认知协作中继范文（精选7篇）
认知协作中继 第1篇
本章首先介绍了一种改进的认知协作中继机制方案,该方案的主要特征是,次用户网络中,只有固定的中继节点(Cognitive Re-lay)具有认知能力,认知中继CR和网络的接入点(Access Point,AP)构成了协作频谱感知系统,并负责协调次用户间的信道分配,并且CR使用了协作中继技术[2]为次用户传输提供中继,从而获得频谱分集增益。
1 系统模型及网络环境
考虑如图1所示的认知无线电网络,由主用户网络和次用户网络构成。假设次用户网络被分为三个扇区,扇区中的固定认知中继(Cognitive Relay,CR)和网络的接入点(Access Point,AP)构成了协作频谱感知系统,需要进行频谱感知,分析信道条件,确定系统参数,并且要广播感知信息,协调次用户对频谱的使用。认知中继使用了协作中继技术为次用户传输进行中继,可以获得频谱分集增益,从而提高次用户传输率。SU不具备频谱感知能力,因为这在实际的通信环境中很难实现,且其必须在干扰温度的限制下进行通信。所有用户均配置单天线,既可以接收数据又可以发射数据。
2 认知协作中继机制(CCR)的中继方案
2.1 协作中继概念
协作中继的基本思想如图2所示,节点旁的数字表示其可用信道。假设节点S和D需要通信,但它们只有一个公共可用信道1,不能满足带宽需求。此时,邻节点R和S有公共可用信道2,和D有公共可用信道3。S和D在信道1上保持通信的同时,R可以作为它们的中继:将一帧分为两个时隙,在时隙1,R接收信道2上来自S的数据,在时隙2,R将收到的数据通过信道3转发给D。这样,不仅能更好的满足用户需求,也可以提高频谱效率。
2.2 中继方案模型
本文研究的系统模型如图3所示,认知中继节点CR经过频谱感知,基站到主用户PU1正在使用信道ch1,基站到主用户PU2正在使用信道ch2;SU1正试图寻找机会接入AP,CR通过分析信道条件,SU1与PU1之间的距离比SU1与PU2之间的距离远,CR与PU2之间的距离比CR与PU1之间的距离远。CR分配SU1使用ch1接入AP,并且为SU1提供协作中继,使次用户的传输率得到提高。在第一个时隙,SU1使用ch1发送数据,CR接收到SU1的数据后,进行解码,在第二个时隙把再生数据通过ch2转发给AP,使次用户的传输率得到提高。
2.3 次用户的传输率
下面分析次用户的数据传输率。假设主用户传输功率固定为PP,传输速率为常数R,γ为传输率为R时的SINR要求,节点到节点j之间的信道衰落用hij表示,i,j为“pk”时表示主用户k;i,j为“s”时表示次用户SU1;i,j为“dp”时表示AP ;i,j为“ds”时表示BS;i,j为“r”时表示认知中继。假设所有接收端的加性白色高斯超声功率为σ2n。
根据文献[46]的定义,主用户的干扰区间为下:
在第一个时隙,SU1使用ch1发送数据,为了最大程度地利用主用户PU1的干扰区间,次用户的传输功率因此,SU1到认知中继CR的SINR为
SU1到AP的SINR为:
因为在第一个时隙中,SU1和BS同时使用ch1传输数据,认知中继把来自BS的数据作为噪声。次用户的数据被解码后,认知中继在第 二个时隙 把再生数 据通过ch2转发给AP,传输功率 必须保证 主用户PU2传输速率 为R,因此在第二个时隙中,认知中继CR和PU2同时传输数据,认知中继把来自PU1的数据作为噪声。认知中继CR到AP链路的SINR为
因此,次用户的传输率为
3 仿真分析
我们通过数值仿真,得出次用户SU1的传输率与PP的关系。
针对系统模型,系统参数设置如下:
1)如图4所示,直角坐标系中,BS坐标为(0,1) ,PU1坐标为(-1,0),PU2坐标为(2,0),CR坐标为(0,0),AP坐标为(0,-1),SU1坐标为(2,-1)。
无线信道的衰落模型采用路径损耗模型,路径损耗系数为。
3) 主用户传输率R为3bit/s。
4)假设所有接收机的AWGN有相同的噪声功率σ2n= 10-3W。
我们仿真出了协作中继、协作分集方案下次用户SU1的传输率与PP的关系,如图5所示:SU1
无线协作中继技术综述 第2篇
在无线通信系统中, 分集技术能够有效对抗信道衰落、改善信道质量。常用的分集方式主要有空间分集、时间分集和频率分集, 其中, 空间分集利用空间上分离的多个发射信号样本或多个接收信号样本来对抗多径衰落, 由于不额外占用时间和频带资源, 更具吸引力。多输入多输出 (MIMO) 技术是空间分集技术的典型代表, 其基本原理是通过在发射端和接收端同时放置多根天线, 形成多个独立的发/收信道, 通过利用空间分集增益来抵抗无线网络中的多径衰落影响, 从而提高网络容量, 改善网络性能。然而, 在实际应用中, 有些无线网络用户终端由于体积、质量和功耗的制约, 不便于采用MIMO技术。分集技术能够利用中继信道, 通过分布式传输和信号处理构成虚拟的MIMO系统, 为MIMO技术提供了一条新的可选择的实现途径。
二、信道模型
Meulen最早提出了包含源节点S、中继节点R和目的节点D的三节点中继信道模型, 如图1所示。随着协作中继技术研究的深入, 针对不同应用情景的协作模型也越来越丰富, 主要表现为以下几种形式:
从R的数量来看, 由单个R推广到多R的协作中继网络模型。该模型包含单个S、单个D和多个R。多个R构成了中继集合R, 这些R可以构成虚拟天线阵, 将S的信息转发给D。
从S的数量来看, 由单个S推广到多个S的协作中继网络模型。多个S构成发射集合S, 协作向共同的D发射信号。
从D的数量来看, 由单个D推广到多个D的协作中继网络模型。多个D构成接收集合D, 协作接收来自单个S的信号。
基于以上几种模型, 可以组合成更复杂的网络模型, 比如网络中同时存在多个S、多个R和多个D。另外, 还有多跳协作中继网络, S发射的信息需要经过多个R才能达到D。
本文以图1所示的三节点模型为例, 介绍中继传输模型。在该中继网络中, S在R的协助下向D发送信号, 信息传输需要经过两个阶段:在第一个阶段, S发送信号给D和R, 称为广播阶段;在第二阶段, R转发信号给D, 此时S也可能同时在向D发送信号, 称为多址阶段。这里, 假设系统工作在半双工 (节点不能同时收发) 模式下, 接收端已知信道状态信息 (CSI) 。
下面给出这两个阶段的表达式, 在第一个阶段, 假设S广播信号xS[k], k=1, 2, …, (N/2) , 满足功率约束, 其中N为帧长, PS为S的发射功率。R和D接收到的信号, , k=1, 2, …, (N/2) , 可以分别表示为
式中, hSR和hSD分别表示S-R和S-D链路的信道衰落参数, 服从均值为零、方差为2SR和2SD的循环对称复高斯分布, 并且在一帧内保持不变;nSR和nSD分别表示S-R和S-D链路的信道噪声, 服从均值为零、方差为N0的循环对称复高斯分布。
在第二阶段, 中继节点根据接收到的信号ySR[k], 构造信号xR[k], k= (N/2) +1, (N/2) +2, …, N, 满足功率约束, 然后转发给D。D接收到的信号yRD[k], k= (N/2) +1, (N/2) +2, …, N, 可以表示为
式中, hRD和nRD分别表示R-D链路的信道衰落参数和信道噪声。同时, D收到来自S的直接传输信号为, k= (N/2) +1, (N/2) +2, …, N。D根据接收到的两个长度为N/2的信号序列, k=1, 2, …, N和yRD[k], k= (N/2) +1, (N/2) +2, …, N, 进行合并和判决便可得到S发射的信号。
三、基本协作中继协议
协作中继协议主要包括固定中继 (fixed relaying) 、选择中继 (selection relaying) 和增强中继 (incremental relaying) 协议。不同的协议在中继节点采用不同的处理过程, 在目的节点的合并方式也有所不同。
1. 固定中继
固定中继协议包括放大转发 (AF) , 解码转发 (DF) 协议。
(1) 放大转发
