CN101933273A - 用于通过随机地选择发射参数进行链路自适应的方法和装置 - Google Patents

Abstract

本发明提供了一种用于链路自适应的方法和装置。一个节点，存储了一组发射参数和用于各个发射参数的对应选择概率。该节点基于选择概率，随机地选择特定发射参数，然后根据所选择的特定发射参数，来发射分组。从接收到的传输反馈信息中，节点推导性能统计，并使用性能统计来指定用于特定发射参数的估计性能函数。节点更新选择概率计算函数(SPCF)，并使用SPCF生成更新后的对应于一组可用的发射参数中的各个发射参数的选择概率。

Description

用于通过随机地选择发射参数进行链路自适应的方法和装置

技术领域

本公开大体上涉及无线通信网络，具体地涉及链路自适应技术以及从一组可用的发射参数中随机地(stochastically)选择发射参数。

背景技术

基于基础结构的无线网络一般包括拥有固定和有线网关的通信网络。很多基于基础结构的无线网络采用与耦合到有线网络的固定基站进行通信的移动单元或主机。在移动单元通过到基站的无线链路进行通信的同时，该移动单元可以在地理位置上有所移动。当移动单元移动出一个基站的范围时，其可能连接或“交换”到新的基站，并开始通过新的基站与有线网络通信。

与基于基础结构的无线网络诸如蜂窝网络或卫星网络相比，自组网络(ad hoc network)是自我构成的网络，其可以在没有任何固定基础设施的情况下进行操作，并且在一些情形中，自组网络完全由移动节点构成。自组网络典型地包括多个地理位置上分布的、可能移动的单元，有时其也被称为“节点”，这些移动单元通过一个或多个链路(例如，射频通信信道)相互无线连接在一起。节点可以在没有基于基础结构的或者有线的网络支持的情况下，通过无线介质来相互通信。当现有节点在自组网络内移动，当新节点加入或进入自组网络，或者当现有节点离开或退出自组网络时，这些节点之间的链路或连接会以任意方式动态变化。

无线介质在本质上是不稳定的，并且发射机节点和接收机节点之间的无线通信链路的信道质量会显著变化。无线链路的信道质量依赖于无线电传播参数，诸如路径损耗、遮蔽衰落、多径衰落、来自其他发射节点的同信道干扰、接收机节点的灵敏度、可用发射机功率裕度等。为了有助于确保节点之间的数据通信在特定性能水平上，经常实施服务质量(QoS)流程。在通信协议栈中，在多个通信层进行QoS流程。例如，在物理层上，QoS等同于每个用户的接收机上的信扰噪比(SINR)或误码率(BER)。在数据链路控制(DLC)层和介质访问控制(MAC)层，QoS通常通过分组差错率(PER)、可向用户确保的最小可实现数据速率和最大可容忍延迟来表示。在较高层，可以将QoS理解为特定的数据吞吐量、延迟、延迟抖动保证、或者速率分配的公平性方面。在多跳网络中，QoS在网络层上具有端到端带宽/延迟保证方面的意义。

为了满足QoS要求，很多现代无线通信系统采用链路自适应技术，有时称为自适应传输技术或自适应调制和编码(AMC)技术，从而在不论链路质量如何的情况下，改进吞吐量或数据传输速率(比特/秒)，同时在接收机节点上保持可接受的误码率(BER)。为了实施链路自适应技术，节点可以根据两个节点之间的信道或链路的连续性和质量，动态调整一个或多个发射参数。例如，随着那些条件变化，发射机节点可以使用传输反馈信息(例如，接收信号质量)动态调整或选择一个或多个发射参数，以“匹配于”无线电链路上的信道条件。通过利用发射机节点上呈现的信道信息，可以选择发射参数的最优组合，从而在实现可接受误码率(BER)的同时，改进或优化数据吞吐量(即传输速率)和系统容量。在物理层，可以使用链路自适应技术调整发射参数，诸如传输数据速率、发射功率、调制电平、符号速率、编码速率和其他信号及协议参数，以缓和链路质量的波动和保持可接受的链路质量。多种不同的策略可用于从一组可用的发射参数中选择特定发射参数。

发明内容

在一个实施之中，提供了一种链路自适应方法。节点存储一组发射参数(v₁...v_i)和用于各个发射参数(v₁...v_i)的对应的选择概率(P(v₁)...P(v_i))。各个发射参数(v₁...v_i)与对应的选择概率相关联。节点基于与各个发射参数相关联的选择概率(P(v₁)...P(v_i))，从一组可用的发射参数中随机地选择特定的发射参数，然后根据特定的发射参数来发射分组。接着，节点接收传输反馈信息(TFI)，该传输反馈信息与根据特定发射参数进行的分组的传输相关，并使用该传输反馈信息来推导与根据特定发射参数进行的分组的传输相关的性能统计。性能统计包括与根据特定发射参数进行的分组的传输相关联的平均性能(μ_P)，以及用于根据特定发射参数进行的分组的传输的性能标准偏差(σ_P)函数。节点使用性能统计来指定用于特定发射参数的估计性能函数EPF(F)，其反映了与特定发射参数相关联的估计性能。EPF(F)包括积极性因子(β)，用于控制EPF(F)的积极性(aggressiveness)。节点确定归一化性能

其是用于发射参数i的性能(F_i)与最大性能(F_max)的比值，并计算用于目标性能比值(γ)的伸展因子参数(α)。然后，节点基于伸展因子参数(α)和测得的归一化性能

对选择概率计算函数(SPCF)进行更新，以生成更新后的选择概率(P(v₁)...P(v_i))，所述更新后的选择概率(P(v₁)...P(v_i))分别对应于一组可用的发射参数(v₁...v_i)中的相应各个发射参数(v₁...v_i)。

附图说明

在附图中，相同的标号在所有不同的示图之中表示相同或功能上相似的元素，附图与下列详细说明一起并入说明书，并构成说明书一部分，用于进一步说明包括要求保护的发明的概念的实施例，并解释这些实施例的各种原理和优点。

图1是示出通信系统的框图；

图2是示出根据一些实施例的节点的框图；

图3是示出根据一些实施例的节点的多个模块的框图，所述多个模块包括链路自适应模块、介质访问控制器(MAC)模块、和物理层模块：

图4是示出根据一些实施例的用于从一组可用的发射参数中选择发射参数的链路自适应方法的流程图；以及

图5是示出根据一些实施例的用于从一组可用数据速率中选择数据速率的机会链路自适应方法的流程图。

技术人员将理解，出于简明的目的来示出附图中的元件，且不一定按比例绘制。例如，为了有助于增进对本发明实施例的理解，附图中一些元件的尺寸可能相对其它元件而被放大。

在附图中适当地方用传统符号表示装置和方法的构件，仅显示了那些与理解本发明实施例相关的具体细节，以便不会因为那些对从本文描述中获益的本领域技术人员所显而易见的细节来模糊本公开。

具体实施方式

在以下描述中，为了说明在本文中描述的方法和装置的一个示例应用，将描述机会链路自适应技术。尽管提供本描述是为了说明公开技术的一个可能应用的一个示例，但是可以在用于从样本/对象/参数的组中随机地选择样本/对象/参数的很多其他应用中实施类似技术，从而优化特定系统的性能。例如，可以使用类似技术来优化发射功率、片段大小、信道带宽、信道频率、确认策略、访问控制参数、纠错编码方案。

通信网络

图1是通信网络100的框图，其包括通过链路或信道110而相互通信的源节点120和目标节点130。链路110可以是有线的(例如，电力线通信(PLC))或无线的，但是为了说明，以下描述将集中于无线链路。当将无线链路用作为通信介质时，假定接收机/目标节点130处于发射机/源节点120的通信范围之内。节点120、130一般可以是被设计用来接收分组音频、视频和/或数据信息的设备。在通过一个或多个通信信道传输数据分组时，节点可以交换信息。以下参照图2描述说明性节点中的一些组件，例如，说明性的处理器、发射机、接收机和天线。在一个实施中，源节点120和目标节点130可以是无线网络内的节点(例如，通信设备和基站，反之亦然)，并可以根据多路接入方案，通过通信介质而对信息分组进行通信。替代性地，在另一实施中，源节点120和目标节点130可以是处于自组通信网络中的节点，其中，节点具有中继和路由能力。

