CN108200625B - 基于信道状态信息的分布式能源簇内协作节点选择方法 - Google Patents

基于信道状态信息的分布式能源簇内协作节点选择方法 Download PDF

Info

Publication number
CN108200625B
CN108200625B CN201810031599.3A CN201810031599A CN108200625B CN 108200625 B CN108200625 B CN 108200625B CN 201810031599 A CN201810031599 A CN 201810031599A CN 108200625 B CN108200625 B CN 108200625B
Authority
CN
China
Prior art keywords
cluster
nodes
node
cooperative
channel
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.)
Expired - Fee Related
Application number
CN201810031599.3A
Other languages
English (en)
Other versions
CN108200625A (zh
Inventor
阮秀凯
倪钏
戴瑜兴
蔡启博
张耀举
谈燕花
吴平
李理敏
闫正兵
张正江
黄世沛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wenzhou University
Original Assignee
Wenzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wenzhou University filed Critical Wenzhou University
Priority to CN201810031599.3A priority Critical patent/CN108200625B/zh
Publication of CN108200625A publication Critical patent/CN108200625A/zh
Application granted granted Critical
Publication of CN108200625B publication Critical patent/CN108200625B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • 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
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • 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
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • 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)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例公开了一种基于信道状态信息的分布式能源簇内协作节点选择方法，包括在每一分簇网络中选出簇头节点及簇内成员节点；将各簇内成员节点的剩余能量信息及ID编码调制成传输序列发送给对应簇头节点进行信道盲估计，确定各簇头节点盲估所得信道状态信息，且进一步筛选出剩余能量估计值大于预设能量阈值所对应的簇内成员节点并形成协作节点可选集；确定均衡器函数以及接收信号函数，构造最小化代价函数，并根据最小化代价函数构造无约束的优化模型且进一步求解每一协作节点可选集中的最小值；将最小值所对应的簇内成员节点作为协作节点输出。实施本发明，以最小化能耗为目标选择协同节点，从而摆脱节点受体积、能量及成本的限制。