AF协议最早由Laneman等人提出, 在该协议中, 中继节点仅根据功率约束简单地线性放大接收到的信号, 是最简单的一种信号转发协议。在AF协议中, 中继节点转发的信号xR[k]可以表示为
为了满足瞬时功率约束, 放大系数β必须满足
该协议的优点在于:结构简单, 直接对信息进行转发而不用进行另外的处理, 具有速度快、复杂度低的特点;由于目的端接收到的信号来自不同的独立路径, 所以在高信噪比的时候, AF能很好地实现空间分集。但是其缺点在于:用户间信道中的噪声也被放大转发, 当协作用户之间链路质量较差的时候, 放大的噪声将直接影响目的端的判决, 尽管在放大中继过程中, 噪声也被放大并转发。
(2) 解码转发
DF协议最早由Sendonaris等人提出, 在该协议中, R首先对接收到的信号进行解码, 然后再重新编码转发给目的节点。DF协议不会像AF协议那样放大噪声, 但当信道质量较差时, R可能出现解码错误的情况, 会影响系统性能。DF协议通常与信道编码方案相结合, 广泛应用于很多协作中继网络模型中。
在基于重复编码 (Repetition Coded) 方案的DF协议中, R将解码所得的信息序列采用与S相同的编码器重新编码, 然后将编码后的信号转发给D。假设R解码后得到信源发送信号xS[k]的估计值为, 则经过重复编码后的发送信号为
除了重复编码方案, DF协议在中继节点还可以采用其他的信道编码技术, 从而构造更加高效的中继转发方案。也有文献将其命名为编码协作 (CC) 协议。由于DF和CC在中继节点都需要进行解码, 只是R采用的编码方案不同, 因此我们在这里一并进行介绍。在该协议中, R对正确解出的S的信息进行重新编码, 发送不同的冗余信息, 有效地将空间分集和码域分集相结合, 提高了D正确解码的能力。
2. 选择中继
Laneman等人在AF协议和DF协议的基础上提出了一种选择中继协议, 这种协议的基本原理是根据S-R链路的信道瞬时信噪比来选择中继协议。当低于设定的门限时, S采用重复编码或者其他信道编码方式直接将信号传送给D而不经过R;当高于设定的门限时, R采用AF协议或者DF协议, 从而增加分集增益。
3. 增强中继
在固定中继和选择中继协议中, R总是在重复转发, 没有充分利用信道的自由度, 尤其在高速率情况下。增强中继协议利用D有限的反馈信息, 比如使用1比特信息来表明直接传输 (S到D的传输) 的成功和失败。当反馈信息显示直接传输失败的时候, R才采用AF或DF协议转发信号。增强中继可以看作混合自动请求重传 (ARQ) 在中继领域的延伸, 充分利用了信道的自由度。
4. 几种中继协议分析与比较
固定中继协议具有复杂度低、容易实现的优点。然而, 当用户信道状况较差时, AF协议中, R会放大噪声;而在DF协议中, R会将接收信息比特的错误估计发往目的端, 导致错误传播。
选择中继协议仅在用户信道状况较好时, R采用AF或DF协议, 否则S进行重复编码或者其他的编码方案进行传输, 避免了前两种中继协议的错误传播。
固定中继协议和选择中继协议都存在重复传输, 这将导致信道利用率不高。而增强中继通过在目的节点增加反馈传输机制, 来标明直接传输是否成功。只有在直接传输不成功时, R才为S转发信息, 充分利用了信道的自由度。然而, R需要等待D的反馈信息, 这就对R的信息存储提出了新的要求。
前面提到的四种协议都假设用户间信道状况是协作双方已知的, 这就要求采用一定的信道估计方案。而编码协作协议, 无需对用户的信道状况进行估计, 通过编码来控制第二步的协作, 在性能上有很大优势。但是, 编码协作协议中R要先解码再编码, 因此R的复杂度增加了, 同时R处的信号处理导致了时延的增加。Laneman等人给出了几种基本协议的中断概率, 如图2所示。
四、协作中继选择方案
大多数的研究工作都假定R是选定的, 然而在实际应用中, 系统可能存在多个可选择的R。因此, 如何选择合适的R作为协作伙伴是一个值得研究的问题。常用的协作中继选择方案主要有基于物理位置信息、基于平均信噪比和基于即时信道状况的中继选择方案。
1. 基于位置信息的中继选择方案
Michele Zorzi等人提出了基于物理位置信息的中继选择方案。该方案中, 需要知道S到D, S到R, R到D的距离。当候选R到D距离一定时, 最佳R为到目的节点的距离最近的R。这种中继选择方案适用于无线传感器网络, 因为传感器网络中, 每个节点都需要已知自己的物理位置传信息, 然后通过选择合适的中继节点进行通信。
2. 基于平均信噪比的中继选择方案
Z.Lin等人提出了一种基于平均信噪比的中继选择方案。该方案中, 根据R到S, 或R到D之间的平均信噪比来选择中继, 当平均信噪比大于指定门限时, 该R就被选为候选R。
3. 基于即时信道状况的中继选择方案
Bletsa等人提出了一种基于即时信道状态信息的中继选择方法, 这种中继选择方案不需要知道各个节点间的物理位置信息和平均接收信噪比。该方案的核心思想是在多个候选中继节点中, 选取S-R-D中链路即时信道状况最好的那个R作为最优R。因而不需要节点间的位置信息, 也不需要平均信噪比, 是一种适合于移动网络环境的中继选择方式。
4. 几种中继选择方案分析与比较
基于物理位置信息的中继选择方案, 需要知道节点间位置信息, 这就要求系统有距离估计结构 (如各终端安装GPS接收机) , 将影响终端的便携性并且增加成本。另外, 这种方案仅仅考虑了节点之间的距离, 而没有考虑到节点间的阴影衰落, 也就是说, 两个候选R, 即使它们与S的距离和D的距离都相等, 由于阴影或者衰落的存在, 这两个候选R也不能确定哪个是真正要选择的节点, 也有可能两个节点都不是最优的。
基于平均信噪比的中继选择方案, 需要能够估计节点间的平均信噪比, 这需要花额外的开销。另外, 由于移动终端是不断移动的, 而且移动终端的功耗也受到电池寿命的影响, 因此, 实时更新各个节点的平均信噪比是很难实现的。这种中继选择方案更适合于静态网络, 而不适用于移动环境下的协作通信。
基于即时信道状况的中继选择方案, 只需要知道用户间的即时信道状况, 这一参数估计起来不困难, 且不需要距离或位置估计结构GPS等, 但是即时信道状况是变化的, 这就要求协作伙伴需要实时更新, 更新也会增加开销。
五、协作中继发展趋势
近年来, 协作中继在系统容量分析、系统模型、资源分配管理等方面的研究取得了很多进展, 其关键技术有以下三个方面。
1. 分布式空时编码协作
将空时编码应用到MIMO信道中, 能够取得很好的分集增益和编码增益, 而且能得到很高的频谱利用率。协作中继通信本质上是分布式MIMO系统, 源节点和中继节点进行相同的空时编码然后发射出去, 接收端进行合并检测。这种情况下, 中继节点在功能上相当于MIMO中的独立天线, 因此人们提出了多种分布式空时编码协作 (DSTC) 的通信方案。
2. 同步问题
在空时协作中继网络中, 源节点、中继节点和目的节点组成了分布式的网络, 不同于单用户的天线阵列, 在地理位置上天然分布的节点拥有独立的本地晶振, 源节点和中继节点的信号经历不同的信道到达目的节点, 会产生不同的时延, 将会导致接收端的信号判决错误。所以, 同步问题是影响协作中继性能的重要因素。针对同步的问题, 现在的研究方向是采取异步的空时编码方案, 有关文献给出的方案也都具有重要的研究意义。
3. 频率选择性衰落信道下的协作中继系统
现有的研究大多数都是假设传输信道为AWGN信道或者是准静态平坦瑞利衰落信道。但是, 在实际传输系统中, 由于多种传播机制的存在, 以及路径传播损耗、阴影衰落损耗的影响, 信号传输一般是经历频率选择性衰落。针对频率选择性衰落信道, 将协作分集和正交频分复用 (OFDM) 技术结合起来, 能够取得良好性能。
六、结束语
认知协作中继 第3篇
关键词：调制方式,增强中继,协作分集
1 引言
多天线的分集技术可以有效抵抗无线信道的多径衰落影响,提高通信质量。但用户终端受体积、能量等因素限制,不便采用多天线技术。协作分集技术因此产生,成为当前无线通信领域的一个新的研究热点,引起了国内外同行的广泛关注。
协作分集技术的基本思想是:在系统中每个移动终端都有一个或多个协作伙伴,终端向基站发送信息的同时,将信息发送给协作伙伴,再由协作伙伴向基站发送消息。这样使得单天线的移动终端不需要配置多根天线就可以形成虚拟的多天线,实现空间分集,获取一定的空间分集增益。协作分集技术主要有两项优点:较低的射频发射功率及可获取空间分集增益。
尽管传统的协作分集网络能获得空间分集增益,但也存在一些问题。因为源节点和中继节点发送需要使用两条正交信道,如果采用中继节点会使用额外的资源。当源节点与目的节点之间链路性能已经足够好时,不需要采用协作分集方式。而传统的协作分集策略无论信道情况如何,每次都使用中继节点传递信号,从而导致了信道资源的浪费。
增强中继协作分集策略是:首先设定一个门限信噪比,当直接链路信噪比高于门限,则认定信道状态足够好,不需要协作分集,直接由源节点向目的节点发送信息;否则,采用协作分集。由于增强中继协作分集策略限制只有在必要的情况才使用中继过程,从而节约了信道资源。
实际上调制方式会对协作分集的性能发生很大的影响。目前关于协作分集采用不同调制方式后系统性能的研究很少,多数只研究某一种调制方式下不同的协作分集策略,如文献[5]。本文在增量中继协作分集策略下,以误码率为指标,研究了BPSK、相干FSK、DPSK和非相干FSK四种调制方式对于系统性能的影响。经过理论推导,本文得到增强中继协作分集策略下,四种调制方式误码率与信噪比之间的准确表达式,并仿真了门限对各种调制方式性能的影响。
2 系统模型
单中继协作通信原理图如图1所示:
Laneman提出了三种协作策略:固定中继(f i x e d relaying,FR)、选择中继(selection relaying,SR)和增强中继(increment relaying,IR)。其中FR方案包括放大重传(a m p l i f y-a n d-f o r w a r d,A F)和解码重传方法(decode-and-forward,DF)。
增量中继的策略是设定门限γth,在目的节点处检测直接链路信噪比γf,当γf高于门限值时,表示源-目的节点链路已经足够好,则不采用协作分集,直接由源节点向目的节点传输信息;否则,采用协作分集通信。本篇文章中,主要研究各种调制方式对协作分集性能的影响,为了便于比较性能间的差异,协作方式及仿真条件均与文献[5]相同。在AF方案中,每个中继收到源节点处传来的带有噪声的信号,仅简单地将该模拟信号放大并重新传输到目的节点。目的节点将源节点传输的信号与中继节点传输的信号进行合并,得到发送信息。本文合并方式为最大比(MRC)合并。
3 系统分析
使用增量中继,信号的平均错误概率为:
Pf代表不采用中继协作,仅由直接链路传输信号后,在目的节点的平均错误概率。Pco代表信号经过直接链路和协作链路分别传输,在目的节点进行MRC合并后,整体的平均错误概率。γf=h21,k gES/N0为源节点到目的节点的瞬时信噪比。由于衰落参数h21,k为瑞利分布,故γf呈指数分布。瑞利衰落信道下信噪比γ的概率密度函数为:
所以,可轻易地计算出
现在只需求出fP和Pco,带入公式(1)中,即可求出系统的整体平均错误概率。
根据文献[1]可知,某种调制方式在高斯信道下误码率PeG与在衰落信道下误码率Pe之间存在如下关系:
公式(5)中PeG依赖于信号的调制方式,fγ(γ)是瞬时信噪比γ的概率密度函数,取决于衰落信道的类型。即:衰落信道上的误码率受到信号的调制方式和信道衰落类型两者同时的作用。
根据文献[2],高斯信道下相干BPSK调制误码率为P e=0.5×e r f c();相干F S K调制误码率为P e=0.5×erfc();非相干D P S K调制误码率为P e=0.5×e x p(-γ);非相干F S K调制误码率为Pe=0.5×exp(-0.5γ)。
为推导方便,现设相干调制误码率为,非相干调制误码率为Pe=a×exp(-bγ)。文章对相干调制方式和非相干调制方式分别进行推导。
3.1 直接链路目的节点的平均误码率Pf
根据公式(5)可得,非协作误码率为
根据文献[5]公式(8)可知,fγf(γ|γf≥γth)为
(1)相干调制情况
将相干调制误码率公式和条件概率密度函数(7)带入公式(6),得
其中。
经过变换积分限和化简等计算,得
其中。
(2)非相干调制情况
类比相干调制,将非相干调制误码率公式和公式(7)带入公式(6)。经过化简,可得
3.2 协作链路目的节点的平均误码率Pco
根据公式(5)可得,系统采用协作分集后,整体误码率为
假设源-中继节点的距离为d,源-目的节点的距离归一化为1。假设源-中继节点的信噪比为γ0,1,中继-目的节点的信噪比为γ1,2,源-目的节点的信噪比为γf。
在非协作分集系统中,设定发射机发射功率为ES。在协作分集系统中,设定每个发射机的功率都均等分配,即:源节点发射机和中继节点发射机的发射功率为E0=E1=0.5E S。
由文献[3],可知,所以有:
其中是没有协作分集时平均信噪比。可知直接链路信噪比。
设模型的总信噪比为γ,协作分集支路的信噪比为γco。根据文献[4],在目的节点采用MRC合并后,整个系统总信噪比γ为:
其中协作分集支路的信噪比γco为:
将公式(12)带入公式(14)中,进行化简整理可以得到协作分集支路信噪比γco为:
已知,扩大前传AF协作分集最优位置为源-目的节点的中点附近,带入公式(15)后,可知γf≠γco。
利用文献[5]公式(14),对于γf≠γco,有
(1)相干调制情况
将相干调制误码率公式和条件概率密度函数(16)带入公式(11),经过一系列的化简和计算,得到相干调制方式协作分集误码率公式:
(2)非相干调制情况
类比相干调制,将非相干调制误码率和公式(16)带入公式(11)。经过化简等计算,得非相干调制方式协作分集误码率公式:
4 仿真
(1)增强中继策略下各种调制方式性能的比较
在门限值设定为10dB时,对增强中继策略下四种调制性能进行对比,如图2所示。本文的研究背景是准静态信道,并未考虑多普勒频移等对系统的影响,由图可知此时相干调制性能优于非相干调制。从图中可以看出,在误码率为10-3时,BPSK调制方式比DFSK调制方式性能优越2dB,比非相干FSK调制方式性能优越5dB。但根据我的工作[6],随着信道变化加快,非相干的调制方式优越性会逐渐显现。
(2)门限γth对增量中继的影响。
中继位置选取最佳,即d=0.5。以BPSK为代表,研究增强中继策略下,相干调制性能,如图3所示。从图中可以看出,对于BPSK调制,门限较低时,与非协作系统的性能几乎一致,随着门限的提高,系统在信道状态较好的情况下性能得以提升。这是因为可以更充分的利用协作分集来获取分集增益。同时也可看到,在高信噪比时,不同门限的误码率曲线几乎平行,这是因为在高信噪比时,几乎不用中继协作。
将BPSK调制仿真曲线与文献[5]结论对比,结论保持一致。
以DPSK为代表,研究增强中继策略下,非相干调制性能,如图4所示。从图中可以看出,在较低门限时,系统的性能比非协作通信的性能优越。高门限在信噪比低于10dB时性能基本一致,随着信噪比的提高,系统在高信噪比的情况下性能得以提升。但是性能提升的幅度减小。
从上面两种情况可以推出,增强中继的性能介于直接传输与传统协作分集体制的性能之间;高门限在信道状态不好的情况下,并未改善系统的性能,故合理地选择门限具有重要的意义。
5 结束语
本文针对相干和非相干两大类调制方式,分别分析了直接链路和协助链路的平均误码率,经过理论的推导,最终得到了增强中继策略下系统整体误码率的闭式解,并进行了仿真后,文章讨论了门限对于整体性能的影响以及相同门限下四种调制方式性能间的差异。
参考文献
[1]张曙,田园等.衰落信道数字通信基础[M].哈尔滨:哈尔滨工程大学出版社,2010,(4):45-62,84-106.
[2]M.K.SIMON AND M.S.ALOUINI.Digital Com-munication over Fading Channels[C],2nd ed.Hoboken,NJ:Wiley,2005.
[3]D.CHEN AND J.N.LANEMAN“,Modulation andDemodulation for Cooperative Diversity in Wireless Systems”[J],in IEEE Transactions on Wireless Communications,2006,5(7):1785-1794.
[4]P.A.Anghel and M.Kaveh“,Exact Symbol ErrorProbability of a Cooperative Network in a Rayleigh Fad-ing Environment”[J],in IEEE Transactions on WirelessCommunications,2004,3(5):1416-1421.
[5]SALAMA IKKI AND MOHAMED H.Ahmed,“Performance Analysis of Incremental Relaying Coopera-tive Diversity Networks over Rayleigh Fading Channels”[C].in WCNC 2008 proceeding.
协作通信系统的中继选择算法研究 第4篇
关键词：协作通信,中继选择,信道状态信息
1 引 言
协作通信作为一种空间分集技术,因其能够抵抗无线信道的衰落,提升系统性能,成为近年来通信领域最活跃的研究热点之一[1]。而中继技术更是被视为下一代无线通信网络的关键技术。在协作通信中,每个用户都有一个"伙伴",在通信过程中,用户在传输自己数据的同时还帮助"伙伴"进行数据传输。通过这种方式利用"伙伴"的天线形成一个虚拟的MIMO系统,通过互助关系来完成彼此到目的端的信号传输,最终获得空间分集增益[2]。理论分析表明,作为一种抵抗信道衰落损耗的有效手段,协作通信可以应用在多种无线通信网络中,如Ad-Hoc网络、WSN网络、蜂窝网络等。
在协作通信中参与协作的中继集合和集合中中继数量都是不确定的。在有多个中继节点环境下,中继节点如何分配,谁与谁协作,在什么条件和情况下进行协作[4],这些将直接影响协助传输网络的性能。因此如何在多中继条件下选择合适的中继节点以求给系统带来最大的性能提升成为协作通信的一个重要研究方向。
本文的后续章节安排如下:第二部分介绍协作通信的模型。第三部分对基于信道信息状态的主要中继选择算法进行介绍。最后对主要算法的性能进行仿真并总结全文。
2 系统模型
协作通信系统模型如图 1所示,该模型包括一个源节点(S),一个目的节点(D)和N个中继节点(R1,R2,…Ri,…RN)。在模型中,系统采用时分复用模式,将整个中继过程分为两个时隙。
在第一个时隙,源节点S向目的节点D发送数据x,由于无线信道的广播特性,中继节点也可以获得该数据。此时,目的节点和中继节点收到的信号可分别表示为:
undefined
式中hS,D、nS,D分别表示S-D链路的信道增益和加性高斯噪声,hS,Ri、nS,Ri分别表示S-Ri链路的信道增益和加性高斯噪声,Ps为源节点S处的发送功率。
在第二个时隙,中继节点对接收到的信号按照某种方式进行处理,然后发送至目的节点。目的节点对来自于源节点和中继节点的信号进行某种方式的合并处理。目的节点接收到的信号可以表示为:
undefined
式中hRi,D、nRi,D分别表示Ri-D链路的信道增益和加性高斯噪声,PRi为中继节点Ri处的发送功率,f表示中继节点对接收信号采用的中继转发方式,常用的中继转发方式有放大转发(Amplify-and-Forward,AF)、译码转发(Decode-and-Forward,DF)、编码协作(Coded Cooperation,CC)。
3 基于信道信息状态的中继选择算法
信道的状态信息包括信道增益和相位,目前在进行中继节点选择时一般以信道增益来决定何时协作以及如何协作。并且假设信道为准静态信道,各节点都能获得全部的信道状态信息,以便各节点间信息的反馈。
3.1 基于信道增益调和平均的选择算法
文献[3]以最小化系统误符号率SER为目标提出了一种基于信道增益的修正的调和平均最佳中继选择算法。在单中继协作通信系统中,该算法根据修正的调和均值,从N个候选中继节点中选出一个最好的参与协作传输。考虑各节点间的信道在时分双工模式下是准静态平坦衰落的,中继可以获得信源到中继以及中继到目的节点的瞬时信道状态。中继计算瞬时度量βm为
undefined
其中q1,q2为常数,μH(·)表示标准调和平均函数。然后通过反馈信道将βm发送给信源。通过将信源与目的节点间的瞬时信道增益与βm进行比较,可以决定是否采用该中继进行协作。相应地,最佳中继节点选择策略为
undefined
即从N个候选中继节点中选择一个具有最大修正调和平均值的中继节点参与协作。
该算法的中继节点选择过程可以描述为:在第一个传输阶段,信源计算比值βrd/βm,并将其与协作门限值α进行比较。若βrd/βm≥α,则源节点采用直接传输模式发送信息至目的节点。相反,如果βrd/βm≤α,源节点选择信道增益的调和平均为βmax的中继节点参与协作传输。
3.2 机会中继选择算法
在实时协作通信系统中,各链路的信道增益会随着时间的变化而改变,各节点间需要相互交换信息,系统的开销比较大,复杂度高。文献[4]提出了一种基于瞬时信道状态信息的机会中继选择算法(Opportunistic Relay Selection,ORS)。它的基本思想是先从多个候选中继节点中选出一个最优的中继,然后将此节点作为源节点和目的节点的协作对象。
首先源节点S向中继节点R和目的节点D发送RTS包(Ready to Send);D在收到RTS包后向中继节点R和源节点S发送CTS包(Clear to Send)。中继根据RTS包和CTS包来分别获得相应的瞬时信道状态信息hi,S和hi,D。每个中继在收到CTS包后,根据获得的hi,S和hi,D启动一个初始值为Ti的定时器。其中,参数Ti由下式决定:
undefined
其中λ是一个具有时间单位的常数,它的值将影响中继选择的速度和碰撞发生的概率。对于hi的判断有两种准则:
(I)最小准则:
undefined
(II) 调和平均准则:
undefined
从式(6)可知,信道质量最好的中继节点具有最小的起始时间,将会最先被选出,成为最优中继。最优中继节点向源节点、目的节点和其余的中继节点发送flag包,以标记自己的存在,收到flag包的中继将定时器清零并退出竞争。
文献[4]中提出的机会中继策略中,各中继间不需要相互交换信息,比较简单。但所有的候选中继节点为了接收RTS和CTS分组,都必须保持监听状态,会过多消耗节点能量,进而缩短网络的生命周期。另外,当在同一时间间隔内有两个或者多个中继器同时计时到零时,系统就会发生碰撞冲突,从而导致中继选择失败。为此,文献[5]提出了一种次优的中继选择算法,通过在中继节点和目的节点设置合适的信噪比门限,将源节点和中继节点的信噪比,以及中继节点和目的节点的信噪比,分别与门限值比较,从而能选择出中继节点。该算法可以获得与机会中继相同的系统性能,同时降低了功耗和系统的复杂度。
3.3 算法性能分析仿真
文献[6]以各链路间的信道增益为依据,从矩生成函数的角度出发分析了放大转发在瑞利衰落信道下,系统采用MPSK和QAM调制方式,系统在中继数固定条件下的误符号率和中断概率性能。根据文献[6]系统在MPSK下的误符号率和中断概率可以分别表示为
undefined
其中g=sin2(π/M),M为调制阶数,α为门限值, Mγ(s)为接收端SNR的矩生成函数。
文献[7]在文献[6]基础上将系统中继数建模为服从参数为λ的泊松分布随机变量,分析并推导了系统在此条件下的误符号率和中断概率性能。系统在MPSK下的误符号率和中断概率分别表示为[7]
undefined
其中undefined、undefinedout分别表示MPSK方式下的平均误符号和中断概率。
undefined
图 3至图 6分别画出了文献[6]、[7]基于信道增益的系统误符号率和中断概率曲线。从图 3和图 4中可以看出,系统的误符号率和中断概率随中继数的增加明显下降。图 5和图 6中反映出,参数λ对系统的性能有重要的影响,随着λ的增加,系统的误符号率和中断概率明显下降。
4 结束语
本文主要对基于信道信息状态的中继选择算法进行了介绍,主要包括信道增益调和平均的选择算法和基于信道信息的机会中继选择算法。然后对基于信道增益选择算法的放大转发在固定中继数和非固定中继数条件下的性能进行了仿真。
参考文献
[1]J.N.Laneman,D.N.C.Tse,and G.W.Wornell.Cooperative diversity in wireless networks:efficient proto-cols and outage behavior[J].IEEE Trans.Inform.The-ory,2004,vol.50,no.12.
[2] A.Sendonaris,E.Erkip,B.Aazhang. User Cooperation diversity,Part I-System Description[J]. IEEE Trans. Comm.,2003,vol.51,no.11, pp.1927-1938.
[3] Ibrahim A.S., Sadek A.K., Weifeng Su, Liu, K.J.R.. Cooperative Communications with Relay-Selection: When to Cooperate and Whom to Cooperate with[J]. IEEE Transactions on Wireless Communications,2008,vol.7,no.7, pp.2814-2827.
[4]Bletsaa A.,Reed David P.,Lippman A..A simple coop-erative diversity method based on network path selection[J].IEEE Journal on Selected Areas in Communica-tions,2006,vol.24,no.3,pp.659-672.
[5] Kyu-Sung Hwang,Young-Chai Ko. An Efficient Relay Selection Algorithm for Cooperative Networks[J]. IEEE VTC,2007,pp.81-85.
[6]Torabi,M.,Ajib,W.,Haccoun,D..Performance Anal-ysis of Amplify-and-Forward Cooperative Networkswith Relay Selection over Rayleigh Fading Channels[J].IEEE VTC,2009,pp.1-5.
认知协作中继 第5篇
虽然通过数学分析可以获得SER (符号错误率) 上限的最佳性能, 但在执行相当复杂的数学计算来选择合适中继时是不方便的。此外, 由数学分析建模的通信系统不能自适应地获得良好的SER通信性能。
本文提出了一种采用Q-learning方法的中继选择方案。Q-learning是强化学习的机器学习算法之一[7]。仿真结果表明, 相对于通过数学分析的中继选择方案, 具有可比性的SER性能可以通过使用Q-learning同时降低复杂性获得。
本文的其余部分安排如下:第二节对协作中继网络模型进行了分析, 第三节对Q-learning和提出的方案作介绍, 第四节对提出方案进行仿真, 第五节进行小结。
1 协作中继网络模型
1.1 基于放大转发中继的MRC (最大比合并)
如图1所示, 我们认为无线协作网络由N个发送信号到目的地的中继节点组成。源节点和中继节点、中继节点和目的节点以及源节点和目的节点之间是相互独立的。无线协作网络有两个阶段来传输信号。第一阶段, 源节点传播其信号到每个中继节点。第二阶段, 每一个中继节点放大所接收的信号, 传送信号到目的地并进行重传。
在第一阶段, 中继Ri和目的地接收到的信号可分别表示为
上式中Ps是源节点发射功率, x是源节点的发射信号。噪声分量ηS, d和ηS, i是定义在目的节点和中继节点的高斯随机变量, HS, D表示源节点和目的节点间的信道系数, HS, I表示源节点和中继节点间的信道系数。
在第二阶段, 中继节点RI放大从源节点接收的信号并将放大的信号传送到目的地。从中继节点RI接收到的目的节点的信号可以表示为[10]
在这里βi是一个比例因子, 满足以下的功率约束条件
上式中, PI表示中继节点RI的传输功率, Pi和信道系数hS, D,
HS, D建模为方差分别为δ2s, dδ2s, iδ2i, d的零均值复高斯随机变量。噪音变量被建模为方差为N0的零均值复高斯随机变量。
因为假设瞬时信道增益信息是已知的, MRC的输出 (最大比合并) 由下式给出
多中继无线协作网络中目的节点的总SNR (信噪比) 可以表示为
为了降低算法的复杂性度, 目的节点的SNRd可以写成[4]
总之, 基于所述集合L中的中继节点协作, SNRd可以表示为
1.2 基于MRC (最大比合并的) 中继选择方案
基于SNRd, 提出的中继选择方案[4]如下所示:
假设所有中继节点参与协作, 协作中继集合定义为Φ={1, …., N}
指标集合中所有中继节点按下面的规则进行排序
为了提高接收信噪比它可以简化
PS和PI分别表示当一个中继被排除在中继集合外时源节点和中继节点的功率分配。
每个中继的选择周期
a) 如果, 从中继集合Φ中排除中继节点N, 否则请转到步骤c
b) 设N=N-1并更新A。如果N=1, 则转到步骤c。否则, 请转到步骤a
c) 结束
在第四部分, 我们将把[4]这种中继选择方案的性能与提出的使用Q-learning中继选择方案的性能作比较。
2 基于Q-learning的中继选择方案
2.1 Q-learning理论
一个基本的Q-learning算法, 一个环境是由有限状态构成的离散时间随机系统。让S={S1, ..., SN}是一组可能的状态, A={A1, ..., AM}是一组可能的行动。agent在环境中可能的状态的s∈S采取行动a∈A, 并且从环境学习中得到反馈。其中反馈, 与目前行动相关的即时回报被定义为R (S, A) 。在Q-learning算法中, 用Q (s', a') 表示未来的状态从目前的行动中产生的回报。Q学习的核心是采取行动a, 可以最大限度地得到来自环境的积极反馈和更新由Q值组成的Q表。Q-函数的基本公式如下:
这里s'∈S表示agent开始采取当前状态s下的行动时下的一个状态。此外, a'表示在状态s'∈S下agent采取的行动。此外, γ (0<γ<1) 是一个贴现因子, 它决定未来回报的重要性, 即Q-leaning, 基于累积回报下通过在给定环境下的反复学习最佳行动找到。这个过程可以用图2描述。
2.2 基于Q-learning的中继选择方案
我们定义状态、行动和回报为在Q-learning提出的中继选择方案的后续。
2.2.1 状态
由于本文提出的基于Q-learning无线协作中继选择网络有N个中继, 我们定义状态Si=i (i=1, ..., N) , 其中i表示无线协作通信网络中继的数目。
2.2.2 动作
套用一个动作一个一个中继选择意味着从N个有效的中继中选择L (L≤N) 个。即a被定义为a=n (n∈{1, ..., N}) 。因此, 动作是从其中一个状态L1 (≤N) 的中继到另一个状态L2 (≤N) 的中继状态切换。采取这样的动作SER性能是改善或恶化不是在目前的状态要考虑的。随着时间的推移agent将会基于现在的动作得到的适当回报中学习。
2.2.3 回报
定义回报r是Q-learning的一个关键问题。在我们以前的研究中, 我们定义了一个回报, 以达到良好的SER性能[11]。在本文中, 我们改进了回报r来达到良好的SER性能, 而选择少量中继参与合作。
在这里, SNRd (statecurrent) 和SNRd (statenext) 分别表示当前状态和已采取行动的下一状态的MRC输出信噪比。如果SNRd (statenext) 比SNRd (statecurrent) 降低, 则得到一个负回报。如果SNRd (statenext) 比SNRd (statecurrent) 较高, 则获得一个正回报。此外, 通过除以在下一个状态和当前状态的SNRd值之间的差异|statenext-statecurrent|, 当执行动作以切换到MRC的信噪比是好的的状态和中继的数目也很小就会获得高回报, 而不是简单的在MRC具有高信噪比时继电器的数量已被选定。
提出的Q-learning中继选择程序如下:
假设所有参与协作的中继和指标集中所有中继是由同样的规则在[4]采用的中继选择方案中进行选择排序。
初始化Q表并随机选择初始状态
每一个中继的选择过程:
a) 从所有动作中为当前状态选择一个可能的动作。
b) 使用这种选择的动作, 进入下一个状态s'
c) 得到一个基于所有可能动作的有这下一阶段的最大Q值的动作a'
d) 用 (10) 更新Q值
e) 选择具有最大Q值时的中继数目。
f) 设置下一个状态作为当前状态。
在这些过程中, 我们执行了动作, 并通过执行动作获得回报和更新Q表。值得注意的是回报的计算 (8) 在该方案中只有两次。因此, 算法的复杂度和计算量将减少。不仅如此, 如第四节所示, 与数学分析相比, 该方案能使用更少的中继还呈现出可比的SER性能。
3 仿真结果
在本节中, 给出了仿真结果显示所提出的中继选择算法的效率。我们使用QPSK调制和归一化的比特能量为1。我们假定, 源节点和目的节点之间的信道系数固定为1, 并且源节点至中继节点以及中继节点到目的节点信道的信道系数在[1, 10]中均匀分布。噪声方差进行归一化为1。此外, 我们假定不同信道之间的信道系数独立地变化, 虽然信道系数在一个传输信道中并没有改变。功率分配是无线协作网络中的关键, 为减少该方案比较的复杂度, 我们假定等功率分配。等功率分配假设整个功率P的一半被分配给源节点和选定的中继节点。然后将整个功率P的一半分配到同样的中继节点中。实验结果显示的中继总数为N=10。
图3显示了使用所有中继情况下的误码率性能, 表明了[4], 也表明了所提出的方案。可以观察到, 所提出的方法的信噪比高达8 d B, 实现了类似[4]的性能, 之后稍微降低大约为1d B。
图4显示了不同方案中参与协作通信的中继节点的平均数目。我们观察到, 所提方案比[4]使用的中继少约1.5个, 比所有中继参与协作的情况下方案节省7.5个中继。
图5显示了信噪比为10d B时不同数目中继节点参与协作通信时中继平均选择数目的比较。图5显示, 不像[4]的方案那样, 所提方案使用恒定的中继数目, 中继的平均数目是2.5个左右。
图6显示了不同数目中继节点情况下方案[4]和所提方案的SER性能。如图5和6所示, 当参与协作的中继总数目增加时, 增加选择中继的数目是一种改善SER性能的合理方法。然而, 当SNR为8分贝或更低时, 减少一些中继的数目几乎不会影响SER的性能。此外, 当SNR高于8分贝或更高, 继电器的平均数量可以大大减少, 虽然SER性能将恶化。这些结果恰恰符合我们为此在第三节回报目的定义。
仿真结果表明, 该中继选择方案可以取得良好的SER性能以及通过在中继选择的进程中给予瞬时回报值和更新Q表的简单过程大幅减少中继的数目。
4 结论
本文我们提出一种基于Q-learning的selflearning无线协作网络的中继选择方案。在该方案中, 一个系统通过定义状态, 动作和Q-learning回报取得了良好的SER性能却没有复杂的数值计算。特别是, 随着参与协作的中继总数目的增加, 方案[4]选择的中继数目呈线性增加, 而该方案选择合作中继的数目维持在2.5个中继的平均水平。此外, 相比于计划[4]中使用计算 (9) 在最坏的情况下, 计算进行N-1次, 而所提方案使用计算 (8) 计算只进行两次, 因此该方案可被认为在复杂性方面是优良的。这些结果表明, 采用Q-learning的该方案可以通过使用更少的数目的中继提高资源的利用效率。本研究的结果还表明, Q-learning算法用于实现self-learning能有效地用于未来的无线网络。
摘要：中继方案的选择对无线资源有效利用尤为重要, 本文我们提出了一个通过使用Q学习算法的高效无线协作网的中继选择方案。该方案中, 通过我们定义的状态、动作和达到到良好SER (误符号率) 表现时的回报来选择少量中继参与合作。仿真结果表明, 相对于通过数学分析得到中继最佳数目的方案, 该方案能通过使用更少数目的中继达到具有更可比性的SER性能, 从而更有效地使用资源。仿真结果表明该方案可以被认为是一个很好的对未来通信的尝试。
关键词：协作通信,中继选择,自我学习,Q-learning,放大转发
参考文献
[1]A.Nosratinia, T.E.Hunter, and A.Hedayat, “Cooperativecommunication in wireless networks, ”IEEE Commun.Mag., vol.42, pp.74-80, October 2004.
[2]崔永青, 李俨, 张明庄, 冯小刚.协作通信系统的功率分配策略研究[J].电子设计工程, 2013.08, 21 (16) :191-193.
[3]李荣凯, 白志全.基于节点选择和功率分配算法的自适应调制协作通信系统[J].山东大学学报 (工学版) , 2011.02, 41 (1) :8-11.
[4]H.Wu, Y.Wang, C.Xiong, and D.Yang, “A novel relay selectionscheme with simplified power allocation for wireless relay networks, ”Proc.IEEE GLOBECOM2009, pp.1-5, Honolulu, Hawaii, USA, December 2009.
[5]徐以标, 张会生, 李立欣.多中继AF协作系统功率分配研究[J].通信技术, 2011.12:65-67
[6]蔡婷, 杨洁, 曹雪虹.DF多跳协作系统中基于最大系统容量的功率分配优化算法[J].南京工程学院学报 (自然科学版) , 2012, 10 (3) :12-15.
[7]R.S.Sutton and A.G.Barto, Reinforcement Learning, MIT Press, 1998.
[8]A.Galindo-Serrano and L.Giupponi, “Distributed Q-learning foraggregated interference control in cognitive radio networks, ”IEEETrans.Veh.Technol., vol.59, no.4, pp.1823-1834, April 2010.
[9]O.V.Den Biggelaar, “Sensing time and power allocation for cognitiveradios using distributed Q-learning, ”EURASIP Jour.Wireless Commun.&Networking, vol.2012, no.138, April 2012.
认知协作中继 第6篇
Bletsas在文献[3]中综合考虑了两跳链路的瞬时信道信息,提出了一种分布式最佳中继选择算法。Y. ZHAO等人在文献[4]中,通过接收端SNR的累积密度函数进行一定近似,分析了单中继选择算法的错误概率,比较了选择一个中继参与协作和所有中继都参与协作的BER性能。文献[5]分别对最佳中继选择,最佳最差中继选择,最佳调和平均中继选择3种算法分集增益进行推导,证明了这3 种算法能够达到满分集增益。文献[6]在DF协作网络中,针对不同种类信道状态信息提出了最佳中继选择算法。文献[7]在AF协作网络中,基于两跳瞬时信道信息,提出一种最佳中继选择方案。文献[8]研究了双向AF中继协作系统,在能够保证两条链路的平衡性前提下提出了双链路的中继选择算法并进行了功率分配,但复杂度较高。
在上述研究的基础上,本文结合最佳调和平均和SR门限算法,提出了一种灵活的基于AHMT中继选择算法。最后通过仿真证明,所提算法有效降低了系统的复杂度,同时提高了系统的整体性能。
1 系统模型
如图1 所示,“考虑AF单向协作系统模型,其包括一个源节点S,一个目的节点D和N个中继节点i( i = 1,2,…,N) 。系统的每个节点配备单天线,且工作在半双工模式下。假设节点间信道为独立瑞利平坦衰落信道,并存在S到D的直传链路。
整个传输过程分为两个阶段。第一阶段: 源节点S发送广播信号到中继节点和目的节点。中继节点i( i = 1,2,…,N) 和目的节点D的接收信号分别为
式中: x为源节点S的发送信号,服从均值为0,方差为1 的随机变量。Ps为源节点S的发送功率,hsd和hsi分别表示节点S到节点D以及节点S到第i个中继节点之间的信道系数,且hsd~ CN( 0,σ2sd),hsi~ CN( 0,σ2si); nsd和nsi分别表示源节点S到目的节点D和中继节点i( i = 1,2…,N) 的加性高斯白噪声,且nsd~ CN (0,Nsd),nsi~ CN (0,Nsi)。
第二阶段: 中继节点i( i = 1,2,…,N) 把来自源节点S的信号进行放大,并转发给目的节点D,则第i个中继到节点D接收的信号为
式中: xi= βysi是第i个中继节点转发的信号,β 为放大倍数。
式中: Pi为中继节点的发送功率; hid为第i个中继到节点D的信道系数,且hid~ CN( 0,σ2id); nid表示第i个中继到节点D的加性高斯白噪声,且nid~ CN (0,Nid)。同时,假设噪声方差Nsd=Nsi=Nid=N0=1。
节点S到目的节点D、节点S到中继节点i( i = 1,2,…,N) 以及中继节点i( i = 1,2,…,N) 到目的节点D之间的瞬时信噪比 γsd,γsi,γid分别为
所以,经过第i个中继节点转发的源节点S到目的节点D之间的信道容量Ci为
其中,函数。
2 算法的提出
2. 1 已有中继选择算法
传统中继选择算法不仅需要准确信道信息,而且需要额外的信令进行及时准确的反馈,且系统采用全分集发送方式。对于资源受限的无线网络来说,增加了系统的复杂度。以下介绍几种传统中继选择算法:
1) 最佳SNR中继选择［9］
从所有中继中选择SNR最大的为最佳中继,数学表达式为
2) Maxmin中继选择［9］
先选择两跳链路的差者,再从所有中继中选出最佳的中继,数学表达式为
3) 最佳调和平均中继选择［9］
对所有中继的两跳链路求调和平均值,选出最佳的中继。数学表达式为
在以上3 种算法中,都综合考虑了2 条链路的瞬时信噪比,其中,最佳调和平均中继选择算法系统性能最好,但复杂度高。文献[10]提出了SR门限算法,只考虑了部分链路的瞬时信道信息,因此复杂度低,并减少了中继节点的功率消耗; 但缺点是总体性能却没有传统的最佳调和平均算法［5］性能好。因此,下面结合最佳调和平均算法和SR门限算法提出一种基于AHMT中继选择算法。
2. 2 提出的AHMT中继选择算法
首先,在中继节点处设置信噪比门限值 γth,比较第1 跳链路的瞬时信噪比 γsi与门限值 γth的大小,若满足
则将该中继加入待选中继集合,这样待选中继集合中仅包括满足条件的部分中继,与所有中继都参加协作的网络相比,降低了系统复杂度。
然后,通过改进传统的最佳调和平均中继选择算法,提出了基于AHMT中继选择算法,进一步降低系统的复杂度,同时提高系统性能。改进算法只需考虑待选中继两条链路的部分信道状态信息,即第1 跳链路的瞬时信道信息和第2跳链路的统计信道信息 σ2id。部分链路R-D的约化表达式,表示第i个中继到目的节点D的信道功率,即 σ2id。E( ·)为数学期望。
定义部分信道AHMT表达式
最后,在待选中继集合中选择使部分信道AHMT表达式bi最大的中继Rbest,也即
提出的算法步骤总结如下:
1) 设置中继节点处瞬时接收信噪比门限值 γth;
2) 计算源节点到N个中继节点i( i = 1,2,…,N) 的瞬时信噪比
3) 比较瞬时信噪比 γsi与门限值 γth的大小,若 γsi≥γth,将该中继加入待选中继集合中,转4) ; 否则转2) ;
4) 计算源节点到N个中继节点i( i = 1,2,…,N) 的信道幅度值;
5) 根据式( 11) 和步骤4 ) ,σ2id( i = 1,2,…,N) ,计算两跳链路部分信道AHMT表达式bi;
6) 根据式( 12) ,选择出最佳中继Rbest。
和传统中继选择算法不同,提出的AHMT中继选择算法使用了门限值和部分信道信息,因此可通过对门限的选择和控制使系统在复杂度和性能之间取得折中。
3 仿真结果
3. 1 仿真实验
本次仿真基于MATLAB7. 0 软件开发平台,将本文提出的AHMT算法与文献[9]中的最佳SNR算法、Maxmin算法及最佳调和平均算法以及文献[10]中的SR门限算法进行性能比较。假设每个传输帧有50 个数据块儿,每个数据块儿长度为256,数据符号采用BPSK调制,门限值设为5 d B。
图2 中,仿真了中继个数N = 4 时不同中继选择算法BER的性能。 结果表明: 随着SNR的增加,不同选择算法BER性能都在增加。提出的方法性能在高信噪比处接近最佳调和平均中继选择算法,并优于其他算法。而且当SNR高时,性能优势更加明显。
图3 中,仿真了中继个数N = 4 时,不同中继选择算法信道容量性能比较。从图中可以看到: 随着SNR的增加,信道容量在逐渐增加。在高信噪比时提出的算法性能与最佳调和平均中继选择算法性能接近,且获得了比其他方法更高的信道容量。
图4 给出了不同中继个数下中继选择算法BER性能变化曲线。假设SNR = 10 d B。由图所知: 随着N值增加,SR门限算法、最佳SNR算法、Maxmin算法误码率性能几乎保持不变,而最佳调和平均中继选择算法和提出的AHMT中继选择算法BER性能更好,且性能优于其他算法。
图5 比较了中继个数N = 4 时,不同功率分配下AHMT算法的BER性能。这里假设等功率分配下P = Ps= Pi; 不等功率分配下。由图5 可知: 和等功率分配相比,不等功率分配在BER为10－ 2时取得了大约2 d B的性能优势。
3. 2 复杂度分析
已有的最佳SNR中继选择、Maxmin中继选择、最佳调和平均算法,都采用的是穷举搜索方式,最佳SNR中继选择和最佳调和平均算法需计算N个中继两条链路的接收SNR与调和平均值,然后选择其值最大的中继,故复杂度为线性,即O( N) 。Maxmin中继选择,先比较N个中继两条链路瞬时信道信息的值选出最差链路,再从中选择最佳中继,故复杂度也为O( N) 。而SR门限算法,只需计算满足条件的中继,其复杂度为对数阶,即O( lb N) 。假设j为不满足条件的中继个数,提出的AHMT算法,首先选出满足条件的部分中继N - j,然后从中选出最佳的中继,其复杂度为O( lb N) 。可见最佳SNR中继选择,Maxmin中继选择,最佳调和平均算法,复杂度一样; SR门限算法与提出的AHMT算法复杂度也一样,所以这里只具体仿真分析复杂度高性能好的调和平均算法与提出的AHMT算法。
从表1 中可以看到,随着中继数目N的增多最佳调和平均算法总运算次数在迅速增加,且增加速度远远大于提出的AHMT算法。由此可见,提出的AHMT算法降低了运算次数,从而系统的复杂度显著降低了。
4 结束语
本文针对传统中继选择算法复杂度高和性能差的问题,提出了一种新的基于AHMT中继选择算法。该方法通过对最佳调和平均选择算法和SR门限算法的改进,首先在中继节点处引入门限值,选择满足条件的部分中继集合,然后从中继集合中选择部分信道AHMT表达式最大的中继为最佳中继。仿真实验表明: 该算法不仅降低了系统的复杂度,而且提高了系统的整体性能。
参考文献
[1]牛志军,裴炳南,陈洁,等.MIMO天波超视距雷达正交信号设计研究[J].电视技术,2012,36(1):98-100.
[2]LANEMAN J N,TSE D N C,WORNELL G W.Cooperative diversity in wireless networks:efficient protocols and outage behavior[J].IEEE Trans.Information Theory,2004,50(12):3062-3080.
[3]BLETSAS A,KHISTI A,REED D P,et al.A simple cooperative diversity method based on network path selection[J].IEEE Trans.Wireless Communications,2006,24(3):659-672.
[4]ZHAO Y,ADVE R,LIM T J.Symbol error rate of selection amplify-and-forward relay systems[J].IEEE Communications Letters,2006,10(11):757-759.
[5]JING Y,JAFARKHANI H.Single and multiple relay selection schemes and their diversity orders[J].IEEE Trans.Wireless Communications,2009,8(3):1414-1423.
[6]MULLER A,SPEIDEL J.Relay selection in dual-hop transmission systems:selection strategies and performance results[C]//Proc.International Conference on Communications.Beijing:[s.n.],2008:2998-3003.
[7]ZHAO Y,ADVE R,LIM T J.Improving amplify-and-forward relay networks:optimal power allocation versus selection[J].IEEE Trans.Wireless Communications,2007,6(8):3114-3123.
[8]张鹏,杨洁,曹雪虹,等.双向协作系统的中继选择和功率分配策略[J].电视技术,2014,38(9):160-164.
[9]宋沈煜,陈文.多接入中继信道中的单中继选择[J].信息技术,2012(4):92-95.
