CN103167587B - 一种中继协同移动通信系统的中继节点选择方法 - Google Patents

Abstract

本发明公开了一种中继协同移动通信系统的中继节点选择方法。在中继协同网络中，中继节点的选择算法必然涉及到源节点到中继节点的信噪比或平均信噪比、中继节点到目的节点的信噪比或平均信噪比、节点负荷、业务时延四个基本因素。本发明综合考虑了以上四个因素，提供了一种基于模糊算法的中继协同移动通信系统的中继节点选择方法，兼顾了影响中继节点选择的主要因素，方法简单灵活，容易实现，能适应不同类型业务的需要，而且能演变成不同的中继节点选择方法。

Description

一种中继协同移动通信系统的中继节点选择方法

技术领域

本发明涉及移动通信领域，具体涉及一种中继协同移动通信系统的中继节点选择方法。

背景技术

中继协同通信是一种提供高质量无线通信服务的有效技术，中继协同机制构成的网络能显著增加无线网络的系统容量，提高无线网络的分集增益，增强数据传输的可靠性，提供更广和低成本的覆盖，对抗阴影和衰落效应。图1所示为基本的双跳中继协同系统模型，S、D分别表示源节点和目的节点，R₁、R₂、R_N为中继节点。源节点发射数据信号到一个或多个中间节点，这些中间节点成为中继。中继节点对接收的信号进行一些分布式处理，然后重发经过处理的信号到下一个节点；下一个节点可以是目的节点(在双跳中继系统中)，也可以是另一个中继节点(在多跳中继系统中)。最普遍的中继协议是放大转发(AF)和解码前转(DF)协议。在AF协议中，中继节点放大接收的信号然后转发到下一个节点，在DF协议中，中继节点完全解码接收的信号，重生信号，然后前转重构的信号到下一个节点，DF协议需要更多的处理功率，增加了节点处理信号的复杂度。

协同网络中的中继节点和中继网络中的中继节点的作用不完全相同，在协同网络中，所有的节点既是源节点又是中继节点。协同传输中，多个中继节点和源节点(每个源节点配置单根天线)构成了虚天线序列成为分布式MIMO(MultipleInput Multiple Output，多入多出)系统。共信道干扰是协同无线网络中需要解决的一个严重问题。当信息被中继到目的节点时，来自不同中继的信号在目的节点处相互干扰，形成了共信道干扰。尽管可以采用干扰消除技术消除干扰，但是算法很复杂而且结果不一定理想。一个避免干扰的普遍策略是在正交子信道中传输中继信号。正交性可以通过基于重复的策略(Repetition-based strategy)和分布式空时编码(Distributed space-time coding)。前者在不同的时隙前转信号，也就是说，在每一个时隙，只有一个中继节点发射信息，其它的中继节点保持静默，该策略很容易实现，但是频谱效率低。在分布式空时编码技术中，所有中继节点在同一个时隙前转信息。信号被放大或者解调后，中继节点在前转信号之前将使用分布式空时码对信号进行重新编码。

在拥有多个中继节点的协同网络中，中继节点通过多跳中继或协同分集协助源信号的传输，中继选择是其中的关键协同技术。中继选择技术允许单一中继节点(按照某种准则最优的节点)参与协同过程，已经证明能够更有效地利用系统资源，而不会影响系统性能。中继选择的主要优点是实现简单，不要求复杂的物理层传输技术(如分布式空时码)，不需要严格的同步过程。双跳协同网络中的最优中继选择(BRS，Best Relay Selection)技术受到了广泛的关注。在BRS技术中，拥有最大端到端信噪比(SNR，Signal to Noise Ratio)的单个中继节点被选择用来进行信号的中继传输，该技术能取得全分集和维持较高的吞吐率。Max-max中继选择(MMRS，Max-Max Relay Selection)技术在中继节点中引入缓存器，当中继节点能够对分组数据进行缓存时，就能分别选择最优的S-R信道和R-D信道对信号进行接收和发射，此时选择用来接收的中继节点和选择用来发射的中继节点可能不是同一个节点。BRS和MMRS技术也可以结合起来应用，当选择用来接收的中继节点的缓存器已满或者选择用来发射的中继节点的缓存器为空时，应用BRS技术，否则应用MMRS技术。多中继协同传输中，最初的策略是所有中继节点同时参与通信，这要求所有的终端要获得载波同步，复杂度的增加使得当网络规模增长时该策略是不可行的。机会中继策略克服了这一问题，该策略的基本思想是选择一个中继节点子集协助信息的传输，而其它的中继节点保持静默。由于仅仅小部分中继处于激活状态，同步要求自然会显著降低。机会中继选择技术为了在中继传输之前确定最佳的中继节点，需要获得中继节点到目的节点之间信道的即时情况。在实际系统中实现时，信道估计与被选中继节点处实际的数据发射之间会存在时延，其结果是，中继选择技术中使用的即时信道状态信息与数据发射时刻的信道状态信息是不同的，也就是信道状态信息已经过时了，这将导致错误的中继选择，因此可能严重损害系统性能。

