CN103051425B - 一种基于信道参量和模糊算法的链路自适应传输方法 - Google Patents

Abstract

本发明公开了一种基于信道参量和模糊算法的链路自适应传输方法，包括以下步骤：(1)根据信号在传播过程中的信道参量，定义信道状态因子和信道状态辅助因子；(2)测量和计算信道状态因子和信道状态辅助因子；(3)根据模糊准则和模糊算法进行信道状态的判定；(4)根据判定的信道状态确定传输技术。该方法具有简单明了、容易实现的特点，有利于降低系统的复杂度和能耗，是一种绿色通信技术，适用于各种无线移动通信系统，对无线移动通信系统的设计有较大的科学意义和应用价值。

Description

一种基于信道参量和模糊算法的链路自适应传输方法

技术领域

本发明涉及移动通信领域，具体涉及一种基于信道参量和模糊算法的链路自适应传输方法。

背景技术

信号在无线移动场景中的传播主要有两种效应，一是多径效应，二是阴影遮蔽效应。当电波在传播过程中，由于障碍物阻挡了视距路径，发出的电磁波通常不能直接到达接收天线，接收到的电磁波是由建筑物、树木及其他障碍物导致的反射、衍射和散射而产生的来自不同方向的波叠加而成的，就会发生多径效应。当电波在传播路径上遇到起伏的山丘、建筑物、树林等障碍物阻挡，这些障碍物通过吸收、反射、散射和绕射等方式衰落信号功率，形成电波的阴影区，引起信号衰落，就会发生阴影遮蔽效应。因此，移动通信的无线传输信道是一个多径衰落、随机时变的信道，随着接收机和(或)发射机的移动，与此相关的多径传播导致了接收信号出现明显且随机的波动。取决于移动单元的速度和载波频率的不同，每秒钟内会出现多次30～40dB之间的衰落和远低于接收信号平均值的信号。

在移动通信系统中，由于无线衰落信道时变的特点，使通信过程存在大量的不确定性。采用链路自适应技术可以获得更高的带宽效率和系统容量。链路自适应技术的核心思想是:在不牺牲误比特率性能的前提下，根据无线通信环境和服务质量要求，通过动态的改变发送端的发送功率、波特率、星座图的大小、编码方案、编码效率等，在较好的无线信道条件下获得较大的吞吐量；而当无线信道质量下降时，相应地降低传输速率，最终达到提高系统资源的利用率，获得较高的系统吞吐量和容量的目的。因此，在许多无线分组数据传输系统的国际标准中都采用了链路自适应技术，例如作为WCDMA增强技术的高速下行分组接入系统(HSDPA)、无线局域网(WLAN)标准802.1la，以及宽带无线接入系统IEEE802.16等都建议采用链路自适应技术来提高系统的吞吐量以及频谱效率。

在现有系统中，链路自适应技术的核心判决依据是信道状态信息(CSI)，通常指的是信噪比或误比特率等，但是，CSI本身并不反映无线电波传播过程的物理机制，比如当误码率很高时，从CSI看不出引起高误码率的具体原因，因此，仅仅根据CSI进行无线链路的自适应传输容易发生误判。此外，由于链路自适应技术需要通过信道估计获得信道的瞬时状态信息，因此会增加系统实现的复杂度。

发明内容

针对现有技术的不足，本发明提供一种基于信道参量和模糊算法的链路自适应传输方法。该方法具有简单明了、容易实现的特点，有利于降低系统的复杂度和能耗，是一种绿色通信技术，适用于各种无线移动通信系统，对无线移动通信系统的设计有较大的科学意义和应用价值。

