CN105007105A - 一种基于节点分类的天线选择和中继选择的方法 - Google Patents
一种基于节点分类的天线选择和中继选择的方法 Download PDFInfo
- Publication number
- CN105007105A CN105007105A CN201510275972.6A CN201510275972A CN105007105A CN 105007105 A CN105007105 A CN 105007105A CN 201510275972 A CN201510275972 A CN 201510275972A CN 105007105 A CN105007105 A CN 105007105A
- Authority
- CN
- China
- Prior art keywords
- population
- node
- chromosome
- antenna
- combination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/022—Site diversity; Macro-diversity
- H04B7/026—Co-operative diversity, e.g. using fixed or mobile stations as relays
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于节点分类的天线选择和中继选择的方法,包括步骤S1,计算通信系统中每一个节点组合对的信噪比γ和信道矩阵H;步骤S2,根据步骤S1的计算结果,计算所有所述节点组合对中每一个所述节点组合对的最优发射接收天线组合和最优加权目标函数值;步骤S3,根据步骤S2的计算结果,计算待选择中继节点;本发明提出了利用遗传搜索来搜索最大化容量的天线与中继参与传输,大大降低了算法复杂度和计算量;另外本发明提出在做天线与中继选择时考虑了四种不同节点类型的能力区别,使中继资源利用更加合理。
Description
技术领域
本发明涉及移动通信技术领域,尤其涉及一种基于节点分类的天线选择和中继选择的方法。
背景技术
在协作通信中,会涉及到如何选择合适的中继,如果其中的节点是多天线的还会可能涉及到如何选择出合适的一对或若干天线对参与传输。现有的最优天线选择方法是穷尽搜索所有的天线组合,选取最大化容量的组合,但这样的天线选择方法的复杂度会随着天线的增加而呈指数增长。
现有的天线选择和中继选择结合的算法都大多考虑先选择出一个中继,然后分别选择源节点到中继节点的一对天线、中继节点到目的节点的一对天线来参与传输。这样虽然能简化选择算法,但是没有充分利用各节点的多天线。多天线的合理利用能够给系统带来传输速率的成倍增长。
此外,这些结合选择的算法并没有考虑区分不同类型的中继节点的能力来做中继选择。
发明内容
本发明所要解决的技术问题是提供一种基于节点分类的天线选择和中继选择的方法。
本发明解决上述技术问题的技术方案如下:一种基于节点分类的天线选择和中继选择的方法,包括以下步骤:
步骤S1,计算通信系统中每一个节点组合对的信噪比γ和信道矩阵H;
所述通信系统包括一个源节点S、一个目的节点D和N个中继节点,R1,R2,…,RN表示第1个中继节点到第N个中继节点,N为大于零的整数;
将所述源节点与N个所述中继节点组成的N组节点组合称为前节点组合对,将N个所述中继节点分别与所述目的节点组成的N组节点组合称为后节点组合对,所述节点组合对包括所述前节点组合对和所述后节点组合对;
步骤S2,根据步骤S1的计算结果,计算所有所述节点组合对中每一个所述节点组合对的最优发射接收天线组合和最优加权目标函数值;
步骤S3,根据步骤S2的计算结果,计算待选择中继节点。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步地,所述源节点、所述中继节点和所述目的节点均包括多个天线,所述天线用于发射和接收信息;在所述节点组合对中,发射信息的节点称为发射节点,所述发射节点的天线称为发射天线,接收信息的节点称为接收节点,所述接收节点的天线称为接收天线。
进一步地,在所述前节点组合对中,所述源节点为发射节点,所述源节点的天线称为发射天线,N个所述中继节点为接收节点,N个所述中继节点的天线称为接收天线;在所述后节点组合对中,N个所述中继节点为发射节点,N个所述中继节点的天线称为发射天线,所述目的节点为接收节点,所述目的节点的天线称为接收天线。
进一步地,H包括一个节点组合对中所有发射天线和接收天线之间的信道冲击响应;
所述发射节点有NTx个发射天线,其中1≤NTx≤1024,将NTx个所述发射天线从1开始编号,则NTx个所述发射天线的编号分别为1、2、3、…、NTx;
所述接收节点有NRx个接收天线,其中1≤NRx≤1024,将NRx个所述接收天线从1开始编号,则NRx个所述接收天线的编号分别为1、2、3、…、NRx;
用hgj表示一个节点组合对发射节点的第j个发射天线和接收节点的第g个接收天线之间的信道冲击响应,1≤j≤NTx,1≤g≤NRx,则
进一步地,步骤S2包括以下步骤:
步骤S201,针对一个节点组合对,生成染色体库;
用ATx表示发射天线集,则ATx={1,2,…,NTx};从ATx中的NTx个发射天线中取出NTxs个发射天线组成发射天线子集ATxSub,其中1≤NTxs≤NTx;从ATx中的NTx个发射天线中取出NTxs个发射天线有种组合,即ATxSub的个数为
用ARx表示接收天线集,则ARx={1,2,…,NRx};从ARx中的NRx个接收天线中取出NRxs个接收天线组成接收天线子集ARxSub,其中1≤NRxs≤NRx;从ARx中的NRx个接收天线中取出NRxs个接收天线有种组合,即ARxSub的个数为
发射接收天线组合ATRSet是指由一个所述发射天线子集和一个所述接收天线子集组成的组合,所述发射接收天线组合ATRSet有个;
使用二进制值mm…mnn…n表示一条染色体,其中mm…m表示第mm…m个发射天线子集,mm…m的字长为LTx,[]+表示往大取整操作;nn…n表示第nn…n个接收天线子集,nn…n的字长为LRx, 到里的个编码与个发射接收天线组合一一对应;
所有的染色体构成所述染色体库;
步骤S202,从所述染色体库中随机产生包括NPopulation条染色体的种群;其中5≤NPopulation≤200;用1,2,…,NPopulation将所述种群中的染色体进行编号;
步骤S203,计算所述种群中每条染色体的目标函数值,
其中,i表示所述种群中的第i条染色体,i=1,2,3,…,NPopulation;VObject(i)表 示第i条染色体的目标函数值;Hi为第i条染色体所对应的发射接收天线组合的信道矩阵,且Hi是所述信道矩阵H的子集,Hi包含第i条染色体所对应的发射接收天线组合中所有发射天线与接收天线之间的信道冲击响应;Hi H表示信道矩阵Hi的共轭转置矩阵;是维数为NRxs的单位矩阵;
步骤S204,根据步骤S203的计算结果,计算所述种群中每条染色体的加权目标函数值,VTunningObject(i)=a·VObject(i);其中VTunningObject(i)表示第i条染色体的加权目标函数值;a表示节点组合对中中继节点的加权值;
步骤S205,根据步骤S204的计算结果,计算所述种群中每条染色体的适应度值;VFitness(i)=A×(VTunningObject(i))β;其中VFitness(i)表示第i条染色体的适应度值;β、A为大于1的实数;
步骤S206,根据步骤S205的计算结果,生成选择后种群;
步骤S207,对所述选择后种群进行交叉,生成交叉后种群;
步骤S208,对所述交叉后种群进行变异,生成变异后种群;
步骤S209,将所述变异后种群作为新的种群,重复步骤S203-S208,重复次数为MaxGen,其中1≤MaxGen≤100,生成最终变异后种群;
步骤S210,计算所述最终变异后种群的最优发射接收天线组合AOTRSet和最优加权目标函数值VOTunningObject(c);计算过程包括以下步骤:
步骤a,计算计算所述最终变异后种群中每条染色体的目标函数值,
其中,z表示所述最终变异后种群中的第z条染色体,z=1,2,3,…,NPopulation;VObject(z)表示第z条染色体的目标函数值;Hz为第z条染色体所对应的发射接收天线组合的信道矩阵,且Hz是所述信道矩阵H的子集,Hz包含第z条染色体所对应的发射接收天线组合中所有发射天线与接收天线之间的信道冲击响应;Hz H表示信道矩阵Hz的共轭转置矩阵;是维数为NRxs的单位矩阵;
步骤b,计算所述最终变异后种群中每条染色体的加权目标函数值, VTunningObject(z)=a·VObject(z);其中VTunningObject(z)表示第z条染色体的加权目标函数值;a表示节点组合对中中继节点的加权值;
步骤c,计算所述最终变异后种群中加权目标函数值最大的染色体,
