用于使加权和速率最大化的方法和装置

技术领域

实施例的示例涉及能够用于在使用非正交多址(NOMA)的通信网络中进行无线电资源管理的装置、方法、系统、计算机程序、计算机程序产品和(非瞬态)计算机可读介质，并且具体地涉及能够用于最大化具有蜂窝功率约束的多载波NOMA中的加权和速率的装置、方法、系统、计算机程序、计算机程序产品和(非瞬态)计算机可读介质。

背景技术

背景技术的以下描述可以包括对本发明的实施例的至少一些示例的但由本发明提供的洞察、发现、理解或公开或关联，以及相关现有技术不知道的公开。本发明的一些这样的贡献可以在下面具体指出，而本发明的其他这样的贡献将从相关上下文中很清楚。

本规范中使用的缩写的以下含义适用：

3GPP 第三代合作伙伴计划

4G 第四代

5G 第五代

BS 基站

CN 核心网

CPU 中央处理单元

DL 下行链路

eNB 演进型节点B

ETSI 欧洲电信标准协会

FTPC 分数发送功率控制

gNB 下一代节点B

JSPA 联合子载波和功率分配

LDDP 拉格朗日对偶和动态规划

LTE 长期演进

LTE-A 高级LTE

MC-NOMA 多载波NOMA

MCPC 多载波功率控制

NOMA 非正交多址接入

NG 新一代

NP 非确定性多项式可接受问题

NR 新无线电

OFDMA 正交频分多址

OMA 正交多址

QoS 服务质量

RRM 无线电资源管理

SCUS 单载波用户选择

SIC 连续干扰消除

UE 用户设备

UL 上行链路

UMTS 通用移动电信系统

WSR 加权和速率

发明内容

根据实施例的示例，例如提供了一种由通信网络控制元件或功能使用的装置，该通信网络控制元件或功能被配置为进行无线电资源管理控制，以用于通过使用多个子载波来与通信网络中的至少一个通信元件或功能通信，该装置包括至少一个处理电路系统和用于存储将由处理电路系统执行的指令的至少一个存储器，其中至少一个存储器和指令被配置为与至少一个处理电路系统一起使该装置至少：获取输入参数；通过使用用于针对所有子载波最大化用于固定子载波分配的加权和速率的第一阶段过程以及用于在考虑到特定复用和干扰消除约束的情况下确定用于单个子载波的功率分配的第二阶段过程来处理输入参数，其中从第一阶段过程输出的处理结果被输入到第二阶段过程中，并且从第二阶段过程输出的处理结果被返回到第一阶段过程；以及基于第一阶段过程和第二阶段过程中的处理结果来输出用于至少一个子载波的功率设置。

此外，根据实施例的示例，例如提供了一种在通信网络控制元件或功能中使用的方法，该通信网络控制元件或功能被配置为进行无线电资源管理控制，以用于通过使用多个子载波来与通信网络中的至少一个通信元件或功能通信，该方法包括获取输入参数；通过使用用于针对所有子载波最大化用于固定子载波分配的加权和速率的第一阶段过程以及用于在考虑到特定复用和干扰消除约束的情况下确定用于单个子载波的功率分配的第二阶段过程来处理输入参数，其中从第一阶段过程输出的处理结果被输入到第二阶段过程中，并且从第二阶段过程输出的处理结果被返回到第一阶段过程；以及基于第一阶段过程和第二阶段过程中的处理结果来输出用于至少一个子载波的功率设置。

根据另外的改进，这些示例可以包括以下特征中的一个或多个：

-可以获取最大总功率预算、用于每个子载波的最大功率预算、以及以下至少一项作为输入参数：每个子载波复用的用户的最大数目和每个子载波分配的用户的数目；

-在第一阶段过程中，可以通过对用于每个子载波的每个功率预算使用投影梯度下降以最大化加权和速率，来将最大总功率预算、用于每个子载波的最大功率预算和每个子载波复用的用户的最大数目作为输入参数进行处理；可以从第一阶段过程向第二阶段过程输出对要被考虑的子载波的指示、每个子载波复用的用户的最大数目和用于所指示的子载波的功率预算；在第二阶段过程中，可以处理对要被考虑的子载波的指示、每个子载波复用的用户的最大数目和用于所指示的子载波的功率预算，以用于在针对所指示的子载波的所述功率预算下、并且通过考虑指示分配的用户的数目等于或小于每个子载波复用的用户的最大数目的约束，来计算最优单载波功率分配；可以从第二阶段过程向第一阶段过程输出对要被考虑的子载波的指示、用于确定加权和速率的参数和计算出的最优单载波功率分配；在第一阶段过程中，可以处理用于确定加权和速率的参数和计算出的最优单载波功率分配。

-在用于确定加权和速率的参数和计算出的最优单载波功率分配的、在第一阶段过程中的处理中，可以进行以下至少一项：输出计算出的最优单载波功率分配，以及在下一次迭代中使用用于确定加权和速率的参数和计算出的最优单载波功率分配，以用于通过更新在第一阶段过程的处理中被使用的参数来向第二阶段过程提供输入；

-第一阶段过程和第二阶段过程中的处理可以基于：

受制于：

其中w

-通信网络控制元件或功能可以被配置为使用非正交多址和正交多址中的至少一者，以用于与至少一个通信元件或功能通信。

此外，根据实施例，例如提供了一种用于计算机的计算机程序产品，该计算机程序产品包括软件代码部分，该软件代码部分用于当所述产品在计算机上被运行时执行上述限定方法的步骤。计算机程序产品可以包括其上存储有所述软件代码部分的计算机可读介质。此外，计算机程序产品可以直接加载到计算机的内部存储器中和/或借助于上传、下载和推送过程中的至少一项经由网络发送。