本发明所述的一种基于信道参量和模糊算法的链路自适应传输方法，该方法包括以下步骤：

(1)根据信号在传播过程中的信道参量，定义信道状态因子和信道状态辅助因子；

(2)测量和计算信道状态因子和信道状态辅助因子；

(3)根据模糊准则和模糊算法进行信道状态的判定；

(4)根据判定的信道状态确定传输技术。

所述信道状态因子为设定的测量时间段内多径信号的相对能量数值大于设定门限值的时间比例，该相对能量数值为以下数据之一：

(1)接收到的最强路径信号的有效电平的绝对值与次强路径信号的有效电平的绝对值之比，或接收到的最强路径信号的功率与次强路径信号的功率之比。

(2)接收到的最强路径信号的有效电平的绝对值与其余各路径或所有路径信号的有效电平的绝对值的算术或加权平均值之比，或接收到的最强路径信号的功率与其余各路径或所有路径信号的功率的算术或加权平均值之比。

(3)接收到的最强路径信号的有效电平的绝对值与其余各路径或所有路径信号的有效电平的绝对值的总和之比，或接收到的最强路径信号的功率与其余各路径或所有路径信号的总功率之比。

所述信道状态辅助因子为设定的测量时间段内接收到的最强路径信号的有效电平的绝对值低于设定电平门限值Γ_v的时间比例，或者是在设定的测量时间段内接收到的最强路径信号的功率低于设定功率门限值Γ_p的时间比例。

所述模糊准则包括以下两种：

第一种：

(1)如果μ_F(f)是H_f且μ_S(s)是L_s，则信道状态为C11；

(2)如果μ_F(f)是H_f且μ_S(s)是M_s，则信道状态为C11；

(3)如果μ_F(f)是H_f且μ_S(s)是H_s，则信道状态为C14；

(4)如果μ_F(f)是M_f且μ_S(s)是L_s，则信道状态为C11或C12；

(5)如果μ_F(f)是M_f且μ_S(s)是M_s，则信道状态为C12或C13；

(6)如果μ_F(f)是M_f且μ_S(s)是H_s，则信道状态为C14；

(7)如果μ_F(f)是L_f且μ_S(s)是L_s，则信道状态为C13；

(8)如果μ_F(f)是L_f且μ_S(s)是M_s，则信道状态为C13；

(9)如果μ_F(f)是L_f且μ_S(s)是H_s，则信道状态为C14。

其中：

C11、C12、C13和C14为信道的四种状态，C11代表具有低误码率特性的良好信道，C13代表具有较高误码率特性的较差信道，C12代表误码率特性介于C11和C13之间的一般信道，C14代表具有高误码率特性的差信道。

第二种：

(1)如果μ_F(f)是H_f且μ_S(s)是L_s，则信道状态为C21；

(2)如果μ_F(f)是H_f且μ_S(s)是M_s，则信道状态为C21；

(3)如果μ_F(f)是H_f且μ_S(s)是H_s，则信道状态为C23；

(4)如果μ_F(f)是M_f且μ_S(s)是L_s，则信道状态为C21或C22；

(5)如果μ_F(f)是M_f且μ_S(s)是M_s，则信道状态为C22；

(6)如果μ_F(f)是M_f且μ_S(s)是H_s，则信道状态为C23；

(7)如果μ_F(f)是L_f且μ_S(s)是L_s，则信道状态为C22；

(8)如果μ_F(f)是L_f且μ_S(s)是M_s，则信道状态为C22；

(9)如果μ_F(f)是L_f且μ_S(s)是H_s，则信道状态为C23。

其中：

C21、C22、C23为信道的三种状态，C21代表具有低误码率特性的良好信道，C23代表具有高误码率特性的差信道，C22代表误码率特性介于C21和C23之间的一般信道。

以上两种模糊准则中，F为信道状态因子模糊集，S为信道状态辅助因子模糊集，其隶属函数如下式所示：

$L_f:{\mathrm{\&mu;}}_F\left(f\right)=\left\{\begin{array}{cc}1& 0\&le;f<A2\\ \frac{A1-f}{A1-A2}& A2\&le;f<A1\\ 0& A1\&le;f\&le;1\end{array}\right.;$

$M_f:{\mathrm{\&mu;}}_F\left(f\right)=\left\{\begin{array}{cc}0& 0\&le;f<A2\\ \frac{f-A2}{A1-A2}& A2\&le;f<A1\\ \frac{A3-f}{A3-A1}& A1\&le;f<A3\\ 0& A3\&le;f\&le;1\end{array}\right.;$