发明内容：

鉴于已有文献中的中继选择方法往往从单一因素如信噪比出发进行确定中继节点的算法设计，这么做有利于进行数学上的解析分析，获得闭式的数学公式；但是可能影响资源利用如功率消耗的公平性，这是协同中继系统所不能容忍的。从实际的系统运营角度考虑，在设计中继选择方法时需要从系统性能的角度出发，考虑影响网络性能的多个基本因素。在中继协同网络中，中继节点的选择算法必然涉及到源节点到中继节点的信噪比或平均信噪比、中继节点到目的节点的信噪比或平均信噪比、节点负荷、业务时延四个基本因素。源节点到中继节点的信噪比或平均信噪比反映了源节点到中继节点链路的信道情况，中继节点到目的节点的信噪比或平均信噪比反映了中继节点到目的节点链路的信道情况，节点负荷在一定程度上反映了节点目前的资源状况和接纳新业务的能力，业务时延反映了不同业务对时延的要求。本发明综合考虑了以上四个因素，提出了一种基于模糊算法的中继协同移动通信系统的中继节点选择方法，兼顾了影响中继节点选择的主要因素，方法简单灵活，容易实现，能适应不同类型业务的需要，而且能演变成不同的中继节点选择方法。

本发明首先定义归一化信噪比或归一化平均信噪比、节点负荷和归一化时延，接着建立归一化信噪比或归一化平均信噪比、节点负荷、归一化时延与中继节点之间的模糊准则，并结合准则设计了中继节点选择的模糊算法。

一种中继协同移动通信系统的中继节点选择方法，实现步骤如下：

(1)源节点发送信号，各候选中继节点测量和计算源节点到候选中继节点链路的即时信噪比或平均信噪比；

(2)候选中继节点转发信号，目的节点测量和计算候选中继节点到目的节点链路的即时信噪比或平均信噪比、源节点到目的节点链路的时延，并计算源节点到目的节点的归一化时延；

(3)目的节点向候选中继节点反馈各自链路的即时信噪比或平均信噪比以及源节点到目的节点的归一化时延；

(4)候选中继节点接收反馈的即时信噪比或平均信噪比和归一化时延，计算源节点到本节点链路的归一化信噪比或归一化平均信噪比、本节点到目的节点链路的归一化信噪比或归一化平均信噪比，同时计算本节点的负荷；

(5)候选中继节点根据模糊准则和模糊算法判断是否为有效候选中继节点；

(6)有效候选中继节点将各自的Value(Y)值发送给目的节点；

(7)目的节点根据接收到的来自有效候选中继节点的Value(Y)值的大小，选择其中的一个或多个节点为最终确定的中继节点，并将结果通知各有效候选中继节点。上述中的Value(Y)表示节点状态为Y时的判决变量。

所述归一化信噪比定义为：所述归一化平均信噪比定义为：

其中：

SNR_norm为归一化信噪比，规定当SNR_norm大于1时取值为1；

SNR_mes为系统测量所得的源节点到候选中继节点链路或者候选中继节点到目的节点链路的即时信噪比；

SNR_upper为系统设置的信噪比上限；

为归一化平均信噪比，规定当大于1时取值为1；

为系统测量所得的源节点到候选中继节点链路或者候选中继节点到目的节点链路的平均信噪比；

为系统设置的平均信噪比上限。

所述的归一化时延为业务传输的源节点端到目的节点端时延占业务最大许可时延的百分比；所述的节点负荷为当前节点的已利用处理能力占节点最大处理能力的百分比，或者当前节点已利用的物理资源占最大可利用物理资源的百分比。

