CN108832972A - 面向无线通信增强的多点联合传输方法与系统 - Google Patents

Abstract

一种面向无线通信增强的多点联合传输方法，在基站与终端之间无法通信时，设置终端通过环境感知和终端间短距离通信，进行瞬时分组策略并选出节点簇头；通过节点簇头以分布式波束成形的方式向其他终端广播基站和其他终端的相关位置信息；最终各个终端根据接收到的相关位置信息以分布式波束成形的方式建立虚拟多输入多输出系统实现与基站通信的上行覆盖增强，并在与基站建立相互连接后，基站和终端之间通过交互实时信道参数并基于反馈控制对所述虚拟多输入多输出系统的自适应调整；本发明在提高边缘覆盖能力的同时，最小化时间损耗，并根据实际情况做自适应反馈调整，保证吞吐量和可靠性。

Description

面向无线通信增强的多点联合传输方法与系统

技术领域

本发明涉及的是一种无线通信领域的技术，具体是一种面向无线通信增强的多点联合传输方法与系统。

背景技术

目前已有许多无线传输协议被用于移动自组网络中，比如车联网使用基于专用短程通信的IEEE 802.11p协议，协作机器人网络使用基于WiFi的802.11g协议，以及可穿戴传感器网络使用基于ZigBee的IEEE 802.15.4协议，这些协议都致力于保证高吞吐量和传输可靠性，即低丢包率。同时，对于提高边缘覆盖能力，协作多点传输最早在3GPP中作为LTE-A网络中作为一种解决方法，其中：联合传输方法以及合作传输方法，参考了信道状态参数，进行合理的资源块调配。

然而，这些方法要么在配置之初就一成不变，无法根据实际情况进行调整和改进，要么往往需要较长的时间进行学习和自适应的过程，应用于一些高动态、高精度要求的场景就会存在困难。同时，还没有相关无线网络通信增强方面的研究，将多个关键指标结合在一起，即可以在提高边缘覆盖能力的同时，最小化时间损耗，并根据实际情况做自适应反馈调整，保证吞吐量和可靠性。

发明内容

本发明针对现有技术无法进行动态自适应调整，对于实际环境的变化反应不灵敏或没有考虑多点联合传输过程中提高边缘覆盖能力等缺陷和不足，提出一种面向无线通信增强的多点联合传输方法与系统，根据多种不同的通信情况建立一种普适的通信协议，在提高边缘覆盖能力的同时，最小化时间损耗，并根据实际情况做自适应反馈调整，保证吞吐量和可靠性。

本发明是通过以下技术方案实现的：

本发明涉及一种面向无线通信增强的多点联合传输方法，在基站与终端之间无法直接通信时，设置终端通过环境感知和终端间短距离通信，进行瞬时分组策略并选出节点簇头；通过节点簇头进行分布式波束成形的方式向其他终端广播基站和其他终端的身份和位置信息；最终各个终端根据接收到的相关位置信息以分布式波束成形的方式建立虚拟多输入多输出系统(Virtual MIMO)实现与基站通信的上行覆盖增强，并在与基站建立相互连接后，基站和终端之间通过交互实时信道参数并基于反馈控制对所述虚拟多输入多输出系统的自适应调整。

所述的基站和终端之间无直接通信的情况判断具体如下：

当基站接收到来自终端i发送的信号强度小于设定门限值SS_th，终端i与基站之间的连接状态L_i，B则为0，否则为1。当则判断为基站与终端之间无直接通信。

所述的瞬时分组策略，具体包括以下步骤：

步骤1：将所有终端节点按照一跳通信的距离分组，保证每组都可以并发地形成自组网络，并由此确定传输范围半径r。

步骤2：估计每个自组网络所需簇头数其中：n为总终端数，a²为分布区域，r为传输范围半径，C为可调参数。

为使分布最大化，C的范围是[1/4logn,1/logn]。

步骤3：计算自组网络中每个节点成为簇头的预先分配概率：其中：β为冗余系数，P₁最大为1。

步骤4：计算自组网络选择簇头的最优传输时间段T：由于每个簇头任选一个时间段并传ID信息，一个簇中成员收到至少一个簇头信息而不发生碰撞的概率是：其中：z为簇头候选数，T为时间段数。

根据高连接概率P₂的要求，如P₂≥90％，即可得到最小化时间消耗T。

步骤5：计算补偿机制中的时间段数Δ＝θT，其中：θ为重复次数，其满足在时间段Δ内所有分离的节点都能连入集群拓扑中。

步骤6：先判断节点初始为簇头或簇中成员，当节点被预先分配步骤3中计算的概率大于50％后成为簇头候选节点，则执行簇头候选算法；反之，当节点被预先分配步骤3中计算的概率小于50％后成为簇中成员，则执行成员算法。