附图说明

下面仅以举例的方式结合附图描述本发明的一些实施例，在附图中：

图1示出了实施例的示例在其中可实现的使用MC-NOMA的通信网络的示例的图；

图2示出了用于解释根据实施例的一些示例的MCPC过程的图；

图3示出了用于解释根据实施例的一些示例的JSPA过程的图；

图4示出了用于图示通过实现根据实施例的一些示例的JSPA过程而可实现的结果与通过LDDP过程而可实现的结果的比较的图；

图5示出了用于图示通过实现根据实施例的一些示例的JSPA过程而可实现的结果与通过LDDP过程而可实现的结果的比较的图；

图6示出了用于图示通过实现根据实施例的一些示例的JSPA过程而可实现的结果与通过FTPC过程而可实现的结果的比较的图；

图7示出了用于图示通过实现根据实施例的一些示例的JSPA过程而可实现的结果与通过FTPC过程而可实现的结果的比较的图；

图8示出了根据实施例的一些示例的由通信网络控制元件或功能执行的处理的流程图；

图9示出了根据实施例的一些示例的表示通信网络控制元件或功能的网络元件或功能的图；以及

图10示出了图示用于算法设计的函数的图。

具体实施方式

在过去的几年中，通信网络的不断扩展在世界各地都有发生，例如基于有线的通信网络，诸如综合业务数字网络(ISDN)、数字用户线(DSL)；或无线通信网络，诸如cdma2000(码分多址)系统、第三代蜂窝(3G)(如通用移动电信系统(UMTS))、第四代(4G)通信网络或基于例如长期演进(LTE)或高级长期演进(LTE-A)的增强型通信网络、第五代(5G)通信网络、蜂窝第二代(2G)通信网络(如全球移动通信系统(GSM))、通用分组无线电系统(GPRS)、全球演进增强型数据速率(EDGE)或其他无线通信系统，诸如无线局域网(WLAN)、蓝牙或全球微波接入互操作性(WiMAX)。诸如欧洲电信标准协会(ETSI)、第三代合作伙伴计划(3GPP)、高级网络电信和互联网融合服务和协议(TISPAN)、国际电信联盟(ITU)、第三代合作伙伴计划2(3GPP2)、互联网工程任务组(IETF)、IEEE(电气和电子工程师协会)、WiMAX论坛等各种组织正在制定电信网络和接入环境的标准或规范。

基本上，为了正确建立和处理两个或更多端点(例如，通信站或元件，诸如终端设备、用户设备(UE)或其他通信网络元件、数据库、服务器、主机等)之间的通信，可能涉及一个或多个网络元件或功能(例如，虚拟化网络功能)，诸如：通信网络控制元件或功能，例如接入网元件，如接入点、无线电基站、中继站、eNB、gNB等；以及核心网元件或功能，例如控制节点、支持节点、服务节点、网关、用户平面功能、接入和移动功能等，这些网络元件或功能可以属于一个通信网络系统或不同通信网络系统。

在诸如第三代(3G)蜂窝网络等传统通信网络中，分别引入了频分多址(FDMA)、时分多址和码分多址。在如LTE和LTE-A等4G网络中，采用如正交频分多址(OFDMA)等技术作为OMA方法，从而避免用户之间的相互干扰并且因此即使利用简化的接收器也能提供良好的系统级性能。

然而，诸如5G系统等未来的无线电接入系统需求增加，例如这是由于移动互联网和物联网的需求不断增长，其对5G无线通信提出了具有挑战性的要求，诸如高频谱效率和大规模连接性。

作为能够满足这些需求的一种可能技术，引入了非正交多路接入(NOMA)。NOMA表示一种多址技术，其可以显著改进移动通信网络的频谱效率，并且在频谱效率和大规模连接性方面优于诸如OFDMA等正交方案。

基本上，NOMA基于例如在功率电平方面具有显著差异的信号的使用。然后可能在接收器处完全隔离一个信号(例如，高电平信号)，并且然后将其消除以仅留下另一信号(例如，低电平信号)。以这种方式，NOMA利用用户之间的路径损耗差异，尽管它确实需要接收器中的附加处理能力。

NOMA方案可以分为两种类型：功率域复用和码域复用。下面描述功率域复用的原理。这里，不同用户根据其信道状况被分配不同功率系数以实现较高系统性能。特别地，在发送器端叠加了多个用户的信息信号。在接收器端应用连续干扰消除(SIC)对信号逐个解码，直到获取期望用户信号，以在系统吞吐量与用户公平性之间提供良好折衷。功率域复用很容易实现，因为现有网络不需要进行大量改变。此外，它不需要附加的带宽来改进频谱效率。

图1示出了图示实施例的示例相似其中可实现的使用MC-NOMA的通信网络的示例的图。具体地，在图1中，通信网络控制元件或功能20(诸如BS或gNB)控制网络部分(诸如小区)21中的通信。附图标记10、12和13分别表示通信元件或功能(UE 1、UE 2、……UE k)，该通信元件或功能可以经由通信网络控制元件或功能20与通信网络通信。

在下行链路NOMA中，来自BS 20的发送信号和在UE处的接收信号(在下文中，考虑了UE 1 10和UE 2 20，但下面描述的原理也适用于多于两个UE的情况)由两个UE的发送信号叠加而成。这在图1所示的附加图中、尤其是链接到BS 10的图中指示，其中在频率功率图中指示出了发送信号，发送信号包括表示UE 1 10的小功率分配的部分和表示UE 2 12的大功率分配的部分)。