按本文的用法，将术语“发射机/源节点120”定义为传输源，其不一定是特定分组的源。按本文的用法，将术语“接收机/目标节点130”定义为传输的目的地，其不一定是特定分组的最终目的地。术语“接收机/目标节点130”可以指发射机/源节点120的邻居节点或下一跳节点。在一些情形中，接收机/目标节点130可以是从发射机/源节点120发出的分组的实际目的地。

将参照图2提供对节点中一些概念构件的简要概述。图2是根据本发明一些实施例的节点200的框图。节点200包括：处理器201、包括发射机电路203和接收机电路205的收发机202、天线206、用于存储由处理器201执行的操作指令的程序存储器209、一个或多个通信接口213、以及链路自适应模块215。尽管未图示，但是为将信息分组从发射机电路203间歇性提供给天线206，并从天线206提供给接收机电路205，节点200还可以包括：天线开关、双工器、循环器、或其他高度隔离的装置。节点200可以是例如至少包含图2所示所有元件以及节点200执行其特定功能所需的任何其它元件的集成单元。替代性地，如本领域所熟知，节点200可以包括适当互连的单元或设备的集合，其中，该单元或设备执行的功能等效于节点200的元件所执行的功能。例如，节点200可以包括膝上电脑和LAN(局域网)卡。

处理器201包括一个或多个微处理器、微控制器、DSP(数字信号处理器)、状态机、逻辑电路、或基于操作或编程指令来处理信息的任何其他设备。这类操作或编程指令存储在程序存储器209之中。程序存储器209可以是包含任何形式RAM(随机存取存储器)或ROM(只读存储器)的IC(集成电路)存储器芯片，软盘、CD-ROM(光盘只读存储器)、硬盘驱动器、DVD(数字视频盘)、闪存卡、或用于存储数字信息的任何其他介质。本领域的普通技术人员将意识到当处理器201的一个或多个功能是由状态机或逻辑电路执行时，则存储器209包含可以嵌入到状态机或逻辑电路内的对应操作指令。尽管图2中没有说明，但是本领域的技术人员将会理解，可以将处理器201所执行的通信网络协议在逻辑上划分为不同的协议层或模块，诸如物理层模块、包括介质访问控制(MAC)层模块和逻辑链路层的数据链路层模块等，其中，每个层是向其上层提供业务和从其下层接收业务的相关功能的集合。以下详细描述由处理器201和节点200的其余部分所执行的操作。

天线206包括用于在包含载频的频率范围内辐射和接收电磁能量的任何已知或已开发的结构。

发射机电路203和接收机电路205使节点200可以将信息传输到其他节点并从其他节点接收信息。在此方面，发射机电路203和接收机电路205包括可以通过通信信道进行数字或模拟传输的常规电路。发射机电路203和接收机电路205的实施基于节点200的实施。例如，可以将发射机电路203和接收机电路205实施为调制解调器、或作为双向通信设备的常规发射和接收构件。在将发射机电路203和接收机电路205实施为调制解调器时，该调制解调器可以在节点200内部或者可操作地连接到节点200(例如，嵌入在网络接口卡(NIC)上实现的射频(RF)调制解调器之中，诸如个人计算机存储卡国际协会(PCMCIA)兼容卡)。根据已知技术，对于通信设备，将发射机电路203和接收机电路205优选地实施为设备硬件和软件架构的一部分。

将接收机电路205设计为在多种频率带宽中接收有线或无线信号。接收机电路205可以选择性地包括任意数量的接收机，诸如第一接收机和第二接收机，或设计用来在两个或更多带宽内进行接收的一个接收机。收发机202包括至少一组发射机电路203。可以将至少一个发射机203设计用来在多个频带上向多个设备进行发射。当使用接收机205时，可以选择性地采用两个或多个发射机203。

可以将发射机电路203和/或接收机电路205和/或链路自适应模块215的大部分(如果不是全部的)功能在诸如处理器201的处理器中实现。然而请注意，为了有利于更好的理解，此处人为地划分了处理器201、发射机电路203、接收机电路205、以及链路自适应模块215。

如下所述，节点200的链路自适应模块215可以动态选择发射参数，用于通过无线通信链路110，将数据分组发射到接收机/目标节点130。

图3是示出根据一些实施例的节点的多个模块的框图，所述多个模块包括链路自适应模块310、介质访问控制器模块340和物理层模块350。图4是示出根据一些实施例的用于从一组可用的发射参数中选择发射参数的机会链路自适应方法400的流程图。将结合图3说明图4的机会链路自适应方法400。尽管以下描述说明的情形是用于选择对单个分组进行格式化所使用的发射参数，但是请注意，可以将相同的技术应用于选择对一组分组进行格式化所使用的发射参数。换言之，尽管以下描述说明的情形是用于在每次发送分组时对传输参数进行选择，但是应当理解，可以更低频次地对发射参数进行选择，并将其用于另一发射参数被选择前的特定期间。另外，尽管图3和4描述了用于从一组可用的发射参数(例如，数据速率)中选择发射参数(例如，数据速率)的技术，但是应当理解，这些技术的多种实例可以平行实施，以从另一组可用的发射参数中同时选择其他、不同的发射参数。例如，方法400的一个实例可以用于从一组可用数据速率中选择特定的数据速率，方法400的另一实例可以用于从一组可用调制电平(level)中选择特定的调制电平，方法400的又一实例可以用于从一组可用编码速率中选择特定的编码速率等等。

可以将链路自适应模块310实施为介质访问控制器模块340的部分，或者与介质访问控制器模块340通信的分立的子层或子模块310。链路自适应模块310通常可以用于从一组可用的发射参数中选择特定的发射参数，来作为链路自适应方法400的部分，以优化发射机节点的性能。按本文的用法，术语“发射参数”通常指链路自适应参数，包括物理层参数，诸如传输数据速率、发射功率水平、编码速率、调制电平和发射功率。按本文的用法，术语“性能”通常可以指可用于表征通过无线链路进行的传输的性能的参数，诸如传输吞吐量、信道效率、传输时间、传输能量、排队延迟、端到端迟滞、语音/视频质量等。

MAC模块340和物理层模块350的操作为本领域所熟知，并且将不在本文中具体描述。在图2中，将MAC模块340和物理层模块350实施为由处理器单元210、收发机202、和/或程序存储器202执行的通信网络协议栈的一部分。MAC模块340和物理层模块350可以使用不同的发射参数进行自适应配置以发射，并可以根据任何已知的多路接入技术操作，诸如具有冲突避免的载波侦听多路接入(CSMA/CA)、具有冲突避免的多路接入(MACA)、时分多址(TDMA)、码分多址(CDMA)、正交频分多址(OFDMA)等。物理层模块350可以根据物理层参数(例如，支持的数据速率、射频(RF)信道、载波间隔、调制电平(level)、编码速率等)的特定组合来操作。

链路自适应模块310包括：发射参数随机选择模块(STPSM)325；选择概率计算模块(SPCM)360，其包括传输统计计算模块(TSCM)362、性能估计模块365、和选择概率计算模块370；以及存储可用的发射参数及它们的对应选择概率的的有限列表的存储块380。

在一个实施例中，发射参数的各个特定值(v_i)与特定的选择概率P(v_i)相关联，反之亦然。每个选择概率P(v_i)依赖于受控的估计性能函数(EPF)(F_i)。所有选择概率P(v_i)的总和为1。按本文的用法，术语“选择概率”P(v_i)指：反映了一组可能发射参数(v₁，...，v_i)中的特定发射参数(v_i)(例如特定数据速率)会被选择的次数相对所有其他可能选择概率P(v_i)的百分比。

在一个实施中，如下表1所示，存储块380可以将可用的发射参数(v₁...v_i)及它们的对应的选择概率(P(v₁)...P(v_i))的列表存储在查找表中，其中每个选择概率(P(v₁)...P(v_i))是估计性能函数(P₁...P_i)。在一个实施中，链路自适应模块310最初可以预先加载一组默认的发射参数(v₁...v_i)，随后每次发送分组时(或替代性地，每次执行方法400时)，自适应地重新计算该组发射参数。以下将更具体描述用于更新发射参数(v₁...v_i)及它们的对应选择概率(P(v₁)...P(v_i))的技术。

