以用户为中心网络面向服务质量的下行无线资源分配方法

摘要

本发明公开了一种以用户为中心网络面向服务质量的下行无线资源分配方法，包括以下步骤：1)计算基站m在子载波i上发送至用户k的实际信号以及用户k接收到的总信号Tk,t(i)；2)计算ZFBF编码策略下的信道质量Ck,t(i)，并建立无线资源分配问题的效用函数；3)根据无线资源分配问题的效用函数进行协作用户选择，并且确定在各子载波上进行通信的协作用户；4)根据协作用户选择的结果以及确定的在各子载波上进行通信的协作用户计算MU‑MIMO‑ZFBF预编码系数；5)计算时延敏感型用户的最优发射功率以及速率敏感型用户的最优发射功率，完成以用户为中心网络面向服务质量的下行无线资源分配，该方法能够实现基于用户需求、面向服务质量进行资源分配。

说明书

技术领域

本发明属于正交频分多址接入网络中的无线资源管理技术领域，涉及一种以用户为中心网络面向服务质量的下行无线资源分配方法。

背景技术

随着用户通信设备的迅速增多，无线接入技术的快速发展，当前接入网络中的无线连接已经变得前所未有的复杂，同时，无线资源也变得前所未有的稀缺。在这样的背景下，传统的无线资源管理问题迎来了新的挑战。目前，无线资源管理策略还主要围绕‘以网络为中心’思想进行设计，用户的差异化需求与个性并没有得到足够的重视。

首先需要提及‘多入多出’(MIMO)传输技术，通过在基站上搭载多组发射天线，多个基站之间可以实现以用户为中心的协作传输，大大改善用户的接收信道质量，对于位于小区边缘的强干扰用户效果显著。在‘多入多出’传输场景下，已知有多种预编码技术可以用于基站预编码。其中，迫零波束赋形(ZFBF)是一种低复杂度的次优算法，虽无法得到系统瞬态的最优传输速率，但是具有渐进的最优表现，在总用户数量足够大时，具备与最优算法-污纸算法(DPC)相同的表现。

多点协作(CoMP)传输是3GPP在LTE-A系列标准中提出的一种多基站协作策略，可以分为协作调度与联合处理两大类。其中，协作调度是指当多基站的同频信号可能在用户处形成干扰时，通过一定手段规避这种干扰，仅保留一个基站与用户的连接，以此提升用户的信道质量；而联合处理是指，当多基站的同频信号可能在用户处形成干扰时，通过一定的调制编码策略让这些信号都转化为用户的有用信号，以此提升用户的信道质量。

在面向服务质量的无线资源管理中，不同的业务具有不同的服务质量定义方式，呈现出丰富的差异化和异构性。例如，某些用户偏好使用速率敏感型业务，比如流媒体和高保真音乐等，而其他用户偏好使用延迟敏感型业务，比如语音通话和网页浏览等，这就引起不同用户对于传输速率以及传输稳定性的不同要求，并进一步确定网络的优化模型，因此需要设计出一种基于用户需求、面向服务质量进行资源分配的方法。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种以用户为中心网络面向服务质量的下行无线资源分配方法，该方法能够实现基于用户需求、面向服务质量进行资源分配。

为达到上述目的，本发明所述的以用户为中心网络面向服务质量的下行无线资源分配方法包括以下步骤：

1)系统中有K个用户及M个基站，将所述K个用户分为速率敏感型用户及延时敏感型用户，其中，速率敏感型用户仅使用速率敏感型业务，时延敏感型用户仅使用时延敏感型业务，基站配置M个有向天线，用户设备配置一个全向天线，每个基站分配得到的总带宽为BHz，且基站分配得到的总带宽由基站处N个相互正交的子载波平分，每个子载波占据带宽B_s＝B/N，在一个子载波内，信道质量保持一致，计算基站m在子载波i上发送至用户k的实际信号以及用户k接收到的总信号T^k,t(i)；