在UE侧实现多用户信号分离，使得每个UE都能够获取到对应UE的专用信号，从而解码自己的数据。例如，使用非线性接收器，诸如最大似然检测或SIC(连续干扰消除)。在SIC的情况下，解码的最优顺序是由噪声和载波间干扰功率归一化的信道增益的降序。基于这个顺序，任何用户都可以正确解码其解码顺序在对应用户之前的其他用户的信号。

考虑图1所示的情况，当涉及两个UE(即，UE 1 10和US 2 12)时，UE 2 12不执行干扰消除，因为它在解码顺序中排在第一位。UE 1 10首先解码UE 2信号，并且从总接收信号中减去其分量。因此，它获取自己的信号分量并且对其进行解码，而不受UE 2信号的干扰。这在图1中链接到UE 1 10的附加图中示出。

如上所述，MC-NOMA的原理是通过在发送器端执行信号叠加来在同一子载波上复用多个用户。在接收器端应用连续干扰消除(SIC)以减轻叠加信号之间的干扰。MC-NOMA实现了比OMA方案更好的频谱效率和更高的数据速率。

需要仔细优化发送功率，以控制叠加信号的载波内干扰并且最大化可实现数据速率。此外，由于实际中的错误传播和解码复杂度问题，用于每个传输的子载波分配也需要优化。因此，NOMA中的联合子载波和功率分配问题备受关注。

NOMA中的联合子载波和功率分配问题通常是NP难(NP-hard)解决的，因为信号叠加对每个用户的可实现数据速率的复杂影响、以及用于减轻错误传播的对每个子载波复用的用户的数目的组合约束。在这样的问题中，加权和速率(WSR)最大化尤其重要，因为它可以在总和速率性能与用户公平性之间实现不同权衡。也可以考虑使用权重在稳定调度中执行公平资源分配。

通常，考虑两种类型的功率约束。一方面，蜂窝功率约束主要用于下行链路传输以表示BS处可用的总发送功率预算。另一方面，个体功率约束为每个用户独立设置功率限制。后者更适合上行链路场景，但也可以应用于下行链路。

众所周知，如果考虑蜂窝功率约束，则OFDMA系统中的WSR最大化是多项式时间可解的，但在个体功率约束下是强NP难的。众所周知，具有个体功率约束的MC-NOMA是强NP难的。开发了几种算法来在该设置中执行子载波和/或功率分配。例如，部分发送功率控制(FTPC)是一种简单的启发式方法，它基于每个用户的信道状况将总功率预算的一部分分配给每个用户。启发式用户配对策略和迭代资源分配算法被研究以用于上行链路传输的方法也是已知的。可以使用时间高效的迭代注水启发式方法来解决具有相等权重的问题。通过使用动态规划和拉格朗日对偶技术(也称为LDDP)的方案来实现近乎最优WSR。该方案具有很高的计算复杂度，这对于具有低延迟要求的系统至关重要。

不知道具有蜂窝功率约束的MC-NOMA是多项式时间可解还是NP难的。这个问题的已知优化方案要么是没有理论性能保证的启发式算法，要么是具有不切实际的计算复杂度的算法。例如，提出了一种基于凸差规划的贪婪用户选择和启发式功率分配方案，其中采用单调优化来开发最优资源分配策略，该策略由于其指数复杂度而用作基准。LDDP也可以应用于蜂窝功率约束场景，但它也具有非常高的复杂度。

鉴于上述情况，非正交多址(NOMA)系统中无线电资源管理(RRM)的改进(其被认为例如与5G新无线电(NR)相关联)是可能的。具体地，可以针对具有蜂窝功率约束的下行链路MC NOMA系统中的WSR最大化问题进行改进，以避免由于现有解决方案的高计算复杂度而导致大型系统中的问题。

在下文中，将使用基于用于通信网络的3GPP标准的通信网络架构(诸如5G，使用NOMA)作为可以应用实施例的示例的通信网络的示例来描述不同示例性实施例，而没有将实施例限于这样的架构。对于本领域技术人员来说很清楚的是，通过适当地调节参数和过程，实施例也可以应用于具有合适手段的其他类型的通信网络，例如Wi-Fi、全球微波接入互操作性(WiMAX)、

以下实施例和实施方案应当理解为仅作为说明性示例。尽管本说明书可以在若干位置提及“一”、“一个”或“一些”示例或实施例，但这并不一定表示每个这样的引用都涉及相同的示例或实施例，也不一定表示该特征仅适用于单个示例或实施例。不同实施例的单个特征也可以组合以提供其他实施例。此外，诸如“包括”和“包含”等术语应当理解为没有将所描述的实施例限制为仅由已经提及的特征组成；这样的示例和实施例还可以包含未具体提及的特征、结构、单元、模块等。

包括实施例的一些示例适用的移动通信系统的(电信)通信网络的基本系统架构可以包括一个或多个通信网络的架构，该通信网络包括(多个)无线接入网子系统和(多个)核心网。这种架构可以包括一个或多个通信网络控制元件或功能、接入网元件、无线电接入网元件、接入服务网络网关或基站收发器，诸如基站(BS)、接入点(AP)、NodeB(NB)、eNB或gNB、分布式或集中式单元，它控制相应覆盖区域或(多个)小区并且一个或多个通信站能够经由用于在多个接入域中发送若干类型的数据的一个或多个通信波束经由一个或多个信道与它通信，上述通信站诸如通信元件、用户设备或终端设备(如UE)或具有类似功能的其他设备，诸如调制解调器芯片组、芯片、模块等，上述通信站也可以是能够进行通信的站、元件、功能或应用的一部分，诸如UE、可以在机器对机器通信架构中使用的元件或功能，或作为独立元件附接到能够进行通信的这样的元件、功能或应用等。此外，可以包括核心网元件或网络功能，诸如网关网络元件/功能、移动性管理实体、移动交换中心、服务器、数据库等。

