CN105141386A - 一种适用于濒死信道的无速率编码传输方法 - Google Patents

Abstract

本发明涉及通信领域，尤其涉及一种适用于濒死信道的无速率编码传输方法。本发明建立了具有随机信道生存时间且信道质量服从随马尔可夫状态转移的时变删除濒死信道模型，并提供一种适用于濒死信道的无速率编码传输方法，通过启发式度分布设计和最优码字长度的分析和优化，验证了在不完全可靠传输的场景下该传输策略在恢复概率和吞吐量方面的性能，从而解决了在信道具有随机“死亡”中断场景下的数据有效传输问题。本发明提升了无速率编码在极端通信环境下的信息传输和恢复能力，能够应用于陆地作战传感器网络、灾害救援、地质勘探等场景下的通信系统中。

Description

一种适用于濒死信道的无速率编码传输方法

技术领域

本发明涉及通信领域，尤其涉及一种适用于濒死信道的无速率编码传输方法。

背景技术

一、濒死信道的特点及应用场景

无论是AWGN信道还是衰落信道，发送端通常对信道长度具有先验知识，且信道长度通常确定(有限长或无限长)。然而，在某些特定的通信场景中，通信过程常常被诸如随机发生的物理攻击而被迫中断，如系统突发性毁坏，电磁干扰，能源耗尽等。在这种情况下信道的长度不再是定值，而是无法预知，好像信道“死亡”了一样。一旦信道发生“死亡”，随后发送的数据包将全部丢失，且发送端也无法收到来自接收端关于丢包或实时的信道状态信息的反馈。除此之外，一旦信道的质量随时间变化时，通信的可靠性将更难保证。在这种情况下，信道的长度变得随机且不确定，将这样的信道模型定义为“濒死”信道。

濒死信道的典型应用场景有以下几种：

1、陆地移动战斗环境的无线传感器网络，传感器节点可能会由于诸如火灾、爆炸或能量耗尽的因素损毁，从而造成信道突发性中断；

2、在带有机会式频谱共享的认知无线电网络中，当信道被主传输占用时，次级链路就会突然中断，且这种中断通常不可预知；

3、在海洋通信系统中，由于海洋环境复杂多变，一旦海底电缆切断极有可能导致信道中断而无法恢复。

4、在火山、地震等自然灾害的环境下进行紧急救援的数据通信，链路随时会受到不确定因素的攻击，而造成信道彻底中断。

5、在生物细胞内存在的综合通信系统，一旦细胞内环境变化，该系统极有可能突然中断而无法恢复。

面临以上特殊环境下的数据通信，如何在链路短暂维持畅通的情况下，尽快将信息传输到需要接收的用户终端，是濒死信道下数据传输亟待解决的问题。

二、无速率编码方法

无速率编码最初是针对删除信道模型而提出的一种编码方法。由于其无速率特性，使得在这种方法下只要接收端收到的数据包个数比原始数据多一点，即可以很高的概率恢复出全部数据。无速率编码无需额外的反馈开销，且能够自适应信道删除概率的变化，在多媒体、流媒体等要求实时传输的业务，以及删除概率变化或未知的信道中得到了广泛应用。无速率编码的自适应特性，亦非常适合在状态时变且发生随机中断的濒死信道下进行数据传输与恢复。

典型的无速率码有LT码和Raptor码。LT码是第一种可实现的无速率编码方法，同时具有较小的译码开销和编译码复杂度，为无速率编码的发展奠定了基础。LT码不仅编译码方法简单直观，而且性能相当优良，其性能好坏的关键是设计一种相对合理的度分布。一方面应该使平均度数较小，这样才可以减小生成每个编码分组需要的运算量；另一方面又应该给予较大度数一定的选取概率，这样才可以通过编码分组覆盖所有的原始分组。

Raptor码是LT码的基础上发展出来的改进版。Raptor码提出采用两步编码的方式进行编码。首先对原始信息用一个分组码进行预编码，然后采用弱化的LT码对数据进行编码并发送。Raptor码译码时，先用置信传播算法对数据进行正常译码。由于弱化的LT码能够以很高的概率恢复出大多数数据包，因此剩下未被译码的数据包所占的比例被控制在一个很小的范围内，这些未被译码的数据利用预编码的纠错能力进行恢复。通过联合优化弱化LT码和预编码的码率和参数，Raptor可以获得更低的编译码复杂度，而在相同译码开销下能实现更高的译码成功率。

