Vous êtes sur la page 1sur 8

Approches et Algorithmes de Gestion des Ressources

Radio en Mode d’Accès OFDMA : Application aux


Réseaux Mobiles de Nouvelle Génération
Hassen HAMOUDA *, Mouhamed Ouwais KABAOU **, Belgacem RHAIMI
CHIBANI** et Mohamed Salim BOUHLEL *
*
Université de Sfax, Institut Supérieur de Biotechnologie Sfax (ISBS)
Unité de Recherche Sciences Et Technologies de l’Image et des Télécommunications (SETIT)
hamouda_hassen@yahoo.fr
medsalim.bouhlel@enis.rnu.tn

**
Université de Gabès, Ecole Nationale d’Ingénieurs de Gabès (ENIG)
Unité de Recherche Modélisation, Analyse et Commande des Systèmes (MACS-ENIG)
ouwayess@yahoo.fr
kacem_enig4@hotmail.com

Résumé: Le besoin accru en débit et en mobilité est à l'origine de l'évolution rapide des systèmes radio mobile pendant
cette dernière décennie. Dans les systèmes de communications radio mobiles à haut débit (e.g. UMTS, HSDPA, WiMax,
LTE, ...etc.), une intense activité de recherche sur les techniques d'optimisation et de gestion de ressources radio (RRM :
Radio Resource Management) est menée. La gestion et l'optimisation des ressources sont deux thématiques traitées
séparément. Cette présente étude permet d’atteindre un double but : parvenir à une présentation des différentes
méthodes et approches d’allocation des ressources radio (fréquence et puissance) et mettre l’accent sur les algorithmes
d’optimisation dédiés à l’allocation des ressources dans le cas monocellulaire en déployant l’une des techniques d’accès
les plus prometteuses en termes de débit dénommée OFDMA
Mots clés: OFDMA, Ressources Radio, Allocation aléatoire et adaptative, Algorithmes d’optimisation, Allocation de
bande, Affectation de sous porteuses.

recherches menées sur ces technologies de


communication, visent à améliorer la qualité de
INTRODUCTION service (QoS : Quality of Service) et minimiser en
Dans0ce0papier,0nous0présentons0un0étude0détailléd conséquence les pertes en termes de ressources
es0différentes0méthodes0et0techniques0d'allocation (fréquence et/ou puissance). Classiquement, la gestion
de ressources sur la voie descendante en OFDMA. Il et l'optimisation des ressources sont deux thématiques
s'agit principalement de répartir les sous-porteuses0et0 traitées séparément. En effet, différentes méthodes de
les puissances disponibles entre les différents gestion de ressources radio à base d’algorithme
utilisateurs présents dans une cellule. L'OFDMA est d’optimisation, sous contraintes de qualité de service
une candidate prometteuse pour les réseaux d'accès ont été proposées. Ce qui rend les problèmes de
large bande post 3G (e.g. IEEE 802.16, WiMax, gestion et d'allocation des ressources loin d'être
LTE,…). Cette technique est caractérisée par sa entièrement résolus et demeurent un axe de recherche
capacité à supporter un grand nombre d'utilisateurs privilégie.
aux caractéristiques variables (QoS, débits).
L'objectif du problème d'optimisation peut être de
Dans les systèmes de communications radio minimiser la puissance transmise, de maximiser le
mobiles à haut débit (e.g. UMTS, HSDPA, WiMax, débit total des utilisateurs, d'optimiser une équité (par
LTE, ...etc.), une intense activité de recherche sur les exemple maximiser le débit minimum parmi les
techniques d'optimisation et de gestion de ressources utilisateurs) ou de minimiser le nombre d'utilisateurs
radio (RRM : Radio Resource Management) est qui n'atteignent par leur débit minimal (ru0,ru,b0). Dans
menée. Ces systèmes de communication évolutifs, les sections qui suivent, nous rappelons la (les)
peuvent intégrer des services multimédia en plus des relation(s) entre la puissance (respectivement le débit)
services traditionnels de voix et de données. Les à optimiser et la qualité radio du canal.

-1-
SETIT 2012

Ce présent papier est organisé comme suit : Dans la de temps de réponse et de bande passante. Parmi les
première section, nous allons présenter le principe des principaux critères permettant d'apprécier la qualité de
méthodes d'allocation aléatoires. Dans la deuxième service, on cite à titre d'exemple le débit et la bande
section de cet article, on va présenter un état de l'art passante (bandwidth), qui définit le volume maximal
sur les différents problèmes d'optimisation liés à la d'information par unité de temps (bits/s).
répartition adaptative des sous-porteuses et des
Les principaux objectifs du problème
puissances disponibles entre les utilisateurs dans le cas
d'optimisation peuvent être soit :
monocellulaire. La troisième section sera réservée
pour mettre en évidence l'un des principaux issus de • Une minimisation de la puissance transmise
l'approche d'allocation adaptative qui définie la (Optimisation en MA),(section 1.3.1)
détermination du nombre de sous-porteuses nécessaire
à chaque utilisateur et l'affectation des sous-porteuses • Une maximisation du débit total des
aux usagers selon leurs besoins. utilisateurs (Optimisation en RA), (section
1.3.2)