该瞬时分组策略的优化目标：

主要目标：min(T_tot)

次要目标：min(E_tot)

受限条件：d(CH₁,CH₂)<2r

其中：r是无线网络通信磁盘模型中的传输范围，优化目标中的受限条件表明本发明的方法限制在单跳范围内的集群策略，从而保证较高的通信传输率。主要目标中最小化T_tot表示尽可能减少集群策略的总时间消耗，使D2D通信流程尽可能精简。次要目标中的最小化E_tot表示尽可能减少集群策略的总能量消耗，使得交互信息最小化。

优选地，所述的步骤6中包括簇头候选算法，其步骤为：

步骤6.1：创造一个根据ω分布的从1到T的随机数k，其中：ω是当前状态的分布方程；

步骤6.2a：当该节点从第一个到第k-1个时间段中，都没有收到任何信息(包括碰撞的情况)，则广播自身的ID信息并跳出该算法；

步骤6.2b：当该节点收到了来自其他候选簇头的信息，则退而变成簇中成员；

步骤6.3：继续聆听从第k个时间段到第T个时间段的信息，当听到更多ID信息，则变成成员；

步骤6.4：继续聆听从第T+1个时间段到第T+Δ个时间段，当听到更多ID信息，则变成成员，否则跳出算法。

优选地，所述的步骤6中包括成员算法，其步骤为：

步骤6.i：聆听从第一个时间段到第T个时间段的信息；

步骤6.iia：当听到簇头信息，则成为成员；

步骤6.iib：当没有任何信息，则成为簇头，并跳转到簇头候选算法。

所述的广播，采用LTE广播机制，且只广播一次。

所述的分布式波束成形是指小相位扰动约束唯相位算法，这里已知应用于该波束成形算法参数信息来自多点联合传输中身份信息或终端位置。

所述的虚拟多输入多输出系统(Virtual MIMO)包括：i个不同的输入，比如I₁：传输功率，I₂：数据率，构成在时间段k下的输入向量I(k)＝[I₁(k)I₂(k)...I_i(k)]^T；m个不同的输出，比如O₁：吞吐量，O₂：传包率等，构成在时间段k下的输出向量O(k)＝[O₁(k)O₂(k)...Om(k)]^T。

所述的基于反馈控制对所述虚拟多输入多输出系统的自适应调整是指：基于闭环控制理论，联合自适应框架通过实时的信道反馈，以最大化吞吐量为目标，以传包率为约束条件，利用直接搜索法计算该受限条件下的多变量约束优化问题，从而将虚拟多输入多输出系统调整至最优化的输入变量组合，并加入平滑机制，避免对输入的大量变动。

所述的平滑机制旨在减小二次成本函数J＝E{||W(O(k+1)-O_opt(k+1))||²+||Q(I(k)-I(k-1))||²}，其中：O_opt(k-1)是通过直接搜索法计算出的最优输出，||.||为2范数计算子，W为基于输出误差的半正定权值矩阵，Q为基于输入变动的正定权值矩阵。

本发明涉及一种实现上述方法的系统，包括：协作通信模块、簇头选择模块和自适应调整模块，其中：协作通信模块判断基站和终端间的不同通信情景并输出相应策略：当基站和终端间没有通信时，协作通信模块控制基站并设定时间窗口，使基站在时间窗口内每40ms广播通知各终端开启簇头选择模块，根据实时信道状态选出合适的簇头进行广播和分布式波束成形，若超出时间窗口没有终端收到通知信息，终端则自动开启该模块；建立连接后，通过自适应调整模块通过更新关系矩阵生成最优输入组合，实现通信增强。

技术效果

与现有技术相比，本发明直接适用于各种无线网络通信系统，其覆盖范围提升了约10倍，吞吐量提高了13％，传包率提高了15％，时间消耗相比于传统投票式簇头选择减少了55％，能耗同时也减少了89％。

附图说明

图1为本发明系统结构示意图；

图2为实施例架构示意图；

图中：图2a为实施例机器人位置超出基站通信范围的情况；图2b为实时机器人实行多点联合传输示意图。

图3为多点联合传输时间消耗图；

图中：图3a为单机器人在基站通信范围内的情况，图3b为无机器人在基站通信范围内的情况；

图4为ICP簇头选择算法的效果分析图；

图中：图4a为时间消耗对比图，图4b为能源消耗对比图；

图5为多点联合传输覆盖效果分析图；

图6为多点联合传输稳定性分析图。

具体实施方式

如图1所示，为本实施例涉及的一种面向无线通信增强的多点联合传输系统，包括：协作通信模块、簇头选择模块和自适应调整模块，其中：协作通信模块判断基站和终端间的不同通信情景并输出相应策略：当基站和终端间没有通信时，协作通信模块控制基站并设定时间窗口，使基站在时间窗口内每40ms广播通知各终端开启簇头选择模块，根据实时信道状态选出合适的簇头进行广播和分布式波束成形，若超出时间窗口没有终端收到通知信息，终端则自动开启该模块；建立连接后，通过自适应调整模块通过更新关系矩阵生成最优输入组合，实现通信增强。