Raptor码作为一种应用层前向纠错技术，被写进第三代移动通信技术合作项目(3rdGenerationPartnershipProject，3GPP)关于多媒体广播/多播服务(MultimediaBroadcast/MulticastService，MBMS)的3G标准中。同时，Raptor码也被便携式数字电视广播服务(DigitalVideoBroadcasting-Handheld，DVB-H)列为标准所采纳。

在传统的无速率码中，只要接收端收到的编码包个数比原始数据包多一点，即可以很高的概率恢复出全部数据，译码的可靠性较高。然而在濒死信道中，由于通信过程很可能受到随机的攻击(如突然断电、电磁干扰、火灾或爆炸等)而被迫中断，使得接收端无法获取足够量的编码包，甚至接收到的编码包可能小于原始数据包的数量。此时，由于传统无速率编码译码过程中的“瀑布效应”，导致在冗余比例较低的情况下译码器无法启动译码，能够正确恢复的原数据包比例极低，通信系统的效率严重下降。在这种情况下，无速率编码的度分布需要重新根据信道特性进行详细设计。

除此之外，濒死信道下的原始数据包长度同样需要考虑。由于增大输入码长意味着需要传输的原始数据包数增多，平均吞吐量(单位时间内译码端能够正确恢复的原始数据包数量)必然得到提高；然而由于能够传输的数据总量的限制增大原始码长意味着必然会减少编码冗余，导致译码可靠性降低，传输效率下降。因此，原始数据包长度的选择是一个折衷优化问题。

综上所述，如何设计濒死信道下较为合理的无速率编码策略是值得深入研究的问题，能够为信道频繁随机中断环境下的信息传输提供较为合理的通信方案。

发明内容

针对现有技术中存在的缺陷或不足，本发明所要解决的技术问题是：提供一种适用于濒死信道的无速率编码传输方法，通过启发式度分布设计和最优码字长度的分析和优化，验证了在不完全可靠传输的场景下该传输策略在恢复概率和吞吐量方面的性能，从而解决了在信道具有随机“死亡”中断场景下的有效数据传输问题。

为了实现上述目的，本发明采取的技术方案为提供一种用于濒死信道的无速率编码传输方法,包括以下步骤：

A、建立半马尔可夫濒死删除信道模型，本模型用于模拟数据包在应用层或传输层上进行传输时，信道发生“死亡”中断的过程；

B、建立半马尔可夫濒死删除信道模型的无速率编码策略；

C、进行启发式度分布设计，基于与-或树分析技术对半马尔可夫濒死删除信道模型中的无速率编码度分布进行优化，并求解出适合该信道的线性组合次优度分布；

D、对码字长度进行优化，建立优化问题并对其求解。

作为本发明的进一步改进，所述建立半马尔可夫濒死删除信道模型的具体步骤如下：

A1、先对半马尔可夫濒死删除信道模型中的各个参数进行定义：在发送端，原始数据包被封装在长度为K的数据块内，τ：每个数据包的单位发送时间，Kτ：每个数据块的发送时间，p：濒死信道的删除概率，p＝p_G或p＝p_B：“好”和“坏”的两种状态；

A2、信道的状态服从半马尔可夫过程，每个状态的停留时间服从均匀分布，即每个数据块长度相等，状态转移矩阵P为

$P=\left[\begin{array}{cc}P\left(G\right|G)& P\left(B\right|G)\\ P\left(G\right|B)& P\left(B\right|B)\end{array}\right]=\left[\begin{array}{cc}1-{\mathrm{\λ}}_G& {\mathrm{\λ}}_G\\ {\mathrm{\λ}}_B& 1-{\mathrm{\λ}}_B\end{array}\right]$

其中λ_G为信道状态由好变坏的概率，λ_B为该信道状态由坏变好的概率；

A3、信道的“死亡”随机发生，一旦“死亡”，随后发送的数据包全部丢失，且发送端无法收到来自接收端关于丢包或实时的信道状态信息的反馈；

A4、定义信道生存时间也就是每数据块的信道长度为T(T≤Kτ)，并服从期望为1/λ的指数分布，或期望为μ、方差为σ²的非负高斯分布，即T～E(λ)或T＝|T′|,T′～N(μ,σ²)；两种分布函数分别准确描述了信道由于设备电力耗尽而“死亡”的泊松过程，以及信道受到自然灾害等因素的随机攻击而“死亡”的高斯过程。