所描述的元件和功能的一般功能和互连(也取决于实际网络类型)是本领域技术人员已知的，并且在对应说明书中描述，因此本文中不再赘述。然而，应当注意，可以采用若干附加网络元件和信令链路来进行去往或来自元件、功能或应用的通信，例如通信端点、通信网络控制元件，诸如服务器、网关、无线电网络控制器、以及相同或其他通信网络的其他元件(除了在下文中详细描述的那些)。

在实施例的示例中考虑的通信网络架构也能够与其他网络通信，诸如公共交换电话网络或互联网。通信网络还能够支持对虚拟网络元件或其功能的云服务的使用，其中需要注意，电信网络的虚拟网络部分也可以由例如内部网络等非云资源提供。应当理解，接入系统、核心网等的网络元件和/或相应功能可以通过使用适合于这种用途的任何节点、主机、服务器、接入节点或实体等来实现。通常，网络功能可以实现为专用硬件上的网络元件、在专用硬件上运行的软件实例、或在适当平台(例如，云基础设施)上实例化的虚拟化功能。

此外，网络元件(诸如通信元件，如UE、终端设备；控制元件或功能，诸如接入网元件，如基站(BS)、gNB、无线电网络控制器；核心网控制元件或功能，诸如网关元件；或如本文所述的其他网络元件或功能；以及任何其他元件、功能或应用)可以通过软件(例如，通过计算机的计算机程序产品)和/或硬件实现。为了执行其相应处理，对应使用的设备、节点、功能或网络元件可以包括控制、处理和/或通信/信令功能所需要的若干装置、模块、单元、组件等(未示出)。这样的装置、模块、单元和组件可以包括例如一个或多个处理器或处理器单元，包括用于执行指令和/或程序和/或用于处理数据的一个或多个处理部分、用于存储指令、程序和/或数据以用作处理器或处理部分等的工作区的存储或存储器单元或装置(例如，ROM、RAM、EEPROM等)、用于通过软件输入数据和指令的输入或接口装置(例如，软盘、CD-ROM、EEPROM等)、用于向用户提供监测和操作可能性的用户接口(例如，屏幕、键盘等)、用于在处理器单元或部分的控制下建立链接和/或连接的其他接口或装置(例如，有线和无线接口装置、包括例如天线单元等的无线电接口装置、用于形成无线电通信部分的装置等)等，其中形成接口(诸如无线电通信部分)的相应装置也可以位于远程站点(例如，无线电头或广播电台等)。需要注意，在本说明书中，处理部分不应当仅被视为表示一个或多个处理器的物理部分，还可以被视为由一个或多个处理器执行的所指处理任务的逻辑划分。

应当理解，根据一些示例，可以采用所谓的“液体(liquid)”或灵活的网络概念，其中网络元件、网络功能或网络的另一实体的操作和功能可以以灵活方式在不同实体或功能中执行，诸如在节点、主机或服务器中。换言之，所涉及的网络元件、功能或实体之间的“分工”可以因情况而异。

根据本发明的实施例，提出了一种新的RRM控制方案，其中通过使用两个任务(即，单载波用户选择(SCUS)过程，其解决了用户选择组合问题；以及多载波功率控制(MCPC)过程，其用于解决多载波功率控制问题)来解决在DL MC NOMA系统中最大化系统的WSR的问题。具体地，在SCUS中，优化搜索空间仅限于单个子载波，并且要解决的问题是在子载波上找到满足某些复用和连续干扰消除(SIC)约束的功率分配。另一方面，MCPC旨在最大化所有子载波的固定子载波分配的WSR。

SCUS和MCPS两个过程可以组合成表示两阶段优化过程的联合子载波和功率分配(JSPA)过程。以这种方式，系统的WSR可以被最大化，即，可以通过减少计算量来实现接近最优的总和速率和用户公平性。

也就是说，根据实施例的示例，处理两个多项式时间可解子问题。MCPC(给定固定子载波分配)子问题是非凸的。通过利用其可分离属性，根据实施例的示例，提供了基于投影梯度下降的最优和低复杂度算法(MCPC)，如下所述。此外，根据实施例的示例，SCUS子问题是通过使用动态规划(SCUS)而解决的非凸混合整数问题。

此外，根据实施例的示例，提供了关于每个子问题的特定结构如何促进算法设计的过程。在这点上，上述MCPC和SCUS表示可以应用于各种资源分配问题的基本构建块的示例。也就是说，基于对MCPC中的可分离属性和SCUS中的组合约束的分析，提供了一种可用于其他类似资源分配优化问题的数学工具。

应当注意，实施例的示例适用于可变数量的用户。虽然传统方法将每个子载波复用的用户的数目(由M表示)限制为等于2，但本发明的实施例的示例可以应用于每个子载波上任意数量的叠加信号，即，M≥1。例如，M的值可以根据实际中的错误传播和解码复杂度问题来设置。

为了解决一般WSR最大化问题，通过将MCPC和SCUS结合到JSPA过程中，提出了一种有效的启发式方法。因此，可以实现接近最优的总和速率和用户公平性，其中仍然提供优于OMA的显著性能改进。

