一种5G网络协同通信自适应中继选取办法

tw4ld6 · 发表于 2024-8-31 05:40:41

摘要

针对协作通信网的中继选取问题，提出了一种基于贝叶斯推理的自适应中继选取方法。该方法拓展地运用了放大转发协议的原理，准确地分析了中继节点后验概率，并以此选择最优的中继节点进行信息传输。实验仿真结果显示，该方法在信噪比恒定的状况下，明显地加强了网络性能。

引言

协作通信因其在终端节点之间能供给协作的潜在应用而受到广泛关注。另外，因为数据应用的大幅增长，频谱资源显现了短缺问题。为认识决这个问题，需要协作通信经过节点间的协作，有效地利用资源，以加强信道的容量［1］。协作通信显示，多用户状态下的单天线能够共享，形成虚拟的多天线发射机，使其能够完成发射分集功能［2］。在基于中继的通信系统中，怎样有效地运用中继节点以及怎样使系统性能最大化是一个非常拥有挑战性的问题。对此，学术界和科研人员提出了区别的技术方法来优化网络性能。

基于概率的中继选取方法指的是利用贝叶斯理论计算选取中继节点的概率。该方法将达到的数据速率量化为选取中继节点的先验概率和后验概率，从而最大化网络的数据速率［3］。虽然多输入多输出（MIMO）技术已然能够加强容量和频谱效率（SpectrumEfficiency，SE）［4］，但发射端和接收端天线的倍频需要更加多的电路能量。为了克服这种现象，文献［5］按照信道状态信息（Channel State Information，CSI）提出了一种基于功率掌控门限的中继选取方法。文献［6］在蚁群算法的基本上，提出了一种基于功率分配和蚁群优化的中继选取（RS-PA-PSACO）方法。该方法能够在总功率固定的状况下，能同期得到最小化误比特率（SER）的中继选取和功率分配的最优解。另外，CSI做为中继节点位置选取的参考标准，能够经过调节所选中继的发射功率来最大化信噪比，从而明显加强信噪比，降低误比特率［7］。与基于平均功率的分配方法［8］相比，该方法加强了接收信噪比，降低了误比特率。为了加强协作网络的能量效率，文献［9］提出了一种基于竞争的选取方法。该方法的信源将以最小的发射功率发送数据，中继亦可能消耗最小的能量，这能必定程度上加强全部网络的能量效率。

另外，文献［10］提出了一种基于门限的中继选取方法，该方法结合了确定性中继和概率中继的优点，能够选取任意的数量做为中继。文献［11］提出在部署固定的中继节点时，能够充分思虑路径损耗以进一步加强无线网络的能量效率。文献［12］科研了所选中继拥有实质性的端到端的中继路径，它实现了最优的性能，并保证完全分集数量等于中继的数量。文献［13］从中继节点选取和功率分配2个方面进行了讨论，在有效利用带宽的同期最小化网络的总功率。文献［14］采用解码转发（Decode-and-Forward，DF）协议对源节点和中继节点进行协作通信功率分配，以优化功率消耗，同期保持服务质量。文献［15］科研了一种分散的中继选取方法，即一个客户端按照瞬时信道估计从众多中继中选取端到端的最佳路由。

针对以上各办法所存在的不足，本文首要对多跳蜂窝网络中的协作通信进行了系统建模，而后提出了一种基于贝叶斯推理的中继选取方法，最后经过仿真实验证明了方法的可行性。

0 1

系统模型

蜂窝网络中协作通信的系统模型如图1所示。该模型由源（S）、中继（R）和信宿（D）形成，其中信源能够是基站或带包等待传输的用户，而中继在发送端和目的端都被认为是用户设备（UE）。