其中,c表示计算所述最终变异后种群中加权目标函数值最大的染色体,c为整数,且1≤c≤NPopulation;将所述最终变异后种群中的第c个染色体解码得到的发射接收天线组合即为最优发射接收天线组合AOTRSet,所述最终变异后种群中的第c个染色体对应的加权目标函数值VOTunningObject(c)即为最优加权目标函数值;
当节点组合对为源节点和中继节点Rk组成的前节点组合对时,有AOTRSetSRk=AOTRSet,VOTunningObjectSRk=VOTunningObject(c),AOTRSetSRk和VOTunningObjectSRk分别表示源节点和中继节点Rk组成的前节点组合对的最优发射接收天线组合和最优加权目标函数值;当节点组合对为中继节点Rk与目的节点组成的后节点组合对时,有AOTRSetRkD=AOTRSet,VOTunningObjectRkD=VOTunningObject(c),AOTRSetRkD和VOTunningObjectRkD分别表示中继节点Rk与目的节点组成的后节点组合对的最优发射接收天线组合和最优加权目标函数值;
步骤S211,重复执行步骤S201-S210,计算所有节点组合对的最优发射接收天线组合和最优加权目标函数值;
前节点组合对的最优发射接收天线组合、最优加权目标函数值分别为{AOTRSetSR1,AOTRSetSR2,…,AOTRSetSRN}和{VOTunningObjectSR1,VOTunningObjectSR2,…,VOTunningObjectSRN},后节点组合对的最优发射接收天线组合、最优加权目标函数值分别为{AOTRSetR1D,AOTRSetR2D,…,AOTRSetRND}和 {VOTunningObjectR1D,VOTunningObjectR2D,…,VOTunningObjectRND}。
进一步地,步骤S3中,待选择中继节点p的计算公式为:
其中表示求括号内矩阵的每一行的最小值,表示求出括号内列向量的最大值在第几行。
进一步地,步骤S204和步骤210中,所述中继节点有4种类型,分别为:
类型1:用户设备;类型2:电池供应移动中继;类型3:电池供应固定中继;类型4:电源供应固定中继;
四种类型的中继节点的加权值分别为:
类型1:a=0.2;类型2:a=0.24;类型3:a=0.26;类型4:a=0.3,且四种类型的中继节点的加权值之和为1。
进一步地,步骤S206中,生成选择后种群的方法为:
对所述种群中每条染色体的适应度值进行排序,复制适应度值最大的前NSelect个染色体,NSelect≥1,删除适应度值最小的NSelect个染色体,并将复制得到的染色体随机放到被删除的染色体的位置。
进一步地,步骤S207中,生成交叉后种群的方法为:
计算所述选择后种群中需要交叉的染色体对的个数NCrossover,NCrossover=NPopulation×px/2,px表示交叉概率,
随机产生介于1到NPopulation之间NCrossover对不重复的整数形成NCrossover个整数对,一个整数对里的两个整数表示所述需要交叉的染色体对中两个染色体在所述选择后种群中的编号;
随机产生介于1到LChromosome-1之间的NCrossover个整数分别作为NCrossover个染色体对各自的交叉位,其中LChromosome=LTx+LRx,LChromosome表示每条染色体的长 度;
对所述需要交叉的染色体对根据其对应的交叉位进行交叉,交叉方法为将染色体对中第一个染色体的交叉位后的值与第二个染色体的交叉位后的值互换,所有所述需要交叉的染色体对完成交叉后,形成交叉后种群。
进一步地,步骤S208中,生成变异后种群的方法为:
计算所述交叉后种群中需要变异的染色体的个数NMutate,NMutate=pm×LChromosome×NPopulation,其中pm表示变异概率,LChromosome表示每条染色体的长度;
随机产生介于1到NPopulation之间NMutate个不重复的随机整数来表示需要变异的染色体在所述交叉后种群中的编号;
随机产生介于2到LChromosome-1之间NMutate个不重复的随机整数来表示所述需要变异的染色体的变异位;
对所述需要变异的染色体进行变异,变异方法为,对所述需要变异的染色体的所述变异位后的一位的值取反,所有所述需要交变异的染色体完成变异后,形成变异后种群。
本发明的有益效果是:本发明提出了利用遗传搜索来搜索最大化容量的天线与中继参与传输,大大降低了算法复杂度和计算量;另外本发明提出在做天线与中继选择时考虑了四种不同节点类型的能力区别,使中继资源利用更加合理。
附图说明
图1为本发明通信系统的结构图;
图2为本发明所述基于节点分类的天线选择和中继选择方法的流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
图1为本发明通信系统的结构图,如图1所示,本发明通信系统包括一个源节点S、一个目的节点D和N个中继节点,R1,R2,…,RN表示第1个中继节点到第N个中继节点,N为大于零的整数,源节点、目的节点和每个中继节点都部署了多个天线,每个天线可以在不同传输时间处于发射状态或接收状态,即成为发射天线或接收天线。其中,SRk表示源节点S到中继节点Rk之间的链路,RkD表示中继节点Rk到目的节点D之间的链路,k∈1,2,…,N,源节点和各中继节点之间以及各中继节点和目的节点之间通过天线进行信息的发射和接收。系统的工作流程为:在第一个传输阶段,源节点S发送信息,被指定参与传输的中继接收信息,此时,所述源节点的天线称为发射天线,N个所述中继节点为接收节点,N个所述中继节点的天线称为接收天线;在第二个传输阶段,被指定参与传输的中继发送接收到的信息,目的节点接收信息,此时N个所述中继节点为发射节点,N个所述中继节点的天线称为发射天线,所述目的节点为接收节点,所述目的节点的天线称为接收天线。
图2为本发明所述基于节点分类的天线选择和中继选择方法的流程图,如图2所示,一种基于节点分类的天线选择和中继选择的方法,包括以下步骤:
步骤S1,将在第一个传输阶段的源节点与N个中继节点组成的N组节点组合称为前节点组合对,将在第二个传输阶段的N个中继节点分别与目的节点组成的N组节点组合称为后节点组合对,前节点组合对和后节点组合对统称为节点组合对;
通过信道估计等方式获取所有节点组合对的信噪比和信道矩阵;其中, 分别表示前节点组合对中源节点到第k个中继节点的链路的信噪比和信道矩阵,表示后节点组合对中第k个中继节点到目的节点的链路的信噪比和信道矩阵,k∈1,2,…,N,信噪比的单位为dB,前节点组合对和后节点组合对的信噪比和信道矩阵分别表示如下:
H包括一个节点组合对中所有发射天线和接收天线之间的信道冲击响应;若发射节点有NTx个发射天线,其中1≤NTx≤1024,将NTx个所述发射天线从1开始编号,则NTx个所述发射天线的编号分别为1、2、3、…、NTx;若接收节点有NRx个接收天线,其中1≤NRx≤1024,将NRx个所述接收天线从1开始编号,则NRx个所述接收天线的编号分别为1、2、3、…、NRx;用hgj表示一个节点组合对发射节点的第j个发射天线和接收节点的第g个接收天线之间的信道冲击响应,1≤j≤NTx,1≤g≤NRx,则
分别用步骤S2到步骤S12计算所有节点组合对的最优发射接收天线组合和最优加权目标函数值。计算源节点与中继节点Rk组成的节点组合对时, 计算中继节点Rk与目的节点组成的节点组合对时,
步骤S2,针对一个节点组合对,生成染色体库;具体生成步骤如下:
假设发射节点有NTx个发射天线,将该NTx个发射天线从1开始编号,则该NTx个发射天线的编号分别为1、2、3、…、NTx,用ATx表示发射天线集,且ATx={1,2,…,NTx},ATx={1,2,…,NTx}集合里的整数表示第几个发射天线。从ATx中的NTx个发射天线中取出NTxs个发射天线组成发射天线子集ATxSub。从ATx中的NTx个发射天线中取出NTxs个发射天线有种组合,即ATxSub的个数为
假设接收节点有NRx个接收天线,将该NRx个接收天线从1开始编号,则该NRx个接收天线的编号分别为1、2、3、…、NRx,用ARx表示接收天线集,且ARx={1,2,…,NRx},ARx={1,2,…,NRx}集合里的整数表示第几个接收天线。从 中的NRx个接收天线中取出NRxs个接收天线组成接收天线子集ARxSub。从ARx中的NRx个接收天线中取出NRxs个接收天线有种组合,即ARxSub的个数为
发射接收天线组合ATRSet是指由一个发射天线子集和一个接收天线子集组成的组合,由上,ATxSub的个数为ARxSub的个数为则发射接收天线组合ATRSet有个。
使用二进制值mm…m表示第mm…m个发射天线子集,mm…m的字长为LTx,[]+表示往大取整操作。
使用二进制值nn…n表示第nn…n个接收天线子集,nn…n的字长为LRx,
使用表n示一条染色体,二进制编码规则为: 指定到里的个编码与 个发射接收天线组合一一对应,多出来的编码删除即可。指定的方式不定,只要每种发射接收天线组合有一个并且是唯一的编码与其对应。
所有染色体构成染色体库。
步骤S3,从染色体库中随机产生NPopulation条染色体的种群,其中5≤NPopulation≤200;用1,2,…,NPopulation将种群中的染色体进行编号,NPopulation表示种群中染色体的个数;
