CN106953678B - 一种多中继协作的认知水声系统中继选择和功率优化方法 - Google Patents
一种多中继协作的认知水声系统中继选择和功率优化方法 Download PDFInfo
- Publication number
- CN106953678B CN106953678B CN201710248010.0A CN201710248010A CN106953678B CN 106953678 B CN106953678 B CN 106953678B CN 201710248010 A CN201710248010 A CN 201710248010A CN 106953678 B CN106953678 B CN 106953678B
- Authority
- CN
- China
- Prior art keywords
- relay
- node
- base station
- communication
- water surface
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/155—Ground-based stations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/155—Ground-based stations
- H04B7/15592—Adapting at the relay station communication parameters for supporting cooperative relaying, i.e. transmission of the same data via direct - and relayed path
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种多中继协作的认知水声系统中继选择和功率优化方法,采用中继信任因子比重加权的协作感知方法和基于DF转发协议的水声多中继选择和功率优化方法,针对水声通信中频谱资源短缺、信道衰落及时延严重的情况,构建中继信任因子评价中继性能,中继通过比重加权的方式参与协作感知,有效地提高了感知准确性。同时,在多中继协作网络中,将网络干扰限制及剩余能量纳入效用函数,从功率优化和剩余能量消耗角度考虑,基于遗传算法进行中继选择和功率优化,使网络能耗更加均衡。
Description
技术领域
本发明涉及水声通信技术领域,尤其是一种基于译码转发(DF)的认知水声多中继协作联合优化的设计方法。
背景技术
近年来,由于军事应用和海洋资源开发的力度不断加大,水声通信技术的研究越来越引起人们的关注。与陆地上的无线电通信环境不同,水声信道呈现严重的频率选择性衰落特性,使得可用于水声通信的频谱资源十分有限,因此认知水声通信技术应运而生。在不干扰主用户的前提下,认知节点可以利用授权频谱进行通信,极大地提高了频谱利用效率。海洋环境中高背景噪声、来自海面、海底的反射及海洋中声线折射影响的多径传输、传播时延长等诸多不利因素,使单个中继节点感知主用户频谱效率低,造成通信质量严重下降。目前已有的水声中继选择方式仅考虑单个最优中继参与的协作传输,系统增益较低。与此同时,水下节点均采用电池供电方式,节点维修及更换费用高昂;在中继选择方面,若仅仅选择信道状态好的中继参与协作的方式,易造成局部海域少数监测节点提前死亡,难以长期持续协作完成网络全局信息监测的功能。因此设计一种最小化节点发射功率兼顾剩余能量、最大限度地延长网络生存时间的多中继联合优化方法显得尤为必要。
发明内容
本发明目的在于提供一种提高网络感知效率、优化功率消耗、延长网络生存时间的多中继协作的认知水声系统中继选择和功率优化方法。
为实现上述目的,采用了以下技术方案:本发明所述方法中至少包含一个授权主用户基站(Primary Base Station),一个与卫星通信的水面认知基站(C A BaseStation),K个水下认知监测节点(CA User),K=1,2,3...;每个节点负责固定海域范围内海洋环境数据收集监测,既可以作为发射节点传输数据,也可以作为中继节点参与协作通信;在传输过程中,中继节点采用半双工通信方式,协作方式采用译码转发(DF);在第一个时隙内,第i个监测节点发送数据信号Xi至中继节点;在第二个时隙内,中继成功接收后对信号进行解码,然后向水面通信基站转发经过重新编码后的信号Xi,j,满足E(||Xi||2)=E(||Xi,j||2)=1。其中,E(||Xi||2)为第i个监测节点至中继节点的检测统计量,E(||Xi,j||2)为参与协作的第j个中继节点至目的节点的检测统计量。
所述方法的具体步骤如下:
步骤1,基于遗传算法初始化染色体,构建候选多中继集合C;
