本发明属于协作通信
技术领域：
，更具体地说，涉及一种基于能效最优的协作通信系统资源分配方法。
背景技术：
：未来的无线通信网络将向用户提供诸如互联网的宽带服务。那些宽带业务要求在恶劣的移动环境下提供可靠并且高速率的通信，这种移动环境的频谱是有限的，还伴随着多径衰落引起的码间干扰。正交频分复用(OFDM)是解决这种码间干扰的最有前途的方案之一。OFDM的概念很早就被提出，它的根本理念是用相互重叠、相互独立的子载波使用频分复用技术并行传输。早期的OFDM系统结构相当复杂，并且成本很高，因此应用范围很小。1972年，使用离散傅立叶变换进行调制解调，打开了OFDM系统应用的一片新天地。OFDM技术已经被选为欧洲数字音频广播、视频广播和无线局域网标准，比如，802.11a标准。进入80-90年代后，OFDM技术逐渐应用于各种通信系统中。目前OFDM作为4GLTE的基础技术之一，同时也是IEEE部分无线局域网标准的物理层核心技术。对OFDM技术的研究早在20世纪末期便趋于成熟，然而传统蜂窝网络有两大缺点，一方面基站端信号发送功率较高使得整个系统能耗过高，另一方面，在路径损耗严重的网络环境中，信号传输功率会逐渐衰减，可能会引起信号失真，因此会导致接收错误。这些缺点使得以中继为基础的协作技术进入人们视野，它不仅价格低廉，而且灵活性与延展性极高，能间接延长网络距离，进一步保障边缘用户的服务质量(QoS)，提升传统通信网络的系统性能。随着无线通信系统更高的速率要求以及更广阔的覆盖需求，中继的出现被看作是紧密连接基站端与移动台的便捷低耗的好方式，被视为LTE-A最关键的技术，并被写入到IEEE802.16j无线通信标准中。在近几年的研究中，多数文章的优化目标都是最大限度提升OFDM中继系统的容量，优化模型由优化目标以及约束条件组成，常见的约束条件有功率限制和需求限制。如：基站发射功率，中继转发功率，最小传输速率，用户优先级，系统公平性等。随着智能手机、平板电脑等移动设备的广泛使用，人们对高速率无线服务的需求迅速增加，相应地也增加了无线网络的能耗。蜂窝网络的能耗的增加无形中会给运营商开支带来不小的影响。因此能量效率技术成为关键的研究领域。现有的关于能量效率算法的研究，多数以最大化单位能耗上的系统容量为目标，也就是用单位焦耳能耗上的比特数代替吞吐量或者峰值速率成为系统优化目标，除了考虑传输功率的消耗，兼顾了电路功率损耗。C.Sun和C.Yang在2012年EURASIPJ.WirelessCommun.Networking中通过优化各个节点处传输时间和传输功率来实现能效优化，分别从单向中继和双向中继两个场景模型进行分析，系统是最基础的三个节点中继网络。M.Zhou，Q.Cui，R.Jantti和X.Tao在2012年IEEECommuicationLetters中指出通过中继选择和功率分配，提出一种最小化传输功率的算法。但是该算法没有考虑系统容量和传输功率消耗之间的平衡。C.Y.Ho和C.-Y.Huang在2011年IEEEInternationalConferenceonCommunications中选用译码转发中继模式，通过联合子载波分配、功率分配以及中继选择最大化单个用户的能量效率。Y.Jiang，J.Zhang，X.Li和W.Xu在2012年IEEEInternationalConferenceonVTC上还考虑了用户之间的公平性问题，但是上述场景都是在OFDM上行链路中的研究。Cheung,K.T.K.