作为本发明的进一步改进，所述步骤B包括以下步骤：

B1、对原始符号进行无速率编码，得到编码符号包；

B10、设无速率编码度分布为其中D为最大度，Ω_d为随机选择d个输入符号进行异或运算生成输出符号的概率，从无速率编码度分布中随机选择度d作为输入符号的度；

B11、从长度为k的原始符号中随机选取d个不同的符号；

B12、对选中的d个符号进行模2加运算，得到编码符号；

B2、将编码后的符号包进行传输，传输过程中一旦发生信道“死亡”，随后传输的符号将直接丢失无法恢复，接收端对收到的包进行“在线”译码；若直到全部传完都未发生中断，接收端对全部包进行译码恢复；

B20、设一个数据块内需要进行编码的输入符号数量定义为码字长度k，在长度为K的数据块内能够实际发送的输出符号的数量定义为随机变量L，显然L等于定义设接收端成功接收到的输出符号数目为n，译码器端的接收比为；γ＝n/k；

B21、给定γ和Ω(x)，定义z(γ,Ω(x))为一个块的平均恢复概率，同时定义平均吞吐量V为已恢复的输入符号数与时间开销Kτ的比值，即

$V(k,z(\mathrm{\γ},\mathrm{\Ω}\left(X\right)\left)\right)=\frac{k}{K\mathrm{\τ}}\underset{n=1}{\overset{K}{\Σ}}z(\frac{n}{k},\mathrm{\Ω}(x\left)\right)\mathrm{Pr}\left(n\right)$

其中，Pr(n)为接收端在一个块内成功接收到n个输出符号的概率。

作为本发明的进一步改进，所述步骤C包括以下步骤：

C1、选择三种典型的度分布函数用于半马尔可夫濒死删除信道信道下度分布设计：Ω⁽¹⁾(x)＝x，Ω⁽²⁾(x)＝x²和

Ω⁽³⁾(x)＝0.008x+0.494x²+0.166x³+0.072x⁴+0.083x⁵+0.056x⁸+0.037x⁹+0.056x¹⁹+0.025x⁶⁴+0.003x⁶⁶

C2、启发式算法设计次优度分布：将Ω⁽¹⁾，Ω⁽²⁾和Ω⁽³⁾赋权重并进行线性组合，得到度分布Ω_LC(x)如下：

${\mathrm{\Ω}}_{LC}\left(x\right)=\underset{j=1}{\overset{3}{\Σ}}{w}_j{\mathrm{\Ω}}^{\left(j\right)}\left(x\right)$

其中，w＝[w₁,w₂,w₃]为权重向量，权重系数为接收比率在不同区间内的概率值，即w₁＝Pr{0≤γ≤ln2}， $w_2=\mathrm{Pr}\{ln2\≤\mathrm{\γ}\≤\frac{3}{4}ln3\},w_3=\mathrm{Pr}\{\frac{3}{4}ln3\≤\mathrm{\γ}\},$ 同Raptor码类似，由于输出符号的平均度为常数，故利用线性组合度分布Ω_LC进行无速率编码的复杂度同为线性，即O(k)；

C3、设l→∞且y₀＝1，渐近的平均恢复概率z_LC为

z_LC(γ,ω)＝1-y_h＝1-exp(-γ(ω₁+2ω₂(1-y_h-1)+ω₃Ω^(3)′(1-y_h-1)))。

作为本发明的进一步改进，所述步骤D的包括以下步骤：

D1、平均吞吐量V可表示成关于w＝[w₁,w₂,w₃]和k的方程：

$V(k,w)=\frac{k}{K\mathrm{\τ}}\underset{n=1}{\overset{K}{\Σ}}{z}_{LC}(k,w)\mathrm{Pr}\left(n\right)$

D2、建立优化目标函数获得V的最大值，找出最优码长k_opt和系数向量：w＝[w₁,w₂,w₃]

D3、建立码字长度的优化问题：

$\begin{array}{cc}\underset{k,{\mathrm{\Ω}}_{LC}}{\max }& V(k,{\mathrm{\Ω}}_{LC})\end{array}$