所述模糊准则：

假设μ_H是模糊集H的成员函数，对于任意的u∈U，μ_H(u)是0和1之间的一个实数，表示“u是H中成员”的隶属度，如果μ_H(u)＝0，那么我们说u不属于H。

(1)如果x₁属于H₁，x₂属于H₂，y属于H₃，z属于H₄，则节点状态为N；

(2)如果x₁属于H₁，x₂属于H₂，y属于H₃，z属于L₄，则节点状态为N；

(3)如果x₁属于H₁，x₂属于H₂，y属于L₃，z属于H₄，则节点状态为N；

(4)如果x₁属于H₁，x₂属于H₂，y属于L₃，z属于L₄，则节点状态为Y；

(5)如果x₁属于H₁，x₂属于M₂，y属于H₃，z属于H₄，则节点状态为N；

(6)如果x₁属于H₁，x₂属于M₂，y属于H₃，z属于L₄，则节点状态为N；

(7)如果x₁属于H₁，x₂属于M₂，y属于L₃，z属于H₄，则节点状态为N；

(8)如果x₁属于H₁，x₂属于M₂，y属于L₃，z属于L₄，则节点状态为Y；

(9)如果x₁属于H₁，x₂属于L₂，y属于H₃，z属于H₄，则节点状态为N；

(10)如果x₁属于H₁，x₂属于L₂，y属于H₃，z属于L₄，则节点状态为N；

(11)如果x₁属于H₁，x₂属于L₂，y属于L₃，z属于H₄，则节点状态为N；

(12)如果x₁属于H₁，x₂属于L₂，y属于L₃，z属于L₄，则节点状态为N；

(13)如果x₁属于M₁，x₂属于H₂，y属于H₃，z属于H₄，则节点状态为N；

(14)如果x₁属于M₁，x₂属于H₂，y属于H₃，z属于L₄，则节点状态为N；

(15)如果x₁属于M₁，x₂属于H₂，y属于L₃，z属于H₄，则节点状态为N；

(16)如果x₁属于M₁，x₂属于H₂，y属于L₃，z属于L₄，则节点状态为Y；

(17)如果x₁属于M₁，x₂属于M₂，y属于H₃，z属于H₄，则节点状态为N；

(18)如果x₁属于M₁，x₂属于M₂，y属于H₃，z属于L₄，则节点状态为N；

(19)如果x₁属于M₁，x₂属于M₂，y属于L₃，z属于H₄，则节点状态为N；

(20)如果x₁属于M₁，x₂属于M₂，y属于L₃，z属于L₄，则节点状态为Y；

(21)如果x₁属于M₁，x₂属于L₂，y属于H₃，z属于H₄，则节点状态为N；

(22)如果x₁属于M₁，x₂属于L₂，y属于H₃，z属于L₄，则节点状态为N；

(23)如果x₁属于M₁，x₂属于L₂，y属于L₃，z属于H₄，则节点状态为N；

(24)如果x₁属于M₁，x₂属于L₂，y属于L₃，z属于L₄，则节点状态为N；

(25)如果x₁属于L₁，x₂属于H₂，y属于H₃，z属于H₄，则节点状态为N；

(26)如果x₁属于L₁，x₂属于H₂，y属于H₃，z属于L₄，则节点状态为N；

(27)如果x₁属于L₁，x₂属于H₂，y属于L₃，z属于H₄，则节点状态为N；

(28)如果x₁属于L₁，x₂属于H₂，y属于L₃，z属于L₄，则节点状态为N；

(29)如果x₁属于L₁，x₂属于M₂，y属于H₃，z属于H₄，则节点状态为N；

(30)如果x₁属于L₁，x₂属于M₂，y属于H₃，z属于L₄，则节点状态为N；

(31)如果x₁属于L₁，x₂属于M₂，y属于L₃，z属于H₄，则节点状态为N；

(32)如果x₁属于L₁，x₂属于M₂，y属于L₃，z属于L₄，则节点状态为N；

(33)如果x₁属于L₁，x₂属于L₂，y属于H₃，z属于H₄，则节点状态为N；

(34)如果x₁属于L₁，x₂属于L₂，y属于H₃，z属于L₄，则节点状态为N；

(35)如果x₁属于L₁，x₂属于L₂，y属于L₃，z属于H₄，则节点状态为N；

(36)如果x₁属于L₁，x₂属于L₂，y属于L₃，z属于L₄，则节点状态为N；

其中：

L₁为源节点到候选中继节点链路的低信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{L_1}\left(x_1\right)=\begin{array}{c}\left\{\begin{array}{cc}1& 0\&le;x_1<A2\\ \frac{A1-x_1}{A1-A2}& A2\&le;x_1<a1\\ 0& A1\&le;x_1\&le;1\end{array}\right.;\end{array}$

M₁为源节点到候选中继节点链路的中等信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{M_1}\left(x_1\right)=\left\{\begin{array}{cc}0& 0\&le;x_1<A2\\ \frac{x_1-A2}{A1-A2}& A2\&le;x_1<A1\\ \frac{A3-x_1}{A3-A1}& A1\&le;x_1<A3\\ 0& A3\&le;x_1\&le;1\end{array}\right.;$

H₁为源节点到候选中继节点链路的高信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{H_1}\left(x_1\right)=\left\{\begin{array}{cc}0& 0\&le;x_1<A1\\ \frac{x_1-A1}{A3-A1}& A1\&le;x_1<A3\\ 1& A3\&le;x_1\&le;1\end{array}\right.;$

L₂为候选中继节点到目的节点链路的低信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{L_2}\left(x_2\right)=\left\{\begin{array}{cc}1& 0\&le;x_2<A2\\ \frac{A1-x_2}{A1-A2}& A2\&le;x_2<A1\\ 0& A1\&le;x_2\&le;1\end{array}\right.;$

M₂为候选中继节点到目的节点链路的中等信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{M_2}\left(x_2\right)=\left\{\begin{array}{cc}0& 0\&le;x_2<A2\\ \frac{x_2-A2}{A1-A2}& A2\&le;x_2<A1\\ \frac{A3-x_2}{A3-A1}& A1\&le;x_2<A3\\ 0& A3\&le;x_2\&le;1\end{array}\right.;$

H₂为候选中继节点到目的节点链路的高信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{H_2}\left(x_2\right)=\left\{\begin{array}{cc}0& 0\&le;x_2<A1\\ \frac{x_2-A1}{A3-A1}& A1\&le;x_2<A3\\ 1& A3\&le;x_2\&le;1\end{array}\right.;$

L₃为候选中继节点的低负荷模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{L_3}\left(y\right)=\left\{\begin{array}{cc}1& 0\&le;y<B2\\ \frac{B1-y}{B1-B2}& B2\&le;y<B1\\ 0& B1\&le;y\&le;1\end{array}\right.;$

H₃为候选中继节点的高负荷模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{H_3}\left(y\right)=\left\{\begin{array}{cc}0& 0\&le;y<B\\ \frac{y-B2}{B1-B2}& B2\&le;y<B1\\ 1& B1\&le;y\&le;1\end{array}\right.;$

L₄为业务的低时延模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{L_4}\left(z\right)=\left\{\begin{array}{cc}1& 0\&le;z<C2\\ \frac{C1-z}{C1-C2}& C2\&le;z<C1\\ 0& C1\&le;z\&le;1\end{array}\right.;$

H₄为业务的高时延模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{H_4}\left(z\right)=\left\{\begin{array}{cc}0& 0\&le;z<C2\\ \frac{z-C2}{C1-C2}& C2\&le;z<C1\\ 1& C1\&le;z\&le;1\end{array}\right.;$