步骤2,水面CA Base Station遍历候选多中继集合C1,计算每个染色体多中继组合的干扰值,剔除掉超出干扰上限的种群再次产生新的中继集合C2;hi,p为第i个中继节点和主用户之间的信道状态信息,Pi|hi,p|2是第i个中继节点在传输数据过程中对主用户造成的干扰;Ith为认知节点对授权主用户的干扰上限;Pi是监测节点i的发射功率;Ei为第i个中继节点的剩余能量;
步骤3,通过交叉、遗传、变异对候选多中继组合种群C2进行n次迭代直至函数收敛,最终获得最优的多中继组合的染色体,水面认知基站将中继选择和功率分配信息进行广播,其中适应度为:L为参与数据传输的中继节点的个数,/YITA第i个中继节点对此策略的满意度;
步骤4,通过步骤1、2、3后,中继节点收到水面通信基站广播信息,根据反馈信息调节参与协作的发射功率,采用最优多中继组合进行协作通信,水面通信基站接收到发送信号,监测节点完成一次信息传输;
步骤5,在整个监测网络中,每个监测节点均可发送周围海洋环境信息至水面CABase Station,也可作为中继参与协作通信;其它监测节点选择中继的过程重复步骤1、2、3、4,直至网络中存在死亡节点,整个网络失去监测功能。
进一步的,步骤1,在整个水声协作网络中,若存在节点死亡,水面基站即存在监测盲区,网络失去监测功能;在通信过程中,每个节点数据传输需达到一定的通信速率R<RL,否则数据传输失败;
每个监测节点通过感知周围环境,将能量状态及信道状态信息发送至水面CABase Station;在通信可达范围内,水面认知基站统计可用中继的信道状态及剩余能量;基于遗传算法,初始化多中继组合的染色体,构建种群;根据香农定理,计算初始化种群中每个多中继组合的吞吐量:然后水面通信基站筛除掉的种群,产生新的多中继集合C1;其中,参与协作的第i个中继信道状态信息取hi=min(hs,r,hr,d)。
其中,为成功传输通信速率;Pf为协作中继的虚警概率;SNRD是发射节点经多中继协作传输到水面CA Base Station的信噪比,hs,r为发射节点和中继节点之间的信道状态信息;hr,d为中继节点和目的节点之间的信道状态信息。
进一步的,步骤2中,中继选择方面,在不干扰授权主用户的前提下,为了最大限度地利用有限的水下频谱资源,针对水下节点电池更换费用高昂,网络能耗不均的问题,构建中继效用函数:其中,Pi|hi,p|2是第i个中继节点在传输数据过程中对主用户造成的干扰,Ei为第i个中继节点的剩余能量;在上式中,将中继节点对主用户的干扰和节点的剩余能量进行综合考虑,在满足通信速率的前提下,网络侧重选择效用函数ηi高的多中继组合,在很好地控制对主用户干扰的情况下,均衡整个网络的能耗,延长了监测网络的生存时间。
其中,CL为参与协作的中继节点集合,i=1,2,3,...,L,Pi为第i个中继节点的发射功率,hi,D为第i个中继到目的节点的信道状态信息,δ2为噪声方差。
在满足通信速率需求前提下,位于不同海域的中继节点因所处水下环境不同,感知效率也不尽相同,传输信号过程中中继发射功耗也有很大差异,以往满功率的发射方式很难适应节点能量有限的水下环境。而目前已有的多中继选择方法只能单纯考虑功率优化或能量效率,没有将两个问题综合考虑,即剩余能量大的节点,可能发射功耗也很大,因此需综合评价节点发射功耗与剩余能量之间的关系,以最大限度地从实际通信角度延长网络生存时间。因此本发明进一步对效用函数ηi中中继节点的发射功率Pi进行优化。一方面,经功率优化后的单个中继节点,减少了对授权用户产生的干扰Pi|hi,p|2,另一方面,随着节点发射功率减少,在固定的干扰限制下,网络可允许更多的中继参与协作,使整个网络的能耗更加均衡。
由可以看出,多中继参与的信噪比求解复杂,为NP-hard问题,只能通过穷举法选择最优多中继组合,计算复杂度为2L,因无法进行最优功率求解,已有的多中继选择方法很少考虑功率与中继选择的联合优化问题。本发明构建了基于遗传算法的认知水声多中继联合优化方法,将参与协作的多个中继的效用函数作为遗传算法的适应度在功率优化过程中,我们将每个参与协作中继的发射功耗采用二进制编码的形式表示,使得参与协作的中继可根据实际需求调节发射功率的大小。即N为功率量化单位。采用多中继策略进行中继选择和功率分配联合优化,若使用穷举法则计算复杂度为2NL,问题求解复杂。因此我们采用遗传算法对问题进行求解,可有效降低计算复杂度,且运行时间更短。
与现有技术相比,本发明具有如下优点:
1、通过构建中继信任因子,提高网络中多中继感知效率,可有效地对抗长时延及多径衰落的影响,缓解水下频谱资源紧张的现状。
2、在多中继协作网络中,将网络干扰限制及剩余能量纳入效用函数,从功率优化和剩余能量消耗角度出发,基于遗传算法进行中继选择和功率优化,减少网络局部过度能耗,延长网络生存时间,更加适合水下实际通信环境。
附图说明
图1为本发明适用认知水声系统模型示意图。
图2为本发明流程图。
图3为在不同通信速率下本发明方法与MRS、opp方法的协作网络生存时间仿真对比图。
具体实施方式
下面结合附图对本发明做进一步说明:
如图1所示,本发明所述方法中至少包含一个授权主用户基站(Primary BaseStation),一个与卫星通信的水面认知基站(CA Base Station),K个水下认知监测节点(CAUser),K=1,2,3...;每个节点负责固定海域范围内海洋环境数据收集监测,既可以作为发射节点传输数据,也可以作为中继节点参与协作通信;在传输过程中,中继节点采用半双工通信方式,协作方式采用译码转发(DF);在第一个时隙内,第i个监测节点发送数据信号Xi至中继节点;在第二个时隙内,中继成功接收后对信号进行解码,然后向水面通信基站转发经过重新编码后的信号Xi,j,满足E(||Xi||2)=E(||Xi,j||2)=1;
如图2所示,所述方法的具体步骤如下:
步骤1,基于遗传算法初始化染色体,构建候选多中继集合C;在整个水声协作网络中,若存在节点死亡,水面基站即存在监测盲区,网络失去监测功能;在通信过程中,每个节点数据传输需达到一定的通信速率否则数据传输失败;
每个监测节点通过感知周围环境,将能量状态及信道状态信息发送至水面认知基站(CA Base Station);在通信可达范围内,水面认知基站统计可用中继的信道状态及剩余能量;基于遗传算法,初始化多中继组合的染色体,构建种群;根据香农定理,计算初始化种群中每个多中继组合的吞吐量:然后水面通信基站筛除掉的种群,产生新的多中继集合C1;其中,参与协作的第i个中继信道状态信息取hi=min(hs,r,hr,d);
步骤2,水面认知基站(CA Base Station)遍历候选多中继集合C1,计算每个染色体多中继组合的干扰值,剔除掉超出干扰上限的种群再次产生新的中继集合C2;Ith为认知节点对授权主用户的干扰上限;Pi是监测节点i的发射功率;Pi|hi,p|2是第i个中继节点在传输数据过程中对主用户造成的干扰;Ei为第i个中继节点的剩余能量;
中继选择方面,在不干扰授权主用户的前提下,为了最大限度地利用有限的水下频谱资源,针对水下节点电池更换费用高昂,网络能耗不均的问题,构建中继效用函数表示第i个中继节点对此策略的满意度:其中,Pi|hi,p|2是第i个中继节点在传输数据过程中对主用户造成的干扰,Ei为第i个中继节点的剩余能量;ηi在上式中,将中继节点对主用户的干扰和节点的剩余能量进行综合考虑,在满足通信速率的前提下,网络侧重选择效用函数高的多中继组合,在很好地控制对主用户干扰的情况下,均衡整个网络的能耗,延长了监测网络的生存时间。
其中,CL为参与协作的中继节点集合,i=1,2,3,...,L,Pi为第i个中继节点的发射功率,hi,D为第i个中继到目的节点的信道状态信息,δ2为噪声方差。
在满足通信速率需求前提下,位于不同海域的中继节点因所处水下环境不同,感知效率也不尽相同,传输信号过程中中继发射功耗也有很大差异,以往满功率的发射方式很难适应节点能量有限的水下环境。而目前已有的多中继选择方法只能单纯考虑功率优化或能量效率,没有将两个问题综合考虑,即剩余能量大的节点,可能发射功耗也很大,因此需综合评价节点发射功耗与剩余能量之间的关系,以最大限度地从实际通信角度延长网络生存时间。因此本发明进一步对效用函数ηi中中继节点的发射功率Pi进行优化。一方面,经功率优化后的单个中继节点,减少了对授权用户产生的干扰Pi|hi,p|2,另一方面,随着节点发射功率减少,在固定的干扰限制下,网络可允许更多的中继参与协作,使整个网络的能耗更加均衡。
由可以看出,多中继参与的信噪比求解复杂,为NP-hard问题,只能通过穷举法选择最优多中继组合,计算复杂度为2L,因无法进行最优功率求解,已有的多中继选择方法很少考虑功率与中继选择的联合优化问题。本发明构建了基于遗传算法的认知水声多中继联合优化方法,将参与协作的多个中继的效用函数作为遗传算法的适应度在功率优化过程中,我们将每个参与协作中继的发射功耗采用二进制编码的形式表示,使得参与协作的中继可根据实际需求调节发射功率的大小。即N为功率量化单位。采用多中继策略进行中继选择和功率分配联合优化,若使用穷举法则计算复杂度为2NL,问题求解复杂。因此我们采用遗传算法对问题进行求解,可有效降低计算复杂度,且运行时间更短。
步骤4,通过步骤1、2、3后,中继节点收到水面通信基站广播信息,根据反馈信息调节参与协作的发射功率,采用最优多中继组合进行协作通信,水面通信基站接收到发送信号,监测节点完成一次信息传输;
步骤5,在整个监测网络中,每个监测节点均可发送周围海洋环境信息至水面认知基站(CA Base Station),也可作为中继参与协作通信;其它监测节点选择中继的过程重复步骤1、2、3、4,直至网络中存在死亡节点,整个网络失去监测功能。
其中步骤1中,采用多中继协作感知的策略。在复杂的水下环境中,因海水波动、水下湍流、鱼群活动等诸多不确定因素影响,授权主用户与感知中继之间的频谱环境可能呈现强衰落时,单个节点上感知设备无法准确感知到频谱空穴,若盲目使用该授权频段进行通信,很容易造成通信数据丢失,利用认知用户间的相互协作,可以有效消除阴影衰落的影响,因此本发明采用多中继协作频谱感知方法。
由于实现方便,所需授权主用户的先验信息少,采用能量检测法进行本地频谱感知。对时域信号采样求模,平方累积求和后得到,L个参与协作的中继感知节点的检测统计量:
在第一时隙内,参与协作的中继节点将接收信息传送至水面认知基站(CA BaseStation):
上式中δ为海洋背景噪声,Z为观测向量大小。ωi为第i个中继的加权值,表示该中继在整体检测结果中所占比重。
在水下通信中,水声信道往往呈现强衰落,且声波传播速度远低于光速,因此,信号衰落、长时延等不利因素使授权主用户信号难以被准确感知。我们侧重于选择感知主用户信噪比大且传播时延短的节点参与感知,构建信任因子如下:
ξi=a·ψip+b·exp(-||di||)
权重因子的表达式:
其中,a+b=1,a>0,b>0,di和ψip分别为第i个中继与授权主用户的距离及接收到授权用户的信噪比。
设置γ为门限值,则判决结果如下:
H0:y<γ 授权主用户不存在
H1:y>γ 授权主用户存在
多个中继节点协作检测,当Z较大时,由中心极限定理,水面基站处的检测统计量:
由此得到该检测算法的虚警概率:
步骤1、2、3中,采用遗传算法进行多中继选择和功率分配。针对联合中继选择和功率分配问题,基于穷举、分支定界等算法的效率较低,特别是待选中继节点个数K和功率离散化等级N较大时,这些算法由于复杂度过高而不具有使用价值,因此,采用遗传算法进行函数求解。遗传算法主要包括从染色体种群的构建到遗传算子设计等几个关键的步骤,下面针对联合中继选择与功率分配问题一一描述这些步骤。
设定水下监测节点个数K=10,染色体种群规模M为50个,最大迭代次数n为200次,交叉概率Pc=0.5,突变概率Pm=0.005。具体实施步骤如下:
为了不对主用户产生干扰,在每个时隙内,节点的发射功率需满足以下条件:
Ps·hsp 2≤Ith
为了使问题简化,这里将发射节点的功率设定为:其中,hsp为发射节点与授权主用户间的信道状态信息,εi∈(0,1),选择第i个中继参与协作则εi=1,否则εi=0。将第i个候选中继节点的功率进行离散化处理,由上式看出,Pi有N种功率等级可供中继选择,N值越大,功率分配越接近最优解,我们设定N=7。公式可改写为:
(1)构建染色体种群,初始化多中继集合C
需要对中继功率进行编码,每个染色体的长度为3*K,其中前3位代表第1个候选中继的协作发射功率,以此类推,每个中继被分配相应的功率值。例如:第i个中继的发射功率为1w即Pi=1,则可表示为Pi=[001],初始化种群可表示为:
Q=[P1,P2,...P9]50*1
(2)染色体适应度评估
每个染色体都需要根据适应度函数评估其性能。我们将参与协作的多个中继的效用函数作为适应度函数,记为根据生成的染色体,将编码映射到对应的中继选择和功率分配结果,并带入公式适应度函数F(i)中,求得该染色体对应的适应度函数值。
(3)通过生存选择、交叉、变异操作,产生新的染色体种群
生存选择操作,即适应度高的染色体得以更高的几率生存下来并参与到下一代的进化过程当中,而适应度差的个体参与下一代进化的过程概率则较低,甚至可能直接被丢弃。我们侧重于选择效用函数高的中继参与协作通信,即对授权主用户干扰小且剩余能量大的中继。根据轮盘赌选择原理(roulette wheel selection)进行生存选择机制设计。第i个染色体的生存概率可以表示为:
其中,F(i)为第i个染色体的适应度函数值,M是初始种群规模。适应度高的染色体将有更多的机会被选中来产生下一代。在选定进行交叉操作的父代染色体之后,将两个染色体中某一部位基因进行对位交换,即完成交叉操作。在此过程中,选中染色体的某一部位基因可能产生突变,即发生由0至1或由1至0的突变,最终产生新的染色体种群。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (3)
1.一种多中继协作的认知水声系统中继选择和功率优化方法,其特征在于,所述方法中至少包含一个授权主用户基站(Primary Base Station),一个与卫星通信的水面认知基站(CA Base Station),K个水下认知监测节点(CA User),K=1,2,3...;每个节点负责固定海域范围内海洋环境数据收集监测,既可以作为发射节点传输数据,也可以作为中继节点参与协作通信;在传输过程中,中继节点采用半双工通信方式,协作方式采用译码转发(DF);在第一个时隙内,第i个监测节点发送数据信号Xi至中继节点,并通过构建信任因子ξi;在第二个时隙内,中继成功接收后对信号进行解码,然后向水面通信基站转发经过重新编码后的信号Xi,j,满足E(||Xi||2)=E(||Xi,j||2)=1;
所述方法的具体步骤如下:
步骤1,在通信可达范围内,水面CA Base Station采用能量检测法对本地频谱时域信号ui进行感知;并在第一时隙内,参与协作的中继节点将接收信息传送至水面CA BaseStation,以统计可用中继的信道状态及剩余能量;δ为海洋背景噪声,z为观测向量大小,ωi为第i个中继的加权值,表示该中继在整体检测结果中所占比重;构建信任因子ξi=a·ψip+b·exp(-||di||),则权重因子为其中,a+b=1,a>0,b>0,di和ψip分别为第i个中继与授权主用户的距离及接收到授权用户的信噪比;设置γ为门限值,若H0:y<γ,则授权主用户不存在;若H1:y>γ,则授权主用户存在;多个中继节点协作检测,当Z较大时,由中心极限定理,水面基站处的检测统计量为y:由此得到该检测算法的虚警概率:
并基于遗传算法初始化染色体,构建可行解集合即多中继集合C:初始化多中继组合的染色体,构建种群;根据香农定理,计算初始化种群中每个多中继组合的吞吐量,然后水面通信基站筛除掉通信速率低于最低通信要求的中继节点组合,产生新的多中继集合C1;其中,Pf为协作中继的虚警概率;SNRD是发射节点经多中继协作传输到CA Base Station的信噪比;
步骤2,水面CA Base Station遍历候选多中继集合C1,计算每个染色体多中继组合的干扰值,剔除掉超出干扰上限的种群再次产生新的中继集合C2;Ith为认知节点对授权主用户的干扰上限;Pi是监测节点i的发射功率;Pi|hi,p|2是第i个中继节点在传输数据过程中对主用户造成的干扰;Ei为第i个中继节点的剩余能量;
步骤3,基于遗传算法优化多中继选择策略,通过交叉、遗传、变异对候选多中继组合种群C2进行n次迭代直至函数收敛,最终获得最优的染色体即最优的多中继组合策略;水面认知基站将此最优中继选择Ci和功率分配Pi信息进行广播,参与协作通信的各中继节点i,i∈CL,计算各自的适应度为其中,L为参与数据传输的中继节点的个数,ηi为第i个中继节点对此策略的满意度;
步骤4,通过步骤1、2、3后,中继节点收到水面通信基站广播信息,根据反馈信息调节参与协作的发射功率,采用最优多中继组合进行协作通信,水面通信基站接收到发送信号,监测节点完成一次信息传输;
步骤5,在整个监测网络中,每个监测节点均可发送周围海洋环境信息至水面CA BaseStation,也可作为中继参与协作通信;其它监测节点选择中继的过程重复步骤1、2、3、4,直至网络中存在死亡节点,整个网络失去监测功能。
2.根据权利要求1所述的一种多中继协作的认知水声系统中继选择和功率优化方法,其特征在于:步骤1,在整个水声协作网络中,若存在节点死亡,水面基站即存在监测盲区,网络失去监测功能;在通信过程中,每个节点数据传输需达到一定的通信速率R>RL,否则数据传输失败;其中,RL为成功传输通信速率;及建立中继信任因子ξi,使主用户信号能被准确感知,从而提高中继感知效率;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710248010.0A CN106953678B (zh) | 2017-04-17 | 2017-04-17 | 一种多中继协作的认知水声系统中继选择和功率优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710248010.0A CN106953678B (zh) | 2017-04-17 | 2017-04-17 | 一种多中继协作的认知水声系统中继选择和功率优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106953678A CN106953678A (zh) | 2017-07-14 |
CN106953678B true CN106953678B (zh) | 2020-09-11 |
Family
ID=59476066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710248010.0A Active CN106953678B (zh) | 2017-04-17 | 2017-04-17 | 一种多中继协作的认知水声系统中继选择和功率优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106953678B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108012319B (zh) * | 2017-11-30 | 2019-07-09 | 厦门大学 | 一种实用水声协作探测网络节点功率分配优化方法 |
CN108650011B (zh) * | 2018-03-29 | 2020-09-18 | 武汉轻工大学 | 多无人机与地面网络协作性数据中继方法及系统 |
CN110536371B (zh) * | 2019-08-21 | 2021-03-16 | 中国科学院声学研究所 | 一种水声潜标信号声学传输中继方法 |
CN111988181B (zh) * | 2020-08-24 | 2021-06-22 | 燕山大学 | 一种UASNs中基于信任机制的网络拓扑控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103580815A (zh) * | 2013-10-17 | 2014-02-12 | 华南理工大学 | 一种异步的水下全速率协作通信方法 |