Description

基于信道状态信息的分布式能源簇内协作节点选择方法
技术领域
本发明涉及通信技术领域，尤其涉及一种基于信道状态信息的分布式能源簇内协作节点选择方法。
背景技术
自上个世纪90年代以来，分布式电源发展迅速，世界上许多国家都把分布式电源作为经济和社会可持续发展的一个重要突破点。各类分布式能源站点，根据其调度关系、通信网现状、安全性和可靠性要求、投资大小等因素，可选择光纤、电力线载波、无线等多种通信技术方式。以380/220V低压接入的分布式能源站点，可采用无线专网或GPRS、CDMA、3G、4G等无线公网通信方式。分布式电源无线传感器网络(Wireless sensor network,WSN)设计时，WSN中节点受到体积、能量及成本的限制，最小化能耗成为需要考虑的最重要的问题。能耗主要包括传感模块、处理器模块和无线通信模块，其中无线通信模块的能耗是节点能耗的最主要部分。相比较其它无线通信系统，WSN的链路质量比较差，链路的丢包率甚至高达50％以上，之前的WSN链路层的可靠保证机制主要采用数据重传和前向纠错，在链路质量较差的情况下，数据重传往往需要反复进行多次才能获得成功，前向纠错则要求在数据发送前对传输信道的质量进行最坏估计以增加有效的冗余编码信息，这两种方法都给节点带来了很大的能耗，降低网络的使用寿命。近年来，根据WSN中网络节点密度高，每个节点周围都有多个邻居的特点，利用无线信道的广播特性而来的协同通信(Cooperativecommunication)思想，被引入到WSN中，将每跳节点及邻近节点组织成簇进行协作实现虚拟MIMO(Multi-Input Multi-Output)传输，增强了传输可靠性，减少WSN节点的能耗。
基于协同通信技术的WSN结构通过源节点和协同节点的协作联合传输，与接收端构成一条虚拟MIMO信道。实际应用中，无线信号传输将经历一个时变多径衰落信道。当发送端的数据经过信道衰落时，为了在接收端准确恢复数据，需要对信道的衰落影响进行合理的补偿，因此，需要在接收端使用信道估计来获得信道衰落信息。而且在虚拟MIMO中，协作节点(Cooperative Node,CN)相对于源节点(Source Node，SN)和目的节点(DestinationNode，RN)而言，其信道状态是随机的，如果一个CN相对SN或DN的信道很恶劣，则其参与协作不会给系统带来任何好处，反而会严重劣化系统性能。而信道估计问题一直是WSN的关键问题和难点之一。考虑到WSN节点能耗，信道估计算法的运算量不能过大，若过大则与提高能效的目标构成矛盾，则最为直接的方法是不增加过多复杂运算的前提下降低算法对数据量的要求。因此，亟需一种基于小数据量信道估计的协同节点选择方案。
发明内容
本发明实施例的目的在于提供一种基于信道状态信息的分布式能源簇内协作节点选择方法，在信道状态是随机的分布式电源无线传感器网络中，以最小化能耗为目标选择协同节点，从而摆脱节点受体积、能量及成本的限制。
为了解决上述技术问题，本发明实施例提供了一种基于信道状态信息的分布式能源簇内协作节点选择方法，其在由多个分簇网络以及基站形成的无线通信系统上实现；其中，所述基站与每一分簇网络均通过多输入单输出MISO信道进行通信，且所述每一分簇网络相邻之间均通过多输入多输出MIMO信道进行通信，所述每一分簇网络中各簇内成员节点之间均通过单输入单输出SISO信道进行通信；
所述方法包括以下步骤：
步骤S1、依据预设的协议方法在所述每一分簇网络中分别选出对应的簇头节点，并确定出所述每一分簇网络中除所选簇头节点之外的节点均作为簇内成员节点；
步骤S2、将所述每一分簇网络中各簇内成员节点的剩余能量信息及身份识别码ID均进行预先编码调制成一个长度为N的传输序列并发送给其对应所选的簇头节点进行信道盲估计，确定所述每一分簇网络中各簇头节点分别对其同一分簇网络中各簇内成员节点所发传输序列进行盲估所得的信道状态信息，且进一步在所述每一分簇网络中分别筛选出剩余能量估计值大于预设能量阈值的簇内成员节点并形成相应的协作节点可选集；
步骤S3、确定均衡器函数以及接收信号函数，构造最小化代价函数，并根据所述最小化代价函数，构造一个无约束的优化模型，且进一步根据所述构造出的优化模型对每一协作节点可选集中各自对应盲估所得的信道状态信息分别求解出最小值；
步骤S4、将每一协作节点可选集中求解得到的最小值所对应的簇内成员节点分别作为所述每一分簇网络中的协作节点输出。
其中，所述每一分簇网络中各簇内成员节点的信道为多径衰落信道，信道系数服从均值为0，方差为1的标准复正态分布，并且同簇内各信道相互独立且同分布。
其中，所述每一分簇网络中各簇内成员节点间的距离小于各簇头节点间距离以及小于各簇头节点至所述基站间的距离。