步骤S4,计算种群中每条染色体的目标函数值,公式为:
其中,i表示所述种群中的第i条染色体,i=1,2,3,…,NPopulation;VObject(i)表示种群中第i条染色体的目标函数值,γ为该节点组合对的信噪比;Hi为第i条染色体所对应的发射接收天线组合传输的信道矩阵,Hi H表示信道矩阵Hi的共轭转置矩阵。且有Hi是该节点组合对的信道矩阵H的子集,即节点组合对的信道矩阵H包含了该节点组合对所有发射天线和接收天线之间的信道冲击响应,Hi包含是第i条染色体所对应的发射接收天线组合中所有发射天 线与接收天线之间的信道冲击响应,是维数为NRxs的单位矩阵。
步骤S5,计算种群中每条染色体的加权目标函数值,计算公式为
VTunningObject(i)=a·VObject(i);
其中VTunningObject(i)表示第i条染色体的加权目标函数值;a表示该节点组合对中中继节点的加权值,节点组合对中的中继节点有4种类型,分别为:
类型1:用户设备(User Equipment);
类型2:电池供应移动中继(Battery-dependent Mobile Relay);
类型3:电池供应固定中继(Battery-dependent Fixed Relay);
类型4:电源供应固定中继(Power-supplied Fixed Relay);
四种类型的中继节点的加权值分别为:
中继节点类型1:a=0.2;
中继节点类型2:a=0.24;
中继节点类型3:a=0.26;
中继节点类型4:a=0.3;
且四种类型的中继节点的加权值之和为1。
步骤S6,计算种群的每条染色体的适应度值,VFitness(i)=A×(VTunningObject(i))β,其中VFitness(i)表示第i条染色体的适应度值,β、A为大于1的实数。
步骤S7,生成选择后种群;对种群中每条染色体的适应度值进行排序,复制适应度值最大的前NSelect个染色体,NSelect≥1,删除适应度值最小的NSelect个染色体,并将复制得到的染色体随机放到被删除的染色体的位置,形成选择后种群。
步骤S8,生成交叉后种群;利用公式NCrossover=NPopulation×px/2计算出选择后种群中需要交叉的染色体对的个数;随机产生介于1到NPopulation之间NCrossover对不重复的整数形成NCrossover个整数对,一个整数对里的两个整数表示需要交叉的染色体对中两个染色体在选择后种群中的的编号;随机产生介于1到 LChromosome-1之间的NCrossover个整数分别作为NCrossover个染色体对的交叉位。其中,NCrossover表示需要交叉的染色体对的数目,px表示交叉概率,LChromosome=LTx+LRx表示每条染色体的长度。对所述需要交叉的染色体对根据其对应的交叉位进行交叉,交叉方法为将染色体对中第一个染色体的交叉位后的值与第二个染色体的交叉位后的值互换,即将前一个染色体的交叉位后的值放到后一个染色体的交叉位后,后一个染色体的交叉位后的值放到前一个染色体的交叉位后,所有需要交叉的染色体对完成交叉后,形成交叉后种群。
步骤S9,生成变异后种群,利用公式NMutate=pm×LChromosome×NPopulation计算交叉后种群中需要变异的染色体的个数,随机产生介于1到NPopulation之间NMutate个不重复的随机整数作为需要变异的染色体在交叉后种群中的编号来选择需要变异的染色体,随机产生介于2到LChromosome-1之间NMutate个不重复的随机整数作为需要变异的染色体的变异位。其中,pm表示变异概率,NMutate是种群中变异的染色体的数目。变异方法为,对所述需要变异的染色体的所述变异位后的一位的值取反,所有所述需要交变异的染色体完成变异后,形成变异后种群。
步骤S10,将所述变异后种群作为新的种群,重复步骤S203-S208,重复次数为MaxGen,其中1≤MaxGen≤100,生成最终变异后种群。
步骤S11,计算所述最终变异后种群的最优发射接收天线组合AOTRSet和最优加权目标函数值VOTunningObject(c);
首先,计算计算所述最终变异后种群中每条染色体的目标函数值,
其中,z表示最终变异后种群中的第z条染色体,z=1,2,3,…,NPopulation;VObject(z)表示第z条染色体的目标函数值;Hz为第z条染色体所对应的发射接收天线组合的信道矩阵,且Hz是所述信道矩阵H的子集,Hz包含第z条染色体所对应的发射接收天线组合中所有发射天线与接收天线之间的信道冲击 响应;Hz H表示信道矩阵Hz的共轭转置矩阵;是维数为NRxs的单位矩阵;
其次,计算所述最终变异后种群中每条染色体的加权目标函数值,VTunningObject(z)=a·VObject(z);其中VTunningObject(z)表示第z条染色体的加权目标函数值;a表示节点组合对中中继节点的加权值;
最后,计算所述最终变异后种群中加权目标函数值最大的染色体,
其中,表示求出括号内的列向量最大的值在第几行,c表示计算所述最终变异后种群中加权目标函数值最大的染色体,c为整数,且1≤c≤NPopulatio;n将所述最终变异后种群中的第c个染色体解码得到的发射接收天线组合即为最优发射接收天线组合AOTRSet,解码方式是编码方式的逆向,即找出该染色体一一对应的发射接收天线组合;所述最终变异后种群中的第c个染色体对应的加权目标函数值VOTunningObject(c)即为最优加权目标函数值;
当节点组合对为源节点和中继节点Rk组成的前节点组合对时,有AOTRSetSRk=AOTRSet,VOTunningObjectSRk=VOTunningObject(c),AOTRSetSRk和VOTunningObjectSRk分别表示源节点和中继节点Rk组成的前节点组合对的最优发射接收天线组合和最优加权目标函数值;当节点组合对为中继节点Rk与目的节点组成的后节点组合对时,有AOTRSetRkD=AOTRSet,VOTunningObjectRkD=VOTunningObject(c),AOTRSetRkD和VOTunningObjectRkD分别表示中继节点Rk与目的节点组成的后节点组合对的最优发射接收天线组合和最优加权目标函数值;
步骤S12,重复第2-11步,直到计算出每一个节点组合对的最优发射接收天线组合、最优加权目标函数值。得到前节点组合对的最优发射接收天线组合、最优加权目标函数值分别为{AOTRSetSR1,AOTRSetSR2,…,AOTRSetSRN}和 {VOTunningObjectSR1,VOTunningObjectSR2,…,VOTunningObjectSRN},后节点组合对的最优发射接收天线组合、最优加权目标函数值分别为{AOTRSetR1D,AOTRSetR2D,…,AOTRSetRND}和{VOTunningObjectR1D,VOTunningObjectR2D,…,VOTunningObjectRND}。
步骤S13,计算出参与传输的中继节点,计算公式为
表示求括号内矩阵的每一行的最小值,表示求出括号内列向量的最大值在第几行。则待选择继节点是第p个中继节点,选择出的源节点至第p个中继节点的最优发射接收天线组合是AOTRSetSRp,第k个中继节点至目的节点的最优发射接收天线组合是AOTRSetRDp。
步骤S14,结束。
下面用具体的实施例对本发明作进一步的说明。
有1个源节点、1个目的2个可用来传输的中继节点,他们分别命名为中继1、中继2,其类型分别为类型2、类型1。取A=3、β=2、px=0.6、pm=0.01、MaxGen=1。
步骤1,获取源节点到2个中继节点以及2个中继节点到目的节点的信噪比和信道矩阵分别表示如下,其中信噪比的单位为dB。
计算源节点-中继节点1节点组合对的最优发射接收天线组合和最优加权目标函数值:
步骤2,给源节点-中继节点1的发射接收天线组编码成为染色体库
发射接收天线组合与染色体的映射如下所示:
步骤3,对于源节点-中继节点1,其信道矩阵为
随机产生NPopulation=10条染色体的种群,分别为
{000001,100000,101100,010011,001010,101011,011001,010011,100010,010101};
步骤4,计算种群的每条染色体的目标函数值,分别为:
VObject={4.9486,4.2224,2.1745,1.8877,4.3254,2.6645,5.3438,1.8877,3.2916,2.3533};
步骤5,计算种群的每条染色体的加权目标函数值,由种群的染色体可知,10条染色体的加权值都是0.24,得到的加权目标函数值为
VTunningObject={1.1877,1.0134,0.5219,0.4530,1.0381,0.6395,1.2825,0.4530,0.7900,0.5648};
步骤6,计算种群的每条染色体的适应度值为
VFitness={4.2317,3.0807,0.8171,0.6157,3.2329,1.2268,4.9345,0.6157,1.8723,0.9570};