在下文中，通过参考所使用的系统模型和符号、底层WSR问题的公式化、所使用的算法的描述以及对其最优性和复杂度的分析来进一步详细描述实施例的示例，其通过说明与LDDP和FTPC等现有方法相比的对应数值结果以突出总和速率和公平性性能以及相应方法的计算复杂度来例示。

关于系统模型和符号，将图1所示的NOMA系统的一般示例用作基础。也就是说，在下文中，下行链路多载波NOMA系统被认为包括服务于K个用户(即，例如，图1中的UE 10、12和13)的一个基站(BS 20)。

用户索引集用

令

在功率域NOMA中，多个用户(UE)使用叠加编码在同一子载波上复用，如上所述。例如，一种常见方法是限制每个子载波上叠加的信号的数目不超过M。M的值旨在表征由于解码复杂度和错误传播而导致的SIC的实际限制。子载波n上的活动用户集由

子载波上的SIC解码顺序通常定义为n上活动用户的排列，即，

根据实施例的示例，解码顺序被认为包括从最高到最低归一化噪声功率来解码用户信号：

用户π

其中在通过

接下来，阐述在根据实施例的示例的过程中要解决的问题。

令w＝{w

受制于：

P的目标是最大化系统的WSR。如上所述，这个目标函数收到了很多关注，因为可以选择它的权重w以实现总和速率性能与公平性之间的不同权衡。还可以调节权重以在稳定的调度中执行公平的资源分配。注意，约束C1表示蜂窝功率约束，即，BS 20处的总功率预算P

为了更详细的解释，考虑以下变量的变化：

定义

在下面的辅助定理(称为引理)引理1中，将与上述限定问题P等价的问题视为等价问题P′。也就是说，问题P等价于以下公式化的问题P′：

受制于：

其中对于任何i∈{1，...，K}和

并且其中

这证明如下。

P的目标可以写为：

相等性(b)来自定义(2)。在(c)处，权重

在不失一般性的情况下，可以从目标函数中去除常数项

这个公式P′的优点是，它在两个维度i∈{1，...，K}和

下面介绍算法设计。

将联合子载波和功率分配问题P′分解为更小的子问题可以通过利用每个子问题的特定结构来开发有效的算法。技术细节如下。

对于SCUS，优化搜索空间仅限于单个子载波。给定

受制于C2′，C3′，C3″，C4′

下面介绍帮助算法设计的辅助函数。对于

这种符号简化与SCUS分析(参见下面描述的算法2)以及即将到来的MCPC(参见下面描述的算法4)相关。事实上，如果用户j，...，i-1为非活动(即，

令

·如果j＝1或

·否则当j＞1并且

此外，

作为第一算法1，呈现了伪代码MaxF，其用于根据引理2的结果来计算

算法1：计算

function(函数)

1：a←π

2：b←π

3：if(如果)j＝1或w

4：return(返回)

5：else(否则)

6：

7：end(结束)if

end function

为了解决上述问题P’

A.约束C2′、C3′和C3″，

B.变量

C.带有索引l＞i的变量等于0，即，

D.最多有m个活动用户，即，

X[m，j，i]包含

算法2：单载波用户选择算法(SCUS)

functionSCUS

1：初始化数组V、X、U，其中j＝1并且m＝1

2：for(对于)m＝1到M和i＝1到K do(执行)

3：

4：

5：U[m，1，i]←(0，0，0)

6：end for

7：for j＝2到K和i＝j到K do

8：

9：v

10：if v

11：V[1，j，i]←v

12：

13：U[1，j，i]←(1，1，i)

14：else

15：V[1，j，i]←v

16：X[1，j，i]←0

17：U[1，j，i]←(1，j-1，j-1)

20：计算V、X、U，其中m≤M并且j≤i≤K

21：for j＝2到K和i＝j到K和m＝2到M do

22：

23：v

24：

25：v

26：if 0＜x

27：V[m，j，i]←v

28：X[m，j，i]←x

29：U[m，j，i]←(m-1，j-1，j-1)

30：else if v

31：V[m，j，i]←v

32：X[m，j，i]←X[m，j-1，i]

33：U[m，j，i]←(m，j-1，i)

34：else

35：V[m，j，i]←v

36：X[m，j，i]←0

37：U[m，j，i]←(m，j-1，j-1)

38：end if

39：end for

40：获取最优解X

41：

42：(m，j，i)←(M，K，K)

43：reperat(重复)

44：

45：(m，j，i)←U[m，j，i]

46：until(直到)(m，j，i)＝(0，0，0)

47：return x

end function下面对算法2进行逐行描述和分析。

第1到6行：索引(m，j，i)的数组被初始化，其中j＝1，1≤i≤K并且m∈{1，...，M}。从上面的定义可以直接得出

第7到19行：m＝1和2≤j≤i≤K的数组被初始化。由于

第20到39行：V、X、U的元素是针对j＝2到K，i＝j到K和m＝2到M递归计算的。在索引(m，j，i)处，要考虑三种潜在情况：

·情况v

·情况v

x

为了矛盾，假定x

x

如果(4)和(5)满足，则V[m，j，i]＝v

·情况v

v

第40到47行：最后，根据定义，V[M，K，K]是P的最优值。在第43到46行中，通过递归查找用于构造解的U中的索引(m，j，i)直到达到(0，0，0)，在行43到46中获取对应的最优分配x

算法SCUS的最优性和复杂度由以下定理3确定。

给定子载波

关于复杂度分析，计算复杂度主要来自第20到39行中的V、X和U的计算。需要

接下来，描述MCPC过程。

在第一示例中，假定多载波功率控制子问题P’

受制于

被选择以满足C1′和C2′。

受制于

第一阶段P’