所述的自适应调整模块包括：线下训练模块、线上训练模块、自适应控制器和本地测量模块，其中：线下训练模块通过大量线下历史数据，计算出输入输出的初步关系矩阵及输入顺序，本地测量模块实时监测输出情况并反馈给线上训练模块，得到更新的关系矩阵，自适应控制器根据该关系矩阵得到最优输入组合，实现通信增强。

本实施例使用协作机器人与基站之间的通信，作为移动自组网络中的一种，通信方式采用LTE，而机器人之间通信采用的802.11p协议，但实施例可应用于其他类型的无线通信系统，如ZigBee。如图2a和图2b所示，本实施例基于机器人协作测试平台，基站的位置坐标设定为(500，500)，机器人的位置限定在1000×1000的范围内，机器人的数量由2到16递增。基站发射功率设定为33dBm，使其传输范围可以达到1000米。每个机器人的发射功率设定为10dBm，使其传输范围达到150米。两个相邻机器人的距离为2米，任意两个机器人的距离小于100米。并根据经验值设定簇头选择算法中冗余系数β＝3，连接概率P₂≥90％。

如图3所示，该多点联合传输通信的时间消耗，其中：图3a模拟了只有一个机器人在基站的通信范围而其他不在该范围的情况，通过观察可知，随着机器人数量的增加，时间消耗也会增加，但始终保持在1s的可接受范围内。同时观察得到，该多点联合传输通信的时间消耗大于单天线或者天线阵列的时间消耗，很显然，单天线或者天线阵列本身不消耗时间，主要时间实在其与基站的通信延迟上。由于单个机器人与基站的双向通信延迟时间大约为5000微秒，实施例中定义时间窗口为10000微秒。图3b模拟了所有机器人都不在基站通信范围内的情况。观察可得，随着机器人数量的增加，分布式波束成形所耗时间也会增加，但仍在可接受的2s左右。

如图4所示，多种簇头选择算法的对比，本发明中涉及的ICP簇头选择算法效果最好，图4a显示时间消耗约为120毫秒，由此可知，图3b显示的时间延迟大部分并不来自于簇头选择，而来自于广播的通信延迟，其中：，与ICP相比的其余簇头选择算法分别是：LEACH是无线传感器网络中最经典的能耗友好型簇头选择算法ECDS是利用控制集选择簇头的新型能耗友好型新方法；DSBCA是一种负载平衡簇头选择算法，通过距离和分布，投票选出簇头；FT-EEC是一种发现失败后重新分簇的容错方法。图4b显示能量消耗，由发送包数量表示，可以看出ICP耗能最少。

设定任意两个相邻机器人的距离为λ/2，图5所示，随机器人数量增加，覆盖提升的效果。与但机器人的150m通信范围相比，16个机器人基于分布式波束成形得到的通信范围可以达到1000m。显然与相同大小的天线阵列的通信范围可以达到相同的效果，验证了虚拟多输入多输出模式的可用性。

如图6所示，随时间变化，本发明涉及的传输方式的稳定性，可以发现，10s后，该方式达到了一种稳定状态，并与理论值重合。

上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (10)

1.本发明涉及一种面向无线通信增强的多点联合传输方法，在基站与终端之间无法直接通信时，设置终端通过环境感知和终端间短距离通信，进行瞬时分组策略并选出节点簇头；通过节点簇头进行分布式波束成形的方式向其他终端广播基站和其他终端的身份和位置信息；最终各个终端根据接收到的相关位置信息以分布式波束成形的方式建立虚拟多输入多输出系统实现与基站通信的上行覆盖增强，并在与基站建立相互连接后，基站和终端之间通过交互实时信道参数并基于反馈控制对所述虚拟多输入多输出系统的自适应调整；

所述的广播，采用LTE广播机制，且只广播一次。

2.根据权利要求1所述的方法，其特征是，所述的瞬时分组策略，其优化目标：

主要目标：min(T_tot)

次要目标：min(E_tot)

受限条件：d(CH₁,CH₂)<2r

其中：r是无线网络通信磁盘模型中的传输范围，优化目标中的受限条件表明本发明的方法限制在单跳范围内的集群策略，从而保证较高的通信传输率；主要目标中最小化T_tot表示尽可能减少集群策略的总时间消耗，使D2D通信流程尽可能精简；次要目标中的最小化E_tot表示尽可能减少集群策略的总能量消耗，使得交互信息最小化。

