基于喷泉码的机会多播调度算法研究

《基于喷泉码的机会多播调度算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于喷泉码的机会多播调度算法研究　　摘要：为了满足移动蜂窝网络中用户对高速率数据业务和服务质量（QoS）的要求，提出一种基于喷泉码的机会调度算法。在基站无法获取瞬时CSI（信道状态信息）情况下，利用信道分布统计规律并使用吞吐量估计矩阵，自适应调整选择用户数，减少了调度算法的计算复杂度，在一定程度上提高了系统吞吐量。对固定数据量自适应机会调度算法FEMOS与固定数据量吞吐量估计机会调度算法进行了仿真比较，仿真结果表明，基于喷泉码的机会调度算法能够获得更高的吞吐量，可以高效地利用有限的频带资源并降低计算量。　　关键词：多播系统；机会调度；喷泉码；吞吐量　　DOIDOI

2、：10.11907/rjdk.161513　　中图分类号：TP312　　文献标识码：A文章编号文章编号：16727800（2016）009003105　　基金项目基金项目：　　作者简介作者简介：刘阳（1989-），男，黑龙江齐齐哈尔人，江苏大学计算机科学与通信工程学院硕士研究生，研究方向为通信系统与多播技术。　　0引言6　　广播/多播服务（MBMS）被定义为点对多点（PTMP）服务，如IPTV、视频会议、数据分发业务，这种业务在移动蜂窝网络可通过多个用户共享相同的无线资源来提高系统效率，获得系统的多播增益。传统组播调度算法（CMS）中，为保证所有用户的正确接收，基

3、站（BS）选择最差的用户信道增益确定传输速率，系统吞吐量基于最差用户的信道条件。　　在这种情况下，可用资源不能被充分利用。Gopala、Gamal[12]提出了一种多播机会调度传输方案MedianOMS，主要目标是提高网络吞吐率。在该传输方案中，区别于CMS每次传输均针对所有用户，BS在每个TTI时隙中选择一半信道状态好的用户传输数据，提高了系统发送速率。相比传统的调度算法CMS，MedianOMS能够提供了更好的性能，但是以中间为阈值来提取用户的子集进行传输的方案并不总是能够使系统的吞吐量最大，即这种方案中的用户比例并不是最佳的。随后TzePingLow对用户比

4、例的选择进行研究使多播系统吞吐量最大化，得出的结论是，该用户比例并不是一个固定的值，它随着平均信噪比（SNR）的变化而变化[3]。　　机会多播调度（OMS）的提出，平衡了多用户增益和多播增益的权衡。主要思想是，在每个传输时间间隔（TTI），BS只传送给信道条件高于阈值的用户。结果显示，其相比CMS吞吐量显著提高。OMS的方法是基于MDC[4]，在MDC中，最初的多播数据编码为多个独立的流。使用这种方法，BS只需要设置传输速率来最大化吞吐量而不用考虑每个用户是否可以接收到所有数据。另一个OMS的方法是定义阈值的组播调度（MS）[5]。在这种情况下，在每个TTI中BS

5、从K个总用户中选择最佳的T个信道用户接收数据，数据一直重传直到所有用户都能接收到。6　　随后喷泉码被提出，数字喷泉码的发送端对一组源数据进行编码后可以生成任意数量的编码数据包，而接收端只需要接收到足够数目的编码数据包，就可以通过译码正确恢复源数据，并且编码数据包的接收顺序不影响译码[6]。喷泉码的这个优点对机会多播调度很有利，如果用户在某时隙没有接收编码数据包，基站在下一时隙不用为该用户重传相同的数据包，可以继续发送其它编码数据包。　　WenHuang，KwanLYeung[78]利用其性质，提出了新的调度算法，不用考虑数据接收的时间段，只要收到足够多的数据量就可

6、成功解码。因此，在发送端就可以充分利用用户的瞬时信道状态，计算出每个用户的信道速率，看哪个速率对应的吞吐量最大，从而选择传输速率并与那些用户实现数据接收。　　文献[9]提出优化的机会多播调度（OOMS），优化了用户选择，进一步形成了对OOMS系统的吞吐量的平均表达[10]。尽管与MedianOMS相比，OOMS具有良好性能，但文献[910]中的方法仍有缺点：①已经收到数据的用户可能会多次选择，这将降低系统的吞吐量；②文献[9]方法中每时隙被选择用户的个数是常数，然而，没有收到数据的用户数量会逐渐减少，这对所有传输不是最优的。为了解决第2个问题，文献[10]提出OM

7、S，在每个TTI中BS选择最优组。然而，该选择是基于用户的瞬时信道状态信息（CSI），这就增加了计算的复杂性。比例公平的OMS[11]也有类似问题。6　　为了克服这些问题，进一步提高吞吐量，本文结合喷泉码的接收端只要接收的数据达到足够数量就能够成功解码的特点，提出了基于自适应用户选择的机会多播调度算法（FAOS）。吞吐量的增强是通过自适应选择最优用户，而不是使用一个固定值。由于需要遍历所有目标多播用户可支持的传输速率，并计算每个可支持的传输速率对应的吞吐量，再比较吞吐量的大小后才能够确定用户数量，因而计算量非常大。鉴于此，本文进一步提出了固定数据量吞吐量估计机会调

8、度FEMO