一种无线协作网络中继功率优化方法.pdf

本发明公开了一种无线协作网络中继功率优化方法，所述方法包括以下步骤：基于压缩感知理论构建大容量协作传输模型；对所述大容量协作传输模型进行功率优化，获取中继节点的最优功率分配系数表达式，即获得了最优中继功率分配方法。本方法基于压缩感知，在保证信号能够准确重构的前提下，对基于压缩感知的多中继节点协作通信系统的功率分配作了讨论，得出了中继节点的最优功率分配系数表达式，获得了最优中继功率分配方法，从而提高信息的传输速率，节省能耗延长网络寿命，提高整个系统的性能。

权利要求书1.  一种无线协作网络中继功率优化方法，其特征在于，所述方法包括以下步骤： 基于压缩感知理论构建大容量协作传输模型； 对所述大容量协作传输模型进行功率优化，获取中继节点的最优功率分配系数表达式， 即获得了最优中继功率分配方法。 2.  根据权利要求1所述的一种无线协作网络中继功率优化方法，其特征在于，所述 大容量协作传输模型具体为： 每个源节点、每个中继节点和目的节点均配置为单天线；源节点的总发射功率为PS， 中继节点的总转发功率为PR； 假定源节点与中继节点之间的信道矩阵为A，α1表示第一时隙信号传输的 路径损耗，HSR表示源节点与中继节点之间的多径衰落；中继节点与目的节点之间的正交 信道矩阵为H，α2表示第二时隙信号传输的路径损耗，HRD表示中继节点与 目的节点之间的多径衰落。 3.  根据权利要求2所述的一种无线协作网络中继功率优化方法，其特征在于，所述 获取中继节点的最优功率分配系数表达式具体为： a i = P S N · σ ω 0 Λ i P S N · Λ i 2 · σ ω 0 2 - 4 c i ( σ n 0 2 + P S N · Λ i 2 ) · σ n 0 2 λ ln 2 2 [ c i ( σ n 0 2 + P S N · Λ i 2 ) σ n 0 2 ] - [ σ ω 0 2 σ n 0 2 + ( σ n 0 2 + P S N · Λ i 2 ) σ ω 0 2 ] 2 [ c i ( σ n 0 2 + P S N · Λ i 2 ) σ n 0 2 ] ]]>其中，和分别为第一时隙和第二时隙的信道噪声功率；N为源节点个数； Hii为每个中继节点到目的节点的信道衰落系数；Aij为第j个源节点 到第i个中继节点间的信道衰落系数；λ为拉格朗日乘子。

说明书一种无线协作网络中继功率优化方法
技术领域
本发明涉及无线通信物理层领域，尤其涉及一种无线协作网络中继功率优化方法。
背景技术
协作通信技术涉及的研究范围和内容十分广阔，而由于无线资源非常稀缺，因此中继 功率分配通常是其中重要的研究内容。
功率控制问题首先出现在并行独立子信道系统容量的求解问题中，Gallager和Cover等 提出的著名的注水算法，该算法可以用于计算多入多出(MIMO)系统及正交频分复用 (OFDM)系统的信道容量等。而协作通信中的功率分配是针对不同的系统模型，依据某些 评判准则，考虑在不同的约束条件下将有限的功率在各通信链路上进行合理分配，能够更 高效地利用功率资源，进一步提高中继系统的性能。当前关于中继协作通信系统中功率分 配问题的研究很多，出现了多种系统模型，而且也得出了很多成果。本方法研究的是基于 协作压缩感知网络模型中的多中继节点功率分配问题。
发明内容
本发明提供了一种无线协作网络中继功率优化方法，本发明将多中继协作技术应用到 压缩感知技术中，在中继转发功率分配中采用最优中继功率分配策略，从而进一步提高系 统的信道容量，提升整个系统的性能，详见下文描述：
一种无线协作网络中继功率优化方法，所述方法包括以下步骤：
基于压缩感知理论构建大容量协作传输模型；
对所述大容量协作传输模型进行功率优化，获取中继节点的最优功率分配系数表达式， 即获得了最优中继功率分配方法。
所述大容量协作传输模型具体为：
每个源节点、每个中继节点和目的节点均配置为单天线；源节点的总发射功率为PS， 中继节点的总转发功率为PR；