上述式中：

x₁表示源节点到候选中继节点链路的归一化信噪比或归一化平均信噪比；

x₂表示候选中继节点到目的节点链路的归一化信噪比或归一化平均信噪比；

y表示节点负荷；

z表示归一化时延；

A2<A1<A3，B2<B1，C2<C1，分别为隶属函数的参数且都为[0,1]区间的实数。

所述模糊算法：

用SUBSET(Y)、SUBSET(N)分别表示节点状态为Y、N的模糊准则的集合，用Value(Y)表示节点状态为Y时的判决变量，Value(N)表示节点状态为N时的判决变量。

(1)对于单个候选中继节点，根据测量和计算所得x₁、x₂、y、z值，再分别计算得到L₁、M₁、H₁、L₂、M₂、H₂、L₃、H₃、L₄、H₄值，然后依据模糊准则中的每一条组合，取其中的最小值作为该条模糊准则的节点Y、N状态值，选取各条模糊准则中Y状态值中的最大值作为Value(Y)，选取各条模糊准则中N状态值中的最大值作为Value(N)，如果Value(Y)值大于Value(N)值，则该节点判断为有效候选中继节点；

(2)当存在若干个候选中继节点时，对于每一个候选中继节点分别计算其Value(Y)和Value(N)值，当候选中继节点的Value(Y)的值大于Value(N)的值时，确定该节点为有效候选中继节点，依次对每个候选中继节点做以上的判断，记录有效候选中继节点，如果只需要一个中继节点，从有效候选中继节点中选取具有最大Value(Y)值的节点为确定的中继节点，如果需要选取多个中继节点，根据Value(Y)值从大到小依次选取多个有效候选中继节点作为确定的中继节点，当两个有效候选中继节点的Value(Y)值相等时，对于无时延要求业务，具有较低节点负荷的有效候选中继节点为优先确定的中继节点，对于有时延要求的业务，具有较低归一化时延的有效候选中继节点为优先确定的中继节点，此外归一化信噪比或归一化平均信噪比也可以做为确定中继节点的依据。

当不需要考虑源节点到候选中继节点链路的信噪比或平均信噪比、候选中继节点到目的节点链路的信噪比或平均信噪比中的任意一个参量时，只需要令模糊准则中的相应参数等于1即可。

附图说明

图1为基本的双跳中继协同系统模型图。

图2为本发明中的源节点到候选中继节点链路(i＝1)、候选中继节点到目的节点链路(i＝2)的隶属函数图，x_i表示归一化信噪比或归一化平均信噪比。

图3为本发明中的高负荷模糊集和低负荷模糊集的隶属函数图，y为候选中继节点的负荷。

图4为本发明中的高时延模糊集和低时延模糊集的隶属函数图，z为业务的归一化时延。

具体实施方式

下面结合给出的实施例数据及发明内容中的技术方案步骤对本发明作进一步的描述。

设置A1＝0.5，A2＝0.3，A3＝0.7，B1＝0.7，B2＝0.3，C1＝0.7，C2＝0.3，于是有：

(1)L₁为源节点到候选中继节点链路的低信噪比模糊集，其隶属函数为：

L₁： ${\mathrm{\&mu;}}_{L_1}\left(x_1\right)=\begin{array}{c}\left\{\begin{array}{cc}1& 0\&le;x_1<0.3\\ \frac{0.5-x_1}{0.2}& 0.3\&le;x_1<0.5\\ 0& 0.5\&le;x_1<1\end{array}\right.;\end{array}$

(2)M₁为源节点到候选中继节点链路的中等信噪比模糊集，其隶属函数为：

M₁： ${\mathrm{\&mu;}}_{M_1}\left(x_1\right)=\left\{\begin{array}{cc}0& 0\&le;x_1<0.3\\ \frac{x_1-0.3}{0.2}& 0.3\&le;x_1<0.5\\ \frac{0.7-x_1}{0.2}& 0.5\&le;x_1<0.7\\ 0& 0.7\&le;x_1<1\end{array}\right.;$

(3)H₁为源节点到候选中继节点链路的高信噪比模糊集，其隶属函数为：

H₁： ${\mathrm{\&mu;}}_{H_1}\left(x_1\right)=\left\{\begin{array}{cc}0& 0\&le;x_1<0.5\\ \frac{x_1-0.5}{0.2}& 0.5\&le;x_1<0.7\\ 1& 0.7\&le;x_1<1\end{array}\right.;$

(4)L₂为候选中继节点到目的节点链路的低信噪比模糊集，其隶属函数为：

L₂： ${\mathrm{\&mu;}}_{L_2}\left(x_2\right)=\left\{\begin{array}{cc}1& 0\&le;x_2<0.3\\ \frac{0.5-x_2}{0.2}& 0.3\&le;x_2<0.5\\ 0& 0.5\&le;x_2<1\end{array}\right.;$

(5)M₂为候选中继节点到目的节点链路的中等信噪比模糊集，其隶属函数为：

M₂： ${\mathrm{\&mu;}}_{M_2}\left(x_2\right)=\left\{\begin{array}{cc}0& 0\&le;x_2<0.3\\ \frac{x_2-0.3}{0.2}& 0.3\&le;x_2<0.5\\ \frac{0.7-x_2}{0.2}& 0.5\&le;x_2<0.7\\ 0& 0.7\&le;x_2<1\end{array}\right.;$

(6)H₂为候选中继节点到目的节点链路的高信噪比模糊集，其隶属函数为：

H₂： ${\mathrm{\&mu;}}_{H_2}\left(x_2\right)=\left\{\begin{array}{cc}0& 0\&le;x_2<0.5\\ \frac{x_2-0.5}{0.2}& 0.5\&le;x_2<0.7\\ 1& 0.7\&le;x_2<1\end{array}\right.;$

