一种在异构网络中基于回传链路容量的用户关联方法

摘要

本发明公开了一种在异构网络中基于回传链路容量的用户关联方法，首先估计新用户与基站之间的信号与干扰加噪声比，从而得到用户的可关联基站集和用户与基站之间的链路速率。其次计算可关联基站集中基站已被使用的链路容量和剩余链路容量因子，以及预估用户的带宽。最后将回传链路容量作为约束条件，系统为新用户分配使得用户效用函数和基站剩余容量因子最大的基站进行关联。本发明还具有实用性、实时性、负载均衡以及用户体验好等特点。

权利要求

1.一种在异构网络中基于回传链路容量的用户关联方法，其特征在于，包括以下步骤：(1)、初始化基站所关联的用户集，令 其中，Aj表示基站j所关联的用户集，j＝

1,2,…,J,J为异构网络的基站数量， 为空集；

(2)、当有新用户到达时，计算该新用户与各个基站之间的下行链路速率(2.1)、计算基站j与新用户i之间的信号与干扰加噪声比，表示为SINRij，其中i为新用户序号；

(2.2)、构建新用户i的可关联基站集:

UAi＝{SINRij＞τ}

其中，UAi表示新用户i的可关联基站集，τ表示信号与干扰加噪声比阈值；如果新用户i与基站j的信号与干扰加噪声比大于信号与干扰加噪声比阈值τ，则基站j处于新用户i的可关联基站集UAi中；

(2.3)、计算新用户i与基站j之间的下行链路速率新用户i与基站j之间的下行链路速率为：

rij＝log(1+SINRij),j∈UAi其中，rij为新用户i与基站j之间的下行链路速率，基站j属于可关联基站集UAi；

(3)、计算基站j已经被使用的链路容量B′j：即基站j已经被使用的链路容量B′j为基站j所关联的用户集Aj中所有用户的传输时间ti'j和下行链路速率ri'j的乘积之和；

其中，i'为基站j所关联的用户集Aj中用户的序号，ti'j为用户i'与基站j之间的数据传输时间，并等于1/Nj，Nj为基站j所关联的用户集Aj的用户数量，ri'j为用户i'和基站j之间的下行链路速率，基站j属于可关联基站集UAi；

(4)、计算基站j的剩余链路容量因子

其中，Bj表示基站j的回传链路容量，基站j属于可关联基站集UAi；

(5)、计算新用户i与基站j关联时的带宽bijbij＝tijrij j∈UAi

tij表示新用户i与基站j之间的数据传输时间并等于1/(Nj+1)，Nj为基站j所关联的用户集Aj的用户数量，基站j属于可关联基站集UAi；rij表示新用户i与基站j之间的下行链路速率；

(6)、为新用户i选择最优的关联基站

当新用户i到达时，为该新用户i选择最优的关联基站应满足：即在可关联基站集户集Aj的找到一个基站j，该基站j为最优基站jopt，其满足最大；

(7)、如果基站jopt已经被使用的链路容量 加上新用户i的带宽 小于基站j的回传链路容量 则将新用户i与基站jopt关联，并将新用户i加入基站jopt的用户集 中；否则，从可关联基站集UAi中删除基站jopt并返回步骤(6)。

2.根据权利要求1所述的一种在异构网络中基于回传链路容量的用户关联方法，其特征在于，所述的信号与干扰加噪声比阈值τ的取值为-3dB。

说明书

一种在异构网络中基于回传链路容量的用户关联方法

技术领域

[0001] 本发明属于5G通信技术领域，更为具体地讲，涉及一种在异构网络中基于回传链路容量的用户关联方法。

背景技术

[0002] 目前，随着蜂窝网络技术正在从第四代移动通信技术向第五代移动通信技术演进，学术界和业界已经形成共识，在5G技术标准中，将系统容量相对4G标准提升1000倍作为一个重要的系统指标。要达到系统容量提升1000倍的目标，人们提出可从频谱效率，可用带宽，和基站密集化和异构化三个方面提升用户速率。其中，网络架构异构化和密集化部署便是在蜂窝网络中架设更多的基站，相应的缩减单个基站的覆盖范围和降低单个基站的负载，从而为用户提供更多的资源，进而提升用户速率。异构化网络具体的部署方案是在传统的宏小区的覆盖范围内，引入大量低成本的小基站，将部分宏小区用户转移至这些小基站，从而降低宏基站的负载，提升分配给用户的资源，形成异构网络。这些小基站可以是与宏基站同频架设的微蜂窝，微微蜂窝，飞蜂窝基站，也可以是采用开放式频段架设的WiFi网络接入点。小基站的大量部署一方面通过增加无线网络基站密度的方式，实现频谱资源的复用，从而增加系统容量；另一方面小基站的针对性部署可以填补宏基站对于边缘区域以及空洞区域覆盖不足的问题。