2)设每个基站都与其他M-1个基站存在回程链路连接，计算ZFBF编码策略下的信道质量C^k,t(i)，并建立无线资源分配问题的效用函数；

3)根据无线资源分配问题的效用函数进行协作用户选择，并且确定在各子载波上进行通信的协作用户；

4)根据协作用户选择的结果以及确定的在各子载波上进行通信的协作用户计算MU-MIMO-ZFBF预编码系数；

5)根据MU-MIMO-ZFBF预编码系数分别计算时延敏感型用户的最优发射功率以及速率敏感型用户的最优发射功率，完成以用户为中心网络面向服务质量的下行无线资源分配。

基站m在子载波i上发送至用户k的实际信号为：

$>x_m^{k,t}\left(i\right)={\omega }_{B_m}^{k,t}\left(i\right)\sqrt{P_{B_m}^{k,t}\left(i\right)}{u}^{k,t}\left(i\right)---\left(1\right)$>

其中，为基站m在子载波i上向用户k的发射功率，u^k,t(i)为从基站m处发送给用户k的原始信息符号，为基站m在子载波i上对发送到用户k的信号进行调制的预编码取值；

则用户k接收到的总信号T^k,t(i)为：

$>T^{k,t}\left(i\right)={\tilde{u}}^{k,t}\left(i\right)+{\tilde{v}}^{k,t}\left(i\right)+z^{k,t}\left(i\right)---\left(2\right)$>

$>{\tilde{u}}^{k,t}\left(i\right)=\left(\underset{c=1}{\overset{M}{\Sigma }}{H}_{B_c}^{k,t}\right(i\left){\omega }_{B_c}^{k,t}\right(i\left)\sqrt{P_{B_c}^{k,t}\left(i\right)l_{B_c}^k}\right)u^{k,t}\left(i\right)---\left(3\right)$>

$>{\tilde{v}}^{k,t}\left(i\right)=\underset{e=1}{\overset{M}{\Sigma }}\underset{j\ne k}{\underset{j\in S_{\perp }^t\left(i\right)}{\Sigma }}{H}_{B_e}^{k,t}\left(i\right){\omega }_{B_e}^{k,t}\left(i\right)\sqrt{P_{B_e}^{k,t}\left(i\right)l_{B_e}^k}{u}^{j,t}\left(i\right)---\left(4\right)$>

其中，为基站c与用户k在子载波i上的小尺度衰落变量，为基站c与用户k之间的路径损耗，为能够在子载波i上传输数据的用户集合，z^k,t(i)为用户k在子载波i上的加性白噪声，z^k,t(i)为零均值为零、方差为σ₀²的随机变量。

设每个基站都与其他M-1个基站存在回程链路连接，则ZFBF编码策略下的信道质量C^k,t(i)为：

C^k,t(i)＝B_slog₂(1+Γ^k,t(i))>

$>{\Gamma }^{k,t}\left(i\right)=\frac{{\left|\underset{m=1}{\overset{M}{\Sigma }}{H}_{B_m}^{k,t}\left(i\right)\sqrt{l_{B_m}^k}{\omega }_{B_m}^{k,t}\left(i\right)\sqrt{P_{B_m}^{k,t}\left(i\right)}\right|}^2}{{{\sigma }_0}^2+I^{k,t}\left(i\right)}---\left(6\right)$>

$>I^{k,t}\left(i\right)=\underset{j\notin k}{\underset{j\in S^t\left(i\right)}{\Sigma }}{\left|\underset{m=1}{\overset{M}{\Sigma }}{H}_{B_m}^{k,t}\left(i\right)\sqrt{l_{B_m}^k}{\omega }_{B_m}^{j,t}\left(i\right)\sqrt{P_{B_m}^{j,t}\left(i\right)}\right|}^2---\left(7\right)$>

其中，C^k,t(i)为用户k在子载波i上获得的传输速率，Γ^k,t(i)为用户k在子载波i上的信干噪比，I^k,t(i)为用户k在子载波i上接收到的干扰信号；

则无线资源分配问题的效用函数为：

$>\begin{array}{c}\underset{S,W,P}{\max }U(S,W,P)=\\ {\mathrm{m\Sigma }}_{k\in \tilde{K}}\frac{R^{k,t}(S,W,P)-R_{\min }}{R_{\min }}+{\mathrm{n\Sigma }}_{h\in \hat{K}}\left(\frac{D_{\max }-D^{h,t}(S,W,P)}{D_{\max }}\right)\end{array}---\left(8\right)$>