表1

如在块320和步骤420中所指示的，只要节点准备通过无线通信链路或“空中(OTA)”来发射分组或者一组分组(或诸如帧、块、或者预定义的传输突发的其他数据单位)，则链路自适应模块310就进行操作。当链路自适应模块310准备发送分组时，在步骤430，STPSM325基于与各个发射参数相关联的选择概率，从存储在存储块380中的一组可用的发射参数(v₁...v_i)中，随机地选择一个发射参数。在一个实施中，STPSM 325包括随机数发生器或其他预先计算的表格，其产生与所述一组选择概率进行比较的随机数。选择对应于生成的随机数的发射参数以用于传输。该流程可以通过使用可以预先加载或在运行时计算出的查找表来高效执行。

在步骤440，链路自适应模块310将分组连同将根据选择的发射参数发射分组的指示一起发送给MAC模块340。MAC模块340对分组进行处理，以准备其供根据选择的发射参数通过无线链路传输，并将分组传递给物理层模块350，其中分组被准备好以供根据选择的发射参数来发射。在步骤450，物理层模块350随后通过无线链路向其目标节点发射分组，所述分组根据选择的发射参数来发射。

在根据选择的发射参数发射分组之后，在步骤460，物理层模块350最终从其他节点接收关于传输的反馈信息(此处称为“传输反馈信息”)，并将该传输反馈信息传递向协议栈上方。在一个实施中，传输反馈信息可以包括：从(一个或多个)目标节点发送的显式确认(ACK)消息，其指示从源节点发送的数据正确抵达(即，报告源节点的数据净荷(data payload)已经被成功传送到目标节点)；或者从目标节点发送的显式否定确认(NACK)消息，其指示目标节点检测到数据净荷有问题。在其他实施中，传输反馈信息可以采取隐式ACK/NACK消息的形式(即，源节点没有从目标节点接收到任何响应，并且源节点认定数据净荷存在问题，例如，丢失分组)。该传输反馈可以立即发生，或者使用多种延迟确认方法来延迟发生。为了将性能估计尽可能保持为最新，在接收到传输反馈信息时就对其进行处理。

传输统计计算模块(TSCM)362使用/处理通过无线链路接收的传输反馈信息，以确定或推导(例如，收集、测量和/或计算)与用(或根据)选择的发射参数发射的分组的传输相关的传输统计。传输统计是“传输性能的指示器”，并且可以包括，例如估计传输性能函数的平均值和标准偏差。由于实际上链路是活动的(即同时被用于通信和探测)，因此用于特定设置的实际传输性能不可测量。在不同时间上使用不同的发射参数，以收集关于使用不同的设置的性能的信息；整体性能是多种发射参数使用的函数。仅有合计性能(aggregate performance)可以被直接测量。每个发射参数的个别性能必须通过使用在一个时间段上分布的有限信息来估计。因此，很少使用的发射参数将具有与其关联的很多不确定性。相反，经常使用的发射参数将具有较低的不确定性，其实际性能与平均测得的性能更加接近。因此，有益的是，在使用特定发射参数估计链路性能的时候，使用平均性能连同不确定因子(诸如标准偏差)。在图3所示的实施中，MAC模块340向链路自适应模块310的性能估计模块365提供传输统计。

在步骤460，传输统计计算模块(TSCM)362使用传输反馈信息，来推导与用选择的发射参数发送的分组的传输相关的性能统计。在一个实施中，传输统计计算模块(TSCM)362处理通过无线链路接收的传输反馈信息，来确定(例如，收集、测量和/或计算)与用选择的发射参数发送的分组的传输相关的性能统计。在该特定实施中，性能统计是“传输性能的指示器”，并且可以例如包括：平均性能(μ_F)和性能标准偏差(σ_F)。平均性能(μ_F)很容易计算。平均性能(μ_F)是估计用一个特定发射参数的性能的函数。存在与发射参数相同数量的估计。性能标准偏差(σ_F)很多程度上依赖于标准偏差测量方法的选择，以及置信区间的选择。

估计性能函数(EPF)

将性能统计提供给链路自适应模块310的性能估计模块365。在步骤465，性能估计模块365使用(用于以选择的发射参数发送的一个或多个分组的)性能统计，用来创建或更新用于选择的发射参数的估计性能函数(EPF)。在该实施中，选择概率计算模块370基于平均性能(μ_F)和性能标准偏差(σ_F)来生成EPF。换言之，平均性能(μ_F)和性能标准偏差(σ_F)用于定义估计性能函数(EPF)(F)，其反映与选择的发射参数相关联的估计性能。以下在等式(A1)中显示了EPF的示例。

F＝μ_F-(σ_F·(1-2β))(A1)

如上所述，性能标准偏差(σ_P)主要依赖于标准偏差测量方法的选择以及置信区间的选择，并且这种依赖性可以用于控制发射参数选择算法的“积极性”。从性能角度来看，改变置信区间或者标准偏差测量方法不会使一个发射参数更可能优于另一种。

积极性因子(β)

在估计性能函数(EPF)中，积极性因子(β)用于从任意置信区间的下端到上端来改变EPF(F)。

存在用于测量性能估计的标准偏差(σ_F)的两个基本原理。

如果将尝试的发射参数可能更好，但是未经调查或未经常尝试，则偏好具有较大平均值(或均值)以及较大标准偏差的发射参数是有意义的，其指示这些发射参数未被经常尝试并且其预期良好。在该“积极”情形中，EPF(F)的大值是最有利的标准，并因此使用较大的积极性因子(β)是有益的，其中取值为1的积极性因子(β)是最积极的设置。如果积极性因子(β)是1，则EPF(P)的值等于平均性能(μ_F)和性能标准偏差(σ_F)的总和，并因此其处于EPF(F)的可能值范围的上端。

如果目的是使用已知为执行良好的发射参数，则偏好具有大平均值和小标准偏差的发射参数是有益的(基于过去的经验，具有大平均值和小标准偏差的发射参数指示其是良好的)。在该“保守”情形中，EPF(F)的小值是最有利的标准，因此使用较小的积极性因子(β)是有益的，其中取值为0的积极性因子(β)是最保守的设置。如果积极性因子(β)是0，则EPF(F)的值等于平均性能(μ_F)和性能标准偏差(σ_F)之间的差，并因此处于EPF(F)可能值范围的下端。

0.5的积极性因子意味着EPF(F)的值将始终是平均性能(μ_F)，这将自然偏好最优预测。

在一个实施中，假定样本的数量常受到系统可用带宽的限制，则优选地使用学生t-分布(studentt-distribution)计算性能标准偏差(σ_F)。在发射参数选择的情况下，优选对于初始尝试使用积极方法而对于最后尝试使用保守方法(最后尝试发生在接近分组被丢弃并且不再重试时)。如果总体成功发射参数相当低(例如，当系统正在被训练(being trained)或者环境变化太快时)，可以抑制初始的积极方法，使其更加保守。由于没有估计性能标准偏差(σ_F)本身，而是估计了平均性能(μ_F)的置信区间，因此性能标准偏差(σ_F)的变化范围是由指派给t-分布的置信水平所驱动。

在一个实施中，将EPF转换为选择概率或选择顺序。EPF是实际可能的结果(即，不是随机变量)。性能估计是随机变量，因此，可以建立一个比其他更大的概率。然而，当仅有较少测量时，该概率是不可靠的(等于0.5)。因此，所述“方法”是用于选择顺序的较好标准。任意地，两倍大的EPF应当有两倍的可能被选择。这可以概括为：

对于F_i＝k·F_j，P(F_i)＝k^α·P(F_j)   (B1)

EPF(P(F_i)，P(F_j))是与特定发射参数i，j相关联的性能估计函数。特定发射参数的性能是“估计”，因为在仅偶尔使用特定发射参数时，不能对其进行测量。在等式(B1)，k表示与发射参数i(P(F_i))相关联的估计性能函数(EPF)相对与发射参数j(P(Fj))相关联的估计性能函数(EPF)的比值，并且参数α是“伸展因子参数”。伸展因子参数(α)确定优先顺序和性能估计之间的比例关系。伸展因子参数(α)的设置依赖于：为了“尝试”其他可能性，相较最大性能从性能角度多大的惩罚(penalty)是可以接受的。大的伸展因子参数(α)允许在排除较低性能的情况下，选择较大的性能参数/估计。小的伸展因子参数(α)(例如，近于0)使得选择的频谱变平坦。对于无限小的伸展因子参数(α)，所有的发射参数基本上是等概率的。当然，只有在待均匀尝试所有可能性以设置基线的情况下，这才是有益的。