认知协作中继 第7篇
在矿井隧道、地下隧道等受限隧道空间,受隧道壁反射等因素的影响,电磁波传播频繁发生反射和散射,多径效应严重［１］,制约了隧道无线通信系统性能的提高。协作通信允许多个节点共享天线,构成虚拟MIMO［２］,在不增加天线的前提下,利用隧道内的多径衰落特性,提升隧道无线通信系统性能。
资源配置策略在很大程度上决定隧道协作通信系统性能的提升,功率分配是资源配置的重要内容, 如何有效、合理地对源节点和各中继节点进行功率分配,具有重要意义。本文基于多波模信道模型,建立矩形隧道多中继协作通信系统模型,针对系统总功率受限情况,提出不同协作模式下的功率分配方法,以优化系统的信道容量。
1矩形隧道多中继协作通信系统模型及信道容量
建立的矩形隧道多中继协作通信系统模型如图1所示。模型由源节点S、K个中继节点Rｋ(k= 1,2,…,K)和目的节点D组成。每个节点均配置单根天线,系统采用半双工工作模式。
由于源节点S与目的节点D之间距离较长或隧道中存在分支、弯道和坡道等复杂情况,不失一般性,可认为源节点S和目的节点D之间无视距信道,通过中继协作方式实现隧道复杂情况下节点间的有效信息传输。
协作通信基本的协作模式包括放大转发(Amplify and Forward,AF)模式和译码转发(Decode and Forward,DF)模式。DF模式又包括固定DF和选择性DF模式,其中选择性DF模式可克服固定DF模式可能转发错误信号和信道容量受限于源节点到中继节点和中继节点到目的节点中较差信道的问题［３］。下文中的DF模式是指选择性DF模式。
AF模式和DF模式下矩形隧道多中继协作通信系统的信道容量CＡＦ,CＤＦ分别为［４］
式中:ρＳ为源节点S的发送信噪比;hＳＲｋ和hＲｋＤ分别表示源节点S和中继节点Rｋ、中继节点Rｋ和目的节点D间的信道增益;ρＲ为中继节点Rｋ的发送信k噪比;ζ为中继节点接收信号信噪比的设定门限,需根据具体情况设定。
若中继节点接收信号的信噪比超过设定门限, 中继节点对接收信号进行解码和重新编码,并将信号转发给目的节点;若源节点和中继节点之间发生了深度衰落,使得中继节点的接收信噪比低于设定门限,则中继节点不进行任何操作。将噪声信号建模为方差为σ２的加性高斯白噪声。
采用多波模信道模型,信道增益为［５］
式中:GＴｘ和GＲｘ分别为发射天线Tx和接收天线Rx的增益;Cｍｎ，Ｔｘ为发射天线Tx处(m,n)阶波模的强度;Eｍｎ(xＲｘ,yＲｘ)为接收天线Rx处(m,n)阶波模的场分布;αｍｎ和βｍｎ是波模的衰减系数和相位系数; ZＴｘＲｘ为发射天线Tx和接收天线Rx之间的距离。
将相关参数代入式(3),即可求得hＳＲｋ和hＲｋＤ。
2功率受限时AF模式下多中继协作通信系统的优化功率分配
在AF模式下,总功率P和节点功率P０均受限,为实现信道容量优化,源节点S和中继节点Rｋ的功率分配应满足式(4):
式中:PＳ为源节点S的功率;PＲｋ为中继节点Rｋ的功率。
结合式(1),式(4)可等效为
式(5)是典型的带有约束条件的非线性优化问题。遗传算法是一种基于生物遗传和进化机制的自适应概率优化技术,在非线性优化问题求解方面有广泛的应用［６］。下面,提出基于遗传算法的隧道多中继AF协作通信系统优化功率分配方法,求解式(5),具体程序如下:
程序解释:1定义遗传算法的相关参数,如个体数目、最大遗传代数等。 2定义目标函数。 3针对不同的系统总功率进行计算。4判断是否满足循环条件,若满足,则进入循环。5计算适应度值。6选择操作,随机遍历采样选择方式,代沟为0.9。7交叉操作,采用单点交叉方式。8变异操作。9重插操作。10结束循环。
3功率受限时DF模式下多中继协作通信系统的优化功率分配
在DF模式下,总功率P和节点功率P０均受限,为实现信道容量优化,源节点S和中继节点Rｋ的功率分配应满足式(6):
将式(6)代入式(2)可得
式(8)保证了参与协作的中继节点接收信号的信噪比超过设定门限:
采用遍历法处理式(8),对于每种情况,式(8)为带约束条件的线性规划问题,可采用KKT优化方法求解。隧道多中继DF模式下多重KKT优化功率分配程序如下:
程序解释:1针对不同的系统总功率进行计算。2采用遍历法处理式(8),分别针对每种情况进行求解。3设置PＳ的值。4利用KKT方法求解优化功率分配PＲ１,PＲ２,…,PＲｋ。5设置标志位flag。6-10判断PＳ是否满足所有参与协作中继节点的门限要求,若满足,则令flag=1,若不满足,则令flag=0。瑏瑡-瑏瑣若PＳ满足所有参与协作中继节点的门限要求,则计算当前功率分配下的信道容量。瑏瑤结束遍历法。瑏瑥通过比较获得最大的信道容量。瑏瑦最大信道容量所对应的功率分配,即为式(6)所求解的功率受限时隧道多中继DF协作通信系统的优化功率分配方法。
4仿真与分析
在功率受限的条件下,对基于遗传算法的隧道多中继AF协作通信系统优化功率分配方法和隧道多中继DF协作通信系统多重KKT优化功率分配方法进行仿真。工作频率、矩形隧道侧壁和顶底壁的相对介电常数、电导率和隧道横截面尺寸等参数见参考文献[7]。设置有4个中继节点的场景:源节点S、中继节点Rｋ(k=1,2,3,4)和目的节点D的位置坐标分别为(0,0,0),(0,0,220),(0,0,400),(0, 0,550),(0,0,650)和(0,0,700),节点的功率限制为P０=5 W (36.989 7dB·m)。
4.1 AF模式
利用基于遗传算法的隧道多中继AF协作通信系统优化功率分配方法求解AF模式下的优化功率分配,结果见表1。需要注意的是,该方法所求得的是近似解,存在较小误差。
dB·m
仿真功率受限时,AF模式下,不同功率分配方法对矩形隧道多中继协作通信系统信道容量的影响,仿真结果如图2所示。从图2可看出,当总功率P<5P０(约44dB·m)时,与等功率分配方法相比, 优化功率分配方法能提高矩形隧道多中继协作通信系统的信道容量。当总功率P>44dB·m时,由于节点功率限制,信道容量不再增加。
当总功率P=35dB·m时,基于遗传算法的隧道多中继AF协作通信系统优化功率分配方法的收敛性能如图3所示。图3可看出,迭代次数对优化功率分配和最大信道容量的影响。经过131次迭代,信道容量可达到6.112bit/s/Hz。
4.2 DF模式
在同样的场景下,利用所提出的隧道多中继DF协作通信系统多重KKT优化功率分配方法求解DF模式下的优化功率分配,结果见表2。
由表2可以看出,当总功率P≤37dB·m时,只对4个中继节点中的R３分配功率,即只有R３参与协作,当总功率P≥42dB·m时,中继节点R１, R２,R３和R４均参加协作。这是因为中继节点R３与目的节点D之间的信道增益大,信道特性好。
仿真功率受限时,DF模式下,不同功率分配方法对矩形隧道多中继协作通信系统信道容量的影响,仿真结果如图4所示。由图4可以看出,当总功率P<44dB·m时,与采用等功率分配方法相比, 采用优化功率分配方法能明显提高矩形隧道DF协作通信系统的信道容量。当总功率P>44dB·m时,由于节点功率限制,信道容量不再增加。
dB·m
定义信道容量优化增量ΔＤＦ为采用优化功率分配方法的信道容量Cｏｐｔ与非优化功率分配方法情况下信道容量Cｎｏｎ＿ｏｐｔ之差。DF模式下,信道容量优化增量变化曲线如图5所示。
当总功率P≤37dB·m时,信道容量优化增量基本保持不变,这是因为在总功率P≤37dB·m时,只有信道性能最优的中继节点R３参与协作,由于信道容量较大,且源节点所分配的PＳ较小,可得式(9)。信道容量优化增量与中继节点的信道参数有关,信道确定时,信道容量优化增量保持不变。
5结语
基于多波模信道模型建立了矩形隧道多中继协作通信系统模型,并给出AF和DF模式下的信道容量计算公式。以信道容量为优化准则,在系统总功率和节点功率受限的情况下,对于隧道多中继AF协作通信系统提出了基于遗传算法的优化功率分配方法;对于隧道多中继DF协作通信系统提出了多重KKT优化功率分配方法。理论分析和仿真结果表明,利用所提出的优化功率分配方法,可提升系统的信道容量;当信道容量较大且源节点所分配的功率较小时,在DF模式下,若只有一个中继节点参与协作,则矩形隧道多中继协作通信系统的信道容量优化增量基本保持不变。
摘要：基于多波模信道模型建立了矩形隧道多中继协作通信系统模型,给出了放大转发和译码转发协作模式下多中继协作通信系统的信道容量计算公式。在系统总功率受限的情况下,提出了基于遗传算法的隧道多中继放大转发协作通信系统优化功率分配方法和隧道多中继译码转发协作通信系统多重KKT优化功率分配方法,以优化系统的信道容量。仿真结果表明,隧道多中继协作通信系统优化功率分配方法可提升系统的信道容量。