步骤7,选择,对FitnVC排序,复制适应度值最大的前NSelect=1条染色体,删除适应度值最小的NSelect=1条染色体。
第4条染色体的适应度最小,第7条染色体的适应度最大,则选择后种群为
{000001,100000,101100,011001,001010,101011,011001,010011,100010,010101};
步骤8,交叉,计算出需要交叉的染色体对为NCrossover=10×0.6/2≈2对。随机产生介于1到NPopulation=10之间2对不重复的整数为{(5,7),(3,1)};随机产生介于1到LChromosome-1=6-1=5之间的整数{4,2}分别作为整数对的交叉位。交叉过程为
0010|10 10|1100
0110|01 00|0001
↓ , ↓ ;
0010|01 10|0001
0110|10 00|1100
交叉后种群为
{001100,100000,100001,011001,001001,101011,011010,010011,100010,010101};
步骤9,变异;计算变异的染色体数为NMutate=0.01×6×10≈1。随机产生介于1到10之间1个不重复的随机整数{6}。随机产生介于1到5之间1个不重复的随机整数{4}。变异过程为
1010|11
↓ ;
1010|01
变异后种群为
{001100,100000,100001,011001,001001,101001,011010,010011,100010,010101}
步骤10,将变异后的种群作为种群,第1次重复第4-9步:
步骤4,计算种群的每条染色体的目标函数值,分别为:
VObject={2.3375,4.2224,4.0734,5.3438,3.8047,3.8208,5.0601,1.8877,3.2916,2.3533};
步骤5,计算种群的每条染色体的加权目标函数值,由种群的染色体可知,10条染色体的加权值都是0.24,得到的加权目标函数值为
VTunningObject={0.5610,1.0134,0.9776,1.2825,0.9131,0.9170,1.2144,0.4530,0.7900,0.5648};
步骤6,计算种群的每条染色体的适应度值为
VFitness={0.9442,3.0807,2.8672,4.9345,2.5015,2.5226,4.4245,0.6157,1.8723,0.9570};
步骤7,选择,对FitnVC排序,复制适应度值最大的前NSelect=1条染色体,删除适应度值最小的NSelect=1条染色体。
第8条染色体的适应度最小,第4条染色体的适应度最大,则选择后的种群为
{001100,100000,100001,011001,001001,101001,011010,011001,100010,010101};
步骤8,交叉,计算出需要交叉的染色体对为NCrossover=10×0.6/2≈2对。随机产生介于1到NPopulation=10之间2对不重复的整数为{(5,7),(3,1)};随机产生介于1到LChromosome-1=6-1=5之间的整数{4,3}分别作为整数对的交叉位。交叉过程为
0010|01 100|001
0110|10 001|100
↓ , ↓ ;
0010|10 100|100
0110|01 001|001
交叉后种群为
{001001,100000,100100,011001,001010,101001,011001,011001,100010,010101};
步骤9,变异;计算变异的染色体数为NMutate=0.01×6×10≈1。随机产生介于1到10之间1个不重复的随机整数{6}。随机产生介于1到5之间1个不 重复的随机整数{4}。变异过程为
1010|01
↓ ;
1010|11
变异后种群为
{001001,100000,100100,011001,001010,101011,011001,011001,100010,010101};
步骤10,重复第4-9步的次数满足MaxGen=1,不再重复,上一个步骤中的变异后种群即为最终变异后种群。
步骤11,此时最终变异后种群的目标函数值、加权目标函数值分别为
VObject={3.8047,4.2224,3.0203,5.3438,4.3254,2.6645,5.3438,5.3438,3.2916,2.3533};
VTunningObject={0.9131,1.0134,0.7249,1.2825,1.0381,0.6395,1.2825,1.2825,0.7900,0.5648};
最大加权目标函数值的染色体为第c=4条染色体,最优加权目标函数为VTunningObject(4)=1.2825。第4条染色体011001的发射接收天线组合是
AOTRSet=({2,3},{1,3}),得到
VOTunningObjectSR1=VTunningObject(4)=1.2825,
AOTRSetSR1=AOTRSet=({2,3},{1,3})。
步骤12,计算源节点-中继节点2节点组合对的最优发射接收天线组合、最优加权目标函数值。
步骤2,给源节点-中继节点2的发射接收天线组编码成为染色体库,发射接收天线组合与染色体的映射如表1所示。
步骤3,对于源节点-中继节点2,其信道矩阵为HSR2
随机产生NPopulation=10条染色体的种群,分别为
{000100,100001,101000,010010,100100,001010,010011,100100,001100,011000};
步骤4,计算种群的每条染色体的目标函数值,分别为:
VObject={3.0986,4.1035,3.2083,1.8092,2.9122,1.9610,1.9610,1.9610,2.9122,4.9601};
步骤5,计算种群的每条染色体的加权目标函数值,由种群的染色体可知,10条染色体的加权值都是0.2,得到的加权目标函数值为
VTunningObject={0.6197,0.8207,0.6417,0.3618,0.5824,0.3922,0.3922,0.3922,0.5824,0.9920};
步骤6,计算种群的每条染色体的适应度值为
VFitness={1.1522,2.0206,1.2352,0.3928,1.0177,0.4615,0.4615,0.4615,1.0177,2.9524};
步骤7,选择,对FitnVC排序,复制适应度值最大的前NSelect=1条染色体,删除适应度值最小的NSelect=1条染色体。
第4条染色体的适应度最小,第10条染色体的适应度最大,则选择后种群为
{000100,100001,101000,010010,100100,001010,010011,100100,001100,011000};
步骤8,交叉,计算出需要交叉的染色体对为NCrossover=10×0.6/2≈2对。随机产生介于1到NPopulation=10之间2对不重复的整数为{(6,3),(7,8)};随机产生介于1到LChromosome-1=6-1=5之间的整数{5,5}分别作为整数对的交叉位。交叉过程为
00101|0 01001|1
10100|0 10010|0
↓ , ↓ ;
00101|0 01001|0
10100|0 10010|1
交叉后种群为
{000100,100001,101000,010010,100100,001010,010010,100101,001100,011000};
步骤9,变异;计算变异的染色体数为NMutate=0.01×6×10≈1。随机产生介于1到10之间1个不重复的随机整数{1}。随机产生介于1到5之间1个不重复的随机整数{5}。变异过程为
00010|0
↓ ;
00010|1
变异后种群为
{001001,100000,100100,011001,001000,101001,011011,010011,100010,010101};
步骤10,将变异后种群作为种群,第1次重复第4-9步:
步骤4,计算种群的每条染色体的目标函数值,分别为:
VObject={3.9746,2.7882,3.5295,3.2819,4.6937,2.9122,4.0271,4.6937,3.4160,3.6001};
步骤5,计算种群的每条染色体的加权目标函数值,由种群的染色体可知,10条染色体的加权值都是0.2,得到的加权目标函数值为
VTunningObject={0.7949,0.5576,0.7059,0.6564,0.9387,0.5824,0.8054,0.9387,0.6832,0.7200};
步骤6,计算种群的每条染色体的适应度值为
VFitness={1.8957,0.9329,1.4949,1.2925,2.6437,1.0177,1.9461,2.6437,1.4003,1.5553};
步骤7,选择,对FitnVC排序,复制适应度值最大的前NSelect=1条染色体,删除适应度值最小的NSelect=1条染色体。
第2条染色体的适应度最小,第8条染色体的适应度最大,则选择后种群为
{001001,010011,100100,011001,001000,101001,011011,010011,100010,010101};
