基于信道状态信息的分布式能源簇内协作节点选择方法

摘要

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。

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，i,jT

＝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

[0001] 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

[0002] 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(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。

[0003] 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(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

[0004] 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。

[0005] 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；

[0006] 所述方法包括以下步骤：

[0007] 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；

[0008] 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；

[0009] 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；

[0010] 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。

[0011] 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。

[0012] 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。

[0013] 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。

[0014] 其中，所述步骤S3具体包括：

[0015] 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T
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

[0016] 根据所述均衡器函数为yi＝wTxi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；

[0017] 引入式(2)中的万普尼克‑ε不敏感损失函数(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：

[0018]

[0019] 引入拉格朗日乘子， 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：

[0020] 其中， 为原变量， 为对偶变量；

[0021] 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：

[0022]

[0023] 记 其中K为由元素Ki,j＝yiy〈j xi,xj〉，T
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

[0024]

[0025] s.t.ATY＝0

[0026] 0≤Ai≤λ   (6)

[0027] 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。

[0028] 实施本发明实施例，具有如下有益效果：

[0029] 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

[0030] 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。

[0031] 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；

[0032] 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；

[0033] 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；

[0034] 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；

[0035] 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

[0036] 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。

[0037] 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)。

[0038] 所述方法包括以下步骤：

[0039] 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；

[0040] 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。

[0041] 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；

[0042] 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。

[0043] 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。

[0044] 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；

[0045] 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。

[0046] 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：

[0047] 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…T
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；

[0048] 考虑到PSK信号的均衡器输出值具有恒模特性，即(wTxi)2＝yi2＝1，i＝1,…,N，构造式(1)中的最小化代价函数 其中，λ＞0是正则参
数；

[0049] 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 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：

[0050]

[0051] 引入拉格朗日乘子， 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：

[0052] 其中， 为原变量， 为对偶变量；

[0053] 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：

[0054]

[0055] 记 其中K为由元素Ki,j＝yiy〈j xi,T
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

[0056]

[0057] s.t.ATY＝0

[0058] 0≤Ai≤λ   (6)

[0059] 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：

[0060]

[0061] 其中βi为加权的Lagrange乘子

[0062] 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。

[0063] 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 support 
vector machines[J].IEEE trans on Signal Processing,2004,52(6):1773‑1782.]。

[0064] 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 的形式并构造：

[0065]* T 2

[0066] 其中(·) 为复数共轭。则式(1)中的约束条件项中(w xi) 替代为 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。

[0067] 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。

[0068] 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。

[0069] 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：

[0070] h1＝‑0.0946+0.1715z‑1+0.5082z‑2‑0.3474z‑3+0.1359z‑4‑0.0815z‑5+0.0130z‑6

[0071] 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。

[0072] 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。

[0073] 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。

[0074] 实施本发明实施例，具有如下有益效果：

[0075] 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。

[0076] 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。

[0077] 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。