(7)L₃为候选中继节点的低负荷模糊集，其隶属函数为：

L₃： ${\mathrm{\&mu;}}_{L_3}\left(y\right)=\left\{\begin{array}{cc}1& 0\&le;y<0.3\\ \frac{0.7-y}{0.4}& 0.3\&le;y<0.7\\ 0& B1\&le;y<1\end{array}\right.;$

(8)H₃为候选中继节点的高负荷模糊集，其隶属函数为：

H₃： ${\mathrm{\&mu;}}_{H_3}\left(y\right)=\left\{\begin{array}{cc}0& 0\&le;y<0.3\\ \frac{y-0.3}{0.4}& 0.3\&le;y<0.7\\ 1& 0.7\&le;y<1\end{array}\right.;$

(9)L₄为业务的低时延模糊集，其隶属函数为：

L₄： ${\mathrm{\&mu;}}_{L_4}\left(z\right)=\left\{\begin{array}{cc}1& 0\&le;z<0.3\\ \frac{0.7-z}{0.4}& 0.3\&le;z<0.7\\ 0& 0.7\&le;z\&le;1\end{array}\right.;$

(10)H₄为业务的高时延模糊集，其隶属函数为：

H₄： ${\mathrm{\&mu;}}_{H_4}\left(z\right)=\left\{\begin{array}{cc}0& 0\&le;z<0.3\\ \frac{z-0.3}{0.4}& 0.3\&le;z<0.7\\ 1& 0.7\&le;z\&le;1\end{array}\right.;$

经过测量和计算，获得了5个候选中继节点的数据：

(1)节点1：x₁＝0.6，x₂＝0.8，y＝0.3，z＝0.2；

(2)节点2：x₁＝0.6，x₂＝0.7，y＝0.3，z＝0.1；

(3)节点3：x₁＝0.6，x₂＝0.6，y＝0.3，z＝0.2；

(4)节点4：x₁＝0.4，x₂＝0.6，y＝0.8，z＝0.4；

(5)节点5：x₁＝0.4，x₂＝0.6，y＝0.3，z＝0.8；

下面利用模糊算法对每个节点逐一进行计算：

(1)节点1：L₁： ${\mathrm{\&mu;}}_{L_1}\left(0.6\right)=0;$ M₁： ${\mathrm{\&mu;}}_{M_1}\left(0.6\right)=0.5;$ H₁： ${\mathrm{\&mu;}}_{H_1}\left(0.6\right)=0.5;$

L₂： ${\mathrm{\&mu;}}_{L_2}\left(0.8\right)=0;$ M₂： ${\mathrm{\&mu;}}_{M_2}(0.8)=0;$ H₂： ${\mathrm{\&mu;}}_{H_2}(0.8)=1;$

L₃： ${\mathrm{\&mu;}}_{L_3}(0.3)=1;$ H₃： ${\mathrm{\&mu;}}_{H_3}(0.3)=0;$

L₄： ${\mathrm{\&mu;}}_{L_4}(0.2)=1;$ H₄： ${\mathrm{\&mu;}}_{H_4}(0.2)=0;$

依据模糊准则中的每一条组合，取其中的最小值作为该条模糊准则的节点Y、N状态值，得到下表：

选取各条模糊准则中Y状态值中的最大值作为Value(Y)，得到Value(Y)＝0.5；

选取各条模糊准则中N状态值中的最大值作为Value(N)，得到Value(N)＝0；

由于Value(Y)大于Value(N)，故节点1为有效候选中继节点。

(2)节点2：L₁： ${\mathrm{\&mu;}}_{L_1}\left(0.6\right)=0;$ M₁： ${\mathrm{\&mu;}}_{M_1}\left(0.6\right)=0.5;$ H₁： ${\mathrm{\&mu;}}_{H_1}\left(0.6\right)=0.5;$

L₂： ${\mathrm{\&mu;}}_{L_2}\left(0.7\right)=0;$ M₂： ${\mathrm{\&mu;}}_{M_2}(0.7)=0;$ H₂： ${\mathrm{\&mu;}}_{H_2}(0.7)=1;$

L₃： ${\mathrm{\&mu;}}_{L_3}(0.3)=1;$ H₃： ${\mathrm{\&mu;}}_{H_3}(0.3)=0;$

L₄： ${\mathrm{\&mu;}}_{L_4}(0.1)=1;$ H₄： ${\mathrm{\&mu;}}_{H_4}(0.1)=0;$

依据模糊准则中的每一条组合，取其中的最小值作为该条模糊准则的节点Y、N状态值，得到下表：

选取各条模糊准则中Y状态值中的最大值作为Value(Y)，得到Value(Y)＝0.5；

选取各条模糊准则中N状态值中的最大值作为Value(N)，得到Value(N)＝0；

由于Value(Y)大于Value(N)，故节点2为有效候选中继节点。

(3)节点3：L₁： ${\mathrm{\&mu;}}_{L_1}\left(0.6\right)=0;$ M₁： ${\mathrm{\&mu;}}_{M_1}\left(0.6\right)=0.5;$ H₁： ${\mathrm{\&mu;}}_{H_1}\left(0.6\right)=0.5;$

L₂： ${\mathrm{\&mu;}}_{L_2}(0.6)=0;$ M₂： ${\mathrm{\&mu;}}_{M_2}(0.6)=0.5;$ H₂： ${\mathrm{\&mu;}}_{H_2}(0.6)=0.5;$