$H_f:{\mathrm{\&mu;}}_F\left(f\right)=\left\{\begin{array}{cc}1& 0\&le;f<A1\\ \frac{f-A1}{A3-A1}& A1\&le;f<A3\\ 0& A3\&le;f\&le;1\end{array}\right.;$

$L_s:{\mathrm{\&mu;}}_S\left(s\right)=\left\{\begin{array}{cc}1& 0\&le;s<B2\\ \frac{B1-s}{B1-B2}& B2\&le;s<B1\\ 0& B1\&le;s\&le;1\end{array}\right.;$

$M_s:{\mathrm{\&mu;}}_S\left(f\right)=\left\{\begin{array}{cc}0& 0\&le;s<B2\\ \frac{s-B2}{B1-B2}& B2\&le;s<B1\\ \frac{B3-s}{B3-B1}& B1\&le;s<B3\\ 0& B3\&le;s\&le;1\end{array}\right.;$

$H_s:{\mathrm{\&mu;}}_S\left(s\right)=\left\{\begin{array}{cc}0& 0\&le;s<B1\\ \frac{s-B1}{B3-B1}& B1\&le;s<B3\\ 1& B3\&le;s\&le;1\end{array}\right.;$

式中：

f为信道状态因子，μ_F(f)表示f是F中成员的隶属度，是0和1之间的一个实数；L_f表示低隶属度的μ_F(f)，M_f表示中隶属度的μ_F(f)，H_f表示高隶属度的μ_F(f)；A1、A2、A3分别为隶属函数的参数且都为[0,1]区间的实数，A2<A1<A3；

s为信道状态辅助因子，μ_S(s)表示s是S中成员的隶属度，是0和1之间的一个实数；L_s表示低隶属度的μ_S(s)，M_s表示中隶属度的μ_S(s)，H_s表示高隶属度的μ_S(s)；B1、B2、B3分别为隶属函数的参数且都为[0,1]区间的实数，B2<B1<B3。

所述的信道状态判定所依据的算法由下述数学式表达：

(1)对于第一种模糊准则，其算法数学式为：

$\mathrm{Selection}\left(\mathrm{CS}1\right)=\underset{R\&Element;\mathrm{SUBSET}11}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

$\mathrm{Selection}\left(\mathrm{CS}2\right)=\underset{R\&Element;\mathrm{SUBSET}12}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

$\mathrm{Selection}\left(\mathrm{CS}3\right)=\underset{R\&Element;\mathrm{SUBSET}13}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

$\mathrm{Selection}\left(\mathrm{CS}4\right)=\underset{R\&Element;\mathrm{SUBSET}14}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

式中：SUBSET11，SUBSET12，SUBSET13和SUBSET14分别表示信道状态为C11，C12，C13和C14的模糊准则的集合；Selection(CSi)为信道状态的判定变量，其中i＝1,2,3,4；取最大的Selection(CSi)所对应的CSi为判定的信道状态；

(2)对于第二种模糊准则，其算法数学式为：

$\mathrm{Selection}\left(\mathrm{CS}1\right)=\underset{R\&Element;\mathrm{SUBSET}21}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

$\mathrm{Selection}\left(\mathrm{CS}2\right)=\underset{R\&Element;\mathrm{SUBSET}22}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

$\mathrm{Selection}\left(\mathrm{CS}3\right)=\underset{R\&Element;\mathrm{SUBSET}23}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

式中：SUBSET21，SUBSET22和SUBSET23分别表示信道状态为C21，C22和C23的模糊准则的集合；Selection(CSi)为信道状态的判定变量，其中i＝1,2,3；取最大的Selection(CSi)所对应的CSi为判定的信道状态。