如下所述，在步骤470，最终使用伸展因子参数(α)来更新SPCF，然后在步骤480，使用更新后的SPCF计算选择概率。在描述步骤470之前，将先描述SPCF及其推导，以及用于计算伸展因子参数(α)的技术。

选择概率计算函数(SPCF)

如上所述，选择概率计算模块370包括SPCF。现在将描述SPCF的推导。

平均性能(Fμ)表示为等式(B2)。

$F_{\mathrm{\μ}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{F}_i\·P\left(F_i\right)---\left(B2\right)$

请注意，等式(B2)中的平均性能(F_u)不同于以上就等式(1)定义的平均性能(μ_F)。等式(B2)是采用所有发射参数并根据它们各自的选择概率(P(F_i))进行加权后的平均性能(F_u)。换言之，等式(B2)表示用户/系统所经历的“最终”性能。

如等式(B3)所示，所有的性能可以相对最大性能(F_max)归一化，以定义归一化性能

归一化性能

是性能(F_i)和最大性能(F_max)的比值。

${\tilde{F}}_i=\frac{F_i}{F_{\max }}---\left(B3\right)$

基于等式(B1)，每个性能的概率可以表示为：

$P\left(F_i\right)={\left(\frac{F_i}{F_{\max }}\right)}^{\mathrm{\α}}\·P\left(F_{\max }\right)---\left(B4\right)$

将等式(B4)与(B3)进行组合提供了等式(B5)。

$P\left(F_i\right)={\tilde{F}}_i^{\mathrm{\α}}\·P\left(F_{\max }\right)---\left(B5\right)$

等式(B5)是在步骤480中由选择概率计算模块370用来相对选择最大性能的选择概率P(F_max)计算与各个性能值相关联的选择概率P(F)的SPCF。SPCF要求为伸展因子参数(α)计算合适值。

计算伸展因子参数(α)

基于等式(B1)和(B4)，各个选择概率(B1)的总和为：

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}P\left(F_i\right)=P\left(F_{\max }\right)\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left(\frac{F_i}{F_{\max }}\right)}^{\mathrm{\α}}$

$=P\left(F_{\max }\right)\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left({\tilde{F}}_i\right)}^{\mathrm{\α}}---\left(B6\right)$

所有概率的总和必须等于1，因此等式(B6)可以表示为：

$P\left(F_{\max }\right)=\frac{1}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left({\tilde{F}}_i\right)}^{\mathrm{\α}}}---\left(B7\right)$

换言之，最大性能的选择概率(P(F_max))与归一化性能

的伸展因子参数(α)次幂的总和成反比，并且伸展因子参数(α)的值可以是受约束的，以便平均性能(Fμ)满足一定要求。例如，基于系统正在“尝试”发射参数的事实，因此平均性能(Fμ)不应该掉落，并且不应当比可能的最大性能(F_max)低(1-γ)％，其中γ表示目标性能比值。可以将该约束条件表示为公式(B8)：

F_μ≥γ·F_max   (B8)

当等式(B2)中的平均性能(Fμ)与最大性能(F_max)和归一化性能

相关时，则等式(B2)可以表示为等式(B9)。

$F_{\mathrm{\μ}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{F}_i\·P\left(F_i\right)$

$=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i\·F_{\max }\·P\left(F_i\right)$

$=F_{\max }\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i\·P\left(F_i\right)---\left(B9\right)$

等式(B9)中的关系可以改写如等式(B10)所示。

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i\·P\left(F_i\right)=\frac{F_{\mathrm{\μ}}}{F_{\max }}---\left(B10\right)$

使用在等式(B5)中定义的各个性能的选择概率，来展开等式(B10)的项

则得到等式(B11)。

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i\·P\left(F_i\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i\·[{\tilde{F}}_i^{\mathrm{\α}}\·P\left(F_{\max }\right)]=P\left(F_{\max }\right)\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{(\mathrm{\α}+1)}---\left(B11\right)$

将等式(B10)和(B11)组合得到：

$P\left(F_{\max }\right)=\frac{F_{\mathrm{\μ}}}{F_{\max }}\·\frac{1}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{(\mathrm{\α}+1)}}---\left(B12\right)$

等式(B8)假定平均性能(Fμ)与最大性能(F_max)的比值处于目标性能比值(γ)内，(即，

)，因此等式(B12)可以表示为公式(B13)。

$P\left(F_{\max }\right)\≥\frac{\mathrm{\γ}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{(\mathrm{\α}+1)}}---\left(B13\right)$

当将等式(B13)与等式(B7)组合，结果在公式(B14)中描述，并且接着可以改写为公式(B15)。

$\frac{1}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{\mathrm{\α}}}\≥\frac{\mathrm{\γ}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{(\mathrm{\α}+1)}}---\left(B14\right)$

$\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{(\mathrm{\α}+1)}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{\mathrm{\α}}}\≥\mathrm{\γ}---\left(B15\right)$

在步骤465，性能估计模块365确定伸展因子参数(α)，以满足用于选择的目标性能比值(γ)的不等式(B15)。为了找到伸展因子参数(α)的值，可以使用不同的算法来解不等式(B15)。为了找到非线性方程的根，可以通过使用牛顿法、割线法、布伦特法等(Brent’smethod)来执行对函数的极小化。可以通过使用对称多项式与它们的变量的第α次幂的总和之间的恒等，将牛顿-吉拉德公式(Newton-Girard formula)用于整数伸展因子参数(α)值。尽管所有这些公知的方法可以用于找到伸展因子参数(α)值，但是最优的嵌入式实施方式是查找表。对于

的每个量化值(0到1之间)，以及伸展因子参数(α)的量化值(在1到10之间的某处)，可以对所有的

计算查找表。

计算用于各个发射参数的选择概率

在计算出α之后，在步骤470，选择概率计算模块370使用伸展因子参数(α)和EPF的归一化性能(F_i)，来更新选择概率计算函数(SPCF)。在步骤480，接着，选择概率计算模块370可以使用以下重现的等式(B5)中的公式，来计算用于各个发射参数的选择概率。

$P\left(F_i\right)={\tilde{F}}_i^{\mathrm{\α}}\·P\left(F_{\max }\right)---\left(B5\right)$

具体而言，选择概率计算模块370可以使用等式(B5)的SPCF来用计算机计算/计算/确定更新后的对应于一组可用的发射参数(v₁...v_i)中的各个发射参数(v₁...v_i)的选择概率(P(F₁)...P(F_i))，从而各个发射参数(v_i)与一相应的选择概率(P(F_i))相关联。通过为伸展因子参数(α)选择合适的值，选择概率计算模块370对用于各个发射参数(v₁...v_i)的选择概率P(F_i)进行加权，以优化EPF，从而确保平均性能(Fμ)处于最大性能(F_max)的一定百分比处。如上所述，设计SPCF来帮助确保平均性能(Fμ)将向最大性能(F_max)收敛(F_μ＝γ·F_max)，这确保了一定的最小性能。

然后，选择概率计算模块370将更新后的用于各个发射参数的选择概率(P(F₁)...P(F_i))传输给存储块380。存储块380存储与各个发射参数相关联的选择概率。然后，方法400循环回到步骤420，其中，在待发送的下一分组上重复方法400。

为了说明用于此处描述的机会链路自适应的方法和装置的一个示例应用，将描述一个示例，其中适应性调整的发射参数是从一组可用数据速率中选出的数据速率，以优化数据吞吐量。然而应当理解，不将术语“发射参数”解释为受限于“数据速率”。同样，还应当理解，尽管以下描述说明了为优化“吞吐量”而从一组可用数据速率中选择数据速率的技术，但是一般而言，可以在很多其他应用和/或技术领域中实施随机选择技术，用于从样本/对象/参数的组中选择样本/对象/参数，以优化其他类型的性能输出函数。

图5是示出根据一些实施例的用于从一组可用数据速率中选择数据速率的机会链路自适应方法500的流程图。将结合图3中说明的各种模块来描述图5的机会链路自适应方法500。