L₃： ${\mathrm{\&mu;}}_{L_3}(0.3)=1;$ H₃： ${\mathrm{\&mu;}}_{H_3}(0.3)=0;$

L₄： ${\mathrm{\&mu;}}_{L_4}(0.2)=1;$ H₄： ${\mathrm{\&mu;}}_{H_4}(0.2)=0;$

依据模糊准则中的每一条组合，取其中的最小值作为该条模糊准则的节点Y、N状态值，得到下表：

选取各条模糊准则中Y状态值中的最大值作为Value(Y)，得到Value(Y)＝0.5；

选取各条模糊准则中N状态值中的最大值作为Value(N)，得到Value(N)＝0；

由于Value(Y)大于Value(N)，故节点3为有效候选中继节点。

(4)节点4：L₁： ${\mathrm{\&mu;}}_{L_1}\left(0.4\right)=0.5;$ M₁： ${\mathrm{\&mu;}}_{M_1}\left(0.4\right)=0.5;$ H₁： ${\mathrm{\&mu;}}_{H_1}(0.4)=0;$

L₂： ${\mathrm{\&mu;}}_{L_2}(0.6)=0;$ M₂： ${\mathrm{\&mu;}}_{M_2}(0.6)=0.5;$ H₂： ${\mathrm{\&mu;}}_{H_2}(0.6)=0.5;$

L₃： ${\mathrm{\&mu;}}_{L_3}(0.8)=0;$ H₃： ${\mathrm{\&mu;}}_{H_3}(0.8)=1;$

L₄： ${\mathrm{\&mu;}}_{L_4}(0.4)=0.75;$ H₄： ${\mathrm{\&mu;}}_{H_4}(0.4)=0.25;$

依据模糊准则中的每一条组合，取其中的最小值作为该条模糊准则的节点Y、N状态值，得到下表：

选取各条模糊准则中Y状态值中的最大值作为Value(Y)，得到Value(Y)＝0；

选取各条模糊准则中N状态值中的最大值作为Value(N)，得到Value(N)＝0.5；

由于Value(Y)小于Value(N)，故节点4不是有效候选中继节点。

(5)节点5：L₁： ${\mathrm{\&mu;}}_{L_1}\left(0.4\right)=0.5;$ M₁： ${\mathrm{\&mu;}}_{M_1}\left(0.4\right)=0.5;$ H₁： ${\mathrm{\&mu;}}_{H_1}(0.4)=0;$

L₂： ${\mathrm{\&mu;}}_{L_2}(0.6)=0;$ M₂： ${\mathrm{\&mu;}}_{M_2}(0.6)=0.5;$ H₂： ${\mathrm{\&mu;}}_{H_2}(0.6)=0.5;$

L₃： ${\mathrm{\&mu;}}_{L_3}(0.4)=0.75;$ H₃： ${\mathrm{\&mu;}}_{H_3}(0.4)=0.25;$

L₄： ${\mathrm{\&mu;}}_{L_4}(0.8)=0;$ H₄： ${\mathrm{\&mu;}}_{H_4}(0.8)=1;$

依据模糊准则中的每一条组合，取其中的最小值作为该条模糊准则的节点Y、N状态值，得到下表：

选取各条模糊准则中Y状态值中的最大值作为Value(Y)，得到Value(Y)＝0；

选取各条模糊准则中N状态值中的最大值作为Value(N)，得到Value(N)＝0.5；

由于Value(Y)小于Value(N)，故节点5不是有效候选中继节点。

根据节点1、节点2、节点3、节点4和节点5的计算结果，节点1、节点2和节点3为有效候选节点。需要选择3个中继节点时，确定节点1、节点2和节点3为中继节点。当只选择1个中继节点时，由于节点1、节点2和节点3的Value(Y)值相等，可以结合其它因素综合考虑，节点1的候选中继节点到目的节点链路信噪比在三个候选中继节点中最大，因此从误码率性能出发可以确定节点1为中继节点；节点2的归一化时延最小，因此从业务时延性能出发可以确定节点2为中继节点。

Claims (4)

1.一种中继协同移动通信系统的中继节点选择方法，包括以下步骤：

(1)源节点发送信号，各候选中继节点测量和计算源节点到候选中继节点链路的即时信噪比或平均信噪比；

(2)候选中继节点转发信号，目的节点测量和计算候选中继节点到目的节点链路的即时信噪比或平均信噪比、源节点到目的节点链路的时延，并计算源节点到目的节点的归一化时延；

(3)目的节点向候选中继节点反馈各自链路的即时信噪比或平均信噪比以及源节点到目的节点的归一化时延；

(4)候选中继节点接收反馈的即时信噪比或平均信噪比和归一化时延，计算源节点到本节点链路的归一化信噪比或归一化平均信噪比、本节点到目的节点链路的归一化信噪比或归一化平均信噪比，同时计算本节点的负荷；