$>C1:\underset{k=1}{\overset{K}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}{\left|{\omega }_{B_m}^{k,t}\left(i\right)\right|}^2{P}_{B_m}^{k,t}\left(i\right)s^{k,t}\left(i\right)\le P_{t,m},\forall t$>

$>C2:\underset{i=1}{\overset{N}{\Sigma }}{s}^{k,t}\left(i\right)C^{k,t}\left(i\right)\ge R_{\min },\forall t,k\in \tilde{K}$>

$>C3:\underset{t=1}{\overset{D_{\max }}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}{s}^{k,t}\left(i\right)C^{h,t}\left(i\right)\ge C_D,\forall h\in \hat{K}$>

$>C4:{\Sigma }_{k=1}^K{\Sigma }_{i=1}^N{s}^{k,t}\left(i\right)C^{k,t}\left(i\right)\le R_{bh},\forall m,t$>

$>C5:{\Sigma }_{k\in K}{s}^{k,t}\left(i\right)\le M,\forall t,i$>

$>C6:P_{B_m}^{k,t}\left(i\right)\ge 0,\forall m,k,t,i$>

$>C7:s^{k,t}\left(i\right)\in \{0,1\},\forall k,t,i$>

其中，s^k,t(i)取值为0或1，s^k,t(i)表征子载波i是否在时刻t分配给了用户k，S,P及W为变量s^k,t(i)，的向量表达。

使用穷举法或半正交用户选择算法进行协作用户的选择。

根据无线资源分配问题的效用函数构造资源利用效率RUE^k(i)，然后根据资源利用效率RUE^k(i)确定在各子载波上进行通信的协作用户，其中

$>{\mathrm{RUE}}^k\left(i\right)=\left(\begin{array}{cc}\frac{m\overline{C^k\left(i\right)}}{R_{\min }}& k\in \tilde{K}\\ \frac{{\mathrm{nC}}_D\overline{C^k\left(i\right)}}{D_{\max }{\bar{R}}_D^k({\bar{R}}_D^k+\overline{C^k\left(i\right)})}& k\in \hat{K}\end{array}\right)---\left(9\right)$>

$>\overline{C^k\left(i\right)}=\Delta R=B_s{\log }_2\left(\frac{\bar{P}{(1-{ϵ}^{*})}^2\left|\right|{\overrightarrow{H}}_{\perp }^k\left(i\right)|{|}^2}{{{\sigma }_0}^2}\right)---\left(10\right)$>

$>\bar{P}=\frac{P_t}{N\overline{\left|S_{\perp }^t\left(i\right)\right|}}$>

其中，为每个用户在单个子载波上平均分的功率大小，为用户k在被分得子载波i前的估计传输速率，为用户k在子载波i上的估计传输速率。

在ZFBF传输下，忽略用户所受同频干扰，则用户的信道质量Γ^k，t(i)为：

$>{\Gamma }^{k,t}\left(i\right)=\frac{{\left|{\Sigma }_{n=1}^M{H}_{B_n}^{k,t}\left(i\right)\sqrt{l_{B_n}^k}{w}_{B_n}^{k,t}\left(i\right)\right|}^2{P}_B^{k,t}\left(i\right)}{{{\sigma }_0}^2}---\left(11\right)$>

构造子载波i上协作用户的超信道矩阵为：

$>Q_B^t{\left(i\right)}^T=[{\overrightarrow{H}}_B^{1,t}{\left(i\right)}^T,{\overrightarrow{H}}_B^{2,t}{\left(i\right)}^T,\mathrm{...}{\overrightarrow{H}}_B^{k,t}{\left(i\right)}^T]---\left(12\right)$>

根据子载波i上协作用户的超信道矩阵得到矩阵B，其中，

其中，g^k(i)为用户k在ZFBF传输中的等效信道质量，G(i)为对角矩阵，G(i)的对角元素为：

则ZFBF预编码系数为：

$>{\omega }_{B_m}^{k,t}\left(i\right)={\left[B\left(i\right)\right]}_{m,k},\forall k\in S_{\perp }^t\left(i\right)---\left(15\right).$>

