隨著移動通信的迅猛發展，無線接入速率需求呈爆發式增長，可用頻譜資源日益緊張。如何利用有限的資源獲取更大的系統容量、更高的傳輸速率、更完美的用戶體驗，是移動通信發展過程中更加關注的問題。因此，基于MIMO-OFDM系統的高效資源分配策略成為當前無線通信領域的研究熱點。

    傳統的資源分配算法已從最初的追求最大化系統和容量[1]或者追求用戶間公平性[2-3]的目標發展到追求不同業務的服務質量QoS（Quality of Service）需求[4]。但其均是從業務提供方的角度保證用戶的業務質量，沒有考慮業務體驗方用戶對服務的滿意程度。基于此，ITU提出了用戶體驗質量QoE（Quality of Experience）的概念來評估用戶對服務或者服務請求的主觀可接受程度。參考文獻[5]討論了流媒體業務QoE在不同網絡環境下的應用前景，并指出了QoE指標中主客觀參數的相互關系。參考文獻[6]討論了用戶對系統和容量的主觀感受，并給出了一種基于系統和容量QoE效用函數的資源分配算法，其以速率為標準衡量用戶對服務的滿意程度，但有些業務對速率并不敏感，而對時延、丟包率等參數比較敏感。參考文獻[7]給出了MOS模型[8]下基于統計信息的QoE與QoS參量的關系，并指出用戶QoE與實時業務丟包率呈指數關系。目前，大多文獻均在研究QoE的測量及其評價方案，而對以用戶QoE為目標的資源分配算法的研究尚處于起步階段。
    因此，本文針對典型VoIP業務，研究用戶對業務丟包率的感受，以QoE效用函數作為用戶體驗與系統丟包率參量之間的橋梁，以最大化用戶平均QoE為目標，給出一種基于VoIP_QoE效用函數的跨層資源分配算法。
1 系統模型
1.1系統框圖
     多用戶MIMO-OFDM系統跨層資源分配模型框圖如圖1所示。系統由1個基站和K個用戶組成，基站端有Mt根發送天線，用戶端有Mr根接收天線，各收發天線對間信道相互獨立。用戶均勻分布在小區中，用戶間信道相互獨立。
    假設系統中OFDM子載波總數為M，且子載波帶寬小于其相干帶寬，系統以幀為單位進行數據傳輸，每幀有S個時隙，每個時隙中的子載波分為N簇，每簇包含I個子載波，并認為整個簇內的子載波信道增益相同且在整個幀內保持不變，系統在每幀的開始根據用戶反饋信息估計得到各簇的CSI。利用系統的時頻二維資源，可將其劃分為多個時頻資源塊，將這些時頻資源塊作為資源分配的最小單元，即時域上占用一個時隙，頻域上占用一個子載波簇，不同的時頻資源塊可以用(n,s)標識，其中n=1,2，…,N, s=1,2，…,S分別表示該時頻資源塊的子載波簇序號和其在一幀內的時隙序號，即一幀內有N×S個時頻資源塊，且在該幀內每個時頻資源塊只能被一個用戶占用。
    多用戶MIMO-OFDM系統數據包的調度和資源分配在發送端實施。在MAC層，發送端為用戶k分配一個獨立且固定大小為Lk的先進先出緩存器，當用戶k的數據不能得到立即發送時將其存入用戶k的緩存形成排隊序列等待發送。每幀開始前，資源調度模塊根據用戶反饋的下行信道信息，綜合隊列中數據包的傳輸時延和數據量等因素，按照相應的分配法則確定不同用戶間分配資源的優先級。在物理層，發送端根據用戶反饋的CSI按照用戶間優先級為用戶分配時頻資源和功率，然后進行編碼、調制等步驟后在子載波上進行傳輸。用戶從控制信道獲得時頻單元分配結果的有關信息，并以此從相應的子載波中提取數據。