在2013年在IEEETransactionsonCommunications提出下行链路中能效问题最经典的求解方法，在下行多中继多用户OFDM蜂窝网络场景中最大化单位传输功率上的频谱效率，在最优功率分配求解的过程中使用分数规划算法来降低运算复杂度。以上文献均未考虑时间平均下的系统能效，基于时间平均的能效算法不仅考虑当前系统性能，同时将当前时刻之前时刻系统性能考虑在内，保证系统资源分配的公平性，同时能够通过运算巧妙地得到更简单的功率子载波自适应分配公式。技术实现要素：针对现有蜂窝网络的中继协作能量效率优化方法未充分考虑考虑时间平均下的系统能效最优、保证系统资源分配的公平性、联合子载波分配与功率分配、实时性要求、低复杂度算法实际应用等问题，本发明提出一种基于能效最优的协作通信系统资源分配方法，通过子载波分配与功率分配，实现整个协作网络单位时间内每焦耳能量所传输的比特数的最大化，同时考虑系统比例公平性。把最优化问题分成两个子问题解决，通过循环迭代获取子载波上功率分配，在子载波分配过程中不仅考虑当前信道状态信息，同时考虑之前信道状态，通过巧妙的转换降低本发明算法复杂度。为解决上述问题，本发明所采用的技术方案如下：一种基于能效最优的协作通信系统资源分配方法，包括步骤1：建立系统模型；系统由基站S，M个用户以及N个中继组成，用户自由分布在小区内中继以外的圆环内，用户与基站距离较远，用户无法直接接收基站传输的信号，信号传输分为两个时隙，第一个时隙基站通过子载波发送信号给中继，下个时隙中继接收到基站传过来的信号放大并进行转发，两个时隙相互正交，记在t时刻被第n个中继服务的用户集为：在S→R链路中，全部K个正交的子载波被分配给N个中继，所有子载波的集合表示为ξ＝{1,2,...K}，在R→D链路中，所有的用户共享中继的全部K个正交的子载波，每个用户在一个时刻与最近的中继形成链路，在两跳链路中信号在同一个子载波上进行传输，假设所有节点之间的衰落是独立同分布的瑞利衰落，用户m在t时刻第k个子载波上瞬时速率可以表示为：rm,k(t)=12Blog2(1+ηs,k(t)ηm,k(t)1+ηs,k(t)+ηm,k(t)),ηs,k(t)=ps,k(t)|hs,k(t)|2N0B,ηm,k(t)=pr,k(t)|hm,k(t)|2N0B]]>其中ηs,k(t)和ηm,k(t)分别为S→R链路和R→D链路在t时刻的信噪比(SNR)，ps,k(t)为t时刻基站S到与它相连的中继在子载波k上的发射功率，pr,k(t)为t时刻基站在子载波k上的发射功率，hs,k(t)和hm,k(t)分别为t时刻基站S到中继，中继到用户Dm在子载波k上的信道增益，N0为噪声功率谱密度，子载波带宽用B表示；步骤2:系统场景分析，问题归结；对于用户Dm来说，单位时间内的能量效率表示为平均数据速率与平均功率消耗之比：um(t)=Rm(t)Pm(t)=(1-1T)Rm(t-1)+1Tsm(t)(1-1T)Pm(t-1)+1Tpm(t)]]>其中Τ为加窗长度，R(0)＝0，sm(t)表示用户Dm在t时刻的瞬时数据速率：sm(t)=Σk=1Kρm,k(t)rm,k(t)]]>令ρm,k(t)表示子载波分配参数，当在t时刻用户Dm分配到子载波k时，ρm,k(t)＝1，否则ρm,k(t)＝0，在t时刻的瞬时功率消耗表示为其中pcm(t)表示用户端电子设备的电路功率消耗，从而该场景下的最优化问题可以表示为：步骤3:使用凸优化方法求解最优化问题；所述优化问题P1的求解可以采用拉格朗日因子方法：再联立和n∈{1,2,...,N},k∈{1,2,...,K},m∈{1,2,...,M}，并用次梯度方法迭代求解，其中βk,βs,βr,n是相应的拉格朗日因子。