步骤5)的具体操作为：

在功率控制阶段，关于功率变量的凸函数为：

$>\begin{array}{c}L(P,\overrightarrow{\lambda },\theta )=m\underset{k\in \tilde{K}}{\Sigma }\frac{R^{k,t}\left(P\right)-R_{\min }}{R_{\min }}+n\underset{k\in K}{\Sigma }\left(\frac{D_{\max }-D^{k,t}\left(P\right)}{D_{\max }}\right)\\ -\underset{m=1}{\overset{M}{\Sigma }}{\lambda }_m\left(\underset{k=1}{\overset{K}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}{\left|{\omega }_{B_m}^{k,t}{\left(i\right)}^{*}\right|}^2{P}_{B_m}^{k,t}\right(i)s^{k,t}{\left(i\right)}^{*}\\ -P_{t,m})-\theta \left(\underset{k=1}{\overset{K}{\Sigma }}{R}^{k,t}\right(P)-R_{bh})\end{array}---\left(16\right)$>

功率变量的凸函数的限制条件为：

$>C1:R^{k,t}\left(P\right)=max\left(R^{k,t}\right(P),R_{min}),\forall t,k\in \tilde{K}$>

$>C2:D^{k,t}\left(P\right)=\min \left(D^{k,t}\right(P),D_{max}),\forall t,k\in \hat{K}$>

其中，s^k,t(i)^*为子载波分配结果，ω^k,t(i)^*为ZFBF预编码系数，通过注水算法得速率敏感型用户的最优发射功率为：

$>P_B^{k,t}{\left(i\right)}^{*}=max(\frac{B_s(\frac{m}{R_{\min }}-{\theta }_t)}{\left({\Sigma }_{m=1}^M{\lambda }_{m,t}{\left|{\omega }_{B_m}^{k,t}\left(i\right)\right|}^2\right)ln\left(2\right)}-\frac{1}{{\delta }^k\left(i\right)},0)---\left(17\right)$>

其中，

采用最速梯度下降法及次优解法求解时延敏感型用户最优发射功率其中，梯度为：

$>\frac{\partial L(p,\overrightarrow{\lambda },\theta )}{\partial P_B^{h,t}\left(j\right)}=(\frac{{\mathrm{nC}}_D}{D_{max}}\frac{1}{R^{h,t^2}}-{\theta }_t)\frac{B_s}{\ln 2}\frac{{\delta }^h\left(j\right)}{1+{\delta }^h\left(j\right)}-{\Sigma }_{m=1}^M{\lambda }_{m,t}{\left|{\omega }_{B_m}^{h,t}\left(j\right)\right|}^2---\left(18\right)$>

得时延敏感型用户的最优发射功率为：

$>P_B^{h,t}{\left(i\right)}^{*}=\frac{P_{Delay}^{*}}{{\Sigma }_{c=1}^{\hat{K}}{\left(\frac{{\log }_2(1+{\delta }^{h}l(i_2\left)\frac{P_{total}}{NM}\right)}{{\log }_2(1+{\delta }^{h}c(i_1\left)\frac{P_{total}}{NM}\right)}\right)}^2}---\left(21\right).$>

本发明具有以下有益效果：

本发明所述的以用户为中心网络面向服务质量的下行无线资源分配方法在具体操作中，以用户为中心通过对用户进行分类，将用户分为时延敏感型用户及速率敏感型用户，再计算MU-MIMO-ZFBF预编码系数，并根据MU-MIMO-ZFBF预编码系数分别计算时延敏感型用户的最优发射功率及速率敏感型用户的最优发射功率，实现以用户为中心网络面向服务质量的资源分配，从而更好的进行无线资源的分配，从而大幅提升用户信道质量，提高系统吞吐量。

进一步，使用半正交用户选择算法进行面向服务协作用户选择，在保证用户服务质量的前提下，最大程度提升系统总体服务质量。

进一步，采用最速梯度下降法及次优解法求解时延敏感型用户最优发射功率，为时延敏感型用户的最优发射功率分配找到一个近似关系，利用该关系求解出低复杂度的时延敏感型用户的最优发射功率，降低计算的复杂度。