1. Méthodes d’allocation des ressources • Une optimisation de l'équité (max-min),


(section 1.3.3)
Deux types d'allocation sont souvent considérés
dans la littérature. La première représente les • Une minimisation du nombre d'utilisateurs
méthodes d'allocation aléatoires et la deuxième non satisfaits (Minimisation de l'échec :
s'intéresse plus particulièrement aux méthodes Outage). (section 1.3.4)
d'allocation adaptatives.
Plusieurs stratégies d'optimisation à voie
descendante ont été introduites ces dernières années.
1.1. Méthodes d’Allocation Aléatoire
Ces stratégies d'optimisation, seront répertoriées selon
Dans un système OFDMA aléatoire, chaque leurs principes et objectifs. Dans ce qui suit on
utilisateur alloue d'une manière aléatoire un ensemble présente un aperçu général sur ces dernières.
n de sous porteuses, qui peut être différent d'un
utilisateur à un autre. Le défit de cette méthode, est
1.3. Problème d’optimisation avec contraintes
que plusieurs utilisateurs peuvent choisir les mêmes
sous porteuses, ce qui engendre des perturbations en Le problème d'optimisation des ressources radio
transmission. Donc, le fait d'avoir un nombre avec contraintes en OFDMA, est un problème qui
d'utilisateurs variable, engendre un nombre de sous cherche ; soit à minimiser la puissance transmise et
porteuses en collision proportionnel au nombre dans ce cas on traite le cas d'optimisation dite en "MA"
d'usager et en conséquence un débit de transmission (Margin Adaptive Optimization), soit à maximiser le
non satisfaisant. Cependant, ce type de système admet débit global des utilisateurs dans une cellule et auquel
ses propres avantages tels que, la non nécessité d'un cas le problème est dit en "RA" (Rate Adaptive
protocole d'allocation de sous porteuses pour les Optimization). Ce type de problème d'optimisation
usagers, vu que chaque usager connaît ses sous (RA) présente l'objet principal de notre étude.
porteuses et que la station de base (BS) connaît les Une contrainte sur le débit individuel, à garantir
sous-porteuses de chacun des utilisateurs. En plus, un pour chaque utilisateur est imposé dans ces deux types
système aléatoire a l'avantage de posséder des de problème. Un autre type de problème se présente
ensembles uniques de sous porteuses permettant aux aussi dans la littérature. Il s'agit d'un problème qui
usagers de faire des simples Handover accompagnés traite l'optimisation de l'équité (fairness) entre les
de leurs propres sous porteuses. différents utilisateurs. Dans ce cas, le problème est dit
"max-min". Enfin, un dernier type de problème
1.2. Méthodes d’Allocation Adaptatives d'optimisation, ayant pour objectif principal de
Dans cette section on s’intéresse au principe du minimiser le nombre d'utilisateur non satisfaits,
problème d'allocation adaptative des ressources radio. n'ayant pas atteint son débit minimal. Ce type de
Plusieurs études ont été effectuées en OFDMA dans problème est connu par la minimisation de l'échec
un contexte monocellulaire [HHE 04, HUI 06, KOO (Outage) [HAM 07].
06, LII 05, WON 04, CHA 04, KIM 04, RED 07]. 1.3.1 Optimisation en MA (Margin Adaptive)
Le mot allocation désigne la répartition des sous- Objectif
porteuses et de puissances disponibles entre Dans ce cas d'optimisation, on cherche à minimiser
utilisateurs. Souvent, dans un problème d'optimisation, la puissance totale transmise Ptr, sous une contrainte
des contraintes seront liées et peuvent être exprimées de débit minimal ru,b0 à garantir pour tous les
en termes de débit minimal, que chaque utilisateur doit utilisateurs [LEN 08, HAM 07, ACE 05, KIM 01, KIV
garantir, afin d'être satisfait (atteint son débit 03, WON 99].
minimal). Chaque utilisateur est donc soumis à des
contraintes de qualité de service (QoS), en relation Avec :
avec sa mobilité. On désigne par QoS, la capacité à
fournir un service (notamment un support de
communication) conforme à des exigences en matière

-2-
SETIT 2012

1.3.4 Minimisation de l'Outage


B U
Ptr = ∑ ∑ Pu,b (ru,b ), et (1≤u≤U), (1≤b≤B) (1) Objectif
b=1u=1
Dans ce problème d'optimisation, on cherche à
minimiser le nombre d'utilisateurs n'ayant pas atteint
Formulation du problème leurs débits minimaux requis ru,b0 On les désigne par
Le problème s'exprime comme : utilisateurs non satisfaits.
D'une manière générale, ces utilisateurs ne seront
minr Ptr (r) pas bloqués, mais on leur attribue, ce qu'on appelle