其中，所述步骤S1中的预设协议方法为低能量自适应聚类层次协议方法。
其中，所述步骤S3具体包括：
当所述每一分簇网络中各簇内成员节点间的通信以及各簇内成员节点与其对应所选簇头间的通信均采用PSK信号时，所述均衡器函数为yi＝wTxi以及所述接收信号函数
Figure BDA0001546652710000031
根据所述均衡器函数为yi＝wTxi以及所述接收信号函数
Figure BDA0001546652710000032
构造式(1)中的最小化代价函数
Figure BDA0001546652710000033
其中，λ＞0是正则参数；
引入式(2)中的万普尼克-ε不敏感损失函数
Figure BDA0001546652710000034
(2)，并进一步引入大于零的松弛变量因子ξi和
Figure BDA0001546652710000035
改写式(1)中的最小化代价函数J(w)，其最小值可以通过求解式(3)中的优化模型得到：
Figure BDA0001546652710000041
引入拉格朗日乘子，
Figure BDA0001546652710000042
则式(3)中的优化模型转变为给定λ和ε，求式(4)中的Lagrange函数的鞍点：
Figure BDA0001546652710000043
其中，
Figure BDA0001546652710000044
为原变量，
Figure BDA0001546652710000045
为对偶变量；
对式(4)中的变量分别求偏导数并令其等于零，求得如下关系式：
Figure BDA0001546652710000046
γi＝λ-ai和
Figure BDA0001546652710000047
进而转化式(4)为式(5)的对偶形式：
Figure BDA0001546652710000048
记
Figure BDA0001546652710000049
其中K为由元素Ki,j＝yiyj〈xi,xj〉，i,j＝1,…,N组成的矩阵，〈·,·〉为内积运算符。记E＝-[ε-1ε-1…ε+1ε+1]T，Y＝[y1…yN-y1…-yN]T，则式(5)改写为式(6)中的矩阵形式
Figure BDA00015466527100000410
s.t.ATY＝0
0≤Ai≤λ (6)
采用二次规划迭代对式(6)进行迭代求解每一协作节点可选集中各自对应盲估所得的信道状态信息，得出每一协作节点可选集中信道状态信息求解的最小值。
实施本发明实施例，具有如下有益效果：
本发明通过盲信道估计出信道信息，并综合考虑节点剩余能量信息，将剩余能量信息大于预设能量阈值的簇内成员节点归纳到协作节点可选集，并利用物理层盲均衡方法构造基于信道估计最小化代价函数，将每一分簇网络中各簇内成员节点与其簇头节点间信道估计问题转化为一个无约束最优化求解问题，然后通过求解该优化问题获得各个协作节点可选集中各簇内成员节点的信道情况，进而将各协作节点可选集中求解的最小值所对应的簇内成员节点作为协作节点输出，从而实现在信道状态是随机的分布式电源无线传感器网络中，以最小化能耗为目标选择协同节点，摆脱了节点受体积、能量及成本的限制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的基于信道状态信息的分布式能源簇内协作节点选择方法的流程图；
图2为本发明实施例提供的基于信道状态信息的分布式能源簇内协作节点选择方法中无线通信系统未确定协作节点前的应用场景图；
图3为本发明实施例提供的基于信道状态信息的分布式能源簇内协作节点选择方法中无线通信系统已确定协作节点后的应用场景图；
图4为本发明实施例提供的基于信道状态信息的分布式能源簇内协作节点选择方法中采用OQPSK调制时实际信道与估计信道的对比图；
图5为本发明实施例提供的基于信道状态信息的分布式能源簇内协作节点选择方法中簇头节点端接收信号与估计出实部信号的对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，为本发明实施例中，提出的基于信道状态信息的分布式能源簇内协作节点选择方法，其在由多个分簇网络以及基站BS形成的无线通信系统上实现；其中，所述基站BS与每一分簇网络均通过多输入单输出MISO信道进行通信，且所述每一分簇网络相邻之间均通过多输入多输出MIMO信道进行通信，所述每一分簇网络中各簇内成员节点之间均通过单输入单输出SISO信道进行通信(如图2所示)。
所述方法包括以下步骤：
步骤S1、依据预设的协议方法在所述每一分簇网络中分别选出对应的簇头节点，并确定出所述每一分簇网络中除所选簇头节点之外的节点均作为簇内成员节点；