假定源节点与中继节点之间的信道矩阵为A，α1表示第一时隙信号传输的 路径损耗，HSR表示源节点与中继节点之间的多径衰落；中继节点与目的节点之间的正交 信道矩阵为H，α2表示第二时隙信号传输的路径损耗，HRD表示中继节点与 目的节点之间的多径衰落。
所述获取中继节点的最优功率分配系数表达式具体为：
a i = P S N · σ ω 0 Λ i P S N · Λ i 2 · σ ω 0 2 - 4 c i ( σ n 0 2 + P S N · Λ i 2 ) · σ n 0 2 λ ln 2 2 [ c i ( σ n 0 2 + P S N · Λ i 2 ) σ n 0 2 ] - [ σ ω 0 2 σ n 0 2 + ( σ n 0 2 + P S N · Λ i 2 ) σ ω 0 2 ] 2 [ c i ( σ n 0 2 + P S N · Λ i 2 ) σ n 0 2 ] ]]>
其中，和分别为第一时隙和第二时隙的信道噪声功率；N为源节点个数； Hii为每个中继节点到目的节点的信道衰落系数；Aij为第j个源节点 到第i个中继节点间的信道衰落系数；λ为拉格朗日乘子。
本发明提供的技术方案的有益效果是：本方法基于压缩感知，在保证信号能够准确重 构的前提下，对基于压缩感知的多中继节点协作通信系统的功率分配作了讨论，得出了中 继节点的最优功率分配系数表达式，获得了最优中继功率分配方法，从而提高信息的传输 速率，节省能耗延长网络寿命，提高整个系统的性能。
附图说明
图1为基于压缩感知理论构建大容量协作传输模型的示意图；
图2为不同分配算法下的信道容量比较示意图；
图3为一种无线协作网络中继功率优化方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详 细描述。
协作通信基本原理为：装备单个天线的移动终端通过彼此间天线协作的方式，以此借 助其他用户的天线来传输数据，因此虚拟的多天线阵列就在一定的形式上形成了。根据协 作通信中中继节点处理信息方式的不同，协作方案主要可分为三种：放大转发、解码转发 和编码协作。
由于无线资源非常稀缺，所以在物理层的一个主要应用就是功率分配。协作通信中， 系统的性能可以通过有效的中继功率分配来改善。最优功率分配算法通常是基于系统某一 性能的最优化而进行的一种功率分配算法。
压缩感知的核心思想是压缩和采样合并进行，并且测量值远小于传统采样方法的数据 量，突破了香农采样定理的瓶颈，使高分辨率的信号采集成为可能。它指出只要信号是可 压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将变换所 得高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影 中以高概率重构出原信号，可以证明这样的投影包含了重构信号的足够信息。目前，压缩 感知(CS)在无线传感器网络中的定位，检测，数据收集等方面的研究已开展。
一种无线协作网络中继功率优化方法，参见图1和图3，该方法包括以下步骤：
101：基于压缩感知理论构建大容量协作传输模型；
参见图1，给出了N个源节点S、M个中继节点R以及1个目的节点D的基于CS的 协作通信系统模型。每个源节点Si(1≤i≤N)、每个中继节点Ri(1≤i≤M)和目的节点D均 配置为单天线。其中，源节点S的总发射功率为PS，中继节点S的总转发功率为PR。假 设源节点S和目的节点D之间没有直传链路，所有通信都要经过中继节点R的转发来协作 完成。
假定S与R之间的信道矩阵为A，α1表示第一时隙信号传输的路径损耗， 即α1＝dSR-γ，dSR是S到R的距离，γ是路径损耗因子；HSR表示S与R之间的多径衰落， 其各元素独立且服从均值为零，方差为1/M的高斯分布。R与D之间的正交信道矩阵为H， α2表示第二时隙信号传输的路径损耗，即α2＝dRD-γ，dRD是中继节点R到目的 节点D的距离；HRD表示R与D之间的多径衰落，其各元素是均值为零的独立同分布高斯 随机变量。