附图说明

图1为本发明的拓扑结构图；

图2为本发明的速率敏感型用户在不同用户模型下的平均传输速率表现图；

图3为本发明的时延敏感型用户在不同用户模型下的平均传输时延表现图；

图4为本发明在不同功率限制条件下的表现图。

具体实施方式

下面结合附图对本发明做进一步详细描述：

参考图1，本发明所述的以用户为中心网络面向服务质量的下行无线资源分配方法包括以下步骤：

1)系统中有K个用户及M个基站，将所述K个用户分为速率敏感型用户及延时敏感型用户，其中，速率敏感型用户仅使用速率敏感型业务，时延敏感型用户仅使用时延敏感型业务，基站配置M个有向天线，用户设备配置一个全向天线，每个基站分配得到的总带宽为BHz，且基站分配得到的总带宽由基站处N个相互正交的子载波平分，每个子载波占据带宽B_s＝B/N，在一个子载波内，信道质量保持一致，计算基站m在子载波i上发送至用户k的实际信号以及用户k接收到的总信号T^k,t(i)，其中，

基站m在子载波i上发送至用户k的实际信号

$>x_m^{k,t}\left(i\right)={\omega }_{B_m}^{k,t}\left(i\right)\sqrt{P_{B_m}^{k,t}\left(i\right)}{u}^{k,t}\left(i\right)---\left(1\right)$>

其中，为基站m在子载波i上向用户k的发射功率，u^k,t(i)为从基站m处发送给用户k的原始信息符号，为基站m在子载波i上对发送到用户k的信号进行调制的预编码取值；

则用户k接收到的总信号T^k,t(i)为：

$>T^{k,t}\left(i\right)={\tilde{u}}^{k,t}\left(i\right)+{\tilde{v}}^{k,t}\left(i\right)+z^{k,t}\left(i\right)---\left(2\right)$>

$>{\tilde{u}}^{k,t}\left(i\right)=\left(\underset{c=1}{\overset{M}{\Sigma }}{H}_{B_c}^{k,t}\right(i\left){\omega }_{B_c}^{k,t}\right(i\left)\sqrt{P_{B_c}^{k,t}\left(i\right)l_{B_c}^k}\right)u^{k,t}\left(i\right)---\left(3\right)$>

$>{\tilde{v}}^{k,t}\left(i\right)=\underset{e=1}{\overset{M}{\Sigma }}\underset{j\ne k}{\underset{j\in S_{\perp }^t\left(i\right)}{\Sigma }}{H}_{B_e}^{k,t}\left(i\right){\omega }_{B_e}^{k,t}\left(i\right)\sqrt{P_{B_e}^{k,t}\left(i\right)l_{B_e}^k}{u}^{j,t}\left(i\right)---\left(4\right)$>

其中，为基站c与用户k在子载波i上的小尺度衰落变量，为基站c与用户k之间的路径损耗，为能够在子载波i上传输数据的用户集合，z^k,t(i)为用户k在子载波i上的加性白噪声，z^k,t(i)为零均值为零、方差为σ₀²的随机变量。

2)设每个基站都与其他M-1个基站存在回程链路连接，计算ZFBF编码策略下的信道质量C^k,t(i)，并建立无线资源分配问题的效用函数，其中，设每个基站都与其他M-1个基站存在回程链路连接，则ZFBF编码策略下的信道质量C^k,t(i)为：

C^k,t(i)＝B_slog₂(1+Γ^k,t(i))>

$>{\Gamma }^{k,t}\left(i\right)=\frac{{\left|\underset{m=1}{\overset{M}{\Sigma }}{H}_{B_m}^{k,t}\left(i\right)\sqrt{l_{B_m}^k}{\omega }_{B_m}^{k,t}\left(i\right)\sqrt{P_{B_m}^{k,t}\left(i\right)}\right|}^2}{{{\sigma }_0}^2+I^{k,t}\left(i\right)}---\left(6\right)$>