进一步的，所述优化问题P1的拉格朗日形式中的拉格朗日因子βk,βs,βr,n的迭代更新方法采用次梯度算法，所述次梯度算法的迭代更新方程是βk(τ+1)=[βk(τ)-δk(τ)(1-Σm=1Mρm,k(t))]+]]>βs(τ+1)=[βs(τ)-δs(τ)(P-Σk=1Kps,k(t))]+]]>βr,n(τ+1)=[βr,n(τ)-δr,n(τ)(Pr,n-Σk=1KΣm∈Ψn(t)ρm,k(t)pr,k(t))]+]]>其中βk(τ),βs(τ),βr,n(τ)分别表示第n次迭代的拉格朗日因子，δk(τ),δs(τ),δr,n(τ)分别表示相应的迭代步长。进一步的，所述次梯度算法迭代更新方程的迭代步长可以设置成：δk(τ)=δs(τ)=δr,n(τ)=1τ2,n∈{1,2,...,N},k∈{1,2,...,K}.]]>进一步的，所述步骤3优化问题P1的求解包括以下步骤：步骤A1：初始化，设置功率迭代次数q＝0；步骤A2：最优化中继端功率，对于每个子载波k，通过计算设置步骤A3：最优化基站端功率，对于每个子载波k，通过计算设置步骤A4：最优化分配因子ρm,k，对于每个子载波k，通过计算设置Ωm←Ωm∪{k}，ξ←ξ-{k}；步骤A5：q←q+1，如果q＜Q，重复步骤A2到步骤A4；否则算法结束。进一步的，还包括步骤4：步骤4：算法复杂度分析与对比；通常的能效优化算法采用穷举法，穷举法找到最优解的复杂度公式可以表示为O(2MKKlogK)，复杂度随子载波数目以及用户数目的增加而指数增加；本发明算法复杂度公式则是一个关于子载波数目和用户数目的线性表达式联合最优算法与中继个数相关，找到最优解的复杂度公式为O(MKN)。进一步的，所述步骤2问题归结还包括：假设所有子载波信道服从瑞利衰落，各个节点之间的信道增益服从零均值的复高斯分布，路径损耗采用Okumura-Hata模型：L(d)＝137.74+35.22lgddB，其中距离的单位为千米，定义基站端发射功率PS的最大上限与最大传输功率Pmax之间的关系为PS＝Pmax/2，定义系统的公平性有益效果：相对比于现有技术，本发明的有益效果为：(1)本发明以单位时间内每焦耳能量所传输的比特数的最大化为目标函数，联合考虑多个中继和多个用户的OFDM中继网络场景下的联合子载波分配与功率分配问题，具有现实的指导意义；(2)本发明考虑时间平均下的系统能效，基于时间平均的能效算法不仅考虑当前系统性能，同时将当前时刻之前时刻系统性能考虑在内，保证系统资源分配的公平性，并给出用户公平性的数学表达式，同时能够通过运算巧妙地得到更简单的功率子载波自适应分配公式；(3)本发明把最优化问题分成两个子问题解决，通过循环迭代获取子载波上功率分配，在子载波分配过程中不仅考虑当前信道状态信息，同时考虑之前信道状态，通过巧妙的转换降低本发明算法复杂度，并给出了复杂度的数学表达式；(4)本发明针对特殊的应用场景，来源实际应用，场景设置细致、合理，更有实践指导意义；(5)本发明针对最优化问题的求解，采用凸优化处理，转化优化问题的目标函数，不经过近似计算，不影响问题的精度的同时极大的降低的计算复杂度，减少系统开销产生的时延；(6)本发明寻优采用拉格朗日乘子方法，寻优速度快，算法迭代过程中采用次梯度方法，并选用渐进步长，寻优更加精确；(7)本发明的资源分配方法，算法设计合理，易于实现。附图说明图1为多个中继多个用户的OFDMA小区的系统结构图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。