具体过程为，按照低能量自适应聚类层次(LEACH)协议方法，选出簇头节点(Cluster Head Node，CHN)。应当说明的是，基站BS能量可以补给，且配置一根天线；簇头节点CHN和簇内成员节点(Intra-Cluster Nodes,ICNs)的能量有限且分别只配置一根天线。并对信道模型作如下假设：(a)各簇类节点间的距离小于各簇头节点CHN间及簇头节点CHN与基站BS间的距离；(b)各簇内节点间的信道为多径衰落信道，信道系数服从均值为0，方差为1的标准复正态分布，并且同簇内各信道相互独立且同分布；(c)簇头节点CHN和簇内成员节点ICNs与基站BS间为准静态多径衰落信道，且基站BS端忍受加性高斯白噪声。
步骤S2、将所述每一分簇网络中各簇内成员节点的剩余能量信息及身份识别码ID均进行预先编码调制成一个长度为N的传输序列并发送给其对应所选的簇头节点进行信道盲估计，确定所述每一分簇网络中各簇头节点分别对其同一分簇网络中各簇内成员节点所发传输序列进行盲估所得的信道状态信息，且进一步在所述每一分簇网络中分别筛选出剩余能量估计值大于预设能量阈值的簇内成员节点并形成相应的协作节点可选集；
具体过程为，将第i个簇内成员节点ICNs的剩余能量信息El,i与身份识别码ID进行预先编码调制构成一个短传输序列，通过射频前端发送至对应的簇头节点CHN进行信道盲估计，而簇头节点CHN进行信道盲估计后获得第i个簇内成员节点ICNs的信道状态信息，将簇头节点CHN接收到的噪声污染后的序列与估计信道进行卷积运算并进行判决获得剩余能量和节点ID的准确信息。设置Et为能量阀值，簇头节点CHN端进行能量判决，若El,i≥Et则将该节点归入协作节点可选集D(r)中；其中，D(r):{ri∈Dr}，ri为第i个簇内成员节点。
假设完成如上能量对比过程中，簇头节点CHN和节点i的信道不改变，簇头节点CHN通过原信道将反馈给第i个簇内成员节点ICNs，收到自己ID的号的节点则处于激活状态，反之，该节点转入节能休眠状态。
步骤S3、确定均衡器函数以及接收信号函数，构造最小化代价函数，并根据所述最小化代价函数，构造一个无约束的优化模型，且进一步根据所述构造出的优化模型对每一协作节点可选集中各自对应盲估所得的信道状态信息分别求解出最小值；
具体过程为，利用物理层盲均衡方法构造基于信道估计最小化代价函数，将每一分簇网络中各簇内成员节点ICNs与其簇头节点CHN间信道估计问题转化为一个无约束最优化求解问题，然后通过求解该优化问题获得各个协作节点可选集中各簇内成员节点ICNs的信道情况，并以最小值从协作节点可选集D(r)中选出最佳的簇内成员节点。
以各簇内成员节点ICNs间的通信以及各簇内成员节点ICNs与其对应所选簇头CHN间的通信均采用PSK信号为例进行说明：
忽略噪声，w是均衡器，接收信号为N长度的数据块组成：[x1x2…xN]，xi＝[xi xi-1…xi-M+1]T，确定均衡器函数为yi＝wTxi以及接收信号函数
Figure BDA0001546652710000071
其中，上标T均表示矩阵转置运算；
考虑到PSK信号的均衡器输出值具有恒模特性，即(wTxi)2＝yi 2＝1，i＝1,…,N，构造式(1)中的最小化代价函数
Figure BDA0001546652710000081
其中，λ＞0是正则参数；
引入式(2)中的万普尼克-ε不敏感损失函数|1-(wTxi)2|ε＝max{0,|1-(wTxi)2|-ε}(2)，并进一步引入大于零的松弛变量因子ξi和
Figure BDA0001546652710000082
改写式(1)中的最小化代价函数J(w)，其最小值可以通过求解式(3)中的优化模型得到：
Figure BDA0001546652710000083
引入拉格朗日乘子，
Figure BDA0001546652710000084
则式(3)中的优化模型转变为给定λ和ε，求式(4)中的Lagrange函数的鞍点：
Figure BDA0001546652710000085
其中，
Figure BDA0001546652710000086
为原变量，
Figure BDA0001546652710000087
为对偶变量；
对式(4)中的变量分别求偏导数并令其等于零，求得如下关系式：
Figure BDA0001546652710000088
γi＝λ-ai和
Figure BDA0001546652710000089
进而转化式(4)为式(5)的对偶形式：
Figure BDA00015466527100000810
记
Figure BDA00015466527100000811
其中K为由元素Ki,j＝yiyj〈xi,xj〉，i,j＝1,…,N组成的矩阵，〈·,·〉为内积运算符。记E＝-[ε-1ε-1…ε+1ε+1]T，Y＝[y1…yN-y1…-yN]T，则式(5)改写为式(6)中的矩阵形式