在该实施中，将图3的存储块380实施为以下在表2中说明的查找表，其存储可用数据速率(DR₁...DR_i)及它们的对应的选择概率(P(DR₁)...P(DR_i))的有限列表。尤其是，查找表的第一列存储了不同数值的数据速率(DR₁...DR_i)，而第二列存储了用于各个数据速率(DR₁...DR_i)的对应的选择概率(P(DR₁)...P(DR_i))。每个选择概率(P(DR₁)...P(DR_i))依赖于估计的吞吐量函数(TP)。按本文的用法，术语“选择概率”P(DR_i)指：反映了在一组可能数据速率(DR₁，...，DR_i)中的特定数据速率(DR_i)将要被选择的次数相对所有其他可能选择概率P(DR_i)的百分比。所有概率(P(DR₁)...P(DR_i))的总和等于1。各个数据速率与一选择顺序相关联，即，该数据速率与其他相比应当被使用的次数。该顺序与该数据速率从吞吐量的角度相比其他数据速率更有利的概率成比例。这不是严格成比例的。换言之，具有顺序十(10)的数据速率不会有两倍于具有顺序五(5)的数据速率的可能来提供更好的吞吐量。如下所示，用系统的整体性能与“知晓”可能的最佳数据速率的理想化系统的性能相当的方式，来计算各个数据速率的选择概率P(DR_i)。

[表2]

如步骤520所指示的，当节点准备待通过无线通信链路发射分组时，链路自适应模块310操作。

在步骤530，当链路自适应模块310准备发送分组时，STPSM 325基于计算出的指派给各个数据速率(DR₁...DR_i)的选择概率(P(DR₁)...P(DR_i))，随机地选择数据速率(DR₁...DR_i)中合适的一个。在一个实施中，可以使用随机数发生器或其他预先计算出的表格来选择DR_i。

因此，可以基于特定数据速率提供更好吞吐量的概率与其他数据速率提供更好吞吐量的概率的比较，来选择特定数据速率值。对参数随机选择模块425用来选择一个特定数据速率的顺序进行挑选，从而首先尝试有利但是“有风险”的数据速率，最后尝试保守但“安全”的数据速率。称该选择为机会主义，因为其允许尝试更好的数据速率，但同时确保成功发射该数据。如以下将要描述的，设计参数随机选择模块325来选择数据速率，从而链路自适应模块310集中于或“驻留于”提供更好性能的特定数据速率，并且仅偶尔地选择那些提供较差性能的数据速率，以构建知识数据库。除了其他优点以外，还提高了吞吐量，并且当邻近的数据速率之间有完全的速率差异时，在数据速率选择期间的死锁(dead lock)消失。

在步骤540，链路自适应模块310将分组以及待将分组格式化用于以选择的数据速率传输的指示一起发送给MAC模块340。MAC模块340对分组进行处理，以准备其用于以选择的数据速率通过无线链路传输，并将该分组传递给物理层模块350，其中分组被格式化用于以选择的数据速率传输。然后在步骤550，分组被以选择的数据速率向着其目的地通过无线链路发送。

在以选择的数据速率发送分组之后，在步骤555，物理层模块350在稍后时间从其他节点接收传输反馈信息，并将该传输反馈信息传递向协议栈上方到链路自适应模块310。

在步骤560，传输统计计算模块(TSCM)362使用传输反馈信息来推导与用选择的数据速率来发射的分组的传输相关的吞吐量统计。在一个实施方式中，传输统计计算模块(TSCM)362对通过无线链路接收的传输反馈信息进行处理，以确定(例如，收集、测量和/或计算)与用选择的数据速率来发射的分组的传输相关的吞吐量统计。在该特定实施方式中，吞吐量统计是“传输吞吐量的指示器”，并且可以例如包括：平均吞吐量(μ_TP)和吞吐量标准偏差(σ_TP)。平均吞吐量(μ_TP)很容易计算。平均吞吐量(μ_TP)是对在一个特定数据速率处的吞吐量进行估计的函数；存在与数据速率的个数相等个数的估计。吞吐量标准偏差(σ_TP)主要依赖于标准偏差测量方法的选择，以及置信区间的选择。

估计吞吐量函数(ETF)

将吞吐量统计提供给链路自适应模块310的性能估计模块365。在步骤565，吞吐量估计模块365使用(用于以选择的数据速率发射的一个或多个分组的)吞吐量统计来生成或更新用于选择的数据速率的估计吞吐量函数(ETF)。在该实施方式中，选择概率计算模块370基于平均吞吐量(μ_TP)和吞吐量标准偏差(σ_TP)生成ETF。换言之，平均吞吐量(μ_TP)和吞吐量标准偏差(σ_TP)用于定义估计吞吐量函数(ETF)(TP)，其反映与选择的数据速率相关联的估计吞吐量。以下在等式(C1)中显示了ETF的示例。

TP＝μ_TP-(σ_TP·(1-2β))(C1).

如上所述，吞吐量标准偏差(σ_TP)主要依赖于标准偏差测量方法的选择以及置信区间的选择，并且这种依赖性可以用于控制数据速率选择算法的“积极性”。从吞吐量角度，改变置信区间或者标准偏差测量方法不会使一个数据速率更可能优于另一个。

积极性因子(β)

在估计吞吐量函数(ETF)中，积极性因子(β)用于从任意置信区间的下端到上端来改变ETF(TP)。

存在用于测量吞吐量估计的标准偏差(σ_TP)的两个基本原理。

如果目的是尝试可能更好但是未经调查或未经常尝试的数据速率，则偏好具有较大平均值以及较大标准偏差的数据速率是有意义的(这指示这些数据速率未被尝试很多并且其预期良好)。在该“积极”情形中，ETF(TP)的大值是最有利的标准，因此使用较大的积极性因子(β)是有益的，其中取值1的积极性因子(β)是最积极的设置。如果积极性因子(β)为1，则ETF(TP)的值等于平均吞吐量(μ_TP)和吞吐量标准偏差(σ_TP)的总和，并因此处于ETF(TP)的可能值范围的上端。

如果目的是使用已知为执行良好的数据速率，则偏好具有大平均值和小标准偏差的数据速率是有意义的(基于过去的经验，具有大平均值和小标准偏差的数据速率指示它们是良好的)。在该“保守”情形中，ETF(TP)的小值是最有利的标准，并因此使用较小的积极性因子(β)是有益的，其中取值0的积极性因子(β)是最保守的设置。如果积极性因子(β)为0，则ETF(TP)的值等于平均吞吐量(μ_TP)和吞吐量标准偏差(σ_TP)之间的差，并因此处于ETF(TP)的可能值范围的下端。

0.5的积极性因子意味着ETF(TP)的值将始终是平均吞吐量(μ_TP)，这将自然偏好最优预测。

在一个实施中，假定样本的数量常受到系统可用带宽的限制，则优选地是使用学生t-分布(student t-distribution)来计算吞吐量标准偏差(σ_TP)。在数据速率选择的情况下，优选的是，对于初始尝试使用积极情形，而对于最后尝试时使用保守情形(最后尝试发生在靠近分组被丢弃并不再重试时)。如果总体成功数据速率相当低(例如，当系统正在被训练或者环境变化太快时)，可以抑制初始的积极情形，使其更加保守。由于没有估计吞吐量标准偏差(σ_TP)本身，而是估计了平均吞吐量(μ_TP)的置信区间，因此吞吐量标准偏差(σ_TP)的变化范围是由指派给t-分布的置信水平所驱动。

在一个实施中，将ETF转换为选择概率或选择顺序。ETF是实际可能的结果(即，不是随机变量)。吞吐量估计是随机变量，因此，可以建立一个大于另外一个的概率。然而，在仅有较少测量时，该概率是不可靠的(等于0.5)。因此，该“情形”，是用于选择顺序的较好标准。任意性地，两倍大的ETF应当有两倍可能被选择。这可以概括为：

对于TP_i＝k·TP_j，P(TP_i)＝k^α·P(TP_j)    (D1)