实施例一一种基于能效最优的协作通信系统资源分配方法，包括步骤1：建立系统模型；本发明针对特殊的应用场景，来源实际应用，场景设置细致、合理，更有实践指导意义。如图1所示，多中继多用户OFDM下行网络，系统由基站S，M个用户(D1,...,DM)以及N个中继(R1,...,RN)组成。用户自由分布在小区内中继以外的圆环内。假设用户与基站距离较远，用户无法直接接收基站传输的信号。系统处在TDD模式下，即信号传输分为两个时隙。第一个时隙基站通过子载波发送信号给中继，下个时隙中继接收到基站传过来的信号放大并进行转发，两个时隙相互正交。记在t时刻被第n个中继服务的用户集为：在S→R链路中，全部K个正交的子载波被分配给N个中继，所有子载波的集合表示为ξ＝{1,2,...K}。在R→D链路中，所有的用户共享中继的全部K个正交的子载波。每个用户在一个时刻与最近的中继形成链路，在两跳链路中信号在同一个子载波上进行传输。假设所有节点之间的衰落是独立同分布的瑞利衰落，那么用户m在t时刻第k个子载波上瞬时速率可以表示为：rm,k(t)=12Blog2(1+ηs,k(t)ηm,k(t)1+ηs,k(t)+ηm,k(t))---(2)]]>ηs,k(t)=ps,k(t)|hs,k(t)|2N0B---(3)]]>ηm,k(t)=pr,k(t)|hm,k(t)|2N0B---(4)]]>其中ηs,k(t)和ηm,k(t)分别为S→R链路和R→D链路在t时刻的信噪比(SNR)，ps,k(t)为t时刻基站S到与它相连的中继在子载波k上的发射功率，pr,k(t)为t时刻基站在子载波k上的发射功率。hs,k(t)和hm,k(t)分别为t时刻基站S到中继，中继到用户Dm在子载波k上的信道增益，N0为噪声功率谱密度，子载波带宽用B表示。步骤2:系统场景分析，问题归结；本发明以单位时间内每焦耳能量所传输的比特数的最大化为目标函数，联合考虑多个中继和多个用户的OFDM中继网络场景下的联合子载波分配与功率分配问题，具有现实的指导意义。本发明算法主要的优化目标是最大化单位时间内的用户能量效率，对于用户Dm来说，单位时间内的能量效率表示为平均数据速率与平均功率消耗之比：um(t)=Rm(t)Pm(t)=(1-1T)Rm(t-1)+1Tsm(t)(1-1T)Pm(t-1)+1Tpm(t)---(5)]]>其中Τ为加窗长度，R(0)＝0，sm(t)表示用户Dm在t时刻的瞬时数据速率：sm(t)=Σk=1Kρm,k(t)rm,k(t)---(6)]]>令ρm,k(t)表示子载波分配参数，当在t时刻用户Dm分配到子载波k时，ρm,k(t)＝1，否则ρm,k(t)＝0。在t时刻的瞬时功率消耗表示为：pm(t)=Σk=1Kρm,k(t)(ps,k(t)+pr,k(t))+pcm(t)---(7)]]>其中pcm(t)表示用户端电子设备的电路功率消耗。结合公式(2)到公式(7)，联合功率和子载波分配，一种基于用户公平性，以最大化单位时间协作网络系统能效为目标的最优化问题可以表示为：P1:maxps,k(t),pr,k(t),ρm,k(t)U(t)=Σm=1Mlogum(t)]]>s.t.Σm=1Mρm,k(t)=1,∀k∈(1,2,...K)]]>Σk=1Kps,k(t)≤Ps,ps,k≥0]]>Σk=1KΣm∈Ψn(t)ρm,k(t)pr,k(t)≤Pr,n,pr,k(t)≥0,∀n∈{1,2,...N}]]>其中：限制条件表示一个子载波在两个时隙内只能被分配给一个用户，和分别是基站端和第n个中继端的传输功率限制，表示以每个用户单位时间内的能量效率对数和为优化目标，与以每个用户能量效率的总和的对数为优化目标的算法相比，本发明的算法使得用户之间公平性得到保证。