102：对大容量协作传输模型进行功率优化，获取中继节点的最优功率分配系数表达 式，即获得了最优中继功率分配方法。
对上述模型中源节点S与中继节点R之间的信道矩阵A进行奇异值分解，得
A＝U·Λ·V' (1)
其中，U,V为酉矩阵，矩阵Λ非对角线元素为0，对角线元素为矩阵AA'的特征值的平 方根。其中，A'为A的共轭转置矩阵。则单位带宽下的信道容量可以表示为
C = Σ i = 1 M log 2 ( 1 + P S N · c i · Λ i 2 · a i σ ω 0 2 + σ n 0 2 · c i · a i ) - - - ( 2 ) ]]>
上式中，ai(1≤i≤M)是每个中继节点的功率分配系数，且0≤ai≤1；Λi是矩阵Λ对角线上的第i个元素；和分别为第一时隙和第二时隙的信道 噪声功率；Hii(1≤i≤M)为每个中继节点到目的节点的信道衰落系数；Aij(1≤i≤M,1≤j≤N) 为第j个源节点到第i个中继节点间的信道衰落系数。
以信道容量为优化目标函数，即
max ( C ) = max { Σ i = 1 M log 2 ( 1 + P S N · c i · Λ i 2 · a i σ ω 0 2 + σ n 0 2 · c i · a i ) } - - - ( 3 ) ]]>
且 Σ i = 1 M a i = 1,0 ≤ a i ≤ 1 ]]>
利用拉格朗日乘子法，可得函数：
F ( a 1 , a 2 , . . . , a M , λ ) = Σ i = 1 M log 2 ( 1 + P S N · c i · Λ i 2 · a i σ ω 0 2 + σ n 0 2 · c i · a i ) + λ · ( a 1 + a 2 + . . . + a M ) - - - ( 4 ) ]]>
令可得到ai的表达式
a i = P S N · σ ω 0 Λ i P S N · Λ i 2 · σ ω 0 2 - 4 c i ( σ n 0 2 + P S N · Λ i 2 ) · σ n 0 2 λ ln 2 2 [ c i ( σ n 0 2 + P S N · Λ i 2 ) σ n 0 2 ] - [ σ ω 0 2 σ n 0 2 + ( σ n 0 2 + P S N · Λ i 2 ) σ ω 0 2 ] 2 [ c i ( σ n 0 2 + P S N · Λ i 2 ) σ n 0 2 ] - - - ( 5 ) ]]>
由可求得λ的值，再将λ值代入到(5)式中，可求出每一个ai的值。 如果有ai比1大或比0小，则从M个中继节点中选择M1个信道条件比较好的(使信道容量达 到最大的M个信道)进行平均功率分配。
为了评估协作压缩感知网络模型中最优功率分配的性能，本方法进行了仿真，详见下 文描述：
仿真模型中，假定源节点、中继节点和目的节点位于一条直线上，源节点到目的节点 的距离归一化为1，dSR为源到距离。源节点和目的节点分别位于(0，0)和(1，0)，中 继节点的y坐标固定为0，横坐标在[0，1]之间变化。假定所选择的协作中继到目的节点有 相同的路径损耗，路径损耗系数为4。源节点和中继节点的总发射功率都为10-2w，噪声为 10-8w。
图2仿真了在平均功率分配和最优功率分配下，系统信道容量随中继位置的变化关系。 图2中可以看到，当中继节点靠近源节点时，最优功率分配下的信道容量明显大于平均功 率分配下的，随着中继节点靠近目的节点，差距越来越小，两种功率分配方案下的信道容 量趋于一致。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号 仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则 之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。