图1 蜂窝网络中的协作通信

图1中的通信能够经过直接路径或中继的帮助2种路径进行，或两者兼而有之。经过直接路径通信时，其接收信号能够描述为：

YSD = hSDx + NSD

（1）

式中：

hSD ——信源到信宿的信道状态信息

x ——发射信号

NSD ——信源到信宿的信道噪声

当经过中继进行通信时，其过程可分为2个周期进行。在第1周期，信号从信源发送到中继，在中继处接收的信号YSR可描述为：

YSR = hSRx + NSR

（2）

式中：

hSR ——信源到中继的信道状态信息

x ——发射信号

NSR ——信源到中继的信道噪声

在第2个周期，信号经过AF协议从中继发送到信宿，信宿接收到的信号YRD可描述为：

YRD=αhRDYSR+NRD

（3）

式中：

hRD ——中继到信宿的信道状态信息

α ——传播系数

YSR ——中继接收到的信号

NRD ——中继到目的端的信道噪声

由文献[16]可知，放大转发（AF）场景下，中继路径(S到R再到D)和直接路径(S到D)上的信噪比能够描述为：

（4）

（5）

式中：

g ——放大增益

∂1、∂2、∂d ——S到R、R到D、S到D的信道状态信息

N1、N2 ——中继接收机噪声和目的接收机噪声

中继路径和直接路径上的协作增益（CG ）能够暗示为：

（6）

（7）

式中：

ε0和ε1 ——经过直接路径和中继路径传输的比特数误差

β0 ——信源发送的总比特数

中继路径和直接路径上的信道增益（CHG）可暗示为：

CHGSR&RD=abs{min[mean( α1),mean(α2)]}

（8）

CHGSD=abs{min[mean(αd)]}

（9）

式中：

α1、α2、αd ——S到R、R到D、S到D的传播系数

0 2

贝叶斯决策与中继选取方法

贝叶斯决策理论是处理归类问题的一种基本统计办法。从本质上讲，该办法便是利用已知的不完全状态信息，对未知状态进行主观概率估计[17]。基于贝叶斯设备学习算法的朴素贝叶斯归类器被广泛应用于电信数据挖掘、移动通信等行业。在本节中，首要讨论贝叶斯规则的制定，接下来在贝叶斯理论的基本上，处理最优中继选择问题。

2.1 贝叶斯理论

贝叶斯理论是一种利用统计学来描述问题的办法，即从2个已知概率（即先验概率和要求概率）推导出问题的后验概率。先验概率表示了当前收集到的关于问题证据的估计，以P(Sn)来暗示源节点的先验概率。而要求概率是按照观察到的证据对某个未知变量X出现的估计，本文以P(X|Sn)来暗示源节点Sn选取中继节点X的概率。当先验概率和要求概率都已知时，N个中继节点的后验概率能够描述为：

（10）

其中：

（11）

2.2 基于贝叶斯理论的自适应中继选取

针对协作通信中的最佳中继选取问题，本文提出了一种基于贝叶斯推理的自适应处理方法。

已知直接路径和中继路径的SNR、CG、CHG，则源节点Sn的先验概率为:

（12）

（13）

（14）

其中，Ns为源的个数。中继节点Rm的要求概率为：

（15）

（16）

（17）

其中，Nr暗示可用的中继节点总数。按照贝叶斯准则，后验概率可描述为：

（18）

（19）

（20）

在计算所有原因的后验概率后，源节点Sn所选取的中继节点为：

Rm=argmax[PSNR(Sn|Rm)+PCG(Sn|Rm)+PCHG(Sn|Rm)]s.t. 0≤m≤ Nr

（21）

按照式（21），针对源节点Sn，选取综合后验概率最大的中继节点Rm进行通信，以提高系统性能。

0 3

实验与分析

3.1 仿真环境

这次实验在MATLAB 2017a软件研发平台上进行，并创立了如图2所示协作通信模型。定义了2个源S1和S2，并供给2个中继节点R1和R2。源端能够选取这些中继节点中的任意一个与目的端进行通信，亦能够直接与目的端进行通信。从图2中能够看出，2个源都有3条可用路径进行传输，第1个是直接路径，即S1D和S2D，第2个是中继路径，即S1R1、S1R2、S2R1和S2R2。

图2 协作通信仿真模型

运用瑞利衰落信道调用AF中继协议。信号从信源出发，经过中继或直接到达信宿的信噪比、协同增益、信道增益分别如表1～表3所示。

表1 直接路径和中继路径上的信噪比

表2 直接路径和中继路径上的协同增益

表3 直接路径和中继路径上的信道增益

当直接路径和中继路径上的SNR、CG和CHG已知时，按照式（12）、式（13）和式（14）能够计算出每一个信源的先验概率，按照式（15）、式（16）和式（17）能够计算出每一个中继节点的要求概率，详细结果如表4～表6所示。

表4 由SNR计算出的先验概率和要求概率

表5 由CG计算出的先验概率和要求概率

表6 由CHG计算出的先验概率和要求概率

3.2 实验结果

仿真思虑了4条中继路径和2条直接路径，使得每一个源节点能够得到2条中继路径和1条直接路径。运用二进制相移键控（BPSK）调制发送了104个符号。在接收端采用直接路径接收信号，并经过选定的中继进行最大比合并（MRC），将所有6条路径的结果组合起来进行比较，仿真结果如图3所示。

图3 系统中各传输路径的性能分析

从图3能够看出，源S1选取的中继R1与源S1拒绝R2相比，降低了误比特率，源S2选取的中继R2与源S2拒绝的中继R1相比，降低了误比特率，中继路径的误比特率亦优于直接路径。结果显示，本文提出的算法加强了中继节点的决策能力，降低了误比特率，经过选取更好的中继节点，实现了有效靠谱的通信。

3.3 与其他算法的比较

为进一步分析中继选取算法对通信系统性能的影响，将所提出的算法与随机选取中继办法和所有中继循环转发办法进行了对比，结果如图4所示。

图4 各方法的系统性能比较

从图4能够看出，随着信噪比的增大，误比特率呈现下降趋势，且本文提出的中继选取算法的误比特率要优于另一2种经典的中继选取算法。

结合图3和图4能够看出，本文所提算法有效降低了通信的误比特率，加强了通信质量。这是因为本文所提算法能按照中继节点的状态信息和信道信息，自适应地选取通信路径，加强了通信系统在中继节点和信道环境变差等状况下的容错性，而随机中继选取算法仅仅是对所需要的中继节点进行随机归类和选取，无对信息的收发环境进行分析，故通信网络的性能不足稳定。