$\begin{array}{cc}s.t.& {\mathrm{\Ω}}_{LC}\left(x\right)=\underset{j=1}{\overset{3}{\Σ}}{w}_j{\mathrm{\Ω}}^{\left(j\right)}\left(x\right)\end{array}$

w₁+w₂+w₃＝1

0<k≤K

作为本发明的进一步改进，所述步骤D3对码字长度进行优化的具体步骤如下：

D30、在二元删除信道中，译码器成功接收n个输出符号的概率服从二项分布， ${\mathrm{Pr}}_1\left(n\right)=\left(\begin{array}{c}l\\ n\end{array}\right){(1-p)}^n{p}^{(l-n)},$ l为传输的输出符号数。设信道状态服从两状态的半马尔可夫链，那么n的概率函数为：

${\mathrm{Pr}}_2\left(n\right)=P_B\left(\begin{array}{c}l\\ n\end{array}\right){(1-P_B)}^n{P_B}^{(l-n)}+P_G\left(\begin{array}{c}l\\ n\end{array}\right){(1-P_G)}^n{P_G}^{(l-n)},$ 其中 $P_B=\frac{{\mathrm{\&lambda;}}_G}{{\mathrm{\&lambda;}}_G+{\mathrm{\&lambda;}}_B},P_G=\frac{{\mathrm{\&lambda;}}_B}{{\mathrm{\&lambda;}}_G+{\mathrm{\&lambda;}}_B};$

D31、将w₁,w₂,w₃表示成含有k的方程，即

至此，优化问题变成了一个单变量k的优化问题，即

$\begin{array}{cc}\underset{k}{max}& V\left(k\right)=\frac{k}{K\mathrm{\&tau;}}\underset{n=1}{\overset{K}{\&Sigma;}}{z}_{LC}\left(k\right)\mathrm{Pr}\left(n\right)\end{array}$

$\begin{array}{cc}s.t.& z_{LC}\left(k\right)=1-y_h=1-\exp (-\frac{n}{k}({\mathrm{\&omega;}}_1\left(k\right)+2{\mathrm{\&omega;}}_2\left(k\right)+{\mathrm{\&omega;}}_3\left(k\right){\mathrm{\&Omega;}}^{{\left(3\right)}^{\&prime;}}\left(1-y_{h-1}\right)))\end{array}$

ω₁(k)+ω₂(k)+ω₃(k)＝1

0<k≤K

由于该优化问题的最优解k_opt的可行集有限，故利用穷举搜索算法求解上述问题，在多项式时间内可解，复杂度为O(K²)。

本发明的有益效果是：对于提出的无速率编码传输策略，其中间译码性能的平均恢复概率优于传统的LT码和Raptor码，且优化求解的最优码字长度和度分布加权系数使得提出无速率编码策略较传统编码方法获得了更出色的吞吐量性能，有效提升了无速率编码在濒死信道下的信息传输能力。本专利设计的无速率编码传输策略解决了在由于通信链路受到随机的攻击而损毁造成信道中断的特殊场景下，数据不完全可靠传输的问题。可以用于陆地移动战斗环境的无线传感器网络，因火灾、爆炸造成的信道中断，认知无线电网络中次级链路的随机中断，火山、地震等自然灾害环境下信道的损毁，生物细胞内存在的通信随机中断等突发情况下的实时通信业务，提高系统传输效率。

附图说明

图1是本发明半马尔可夫濒死删除信道模型图；

图2是本发明半马尔可夫濒死删除信道信道下的无码率编码策略示意图；

图3是本发明信道长度成指数分布且1/λ＝3000时，优化编码策略与LT码、Raptor码的恢复概率对比图；

图4是本发明信道长度成指数分布且1/λ＝5000时，优化编码策略与LT码、Raptor码的恢复概率对比图；

图5是本发明信道长度成指数分布时优化编码策略的平均吞吐量示意图；

图6是本发明信道长度成高斯分布时优化编码策略的平均吞吐量示意图。

具体实施方式

下面结合附图说明及具体实施方式对本发明进一步说明。

由前面的技术交底可知，本发明针对实际通信系统中链路遭受随机攻击而突发中断的情况，首先提出了一种半马尔可夫濒死删除信道模型。该信道带有马尔可夫状态转移的删除概率及随机的信道生存时间，用以模拟认知无线电网络及无线传感器网络中通信链路发生“死亡”等类似现象。进一步，为保证科学数据在时变濒死信道下的有效传输，本发明专利提出一种基于无速率编码的最优传输策略对上述问题加以解决。首先采用一种启发式算法，在与-或树分析技术的基础上设计了无速率编码的次优度分布。进一步，通过对最优化问题的求解，分析了不同信道状态下时变濒死信道的最优码字长度以及最大平均吞吐量。