所述根据判定的信道状态确定传输技术，包括两种方案：

第一种方案：

(1)信道状态为CS1时，采用64-QAM调制；

(2)信道状态为CS2时，采用16-QAM调制；

(3)信道状态为CS3时，采用4-QAM调制；

(4)信道状态为CS4时，同时采用4-QAM调制和功率控制；

第二种方案：

(1)信道状态为CS1时，采用16-QAM调制；

(2)信道状态为CS2时，采用4-QAM调制；

(3)信道状态为CS3时，同时采用4-QAM调制和功率控制。

附图说明

图1为信道状态因子模糊集F的隶属函数图。

图2为信道状态辅助因子模糊集S的隶属函数图。

具体实施方式

下面根据上述发明内容并结合附图和实施例对本发明作进一步的描述。

设置A1＝0.5，A2＝0.3，A3＝0.7，B1＝0.2，B2＝0.1，B3＝0.4，如果采用第一种模糊准则，当信道状态判定为CS1时，采用64-QAM调制；当信道状态判定为CS2时，采用16-QAM调制；当信道状态判定为CS3时，采用4-QAM调制；当信道状态判定为CS4时，同时采用4-QAM调制和功率控制。如果采用第二种模糊准则，当信道状态判定为CS1时，采用16-QAM调制；当信道状态判定为CS2时，采用4-QAM调制；当信道状态判定为CS3时，同时采用4-QAM调制和功率控制。于是：

(1)当f＝0.8，s＝0.1，根据第一种模糊准则，有：

$\mathrm{Selection}\left(\mathrm{CS}1\right)=\underset{R\&Element;\mathrm{SUBSET}11}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0.5;$

$\mathrm{Selection}\left(\mathrm{CS}2\right)=\underset{R\&Element;\mathrm{SUBSET}12}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0;$

$\mathrm{Selection}\left(\mathrm{CS}3\right)=\underset{R\&Element;\mathrm{SUBSET}13}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0;$

$\mathrm{Selection}\left(\mathrm{CS}4\right)=\underset{R\&Element;\mathrm{SUBSET}14}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0;$

所以，判定信道状态为CS1，采用64-QAM调制。

(2)当f＝0.6，s＝0.2，根据第二种模糊准则，有：

$\mathrm{Selection}\left(\mathrm{CS}1\right)=\underset{R\&Element;\mathrm{SUBSET}21}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0.5;$

$\mathrm{Selection}\left(\mathrm{CS}2\right)=\underset{R\&Element;\mathrm{SUBSET}22}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0.5;$

$\mathrm{Selection}\left(\mathrm{CS}3\right)=\underset{R\&Element;\mathrm{SUBSET}23}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0;$

由于Selection(CS1)＝Selection(CS2)＝0.5，判定信道状态为CS1或CS2，考虑到s偏大，判定信道状态为CS2，采用4-QAM调制。

(3)当f＝0.45，s＝0.3，根据第一种模糊准则，有：

$\mathrm{Selection}\left(\mathrm{CS}1\right)=\underset{R\&Element;\mathrm{SUBSET}11}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0;$

$\mathrm{Selection}\left(\mathrm{CS}2\right)=\underset{R\&Element;\mathrm{SUBSET}12}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0.5;$

$\mathrm{Selection}\left(\mathrm{CS}3\right)=\underset{R\&Element;\mathrm{SUBSET}13}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0.25;$

$\mathrm{Selection}\left(\mathrm{CS}4\right)=\underset{R\&Element;\mathrm{SUBSET}14}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\}=0.75;$

所以，判定信道状态为CS4，同时采用4-QAM和功率控制。

Claims (2)

1.一种基于信道参量和模糊算法的链路自适应传输方法，包括以下步骤：

(1)根据信号在传播过程中的信道参量，定义信道状态因子和信道状态辅助因子；

(2)测量和计算信道状态因子和信道状态辅助因子；

(3)根据模糊准则和模糊算法进行信道状态的判定；

(4)根据判定的信道状态确定传输技术；

所述信道状态因子为设定的测量时间段内多径信号的相对能量数值大于设定门限值的时间比例，该相对能量数值为以下数据之一：

(1)接收到的最强路径信号的有效电平的绝对值与次强路径信号的有效电平的绝对值之比，或接收到的最强路径信号的功率与次强路径信号的功率之比；

(2)接收到的最强路径信号的有效电平的绝对值与其余各路径或所有路径信号的有效电平的绝对值的算术或加权平均值之比，或接收到的最强路径信号的功率与其余各路径或所有路径信号的功率的算术或加权平均值之比；