Figure BDA0001546652710000091
s.t.ATY＝0
0≤Ai≤λ (6)
至此原优化问题转变为严格的二次规划问题，考虑Karush-Kuhn-Tucker(KKT)条件，则均衡器的输出：
Figure BDA0001546652710000092
其中βi为加权的Lagrange乘子
Figure BDA0001546652710000093
采用二次规划迭代对式(6)进行迭代求解每一协作节点可选集中各自对应盲估所得的信道状态信息，得出每一协作节点可选集中信道状态信息求解的最小值。
应当说明的是，由于算法的权重Lagrange乘子和均衡器相互联系，无法单步得到，需要采用迭代重加权二次规划方法，算法步骤参考文献[Santamaría I,Pantaleon C,Vielva L,et al,Blind equalization of constant modulus signal using supportvector machines[J].IEEE trans on Signal Processing,2004,52(6):1773-1782.]。
若采用MPSK发送序列，发送的第i个符号si∈{ej2π(m-1)/M},m＝1,2,…,P，P＝4,8,…，仅需要将复均衡器重构为
Figure BDA0001546652710000094
的形式并构造：
Figure BDA0001546652710000095
其中(·)*为复数共轭。则式(1)中的约束条件项中(wTxi)2替代为
Figure BDA0001546652710000096
可采用类似如上PSK信号的方法进行算法构造，在此不再一一赘述。
步骤S4、将每一协作节点可选集中求解得到的最小值所对应的簇内成员节点分别作为所述每一分簇网络中的协作节点输出。
具体过程为，将每一协作节点可选集中求解得到的最小值所对应的簇内成员节点分别作为每一分簇网络中的协作节点输出，如图3所示。
在一个实施例中，假设某个簇头节点CHN与该簇内一个簇内成员节点ICNs的信道为：
h1＝-0.0946+0.1715z-1+0.5082z-2-0.3474z-3+0.1359z-4-0.0815z-5+0.0130z-6
并假设网络各节点均采用OQPSK调制。首先将第i个簇内成员节点ICNs的剩余能量信息El,i，身份识别码ID等信息进行预先编码调制构成一个长度N＝100的传输序列，通过簇内成员节点ICNs射频前端发送至对应的簇头节点CHN进行信道盲估计后获得信道状态信息，见图4。
簇头节点CHN端将该节点是否具有参与协同通信的资格信息编码调制后通过原信道反馈给簇内成员节点ICNs，注意该信息的序列长度将更加短小，此时，假设电路处理的时延很小，则信道状态信息保持不变，则该信号通过原信道传输，而此时的簇内成员节点ICNs已获得信道信息，仅需要将此短小序列进行卷积运算获得真实序列后进行比较判决进而触发是否休眠。重复如上过程即可获得最佳协同节点。
根据所获得的信道估计信息，进而恢复出原发送信息，见图5。从仿真结果上可知，即使在低信噪比SNR＝10dB的情况下，通过新方法，均衡器输出信号匹配与原发送信号，而且对于数据量的要求也非常低。
实施本发明实施例，具有如下有益效果：
本发明通过盲信道估计出信道信息，并综合考虑节点剩余能量信息，将剩余能量信息大于预设能量阈值的簇内成员节点归纳到协作节点可选集，并利用物理层盲均衡方法构造基于信道估计最小化代价函数，将每一分簇网络中各簇内成员节点与其簇头节点间信道估计问题转化为一个无约束最优化求解问题，然后通过求解该优化问题获得各个协作节点可选集中各簇内成员节点的信道情况，进而将各协作节点可选集中求解的最小值所对应的簇内成员节点作为协作节点输出，从而实现在信道状态是随机的分布式电源无线传感器网络中，以最小化能耗为目标选择协同节点，摆脱了节点受体积、能量及成本的限制。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于信道状态信息的分布式能源簇内协作节点选择方法，其特征在于，其在由多个分簇网络以及基站形成的无线通信系统上实现；其中，所述基站与每一分簇网络均通过多输入单输出MISO信道进行通信，且所述每一分簇网络相邻之间均通过多输入多输出MIMO信道进行通信，所述每一分簇网络中各簇内成员节点之间均通过单输入单输出SISO信道进行通信；
所述方法包括以下步骤：
步骤S1、依据预设的协议方法在所述每一分簇网络中分别选出对应的簇头节点，并确定出所述每一分簇网络中除所选簇头节点之外的节点均作为簇内成员节点；