例如，可以使用以下算法3(SCPC)求解第二阶段P’

算法3：单载波功率控制算法(SCPC)

function

1：for i＝1到

2：计算

3：

4：如果该分配违反约束C3′，则修改x

5：j←i-1

6：while(当)

7：

8：j←j-1

9：end while

10：

11：end for

12：return

end function

这个想法是对于i＝1到

定理4：给定子载波

这可以证明如下。关于复杂度分析，在每次for循环迭代i中，第6行的while循环最多具有i次迭代。因此，最坏情况的复杂度与

H

H

H

设置x

这基于以下内容：对于i＝1，在第3行计算的x

如果通过将

否则，如果

从H

因此，

这种推理一直持续到达到最高索引j∈{2，...，i-1}，使得

P’

这证明如下。

也就是说，根据引理5，

算法4

Function

1：令

2：repeat

3：保存先前向量

4：确定搜索方向

5：选择步长α

6：更新

7：until

8：for

9：

10：end for

11：returm

end function

function

12：

13：return

end function

需要注意，在算法4中，在P’

算法MCPC的最优性和复杂度在以下定理6中讨论。

定理6：给定子载波分配，使得对于所有

这证明如下。从引理5和经典凸规划结果可以看出，投影梯度下降在O(log(1/ε))次迭代中收敛到最优多载波功率控制(MCPC)。每次迭代都需要计算

图2给出了被设计为求解P’

如图2所示，在S200中，算法的输入是子载波分配

表示n中的所有子载波

第二阶段算法SCPC的输出(即，

接下来，描述与上述多载波联合订户和功率分配(JSPA)过程相关的实施例的另一示例。

如上所述，JSPA表示结合MCPC和SCUS的高效启发式联合子载波和功率分配方案。也就是说，基本上，JSPA类似于图2中描绘的两阶段MCPC方法。但是，下面将讨论一些不同之处。

一个区别是，子载波分配不再作为输入被提供。相反，它必须在第二阶段中被优化。为此，第二阶段SCPC算法(即，图2的示例中使用的算法3)被替换为根据上述算法2的最优单载波用户选择算法SCUS。由于此，MCPC算法(上面描述为算法4)将被修改为如下所述的算法4′。

算法4′

Function

1：令

2：repeat

3：保存先前向量

4：确定搜索方向

5：选择步长α

6：更新

7：until

8：for

9：

10：end for

11：return

end function

function

12：

13：return

end funtion

图3给出了JSPA过程的示例的概示，其中采用上述算法2和4′。应当注意，图3的示例表示子载波分配没有作为参数给出的情况。

如图3所示，在S300中，算法的输入是每子载波复用的用户的数目M、最大功率预算

表示n中的所有子载波

第二阶段算法SCUS的输出(即，

需要注意，虽然SCUS是最优的，但返回的

在下文中，讨论基于如上所述的实施例的示例的原理的过程与基于诸如LDDP和FTPC等已知方法的过程之间的比较的数值结果。也就是说，通过数值模拟获取所提出的JSPA过程的WSR、用户公平性能和计算复杂度的评估结果，其中这些模拟结果然后与具有贪婪子载波分配的接近最优的高复杂度基准方案LDDP和FTPC进行比较。

作为模拟参数，考虑以下设置。使用直径为500米的小区(例如，对应于图1的小区21)作为基础，其中一个BS(即，BS 20)位于其中心并且K个用户(例如，UE 10、12、13)均匀地随机分布在该小区中。例如，模拟中的用户的数目K从5到30不等，并且子载波的数目为N＝10。模拟结果在下面表示为在1000个随机实例上获取的平均值。表1中总结了模拟参数和信道模型。

表1：模拟参数

图4和图5图示了示出通过实现根据实施例的一些示例的例如图3中描绘的JSPA过程而可实现的结果与通过使用LDDP过程而可实现的结果的比较的图。具体地，在图4中，相对于用户的数目K示出了JSPA和LDDP对于不同系统的WSR，即，M＝1的OMA，M＝2和M＝3的NOMA，而在图5中，相对于用户的数目K借助于基本运算的数目示出了JSPA和LDDP对于不同系统的复杂度，即，M＝1的OMA，M＝2和M＝3的NOMA。需要注意，权重W是在[0，1]中随机均匀生成的。

需要注意，LDDP过程需要将总功率预算P

从图4中可以看出，对于任何用户的数目K，与LDDP相比，JSPA的性能损失小于0.8％。这表明JSPA也实现了接近最优的WSR，这接近LDDP。此外，对于M＝2，与OMA相比，NOMA系统的性能增益为7％，而对于M＝3，则为10％。

在图5中，统计了每个方案执行的基本运算(加法、乘法、比较)的数目，这反映了它们的计算复杂度。正如定理4所预期的，JSPA的复杂度随着M线性增加(在半对数图中，M＝1、2和3的JSPA的曲线之间存在恒定差异)。JSPA复杂度低，对于K≤30，在普通计算机上几秒内即可运行，而对于K＝20和M＝2，LDDP需要1600倍以上的运算。

图6和图7图示了示出通过实现根据实施例的一些示例的例如图3中描绘的JSPA过程而可实现的结果与通过使用具有贪婪子载波分配的FTPC过程而可实现的结果的比较的图(FTPC的衰减因子设置为0.4，其是一个常用的设置值)。具体地，在图6中，相对于用户的数目K示出了JSPA和FTPC对于不同系统的比例公平索引，即，M＝1的OMA，M＝2和M＝3的NOMA，而在图7中，相对于用户的数目K示出了JSPA和LDDP对于不同系统的以[比特/s]为单位的总和速率，即，M＝1的OMA，M＝2和M＝3的NOMA。具体地，图6示出了定义为