(3)接收到的最强路径信号的有效电平的绝对值与其余各路径或所有路径信号的有效电平的绝对值的总和之比，或接收到的最强路径信号的功率与其余各路径或所有路径信号的总功率之比；

所述信道状态辅助因子为设定的测量时间段内接收到的最强路径信号的有效电平的绝对值低于设定电平门限值Γ_v的时间比例，或者是在设定的测量时间段内接收到的最强路径信号的功率低于设定功率门限值Γ_p的时间比例；

所述模糊准则包括两种：

第一种：

(1)如果μ_F(f)是H_f且μ_S(s)是L_s，则信道状态为C11；

(2)如果μ_F(f)是H_f且μ_S(s)是M_s，则信道状态为C11；

(3)如果μ_F(f)是H_f且μ_S(s)是H_s，则信道状态为C14；

(4)如果μ_F(f)是M_f且μ_S(s)是L_s，则信道状态为C11或C12；

(5)如果μ_F(f)是M_f且μ_S(s)是M_s，则信道状态为C12或C13；

(6)如果μ_F(f)是M_f且μ_S(s)是H_s，则信道状态为C14；

(7)如果μ_F(f)是L_f且μ_S(s)是L_s，则信道状态为C13；

(8)如果μ_F(f)是L_f且μ_S(s)是M_s，则信道状态为C13；

(9)如果μ_F(f)是L_f且μ_S(s)是H_s，则信道状态为C14；

其中：C11、C12、C13和C14为信道的四种状态，C11代表具有低误码率特性的良好信道，C13代表具有较高误码率特性的较差信道，C12代表误码率特性介于C11和C13之间的一般信道，C14代表具有高误码率特性的差信道；

第二种：

(1)如果μ_F(f)是H_f且μ_S(s)是L_s，则信道状态为C21；

(2)如果μ_F(f)是H_f且μ_S(s)是M_s，则信道状态为C21；

(3)如果μ_F(f)是H_f且μ_S(s)是H_s，则信道状态为C23；

(4)如果μ_F(f)是M_f且μ_S(s)是L_s，则信道状态为C21或C22；

(5)如果μ_F(f)是M_f且μ_S(s)是M_s，则信道状态为C22；

(6)如果μ_F(f)是M_f且μ_S(s)是H_s，则信道状态为C23；

(7)如果μ_F(f)是L_f且μ_S(s)是L_s，则信道状态为C22；

(8)如果μ_F(f)是L_f且μ_S(s)是M_s，则信道状态为C22；

(9)如果μ_F(f)是L_f且μ_S(s)是H_s，则信道状态为C23；

其中：C21、C22、C23为信道的三种状态，C21代表具有低误码率特性的良好信道，C23代表具有高误码率特性的差信道，C22代表误码率特性介于C21和C23之间的一般信道；

以上两种模糊准则中，F为信道状态因子模糊集，S为信道状态辅助因子模糊集，其隶属函数如下式所示：

L_f： ${\mathrm{\&mu;}}_F\left(f\right)=\left\{\begin{array}{cc}1& 0\&le;f<A2\\ \frac{A1-f}{A1-A2}& A2\&le;f<A1\\ 0& A1\&le;f\&le;1\end{array}\right.;$

M_f： ${\mathrm{\&mu;}}_F\left(f\right)=\left\{\begin{array}{cc}0& 0\&le;f<A2\\ \frac{f-A2}{A1-A2}& A2\&le;f<A1\\ \frac{A3-f}{A3-A1}& A1\&le;f\&le;A3\\ 0& A3\&le;f\&le;1\end{array}\right.;$

H_f： ${\mathrm{\&mu;}}_F\left(f\right)=\left\{\begin{array}{cc}0& 0\&le;f<A1\\ \frac{f-A1}{A3-A1}& A1\&le;f<A3\\ 1& A3\&le;f\&le;1\end{array}\right.;$