$>I^{k,t}\left(i\right)=\underset{j\notin k}{\underset{j\in S^t\left(i\right)}{\Sigma }}{\left|\underset{m=1}{\overset{M}{\Sigma }}{H}_{B_m}^{k,t}\left(i\right)\sqrt{l_{B_m}^k}{\omega }_{B_m}^{j,t}\left(i\right)\sqrt{P_{B_m}^{j,t}\left(i\right)}\right|}^2---\left(7\right)$>

其中，C^k,t(i)为用户k在子载波i上获得的传输速率，Γ^k,t(i)为用户k在子载波i上的信干噪比，I^k,t(i)为用户k在子载波i上接收到的干扰信号；

则无线资源分配问题的效用函数为：

$>\begin{array}{c}\underset{S,W,P}{\max }U(S,W,P)=\\ {\mathrm{m\Sigma }}_{k\in \tilde{K}}\frac{R^{k,t}(S,W,P)-R_{\min }}{R_{\min }}+{\mathrm{n\Sigma }}_{h\in \hat{K}}\left(\frac{D_{\max }-D^{h,t}(S,W,P)}{D_{\max }}\right)\end{array}---\left(8\right)$>

$>C1:\underset{k=1}{\overset{K}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}{\left|{\omega }_{B_m}^{k,t}\left(i\right)\right|}^2{P}_{B_m}^{k,t}\left(i\right)s^{k,t}\left(i\right)\le P_{t,m},\forall t$>

$>C2:\underset{i=1}{\overset{N}{\Sigma }}{s}^{k,t}\left(i\right)C^{k,t}\left(i\right)\ge R_{\min },\forall t,k\in \tilde{K}$>

$>C3:\underset{t=1}{\overset{D_{\max }}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}{s}^{k,t}\left(i\right)C^{h,t}\left(i\right)\ge C_D,\forall h\in \hat{K}$>

$>C4:{\Sigma }_{k=1}^K{\Sigma }_{i=1}^N{s}^{k,t}\left(i\right)C^{k,t}\left(i\right)\le R_{bh},\forall m,t$>

$>C5:{\Sigma }_{k\in K}{s}^{k,t}\left(i\right)\le M,\forall t,i$>

$>C6:P_{B_m}^{k,t}\left(i\right)\ge 0,\forall m,k,t,i$>

$>C7:s^{k,t}\left(i\right)\in \{0,1\},\forall k,t,i$>

其中，s^k,t(i)取值为0或1，s^k,t(i)表征子载波i是否在时刻t分配给了用户k，S,P及W为变量s^k,t(i)，的向量表达。

3)根据无线资源分配问题的效用函数进行协作用户选择，并且确定在各子载波上进行通信的协作用户，具体的，使用穷举法或半正交用户选择算法进行协作用户的选择。

使用穷举法的复杂度为当用户数量较大时，算法效率很差，所以，本发明提出一种低复杂度的用户选择策略来应对用户量较大的情况，该策略首先需要进行‘种子’用户选择。

‘种子’用户是指任意子载波上协作用户集合中的第一个用户，我们采用如表I所示的步骤来确定‘种子’用户：

表I

其中，定义作系统中所有基站与用户k之间的‘超信道’质量。

为了降低用户选择的复杂度，同时保证用户选择的效果，我们提出一种面向服务质量的半正交用户选择算法(QoS-SUS)。半正交用户选择算法操作步骤如表2所示：

表2

4)根据协作用户选择的结果以及确定的在各子载波上进行通信的协作用户计算MU-MIMO-ZFBF预编码系数，具体的，

根据无线资源分配问题的效用函数构造资源利用效率RUE^k(i)，然后根据资源利用效率RUE^k(i)确定在各子载波上进行通信的协作用户，其中

$>{\mathrm{RUE}}^k\left(i\right)=\left(\begin{array}{cc}\frac{m\overline{C^k\left(i\right)}}{R_{\min }}& k\in \tilde{K}\\ \frac{{\mathrm{nC}}_D\overline{C^k\left(i\right)}}{D_{\max }{\bar{R}}_D^k({\bar{R}}_D^k+\overline{C^k\left(i\right)})}& k\in \hat{K}\end{array}\right)---\left(9\right)$>