需要注意，图6和图7所示的结果通过在包括T＝20个时隙的一个帧上实现比例公平调度器来实现。这个设置的目的是在根据比例公平调度选择权重时评估JSPA方案的公平性能。在帧的开头收集信道状态信息。令R

然后将用户k在时间t的权重设置为

如图6和图7所示，根据实施例的示例的JSPA过程在用户公平性和总和速率性能方面以及在OMA和NOMA系统两者中均优于启发式FTPC。例如，在图7中，对于K＝30，M＝2的NOMA和OMA中JSPA的总和速率增益分别为23％和21％。

如上所述，根据本发明的实施例的示例，通过提供两阶段方法来解决具有蜂窝功率约束的MC-NOMA中的WSR最大化问题，其中以低复杂度最优地解决两个子问题。具体地，用户选择组合问题例如由SCUS(例如，在上面讨论的算法2中提出的)基于动态规划而被解决。多载波功率控制非凸问题由两阶段算法MCPC(例如，如上文讨论的算法4或4'中提出的)解决，该算法使用可分离属性和梯度下降方法。这些算法是可以应用于各种资源分配问题的基本构建块。此外，JSPA被提出以解决联合子载波和功率分配问题。通过这些方法，可以实现接近最优的WSR和用户公平性。

图8示出了根据实施例的一些示例的由通信网络控制元件或功能执行的处理的流程图，该通信网络控制元件或功能进行无线电资源管理控制，以用于通过使用多个子载波来与通信网络中的至少一个通信元件或功能(UE)通信。优选地，通信网络控制元件或功能被配置为使用NOMA与至少一个通信元件或功能通信。

在S800中，获取用于处理的输入参数。根据实施例的示例，获取一组最大总功率预算、用于每个子载波的最大功率预算、以及以下至少一项作为输入参数：每个子载波复用的用户的最大数目和每个子载波分配的用户的数目。

在S810中，通过使用用于针对所有子载波最大化用于固定子载波分配的加权和速率的第一阶段过程以及用于在考虑到特定复用和干扰消除约束的情况下确定用于单个子载波的功率分配的第二阶段过程来处理输入参数。从第一阶段过程输出的处理结果被输入到第二阶段过程中，并且从第二阶段过程输出的处理结果被返回到第一阶段过程。

根据实施例的示例，在第一阶段过程中，通过对用于每个子载波的每个功率预算使用投影梯度下降以最大化加权和速率，来将最大总功率预算、用于每个子载波的最大功率预算和每个子载波复用的用户的最大数目作为输入参数进行处理。第一阶段过程基于例如上述MCPC过程，其中例如可以采用算法4′之一。从第一阶段过程向第二阶段过程输出对要被考虑的子载波的指示、每个子载波复用的用户的最大数目和用于所指示的子载波的功率预算。然后，在第二阶段过程中，处理对要被考虑的子载波的指示、每个子载波复用的用户的最大数目和用于所指示的子载波的功率预算，以用于在针对所指示的子载波的功率预算下计算最优单载波功率分配。此外，在第二阶段过程中，考虑了指示分配的用户的数目等于或小于每个子载波复用的用户的最大数目的约束。第二阶段过程基于例如上述SCUS过程，其中例如可以采用算法2。然后，从第二阶段过程向第一阶段过程输出对要被考虑的子载波的指示、用于确定加权和速率的参数和计算出的最优单载波功率分配。这些参数在第一阶段过程中被处理。

根据实施例的示例，在用于确定加权和速率的参数和计算出的最优单载波功率分配的、在第一阶段过程中的处理中，输出计算出的最优单载波功率分配，和/或在下一次迭代中使用用于确定加权和速率的参数和计算出的最优单载波功率分配，以用于通过更新在第一阶段过程的处理中被使用的参数来向第二阶段过程提供输入。

根据实施例的示例，第一阶段过程和第二阶段过程中的处理基于的是：

受制于：

其中w

在S820中，基于第一阶段过程和第二阶段过程中的处理结果来输出用于至少一个子载波的功率设置。

图9示出了根据实施例的一些示例的表示通信网络控制元件或功能(例如，图1的BS 20)的网络元件或功能的图，该通信网络控制元件或功能被配置为进行如结合实施例的一些示例所述的无线电资源管理控制过程。应当注意，与图1的BS 20类似，通信网络控制元素或功能可以包括除了本文中下面描述的元素或功能之外的其他元素或功能。此外，即使参考通信网络控制元素或功能，该元素或功能也可以是具有相似任务的另一设备或功能，诸如芯片组、芯片、模块、应用等，它们可以也可以是网络元素的一部分，或者作为单独的元素附接到网络元素等。应当理解，每个框及其任何组合可以通过各种方式或其组合来实现，诸如硬件、软件、固件、一个或多个处理器和/或电路系统。

图9所示的通信网络控制元件或功能可以包括处理电路系统、处理功能、控制单元或处理器201(诸如CPU等)，其适用于执行由程序等给出的与寻呼控制过程有关的指令。处理器201可以包括如下所述的专用于特定处理的一个或多个处理部分或功能，或者该处理可以在单个处理器或处理功能中运行。例如，用于执行这种特定处理的部分还可以被提供作为分立元素或在一个或多个其他处理器、处理功能或处理部分中提供，诸如在诸如CPU等一个物理处理器中或在一个或多个物理或虚拟实体中。附图标记202和203表示连接到处理器或处理功能201的输入/输出(I/O)单元或功能(接口)。I/O单元202可以用于与如结合图1所述的UE 10、12、13等通信元件或功能进行通信。I/O单元203可以用于与如核心网元件等其他网络元件通信。I/O单元202和203可以是包括朝着多个实体的通信设备的组合单元，或者可以包括具有针对不同实体的多个不同接口的分布式结构。附图标记204表示例如可用于存储要由处理器或处理功能201执行的数据和程序和/或用作处理器或处理功能201的工作存储装置的存储器。应当注意，存储器204可以通过使用相同或不同类型的存储器的一个或多个存储器部分来实现。