ETF(TP_i，TP_j)是与特定数据速率i，j相关联的吞吐量估计函数。特定数据速率的吞吐量是“估计”，因为在其仅被偶尔使用时，不能对其进行测量。在等式(D1)中，k表示与数据速率i(TP_i)相关联的估计吞吐量函数(ETF)相对与数据速率j(TP_j)相关联的估计吞吐量函数(ETF)的比值，并且参数α是“伸展因子参数”。伸展因子参数(α)确定优先顺序和吞吐量估计之间的比例关系。伸展因子参数(α)的设置依赖于：为了“尝试”其他可能性相较最大吞吐量从吞吐量角度多大的惩罚(penalty)是可以接受的。大的伸展因子参数(α)允许在排除较低吞吐量的情况下选择较大的吞吐量参数/估计。小的伸展因子参数(α)(例如，近于0)使得选择的频谱变得平坦。对于无限小的伸展因子参数(α)，所有的数据速率基本上是等概率的。当然，只有在待均匀尝试所有可能性以设置基线情况下，这才是有益的。

如下所述，在步骤570，最终使用伸展因子参数(α)来更新SPCF，然后在步骤580，使用更新后的SPCF来计算选择概率。在描述步骤570之前，将先描述SPCF及其推导，以及用于计算伸展因子参数(α)的技术。

选择概率计算函数(SPCF)

如上所述，选择概率计算模块370包括SPCF。现在将描述SPCF的推导。

平均吞吐量(TP_u)表示为等式(D2)。

${\mathrm{TP}}_{\mathrm{\μ}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{TP}}_i\·P\left({\mathrm{TP}}_i\right)---\left(D2\right)$

请注意，等式(D2)中的平均吞吐量(TP_μ)不同于以上就等式(1)定义的平均吞吐量(μ_TP)。等式(D2)是采用所有数据速率并根据它们的选择概率P(TP_i)进行加权所得的平均吞吐量(TP_u)。换言之，等式(D2)表示用户/系统所经历的“最终”吞吐量。

如等式(D3)所示，所有的吞吐量可以相对最大吞吐量(TP_max)归一化，以定义归一化吞吐量

归一化吞吐量

是吞吐量(TP_i)与最大吞吐量(TP_max)的比值。

$\tilde{T}{P}_i=\frac{{\mathrm{TP}}_i}{{\mathrm{TP}}_{\max }}---\left(D3\right)$

基于等式(D1)，每个吞吐量的概率可以表示为：

$P\left({\mathrm{TP}}_i\right)={\left(\frac{{\mathrm{TP}}_i}{{\mathrm{TP}}_{\max }}\right)}^{\mathrm{\α}}\·P\left({\mathrm{TP}}_{\max }\right)---\left(D4\right)$

将等式(D4)与(D3)组合，提供了等式(D5)。

$P\left({\mathrm{TP}}_i\right)=\tilde{T}{P}_i^{\mathrm{\α}}\·P\left({\mathrm{TP}}_{\max }\right)---\left(D5\right)$

等式(D5)是在步骤580中由选择概率计算模块370用来相对于选择最大吞吐量的选择概率p(TP_max)计算与各个吞吐量值相关联的选择概率P(TP)的SPCF。SPCF要求为伸展因子参数(α)计算合适值。

计算伸展因子参数(α)

基于等式(D1)和(D4)，各个选择概率(D1)的总和为：

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}P\left({\mathrm{TP}}_i\right)=P\left({\mathrm{TP}}_{\max }\right)\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left(\frac{{\mathrm{TP}}_i}{{\mathrm{TP}}_{\max }}\right)}^{\mathrm{\α}}$

$=P\left({\mathrm{TP}}_{\max }\right)\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left(\tilde{T}{P}_i\right)}^{\mathrm{\α}}---\left(D6\right)$

所有概率的总和必须等于1，因此等式(D6)可以表示为：

$P\left({\mathrm{TP}}_{\max }\right)=\frac{1}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left(\tilde{T}{P}_i\right)}^{\mathrm{\α}}}---\left(D7\right)$

换言之，最大吞吐量的选择概率(P(TP_max))与归一化吞吐量的伸展因子参数(α)次幂的总和成反比，并且可以约束伸展因子参数(α)的值，使得平均性能(TP_u)满足一定要求。例如，基于系统正在“尝试”数据速率的事实，因此平均吞吐量(TP_u)不应该掉落，并且不应当比可能的最大吞吐量(TP_max)低(1-γ)％，其中γ表示目标性能比值。可以将该约束条件表示为公式(D8)：

TP_μ≥γ·TP_max    (D8)

当等式(D2)中的平均吞吐量(TP_u)与最大吞吐量(TP_max)和归一化吞吐量

相关时，则等式(D2)可以表示为等式(D9)。

${\mathrm{TP}}_{\mathrm{\μ}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{TP}}_i\·P\left({\mathrm{TP}}_i\right)$

$=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i\·{\mathrm{TP}}_{\max }\·P\left({\mathrm{TP}}_i\right)$

$={\mathrm{TP}}_{\max }\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i\·P\left({\mathrm{TP}}_i\right)---\left(D9\right)$

等式(D9)中的关系可以改写为如等式(D10)所表示的。

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i\·P\left({\mathrm{TP}}_i\right)=\frac{{\mathrm{TP}}_{\mathrm{\μ}}}{{\mathrm{TP}}_{\max }}---\left(D10\right)$

使用如等式(D5)所定义的各个吞吐量的选择概率，来展开等式(D10)的项

得到等式(D11)。

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i\·P\left({\mathrm{TP}}_i\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i\·[\tilde{T}{P}_i^{\mathrm{\α}}\·P\left({\mathrm{TP}}_{\max }\right)]=P\left({\mathrm{TP}}_{\max }\right)\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i^{(\mathrm{\α}+1)}---\left(D11\right)$

将等式(D10)和(D11)组合，结果是：

$P\left({\mathrm{TP}}_{\max }\right)=\frac{{\mathrm{TP}}_{\mathrm{\μ}}}{{\mathrm{TP}}_{\max }}\·\frac{1}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i^{(\mathrm{\α}+1)}}---\left(D12\right)$

等式(D8)假定平均吞吐量(TP_u)对最大吞吐量(TP_max)的比值处于目标性能比值(γ)内(即，

)，因此等式(D12)可以表示为公式(D13)描述的内容。

$P\left({\mathrm{TP}}_{\max }\right)\≥\frac{\mathrm{\γ}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i^{(\mathrm{\α}+1)}}---\left(D13\right)$

当将公式(D13)与等式(D7)组合，结果在公式(D14)中描述，接着其可以改写为公式(D15)。

$\frac{1}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i^{\mathrm{\α}}}\≥\frac{\mathrm{\γ}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i^{(\mathrm{\α}+1)}}---\left(D14\right)$

$\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i^{(\mathrm{\α}+1)}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{T}{P}_i^{\mathrm{\α}}}\≥\mathrm{\γ}---\left(D15\right)$

在步骤565，性能估计模块365确定伸展因子参数(α)，以满足用于选择的目标性能比值(γ)的不等式(D15)。为了找到伸展因子参数(α)的值，可以使用不同的算法来解不等式(D15)。为了找到非线性方程的根，可以通过使用牛顿法、割线法、布伦特法等来执行对函数的极小化。可以通过使用对称多项式与它们的变量的第α次幂的总和之间的恒等式，来将牛顿-吉拉德公式用于整数伸展因子参数(α)值。尽管所有这些公知的方法可以用于找到伸展因子参数(α)值，但是最合适的嵌入式实施方式是查找表。对于

的各个量化值(0到1之间)，以及伸展因子参数(α)的量化值(在1到10之间的某处)，可以对所有的

计算查找表。

计算用于各个数据速率的选择概率

在已经计算出α之后，在步骤570，选择概率计算模块370使用伸展因子参数(α)以及ETF的归一化吞吐量

来更新选择概率计算函数(SPCF)。在步骤580，接着，选择概率计算模块370可以使用以下重现的等式(D5)中的公式，来计算用于各个数据速率的选择概率。

$P\left({\mathrm{TP}}_i\right)=\tilde{T}{P}_i^{\mathrm{\α}}\·P\left({\mathrm{TP}}_{\max }\right)---\left(D5\right)$