步骤8,交叉,计算出需要交叉的染色体对为NCrossover=10×0.6/2≈2对。随机产生介于1到NPopulation=10之间2对不重复的整数为{(2,4),(8,10)};随机产生介于1到LChromosome-1=6-1=5之间的整数{4,1}分别作为整数对的交叉位。交叉过程为
0100|11 0|10011
0110|01 0|10101
↓ , ↓ ;
0100|01 0|10101
0110|11 0|10011
交叉后种群为
{001001,010001,100100,011011,001000,101001,011011,010101,100010,010011};
步骤9,变异;计算变异的染色体数为NMutate=0.01×6×10≈1。随机产生介于1到10之间1个不重复的随机整数{9}。随机产生介于1到5之间1个不重复的随机整数{5}。变异过程为
10001|0
↓ ;
10001|1
变异后种群为
{001001,010001,100100,011011,001000,101001,011011,010101,100011,010011};
步骤10,重复第4-9步的次数满足MaxGen=1,不再重复,上一个步骤中的变异后种群即为最终变异后种群。
步骤11,此时最终变异后种群的目标函数值、加权目标函数值分别为
VObject={3.9768,5.4131,4.6937,4.0536,4.0774,3.0964,4.0536,3.7343,4.9601,4.0271};
VTunningObject={0.7954,1.0826,0.9387,0.8107,0.8155,0.6193,0.8107,0.7469,0.9920,0.8054};
最大加权目标函数值的染色体为第c=2条染色体,最优加权目标函数值为VTunningObject(2)=1.0826。第2条染色体010001的发射接收天线组合是AOTRSet=({1,4},{1,3}),得到VOTunningObjectSR2=VTunningObject(2)=1.0826、AOTRSetSR2=AOTRSet=({1,4},{1,3})。
步骤12,计算中继节点1-目的节点节点组合对的最优发射接收天线组合、最优加权目标函数值。
步骤2,给中继节点1-目的节点的发射接收天线组编码成为染色体库,发射接收天线组合与染色体的映射如表1所示。
步骤3,对于中继节点1-目的节点,其信道矩阵为HR1D
随机产生NPopulation=10条染色体的种群,分别为
{101011,010011,010000,001000,001001,010000,101101,010010,010101,010000};
步骤4,计算种群的每条染色体的目标函数值,分别为:
VObject={3.8056,26.1522,4.8114,5.7168,28.5087,4.8114,4.8970,3.4259,27.8866,4.8114};
步骤5,计算种群的每条染色体的加权目标函数值,由种群的染色体可知,10条染色体的加权值都是0.24,得到的加权目标函数值为
VTunningObject={0.9133,6.2765,1.1547,1.3720,6.8421,1.1547,1.1753,0.8222,6.6928,1.1547};
步骤6,计算种群的每条染色体的适应度值为
VFitness={2.5026,118.1843,4.0002,5.6473,140.4423,4.0002,4.1438,2.0281,134.3805,4.0002};
步骤7,选择,对FitnVC排序,复制适应度值最大的前NSelect=1条染色体,删除适应度值最小的NSelect=1条染色体。
第8条染色体的适应度最小,第2条染色体的适应度最大,则选择后种群为
{101011,010011,010000,001000,001001,010000,101101,010011,010101,010000};
步骤8,交叉,计算出需要交叉的染色体对为NCrossover=10×0.6/2≈2对。随机产生介于1到NPopulation=10之间2对不重复的整数为{(6,9),(7,8)};随机产生介于1到LChromosome-1=6-1=5之间的整数{3,2}分别作为整数对的交叉位。交叉过程为
010|000 10|1101
010|101 01|0011
↓ , ↓ ;
010|101 10|0011
010|000 01|1101
交叉后种群为
{101011,010011,010000,001000,001001,010101,100011,011101,010000,010000};
步骤9,变异;计算变异的染色体数为NMutate=0.01×6×10≈1。随机产生介于1到10之间1个不重复的随机整数{3}。随机产生介于1到5之间1个不重复的随机整数{4}。变异过程为
0100|00
↓ ;
0100|10
变异后种群为
{101011,010011,010010,001000,001001,010101,100011,011101,010000,010000};
步骤10,将变异后种群作为种群,第1次重复第4-9步:
步骤4,计算种群的每条染色体的目标函数值,分别为:
VObject={3.8056,26.1522,3.4259,5.7168,28.5087,5.0558,4.0881,4.1304,27.6596,4.8114};
步骤5,计算种群的每条染色体的加权目标函数值,由种群的染色体可知,10条染色体的加权值都是0.24,得到的加权目标函数值为
VTunningObject={0.9133,6.2765,0.8222,1.3720,6.8421,1.2134,0.9811,0.9913,6.6383,1.1547};
步骤6,计算种群的每条染色体的适应度值为
VFitness={2.5026,118.1843,2.0281,5.6473,140.4423,4.4169,2.8879,2.9479,132.2012,4.0002};
步骤7,选择,对FitnVC排序,复制适应度值最大的前NSelect=1条染色体,删除适应度值最小的NSelect=1条染色体。
第3条染色体的适应度最小,第5条染色体的适应度最大,则选择后种群为
{100011,011011,001001,001101,001001,010000,100011,011101,010000,010000};
步骤8,交叉,计算出需要交叉的染色体对为NCrossover=10×0.6/2≈2对。随机产生介于1到NPopulation=10之间2对不重复的整数为{(6,4),(1,2)};随机产生介于1到LChromosome-1=6-1=5之间的整数{3,2}分别作为整数对的交叉位。交叉过程为
010|101 10|1011
001|000 01|0011
↓ , ↓ ;
010|000 10|0011
001|101 01|1011
交叉后种群为
{100011,011011,011011,001100,001001,010000,100101,011011,010001,010000};
步骤9,变异;计算变异的染色体数为NMutate=0.01×6×10≈1。随机产生介于1到10之间1个不重复的随机整数{8}。随机产生介于1到5之间1个不重复的随机整数{1}。变异过程为
0|11011
↓ ;
0|01011
变异后种群为
{100011,011011,011011,001100,001001,010000,100101,001011,010001,010000};
步骤10,重复第4-9步的次数满足MaxGen=1,不再重复,上一个步骤中的变异后种群即为最终变异后种群。
步骤11,此时最终变异后种群的目标函数值、加权目标函数值分别为
VObject={4.0881,3.4849,3.4849,3.9179,28.5087,4.8114,5.6074,25.8925,27.6596,4.8114};
VTunningObject={0.9811,0.8364,0.8364,0.9403,6.8421,1.1547,1.3458,6.2142,6.6383,1.1547};
最大加权目标函数值的染色体为第c=5条染色体,最优加权目标函数值为VTunningObject(5)=6.8421。
第5条染色体001001的发射接收天线组合是
AOTRSet=({1,3},{1,3}),得到
VOTunningObjectR1D=VTunningObject(5)=2.7536=6.8421、AOTRSetR1D=AOTRSet=({1,3},{1,3})。
步骤12,计算中继节点2-目的节点节点组合对的最优发射接收天线组合、最优加权目标函数值。
步骤2,给中继节点2-目的节点的发射接收天线组编码成为染色体库,发射接收天线组合与染色体的映射如表1所示。
步骤3,对于中继节点2-目的节点,其信道矩阵为HR2D
随机产生NPopulation=10条染色体的种群,分别为