L_s： ${\mathrm{\&mu;}}_S\left(s\right)=\left\{\begin{array}{cc}1& 0\&le;s<B2\\ \frac{B1-s}{B1-B2}& B2\&le;s<B1\\ 0& B1\&le;s\&le;1\end{array}\right.;$

M_s： ${\mathrm{\&mu;}}_S\left(s\right)=\left\{\begin{array}{cc}0& 0\&le;s<B2\\ \frac{s-B2}{B1-B2}& B2\&le;s<B1\\ \frac{B3-s}{B3-B1}& B1\&le;s\&le;B3\\ 0& B3\&le;s\&le;1\end{array}\right.;$

H_s： ${\mathrm{\&mu;}}_S\left(s\right)=\left\{\begin{array}{cc}0& 0\&le;s<B1\\ \frac{s-B1}{B3-B1}& B1\&le;s<B3\\ 1& B3\&le;s\&le;1\end{array}\right.;$

式中：

f为信道状态因子，μ_F(f)表示f是F中成员的隶属度，是0和1之间的一个实数；L_f表示低隶属度的μ_F(f)，M_f表示中隶属度的μ_F(f)，H_f表示高隶属度的μ_F(f)；A1、A2、A3分别为隶属函数的参数且都为[0,1]区间的实数，A2<A1<A3；

s为信道状态辅助因子，μ_S(s)表示s是S中成员的隶属度，是0和1之间的一个实数；L_s表示低隶属度的μ_S(s)，M_s表示中隶属度的μ_S(s)，H_s表示高隶属度的μ_S(s)；B1、B2、B3分别为隶属函数的参数且都为[0,1]区间的实数，B2<B1<B3；

所述模糊算法由下述数学式表达：

对于第一种模糊准则，其算法数学式为：

$\mathrm{Selection}\left(\mathrm{CS}1\right)=\underset{R\&Element;\mathrm{SUBSET}11}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

$\mathrm{Selection}\left(\mathrm{CS}2\right)=\underset{R\&Element;\mathrm{SUBSET}12}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

$\mathrm{Selection}\left(\mathrm{CS}3\right)=\underset{R\&Element;\mathrm{SUBSET}13}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

$\mathrm{Selection}\left(\mathrm{CS}4\right)=\underset{R\&Element;\mathrm{SUBSET}14}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

式中：SUBSET11，SUBSET12，SUBSET13和SUBSET14分别表示信道状态为C11，C12，C13和C14的模糊准则的集合；Selection(CSi)为信道状态的判定变量，其中i＝1,2,3,4；取最大的Selection(CSi)所对应的CSi为判定的信道状态；

对于第二种模糊准则，其算法数学式为：

$\mathrm{Selection}\left(\mathrm{CS}1\right)=\underset{R\&Element;\mathrm{SUBSET}21}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

$\mathrm{Selection}\left(\mathrm{CS}2\right)=\underset{R\&Element;\mathrm{SUBSET}22}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

$\mathrm{Selection}\left(\mathrm{CS}3\right)=\underset{R\&Element;\mathrm{SUBSET}23}{\mathrm{\&Sigma;}}\underset{R}{\min }\{{\mathrm{\&mu;}}_F\left(f\right),{\mathrm{\&mu;}}_S\left(s\right)\};$

式中：SUBSET21，SUBSET22和SUBSET23分别表示信道状态为C21，C22和C23的模糊准则的集合；Selection(CSi)为信道状态的判定变量，其中i＝1,2,3；取最大的Selection(CSi)所对应的CSi为判定的信道状态。

2.根据权利要求1所述的传输方法，其中所述的根据判定的信道状态确定传输技术，包括两种方案：

第一种方案：

(1)信道状态为CS1时，采用64-QAM调制；

(2)信道状态为CS2时，采用16-QAM调制；

(3)信道状态为CS3时，采用4-QAM调制；

(4)信道状态为CS4时，同时采用4-QAM调制和功率控制；

第二种方案：

(1)信道状态为CS1时，采用16-QAM调制；

(2)信道状态为CS2时，采用4-QAM调制；

(3)信道状态为CS3时，同时采用4-QAM调制和功率控制。