本发明建立了具有随机信道生存时间且信道质量服从随马尔可夫状态转移的时变删除濒死信道模型(Semi-MarkovDyingErasureChannel,SMDEC)，并提出一种基于无速率编码的数据传输方法。通过启发式度分布设计和最优码字长度的分析和优化，验证了在不完全可靠传输的场景下该传输策略在恢复概率和吞吐量方面的性能，从而解决了在信道具有随机“死亡”中断场景下的有效数据传输问题。

1、半马尔可夫濒死删除信道模型的建立

本模型用于模拟数据包在应用层或传输层上进行传输时，信道发生“死亡”中断的过程，如图1所示。

先对半马尔可夫濒死删除信道模型中的各个参数进行定义：在发送端，原始数据包被封装在长度为K的数据块内。τ：每个数据包的单位发送时间；Kτ：每个数据块的发送时间；p：濒死信道的删除概率，(存在“好”和“坏”两种状态，p＝p_G或p＝p_B)。

半马尔可夫过程的状态停留时间服从均匀分布，即每个数据块长度相等。状态转移矩阵P为

$P=\left[\begin{array}{cc}P\left(G\right|G)& P\left(B\right|G)\\ P\left(G\right|B)& P\left(B\right|B)\end{array}\right]=\left[\begin{array}{cc}1-{\mathrm{\&lambda;}}_G& {\mathrm{\&lambda;}}_G\\ {\mathrm{\&lambda;}}_B& 1-{\mathrm{\&lambda;}}_B\end{array}\right]$

其中λ_G为信道状态由好变坏的概率，λ_B为该信道状态由坏变好的概率。

信道的“死亡”随机发生，一旦“死亡”，随后发送的数据包全部丢失，且发送端无法收到来自接收端关于丢包或实时的信道状态信息的反馈。定义信道生存时间(每块的信道长度)为T(T≤Kτ)，并服从期望为1/λ的指数分布，或期望为μ、方差为σ²的非负高斯分布，即T～E(λ)或T＝|T′|,T′～N(μ,σ²)。两种分布函数分别准确描述了信道由于设备电力耗尽而“死亡”的泊松过程，以及信道受到自然灾害等因素的随机攻击而“死亡”的高斯过程。

2、编码策略

半马尔可夫濒死删除信道上无速率编码策略的过程如图2所示，具体步骤如下：

(1)对原始符号进行无速率编码，得到编码符号包：

1)设无速率编码度分布为其中D为最大度，Ω_d为随机选择d个输入符号进行异或运算生成输出符号的概率。从度分布中随机选择度d作为输入符号的度；

2)从长度为k的原始符号中随机选取d个不同的符号；

3)对选中的d个符号进行模2加运算，得到编码符号；

(2)将编码后的符号包进行传输。传输过程中一旦发生信道“死亡”，随后传输的符号将直接丢失无法恢复，接收端对收到的包进行“在线”译码；若直到全部传完都未发生中断，接收端对全部包进行译码恢复。

设一个数据块内需要进行编码的输入符号数量定义为码字长度k。在长度为K的数据块内能够实际发送的输出符号的数量定义为随机变量L，显然L等于定义设接收端成功接收到的输出符号数目为n，译码器端的接收比为γ＝n/k。

给定γ和Ω(x)，定义z(γ,Ω(x))为一个块的平均恢复概率，同时定义平均吞吐量V为已恢复的输入符号数与时间开销Kτ的比值，即

$V(k,z(\mathrm{\&gamma;},\mathrm{\&Omega;}\left(X\right)\left)\right)=\frac{k}{K\mathrm{\&tau;}}\underset{n=1}{\overset{K}{\&Sigma;}}z(\frac{n}{k},\mathrm{\&Omega;}(x\left)\right)\mathrm{Pr}\left(n\right)$