0 4

总结

本文提出了一种自适应的中继选取方法，该方法按照后验概率自适应地选取可用的中继节点进行协作。在蜂窝网络的协作通信中，中继是有效地选取用户设备的关键，按照区别的信道要求进行中继选取是最关键的。因此呢，本文的目的是有效地运用中继节点，以增多网络的靠谱性，从而经过减少错误来改善接收信号的质量。将SNR、CG、CHG 3种信道要求做为先验概率，计算后验概率，选取到达目的节点的最佳可用中继。最后，本文给出了所提算法的仿真结果，并与2种平常的中继选取算法进行了对比，从而验证了本文所提算法的有效性。

参

考

文

献

［1］张语昕.移动通信网络中的协作通信［J］. 通信电源技术，2020，37（7）：225-7.

［2］肖海林，左清念，朱丹，等.基于D2D的C-V2V车载协作通信资源分配算法［J］.电子科技大学学报，2021，50（5）：689-696.

［3］亓凯梁，刘超，包建荣 . 多中继选取极化译码转发及优化功率分配［J］.电子学报，2022，50（5）：1167-73.

［4］张宇策，张果，陈佳丽 . Massive MIMO 中的波束算法及方法科研［J］.邮电设计技术，2021，（8）：43-50.

［5］XU J，NIU H，ZHAO T，et al. Robust Optimal Power Control and Subcarrier Allocation in Uplink OFDMA Network With Assistance of Mobile Relay［J］.IEEE access，2021(9)：57475-85.

［6］SHARMA A S，KIM D S. Energy efficient multipath ant colony based routing algorithm for mobile ad hoc networks［J］. Ad Hoc Networks，2021（113）：102396.

［7］WAQAS S A，JAWAD M，KHAN I，et al. Path（s）Finding and Selection Technique for Multi-Hop Mesh Cooperative Networks［J］.2013，6（1）：50.

［8］LI Y，LIAO C，WANG Y，et al. Energy-efficient optimal relay selection in cooperative cellular networks based on double auction［J］.IEEE Transactions on Wireless Communications，2015，14（8）：4093-104.

［9］蒋华，王瑶，王慧娇，等 .基于模糊规律的 WSNs能量有效分簇路由算法［J］.微电子学与计算机，2020，37（7）：25-30.

［10］EL-ZAHR S，ABOU-RJEILY C. Threshold based relay selection for buffer-aided cooperative relaying systems［J］. IEEE Transactions on Wireless Communications，2021，20（9）：6210-6223.

［11］任静，姚远程，秦明伟，等. 一种繁杂环境下的无线应急通信中继节点快速布点办法［J］.宇航计测技术，2022，42（1）：45-50.

［12］ZARIN N，MAHMUD S A，KHAN I. Relay based cooperative spectrum sensing in cognitive radio networks over rayleigh fading channel with path loss effects［C］//proceedings of the 2012 15th International Multitopic Conference（INMIC）.2012.

［13］NING Q，YANG T，CHEN B，et al. Cooperative Transmission of Wireless Information and Energy in Anti-Eavesdropping UAV Relay Network［J］.IEEE Transactions on Green Communications，2021，5（3）：1283-1292.

［14］WANG X，ZHANG P，SHU F，et al. Power Allocation for IRS-aided Two-way Decode-and-Forward Relay Wireless Network［J］.IEEE Transactions on Vehicular Technology，2022：1-6.

［15］CHEN G，TIAN Z，GONG Y，et al. Max-ratio relay selection in secure buffer-aided cooperative wireless networks［J］.IEEE Transactions on Information Forensics & Security, 2014，9（4）：719-729.

［16］DAN C，HONG J，XI L，et al. Optimal joint relay selection and resource allocation with QoS constraints in multiuser OFDM-based cellular networks［J］. High Technology Letters，2021，17（3）：305-310.

［17］张云飞. 基于贝叶斯决策的无人机飞行路径自动规划办法［J］.计算机测绘与掌控，2021，29（11）：196-200.

作者简介

孙磊，工程师，学士，重点从事移动增值业务关联咨询设计工作；

丁茂，工程师，学士，重点从事移动增值业务关联咨询设计工作；

尹以雁，工程师，学士，重点从事移动增值业务关联咨询设计工作；

幸锋，工程师，学士，重点从事移动增值业务关联咨询设计工作；

李治文，工程师，学士，重点从事移动增值业务关联咨询设计工作；

张婧，工程师，学士，重点从事移动增值业务关联咨询设计工作；

郭建军，硕士，重点科研方向为视觉定位、设备学习；

刘芫健，教授，博士，重点科研方向为下一代无线通信系统网络规划与优化、射线跟踪办法及其工程应用、室内短距离电波传播等。

举荐阅读

数字化技术在5G基站电磁辐射监测中的应用