[0003] 用户对于服务基站的选择，决定了异构网络中各个基站的负载，这是异构网络实现高效的资源管理的重要因素，因此异构网络下用户关联问题非常重要。然而由于异构网络中各种类型基站的发射功率、天线数目、和基站所处的频段等均不相同。多种基站并存和小基站大量部署，使得异构网络中的用户关联问题相较于传统网络更为复杂。

[0004] 在现有技术中，异构网络中有许多关于用户关联问题的研究，最常见的做法是将用户关联问题建模为优化问题，利用优化理论和方法寻求到最佳的用户关联策略。用户和基站的关联关系可以采用0，1变量去表达，并以此构建效用函数，将用户关联问题转化为效用函数最大化问题。具体的做法是，将用户关联问题建模为整数规划问题，离线求解整数规划，得到关联问题的最优解。由于整数规划问题具有0-1的整数变量，此类整数规划通常被认为是NP-hard问题，因此需要设计最优解或者次优解算法。松弛理论和拉格朗日对偶是解决此类NP-hard问题的典型做法。此外，用户关联问题通常与公平性问题同时考虑。具体的做法是，选择按比例公平性函数作为用户关联问题的效用函数。比例公平函数的形式是对数函数。然而该方法存在以下缺点：

[0005] (1)、在无线实际场景中应用上述方法，几乎失效。首先，上述方法需要事先获知关于用户和基站的大量精准信息，比如全网用户的数目，每个用户的位置，每个用户的数据速率等，由于无线场景的动态性和移动性特征，用户是随机到达的，因此这些信息几乎不能获取。其次，以上算法都是离线算法，运行速度慢，而无线网络需要新到达的用户能够快速接入，很明显上述方法不具有实时性，因此并不适用。

[0006] (2)、上述的方法在考虑约束条件的时候，并没有考虑基站回传链路容量的限制。然而在现实中，由于无线数据流量和无线终端的激增，回传链路容量已然成为瓶颈，因此在解决用户关联问题的时候，加入回传链路容量的约束十分必要。

[0007] 因此，如何提出一套行之有效的在异构网络下的用户关联方法，以保证用户的服务需求和网络的性能是本发明的研究重点。

发明内容

[0008] 本发明的目的在于克服现有技术的不足，提供一种在异构网络中基于回传链路容量的用户关联方法，系统根据新到达的用户与各个可关联基站之间的效用函数值和各个基站本身的链路容量使用情况来进行关联关系部署，以此保障用户关联的实时性和网络的整体性能。

[0009] 为实现上述发明目的，本发明为一种在异构网络中基于回传链路容量的用户关联方法，其特征在于，包括以下步骤：

[0010] (1)、初始化基站所关联的用户集，令 其中，Aj表示基站j所关联的用户集，j＝1,2,…,J,J为异构网络的基站数量， 为空集；

[0011] (2)、当有新用户到达时，计算该新用户与各个基站之间的下行链路速率[0012] (2.1)、计算基站j与新用户i之间的信号与干扰加噪声比，表示为SINRij，其中i为新用户序号；

[0013] (2.2)、构建新用户i的可关联基站集:

[0014] UAi＝{SINRij＞τ}

[0015] 其中，UAi表示新用户i的可关联基站集，τ表示信号与干扰加噪声比阈值；如果新用户i与基站j的信号与干扰加噪声比大于信号与干扰加噪声比阈值τ，则基站j处于新用户i的可关联基站集UAi中；

[0016] (2.3)、计算新用户i与基站j之间的下行链路速率

[0017] 新用户i与基站j之间的下行链路速率为：

[0018] rij＝log(1+SINRij),j∈UAi

[0019] 其中，rij为新用户i与基站j之间的下行链路速率，基站j属于可关联基站集UAi；

[0020] (3)、计算基站j已经被使用的链路容量Bj′：

[0021]

