\lambda In}\left(2\right)}\right)p\left(h{\left[l\right]}^2\right)\mathrm{dh}{\left[l\right]}^2,$其中α为一个常量并满足用户的误 码率(BER)要求，可表示为M进制正交幅度调制(M-QAM)信号的香农容量的信 噪比(SNR)差额，记α＝1.5/(-In(5·BER))

定义拉格朗日乘子λ为：${\lambda }^{*}=\frac{4\mathrm{\alpha h}{\left[l\right]}^2}{\frac{{\left(N_T\mathrm{\alpha h}{\left[l\right]}^2{P}_{\mathrm{ni}}^{\mathrm{total}}\right)}^2}{\left(B_n\right)}-\mathrm{\alpha h}{\left[l\right]}^2{P}_{\mathrm{ni}}^{\mathrm{total}}-2}$

其中N_T为总噪声功率谱密度，为资源块(n，i)的总发射功率限制。

在多用户系统中，从用户的角度，用户间的公平性(即时域调度器算法的公平性) 跟服务质量一样重要，因为这事关终端用户请求在无线系统中的运行。比例公平的效 用函数用来达到系统容量(对应于时域调度器的参数N)和γ用户间的公平性平衡， 表达式为由于log₂(·)为凹函数，当(用户υ的平均数据速率) 很小时将有很大的惩罚。因此，调度必须避免用户只获得很小的吞吐量，对于同样吞 吐量差异Δ，低吞吐量用户的惩罚要比高吞吐量用户的惩罚大得多。该改比例公平效 用函数的优化问题可以表示为：

$\max \underset{\upsilon =1}{\overset{\gamma }{\Sigma }}{\log }_2\left(\underset{n=1}{\overset{N}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}{\bar{R}}_{\mathrm{\upsilon ni}}\right),$

$s.t.\underset{\upsilon =1}{\overset{\gamma }{\Sigma }}\underset{n=1}{\overset{N}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}{\int }_0^{\infty }{P}_{\mathrm{\upsilon ni}}\left(h{\left[l\right]}^2\right)p\left(h{\left[l\right]}^2\right)\mathrm{dh}{\left[l\right]}^2\le P^{\mathrm{total}},$

$\underset{\upsilon =1}{\overset{\gamma }{\Sigma }}{x}_{\mathrm{\upsilon ni}}\le 1,$

该优化问题的拉格朗日增广函数可表示为：

$J(P_{\mathrm{\upsilon ni}}\left(h{\left[l\right]}^2\right),x_{\mathrm{\upsilon ni}},\lambda ,{\mu }_n)=\underset{j=1}{\overset{\gamma }{\Sigma }}{\log }_2\left[\underset{n=1}{\overset{N}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}{x}_{\mathrm{\upsilon ni}}{\int }_0^{\infty }{B}_n{\log }_2(1+\alpha \frac{h{\left[l\right]}^2{P}_{\mathrm{\upsilon ni}}\left(h{\left[l\right]}^2\right)}{x_{\mathrm{ni}}{B}_n})p\left(h{\left[l\right]}^2\right)\mathrm{dh}{\left[l\right]}^2\right]$

$+\lambda [\underset{\upsilon =1}{\overset{\gamma }{\Sigma }}\underset{n=1}{\overset{N}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}{\int }_0^{\infty }{P}_{\mathrm{\upsilon ni}}\left(h{\left[l\right]}^2\right)p\left(h{\left[l\right]}^2\right)-\mathrm{dh}{\left[l\right]}^2-P^{\mathrm{total}}]+\underset{n=1}{\overset{N}{\Sigma }}{\mu }_n(1-\underset{j=1}{\overset{\gamma }{\Sigma }}{x}_{\mathrm{\upsilon ni}})$

在给定x_υni，λ，μ的最优P_υni(h[l]²)：

$\frac{\partial J(P_{\mathrm{\upsilon ni}}\left(h{\left[l\right]}^2\right),x_{\mathrm{\upsilon ni}},\lambda ,\mu )}{\partial P_{\mathrm{\upsilon ni}}\left(h{\left[l\right]}^2\right)}=0\Rightarrow {P^{*}}_{\mathrm{\upsilon ni}}\left(h{\left[l\right]}^2\right)={(\frac{1}{W\left(\frac{\mathrm{\alpha h}{\left[l\right]}^2\mathrm{In}2}{x_{\mathrm{\upsilon ni}}{B}_n\lambda }\right)\lambda }-\frac{x_{\mathrm{\upsilon ni}}{B}_n}{\mathrm{\alpha h}{\left[l\right]}^2\mathrm{In}2})}^{+}$

其中W(·)为f(W)＝We^W的反函数。

将上式带入J(P_υni，x_υni，λ，μ_n)得：

$J(P_{\mathrm{\upsilon ni}}^{*}\left(h{\left[l\right]}^2\right),x_{\mathrm{\upsilon ni}},{\lambda }^{*},{\mu }_n)=\underset{\upsilon =1}{\overset{\gamma }{\Sigma }}{\log }_2\left[\underset{n=1}{\overset{N}{\Sigma }}\underset{i=1}{\overset{l}{\Sigma }}{x}_{\mathrm{\upsilon ni}}{\int }_0^{\infty }{B}_n{\log }_2(1+\alpha \frac{h{\left[l\right]}^2{P}_{\mathrm{\upsilon ni}}^{*}(x_{\mathrm{\upsilon ni}},g_{\mathrm{\upsilon ni}})}{x_{\mathrm{ni}}{B}_n})p\left(h{\left[l\right]}^2\right)\mathrm{dh}{\left[l\right]}^2\right]$

$+{\lambda }^{*}[\underset{\upsilon =1}{\overset{\gamma }{\Sigma }}\underset{n=1}{\overset{N}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}{\int }_0^{\infty }{P}_{\mathrm{\upsilon ni}}^{*}\left(h{\left[l\right]}^2\right)p\left(h{\left[l\right]}^2\right)\mathrm{dh}{\left[l\right]}^2-P^{\mathrm{total}}]+\underset{n=1}{\overset{N}{\Sigma }}{\mu }_n(\underset{\upsilon =1}{\overset{\gamma }{\Sigma }}{x}_{\mathrm{\upsilon ni}}-1)$

给定λ，μ的最优x_υni满足：

$\frac{\partial J(x_{\mathrm{\upsilon ni}},\lambda ,\mu )}{{\partial x}_{\mathrm{\upsilon ni}}}=0\Rightarrow$

${\mu }_{\mathrm{ni}}=\frac{1}{x_{\mathrm{\upsilon ni}}^{*}}-\frac{\mathrm{\alpha h}{\left[l\right]}^2{P}_{\mathrm{\upsilon ni}}^{*}\left(h{\left[l\right]}^2\right)}{({x_{\mathrm{\upsilon ni}}^{*}}^2{B}_n+\mathrm{\alpha h}{\left[l\right]}^2{P}_{\mathrm{\upsilon ni}}^{*}\left(h{\left[l\right]}^2\right)){\log }_2(1+\frac{\mathrm{\alpha h}{\left[l\right]}^2{P}_{\mathrm{\upsilon ni}}^{*}\left(h{\left[l\right]}^2\right)}{x_{\mathrm{\upsilon ni}}^{*}{B}_n})}$

通过以上步骤，我们可以找到第一个子载波的同样可以将上述理论扩展到 所有子载波，从而得到系统资源的优化调度和分配。