处理器或处理功能201被配置为执行与上述寻呼控制处理有关的处理。特别地，处理器或处理电路系统或功能201包括以下子部分中的一个或多个。子部分2011是处理部分，该处理部分可用作用于获取输入数据的部分。部分2011可以被配置为执行根据图8的S800的处理。此外，处理器或处理电路系统或功能201可以包括子部分2012，子部分2012可用作用于使用第一阶段过程和第二阶段过程进行处理的部分。部分2012可以被配置为执行根据图8的S810的处理。另外，处理器或处理电路系统或功能201可以包括子部分2013，子部分2013可用作用于输出功率设置值的部分。部分2013可以被配置为执行根据图8的S820的处理。

应当注意，本发明的实施例的示例可应用于各种不同的网络配置。换言之，上述附图中所示的示例用作上述示例的基础，仅是示例性的，绝不以任何方式限制本发明。也就是说，基于定义的原理，可以结合本发明的实施例的示例来使用在对应操作环境中可用的其他另外的现有的和提议的新功能。

根据实施例的另一示例，例如提供了一种由通信网络控制元件或功能使用的装置，该通信网络控制元件或功能被配置为进行无线电资源管理控制，以用于通过使用多个子载波来与通信网络中的至少一个通信元件或功能通信，该装置包括：被配置为获取输入参数的部件；被配置为通过使用用于针对所有子载波最大化用于固定子载波分配的加权和速率的第一阶段过程以及用于在考虑到特定复用和干扰消除约束的情况下确定用于单个子载波的功率分配的第二阶段过程来处理输入参数的部件，其中从第一阶段过程输出的处理结果被输入到第二阶段过程中，并且从第二阶段过程输出的处理结果被返回到第一阶段过程；以及被配置为基于第一阶段过程和第二阶段过程中的处理结果来输出用于至少一个子载波的功率设置的部件。

此外，根据实施例的一些其他示例，以上定义的装置还可以包括用于进行在上述方法(例如，结合图8描述的方法)中定义的处理中的至少一个处理的部件。

根据实施例的另一示例，例如，提供了一种非瞬态计算机可读介质，该非瞬态计算机可读介质包括用于使装置至少执行以下操作的程序指令：进行无线电资源管理控制，以用于通过使用多个子载波来与通信网络中的至少一个通信元件或功能通信；获取输入参数；通过使用用于针对所有子载波最大化用于固定子载波分配的加权和速率的第一阶段过程以及用于在考虑到特定复用和干扰消除约束的情况下确定用于单个子载波的功率分配的第二阶段过程来处理输入参数，其中从第一阶段过程输出的处理结果被输入到第二阶段过程中，并且从第二阶段过程输出的处理结果被返回到第一阶段过程。基于第一阶段过程和第二阶段过程中的处理结果来输出用于至少一个子载波的功率设置。

应当理解

-通过其与通信网络中的实体进行业务往来传输的接入技术可以是任何合适的当前或将来的技术，例如可以使用WLAN(无线本地接入网)、WiMAX(微波接入全球互操作性)、LTE、LTE-A、5G、蓝牙、红外等。另外，实施例也可以应用有线技术，例如基于IP的接入技术，例如电缆网络或固定线路。

-适合于实现为软件代码或其一部分并且使用处理器或处理功能运行的实施例是独立于软件代码的，并且可以使用任何已知或未来开发的编程语言来规定，例如，高级编程语言(诸如面向对象的C、C、C++、C#、Java、Python、Javascript、其他脚本语言等)或低级编程语言(诸如机器语言或汇编程序)。

-实施例的实现是独立于硬件的，并且可以使用任何已知的或将来开发的硬件技术或这些技术的任何混合来实现，例如微处理器或CPU(中央处理单元)、MOS(金属氧化物半导体)、CMOS(互补MOS)、BiMOS(双极MOS)、BiCMOS(双极CMOS)、ECL(发射极耦合逻辑)和/或TTL(晶体管晶体管逻辑)。

-实施例可以被实现为单独的设备、装置、单元、部件或功能、或者以分布式的方式来实现，例如，一个或多个处理器或处理功能可以在处理中使用或共享，或者一个或多个处理部分或处理局分可以在处理中使用和共享，其中一个物理处理器或一个以上的物理处理器可以用于实现专用于上述特定处理的一个或多个处理部分，

-装置可以通过半导体芯片、芯片组或包括这样的芯片或芯片组的(硬件)模块来实现；

-实施例也可以被实现为硬件和软件的任何组合，例如ASIC(专用IC(集成电路))组件、FPGA(现场可编程门阵列)或CPLD(复杂可编程逻辑器件)组件、或DSP(数字信号处理器)组件。

-实施例还可以实现为计算机程序产品，包括其中包含有计算机可读程序代码的计算机可用介质，该计算机可读程序代码适于执行如实施例中所述的过程，其中计算机可用介质可以是非瞬态介质。

尽管在此之前已经参考本发明的特定实施例描述了本发明，但是本发明不限于此，而是可以对其进行各种修改。