$>\overline{C^k\left(i\right)}=\Delta R=B_s{\log }_2\left(\frac{\bar{P}{(1-{ϵ}^{*})}^2\left|\right|{\overrightarrow{H}}_{\perp }^k\left(i\right)|{|}^2}{{{\sigma }_0}^2}\right)---\left(10\right)$>

$>\bar{P}=\frac{P_t}{N\overline{\left|S_{\perp }^t\left(i\right)\right|}}$>

其中，为每个用户在单个子载波上平均分的功率大小，为用户k在被分得子载波i前的估计传输速率，为用户k在子载波i上的估计传输速率。

在ZFBF传输下，忽略用户所受同频干扰，则用户的信道质量Γ^k，t(i)为：

$>{\Gamma }^{k,t}\left(i\right)=\frac{{\left|{\Sigma }_{n=1}^M{H}_{B_n}^{k,t}\left(i\right)\sqrt{l_{B_n}^k}{w}_{B_n}^{k,t}\left(i\right)\right|}^2{P}_B^{k,t}\left(i\right)}{{{\sigma }_0}^2}---\left(11\right)$>

构造子载波i上协作用户的超信道矩阵为：

$>Q_B^t{\left(i\right)}^T=[{\overrightarrow{H}}_B^{1,t}{\left(i\right)}^T,{\overrightarrow{H}}_B^{2,t}{\left(i\right)}^T,\mathrm{...}{\overrightarrow{H}}_B^{k,t}{\left(i\right)}^T]---\left(12\right)$>

根据子载波i上协作用户的超信道矩阵得到矩阵B，其中，

其中，g^k(i)为用户k在ZFBF传输中的等效信道质量，G(i)为对角矩阵，G(i)的对角元素为：

则ZFBF预编码系数为：

$>{\omega }_{B_m}^{k,t}\left(i\right)={\left[B\left(i\right)\right]}_{m,k},\forall k\in S_{\perp }^t\left(i\right)---\left(15\right).$>

5)根据MU-MIMO-ZFBF预编码系数分别计算时延敏感型用户的最优发射功率以及速率敏感型用户的最优发射功率，完成以用户为中心网络面向服务质量的下行无线资源分配，具体的，

在功率控制阶段，关于功率变量的凸函数为：

$>\begin{array}{c}L(P,\overrightarrow{\lambda },\theta )=m\underset{k\in \tilde{K}}{\Sigma }\frac{R^{k,t}\left(P\right)-R_{\min }}{R_{\min }}+n\underset{k\in K}{\Sigma }\left(\frac{D_{\max }-D^{k,t}\left(P\right)}{D_{\max }}\right)\\ -\underset{m=1}{\overset{M}{\Sigma }}{\lambda }_m\left(\underset{k=1}{\overset{K}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}{\left|{\omega }_{B_m}^{k,t}{\left(i\right)}^{*}\right|}^2{P}_{B_m}^{k,t}\right(i)s^{k,t}{\left(i\right)}^{*}\\ -P_{t,m})-\theta \left(\underset{k=1}{\overset{K}{\Sigma }}{R}^{k,t}\right(P)-R_{bh})\end{array}---\left(16\right)$>

功率变量的凸函数的限制条件为：

$>C1:R^{k,t}\left(P\right)=max\left(R^{k,t}\right(P),R_{min}),\forall t,k\in \tilde{K}$>

$>C2:D^{k,t}\left(P\right)=\min \left(D^{k,t}\right(P),D_{max}),\forall t,k\in \hat{K}$>

其中，s^k,t(i)^*为子载波分配结果，ω^k,t(i)^*为ZFBF预编码系数，通过注水算法得速率敏感型用户的最优发射功率为：

$>P_B^{k,t}{\left(i\right)}^{*}=max(\frac{B_s(\frac{m}{R_{\min }}-{\theta }_t)}{\left({\Sigma }_{m=1}^M{\lambda }_{m,t}{\left|{\omega }_{B_m}^{k,t}\left(i\right)\right|}^2\right)ln\left(2\right)}-\frac{1}{{\delta }^k\left(i\right)},0)---\left(17\right)$>

其中，

采用最速梯度下降法及次优解法求解时延敏感型用户最优发射功率其中，梯度为：

$>\frac{\partial L(P,\overrightarrow{\lambda },\theta )}{\partial P_B^{h,t}\left(j\right)}=(\frac{{\mathrm{nC}}_D}{D_{max}}\frac{1}{R^{h,t^2}}-{\theta }_t)\frac{B_s}{\ln 2}\frac{{\delta }^h\left(j\right)}{1+{\delta }^h\left(j\right)}-{\Sigma }_{m=1}^M{\lambda }_{m,t}{\left|{\omega }_{B_m}^{h,t}\left(j\right)\right|}^2---\left(18\right)$>

由于无法简单得到时延敏感型用户最优发射功率的闭式表达，我们通过一种近似方法来逼近最优解，通过观察时延敏感型用户发射功率最优解之间的关系，得到以下表达：

$>\begin{array}{c}{(B_s·{\log }_2(1+{\delta }^{h_1}\left(j_1\right)P_B^{h_1,t}{\left(j_1\right)}^{*}\left)\right)}^2·P_B^{h_1,t}{\left(j_1\right)}^{*}=\\ {(B_s·{\log }_2(1+{\delta }^{h_2}\left(j_2\right)P_B^{h_2,t}{\left(j_2\right)}^{*}\left)\right)}^2·P_B^{h_2,t}{\left(j_2\right)}^{*}\end{array}---\left(19\right)$>

该关系可以近似表达为：

$>\frac{P_B^{h_1,t}{\left(j_1\right)}^{*}}{P_B^{h_2,t}{\left(j_2\right)}^{*}}\approx {\left(\frac{{\log }_2(1+{\delta }^{h_2}(j_2\left)\frac{P_{total}}{NM}\right)}{{\log }_2(1+{\delta }^{h_1}(j_1\left)\frac{P_{total}}{NM}\right)}\right)}^2---\left(20\right)$>

该式可以理解为：时延敏感型用户的最优发射功率近似成比例关系。

得到时延敏感型用户的次优发射功率取值：

$>\frac{P_B^{h_1,t}{\left(j_1\right)}^{*}}{P_B^{h_2,t}{\left(j_2\right)}^{*}}\approx {\left(\frac{{\log }_2(1+{\delta }^{h_2}(j_2\left)\frac{P_{total}}{NM}\right)}{{\log }_2(1+{\delta }^{h_1}(j_1\left)\frac{P_{total}}{NM}\right)}\right)}^2---\left(21\right)$>

我们利用‘次梯度’法来更新系统的拉格朗日系数与θ，其中各拉格朗日系数按照如下方式更新：

$>\begin{array}{c}{\lambda }_m^t(n+1)=\\ {\lambda }_m^t\left(n\right)-{\mu }_{\lambda }\left(n\right)(P_{t,m}-{\Sigma }_{\forall k}{\Sigma }_{i=1}^{n_F}{\left|{\omega }_{B_m}^{k,t}\left(i\right)\right|}^2{P}_{B_m}^{k,t}(i)s^{k,t}{\left(i\right)}^{*}\end{array}---\left(22\right)$>

$>{\theta }^t(n+1)={\theta }^t\left(n\right)-{\mu }_{\theta }\left(n\right)(R_{bh}-{\Sigma }_{\forall k}{\Sigma }_{i=1}^{n_F}{s}^{k,t}{\left(i\right)}^{*}{C}^{k,t}(i\left)\right)---\left(22\right)$>

其中，迭代步长

参考图2及图3，本发明与传统系统模型在提升用户服务质量上的表现，可以看到，当系统中用户没有类型区分时，即当系统中所有用户都按照速率敏感型用户调度，或都按照时延敏感型用户调度时，用户的服务质量会受到影响。从图2及图3中可以看到，QoS-SUS用户选择算法可以为速率敏感型用户带来更大的传输速率，尽管在一定程度上损害了时延敏感型用户的服务质量，但是整个系统的服务质量得到了最大程度的提升。

从图4中可以看出，搭载QoS-SUS用户选择方法的功率控制算法可以很好地逼近系统最优解(Optimum)，且随着系统总功率P_t的提升，系统的服务质量也会相应地提升，作为比较的QoS-GWC算法是一个基于贪婪加权集(Greedy>