其中，Pr(n)为接收端在一个块内成功接收到n个输出符号的概率。

3、度分布线性组合的启发式算法

该算法基于与-或树分析技术对半马尔可夫濒死删除信道中的无速率编码度分布进行优化，并求解出适合该信道的线性组合次优度分布。具体步骤如下所示：

(1)选择三种典型的度分布函数用于半马尔可夫濒死删除信道信道下的度分布设计：Ω⁽¹⁾(x)＝x，Ω⁽²⁾(x)＝x²和

Ω⁽³⁾(x)＝0.008x+0.494x²+0.166x³+0.072x⁴+0.083x⁵+0.056x⁸+0.037x⁹+0.056x¹⁹+0.025x⁶⁴+0.003x⁶⁶

(2)启发式算法设计次优度分布：将Ω⁽¹⁾，Ω⁽²⁾和Ω⁽³⁾赋权重并进行线性组合，得到度分布Ω_LC(x)如下

${\mathrm{\&Omega;}}_{LC}\left(x\right)=\underset{j=1}{\overset{3}{\&Sigma;}}{w}_j{\mathrm{\&Omega;}}^{\left(j\right)}\left(x\right)$

其中，w＝[w₁,w₂,w₃]为权重向量，权重系数为接收比率在不同区间内的概率值，即w₁＝Pr{0≤γ≤ln2}， $w_2=\mathrm{Pr}\{ln2\&le;\mathrm{\&gamma;}\&le;\frac{3}{4}ln3\},w_3=\mathrm{Pr}\{\frac{3}{4}ln3\&le;\mathrm{\&gamma;}\}.$ 同Raptor码类似，由于输出符号的平均度为常数，故利用线性组合度分布Ω_LC进行无速率编码的复杂度同为线性，即O(k)。

(3)设l→∞且y₀＝1，渐近的平均恢复概率z_LC为

z_LC(γ,ω)＝1-y_h＝1-exp(-γ(ω₁+2ω₂(1-y_h-1)+ω₃Ω^(3)′(1-y_h-1)))

4、码字长度的优化

平均吞吐量V可表示成关于w＝[w₁,w₂,w₃]和k的方程，如下所示

$V(k,w)=\frac{k}{K\mathrm{\&tau;}}\underset{n=1}{\overset{K}{\&Sigma;}}{z}_{LC}(k,w)\mathrm{Pr}\left(n\right)$

优化码长基本思想是：可以建立优化目标函数获得V的最大值，找出最优码长k_opt和系数向量w＝[w₁,w₂,w₃]。建立优化问题如下：

$\begin{array}{cc}\underset{k,{\mathrm{\&Omega;}}_{LC}}{max}& V(k,{\mathrm{\&Omega;}}_{LC})\end{array}$

$\begin{array}{cc}s.t.& {\mathrm{\&Omega;}}_{LC}\left(x\right)=\underset{j=1}{\overset{3}{\&Sigma;}}{w}_j{\mathrm{\&Omega;}}^{\left(j\right)}\left(x\right)\end{array}$

w₁+w₂+w₃＝1

0<k≤K

具体优化步骤如下：

(1)在二元删除信道中，译码器成功接收n个输出符号的概率服从二项分布， ${\mathrm{Pr}}_1\left(n\right)=\left(\begin{array}{c}l\\ n\end{array}\right){(1-p)}^n{p}^{(l-n)},$ l为传输的输出符号数。设信道状态服从两状态的半马尔可夫链，那么n的概率函数为

${\mathrm{Pr}}_2\left(n\right)=P_B\left(\begin{array}{c}l\\ n\end{array}\right){(1-P_B)}^n{P_B}^{(l-n)}+P_G\left(\begin{array}{c}l\\ n\end{array}\right){(1-P_G)}^n{P_G}^{(l-n)},$

其中 $P_B=\frac{{\mathrm{\&lambda;}}_G}{{\mathrm{\&lambda;}}_G+{\mathrm{\&lambda;}}_B},P_G=\frac{{\mathrm{\&lambda;}}_B}{{\mathrm{\&lambda;}}_G+{\mathrm{\&lambda;}}_B}.$

