基于信道状态信息的分布式能源簇内协作节点选择方法转让专利
申请号 : CN201810031599.3
文献号 : CN108200625B
文献日 : 2021-05-21
发明人 : 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
申请人 : 温州大学
摘要 :
权利要求 :
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T
簇头间的通信均采用PSK信号时,所述均衡器函数为yi=w xi以及所述接收信号函数T
根据所述均衡器函数为yi=wxi以及所述接收信号函数 构造式(1)中的最小化代价函数 其中,λ>0是正则参数;
T 2 T 2
引入式(2)中的万普尼克‑ε不敏感损失函数|1‑(wxi) |ε=max{0,|1‑(wxi) |‑ε}(2),并进一步引入大于零的松弛变量因子ξi和 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:引入拉格朗日乘子,αi, γi, 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:其中,w,ξ, 为原变
量,α, γ, 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:γi=λ‑ai和 进而转化式(4)为式(5)的对偶形式:记 其中K为由元素Ki,j=yiyj
=1,…,N组成的矩阵,<·,·>为内积运算符, 记E=‑[ε‑1 ε‑1 … ε+1 ε+1] ,Y=[y1 … T
yN ‑y1 … ‑yN],则式(5)改写为式(6)中的矩阵形式T
s.t.AY=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。
说明书 :
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
背景技术
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(Cooperative
communication)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。
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(Destination
Node,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
择协同节点,从而摆脱节点受体积、能量及成本的限制。
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;
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;
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;
所选簇头间的通信均采用PSK信号时,所述均衡器函数为yi=w xi以及所述接收信号函数
最小值可以通过求解式(3)中的优化模型得到:
i,j=1,…,N组成的矩阵〈,·,·〉为内积运算符。记E=‑[ε‑1ε‑1…ε+1ε+1] ,Y=[y1…yN‑
T
y1…‑yN],则式(5)改写为式(6)中的矩阵形式
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
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。
具体实施方式
不用于限定本发明。
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)。
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。
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;
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。
之,该节点转入节能休眠状态。
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;
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。
xi‑M+1] ,确定均衡器函数为yi=wTxi以及接收信号函数 其中,上标T均表示
矩阵转置运算;
数;
最小值可以通过求解式(3)中的优化模型得到:
xj〉,i,j=1,…,N组成的矩阵〈,·,·〉为内积运算符。记E=‑[ε‑1ε‑1…ε+1ε+1] ,Y=[y1…
T
yN‑y1…‑yN],则式(5)改写为式(6)中的矩阵形式
Vielva L,et al,Blind equalization of constant modulus signal using support
vector machines[J].IEEE trans on Signal Processing,2004,52(6):1773‑1782.]。
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。
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。
且对于数据量的要求也非常低。
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。
所述的存储介质,如ROM/RAM、磁盘、光盘等。