未来的无线和移动通信系统将在有限的频谱资源和时变信道环境下，支持大量的用户，支持用户的QoS需求，提供更高的数据率。OFDMA技术不仅具有OFDM抗击符号间干扰和频率选择性的特点，同时还提供了多用户分集等增益，是未来移动通信的核心技术。
OFDMA技术具有高频谱利用效率和灵活的资源分配特征，在下一代无线网络中，是一种较理想的用户接入方式。与其他多用户接入方式相比，例如TDMA，OFDMA更适合高速实时数据传输[1]。正是OFDMA这种调制和接入技术的灵活性，激发了在资源分配方面的大量研究活动。为了提高带宽效率和增强系统性能，子载波、功率、数据率等可在不同用户或者子载波间进行分配，称为基于信道的自适应传输。为了更好地适应信道，发送端需要知道精确的信道信息[2],在实际无线通信中，由于反馈延迟，信道估计误差等因素，仅仅只有不完美信道信息能够获取。
OFDMA系统中的资源分配[3-6]涉及子载波、功率、自适应调制、比特等，几种资源的联合优化是一个复杂度极高的问题。常见的优化算法分为两大类：一是基于用户数据率或误码率的约束，最小化总的发送功率；另一类[7]是给定总的发送功率约束，最大化每个用户的系统容量。基于不同的调度目标函数，可以形成不同的分配算法。以往的很多分配算法通常是假设发射端具有理想信道信息，根据名义上的理想信道信息分配的数据率不被真实的信道支持，会造成传输的中断事件。针对OFDMA下行链路发送端只能获得部分信道信息的情况，提出了一种基于部分信道信息的资源分配算法。本文重点考虑了单蜂窝系统的下行链路，假定发送端具有部分信道信息。研究了功率和子载波的分配问题，采用分步优化的方法：先考虑子载波的分配，再考虑功率的分配。
1系统模型
通常，典型的OFDMA系统结构图如图1所示。信道状态信息通过反馈信道，由移动用户反馈到基站，提供给子载波/功率分配算法模块使用。考虑下行链路，假设共有K个用户和N个子载波,基站和移动用户均配备单天线。假定符号间干扰被OFDM技术完全消除，也就是说，在每个子载波内，频率响应是平坦的。系统总的发射功率被约束为P,零均值独立同分布的高斯噪声加在接收机端。基站根据信道条件动态分配功率和子载波，令Ci代表分配给用户i的子载波集合。假设每个子载波最多被一个用户使用，也就是说，对于i≠j，满足Ci∩Cj=Φ。基站为了满足资源分配的目标，必须要为每个用户确定Ci和分配功率。

理想情况下，应对子载波和功率联合进行分配，以获得最优解。然而，这种方法复杂度非常高，也很难对变化的信道做出及时响应。本文采用次优化的分步优化算法，降低算法的复杂度。pi,j代表分配给用户i在子载波j上的功率，γi,j代表用户i在子载波j上的单位发送功率下的接收信噪比。为了得到优化算法，总功率约束条件下的用户吞吐量最大化为目标的资源分配优化问题,可做如下描述:

2 分配算法描述
为了获取最优的资源分配，对于目标函数，采用拉格朗日优化方法，等价于优化如下的代价函数:

为了得到用户i在子载波j上的功率分配，需要先求出分配给用户i的总功率Pi，然后按上述公式在用户i的子载波间进行分配。关于Pi的计算,可以参考文献[7]，但运算复杂度较高。具体算法步骤如下：
B1:子载波在用户间的分配。初始时，假设每个用户分配的子载波数为零。然后对每个用户，依次分配对此用户而言信道条件最好的子载波。分配完后，如果还有剩余的子载波，则寻找信道容量最小的用户，对此用户分配信道条件最好的子载波。如果还有子载波，继续重复这一过程，直到所有的子载波被分配完。
B2:决定分配给某个用户的功率Pi，然后根据(7)式决定某用户功率在子载波间的分配。
3 简化算法和实际考虑
由于算法复杂度太高，下面进一步研究在实际应用中考虑的问题，并进行简化。第2节的讨论是基于理想的信道信息实现的资源分配算法，这在实际中是不可行的。现考虑下行链路的发送端拥有部分(不完美)的信道信息，在TDD双工模式下，信道估计通过反馈信道送到发送端。由于信道估计误差、反馈延迟、量化等因素，发送端只能获得不完美信道信息，或称为名义上的信道信息，如果根据不完美信道信息为用户分配子载波、数据率、功率等是不可靠的，因为算法分配的资源很可能不被真实的信道条件支持，从而造成传输中断事件的发生，浪费了系统资源。因此研究资源分配算法时应该考虑传输的中断概率或者成功发送的实际吞吐量，更符合实际情况。假设第i个用户的第j个子载波信道增益为:

4 仿真结果
根据上述讨论，对本文的资源分配算法进行了计算机仿真，以验证算法的合理性。仿真主要针对单小区OFDMA系统的下行链路数据传输，用户数考虑从2个到10个。在仿真中，无线信道[9]被建模为频率选择性的多径信道，包含6条独立瑞利衰落的多径信道。假设功率延迟分布服从指数分布，系统带宽为1 MHz，划分为64个子载波。时延扩展为5 ?滋s，最大多普勒频率为30 Hz。在仿真中比较了基于理想容量的资源分配和基于一定中断概率下实际吞吐量的资源分配算法。具体仿真结果如图2所示。
图2显示了OFDMA下行链路中的实际吞吐量与用户的对应图形。从图中可以看出，采用自适应资源分配算法获得了较大容量的增益;对于自适应资源分配算法，随着用户数目的增加，系统将获得更高的吞吐量[10]。这主要是采用了链路自适应技术，随着用户的增加，可以获取多用户分集增益。也就是说，一个子载波对于所有用户而言，它都处于深衰的概率大大降低。此外，本文的算法比基于理想容量优化的资源分配算法所获得的goodput(实际吞吐量)要高，这是因为基于理想容量分配的算法，认为所获得的信道条件是理想的。由此分配的数据率、子载波等资源不被真实的信道所支持，具有较大的中断概率，因此算法的实际吞吐量比较低。

本文研究了OFDMA系统中的资源分配问题，所给出的算法基于链路自适应技术，根据信道条件来决定分配算法。与其他算法相比，考虑了信道估计的误差和传输中断概率，采用基于在一定中断概率条件下的实际吞吐量优化算法，更加符合实际情况。仿真结果表明，该方法获得了较好的多用户分集增益和实际吞吐量性能。在适当条件下，比如高信噪比条件下，算法可以进一步大大降低运算复杂度。
参考文献
[1] KAUR I, THAKUR K. Resource allocation and scheduling for real-time traffic in ofdma[J]. Medwell Journals of Mobile Communication,2008,2(1):10-13.
[2] ALSAWAH A. Resource allocation in ofdma downlink with reduced feedback overhead[C].IEEE PIMRC, 2008:15-18.
[3] HOO L M C. Multiuser transmit optimization for multicarrier broadcast channels:asymptotic FDMA capacity region and algorithms[J]. IEEE Trans.Comm, 2004,52(6):922-930.
[4] RHEE W, CIOFFI J M. Increase in capacity of multiuser OFDM system using dynamic subchannel allocation[C].IEEE Vehicular Technology Conf,2000：1085-1089.
[5] CHEONG Y W. Multiuser OFDM with adaptive subcarrier, bit,and power allocation[J].IEEE J.Select. Areas Commun, 1999, 17(10):1747-1758.
[6] AGARWAL R, CIOFFI J. Optimal resource allocation in the OFDM downlink with feedback of buffer state information[C]. IEEE Globecom,2009.
[7] WONG I C, EVANS B L. A low complexity algorithm for proportional resource allocation in ofdma systems[W].IEEE International Signal Processing Systems Workshop,2004，13-15:1-6.
[8] YAO Y, GIANNAKIS G B. Rate-maximizing power allocation in OFDM based on partial channel knowledge[J].IEEE Trans.Wireless Commun,2005,4:1073-1083.
[9] 杨大成.移动传播环境[M].北京：机械工业出版社，2003.
[10] JANG J, LEE K B. Transmit power adaptation for multiuser ofdm systems[J]. IEEE Journal on Selected Areas in Communications,2003,21(2):171-178.