{100010,001010,000000,101101,011000,001010,100000,000001,011100,011010};
步骤4,计算种群的每条染色体的目标函数值,分别为:
VObject={3.8498,2.4083,3.6993,3.3800,4.9753,2.4083,4.3458,4.0593,5.5165,2.5688};
步骤5,计算种群的每条染色体的加权目标函数值,由种群的染色体可知,10条染色体的加权值都是0.20,得到的加权目标函数值为
VTunningObject={0.7700,0.4817,0.7399,0.6760,0.9951,0.4817,0.8692,0.8119,1.1033,0.5138};
步骤6,计算种群的每条染色体的适应度值为
VFitness={1.7785,0.6960,1.6422,1.3709,2.9704,0.6960,2.2663,1.9773,3.6518,0.7919};
步骤7,选择,对FitnVC排序,复制适应度值最大的前NSelect=1条染色体,删除适应度值最小的NSelect=1条染色体。
第6条染色体的适应度最小,第9条染色体的适应度最大,则选择后种群为
{100010,001010,000000,101101,011000,011100,100000,000001,011100,011010};
步骤8,交叉,计算出需要交叉的染色体对为NCrossover=10×0.6/2≈2对。随机产生介于1到NPopulation=10之间2对不重复的整数为{(10,4),(5,6)};随机产生介于1到LChromosome-1=6-1=5之间的整数{5,3}分别作为整数对的交叉位。交叉过程为
01101|0 011|000
10110|1 011|100
↓ , ↓ ;
01101|1 011|100
10110|0 011|000
交叉后种群为
{100010,001010,000000,101100,011100,011000,100000,000001,011100,011011};
步骤9,变异;计算变异的染色体数为NMutate=0.01×6×10≈1。随机产生介于1到10之间1个不重复的随机整数{1}。随机产生介于1到5之间1个不重复的随机整数{2}。变异过程为
10|0010
↓ ;
10|1010
变异后种群为
{101010,001010,000000,101100,011100,011000,100000,000001,011100,011011};
步骤10,将变异后种群作为种群,第1次重复第4-9步:
步骤4,计算种群的每条染色体的目标函数值,分别为:
VObject={3.4878,2.4083,3.6993,3.3800,5.5165,4.9753,4.3458,4.0593,5.5165,5.5360};
步骤5,计算种群的每条染色体的加权目标函数值,由种群的染色体可知,10条染色体的加权值都是0.20,得到的加权目标函数值为
VTunningObject={0.6976,0.4817,0.7399,0.6760,1.1033,0.9951,0.8692,0.8119,1.1033,1.1072};
步骤6,计算种群的每条染色体的适应度值为
VFitness={1.4598,0.6960,1.6422,1.3709,3.6518,2.9704,2.2663,1.9773,3.6518,3.6777};
步骤7,选择,对FitnVC排序,复制适应度值最大的前NSelect=1条染色体,删除适应度值最小的NSelect=1条染色体。
第2条染色体的适应度最小,第10条染色体的适应度最大,则选择后种群为
{101010,011011,000000,101100,011100,011000,100000,000001,011100,011011};
步骤8,交叉,计算出需要交叉的染色体对为NCrossover=10×0.6/2≈2对。随机产生介于1到NPopulation=10之间2对不重复的整数为{(5,9),(3,4)};随机产生介于1到LChromosome-1=6-1=5之间的整数{1,2}分别作为整数对的交叉位。交叉过程为
0|11100 00|0000
0|11100 10|1100
↓ , ↓ ;
0|11100 00|1100
0|11100 10|0000
交叉后种群为
{101010,011011,001100,100000,011100,011000,100000,000001,011100,011011};
步骤9,变异;计算变异的染色体数为NMutate=0.01×6×10≈1。随机产生介于1到10之间1个不重复的随机整数{3}。随机产生介于1到5之间1个不重复的随机整数{5}。变异过程为
00110|0
↓ ;
00101|1
变异后种群为
{101010,011011,001101,100000,011100,011000,100000,000001,011100,011011};
步骤10,重复第4-9步的次数满足MaxGen=1,不再重复,上一个步骤中的变异后种群即为最终变异后种群。
步骤11,此时最终变异后种群的目标函数值、加权目标函数值分别为
VObject={3.4878,2.4083,3.6993,3.3800,5.5165,4.9753,4.3458,4.0593,5.5165,5.5360};
VTunningObject={0.6976,0.4817,0.7399,0.6760,1.1033,0.9951,0.8692,0.8119,1.1033,1.1072};
最大加权目标函数值的染色体为第c=10条染色体,最优加权目标函数值为VTunningObject(10)=1.1072。第10条染色体011011的发射接收天线组合是AOTRSet=({2,3},{2,3}),得到VOTunningObjectR2D=VTunningObject(10)=1.1072、AOTRSetR2D=AOTRSet=({2,3},{2,3})。
则源节点-2个中继节点的最优发射接收天线组合、最优加权目标函数值分别为{VOTunningObjectSR1,VOTunningObjectSR2}={1.2825,1.0826}、{AOTRSetSR1,AOTRSetSR2}={({2,3},{1,3}),({1,4},{1,3})},得到4个中继节点-目的节点的最优发射接收天线组合、最优加权目标函数值分别为{VOTunningObjectR1D,VOTunningObjectR2D}={6.8421,1.1072}和{AOTRSetR1D,AOTRSetR2D}={({1,3},{1,3}),({2,3},{2,3})}。
步骤13,计算出参与传输的中继节点为
选择出的源节点-第1个中继的最优发射接收天线集合是AOTRSetSR=AOTRSetSR4=({2,3},{1,3}),第1个中继节点-目的节点的最优发射接收天线集合是AOTRSetRD=AOTRSetR4D=({1,3},{1,3}),源节点到中继1的传输使用的发射天线为源节点第2、3个天线,接收天线为中继节点1的第1、3个天线。中继1到目的节点的传输发射天线为中继节点1的第1、3个天线,接收天线为目的节点的第1、3个天线。
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。
Claims (10)
1.一种基于节点分类的天线选择和中继选择的方法,其特征在于,包括以下步骤:
步骤S1,计算通信系统中每一个节点组合对的信噪比γ和信道矩阵H;
所述通信系统包括一个源节点S、一个目的节点D和N个中继节点,R1,R2,…,RN表示第1个中继节点到第N个中继节点,N为大于零的整数;
将所述源节点与N个所述中继节点组成的N组节点组合称为前节点组合对,将N个所述中继节点分别与所述目的节点组成的N组节点组合称为后节点组合对,所述节点组合对包括所述前节点组合对和所述后节点组合对;
步骤S2,根据步骤S1的计算结果,计算所有所述节点组合对中每一个所述节点组合对的最优发射接收天线组合和最优加权目标函数值;
步骤S3,根据步骤S2的计算结果,计算待选择中继节点。
2.根据权利要求1所述的基于节点分类的天线选择和中继选择的方法,其特征在于,所述源节点、所述中继节点和所述目的节点均包括多个天线,所述天线用于发射和接收信息;在所述节点组合对中,发射信息的节点称为发射节点,所述发射节点的天线称为发射天线,接收信息的节点称为接收节点,所述接收节点的天线称为接收天线。
3.根据权利要求2所述的基于节点分类的天线选择和中继选择的方法,其特征在于,在所述前节点组合对中,所述源节点为发射节点,所述源节点的天线称为发射天线,N个所述中继节点为接收节点,N个所述中继节点的天线称为接收天线;在所述后节点组合对中,N个所述中继节点为发射节点,N个所述中继节点的天线称为发射天线,所述目的节点为接收节点,所述目的节点的天线称为接收天线。
4.根据权利要求2所述的基于节点分类的天线选择和中继选择的方法,其特征在于,H包括一个节点组合对中所有发射天线和接收天线之间的信道冲击响应;
所述发射节点有NTx个发射天线,其中1≤NTx≤1024,将NTx个所述发射天线从1开始编号,则NTx个所述发射天线的编号分别为1、2、3、…、NTx;