步骤S2、将所述每一分簇网络中各簇内成员节点的剩余能量信息及身份识别码ID均进行预先编码调制成一个长度为N的传输序列并发送给其对应所选的簇头节点进行信道盲估计，确定所述每一分簇网络中各簇头节点分别对其同一分簇网络中各簇内成员节点所发传输序列进行盲估所得的信道状态信息，且进一步在所述每一分簇网络中分别筛选出剩余能量估计值大于预设能量阈值的簇内成员节点并形成相应的协作节点可选集；
步骤S3、确定均衡器函数以及接收信号函数，构造最小化代价函数，并根据所述最小化代价函数，构造一个无约束的优化模型，且进一步根据所述构造出的优化模型对每一协作节点可选集中各自对应盲估所得的信道状态信息分别求解出最小值；
步骤S4、将每一协作节点可选集中求解得到的最小值所对应的簇内成员节点分别作为所述每一分簇网络中的协作节点输出；
所述步骤S3具体包括：
当所述每一分簇网络中各簇内成员节点间的通信以及各簇内成员节点与其对应所选簇头间的通信均采用PSK信号时，所述均衡器函数为yi＝wTxi以及所述接收信号函数
Figure FDA0002933655310000021
根据所述均衡器函数为yi＝wTxi以及所述接收信号函数
Figure FDA0002933655310000022
构造式(1)中的最小化代价函数
Figure FDA0002933655310000023
其中，λ＞0是正则参数；
引入式(2)中的万普尼克-ε不敏感损失函数|1-(wTxi)2|ε＝max{0,|1-(wTxi)2|-ε}(2)，并进一步引入大于零的松弛变量因子ξi和
Figure FDA0002933655310000024
改写式(1)中的最小化代价函数J(w)，其最小值可以通过求解式(3)中的优化模型得到：
Figure FDA0002933655310000025
引入拉格朗日乘子，αi,
Figure FDA0002933655310000026
γi,
Figure FDA0002933655310000027
则式(3)中的优化模型转变为给定λ和ε，求式(4)中的Lagrange函数的鞍点：
Figure FDA0002933655310000028
其中，w,ξ,
Figure FDA0002933655310000029
为原变量，α,
Figure FDA00029336553100000210
γ,
Figure FDA00029336553100000211
为对偶变量；
对式(4)中的变量分别求偏导数并令其等于零，求得如下关系式：
Figure FDA00029336553100000212
γi＝λ-ai和
Figure FDA00029336553100000213
进而转化式(4)为式(5)的对偶形式：
Figure FDA00029336553100000214
记
Figure FDA0002933655310000031
其中K为由元素Ki,j＝yiyj<xi,xj>，i,j＝1,…,N组成的矩阵，<·,·>为内积运算符， 记E＝-[ε-1 ε-1 … ε+1 ε+1]T，Y＝[y1 …yN -y1 … -yN]T，则式(5)改写为式(6)中的矩阵形式
Figure FDA0002933655310000032
s.t.ATY＝0
0≤Ai≤λ (6)
采用二次规划迭代对式(6)进行迭代求解每一协作节点可选集中各自对应盲估所得的信道状态信息，得出每一协作节点可选集中信道状态信息求解的最小值。
2.如权利要求1所述的方法，其特征在于，所述每一分簇网络中各簇内成员节点的信道为多径衰落信道，信道系数服从均值为0，方差为1的标准复正态分布，并且同簇内各信道相互独立且同分布。
3.如权利要求1所述的方法，其特征在于，所述每一分簇网络中各簇内成员节点间的距离小于各簇头节点间距离以及小于各簇头节点至所述基站间的距离。
4.如权利要求1所述的方法，其特征在于，所述步骤S1中的预设协议方法为低能量自适应聚类层次协议方法。
CN201810031599.3A 2018-01-12 2018-01-12 基于信道状态信息的分布式能源簇内协作节点选择方法 Expired - Fee Related CN108200625B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810031599.3A CN108200625B (zh) 2018-01-12 2018-01-12 基于信道状态信息的分布式能源簇内协作节点选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810031599.3A CN108200625B (zh) 2018-01-12 2018-01-12 基于信道状态信息的分布式能源簇内协作节点选择方法