CN103686948A (zh) * | 2013-12-23 | 2014-03-26 | 天津大学 | 一种水下传感器网络协作通信中继选择方法 |
CN104601280A (zh) * | 2014-12-26 | 2015-05-06 | 中国船舶重工集团公司第七一五研究所 | 一种用于水声传感器网络的多路径协作通信方法 |
CN104852771A (zh) * | 2015-04-22 | 2015-08-19 | 武汉大学 | 一种适用于水声局域网的多跳接入方法 |
CN105242275A (zh) * | 2015-09-29 | 2016-01-13 | 燕山大学 | 基于一致性估计与休眠调度的水下目标协同追踪方法 |
CN106162794A (zh) * | 2016-09-20 | 2016-11-23 | 厦门大学 | 一种基于蚁群算法的水声多跳协作通信网络路由选择方法 |
CN106357376A (zh) * | 2016-08-29 | 2017-01-25 | 东南大学 | 中继协作水声通信系统基于arq反馈的资源分配方案 |
-
2017
- 2017-04-17 CN CN201710248010.0A patent/CN106953678B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103580815A (zh) * | 2013-10-17 | 2014-02-12 | 华南理工大学 | 一种异步的水下全速率协作通信方法 |
CN103686948A (zh) * | 2013-12-23 | 2014-03-26 | 天津大学 | 一种水下传感器网络协作通信中继选择方法 |
CN104601280A (zh) * | 2014-12-26 | 2015-05-06 | 中国船舶重工集团公司第七一五研究所 | 一种用于水声传感器网络的多路径协作通信方法 |
CN104852771A (zh) * | 2015-04-22 | 2015-08-19 | 武汉大学 | 一种适用于水声局域网的多跳接入方法 |
CN105242275A (zh) * | 2015-09-29 | 2016-01-13 | 燕山大学 | 基于一致性估计与休眠调度的水下目标协同追踪方法 |
CN106357376A (zh) * | 2016-08-29 | 2017-01-25 | 东南大学 | 中继协作水声通信系统基于arq反馈的资源分配方案 |
CN106162794A (zh) * | 2016-09-20 | 2016-11-23 | 厦门大学 | 一种基于蚁群算法的水声多跳协作通信网络路由选择方法 |
Non-Patent Citations (2)
Title |
---|
Joint Relay Selection and Power Allocation in Underwater Cognitive Acoustic Cooperative System with Limited Feedback;yan lei,etc.;《2016 IEEE 83rd Vehicular Technology Conference (VTC Spring)》;20160707;全篇 * |
Relay Selection in Underwater Acoustic Cooperative Networks: A Contextual Bandit Approach;li xinbin,etc.;《IEEE Communications Letters 》;20170228;全篇 * |
Also Published As
Publication number | Publication date |
---|---|
CN106953678A (zh) | 2017-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106953678B (zh) | 一种多中继协作的认知水声系统中继选择和功率优化方法 | |
Lee et al. | Deep power control: Transmit power control scheme based on convolutional neural network | |
JP6928603B2 (ja) | 水中ネットワーク内のノードのルーティングポリシー及び再送ポリシーを、適応的及び共同的に管理する方法並びにその実装手段 | |
CN111246416B (zh) | 一种基于遗传算法的水下无线传感器网络拓扑控制方法 | |
CN110784882B (zh) | 一种基于强化学习的能量采集d2d通信资源分配方法 | |