具体而言，选择概率计算模块370可以使用等式(D5)的SPCF来用计算机计算/计算/确定更新后的选择概率(P(TP₁)...P(TP_i))，所述更新后的选择概率(P(TP₁)...P(TP_i))对应于一组可用数据速率(DR₁...DR_i)中的各个数据速率(DR₁...DR_i)，使得各个数据速率(DR_i)与一相应的选择概率(P(TP_i))相关联。通过为伸展因子参数(α)选择合适的值，选择概率计算模块370对用于各个数据速率(DR₁...DR_i)的选择概率TP_i进行加权，以优化ETF，从而确保平均吞吐量(TP_μ)处于最大吞吐量(TP_max)的一定百分比处。如上所述，设计SPCF来帮助确保平均吞吐量(TP_u)将向最大吞吐量(TP_max)收敛(TP_μ＝γ·TP_max)，这确保了一定的最小吞吐量性能。

然后，选择概率计算模块370将更新后的用于各个数据速率的选择概率(P(TP₁)...P(TP_i))传输给存储块380。存储块380存储与各个数据速率相关联的选择概率。然后，方法500循环回到步骤520。

在以上描述中，已经描述了应用了机会链路自适应技术的实施例，在机会链路自适应技术中，为优化数据吞吐量，随机地选择一组数据速率之中的数据速率。然而，该应用仅是一种可能应用的说明，并且公开的技术一般可应用于从样本群中随机地选择任意类型样本的很多其他情形。例如，在无线通信网环境中产生的其他可能应用包括但不限于：为测距服务选择邻居节点、以及链路质量探测或预测。

在以上说明中，已经描述了特定实施例。然而，本领域的技术人员应理解，在不偏离如以下权利要求阐述的本发明范围的前提下，可做出各种修改和改变。因此，说明和附图被认为是说明性的而不是限制性意义的，并且意图将所有这类修改都包括在本教导的范围之内。益处、优点、问题的解决方案，以及可使任何益处、优点、或解决方案发生或变得更明显的任何元素都不被解释为任何或所有权利要求的关键的、必须的、或基本的特性或元素。本发明仅通过所附权利要求来定义，所述权利要求包括在本申请待决期间所做的任何修改以及发布的那些权利要求的等效内容。

另外在本文档中，关系术语，例如第一和第二、顶部和底部等，可能仅用于将一个实体或动作与另一实体和动作区别开来，而不必要求或意指这些实体或动作之间存在任何实际这类关系或顺序。术语包括“包括”、“具有”、“包含”、“含有”、或其任何其它变形，意欲涵盖非排它性包含物，使得包括、包含、含有一列元素的过程、方法、物件、装置不仅包括这些元素，还可以包括未明确列出的或者这类过程、方法、物件、或装置所固有的其他元素。在“包括...一个”、“具有...一个”、“包含...一个”、“含有...一个”之前的元件，在没有更多限制的情况下，并不排除在包括该元件的过程、方法、物件、或装置中存在其它相同的元件。除非本文明确说明，否则术语“个”定义为一个或一个以上。将术语“基本上”“本质上”、“大约”、“近似”或任何其他形式定义为接近本领域普通技术人员所理解的内容，并且在一个非限制性实施例中，将该术语定义为在10％以内，而在另一实施例中，在5％以内，在又一实施例中，在1％以内，在再一个实施例中，在0.5％以内。按本文的用法，将术语“耦合”定义为连接，尽管不必是直接地连接，且不必是机械性连接。以特定方式“配置”的设备或结构至少可以用该种方式来配置，但是也可以用没有列出的方式来配置。

应当理解，一些实施例可以包括一个或多个通用或专用处理器(或者“处理设备”)，诸如微处理器、数字信号处理器、定制处理器和现场可编程门阵列(FPGA)、以及唯一存储的程序指令(包括软件和固件)，该程序指令控制一个或多个处理器来与特定非处理器电路相结合，实施本文描述的方法和/或装置的部分、绝大部分、或所有功能。替代性地，可以由未存储程序指令的状态机，或是在一个或多个专用集成电路(ASIC)之中实施部分或所有功能，在所述ASIC中，将每种功能或特定功能的一些组合实施为定制逻辑。当然，可以使用两种方法的组合。

另外，可以将实施例实施为计算机可读取的存储介质，在其上存储了计算可读取代码，用于对计算机(例如，包括处理器)进行编程以执行本文所述和要求保护的方法。该计算机可读取存储介质的示例包括但不限于：硬盘、CD-ROM、光学存储设备、磁存储设备、ROM(只读存储器)、PROM(可编程只读存储器)，EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)和闪存。另外，可以预计的是，尽管可能因例如可用时间、现有技术、和经济上的考虑而促使本领域技术人员进行重大努力和众多设计选择，但是当由本文公开的概念和原理指引时，本领域技术人员将能够以最少的试验轻易地生成这类软件指令和程序、以及IC。

提供本公开的摘要，以使得读者可以快速地确定本公开技术的属性。在提交摘要的前提是理解其不会用于解释或限制权利要求的范围或意义。另外，在上述具体描述中，为了精简本公开，可见将不同的特征在各种实施例进行了组合。该公开的方法不被解释为反映如下的发明，其中，要求保护的实施例要求比每个权利要求中明确表示的更多的特征。相反，如以下权利要求反映的，发明主题处在比单个公开的实施例之中的所有特征少的特征上。因此，将以下权利要求并入具体描述，其中每个权利要求其自身作为独立的要求保护的主题。

Claims (25)

1.一种链路自适应方法，包括：

在节点上存储一组发射参数(v₁...v_i)和用于各个发射参数(v₁...v_i)的对应的选择概率(P(v₁)...P(v_i))，其中各个所述发射参数(v₁...v_i)与对应的选择概率相关联；

在所述节点处，根据选择概率计算函数(SPCF)，基于与各个所述发射参数相关联的所述选择概率(P(v₁)...P(v_i))，从一组可用的发射参数中随机地选择特定发射参数；

根据所述特定发射参数，从所述节点发射分组；

在所述节点上，接收传输反馈信息，所述传输反馈信息与根据所述特定发射参数进行的第一分组的传输相关，并使用所述传输反馈信息来推导与根据所述特定发射参数进行的所述分组的传输相关的性能统计；

使用所述性能统计，指定用于所述特定发射参数的估计性能函数(EPF)(F)，所述估计性能函数(EPF)(F)反映了与所述特定发射参数相关联的估计性能；以及

对所述选择概率计算函数(SPCF)进行更新，以生成更新后的对应于所述一组可用的发射参数(v₁...v_i)中的各个发射参数(v₁...v_i)的选择概率(P(v₁)...P(v_i))。

2.如权利要求1所述的方法，进一步包括：

用更新后的与各个所述发射参数(v₁...v_i)相关联的选择概率(P(v₁)...P(v_i))，来更新存储在所述节点中的用于各个所述发射参数(v₁...v_i)的所述选择概率(P(v₁)...P(v_i))；

准备发射另一分组；以及

在所述节点上，根据所述更新后的选择概率计算函数(SPCF)，基于更新后的与各个所述发射参数(v₁...v_i)相关联的选择概率(P(v₁)...P(v_i))，从所述一组可用的发射参数(v₁...v_i)中随机地选择一个发射参数。

3.如权利要求1所述的方法，其中，对所述更新后的选择概率(P(v₁)...P(v_i))进行加权，以优化所述EPF，使得平均性能(F_μ)将向最大性能(F_max)收敛，并确保平均性能(F_u)处于所述最大性能(F_max)的一定百分比内。

4.如权利要求1所述的方法，其中，各个所述更新后的选择概率(P(v₁)...P(v_i))指定：

反映了在一组可能的发射参数(v₁，...，v_i)中的特定发射参数(v_i)将要被选择的次数相对所有其他可能选择概率P(v_i)的百分比。

5.如根据权利要求1所述的方法，其中，所述性能统计包括：与根据所述特定发射参数进行的所述分组的传输相关联的平均性能(μ_F)，以及用于根据所述特定发射参数进行的所述分组的传输的性能标准偏差(σ_F)函数，并且其中，所述估计性能函数(EPF)(F)包括：

F＝μ_F-(σ_F·(1-2β))，

其中，所述EPF(F)包括用于控制所述EPF(F)的积极性的积极性因子(β)。

6.如权利要求1所述的方法，其中，所述平均性能(Fμ)是：

$F_{\mathrm{\μ}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{F}_i\·P\left(v_i\right),$ 并且