(5)候选中继节点根据模糊准则和模糊算法判断是否为有效候选中继节点；

(6)有效候选中继节点将各自的Value(Y)值发送给目的节点，Value(Y)表示节点状态为Y时的判决变量；

(7)目的节点根据接收到的来自有效候选中继节点的Value(Y)值的大小，选择其中的一个或多个节点为最终确定的中继节点，并将结果通知各有效候选中继节点；

前述步骤(5)中所述模糊准则为：

(1)如果x₁属于H₁，x₂属于H₂，y属于H₃，z属于H₄，则节点状态为N；

(2)如果x₁属于H₁，x₂属于H₂，y属于H₃，z属于L₄，则节点状态为N；

(3)如果x₁属于H₁，x₂属于H₂，y属于L₃，z属于H₄，则节点状态为N；

(4)如果x₁属于H₁，x₂属于H₂，y属于L₃，z属于L₄，则节点状态为Y；

(5)如果x₁属于H₁，x₂属于M₂，y属于H₃，z属于H₄，则节点状态为N；

(6)如果x₁属于H₁，x₂属于M₂，y属于H₃，z属于L₄，则节点状态为N；

(7)如果x₁属于H₁，x₂属于M₂，y属于L₃，z属于H₄，则节点状态为N；

(8)如果x₁属于H₁，x₂属于M₂，y属于L₃，z属于L₄，则节点状态为Y；

(9)如果x₁属于H₁，x₂属于L₂，y属于H₃，z属于H₄，则节点状态为N；

(10)如果x₁属于H₁，x₂属于L₂，y属于H₃，z属于L₄，则节点状态为N；

(11)如果x₁属于H₁，x₂属于L₂，y属于L₃，z属于H₄，则节点状态为N；

(12)如果x₁属于H₁，x₂属于L₂，y属于L₃，z属于L₄，则节点状态为N；

(13)如果x₁属于M₁，x₂属于H₂，y属于H₃，z属于H₄，则节点状态为N；

(14)如果x₁属于M₁，x₂属于H₂，y属于H₃，z属于L₄，则节点状态为N；

(15)如果x₁属于M₁，x₂属于H₂，y属于L₃，z属于H₄，则节点状态为N；

(16)如果x₁属于M₁，x₂属于H₂，y属于L₃，z属于L₄，则节点状态为Y；

(17)如果x₁属于M₁，x₂属于M₂，y属于H₃，z属于H₄，则节点状态为N；

(18)如果x₁属于M₁，x₂属于M₂，y属于H₃，z属于L₄，则节点状态为N；

(19)如果x₁属于M₁，x₂属于M₂，y属于L₃，z属于H₄，则节点状态为N；

(20)如果x₁属于M₁，x₂属于M₂，y属于L₃，z属于L₄，则节点状态为Y；

(21)如果x₁属于M₁，x₂属于L₂，y属于H₃，z属于H₄，则节点状态为N；

(22)如果x₁属于M₁，x₂属于L₂，y属于H₃，z属于L₄，则节点状态为N；

(23)如果x₁属于M₁，x₂属于L₂，y属于L₃，z属于H₄，则节点状态为N；

(24)如果x₁属于M₁，x₂属于L₂，y属于L₃，z属于L₄，则节点状态为N；

(25)如果x₁属于L₁，x₂属于H₂，y属于H₃，z属于H₄，则节点状态为N；

(26)如果x₁属于L₁，x₂属于H₂，y属于H₃，z属于L₄，则节点状态为N；

(27)如果x₁属于L₁，x₂属于H₂，y属于L₃，z属于H₄，则节点状态为N；

(28)如果x₁属于L₁，x₂属于H₂，y属于L₃，z属于L₄，则节点状态为N；

(29)如果x₁属于L₁，x₂属于M₂，y属于H₃，z属于H₄，则节点状态为N；

(30)如果x₁属于L₁，x₂属于M₂，y属于H₃，z属于L₄，则节点状态为N；

(31)如果x₁属于L₁，x₂属于M₂，y属于L₃，z属于H₄，则节点状态为N；

(32)如果x₁属于L₁，x₂属于M₂，y属于L₃，z属于L₄，则节点状态为N；

(33)如果x₁属于L₁，x₂属于L₂，y属于H₃，z属于H₄，则节点状态为N；

(34)如果x₁属于L₁，x₂属于L₂，y属于H₃，z属于L₄，则节点状态为N；

(35)如果x₁属于L₁，x₂属于L₂，y属于L₃，z属于H₄，则节点状态为N；

(36)如果x₁属于L₁，x₂属于L₂，y属于L₃，z属于L₄，则节点状态为N；

其中：

L₁为源节点到候选中继节点链路的低信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{L_1}\left(x_1\right)=\left\{\begin{array}{cc}1& 0\&le;x_1<A2\\ \frac{A1-x_1}{A1-A2}& A2\&le;x_1<A1\\ 0& A1\&le;x_1\&le;1\end{array}\right.;$

M₁为源节点到候选中继节点链路的中等信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{M_1}\left(x_1\right)=\left\{\begin{array}{cc}0& 0\&le;x_1<A2\\ \frac{x_1-A2}{A1-A2}& A2\&le;x_1<A1\\ \frac{A3-x_1}{A3-A1}& A1\&le;x_1<A3\\ 0& A3\&le;x_1\&le;1\end{array}\right.;$

H₁为源节点到候选中继节点链路的高信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{H_1}\left(x_1\right)=\left\{\begin{array}{cc}0& 0\&le;x_1<A1\\ \frac{x_1-A1}{A3-A1}& A1\&le;x_1<A3\\ 1& A3\&le;x_1\&le;1\end{array}\right.;$

L₂为候选中继节点到目的节点链路的低信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{L_2}\left(x_2\right)=\left\{\begin{array}{cc}1& 0\&le;x_2<A2\\ \frac{A1-x_2}{A1-A2}& A2\&le;x_2<A1\\ 0& A1\&le;x_2\&le;1\end{array}\right.;$