3.根据权利要求1或2所述的方法，其特征是，所述的瞬时分组策略，具体包括以下步骤：

步骤1：将所有终端节点按照一跳通信的距离分组，保证每组都可以并发地形成自组网络，并由此确定传输范围半径r；

步骤2：估计每个自组网络所需簇头数其中：n为总终端数，a²为分布区域，r为传输范围半径，C为可调参数；

步骤3：计算自组网络中每个节点的预先分配概率其中：β为冗余系数，P₁最大为1；

步骤4：计算自组网络选择簇头的最优传输时间段T：由于每个簇头任选一个时间段并传ID信息，一个簇中成员收到至少一个簇头信息而不发生碰撞的概率是：其中：z为簇头候选数，T为时间段数。根据高连接概率P₂的要求，即可得到最小化时间消耗T；

步骤5：计算补偿机制中的时间段数Δ＝θT，其中：θ为重复次数，其满足在时间段Δ内所有分离的节点都能连入集群拓扑中；

步骤6：先判断节点初始为簇头或簇中成员，当节点被预先分配步骤3中计算的概率大于50％后成为簇头候选节点，则执行簇头候选算法；反之，当节点被预先分配步骤3中计算的概率小于50％后成为簇中成员，则执行成员算法。

4.根据权利要求3所述的方法，其特征是，所述的步骤6中包括簇头候选算法，其步骤为：

步骤6.1：创造一个根据ω分布的从1到T的随机数k，其中：ω是当前状态的分布方程；

步骤6.2a：当该节点从第一个到第k-1个时间段中，都没有收到任何信息，则广播自身的ID信息并跳出该算法；

步骤6.2b：当该节点收到了来自其他候选簇头的信息，则退而变成簇中成员；

步骤6.3：继续聆听从第k个时间段到第T个时间段的信息，当听到更多ID信息，则变成成员；

步骤6.4：继续聆听从第T+1个时间段到第T+Δ个时间段，当听到更多ID信息，则变成成员，否则跳出算法；

所述的步骤6中包括成员算法，其步骤为：

步骤6.i：聆听从第一个时间段到第T个时间段的信息；

步骤6.iia：当听到簇头信息，则成为成员；

步骤6.iib：当没有任何信息，则成为簇头，并跳转到簇头候选算法。

5.根据权利要求1所述的方法，其特征是，所述的分布式波束成形是指小相位扰动约束唯相位算法，这里已知应用于该波束成形算法参数信息来自多点联合传输中身份信息或终端位置。

6.根据权利要求1所述的方法，其特征是，所述的虚拟多输入多输出系统包括：i个不同的输入，构成在时间段k下的输入向量I(k)＝[I₁(k)I₂(k)...I_i(k)]^T；m个不同的输出，构成在时间段k下的输出向量O(k)＝[O₁(k)O₂(k)...Om(k)]^T。

7.根据权利要求1所述的方法，其特征是，所述的基于反馈控制对所述虚拟多输入多输出系统的自适应调整是指：基于闭环控制理论，联合自适应框架通过实时的信道反馈，以最大化吞吐量为目标，以传包率为约束条件，利用直接搜索法计算该受限条件下的多变量约束优化问题，从而将虚拟多输入多输出系统调整至最优化的输入变量组合，并加入平滑机制，避免对输入的大量变动。

8.根据权利要求7所述的方法，其特征是，所述的平滑机制旨在减小二次成本函数J＝E{||W(O(k+1)-O_opt(k+1))||²+||Q(I(k)-I(k-1))||²}，其中：O_opt(k-1)是通过直接搜索法计算出的最优输出，||.||为2范数计算子，W为基于输出误差的半正定权值矩阵，Q为基于输入变动的正定权值矩阵。

9.一种实现上述任一权利要求所述方法的系统，其特征在于，包括：协作通信模块、簇头选择模块和自适应调整模块，其中：协作通信模块判断基站和终端间的不同通信情景并输出相应策略：当基站和终端间没有通信时，协作通信模块控制基站并设定时间窗口，使基站在时间窗口内每40ms广播通知各终端开启簇头选择模块，根据实时信道状态选出合适的簇头进行广播和分布式波束成形，若超出时间窗口没有终端收到通知信息，终端则自动开启该模块；建立连接后，通过自适应调整模块通过更新关系矩阵生成最优输入组合，实现通信增强。

10.根据权利要求9所述的系统，其特征是，所述的自适应调整模块包括：线下训练模块、线上训练模块、自适应控制器和本地测量模块，其中：线下训练模块通过大量线下历史数据，计算出输入输出的初步关系矩阵及输入顺序，本地测量模块实时监测输出情况并反馈给线上训练模块，得到更新的关系矩阵，自适应控制器根据该关系矩阵得到最优输入组合，实现通信增强。