步骤3:使用凸优化方法求解最优化问题；为了提高进一步改进，提高算法的运算效率，本发明提出一种新的求解优化问题P1的思路，采用拉格朗日乘子方法去寻优，速度更快，算法复杂度更低。具体来说，所述优化问题P1的求解可以采用拉格朗日因子方法：L(ps,k(t),pr,k(t),ρm,k(t),βk,βs,βr,n)=Σm=1Mlogum(t)-βk(Σm=1Mρm,k(t)-1)-βs(Σk=1Kps,k(t)-P)-βr,n(Σk=1KΣm∈Ψn(t)ρm,k(t)pr,k(t)-Pr,n)]]>再联立和n∈{1,2,...,N},k∈{1,2,...,K},m∈{1,2,...,M}，并用次梯度方法迭代求解，其中βk,βs,βr,n是相应的拉格朗日因子。实施例二在实施例一的基础上，采用拉格朗日乘子算法，每一次循环迭代的过程中我们可以采用次梯度方法，并选用渐进步长，寻优更加精确。具体来说，所述优化问题P1的拉格朗日形式中的拉格朗日因子βk,βs,βr,n的迭代更新方法采用次梯度算法，复杂度更低，更有效率，所述次梯度算法的迭代更新方程是：βk(τ+1)=[βk(τ)-δk(τ)(1-Σm=1Mρm,k(t))]+]]>βs(τ+1)=[βs(τ)-δs(τ)(P-Σk=1Kps,k(t))]+]]>βr,n(τ+1)=[βr,n(τ)-δr,n(τ)(Pr,n-Σk=1KΣm∈Ψn(t)ρm,k(t)pr,k(t))]+]]>其中βk(τ),βs(τ),βr,n(τ)分别表示第n次迭代的拉格朗日因子，δk(τ),δs(τ),δr,n(τ)分别表示相应的迭代步长。为了使得迭代速度更快，精度更高，我们选择递进减小的迭代步长。所述迭代步长可以设置成：δk(τ)=δs(τ)=δr,n(τ)=1τ2,n∈{1,2,...,N},k∈{1,2,...,K}.]]>实施例三本实施例给出一种详细的方法去求解最最优化问题P1，具体来说：由最优化问题P1可以看出，该能量效率的优化模型为非线性混合整数规划问题，无法应用目前的常规方法进行求解，为了降低该问题的复杂度，本发明先采用Dinkelbach方法将该优化模型变为线性凸规划，然后基于对偶规划对简化后的线性规划问题进行求解。同时把最优化问题分为两个子问题来完成：子载波分配和功率分配。首先，考虑子载波分配；虽然穷举算法作为一种载波分配算法能大大提高系统的性能，但其计算复杂度非常高，本发明采用一种低复杂度的载波分配方法，在降低运算量的同时保证系统的能效。U(t)表示系统在t时刻的能效，则U(t-1)表示系统在t-1时刻的总能效，在t时刻可以看作为一个定值。因此最大化U(t)的值与最大化U(t)+U(t-1)的值相同：U(t)+U(t-1)=Σm=1Mlogum(t)+Σm=1Mlogum(t-1)=Σm=1Mlog(Rm(t)Rm(t-1)Pm(t)Pm(t-1))---(8)]]>将公式(5)式代入到(8)式，U(t)+U(t-1)可以变化为：U(t)+U(t-1)=Σm=1Mlog((1-1T)Rm2(t-1)+1TRm(t-1)Σk=1Kρm,k(t)rm,k(t)Pm(t)Pm(t-1))≈Σm=1Mlog[(1-1T)Rm2(t-1)Pm2(t-1)+(1-1T)Rm(t-1)Pm2(t-1)Σk=1Kρm,k(t)rm,k(t)]---(9)]]>假设加窗长度Τ＞＞1，(9)式前半部分在t时刻可以看作是常数，因此U(t)的最大值只与ρm,k(t)和rm,k(t)有关。