M₂为候选中继节点到目的节点链路的中等信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{M_2}\left(x_2\right)=\left\{\begin{array}{cc}0& 0\&le;x_2<A2\\ \frac{x_2-A2}{A1-A2}& A2\&le;x_2<A1\\ \frac{A3-x_2}{A3-A1}& A1\&le;x_2<A3\\ 0& A3\&le;x_2\&le;1\end{array}\right.;$

H₂为候选中继节点到目的节点链路的高信噪比模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{H_2}\left(x_2\right)=\left\{\begin{array}{cc}0& 0\&le;x_2<A1\\ \frac{x_2-A1}{A3-A1}& A1\&le;x_2<A3\\ 1& A3\&le;x_2\&le;1\end{array}\right.;$

L₃为候选中继节点的低负荷模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{L_3}\left(y\right)=\left\{\begin{array}{cc}1& 0\&le;y<B2\\ \frac{B1-y}{B1-B2}& B2\&le;y<B1\\ 0& B1\&le;y\&le;1\end{array}\right.;$

H₃为候选中继节点的高负荷模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{H_3}\left(y\right)=\left\{\begin{array}{cc}0& 0\&le;y<B1\\ \frac{y-B1}{B1-B2}& B2\&le;y<B1\\ 1& B1\&le;y\&le;1\end{array}\right.;$

L₄为业务的低时延模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{L_4}\left(z\right)=\left\{\begin{array}{cc}1& 0\&le;z<C2\\ \frac{C1-z}{C1-C2}& C2\&le;z<C1\\ 0& C1\&le;z\&le;1\end{array}\right.;$

H₄为业务的高时延模糊集，其隶属函数为：

${\mathrm{\&mu;}}_{H_4}\left(z\right)=\left\{\begin{array}{cc}0& 0\&le;z<C2\\ \frac{z-C2}{C1-C2}& C2\&le;z<C1\\ 1& C1\&le;z\&le;1\end{array}\right.;$

上述式中：

x₁表示源节点到候选中继节点链路的归一化信噪比或归一化平均信噪比；

x₂表示候选中继节点到目的节点链路的归一化信噪比或归一化平均信噪比；

y表示节点负荷；

z表示归一化时延；

A2<A1<A3，B2<B1，C2<C1，分别为隶属函数的参数且都为[0,1]区间的实数；

所述模糊算法为下述方式：

(1)对于单个候选中继节点，根据测量和计算所得x₁、x₂、y、z值，再分别计算得到L₁、M₁、H₁、L₂、M₂、H₂、L₃、H₃、L₄、H₄值，然后依据模糊准则中的每一条组合，取其中的最小值作为该条模糊准则的节点Y、N状态值，选取各条模糊准则中Y状态值中的最大值作为Value(Y)，选取各条模糊准则中N状态值中的最大值作为Value(N)，如果Value(Y)值大于Value(N)值，则该节点判断为有效候选中继节点；

(2)当存在若干个候选中继节点时，对于每一个候选中继节点分别计算其Value(Y)和Value(N)值，当候选中继节点的Value(Y)的值大于Value(N)的值时，确定该节点为有效候选中继节点，依次对每个候选中继节点做以上的判断，记录有效候选中继节点，如果只需要一个中继节点，从有效候选中继节点中选取具有最大Value(Y)值的节点为确定的中继节点，如果需要选取多个中继节点，根据Value(Y)值从大到小依次选取多个有效候选中继节点作为确定的中继节点，当两个有效候选中继节点的Value(Y)值相等时，对于无时延要求业务，具有较低节点负荷的有效候选中继节点为优先确定的中继节点，对于有时延要求的业务，具有较低归一化时延的有效候选中继节点为优先确定的中继节点；

其中：Value(Y)表示节点状态为Y时的判决变量；Value(N)表示节点状态为N时的判决变量。

2.根据权利要求1所述的选择方法，其中的归一化信噪比定义为： ${\mathrm{SNR}}_{\mathrm{norm}}=\frac{{\mathrm{SNR}}_{\mathrm{mes}}}{{\mathrm{SNR}}_{\mathrm{upper}}};$ 归一化平均信噪比定义为： ${\stackrel{\&OverBar;}{\mathrm{SNR}}}_{\mathrm{norm}}=\frac{{\stackrel{\&OverBar;}{\mathrm{SNR}}}_{\mathrm{mes}}}{{\stackrel{\&OverBar;}{\mathrm{SNR}}}_{\mathrm{upper}}};$

其中：

SNR_norm为归一化信噪比，规定当SNR_norm大于1时取值为1；

SNR_mes为系统测量所得的源节点到候选中继节点链路或者候选中继节点到目的节点链路的即时信噪比；

SNR_upper为系统设置的信噪比上限；

为归一化平均信噪比，规定当大于1时取值为1；

为系统测量所得的源节点到候选中继节点链路或者候选中继节点到目的节点链路的平均信噪比；

为系统设置的平均信噪比上限。

3.根据权利要求1所述的选择方法，其中所述的归一化时延为业务传输的源节点端到目的节点端时延占业务最大许可时延的百分比；其中所述的节点负荷为当前节点的已利用处理能力占节点最大处理能力的百分比，或者当前节点已利用的物理资源占最大可利用物理资源的百分比。

4.根据权利要求1或2或3所述的选择方法，当不需要考虑源节点到候选中继节点链路的信噪比或平均信噪比、候选中继节点到目的节点链路的信噪比或平均信噪比中的任意一个参量时，则令模糊准则中的相应参数等于1。