其中，所述平均性能(Fμ)与所述最大性能(F_max)的比值处于目标性能比值(γ)内。

7.如权利要求1所述的方法，进一步包括：

确定归一化性能

所述归一化性能是用于发射参数i的性能(F_i)与最大性能(F_max)的比值。

8.如权利要求7所述的方法，进一步包括：

对于目标性能比值(γ)计算伸展因子参数(α)。

9.如权利要求8所述的方法，其中，对于所述目标性能比值(γ)计算所述伸展因子参数(α)的步骤，包括：

计算伸展因子参数(α)以满足：

$\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{(\mathrm{\α}+1)}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{\mathrm{\α}}}\≥\mathrm{\γ}$

对于目标性能比值(γ)，其中，约束所计算出的伸展因子参数(α)，使得所述平均性能(Fμ)大于或等于所述最大性能(F_max)的(1-目标性能比值(γ))百分比。

10.如权利要求8所述的方法，其中，对选择概率计算函数(SPCF)进行更新，以生成更新后的对应于所述一组可用的发射参数(v₁...v_i)中的各个发射参数(v₁...v_i)的选择概率(P(v₁)...P(v_i))的步骤，包括：

基于所述伸展因子参数(α)和所测得的归一化性能

对所述选择概率计算函数(SPCF)进行更新，以生成更新后的对应于所述一组可用的发射参数(v₁...v_i)中的各个发射参数(v₁...v_i)的选择概率(P(v₁)...P(v_i))。

11.如权利要求8所述的方法，其中所述选择概率计算函数(SPCF)，包括：

$P\left(v_i\right)={\tilde{F}}_i^{\mathrm{\α}}\·P\left(F_{\max }\right),$

其中，特定发射参数i上的性能的选择概率(P(v_i))等于所述最大性能的选择概率(P(F_max))与所述归一化性能

的所述伸展因子参数(α)次幂的乘积。

12.如权利要求1所述的方法，其中，所述发射参数(v₁...v_i)包括数据速率(DR₁...DR_i)。

13.如权利要求12所述的方法，其中，所述性能是数据吞吐量。

14.一个节点，包括：

存储器，所述存储器被设计为存储一组发射参数(v₁...v_i)和用于各个所述发射参数(v₁...v_i)的对应的选择概率(P(v₁)...P(v_i))，其中，各个所述发射参数(v₁...v_i)与对应的选择概率相关联；

链路自适应模块，所述链路自适应模块被设计为：使用选择概率计算函数(SPCF)，来基于与各个所述发射参数相关联的所述选择概率(P(v₁)...P(v_i))，从一组可用的发射参数中随机地选择特定发射参数；

发射机，所述发射机被设计为：根据所述特定发射参数，从所述节点发射分组；

接收机，所述接收机被设计为：接收与根据所述特定发射参数进行的第一分组的传输相关的传输反馈信息，并且

其中所述链路自适应模块被设计为：

基于所述传输反馈信息，推导性能统计，其中，所述性能统计与根据所述特定发射参数进行的所述分组的传输相关；并且

基于更新后的选择概率计算函数(SPCF)，生成更新后的对应于所述一组可用的发射参数(v₁...v_i)中的各个发射参数(v₁...v_i)的选择概率(P(v₁)...P(v_i))。

15.如权利要求14所述的节点，进一步包括：

更新所述选择概率计算函数(SPCF)，以生成更新后的用于存储在所述节点上的各个所述发射参数(v₁...v_i)的选择概率(P(v₁)...P(v_i))，所述更新后的选择概率(P(v₁)...P(v_i))与各个所述发射参数(v₁...v_i)相关联；

准备发射另一分组；并且

在所述节点上，根据所述更新后的选择概率计算函数(SPCF)，基于所述更新后的与各个所述发射参数(v₁...v_i)相关联的选择概率(P(v₁)...P(v_i))，从所述一组可用的发射参数(v₁...v_i)中随机地选择一个发射参数。

16.如权利要求14所述的节点，其中，对所述更新后的选择概率(P(v₁)...P(v_j))进行加权，以优化EPF，使得平均性能(F_u)将向最大性能(F_max)收敛，并确保平均性能(F_u)处于所述最大性能(F_max)的一定百分比内。

17.如权利要求14所述的节点，其中，各个所述更新后的选择概率(P(v₁)...P(v_i))指定：

反映了在一组可能的发射参数(v₁，...，v_i)中的特定发射参数(v_i)将要被选择的次数相对所有其他可能选择概率P(v_i)的百分比。

18.如权利要求14所述的节点，其中，所述性能统计包括：与根据所述特定发射参数进行的所述分组的传输相关联的平均性能(μ_F)，以及用于根据所述特定发射参数进行的所述分组的传输的性能标准偏差(σ_F)函数，并且其中，所述估计性能函数(EPF)(F)包括：

F＝μ_F-(σ_F·(1-2β))，

其中，所述EPF(F)包括用于控制所述EPF(F)的积极性的积极性因子(β)。

19.如权利要求14所述的节点，其中，所述平均性能(Fμ)是：

$F_{\mathrm{\μ}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{F}_i\·P\left(v_i\right),$ 以及

其中，所述平均性能(Fμ)与所述最大性能(F_max)的比值处于目标性能比值(γ)内。

20.如权利要求14所述的节点，其中，所述链路自适应模块进一步设计为：

基于所述性能统计，来指定用于所述特定发射参数的估计性能函数(EPF)(F)，所述估计性能函数(EPF)(F)反映了与所述特定发射参数相关联的估计性能，

确定归一化性能所述归一化性能

是用于发射参数i的性能(F_i)与最大性能(F_max)的比值，还对于目标性能比值(γ)确定伸展因子参数(α)；并且，其中计算用于目标性能比值(γ)的所述伸展因子参数(α)，以满足：

$\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{(\mathrm{\α}+1)}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\tilde{F}}_i^{\mathrm{\α}}}\≥\mathrm{\γ}$

对于目标性能比值(γ)，其中，约束所计算出的伸展因子参数(α)，使得所述平均性能(Fμ)大于或等于所述最大性能(P_max)的(1-所述目标性能比值(γ))百分比，并且其中，所述链路自适应模块被进一步设计为：

基于包括所述伸展因子参数(α)和所测得的归一化性能

的选择概率计算函数(SPCF)，来生成更新后的对应于所述一组可用的发射参数(v₁...v_i)中的各个发射参数(v₁...v_i)的选择概率(P(v₁)...P(v_i))。

21.如权利要求20所述的节点，其中，所述选择概率计算函数(SPCF)，包括：

$P\left(v_i\right)={\tilde{F}}_i^{\mathrm{\α}}\·P\left(F_{\max }\right),$

其中，特定发射参数i处的性能的选择概率(P(v_i))等于：所述最大性能的选择概率(P(F_max))与所述归一化性能

的所述伸展因子参数(α)次幂的乘积。

22.如权利要求14所述的节点，其中，所述发射参数(v₁...v_i)包括数据速率(DR₁...DR_i)，并且其中，所述性能是数据吞吐量。

23.一种方法，包括：

接收传输反馈信息，并使用所述传输反馈信息来计算与根据特定发射参数进行的分组的传输相关的性能统计；

基于所述性能统计，来指定反映与所述特定发射参数相关联的估计性能的估计性能函数；

对于目标性能比值确定伸展因子参数；以及

基于所述伸展因子参数，生成更新后的对应于一组可用的发射参数中的各个发射参数的选择概率。

24.一种链路自适应模块，所述链路自适应模块被设计为：

基于传输反馈信息，推导与根据特定发射参数进行的分组的传输相关的性能统计，并且基于所推导出的性能统计，定义估计性能函数，所述估计性能函数反映与所述特定发射参数相关联的估计性能；以及

对于目标性能比值确定伸展因子参数，并且基于包括所述伸展因子参数的选择概率计算函数，来生成更新后的对应于所述一组可用的发射参数中的各个发射参数的选择概率。

25.一种方法，包括：

基于传输反馈信息，计算与根据特定发射参数进行的分组的传输相关的性能统计；

基于所述性能统计，来指定反映与所述特定发射参数相关联的估计性能的估计性能函数；

对于目标性能比值确定伸展因子参数；以及

基于所述伸展因子参数，生成更新后的对应于所述一组可用的发射参数中的各个发射参数的选择概率。

Images