    由此可以看出,基于E-Model模型的VoIP業務的語音質量僅與Ie有關。
    ITU-T P.800將人接聽語音時對語音質量的感知進行量化并統計，給出了MOS模型。其將被測語音質量分為很好、好、一般、較差、差5個等級。
    這種評價標準將人對語音質量的感受進行量化打分，一般認為MOS值大于4的語音質量較好，而當MOS值低于3時大部分接收者不能滿意。由于其請大量的人員進行測試，因此其評價標準較能真實反映用戶對VoIP質量的滿意程度，但其實現起來比較麻煩。
    需要指出的是，由于MOS模型所得結果能夠更加直觀反映用戶對服務質量的感受，因此通常客觀標準的測量結果均轉化為MOS評價標準。參考文獻[7]給出了基于MOS模型的用戶QoE與系統QoS參數之間的關系，并給出用戶QoE與系統丟包率之間的統計結果，通過擬合可以得到VoIP_QoE效用函數:

    (5)判斷該用戶緩存是否有數據需要發送，若有，則進行步驟(6)，否則將該用戶排除，返回步驟(4)；
    (6) 利用當前時刻該用戶的反饋CSI，為其挑選信道增益最好的子載波簇，直至滿足其能夠發送一個數據包，并將其分配到的時頻資源塊標記為已分配。
    (7) 判斷時頻資源塊是否分配完畢，若分配完，進入下一幀;否則，進行步驟(8)繼續分配。
    (8) 更新所有用戶的等待隊列和丟包率等信息，若所有用戶緩存中均無數據發送，則分配結束;否則，返回步驟(2)。
    時頻資源塊分配之后，就可對某時隙t的子載波簇進行注水功率分配、最大化系統和容量性能。
4 性能仿真與分析
    為評估算法性能，本節將所提出的Max_VoIP_QoE算法與經典的尋求最大系統和容量的Max-C/I算法和尋求用戶間公平性的PF算法進行對比分析。仿真條件的設置參考LTE物理層數據幀標準。仿真參數：假設系統收發天線數均為1，系統子載波總數M=480，子載波間隔15 kHz，數據幀長10 ms,每幀包含10個子幀,每個時隙子幀1 ms，1個時隙子幀的資源塊內包含12個子載波，其為算法的最小分配單元。假設系統中所有用戶只進行VoIP業務，業務目標BERtarget=10-6，為簡化問題假設發送端分配給用戶k的緩存器隊列長度Lk無限長,數據分組時延閾值ιmax=10 ms，業務參數仿照Polycom公司的遠程視頻會議系統,具體參數如表1所示。

    圖2給出了系統用戶數為48時本Max_VoIP_QoE算法與Max-C/I算法和PF算法用戶平均QoE隨信噪比的變化情況。從圖2可以看出，Max-VoIP-QoE算法用戶平均QoE高于Max-C/I算法和PF算法。在信噪比低時，Max-VoIP-QoE算法用戶平均QoE略高于Max-C/I算法，遠高于PF算法。這是因為信噪比較低時，系統資源無法滿足所有用戶。Max-VoIP-QoE算法每次選擇QoE增量最大的用戶分配資源；Max-C/I算法僅將資源分配給信道狀態較好的用戶，因此僅有部分用戶QoE得到滿足；而PF算法將資源平均分配給所有用戶，導致系統中絕大部分用戶QoE均無法得到滿足，用戶平均QoE最低。隨著信噪比的提高，系統中的資源能夠滿足大部分用戶的需求，Max-VoIP-QoE算法和PF算法用戶平均QoE明顯提升，但Max-C/I算法只能滿足信道狀態較好用戶的需求，大部分信道狀態較差的用戶的需求不能滿足，因此用戶平均QoE小于Max-VoIP-QoE算法和PF算法。
    圖3給出了系統平均發射信噪比為15 dB時三種算法用戶平均QoE隨系統中用戶數的變化情況。從圖3可以看出，隨著系統中用戶數的增多，三種算法用戶平均QoE均呈下降趨勢。這是因為隨著系統中用戶數增多，有業務需求用戶數也增多，導致系統資源不足，因此用戶平均QoE逐漸下降。Max-VoIP-QoE將資源分配給其上QoE增量最大的用戶，能夠較好地保證系統中用戶平均QoE，其隨著用戶數增多用戶平均QoE下降較慢。

