基于QoE的HetNet中的带宽和功率分配算法

39HetNet中基于QoE的多RATFan Yang*、Qinghai Yang*、Kyung Sup Kwak**和Fenglin Fu** 中国陕西西安电子科技大学电信工程** 韩国仁荷大学信息技术与电信摘要在这封信中，我们提出了一个最佳的联合带宽和功率分配方法异构无线网络（HetNets）通过最大化用户的体验质量（QoE），这是一个广泛使用的主观度量反映用户的多媒体服务的满意度。通过同时考虑两个因素：速率因子（RF）和能量因子（EF），我们可以有效地测量最终用户的QoE。在传输带宽、功率和数据速率的约束下，进一步提出了一种最优的QoE驱动的分配算法，以最大化终端用户的QoE效用。仿真结果验证了理论分析的正确性。索引术语：异构无线网络，多种无线电接入技术，资源分配，体验质量I. 介绍近年来，异构无线网络（HetNets）引领着无线网络的发展趋势。具有多个无线电接入技术（RAT）的HetNet（其中终端用户同时通过多个RAT发送其数据）被命名为多RAT（MRAT）系统，其将诸如WLAN和LTE的RAT并入作为其子系统。随着近年来多模式终端的发展，终端用户设备能够连接到MRAT系统中的任何可用的无线网络。这些多模用户设备（MUE）通常配备有多个无线电接口以同时接入任何现有的无线接入网络。由于移动业务的快速增长，MRAT系统中有限的资源与高业务需求之间的冲突变得越来越重要。因此，在MRAT系统中有效的带宽和功率分配方法正成为服务提供商的关键和迫切的问题。HetNet中的带宽和功率分配已经在许多工作中进行了研究。作者[1]和[2]服务提供商基于IP的融合核心网5$7 t（H.J. （八○七5$7 2（H. J. ：ĂĂMUE 2MUE 4MUE 1MUE 3MUE M5$7 1（H. J. /7（）Fig. 1.HetNet中的MRAT系统提出了在HetNet上并行传输的速率分配的贪婪方法。在[3]中研究了联合无线电资源分配，以最大化HetNets框架中的MRAT系统的总容量。在[4]和[5]中，MRAT系统中的最终用户被分为两类，以通过最佳资源分配来优化MRAT系统吞吐量。在[6]和[7]中讨论了MRAT系统的能量效率，然而，上述文献都忽略了MRAT系统中资源分配的终端用户体验质量（QoE）。接收日期：2014年8月21日;修订日期：2014年9月7日接受日期：2014年9月15日* 通讯作者E-mail：qhyang@xidian.edu.cn这是一个开放获取的文章，根据知识共享署名（CC-BY-NC）许可证的条款，允许在任何媒体上无限制地使用，分发和复制，前提是正确引用原始作品。版权所有©韩国通信与信息科学研究所（KICS），2014http://www.ictexpress.org40J我我在这封信中，我们提出了一种基于QoE的联合带宽和功率分配方法在MRAT系统中的HetNet通过最大化的最终用户的QoE。我们有效的QoE测量是由数据速率和能耗两个方面来考虑的。此外，开发了一种QoE驱动的无线电资源分配算法，用于在传输约束和服务要求的情况下最大化终端用户通过所提出的基于QoE的资源分配方法，可以实现MRAT系统中终端用户的最优资源分配。II. 系统模型我们考虑由M 个活动MUE和N个可用RAT组成的MRAT关联HetNet，如图1所示。我们假设RAT和MUE都已实现由可重构的软件定义的无线电技术。因此，配备有多个无线电接口的每个MUE能够同时接入多个RAT。MUE通过使用HetNet上的不同频带的并行传输来传输它们的数据。此外，假设MRAT系统可以在正交频带中操作，我们忽略不同频带中的RAT之间的干扰为了以并行多址方式发送数据，每个MUE应该能够从可用的RAT获取相应的发送带宽和功率。为了反映实际的数据传输，假设每个MUE经历不同的对于MUEi（i =1，2，...，M）和RATj（j = 1，2，...，N）之间的链路，信道增益和噪声功率分别表示为Hij和Nij。此外，基于香农理论，MUEi，r，i的可实现数据速率可以表示为其中N是MUEi可以接入的RAT的总数，bij是从RATj分配给MUEi的带宽，p ij是MUEi通过RATj的发射功率，并且βj（0βj 1）表示RATj可以保证的到MUE的传输效率。因此，实际传输速率ri可以由等式2确定。(1)其中参数βj是香农容量的分数。为了便于后面的分析，我们定义III.问题公式化在具有相关传输约束和服务要求的HetNet上最大化MRAT系统中的总终端用户的QoE的问题可以用公式表示如下，其中U（x，y）是MRAT系统的QoE效用函数，b是从RAT到MUE的带宽分配矩阵，p是从RAT到MUE的功率分配矩阵，B max是RAT j的总子系统带宽，P max是MUE i的最大可用功率，R min是MUEi的服务的最小速率要求，并且ri是MUE i的可实现数据速率，其由等式（1）给出。（一）.约束（c1）和（c2）指示由有限资源导致的带宽和功率的传输约束。而约束（c3）表示每个MUE需要恒定的最小传输速率来满足相应的服务要求。为了合理地量化QoE效用，我们在本函中使用乘法指数加权（MEW）方法来定义QoE效用函数U（x，y）。此外，通过对与QoE相关的因素（例如，数据速率和能耗）进行加权，我们可以获得用于评估终端用户的QoE效用的实用效用函数。MUEi的QoE效用函数形式可以进一步由[8]给出其中，n表示所考虑的因子的数量，wk是因子k的用户偏好的权重（wk= 1），并且uk（x，y）是因子k的基本效用。不失一般性，我们在测量QoE时简单地同时考虑两个因素：速率因子（RF）和能量因子（EF）。此外，基于Eq.（4），方程中的U（b，p）（3）可以具体表示为41http://www.ictexpress.orgi2iijHetNet中基于QoE的多RAT带宽功率联合分配方法用Eq表示的原始问题。(6)，我们可以得到它的对偶问题如下[9]：其中li是MUEi的传输速率的上限，其可以计算为l=loge·Pmaxg。根据给定目标函数中的QoE测量，由方程式(5)， w1和 w2是两个考虑因素的权重参数，其中w1+w2= 1，基于它们对RF和EF的强调。随着对传输速率的重视，w1的值不断增加。另一方面，w2的值表示能源消耗的重要性，具有正相关性。在进一步进行之前，我们可以证明等式中的(5)相对于{b，p}是凹的。同时，（c1）~（c3）的约束是关于b或p的凹的或线性的。这意味着可以通过相关的凸优化方法找到最优解，其中局部最大值也是全局最大值[9]。IV.QOE驱动的无线电资源分配A. 最优资源分配根据我们的讨论，QoE效用最大化问题可以通过适当的凸优化方法来解决，因为它是随机的。由方程（1）给出的优化模型的拉格朗日函数。(3)在约束条件（c1）~（c4）下，在等式中给出的拉格朗日函数中，(6)在约束条件（c1）~（c3）下，影子价格λj，μi和ωi是非负的Lagrange乘子.为了解决这个问题，我们需要分别在等式中的i和j的特定值处对bij和pij求导。（6）.同时，基于拉格朗日函数的根据凸优化分析，由于原问题的可解性，原问题与其对偶问题之间具有强对偶性，其中最优对偶间隙为零。这意味着从Lagrange对偶函数得到的最佳界是紧的。因此，最优解总是可以通过求解方程中给出的对偶问题来获得。(7)而没有任何性能损失。因此，在下面提出的算法中，我们可以使用基于梯度的方法来逼近最优解，这被证明是可行的，如果迭代步长设置适当。在这封信中，我们应用梯度投影方法，带宽和功率的最佳值，因为与其他非梯度方法相比，它更快地收敛到局部最大值。具体来说，带宽和功率的更新表达式可以分别通过以下公式获得：其中[x]+ = max{x，0}和δ、ε分别是原始变量bij、pij的步长。只要适当地选择步长δ、ε，则等式10中给出的更新表达式可以被修改。（8）Eq. (9)总是能收敛到bij和pij的最优值。为了更新最优解的拉格朗日乘子值，我们注意到连续可微的对偶函数。同样地，通过利用梯度投影方法，可以通过下式获得用于带宽和功率分配的更新的非负乘数值：42J我我其中，γ= {γ1，γ2，γ3}是步长向量。通过迭代，我们可以最终解决HetNets中MRAT系统的优化问题，从而实现我们最大化最终用户总体QoE效用的目标B. 提出的QoE驱动算法在算法1中示出了我们提出的用于HetNet中的MRAT系统的QoE驱动的无线电资源分配算法的概要。在我们提出的算法中，梯度投影方法是作为一个基本的方法来解决优化问题。通过适当的迭代，该算法可以为满足相应业务需求和传输约束的多用户实体实现动态无线资源分配。同时保证全局QoE效用最大化。此外，该算法的复杂度与MUE和RAT的数量有关，其性能受到迭代初始值以及步长的影响。V. 仿真结果我们模拟一个MRAT系统由两个RAT子系统。我们假设在我们的MRAT系统中部署了蜂窝基站和无线接入点，其中覆盖区域部分重叠。同时，蜂窝基站和无线接入点的总子系统带宽（即Bmax，j= 1，2）分别设置为10MHz和20MHz，具有合理的频谱效率（即βj，j= 1，2：β1= 0.4，β2= 0.6）。对于不同类型的MUE，最大发射功率（即，Pmax）的约束范围为10mW至25mW，并且最小数据速率要求（即，Rmin）从0.1Mbps到1 Mbps不等，这是基于实际的通信场景[3]-[5]。图2. 所提算法的逆解152018161410121085640方案1场景2场景320方案1场景2场景3图3. 不同情景下的最优配置此外，我们的优化问题是解决了分布式的方式，所提出的算法，其中的最佳分配值的bij和pij是由每个MUE，而不是RAT子系统。因此，该算法也体现了MRAT系统分布式优化方法的可能性和合理性。在图2（a）中，有3个MUE，其最大功率约束分别为12mW、12mW、24mW，并且在测量QoE时，RF与EF等同处理（即，w1=w2= 0.5）。在这种简化的情况下，该算法可以通过足够的迭代收敛到最优的多用户终端传输带宽。从图2（b）中，我们观察到我们的QoE驱动算法也可以通过迭代获得最佳MUE发射功率，由RAT 1分配给MUE1的BW由RAT 2 分 配 给 MUE1 的 BW 由RAT 1 分 配 给 MUE2 的 BW 由RAT2 分 配 给 MUE3 的 BW 由RAT1分配给MUE3的BW由RAT2分配给MUE3的BW由RAT1 分配给MUE1 的PW 由RAT2 分 配 给 MUE2 的 PW 由RAT1 分 配 给 MUE2 的 PW 由RAT2 分 配 给 MUE3 的 PW 由RAT1 分 配 给 MUE3 的 PW 由RAT2分配给MUE3的PW每个MUE的带宽分配（MHz）每个MUE的PW分配（mW）43http://www.ictexpress.orgHetNet中基于QoE的多RAT带宽功率联合分配方法稳定的解决方案。因此，我们的QoE驱动分配算法可以以最佳方式有效地分配带宽和功率。不同场景下的传输带宽分配如图3（a）所示。发射功率的分配结果如图3（b）所示。我们考虑表I所示的三种情况。从表一的因素权重分布可以看出，情景1中对EF的关注度更高，而情景3中对RF的关注度更高。在场景2中，我们在测量最终用户的QoE时在RF和EF在图4中，我们观察到，我们提出的QoE驱动的无线电资源分配算法优于其他三个半动态或静态算法。在表1所示的这些典型场景下，与其他算法相比，所提出的动态算法总是可以实现更高的QoE效用。图4. 不同租金的性能比较VI.结论在这封信中，我们提出了一个基于QoE的联合带宽和功率分配方法MRAT相关联的HetNet。通过我们有效的QoE测量，MRAT系统中的最佳无线资源分配已得到考虑的数据速率和能量消耗。进一步提出以最大化MRAT系统中的终端用户的总QoE效用，该终端用户受到相应的服务要求和传输约束。该方法可以实现最优的联合带宽和功率分配，从而优化终端用户引用[1] X. Zhu，P.Agrawal和J.P.Singh，“分布式速率分配策略用于异构接入网络上的多宿主视频流传输”，IEEE多媒体学报，第11卷，第4期，第11页。752-764，2009年6月。[2] H. Chen ， X. Ding 和 Z. Wang ， “A Rate AllocationScheme for Multi-User over Heterogeneous WirelessAccessNetworks ， ”inproc.ofIEEEVehicularTechnology Conference Fall（VTC Fall），pp. 9月1日至5日，2010年。[3] Y.崔，H。Kim和S. Han，“Joint Resource Allocation forParallel Multi-Radio Access in Heterogeneous WirelessNetworks” ， in proc. of IEEE Transactions on WirelessCommunications，vol.9，pp. 3324-3329，Nov.2010.[4] J. Miao，Z. Hu和C. Wang，“异构无线网络中多址接入的最优资源分配”，IEEE车辆技术会议论文集（职业训练局春天），pp.1-5,可以2012. [5]J.Miao，Z. Hu 和K. Yang，“Joint Power and BandwidthAllocation Algorithm with QoS Support in HeterogeneousWireless Networks ， ”in proc. of IEEE CommunicationsLetters，pp. 12月1日至6日2006[6] G. Lim 角 熊 湖 ， 加 - 地 Cimini 和 G. Y. Li ， “Energy-Efficient Resource Allocation for OFDMA-Based Multi-RATNetworks” ， IEEETransactionsonWirelessCommunications，vol.13，no.5，pp. 2696-2705，2014年5月。[7] M. Nasimi，F. Hashim和K. Chee，“Characterizingenergy efficiency for heterogeneous cellular networks”，IEEE Student Conference on Research and Development（SCOReD），pp. 198-202，Dec. 2012年。[8] N. V. Quoc-Thinh，N. Agoulmine和E. H. Cherkaoui，[9] S.博伊德和L. Vandenberghe，凸优化，Cambridge，英国，剑桥大学出版社，2004年。