所述接收节点有NRx个接收天线,其中1≤NRx≤1024,将NRx个所述接收天线从1开始编号,则NRx个所述接收天线的编号分别为1、2、3、…、NRx;
用hgj表示一个节点组合对发射节点的第j个发射天线和接收节点的第g个接收天线之间的信道冲击响应,1≤j≤NTx,1≤g≤NRx,则
5.根据权利要求3所述的基于节点分类的天线选择和中继选择的方法,其特征在于,步骤S2包括以下步骤:
步骤S201,针对一个节点组合对,生成染色体库;
用ATx表示发射天线集,则ATx={1,2,…,NTx};从ATx中的NTx个发射天线中取出NTxs个发射天线组成发射天线子集ATxSub,其中1≤NTxs≤NTx;从ATx中的NTx个发射天线中取出NTxs个发射天线有种组合,即ATxSub的个数为
用ARx表示接收天线集,则ARx={1,2,…,NRx};从ARx中的NRx个接收天线中取出NRxs个接收天线组成接收天线子集ARxSub,其中1≤NRxs≤NRx;从ARx中的NRx个接收天线中取出NRxs个接收天线有种组合,即ARxSub的个数为
发射接收天线组合ATRSet是指由一个所述发射天线子集和一个所述接收天线子集组成的组合,所述发射接收天线组合ATRSet有个;
使用二进制值mm…mnn…n表示一条染色体,其中mm…m表示第mm…m个发射天线子集,mm…m的字长为LTx,[]+表示往大取整操作;nn…n表示第nn…n个接收天线子集,nn…n的字长为LRx,
到里的个编码与个发射接收天线组合一一对应;
所有的染色体构成所述染色体库;
步骤S202,从所述染色体库中随机产生包括NPopulation条染色体的种群;其中5≤NPopulation≤200;用1,2,…,NPopulation将所述种群中的染色体进行编号;
步骤S203,计算所述种群中每条染色体的目标函数值,
其中,i表示所述种群中的第i条染色体,i=1,2,3,…,NPopulation;VObject(i)表示第i条染色体的目标函数值;Hi为第i条染色体所对应的发射接收天线组合的信道矩阵,且Hi是所述信道矩阵H的子集,Hi包含第i条染色体所对应的发射接收天线组合中所有发射天线与接收天线之间的信道冲击响应;Hi H表示信道矩阵Hi的共轭转置矩阵;是维数为NRxs的单位矩阵;
步骤S204,根据步骤S203的计算结果,计算所述种群中每条染色体的加权目标函数值,VTunningObject(i)=a·VObject(i);其中VTunningObject(i)表示第i条染色体的加权目标函数值;a表示节点组合对中中继节点的加权值;
步骤S205,根据步骤S204的计算结果,计算所述种群中每条染色体的适应度值;VFitness(i)=A×(VTunningObject(i))β;其中VFitness(i)表示第i条染色体的适应度值;β、A为大于1的实数;
步骤S206,根据步骤S205的计算结果,生成选择后种群;
步骤S207,对所述选择后种群进行交叉,生成交叉后种群;
步骤S208,对所述交叉后种群进行变异,生成变异后种群;
步骤S209,将所述变异后种群作为新的种群,重复步骤S203-S208,重复次数为MaxGen,其中1≤MaxGen≤100,生成最终变异后种群;
步骤S210,计算所述最终变异后种群的最优发射接收天线组合AOTRSet和最优加权目标函数值VOTunningObject(c);计算过程包括以下步骤:
步骤a,计算所述最终变异后种群中每条染色体的目标函数值,
其中,z表示所述最终变异后种群中的第z条染色体,z=1,2,3,…,NPopulation;VObject(z)表示第z条染色体的目标函数值;Hz为第z条染色体所对应的发射接收天线组合的信道矩阵,且Hz是所述信道矩阵H的子集,Hz包含第z条染色体所对应的发射接收天线组合中所有发射天线与接收天线之间的信道冲击响应;Hz H表示信道矩阵Hz的共轭转置矩阵;是维数为NRxs的单位矩阵;
步骤b,计算所述最终变异后种群中每条染色体的加权目标函数值,VTunningObject(z)=a·VObject(z);其中VTunningObject(z)表示第z条染色体的加权目标函数值;a表示节点组合对中中继节点的加权值;
步骤c,计算所述最终变异后种群中加权目标函数值最大的染色体,
其中,c表示计算所述最终变异后种群中加权目标函数值最大的染色体,c为整数,且1≤c≤NPopulation;将所述最终变异后种群中的第c个染色体解码得到的发射接收天线组合即为最优发射接收天线组合AOTRSet,所述最终变异后种群中的第c个染色体对应的加权目标函数值VOTunningObject(c)即为最优加权目标函数值;
当节点组合对为源节点和中继节点Rk组成的前节点组合对时,有AOTRSetSRk=AOTRSet,VOTunningObjectSRk=VOTunningObject(c),AOTRSetSRk和VOTunningObjectSRk分别表示源节点和中继节点Rk组成的前节点组合对的最优发射接收天线组合和最优加权目标函数值;当节点组合对为中继节点Rk与目的节点组成的后节点组合对时,有AOTRSetRkD=AOTRSet,VOTunningObjectRkD=VOTunningObject(c),AOTRSetRkD和VOTunningObjectRkD分别表示中继节点Rk与目的节点组成的后节点组合对的最优发射接收天线组合和最优加权目标函数值;
步骤S211,重复执行步骤S201-S210,计算所有节点组合对的最优发射接收天线组合和最优加权目标函数值;
前节点组合对的最优发射接收天线组合、最优加权目标函数值分别为{AOTRSetSR1,AOTRSetSR2,…,AOTRSetSRN}和{VOTunningObjectSR1,VOTunningObjectSR2,…,VOTunningObjectSRN},后节点组合对的最优发射接收天线组合、最优加权目标函数值分别为{AOTRSetR1D,AOTRSetR2D,…,AOTRSetRND}和{VOTunningObjectR1D,VOTunningObjectR2D,…,VOTunningObjectRND}。
6.根据权利要求5所述的基于节点分类的天线选择和中继选择的方法,其特征在于,步骤S3中,待选择中继节点p的计算公式为:
其中表示求括号内矩阵的每一行的最小值,表示求出括号内列向量的最大值在第几行。
7.根据权利要求5所述的基于节点分类的天线选择和中继选择的方法,其特征在于,步骤S204和步骤210中,所述中继节点有4种类型,分别为:
类型1:用户设备;类型2:电池供应移动中继;类型3:电池供应固定中继;类型4:电源供应固定中继;
四种类型的中继节点的加权值分别为:
类型1:a=0.2;类型2:a=0.24;类型3:a=0.26;类型4:a=0.3,且四种类型的中继节点的加权值之和为1。
8.根据权利要求5所述的基于节点分类的天线选择和中继选择的方法,其特征在于,步骤S206中,生成选择后种群的方法为:
对所述种群中每条染色体的适应度值进行排序,复制适应度值最大的前NSelect个染色体,NSelect≥1,删除适应度值最小的NSelect个染色体,并将复制得到的染色体随机放到被删除的染色体的位置。
9.根据权利要求5所述的基于节点分类的天线选择和中继选择的方法,其特征在于,步骤S207中,生成交叉后种群的方法为:
计算所述选择后种群中需要交叉的染色体对的个数NCrossover,NCrossover=NPopulation×px/2,px表示交叉概率,
随机产生介于1到NPopulation之间NCrossover对不重复的整数形成NCrossover个整数对,一个整数对里的两个整数表示所述需要交叉的染色体对中两个染色体在所述选择后种群中的编号;
随机产生介于1到LChromosome-1之间的NCrossover个整数分别作为NCrossover个染色体对各自的交叉位,其中LChromosome=LTx+LRx,LChromosome表示每条染色体的长度;
对所述需要交叉的染色体对根据其对应的交叉位进行交叉,交叉方法为将染色体对中第一个染色体的交叉位后的值与第二个染色体的交叉位后的值互换,所有所述需要交叉的染色体对完成交叉后,形成交叉后种群。
10.根据权利要求5所述的基于节点分类的天线选择和中继选择的方法,其特征在于,步骤S208中,生成变异后种群的方法为:
计算所述交叉后种群中需要变异的染色体的个数NMutate,NMutate=pm×LChromosome×NPopulation,其中pm表示变异概率,LChromosome=LTx+LRx,LChromosome表示每条染色体的长度;
随机产生介于1到NPopulation之间NMutate个不重复的随机整数来表示需要变异的染色体在所述交叉后种群中的编号;
随机产生介于2到LChromosome-1之间NMutate个不重复的随机整数来表示所述需要变异的染色体的变异位;