(2)将w₁,w₂,w₃表示成含有k的方程，即

至此，优化问题变成了一个单变量k的优化问题，即

$\begin{array}{cc}\underset{k}{max}& V\left(k\right)=\frac{k}{K\mathrm{\&tau;}}\underset{n=1}{\overset{K}{\&Sigma;}}{z}_{LC}\left(k\right)\mathrm{Pr}\left(n\right)\end{array}$

$\begin{array}{cc}s.t.& z_{LC}\left(k\right)=1-y_h=1-\exp (-\frac{n}{k}({\mathrm{\&omega;}}_1\left(k\right)+2{\mathrm{\&omega;}}_2\left(k\right)+{\mathrm{\&omega;}}_3\left(k\right){\mathrm{\&Omega;}}^{{\left(3\right)}^{\&prime;}}\left(1-y_{h-1}\right)))\end{array}$

ω₁(k)+ω₂(k)+ω₃(k)＝1

0<k≤K

由于该优化问题的最优解k_opt的可行集有限，故可以利用穷举搜索算法求解上述问题，在多项式时间内可解，复杂度为O(K²)。

5、仿真结果与分析

(1)编码策略的恢复概率

使用与-或树分析和置信传播译码仿真不同码长下编码策略的平均恢复概率，如图3、4所示。从图中可知置信传播译码所得结果和与-或树分析法所得的渐近译码结果基本相符，并随着码长的增加，平均恢复概率降低。线性组合度分布Ω_LC(x)的平均恢复概率明显优于LT码和Raptor码的恢复概率，能够保证在0.4以上。

(2)编码策略的平均吞吐量

仿真分别模拟了信道生存时间服从指数分布和非负高斯分布的两种濒死信道，分别对应实际空间通信过程中能量耗尽和受到随机物理攻击的特殊情况。同时给出了三种不同参数的指数分布濒死信道和四种不同参数的非负高斯分布濒死信道，分别对应生存时间的不同期望和方差。根据不同的信道状态求解最大化问题获得的最优码长k_opt及度分布Ω_LC(x)中的权重向量，如表1和表2所示。

表1信道长度成指数分布时中最优码长k_opt及权重向量w

表2信道长度成高斯分布时最优码长k_opt及权重向量ω

图5展示了当信道长度服从如表1中不同参数的指数分布时，优化编码策略的平均吞吐量V与传统LT、Raptor码的对比。与上述理论分析相对应，对所有编码策略来说，信道的生存时间期望越大，所获得的吞吐量越高。对于不同的信道长度，本专利提出的无速率编码策略的吞吐量要优于LT码和Raptor码。表2中高斯分布的四种情况下仿真结果如图6所示，结果表明在信道遭受自然条件中高斯分布的随机攻击的情况下，本专利提出的无速率编码策略较LT和Raptor码可获得更好的平均吞吐量。通过仿真证实了本专利中优化的无速率编码策略可以显著提高濒死信道下的数据传输效率

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (6)

1.一种适用于濒死信道的无速率编码传输方法，其特征在于：包括以下步骤：

A、建立半马尔可夫濒死删除信道模型，本模型用于模拟数据包在应用层或传输层上进行传输时，信道发生“死亡”中断的过程；

B、建立半马尔可夫濒死删除信道模型的无速率编码策略；

C、进行启发式度分布设计，基于与-或树分析技术对半马尔可夫濒死删除信道模型中的无速率编码度分布进行优化，并求解出适合该信道的线性组合次优度分布；

D、对码字长度进行优化，建立优化问题并对其求解。

2.根据权利要求1所述的适用于濒死信道的无速率编码传输方法，其特征在于：所述建立半马尔可夫濒死删除信道模型的具体步骤如下：

A1、先对半马尔可夫濒死删除信道模型中的各个参数进行定义：在发送端，原始数据包被封装在长度为K的数据块内，τ：每个数据包的单位发送时间，Kτ：每个数据块的发送时间，p：濒死信道的删除概率，p＝p_G或p＝p_B：“好”和“坏”的两种状态；