已知对数函数是单调递增函数，想求U(t)的最大值就是将子载波分配给rm,k(t)最大值的用户：ρm,k*(t)=argmaxρm,k(k)rm,k(t)---(10)]]>当然，子载波分配指数ρm,k(t)同样需要满足优化问题P1约束条件的限制。特别注意的是，每个子载波在两个时隙中只能被一个用户使用，当总功率达到了传输功率上限之后也将停止分配子载波。则分配给用户Dm的子载波集合可以表示为：Ωm*={k|rm,k(t)>rn,k(t),∀m≠n},∀m.---(11)]]>然后，再考虑功率分配；假设每个节点处的信道状态信息是已知的，首先我们根据给定的中继处的功率来计算出基站端各子载波上最优功率分配，再根据计算得到的基站端子载波上的功率分配计算出中继端的子载波功率，最后分别在基站端和中继端进行自适应独立优化，迭代出最优值。在算法描述之前，先给出水平集和凹函数的定义。函数f:Rn→R的α水平集被定义为：Sα＝{x∈domf|f(x)≥α}.(12)如果一个函数f:Rn→R，它的定义域和水平集Sα在α∈R时是凸的，则函数为凹函数。根据上述定义，文献[57]作者给出如下证明：Um(t)是关于rm,k(t)的函数，水平集Sα＝{rm(t)|um(t)≥α,α∈R}是严格凸函数，这里rm(t)是集合c＝|Ωm(t)|为分配给用户Dm的子载波数目，ξ是所有子载波的集合。则Um(t)是凸集rm(t)上的严格凹函数，有全局最优解矩阵r*(t)存在，并且如果rm,k(t)＞0，最优解集中的每个元素r*(t)均满足：∂um(t)∂rm,k(t)=0---(13)]]>假设中继端子载波上传输功率已知，需要求解基站端子载波上的最优功率分配，使每个用户单位时间内的能效达到最优。将(5)式代入(13)式，对最优速率求偏导得：∂ps,k(t)∂rm,k(t)=1um(t)---(14)]]>在Τ≥1的情况下，Pm(t)≈Pm(t-1)、Rm(t)≈Rm(t-1)，式(14)可被近似为：∂ps,k(t)∂rm,k(t)≈Pm(t-1)Rm(t-1)=1um(t-1)---(15)]]>为了进一步简化计算的复杂度，式(2)中的rm,k(t)可近似为S→R链路信噪比和R→D信噪比的调和平均值：rm,k(t)≈12Blog2(1+ηs,k(t)ηm,k(t)ηs,k(t)+ηm,k(t))---(16)]]>结合公式(16)和公式(3)，可得：ηs,k(t)=(22rm,k(t)B-1)ηm,k(t)ηm,k(t)-22rm,k(t)B+1---(17)]]>则rm,k(t)和ps,k(t)之间的关系为：ps,k(t)=N0B|hs,k(t)|2·(22rm,k(t)B-1)ηm,k(t)ηm,k(t)-22rm,k(t)B+1---(18)]]>ps,k(t)对rm,k(t)求偏导，代入(15)式中可得：A1x2-[2A1(1+ηm,k(t))+1]x+A1(1+ηm,k(t))2＝0(19)其中，从式(18)可以看出，x是定义域在区间[1,1+ηm,k(t)]内，则(19)式的一元二次方程只有一个符合条件的解为：x=1+ηm,k(t)+12A1-1+4A1+4A1ηm,k(t)2A1---(20)]]>把(20)式代入(18)式中，基站端在子载波k上的最优传输功率为：ps,k*(t)=[N0Bηm,k(t)|hs,k(t)|2·1+2A1ηm,k(t)-1+4A1+4A1ηm,k(t)1+4A1+4A1ηm,k(t)-1]+---(21)]]>其中[x]+＝max(0,x)。现在假设基站端子载波上发射功率是给定的，中继端子载波上的最优发射功率可以运用上述相似的方法求解。