Publications (2)

Publication Number Publication Date
CN108200625A CN108200625A (zh) 2018-06-22
CN108200625B true CN108200625B (zh) 2021-05-21

Family

ID=62588977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810031599.3A Expired - Fee Related CN108200625B (zh) 2018-01-12 2018-01-12 基于信道状态信息的分布式能源簇内协作节点选择方法

Country Status (1)

Country Link
CN (1) CN108200625B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109032225B (zh) * 2018-09-27 2020-07-14 长治市佳垚农业开发有限公司 温室智能控制系统
CN110167020B (zh) * 2019-04-28 2023-01-03 温州晶彩光电有限公司 一种动态分簇的无线智能锁网络上数据的加密方法
CN112020040B (zh) * 2020-08-12 2024-03-29 北京遥感设备研究所 一种基于群调度的数据传输方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101366362B1 (ko) * 2012-10-12 2014-02-25 한국과학기술원 계층적 협력 통신을 위한 에너지 효율적인 ｔｄｍａ ｍａｃ 프로토콜을 이용한 통신 방법
CN103684560A (zh) * 2013-12-04 2014-03-26 上海交通大学 多小区多用户系统中基于用户公平性的鲁棒预编码方法
CN107547457A (zh) * 2017-09-15 2018-01-05 重庆大学 一种基于改进粒子群优化bp神经网络的盲信道均衡方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101366362B1 (ko) * 2012-10-12 2014-02-25 한국과학기술원 계층적 협력 통신을 위한 에너지 효율적인 ｔｄｍａ ｍａｃ 프로토콜을 이용한 통신 방법
CN103684560A (zh) * 2013-12-04 2014-03-26 上海交通大学 多小区多用户系统中基于用户公平性的鲁棒预编码方法
CN107547457A (zh) * 2017-09-15 2018-01-05 重庆大学 一种基于改进粒子群优化bp神经网络的盲信道均衡方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
无线传感器网络中分布式估计与协作传输关键技术研究;张雪芬;《中国优秀博士论文全文数据库》;20111215;全文 *

Also Published As

Publication number Publication date
CN108200625A (zh) 2018-06-22

Similar Documents

Publication Publication Date Title
CN101399583B (zh) 蜂窝通信系统中的协作伙伴选择和预编码协作通信方法
EP2410707B1 (en) Orthogonal network space-time coding method and relay transmission system
CN104702324B (zh) 大规模mimo下行链路自适应传输方法
CN112468196B (zh) 一种基于pzf预编码的去蜂窝大规模mimo系统中功率分配方法
CN108200625B (zh) 基于信道状态信息的分布式能源簇内协作节点选择方法
WO2015089894A1 (zh) 一种波束赋形权值训练方法及基站、终端
Yang et al. Content delivery with coded caching and massive MIMO in 5G
Mashhadi et al. CNN-based analog CSI feedback in FDD MIMO-OFDM systems
CN110289897A (zh) 一种空间调制系统的下行波束赋形方法
CN110430582A (zh) 一种在单小区多用户通信网络场景下的基于量子菌群优化算法的资源配置方法
CN106341216A (zh) 一种无线通信链路自适应方法及上下行链路自适应方法
Tolli et al. Compensation of interference non-reciprocity in adaptive TDD MIMO-OFDM systems
CN102752071A (zh) 用于多点协作系统的下行链路预编码方法和中心处理节点
CN105162504A (zh) 一种快速mimo系统发射端预编码方法
CN101873203A (zh) Mimo中继系统中基于码书预编码的信号发送方法
CN101330359B (zh) Mimo空分复用系统基于mmse准则的发送端优化方法及装置
CN110912590A (zh) 基于信道反转技术的大规模衰落mimo系统的干扰抑制预编码方法
CN101640583B (zh) 一种发射预处理的方法
CN105306115A (zh) 一种基于水银注水的mimo系统发射端预编码方法
CN105162505A (zh) 基于干扰对齐的蜂窝网络下行链路自适应预编码方法
Viana et al. Increasing reliability on UAV fading scenarios
CN101547067A (zh) 一种预编码矩阵跟踪方法及装置
Ru et al. UEP video transmission based on dynamic resource allocation in MIMO OFDM system
Xu et al. An end-to-end optimized cooperative transmission scheme for virtual MIMO sensor networks
CN102957502A (zh) 用于通信系统的线性预编码的方法和装置

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
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: 20210521