Avec: r ≥r
0 probabilité d'échec (Outage Probability : Poutage). Cette
(2) probabilité est exprimée par le rapport entre le nombre

et r =(r1,1,........rub, ,......rU,B) et r =(r1,1,............,rub, .........rU,B)
0 0 0 0 d'utilisateurs insatisfaits et le nombre total
d'utilisateurs [HAM 07].
Formulation du problème d'Outage
1.3.2 Optimisation en RA (Rate Adaptive)

Objectif 2. Approches liées aux algorithmes


L'objectif du problème d'optimisation en RA est de 
0
min(Poutage)tels que : r<ru
maximiser le débit total ru,b0 des utilisateurs avec

conditions sur la puissance maximale transmise Avec: (5)
(budget de puissance fixe) et éventuellement des 
débits individuels minimaux pour chaque utilisateur Poutage =Nombre d'utilisateurs non satisfaits
 Nombre total d'utilisateurs
[LEN 08, HAM 07, KLKL01, MW06, YL00].
Formulation du problème
d'optimisation
Dans [LEN 08], deux principales approches ont été
Le problème s'exprime donc sous la forme proposées.
suivante :
Dénommées "Approche A" et "Approche B",
 B U chacune d'entre elles admet son propre principe,
 max ∑ ∑ ru,b
 b=1u=1 malgré l'existence de points communs entre les deux.
 (b) On rappelle que dans notre étude, le principal objectif
 Avec:Ptr <Ptr,max,(1≤u≤U),(1≤ b≤B)(1) (3)
 est l'allocation des ressources radio en OFDMA, c'est-
et (r) ≥ r0 (2) à-dire faire une répartition des sous-porteuses et de
 puissance disponibles entre les utilisateurs présents

dans une cellule.
Le principe de base de l'approche A, réside au fait
1.3.3 Optimisation de l'équité (max-min)
de considérer que l'attribution des sous-porteuses
On désigne par équité en bande, l'attribution d'une (étape 1) et l'allocation de puissance (étape 2) sont
quantité égale de ressources fréquentielles aux deux étapes qui s'effectuent de manière séparée.
différents utilisateurs. Ce type d'optimisation, ne
garantit aux utilisateurs aucune qualité en termes de Quant à l'approche B, son principe de base est que
débit [LEN08]. L'objectif du problème d'optimisation l'attribution des sous-porteuses et l'allocation de
de l'équité peut être par exemple de maximiser le débit puissance se font d'une manière simultanée (ou
conjointe). La plupart des algorithmes utilisés pour la
minimum parmi les utilisateurs ou de minimiser le
résolution d'un problème d'optimisation RA, sont de
nombre d'utilisateurs qui n'atteignent par leur débit
type A (approche A). Tous les algorithmes de type B
minimal (ru0 rub0) [LEN 08, HAM 07, DOU 05, RHE
00].
(approche B), résolvent un problème du type MA
[LEN 08]. Il a été considéré dans l'approche B, que la
Objectif deuxième étape est optionnelle (non obligatoire),
tandis qu'elle est considérée obligatoire dans
Pour pouvoir bénéficier d'une équité totale en
l'approche A.
débit, on peut maximiser le plus faible débit parmi les
utilisateurs. Dans [LEN 08], ce type de problème n'a Dans les deux approches (A et B), l'étape 1
été évoqué que dans le contexte monocellulaire. (allocation de la bande), représente un point commun,
elle consiste à déterminer le nombre de sous-porteuses
Formulation du problème d'équité
nécessaire à chaque usager. Outre son objectif
Le problème peut être formulé de la façon suivante principal, cette première étape peut aussi comporter
deux options. Dans la première (option 1), le nombre
 max A(min u(ru,A )) de sous-porteuses par utilisateur est inconnu, tandis
 (4) que dans la deuxième (option 2), le nombre de sous-
 Avec : Ptr < Ptr,Max porteuses par utilisateur, s'avère être un paramètre