结合(16)和(3)，可得：ηm,k(t)=(22rm,k(t)B-1)ηs,k(t)ηs,k(t)-22rm,k(t)B+1---(22)]]>则rm,k(t)和pr,k(t)之间的关系为：pr,k(t)=N0B|hm,k(t)|2·(22rm,k(t)B-1)ηs,k(t)ηs,k(t)-22rm,k(t)B+1---(23)]]>pr,k(t)对rm,k(t)求偏导，可得：A2x2-[2A2(1+ηs,k(t))+1]x+A2(1+ηs,k(t))2＝0(24)其中，从式(23)可以看出，x是定义域在区间[1,1+ηs,k(t)]内，则(24)式的一元二次方程只有一个符合条件的解为：x=1+ηs,k(t)+12A2-1+4A2+4A2ηs,k(t)2A2---(25)]]>把(25)式代入(23)式中，中继端在子载波k上的最优传输功率表示为：pr,k*(t)=[N0Bηs,k(t)|hm,k(t)|2·1+2A2ηs,k(t)-1+4A2+4A2ηs,k(t)1+4A2+4A2ηs,k(t)-1]+---(26)]]>所述的自适应的最优功率分配方法如下：先考虑到收敛性问题，基站端和中继端子载波上的功率平均分配，再根据(21)和(26)式计算最优分配功率，循环迭代，直到能根据基站端子载波上功率分配的最优解求出的中继端子载波上的功率分配恰好也是中继端功率分配的最优解。循环迭代直至收敛。假设经过Q次迭代以后获得最优解，算法具体步骤如下：步骤A1：初始化，设置功率迭代次数q＝0；步骤A2：最优化中继端功率，对于每个子载波k，通过计算设置步骤A3：最优化基站端功率，对于每个子载波k，通过计算设置步骤A4：最优化分配因子ρm,k，对于每个子载波k，通过计算设置Ωm←Ωm∪{k}，ξ←ξ-{k}；步骤A5：q←q+1，如果q＜Q，重复步骤A2到步骤A4；否则结束。实施例四实施例三把最优化问题分成两个子问题解决，通过循环迭代获取子载波上功率分配，在子载波分配过程中不仅考虑当前信道状态信息，同时考虑之前信道状态，通过巧妙的转换降低本发明算法复杂度，本实施例为了能让该算法方便快捷的应用于实际，进一步考虑算法复杂度分析，并给出了复杂度的数学表达式。比较本发明的能效最优算法与常见方法(穷举法)的运算复杂度，穷举法的复杂度很高，本发明算法复杂度较低。穷举法找到最优解的复杂度公式可以表示为O(2MKKlogK)，复杂度随子载波数目以及用户数目的增加而指数增加，本发明算法复杂度公式则是一个关于子载波数目和用户数目的线性表达式联合最优算法与中继个数相关，找到最优解的复杂度公式为O(MKN)。实施例五为了更好的体现用户公平性原则，我们可以在前面的几个实施例中增加定义用户公平性。具体来说：所述步骤2问题归结还包括：假设所有子载波信道服从瑞利衰落，各个节点之间的信道增益服从零均值的复高斯分布，路径损耗采用Okumura-Hata模型：L(d)＝137.74+35.22lgddB，其中距离的单位为千米。其中定义基站端发射功率PS的最大上限与最大传输功率Pmax之间的关系为：PS＝Pmax/2。本发明考虑时间平均下的系统能效，基于时间平均的能效算法不仅考虑当前系统性能，同时将当前时刻之前时刻系统性能考虑在内，保证系统资源分配的公平性，并给出用户公平性的数学表达式，同时能够通过运算巧妙地得到更简单的功率子载波自适应分配公式。定义系统的公平性：F=(Σm=1MRm)2/(MΣm=1MRm2).]]>以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3