[0022] 即基站j已经被使用的链路容量Bj′为基站j所关联的用户集Aj中所有用户的传输时间ti'j和下行链路速率ri'j的乘积之和；

[0023] 其中，i'为基站j所关联的用户集Aj中用户的序号，ti'j为用户i'与基站j之间的数据传输时间，并等于1/Nj，Nj为基站j所关联的用户集Aj的用户数量，ri'j为用户i'和基站j之间的下行链路速率，基站j属于可关联基站集UAi；

[0024] (4)、计算基站j的剩余链路容量因子

[0025]

[0026] 其中，Bj表示基站j的回传链路容量，基站j属于可关联基站集UAi；

[0027] (5)、计算新用户i与基站j关联时的带宽bij

[0028] bij＝tijrij j∈UAi

[0029] tij表示新用户i与基站j之间的数据传输时间并等于1/(Nj+1)，Nj为基站j所关联的用户集Aj的用户数量，基站j属于可关联基站集UAi；rij表示新用户i与基站j之间的下行链路速率；

[0030] (6)、为新用户i选择最优的关联基站

[0031] 当新用户i到达时，为该新用户i选择最优的关联基站应满足：

[0032]

[0033] 即在可关联基站集户集Aj的找到一个基站j，该基站j为最优基站jopt，其满足最大；

[0034] (7)、如果基站jopt已经被使用的链路容量 加上新用户i的带宽 小于基站j的回传链路容量 则将新用户i与基站jopt关联，并将新用户i加入基站jopt的用户集中；否则，从可关联基站集UAi中删除基站jopt并返回步骤(6)。

[0035] 本发明的发明目的是这样实现的：

[0036] 本发明一种在异构网络中基于回传链路容量的用户关联方法，首先估计新用户与基站之间的信号与干扰加噪声比，从而得到用户的可关联基站集和用户与基站之间的链路速率。其次计算可关联基站集中基站已被使用的链路容量和剩余链路容量因子，以及预估用户的带宽。最后将回传链路容量作为约束条件，系统为新用户分配使得用户效用函数和基站剩余容量因子最大的基站进行关联。

[0037] 同时，本发明一种在异构网络中基于回传链路容量的用户关联方法还具有以下有益效果：

[0038] (1)、实用性。本发明为解决用户关联问题提出了一套有效的在线算法。由于无线网络场景中的用户具有动态到达的特征，不可能预先知道所有用户的信息，因此传统的离线算法不适用，而在线算法部署在实际场景中更为合理，且操作性更强，实用性更好。

[0039] (2)、实时性。本发明提出的在线算法复杂度低，运行速度快，能够为新用户快速分配基站。

[0040] (3)、负载均衡。当新用户可关联的基站链路容量使用情况不同时，系统会优先为用户分配轻载的基站进行关联，从而实现整个网络的负载均衡。

[0041] (4)、用户体验好。当新用户可关联的基站的链路容量使用情况相同时，系统为该用户分配能为其提供最好带宽效用的基站进行关联，充分考虑了用户体验，并且提高了全网带宽利用效用。此外，本发明的在线算法保证基站的链路容量使用情况不会超过回传链路所能承载的容量，这在一定程度上保证了稳定的用户体验。

附图说明

[0042] 图1是本发明在异构网络下基站采用不同的回传链路技术接入核心网示意图；

[0043] 图2是本发明在异构网络中基于回传链路容量的用户关联方法流程图；

[0044] 图3是一个用于仿真的另一异构网络的分布示意图；

[0045] 图4是四种用户关联算法的总网络吞吐量曲线图；

[0046] 图5是四种用户关联算法的总网络效率曲线图；

[0047] 图6是四种用户关联算法的公平性曲线图；

[0048] 图7是四种用户关联算法的平均用户数据速率曲线图。

具体实施方式

[0049] 下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

[0050] 实施例

[0051] 为了方便描述，先对具体实施方式中出现的相关专业术语进行说明：

[0052] 5G(5th-Generation)：第五代移动通信技术；

[0053] 4G(4th-Generation)：第四代移动通信技术；

[0054] Wi-Fi(Wireless-Fidelity)：无线保真；

[0055] NP-hard(Non-deterministic Polynomial hard)：非确定性多项式问题；

[0056] MIMO(Multiple-Input Multiple-Output)：多输入多输出系统技术；

[0057] xDSL(x Digital Subscriber Line)：数字用户线路；

[0058] ADSL(Asymmetric Digital Subscriber Line)：非对称数字用户线路；

[0059] VDSL(Very High Speed Digital Subscriber Lin)：超高速数字用户线路；

[0060] ZFBF(Zero-Forcing Beamforming)：迫零波束成型技术；

[0061] BeamSteeringWeight：波束控制权值；

[0062] SDN(Software Defined Network)：软件定义网络；

[0063] 图1是本发明在异构网络下基站采用不同的回传链路技术接入核心网示意图。

[0064] 本发明主要考虑了以下3个影响用户关联问题的因素：异构网络中不同类型基站的天线数目，用户的带宽和基站的回传链路容量。

[0065] 本发明根据基站配置的天线数目的不同，将异构网络中的基站分为两类，即采用MIMO技术的多天线基站和传统的单天线基站。采用MIMO技术的基站通过多个天线实现多发多收，可以更为充分的利用空间资源，往往能够提供更好的通信质量。单天线基站往往体积小，成本低，小基站通常由此构成。

[0066] 本发明将用户的带宽纳入用户关联问题进行考虑，因为它直接决定了基站可以为用户提供的服务质量。基站分配给用户的带宽主要由两个因素决定：用户与基站之间的数据传输速率和基站分配给用户的服务时间。用户与基站之间的数据传输速率通常指的是空口链路速率，它主要由用户与基站之间的信噪比决定。基站分配给用户的服务时间与基站当前挂载的用户总量成反比例关系，即基站挂载的用户数目越多，单个用户所分得的服务时间越少。

[0067] 本发明还将各个基站的回传链路容量作为影响用户关联的约束条件。如图1所示，异构网络中的宏基站的回传链路采用光纤部署，因此它的链路容量非常大。而异构网络中的小基站，通常采用xDSL(ADSL或VDSL)或者Sub-6G回传，它们所提供的链路容量有限，与光纤链路相差好几个数量级。这就意味着如果小基站所关联的用户对于链路带宽的需求超过回传链路所能承载的容量时，小基站下的用户所需要的服务得不到保障。此外，随着无线数据流量和无线终端的激增，如果不考虑回传链路容量的限制，宏基站亦无法完全满足其所关联所有用户的需求。因此在考虑异构网络的用户关联问题时，本发明将回传链路容量作为约束条件。

[0068] 基于以上三点，本发明设计了一种基于回传链路容量的在线用户关联分配方法。该方法一方面从网络整体的性能出发，考虑各个基站回传链路容量的约束，确保网络整体资源得到充分利用；另一方面从单个用户的用户体验出发，为每个用户选择一个最适合的基站关联，该基站能够为关联的用户提供最好的带宽保证。

[0069] 下面结合图2，对本发明一种在异构网络中基于回传链路容量的用户关联方法进行详细说明，具体包括以下步骤：

[0070] S1、初始化基站所关联的用户集，令 其中，Aj表示基站j所关联的用户集，j＝1,2,…,J,J为异构网络的基站数量， 为空集。如图1所示，J＝5。

[0071] S2、当有新用户到达时，计算该新用户与各个基站之间的下行链路速率[0072] 用户依次随机到达，而用户所处位置完全随机。为了保证资源分配的公平性，本发明采用比例公平策略进行系统资源的分配。比例公平策略定义其效用函数是log函数，因此本发明定义新用户i为系统所带来的效用为log(bi),bi表示新用户i的带宽。在比例公平策略下，每个基站分配给它所关联的用户的数据传输时间(即服务时间)是相同的，因此新用户i与基站j之间的数据传输时间为：1/(Nj+1)，其中，Aj表示基站j所关联的用户集，Nj为基站j所关联的用户集Aj的用户数量。

[0073] 异构网络中同时存在宏基站和小基站，一般宏基站为了支持多路数据同时传输而采用MIMO技术。小基站中某些基站采用MIMO技术如支持5G频段的Wi-Fi，大部分小基站配置的是单天线。基站的天线数目直接影响用户与基站之间的信噪比。

[0074] 下面对具体的计算过程进行详细说明，具体步骤为：

[0075] S2.1、计算基站j与新用户i之间的信号与干扰加噪声比，表示为SINRij，其中i为新用户序号

[0076] 在异构网络中，如果采用MIMO技术的基站配置K根天线，新用户配置一根天线，新用户与基站之间的信道采用ZFBF技术作为预编码技术；

[0077] 那么，新用户i与基站j之间的信号与干扰加噪声比为：

[0078]

[0079] 其中，N0表示噪声功率，取-1014dBm；pj表示基站j的传输功率；hi为1×K的向量，表示新用户i的信道增益；wj表示基站j的Beam Steering Weight向量，I表示来自其他基站的干扰；

[0080] 如果基站和用户都只配置一根天线，那么，新用户i与基站j之间的信噪比为：

[0081]

[0082] 其中，gij分别表示新用户i与基站j的信道增益,N0表示噪声功率，I表示来自其他基站的干扰。

[0083] S2.2、构建用户的可关联基站集:

[0084] UAi＝{SINRij＞τ}

[0085] 其中，UAi表示新用户i的可关联基站集；τ表示信号与干扰加噪声比阈值，取-3dB，如果新用户i与基站j的信号与干扰加噪声比大于信号与干扰加噪声比阈值τ，则基站j处于新用户i的可关联基站集UAi中。

[0086] S2.3、计算新用户i与基站j之间的下行链路速率

[0087] 新用户i与基站j之间的下行链路速率为：

[0088] rij＝log(1+SINRij),j∈UAi

[0089] 其中，rij为新用户i与基站j之间的下行链路速率，基站j属于可关联基站集UAi。

[0090] S3、计算基站j已经被使用的链路容量B′j

[0091] 基站已使用的链路容量由三个因素决定：基站所关联的用户数目，每个基站分配给它所关联的用户的数据传输时间，以及基站与用户之间的链路速率。

[0092] 基站j已经被使用的链路容量Bj'为：

[0093]

[0094] 即基站j已经被使用的链路容量B′j为基站j所关联的用户集Aj中所有用户的传输时间ti'j和下行链路速率ri'j的乘积之和；

[0095] 其中，i'为基站j所关联的用户集Aj中用户的序号，ti'j为用户i'与基站j之间的数据传输时间，并等于1/Nj，Nj为基站j所关联的用户集Aj的用户数量，ri'j为用户i'和基站j之间的下行链路速率，基站j属于可关联基站集UAi。

[0096] S4、计算基站j的剩余链路容量因子

[0097] 当新用户到达时，由步骤1可知，它的可关联基站数目可能不止一个。为了更好的为新用户选择一个合理的基站进行关联，本发明定义了剩余链路容量因子这个量。

[0098] 剩余链路容量因子是一个单调递减的函数，表征当前基站的链路容量未被使用的情况，那么基站j的剩余链路容量因子 可表示为：

[0099]

[0100] 其中，Bj表示基站j的回传链路容量，基站j属于可关联基站集UAi。

[0101] 剩余链路容量因子的物理含义为：1)当基站处于轻载时(即基站所关联的用户数目少)，剩余链路容量因子的值大；当基站过载时，剩余链路容量因子的值小；剩余链路容量因子的值直接影响用户与基站关联关系的分配；2)保证剩余链路容量因子 的充要条件是Bj'/Bj≤1，即每个基站上用户所占用的链路带宽总和不能超过基站所能承载的回传链路容量约束。

[0102] S5、计算新用户i与基站j关联时的带宽bij

[0103] 用户的带宽由两个因素决定：用户与基站之间的链路速率和基站分配给该用户的数据传输时间。那么，新用户i的带宽bi为：

[0104] bij＝tijrij j∈UAi

[0105] tij表示新用户i与基站j之间的数据传输时间并等于1/(Nj+1)，Nj为基站j所关联的用户集Aj的用户数量，基站j属于可关联基站集UAi；rij表示新用户i与基站j之间的下行链路速率。

[0106] S6、为新用户i选择最优的关联基站

[0107] 建立目标函数为：从可选基站集中选择使得 最大的基站作为最优基站。当新用户i到达时，为该新用户i选择最优的关联基站应满足：

[0108]

[0109] 即在可关联基站集户集Aj的找到一个基站j，该基站j为最优基站jopt，其满足最大。

[0110] 当新用户可关联基站集UAi中的基站与用户之间的效用函数log(bij)相同时，系统为该新用户选择处于轻载的基站(即 值大)进行关联，确保网络整体资源得到充分利用，达到负载均衡的效果。当新用户可关联基站集UAi中的基站的剩余链路容量情况相同时，系统为该新用户选择能够为其提供最好的带宽效用保证的基站(即log(bij)值大)进行接入，确保用户具有最好的用户体验。为了更加快速的为新用户找到最优基站，本发明首先缩小基站搜索范围，即将搜索范围缩小到新用户可关联基站集UAi。