对所述需要变异的染色体进行变异,变异方法为,对所述需要变异的染色体的所述变异位后的一位的值取反,所有所述需要交变异的染色体完成变异后,形成变异后种群。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510275972.6A CN105007105B (zh) | 2015-05-26 | 2015-05-26 | 一种基于节点分类的天线选择和中继选择的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510275972.6A CN105007105B (zh) | 2015-05-26 | 2015-05-26 | 一种基于节点分类的天线选择和中继选择的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105007105A true CN105007105A (zh) | 2015-10-28 |
CN105007105B CN105007105B (zh) | 2018-04-10 |
Family
ID=54379642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510275972.6A Expired - Fee Related CN105007105B (zh) | 2015-05-26 | 2015-05-26 | 一种基于节点分类的天线选择和中继选择的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105007105B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106413029A (zh) * | 2016-09-14 | 2017-02-15 | 重庆大学 | 一种针对解码转发双向中继系统的多中继选择方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040043795A1 (en) * | 2002-03-13 | 2004-03-04 | Gregory Zancewicz | Genetic algorithm-based adaptive antenna array processing method and system |
CN102208934A (zh) * | 2011-06-24 | 2011-10-05 | 北京理工大学 | 一种基于全交叉权重遗传算法的天线选择方法 |
-
2015
- 2015-05-26 CN CN201510275972.6A patent/CN105007105B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040043795A1 (en) * | 2002-03-13 | 2004-03-04 | Gregory Zancewicz | Genetic algorithm-based adaptive antenna array processing method and system |
CN102208934A (zh) * | 2011-06-24 | 2011-10-05 | 北京理工大学 | 一种基于全交叉权重遗传算法的天线选择方法 |
Non-Patent Citations (3)
Title |
---|
JIA ZHOU等: "Joint Relay-and-Antenna Selection for Two-Way Decode-and-Forward MIMO Relay Networks", 《VEHICULAR TECHNOLOGY CONFERENCE(VTC SPRING)》 * |
KUN YANG等: "Efficient Full-Duplex Relaying With Joint Antenna-Relay Selection and Self-Interference Suppression", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
MINCHUL JU等: "Joint Relay-and-Antenna Selection in Multi-Antenna Relay Networks", 《IEEE TRANSACTIONS ON COMMUNICATIONS》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106413029A (zh) * | 2016-09-14 | 2017-02-15 | 重庆大学 | 一种针对解码转发双向中继系统的多中继选择方法 |
CN106413029B (zh) * | 2016-09-14 | 2019-10-29 | 重庆大学 | 一种针对解码转发双向中继系统的多中继选择方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105007105B (zh) | 2018-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ozfatura et al. | Speeding up distributed gradient descent by utilizing non-persistent stragglers | |
CN103916220B (zh) | 一种基于极化码的网络编码协作通信方法 | |
CN110417456B (zh) | 基于无人机的信息传输方法 | |
US20070133504A1 (en) | Method for selecting broadcast routing path using genetic algorithm in Ad-hoc network | |
CN108112049A (zh) | 一种基于鲸鱼群算法的无线传感器网络能效优化分簇方法 | |
CN108737569A (zh) | 一种面向移动边缘计算环境的服务选择方法 | |
CN112926747B (zh) | 优化业务模型的方法及装置 | |
CN105992230A (zh) | 无线网络规划方法和装置 | |
Garcia et al. | Low-complexity PSO-based resource allocation scheme for cooperative non-linear SWIPT-enabled NOMA | |
CN102821438B (zh) | 一种无线Mesh网络机会路由方法及路由器 | |
CN105430060A (zh) | 条件约束发布订阅模式航天测控数据交换系统 | |
CN114158105B (zh) | 应用于综合能源系统的无线传感器网络的路由方法及装置 | |
CN105007105A (zh) | 一种基于节点分类的天线选择和中继选择的方法 | |
CN104093182A (zh) | 一种多层无线网络中基于场强获得多条可靠通信路径的方法 | |
Hamdan et al. | Multicast routing with delay and delay variation constraints using genetic algorithm | |
Silva et al. | An efficient genetic algorithm for anycast routing in delay/disruption tolerant networks | |
Das et al. | Practically secure quantum position verification | |
CN104735742A (zh) | 一种机会网络数据的发送方法和装置 | |
ParandehGheibi et al. | Optimal reverse carpooling over wireless networks-a distributed optimization approach | |
Sooda et al. | A comparative analysis for determining the optimal path using PSO and GA | |
CN108495351A (zh) | 一种数据传输方法及系统 | |
CN103905319B (zh) | 一种基于迭代编码的多约束组播路由算法 | |
CN110493825A (zh) | 一种边缘计算架构下多任务的负载均衡方法 | |
Wang et al. | Evolutionary harmony search algorithm with metropolis acceptance criterion for travelling salesman problem | |
CN105451293A (zh) | 无线网络中的转发方法、确定转发策略的方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180410 Termination date: 20210526 |