A2、信道的状态服从半马尔可夫过程，每个状态的停留时间服从均匀分布，即每个数据块长度相等，状态转移矩阵P为

其中λ_G为信道状态由好变坏的概率，λ_B为该信道状态由坏变好的概率；

A3、信道的“死亡”随机发生，一旦“死亡”，随后发送的数据包全部丢失，且发送端无法收到来自接收端关于丢包或实时信道状态信息的反馈；

A4、定义信道生存时间也就是每数据块的信道长度为T(T≤Kτ)，并服从期望为1/λ的指数分布，或期望为μ、方差为σ²的非负高斯分布，即T～E(λ)或T＝|T′|,T′～N(μ,σ²)；两种分布函数分别准确描述了信道由于设备电力耗尽而“死亡”的泊松过程，以及信道受到自然灾害等因素的随机攻击而“死亡”的高斯过程。

3.根据权利要求1所述的适用于濒死信道的无速率编码传输方法，其特征在于：所述步骤B包括以下步骤：

B1、对原始符号进行无速率编码，得到编码符号；

度分布中随机选择度d作为输入符号的度；

B11、从长度为k的原始符号中随机选取d个不同的符号；

B12、对选中的d个符号进行模2加运算，得到编码符号；

B2、将编码后的符号进行传输，传输过程中一旦发生信道“死亡”，接收端只能利用已经收到的编码符号进行“在线”译码，尽量恢复更多的原始信息符号；若直至编码符号全部发送成功，信道并未发生中断，接收端将对全部原始信息符号进行译码恢复；

B20、设一个数据块内需要进行编码的输入符号数量定义为码字长度k，在长度为K的数据块内能够实际发送的输出符号的数量定义为随机变量L，显然L等于定义设接收端成功接收到的输出符号数目为n，译码器端的接收比为；γ＝n/k；

B21、给定γ和Ω(x)，定义z(γ,Ω(x))为一个块的平均恢复概率，同时定义平均吞吐量V为已恢复的输入符号数与时间开销Kτ的比值，即

其中，Pr(n)为接收端在一个块内成功接收到n个输出符号的概率。

4.根据权利要求1所述的适用于濒死信道的无速率编码传输方法，其特征在于：所述步骤C包括以下步骤：

C1、选择三种典型的度分布函数用于半马尔可夫濒死删除信道信道下度分布设计：Ω⁽¹⁾(x)＝x，Ω⁽²⁾(x)＝x²和Ω¹³⁾(x)＝0.008x+0.494x²+0.166x³+0.072x⁴+0.083x⁵+0.056x⁸+0.037x⁹+0.056x¹⁹+0.025x⁶⁴+0.003x⁶⁶

C2、启发式算法设计次优度分布：将Ω⁽¹⁾，Ω⁽²⁾和Ω⁽³⁾赋权重并进行线性组合，得到度分布Ω_LC(x)如下：

其中，w＝[w₁,w₂,w₃]为权重向量，权重系数为接收比率在不同区间内的概率值，即w₁＝Pr{0≤γ≤ln2}，同Raptor码类似，由于输出符号的平均度为常数，故利用线性组合度分布Ω_LC进行无速率编码的复杂度同为线性，即O(k)；

C3、设l→∞且y₀＝1，渐近的平均恢复概率z_LC为

z_LC(γ,ω)＝1-y_h＝1-exp(-γ(ω₁+2ω₂(1-y_h-1)+ω₃Ω^(3)′(1-y_h-1)))。

5.根据权利要求1所述的适用于濒死信道的无速率编码传输方法，其特征在于：所述步骤D的包括以下步骤：

D1、平均吞吐量V可表示成关于w＝[w₁,w₂,w₃]和k的方程：

D2、建立优化目标函数获得V的最大值，找出最优码长k_opt和系数向量：w＝[w₁,w₂,w₃]

D3、建立码字长度的优化问题：

w₁+w₂+w₃＝1

0<k≤K。

6.根据权利要求5所述的，其特征在于：所述步骤D3对码字长度进行优化的具体步骤如下：

D30、在二元删除信道中，译码器成功接收n个输出符号的概率服从二项分布，l为传输的输出符号数。设信道状态服从两状态的半马尔可夫链，那么n的概率函数为：

其中

D31、将w₁,w₂,w₃表示成含有k的方程，即

至此，原优化问题变成了一个关于单变量k的优化问题，即

ω₁(k)+ω₂(k)+ω₃(k)＝1

0<k≤K

由于该优化问题的最优解k_opt的可行集有限，故利用穷举搜索算法求解上述问题，在多项式时间内可解，复杂度为O(K²)。