Bouk et al. | Delay tolerance in underwater wireless communications: A routing perspective | |
Jia et al. | A genetic approach on cross-layer optimization for cognitive radio wireless mesh network under SINR model | |
Alasarpanahi et al. | Energy‐efficient void avoidance geographic routing protocol for underwater sensor networks | |
Goutham et al. | NOMA based cooperative relaying strategy for underwater acoustic sensor networks under imperfect SIC and imperfect CSI: A comprehensive analysis | |
Fang et al. | QLACO: Q-learning aided ant colony routing protocol for underwater acoustic sensor networks | |
Hwang et al. | Cooperative spectrum sensing with quantization combining over imperfect feedback channels | |
Kaveripakam et al. | Energy balanced reliable and effective clustering for underwater wireless sensor networks | |
Ghannadrezaii et al. | Cross-layer design for software-defined underwater acoustic networking | |
Khan et al. | DSM: dynamic sink mobility equipped DBR for underwater WSNs | |
Al-Habob et al. | Role assignment for energy-efficient data gathering using Internet of underwater things | |
Ahmed et al. | RACE: Reliability and adaptive cooperation for efficient underwater sensor networks | |
Hossain et al. | Cognitive radio engine model utilizing soft fusion based genetic algorithm for cooperative spectrum optimization | |
Zhang et al. | A low complexity clustering optimization algorithm for underwater sensor networks | |
Krishnaswamy et al. | Clustering and data aggregation scheme in underwater wireless acoustic sensor network | |
Hong et al. | Coordinated multicasting with opportunistic user selection in multicell wireless systems | |
Chen et al. | Mobile data collection paths for node cooperative underwater acoustic sensor networks | |
Fahmy et al. | Distributed power control for ad hoc networks with smart antennas | |
Liu et al. | Minimum error probability cooperative relay design | |
Peng et al. | Enhancing underwater sensor network security with coordinated communications | |
Guo et al. | Massive MIMO aided secure multi-pair relaying with power control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |