基于叠加编码及多用户调度的高斯传输信道优化算法
关键词：高斯传输信道；叠加编码；多用户调度；数据传输速率
中图分类号： TN926；TP393 文献标志码：A
英文摘要
英文关键词
Key words：Gaussian transmission channel； superposition coding； multiuser scheduling； data transfer rate
0 引言
随着音频、视频等数据流的不断增多，下一代的无线系统需要能够支持更高的数据传输速率，因此，近年来有大量的工作投入到改善无线通信系统的频谱效率。许多新的技术，如协作网络、认知无线电网络等，都是基于高效的数据传输速率而提出。为了实现数据的高效传输，在高斯传输信道上采用最优的叠加编码（Superposition Coding，SC）与连续干扰消除（Successive Interference Cancellation，SIC）的方法[1-3]。此外，根据每个用户的信道质量，用户能够了解其他用户在较差的信道条件下的反应。此外，在一个时间的预定的用户数取决于信道条件并随时间变化。如果用户数量较多，则复杂性和反馈负载可能会降低频谱效率[4-5]。因此，为了降低复杂性和开销，对单个用户（Single User，SU）的选择，仅考虑具有最大加权速率的用户。选择单个用户可以显著地减少复杂性，同时仍然利用多用户分集。当目标具有最大化的总速率时该SU会成为最佳的选择对象[6]，而具有不同权值的用户成为次优目标。 对于信用优化的研究，国内开展了较多的研究工作。夏娜等[7]提出一种多信道无线网络中优化吉布斯采样信道选择算法，通过一种基于吉布斯采样的分布式节点信道选择方法，并根据优化目标构造了能量函数，以计算各个信道的选择概率，完成对信道的优化选择，优化了无线网络的信道数据传输。周超等[8]提出一种面向多输入多输出（MultipleInput MultipleOutput，MIMO） 多跳无线网络的多用户视频传输优化方法，该方法利用链路选择、MIMO 的空间复用和空间分集等特点，减少链路间的共信道干扰，最大化多用户的平均视频传输质量，并引入了遗传算法，在保证信道传输性能的同时，大幅度降低了求解复杂度。许瑞琛等[9]提出一种认知无线电周期数据传输优化机制，分别给出频谱感知时间、信道搜索时间以及数据传输时间的优化计算方法，得到了信道的最优数据传输时间、最优信道搜索时间以及最优数据传输时间。Fang等[10]提出分布式能源波束形成的双向中继信道无线信号和功率传输优化算法（Two Way Relay Channel radio signals and power transmission optimization algorithms，TWRC），两个源节点经由基于能量采集的中继节点进行交换信息，并且选择最佳的收发器来最大限度地实现信道传输的总速率。Albreem等[11]提出一种采用特殊信道矩阵和格球解码的数据传输方式（grid Ball Decoded data Transmission Style，BDTS）
，所提出的方案是采用特殊的矩阵与格球解码（Line Special matrix ball grid Decoding，LSD）技术，采取Hankel 和Toeplitz矩阵分别用作信道矩阵，提升网络系统的信道传输性能。Dong等[12]提出一种基于多天线的认知无线电并行子信道传输算法，该文研究认知无线电并行子信道传输速率的最大化问题，使子信道沿着预计信道矩阵的空间方向，并且对这些子信道进行功率分配，当投影信道矩阵的维数能够被适当地选择时，该算法可以最优化数据传输速率。
1 系统模型
假设高斯传输信道有一个源节点nS与M个用户或者目的节点nD通信。每个用户都有自己的速率要求，这是由它的权重ui指定的，此外，每个终端被假设为配备有单个天线。该信道被建模为慢衰落。因此，时间频率网格被划分为多个块。信道在一个通道块（Channel Block，CB）中被假设为保持不变，且独立改变并随机地从一个信道块到另一个信道块。并且假设在一个持续的数据传输时间当中，副载波带宽小于信道相干时间和相干带宽[13-14]。为了不失一般性，假设每个CB具有相同的持续时间和带宽，假设当用户相距较远时会遭遇独立衰落的情况。还假设目的节点是均匀地分布在围绕着源节点的最小半径为dmin及最大半径为dmax的圆形区域当中，因此，从源到目的地的距离的概率密度函数（Probability Density Function，PDF）以及累积分布函数（Cumulative Distribution Function，CDF）[15-16]分别给出：
假设在每一个CB的功率PB是一个常数，并且假设所有用户的噪声方差相等，为σ2。源节点被假设为具有所有到用户链路的信道状态信息，并根据指明具体章节第2章提到的瞬时信道条件在每一个CB中作出调度决策。
4 实验仿真及分析
为了验证本文提出的基于叠加编码及多用户调度的高斯传输信道优化算法的性能，在实验采用Matlab 7.1编程仿真软件进行模拟仿真。参考文献[10]和文献[11]的仿真环境，假设源节点位于坐标为（0，0）的中心，圆形区域的一个最小半径为dmin=50m，最大半径为dmax=100m，目的节点位于最小半径和最大半径所形成的圆形的区域之间。在仿真中对于所有用户利用瑞利衰落模型的所有衰落过程，衰落过程的PDF和CDF分别定义为：
为了更好地体现出本文提出的基于叠加编码及多用户调度的高斯传输信道优化算法（Gaussian transmission channel optimization algorithm based on Superposition Coding and Multiuser scheduling，MGSC）的性能，在实验中采用了对比分析的方法，其中对比算法为文献[10]中提出的TWRC算法和文献[11]中采用的LSD技术。三种算法都在同样的仿真参数设置和同样的仿真平台下进行。
数据传输速率总和图名和图纵坐标中“速率总和”是否应为“信息速率”改为数据传输速率总和。随用户个数的变化情况
5 结语
参考文献：
[5]CHEN WC， LANDY N I， KEMPA K，et al. Optical transmission： a subwavelength extraordinaryopticaltransmission channel in babinet metamaterials [J]. Advanced Optical Materials， 2013， 1（3）： 195-195.
[9]XU R， JIANG T. Optimization of cycle transmission mechanism in cognitive radio [J]. Journal of Electronics & Information Technology， 2013， 35（7）： 1694-1699.
（许瑞琛， 蒋挺. 一种认知无线电周期数据传输优化机制[J]. 电子与信息学报， 2013， 35（7）： 1694-1699.）