    圖4給出了系統中用戶數為48時三種算法平均發送比特數隨信噪比的變化情況。從圖4可以看出，三種算法發送比特數均隨信噪比的增大而提高。信噪比低時，Max-C/I算法由于將資源塊分配給其信道增益最好的用戶，因此系統和容量性能最好，使得信道狀態較好的用戶能夠發送較多的數據包，而信道狀態差的用戶可能無法發送數據，Max-VoIP-QoE算法為QoE增量最大的用戶分配資源，PF算法將資源公平分配給各用戶，使得處于較差信道的用戶占用了部分資源，因此發送數據量較小。而隨著信噪比的升高，系統資源充足，Max-C/I算法使得信道狀態好的用戶占用大量資源而利用率不高，信道狀態差的用戶只占有少量資源發送數據較少，而Max-VoIP-QoE算法和PF算法能夠兼顧信道狀態較差用戶，滿足系統中所有用戶的業務需求，其發送比特數較Max-C/I增多。
    圖5給出了用戶數為48時三種算法的系統和容量性能。從圖5可以看出，Max-C/I算法系統和容量性能高于Max-VoIP-QoE算法和PF算法。這是由于其將資源分配給其上信道增益最好的用戶，極大地提高了系統和容量性能。而Max-VoIP-QoE算法由于要兼顧信道狀態較差用戶，使得系統和容量性能接近PF算法。隨著信噪比的提高，各用戶需求均得到滿足，系統不再為用戶分配更多的資源，此時Max-VoIP-QoE算法系統和容量不再升高，低于PF算法。對比圖4、圖5還可以看出，Max-VoIP-QoE算法從用戶角度出發，能夠更有效地利用系統資源，而Max-C/I算法為追求系統和容量的最大化，資源利用率極低。

    本文從業務體驗方的角度研究了多用戶MIMO-OFDM系統資源分配問題，針對典型實時VoIP業務，給出了一種基于VoIP_QoE效用函數的Max-VoIP-QoE算法。以子載波簇為時隙內資源分配的最小單元，發送端根據用戶等待隊列信息，利用QoE效用函數獲取用戶發包前后時刻QoE增量值，并以此確定用戶資源分配的優先級，為QoE增量最大的用戶優先分配時頻資源。之后進行注水功率分配，最大化系統的和容量性能。仿真結果表明，所提算法能夠有效利用系統資源，提高用戶平均QoE。
參考文獻
[1] JANG J,LEE K B. Transmit power adaptation for multiuser OFDM systems[J]. IEEE J.Sel.Areas Commun,2003,21(2):171-178.
[2] FARHAD M, LEILA B, DAVOOD M. Adaptive channel allocation to increase capacity based on rate proportional constraint in the OFDMA system[J]. Majlesi Journal of  Electrical Engineering,September,2010,4(3):53-58.
[3] TEJIRA P, UTSCHICK W, NOSSEK J, et al. Rate balancing in multiuser MIMO OFDM Systems[J].IEEE Transactions on Communications,May,2009,57(5):1370-1379.
[4] ROSBERG Z, CANTONI A, LIU R P. Resource allocation for QoS multiuser MIMO with zero forcing and MMSE beamforming[C]. IEEE Quality of Service,2010 18th International Workshop on,June 2010:1-6.
[5] PIAMRAT K, VIHO C, KSENTINI A,et al. Quality of experience measurements for video streaming over wireless network[A]. In 2009 Sixth International Conference on Information Technology:New Generation[C],2009:1184-1189.
[6] 陳松，王大鳴，鄭娜娥,等. 一種基于QoE效用函數的OFDM系統子載波和功率分配算法[J].電子技術應用，2011,37(7)：118-122.
[7] FIEDLER M, HOSSFELD T, PHUOC T G. A generic quantitative relationship between quality of experience and Quality of Service[J].IEEE network,March/April 2010(3/4):36-41.
[8] ITU-T Recommendation P.800.1. Mean Opinion Score(MOS) Terminology[S]. 2006.
[9] ITU-T Recommendation G.107. The E-model, a Computational Model for Use in Transmission Planning[S].2005.
[10] ITU-T Recommendation G.113. Transmission Impairments[S].1996.