-3-
SETIT 2012

important et doit être obligatoirement connu. [LEN individuels. L'utilisateur ayant le meilleur gain du
08] canal (CgNR), lui sera attribué une sous-porteuse.
Etant donné qu'on résout un problème d'optimisation
2.1. Approche A RA, du type A (approche A), le nombre des sous-
porteuses est inconnu à priori. Donc, un utilisateur
2.1.1. Attribution des sous-porteuses pourrait ne rien recevoir [LEN 08, JAN 03, KKH04].
On rappelle que cette phase comporte deux étapes ; • Problème d'équité en débit : les travaux de
à savoir la l'allocation de la bande de fréquence et recherche effectués dans ce contexte, ont pour objet de
l'affectation des sous-porteuses aux usagers selon leur faire maximiser le plus faible débit parmi les
demande. Ces deux étapes peuvent se faire d'une utilisateurs [LEN 08, RHE 00]. Ce qui définit un
manière imbriquée (option 2) ou distincte (option 1). problème "max-min".
On rappelle aussi, que dans l'approche A, l'attribution
des sous-porteuses et l'allocation de puissance sont • Problème RA avec contrainte : le principe de
deux étapes séparées. base de ce problème est de maximiser le débit total
des utilisateurs avec contraintes sur la puissance
Option 1 : Distincte maximale et sur les débits individuels minimaux ru,b0
Dans le cas de l'option 1, l'allocation de la bande et pour chaque utilisateur [LEN 08].
l'affectation des sous-porteuses représentent deux
2.1.2. Allocation de puissance
étapes distinctes (ou séparées). C'est-à-dire qu'une
connaissance du nombre de sous-porteuses à affecter à Cette étape représente, la seconde tâche de
un utilisateur est nécessaire. La détermination du l'approche A. L'allocation de puissance est une étape
nombre de sous-porteuses à affecter à un utilisateur permettant de déterminer le niveau de puissance sur
représente la première sous étape de l'attribution. La chaque sous-porteuse. Une répartition uniforme du
seconde sous étape sera alors l'affectation des sous- niveau de puissance s'avère être plus appréciée que le
porteuses. Cette approche est souvent utilisée dans le water-filling [LEN 08]. Deux différents problèmes
cas où un débit minimal ru,b0 à atteindre pour chaque sont à résoudre dans cette approche, soit un problème
utilisateur s'impose [LEN 08]. Les sous-étapes 1 et 2 en RA comme développé dans les travaux de [KIM 04,
peuvent être décrites comme suit : HLC04], soit un problème en MA.
Allocation de la bande : Deux alternatives sont
2.2. Approche B
prises en compte dans l'allocation de la bande. La
première consiste à considérer un MCS (Modulation Le principe de base de l'approche B est d'effectuer
and Coding Scheme) unique et dans ce cas la relation l'attribution des sous-porteuses et l'allocation de
entre le débit minimal et le nombre de sous-porteuses puissance simultanément (conjointe). Les deux
est directe. Quant à la deuxième alternative, principales étapes de cette approche sont :
dénommée modulation adaptative, où on trouve étape 1 : réaliser une affectation de sous-
plusieurs MCS, le lien est moins direct et le nombre de porteuses et une allocation de puissance sur
sous-porteuses par utilisateur est évalué soit par une les sous-porteuses (choix des MCS),
estimation rigide ou par une estimation souple [LEN
08, LEN 06b]. étape 2 : Existe souvent, elle consiste à
réduire la puissance transmise (amélioration).
Affectation des sous-porteuses : La solution
optimale est obtenue avec l'algorithme d'Hongrois, L'approche B peut aussi comporter deux options
utilisé dans de nombreux domaines car il résout les (options 1 et 2). Ces deux options, sont basées sur un
problèmes d'affectation avec minimisation d'un coût. principe où le nombre de sous-porteuses pour chaque
Ce dernier réputé lent dans son temps d'exécution en utilisateur est à priori connu ou non.
temps réel, est basé sur le principe d'une estimation
rigide pour évaluer le nombre de sous-porteuses par
utilisateur. Des approches sous optimales sont 2.2.1. Allocation conjointe de sous porteuses et de
proposées à ce niveau [LEN 08]. puissance
Option 2 : Imbriquée Option 1
Dans l'étape d'attribution des sous-porteuses, Le nombre de sous-porteuses (Nu) n'est pas connu
l'option 2 consiste à joindre l'allocation de la bande et à priori. Dans l'option 1, deux approches ont été
l'affectation des sous-porteuses. Cette approche est définies, à savoir [LEN 08] :
souvent utilisée dans le cas où la contrainte sur les
débits individuels peut être ignorée. On rencontre Approche de résolution du conflit,
souvent dans ce cas de figure en l'absence de Allocation progressive du spectre.
contraintes sur le débit minimal des utilisateurs, les
problèmes suivants [LEN 08] : La première approche est à la base d'un algorithme
appelé "bit loading". La station de base (BS) construit
• Problème opportuniste : son principe de base est une liste des meilleures sous-porteuses pour chaque
de maximiser le débit total des utilisateurs sans pour utilisateur, lui permettant d'atteindre d'une manière
autant imposer des contraintes sur les débits aisée son débit minimal r0u. Quant au nombre de bits

-4-
SETIT 2012

prévu sur chacune des sous-porteuses, il sera calculé de puissance uniforme sur les sous-porteuses, vu que
par le même algorithme sous-indiqué. La notion de cela ne dégrade pas les performances par rapport à la
sous-porteuses "conflictuelles", désigne les sous- solution optimale du Water-filling dans le cas d'un
porteuses qui ne sont pas encore affectées selon la liste problème RA avec contrainte. Ce qui permettra en
que la BS construit et qui seront traitées par un rapport conséquence, une simplification de l'étape d'allocation
CgNR moyen décroissant. La deuxième approche est de puissance et d'attribution de sous-porteuses [LEN
définie par une allocation progressive du spectre, dont 08, JAN 03].
chaque utilisateur reçoit tour à tour la meilleure sous-
porteuse.
3. Algorithme d’allocation adaptative
Option 2 La technique d'allocation adaptative repose sur des
Le nombre de sous-porteuses (Nu) est connu. Il idées relativement nouvelles et intuitives, mais n'a
s'agit dans cette option, de classer les sous-porteuses connu un réel essor en tant que technique de gestion
pour chaque utilisateur par CgNR décroissant ou par de ressources avancée que depuis l'an 2000 [TUR 05,
puissance croissante en cas de MCS fixe [LEN 08]. HUI 06, KOO 06, LEN 08, HAM 07]. Les stratégies
proposées s'avèrent une structure suffisamment
2.2.2. Amélioration de la puissance transmise complète pour résoudre un problème d'optimisation
avec ou sans contraintes. En effet, ces stratégies
Cette étape consiste à calculer le facteur de
permettent de répartir et d'affecter d'une manière
réduction de puissance que l'on note p(u1; u2) pour
adaptative les sous-porteuses et les puissances
chaque couple d'utilisateur (u1; u2) [LEN 08].
disponibles entre les utilisateurs présents dans une
Dans [KAB 10] les auteurs ont pu réaliser une étude cellule. Elles ont montré leur efficacité, leur flexibilité
comparative permettant de faire le choix adéquat avec et leur succès dans les réseaux de communication
le type du problème à résoudre. En effet, ils ont pu radio mobiles, même pour de futures générations de
montrer l'insuffisance de l'approche B, dont la systèmes communication.
résolution du problème devient non évidente en cas
Plusieurs algorithmes existent pour la gestion des
d'un problème RA sans contraintes. En conséquence,
ressources radio. Ces algorithmes peuvent être classés
on s'intéressera, dans la suite de ce présent travail, en deux catégories ; à savoir les algorithmes
qu'au problème d'optimisation de type RA sous d'allocation de la bande et les algorithmes d'affectation
l'approche A.
des sous-porteuses.
2.3. Optimalité et Opportunité des approches
3.1. Algorithmes d'allocation de ressources
Dans l'approche A, la phase d'attribution des sous-
On suppose dans un environnement sans fil, qu'il
porteuses (étape 1) est décomposée en deux étapes :
existe des utilisateurs ayant un rapport SNR (Signal to
l'allocation de la bande et l'affectation des sous-
Noise Ratio) plus petit que d'autres. En conséquence,
porteuses. Ces deux étapes peuvent être effectuées soit ces utilisateurs tendent à consommer plus de
d'une manière imbriquée (option 1), ou distincte puissance. Une fois que chaque utilisateur a eu les
(option 2).
sous-porteuses nécessaires pour satisfaire le débit
La notion d'estimation "souple" ou "rigide" dans minimal demandé, on donne les sous-porteuses
l'étape 1 de l'approche A s'impose en conséquence. restantes aux usagers qui ont le plus petit rapport SNR
afin de minimiser la puissance de transmission
Dans le cas où l'allocation de la bande est séparée nécessaire. Dans ce qui suit, on décrira quelques
de l'affectation des sous-porteuses, on note Nu le algorithmes utilisant le rapport SNR de chaque
nombre de sous-porteuses nécessaire à l'utilisateur u et utilisateur pour déterminer le nombre des sous-
N le nombre total des sous-porteuses disponibles. La porteuses allouées à chaque usager.
notion d'estimation "souple" ou "rigide" peut ainsi
s'exprimer par : 3.1.1 Algorithme BABS (Bandwidth Allocation
Dans le cas de la résolution d'un problème du type Based on SNR)
RA sans contraintes sur les débits individuels, Connu sous le nom de BABS (Bandwidth
l'optimalité globale est obtenue en séparant
 N
l'attribution des sous-porteuses et l'allocation de si ∑ Nu < N : Estimation souple
puissance (approche A). Tandis que dans le cas d'un  u=1
problème de type MA et RA avec contrainte sur les  (6)
 N
débits individuels, l'optimalité globale est obtenue par si ∑ Nu =N : Estimation rigide
l'application de l'approche B, où l'attribution des sous-  u=1
porteuses et l'allocation de puissance sont effectuées
Assignment Based on SNR), cet algorithme
conjointement. Dans ce cas, la résolution du problème
commence à allouer à chaque usager le nombre
devient non évidente à ce niveau, d'où l'opportunité de
minimal des sous-porteuses qu'il lui faut. Si le nombre
l'approche A [LEN 08].
total des sous-porteuses demandées dépasse le nombre
Dans la majorité des travaux qui traitent le cas de total des sous-porteuses disponible N, on élimine les
l'allocation de ressources, on considère une allocation usagers qui ont le minimum des sous-porteuses
allouées. Quand on arrive à un nombre de sous-

-5-
SETIT 2012

porteuses inférieur à N, ou si déjà on n'a pas dépassé au niveau de l'algorithme HBABS par rapport au
N, on commence à allouer les sous-porteuses MBABS.
supplémentaires aux usagers qui, en fait de l'addition
d'une sous-porteuse supplémentaire auront une 3.1.4. Algorithme BARE (Bandwidth Allocation based
diminution de la puissance maximale transmise [KIV on Rate Estimation)
06, TUR 05, HAM 07, KOO 06, ZHE 03]. BARE représente une alternative pour les
algorithmes permettant de déterminer le nombre de
3.1.2. Algorithme MBABS (Modified BABS)
sous-porteuses (ou largeur de bande) par utilisateur en
MBABS [NAK 03], est une version modifiée de RA. Cet algorithme permet d’augmenter le nombre de
l’algorithme BABS (BABS modifié). L’idée de cet sous-porteuses d'un utilisateur sous contrainte de débit
algorithme est d’éliminer l’utilisateur dont le nombre [LEN 06b].
nécessaire de sous-porteuse est le plus proche
BARE cherche à minimiser la différence entre le
(supérieur ou égale) à la différence entre le nombre de
débit estimé et le débit minimal de chaque utilisateur.
sous-porteuse demandées par le système et le nombre
Pour cela, l’algorithme modifie la largeur de bande
disponible.
i(u) qui est attribuée à un utilisateur u.
Pour juger l'optimalité du BABS et MBABS Une
Où i=(i(u))u représente la différence entre le débit
étude comparative a été réalisée par [KCAM10]. Cette
estimé et le débit minimal recherché est appelé gap.
dernière a permis de remarquer que le débit par sous-
Le vecteur représente les nombres de sous-porteuses
porteuse ajusté par le BABS est moins important que
(ou largeur de bande) des utilisateurs au cours de
celui ajusté par le BABS modifié. Ceci est dû au fait
l’algorithme BARE. Pour un utilisateur u, la
d'éliminer les usagers à haut débit qui consomment
différence entre le débit estimé et le débit minimal
plus de sous-porteuses et qui sans doute, représente
recherché dépend de la largeur de bande i(u) reçue :
une minorité par rapport à ceux qui ont un débit plus
faible. Ces usagers à haut débit libèrent en
0
conséquence plus de ressources aux autres utilisateurs. gap(u,i(u))= r (u,i(u))- r (7)
est u-
Ainsi, tous les utilisateurs auront la même probabilité
d'être servit où la probabilité de servir un utilisateur Les auteurs dans [LEN 08] ont montré que lors de
augmente avec son débit. l'ajustement du débit minimal, l'algorithme BARE
En conséquence, le BABS modifié permet de trouve un débit minimal réalisable plus faible que
celui du BABS et le débit obtenu par l'algorithme
servir un nombre d'utilisateurs plus important que
BARE est plus élevé que celui du BABS. En plus ils
celui obtenue par le BABS.
ont montré que BARE est mieux adapté à une
3.1.3. Algorithme HBABS (Hybrid BABS) contrainte quelconque sur le vecteur de débit.

L’algorithme HBABS [KAB 10] est une 3.2. Algorithmes d'affectation des sous-porteuses
contribution qui consiste à proposer une nouvelle
Une fois le nombre de sous-porteuses par usager
technique pour la détermination du nombre de sous-
est déterminé, les sous-porteuses allouées doivent être
porteuses dans le cas d'un problème d'optimisation en
précisées, en tenant compte de l'état du canal.
RA. De ce fait, on propose une nouvelle stratégie
hybride de calcul à base des algorithmes d'allocation Différents algorithmes ont été proposés ; à savoir
de la bande BABS et MBABS, adaptée aux le Rate Craving Greedy (RCG) et l'Amplitude Craving
contraintes du problème RA. Greedy (ACG) [TUR 05], RPO (Rate Profit
Optimization) [LEN 06b].
[KAB 10] ont proposé un algorithme permettant de
déterminer le nombre de sous-porteuses par utilisateur. 3.2.1. Rate Craving Greedy (RCG)
La contrainte sur les débits individuels est toujours
prise en compte. L'algorithme proposé a pour but de maximiser le
débit dans le cas d'un problème d'optimisation du type
L'algorithme HBABS cherche à optimiser les RA. Les étapes de l'algorithme sont les suivantes
résultats obtenus par les deux précédents algorithmes [TUR 05, KOO 06] :
BABS et MBABS déjà présentés. Pour cela,
l'algorithme HBABS prend en considération le On initialise une répartition Ak des sous-
nombre de sous-porteuses par utilisateur obtenu par porteuses pour les différents usagers. On donne e.g les
ces algorithmes. Une comparaison entre le nombre de sous-porteuses aux usagers qui présentent le plus
sous-porteuses obtenu par le premier et celui obtenu grand gain (débit).
par le second est recherché de façon à ce que le Pour tous les usagers k tels que le nombre des
résultat final sera celui qui permet d'obtenir une sous-porteuses dans la répartition est supérieur au
meilleure distribution du nombre de sous-porteuses à
nombre des sous-porteuses allouées (#Ak > mk), on
allouer pour chaque usager.
enlève une sous-porteuse et on la donne à l'usager qui
Ainsi les auteurs dans [KAB 10] ont montré présente le plus grand débit, parmi l'ensemble des
qu’une amélioration moyennée de 12% est enregistrée usagers qui n'ont pas encore alloué toutes leurs
sous-porteuses.

-6-
SETIT 2012

3.2.2. Amplitude Craving Greedy (ACG) D’autre part, on a pu mettre en évidence l'un des
principaux issus de l'approche d'allocation adaptative
Dans [KLL03, KHC06, CSKH05], les auteurs
qui définie la détermination du nombre de sous-
proposent un algorithme dit ACG (Amplitude Craving
porteuses nécessaire à chaque utilisateur et
Greedy algorithm). C'est un algorithme opportuniste
l'affectation des sous-porteuses aux usagers selon leur
dont le nombre de sous-porteuses de chaque utilisateur
besoin. Pour cela on a pu énumérer les principaux
est limité à Nu. A chaque étape une sous-porteuse n’est
algorithmes existant dans la littérature à savoir BABS,
fixée, l'algorithme alloue la sous-porteuse n à
MBABS, HBABS et BARE pour déterminer le
l'utilisateur qui a le meilleur gain du canal (CgNR) et
nombre des sous- porteuses pour chaque utilisateur et
qui n'a pas encore atteint son nombre de sous-
RCG, ACG et RPO pour l’affectation des sous
porteuses Nu. L'algorithme s'arrête lorsqu'il n'y a plus
de sous-porteuses à attribuer. La principale limitation porteuses aux usagers.
de cet algorithme est l'ordre de traitement des sous-
porteuses. Elles sont traitées par index croissant ou REFERENCES
dans un ordre aléatoire [KIV 06, LEN 07, KIV 03].
[ACE 05] M. Acena and S. Petschinger. A spectrally efficient
Plusieurs variantes de cet algorithme ont été method for subcarrier and bit allocation in ofdma. IEEE
proposées, on cite par exemple celui des auteurs [ZHE 61st Vehicular Technology Conference, 2005. VTC-
03], ce dernier est connu sous le nom "improved Spring, 3 :1773{1777, June 2005.
ACG" et a pour objectif d'améliorer l'ordre de [CHO 05] M. Cho, W. Seo, Y. Kim, and D. Hong. A joint
traitement des sous-porteuses. Une autre modification feedback reduction scheme using delta modulation for
pour cet algorithme a été proposée, dans [CHO 05] les dynamic channel allocation in ofdma systems. The 16th
auteurs ordonnent les sous-porteuses selon le gain IEEE International Symposium on Personal, Indoor and
minimal du canal (CgNR). Mobile Radio Communications PIMRC, 2005.

3.2.3. Rate Profit Optimization (RPO) [CHA 04] M. K. Chang and J. Kuo. Power control, adaptive
modulation and subchannel allocation for multiuser
La meilleure sous-porteuse des utilisateurs est downlink ofdm. IEEE Communications Letters, 2004.
déterminée. En l'absence de conflit, les sous-porteuses
sont affectées. Dans le cas contraire, la sous-porteuse [DOU 05] A. Doufexi and S. Armour. Design considerations
est affectée à celui qui y présente le meilleur profit. and physical layer performance results for a 4g ofdma
system employing dynamic subcarrier allocation. The
Un utilisateur qui a reçu Nu sous-porteuses n’est plus
16th IEEE International Symposium on Personal, Indoor
en compétition pour recevoir des sous-porteuses.
and Mobile Radio Communications (PIMRC'05), 2005.
L’algorithme se termine lorsque toutes les sous-
porteuses sont affectées. Le but RPO est d’éviter [HHE 04] T. K. Hhee, C. Lim, and J. Choi. Sub-optimal
l’allocation aveugle d’une sous-porteuse à son power allocation for downlink ofdma systems. IEEE
meilleur utilisateur. Lorsque plusieurs utilisateurs ont 60th Vehicular Technology Conference, September
une meilleure sous-porteuse commune, la seconde 2004.
meilleure sous-porteuse de chacun est évaluée. Ainsi [HAM 07] S. Hammouda. Analyse et amélioration de la
le débit global n’est pas pénalisé par une affectation gestion des ressources radio du système radio mobile de
systématique au meilleur utilisateur de la sous- troisiµeme génération UMTS et au-delà. Thèse de
porteuse considéré. Doctorat, Ecole Supérieure des communications de
Dans [LEN 06b], les auteurs ont montré que RPO Tunis (SUP'COM), Technologie de l'information et de la
communication, 2007.
est meilleur que les heuristiques existantes au regard
de l’efficacité spectrale, du facteur d’équité et de la [HUI 06] J. Hui and Y. Zhou. Enhanced rate adaptive
probabilité d’échec (ACG, Improved ACG,..). resource allocation scheme in downlink ofdma system.
Vehicular Technology Conference, VTC 2006-Spring,
May 2006.
4. Conclusion
[JAN 03] J. Jang and K. B. Lee. Transmit power adaptation
Cet article constitue un état de l’art sur les
for multiuser ofdma systems.IEEE Journal on selected
différentes méthodes et techniques de gestion et
areas in communications, 21, No 2 :171{178, February
d’allocation des ressources radio dans le cas 2003.
monocellulaire en mode OFDMA.
[KOO 06] S. Koo, J. Heo, and K. Chang. Aggressive
D’une part, on a présenté les différents algorithmes subchannel allocation algorithm for efficient dynamic
d'allocation adaptative des ressources radio en channel allocation multi user ofdma system. The
OFDMA. Deux fameux problèmes d'optimisation 17thAnnual IEEE International Symposium on Personal,
souvent traités dans la littérature ont été présentés; à Indoor and Mobile Radio Communications (PIMRC'06),
savoir le problème dit en MA et RA. Le premier Helsinki, Finland, September 2006.
consiste à minimiser la puissance totale transmise,
tandis que le deuxième, tend à faire maximiser le débit [KIM 04] K. Kim, H. Kim, and Y. Han. Subcarrier and
power allocation in ofdma systems. IEEE 6Oth
total des utilisateurs présents dans la cellule avec
Vehicular Technology Conference, VTC-Fall, 2
contrainte sur le budget de puissance (fixe). Nous nous
:1058{1062, September 2004.
sommes intéressés dans notre étude au problème
d’optimisation dit en RA à voie descendante. [KIV 03] D. Kivanc, G. Li, and H. Liu. Computationally

-7-
SETIT 2012

efficient bandwidth allocation and power control for Andrews. A low complexity algorithm for proportional
ofdma. IEEE Transaction on Wireless Communications, resource allocation in ofdma systems. IEEE
2,No. 6 :1150{1158, November 2003. Communications Letters, 2004.
[KIM 01] I. Kim, H. L. Lee, B. Kim, and Y. H. Lee. On the [WON 99] C. Y. Wong, C. Y. Tsui, R. S. Cheng, and K. B.
use of linear programming for dynamic subchannel and Ltaief. A real time subcarrier allocation scheme for
bit allocation in multiuser ofdm. IEEE Global multipleaccess downlink ofdm transmission. Vehicular
Telecommunications Conference, 1 :3648{3652, Technology Conference. Fall. 50th, 2 :1124{1128,
November 2001. August 1999
[KIV 06] D. Kivanc and H. Liu. Subcarrier allocation and [YIN 00] H. Yin and H. Liu. An efficient multiuser loading
power control for ofdma. Conference Record of the algorithm for ofdm based broadband wireless system.
Thirty-Fourth Asilomar Conference on Signals, Systems, IEEE Global Telecommunications Conference,
and Computers, 1 :147{151, September 2006. GLOBCOM 2000, No. 1 :103{107, November 2000.
[KAB 10] M. O. Kabaou, R. B. Chibani, M. N. Abdelkrim, [ZHE 03] L. Zhen, Z. Geqing, W. Weihu, and S. Junde.
and M. Marzoug. A computationally dynamic resource Improved algorithm of multiuser dynamic subcarrier
management for multicarrier communications in allocation in ofdm system. International Conference on
downlink for ofdma systems. Technological Communication Technology Proceedings, ICCT, 2
Developments in Networking, Education and :1144{1147, April 2003
Automation, ISBN : 978-90-481-9150-5, Springer
Dordrecht Heidelberg London New York. Library of
Congress Control Number : 2010927951. © Springer
Science+Bisness Media :pp : 479{485, December 2010.
[LEN 06b] C. Lengoumbi, P. Godlewski, and P. Martins. An
efficient subcarrier assignement algorithm for downlink
ofdma. The 64th IEEE Semiannual Vehicular
Technology Conference, Montreal, Canada, pages 1010-
1020, September 2006.
[LEN 08] C. Lengoumbi. Accès multiple OFDMA pour les
systèmes cellulaires post 3G :Allocation de ressources et
ordonnancement. Thèse de Doctorat, Ecole Nationale
Supérieur des Télécommunications (ENST Paris), 2008.
[LII 05] G. Lii and H. Liu. On the optimality of the ofdma
network. IEEE Communications Letters, 9, No 5, May
2005.
[LEN 07] C. Lengoumbi, P. Godlewski, and P. Martins.
Comparison of different subchannelization modes for
ofdma. The 18th Annual IEEE International Symposium
on Personal, Indoor and Mobile Radio Communications
(PIMRC'07), Athens, Greece, september 2007.
[MAO 06] Z. Mao and X. Wang. Branch and bound
approach to ofdma radio resource allocation. Vehicular
Technology Conference, 2006. VTC 2006-Fall, The 64th
IEEE Semiannual, Montreal, Canada, september 2006.
[NAK 03] J. Nakad. Allocations de ressources radio dans
un réeseau local sans fil (WLAN) de type OFDM.
Diplôme
d'Etudes0Approfondies0Réseaux0de0télécommunicatio
ns,Université Saint-Joseph, Faculté d'Ingénierie, 2003.
[RHE 00] W. Rhee and J. M. Ciof. Increase in capacity of
multiuser ofdm system using dynamic subchannel
allocation. IEEE Vehicular Technology Conference
Proceeding, VTC, Spring Tokyo, 2 :1085{1089,
September 2000.
[RED 07] Y. B. Reddy. Evolutionary approach for efficient
resource allocation in multiuser ofdm systems. Journal
of Communications, 2, No 5, August 2007.
[TUR05] D. K. Tureli. Resource Allocation for Multicarrier
Communications. Ph.D. thesis, University of
Washington, 2005.
[WON 04] I. C.Wong, Z. Shen, B. L. Evans, and J. G.

-8-