[0111] S7)、如果基站jopt已经被使用的链路容量 加上新用户i的带宽 小于基站j的回传链路容量 则将新用户i与基站jopt关联，并将新用户i加入基站jopt的用户集中；否则，从可关联基站集UAi中删除基站jopt并返回步骤S6。

[0112] 仿真

[0113] 如图3所示，采用一个1000m*1000m大小的异构网络来验证本发明的结果和性能。

[0114] 在图3所示的区域，部署了一个宏基站、四个微窝基站(pico-base station)以及二十个微微蜂窝(femto-base station)基站，宏基站和四个微窝基站的位置固定，二十个微微蜂窝的位置是随机的。我们假设有200个随机到达的用户试图关联该区域的一个仅且一个基站。宏基站、微蜂窝基站以及微微蜂窝基站的回传链路容量分别为100Mbps、100/3Mbps以及10Mbps，并且仿真的3GPP LTE参数见列表1.

[0115]

[0116] 表1

[0117] 在图4～图7中，有四种用户关联算法，其中，在线用户关联算法为本发明。在线用户关联算法对回传链路容量和网络效用函数进行了平衡，因而其是最快的用户关联算法。其他用户关联算法用于比较，其中，最优分数离线算法(the best fractional offline algorithm)是一种最优解决方案，但由于方案不是基于整数的，其不能用于真实的无线环境，通常，该方案可以指示非其它关联算法的上限；次优离线算法是最优分数离线算法的扩展，其可以部署在实际的场景中，但该算法比较慢，需要获得所有用户的信息；Max-SINR是最为广泛使用的用户关联算法，其算法快且容易实现。下面从网络吞吐量、效率、公平性和平均用户数据速率等四个方面对四种用户关联算法进行评估

[0118] 图4展示了采用上述四种用户关联算法的总网络吞吐量。最优分数离线算法为上限。从图4可以看出，在线用户关联算法(本发明)性能超过了次优离线算法和Max-SINR，这是因为，对于每个到达用户，在线用户关联算法(本发明)选择的基站可以使得log(bij)最大，并避免了该基站回传链路容量被使用完。同时，在线用户关联算法(本发明)考虑了该基站负载和SINR对于用户关联的影响。次优离线算法也考虑了基站负载和SINR对于用户关联的影响，但其可能选择回传容量耗尽的基站。Max-SINR的性能最差，这是因为其仅仅考虑了SINR对于用户关联的影响。

[0119] 图5展示了采用上述四种用户关联算法的总网络效率。效用函数采用log2(·)。如果用户数据的下行链路速率低于2，该效用函数的值为负。从图5的所示的结果，我们可以看出，Max-SINR的性能最差，绝大多数的Max-SINR的网络利用率为负，并且其趋势也是线性减小，原因在于其他三种算法都考虑了怎样最大化网络利用率，但Max-SINR没有。

[0120] 图6展示了采用上述四种用户关联算法的公平性。如图6所示，Max-SINR最差。值得注意的是次优离线算法与在线用户关联算法的结果趋势。但用户数量低于80时，次优离线算法的公平性高于在线用户关联算法的公平性。然而，当用户数量高于80时，在线用户关联算法的公平性高于次优离线算法的公平性，此外，在线用户关联算法的结果更为稳定。其原因在于，当用户数量不多时，回传链路容量不是瓶颈，在线用户关联算法不需要去平衡，这样log(bij)的影响更大。但当回传链路容量成为瓶颈时，在线用户关联算法的平衡性就明显了，在线用户关联算法的效果和稳定性好于次优离线算法。

[0121] 图7展示了采用上述四种用户关联算法的平均用户数据速率。如图7所示，平均用户数据速率随着用户数量的增加而减小。整体上看，Max-SINR的平均用户数据速率比其他用户关联算法都小，当用户数量比较小时，在线用户关联算法(本发明)的平均用户数据速率略高于次优离线算法平均用户数据速率，这是由于在线用户关联算法(本发明)趋向于选择最大的log(bij)。

[0122] 尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。