本發(fā)明屬于接收無線傳輸信號的無線通信技術范疇，具體地說，是一種在沖擊噪聲環(huán)境下對中繼節(jié)點轉發(fā)權值進行優(yōu)化的方法。

背景技術：

4g已經是目前人類社會通信技術發(fā)展的最高階段，但無線通信信道的不確定性以及頻譜資源的稀缺性仍然束縛移動通信的發(fā)展。雖然相比3g數(shù)據傳輸速度有了一個數(shù)量級別的提升，但是通信系統(tǒng)的容量限制依舊是4g的瓶頸。當一個服務區(qū)內的用戶越多，4g的傳輸速度就越慢，這使得4g的優(yōu)勢大大折扣。多輸入多輸出(multipleinputmultipleoutput，mimo)技術成為發(fā)展下一移動通信的核心技術，該技術是通過在發(fā)射端和接收端布置多個天線實現(xiàn)分集增益和復用增益，進而提高通信系統(tǒng)的頻譜效率和移動通信的信道容量。mimo技術在發(fā)射數(shù)據信息時，占用同一頻段，不會增加信號帶寬，也不會增加發(fā)射功率。所以可以在不增加頻譜資源和天線發(fā)射功率的條件下，提高通信系統(tǒng)的容量。但受移動設備的體積和功耗的限制，在設備終端上安裝多條天線顯然是不可能的。有學者提出了把中繼協(xié)作技術結合mimo技術應用于通信系統(tǒng)。在中繼協(xié)作通信中，設備終端在完成自己數(shù)據傳送的同時，為其他的終端提供一條傳輸路徑，使他們也完成數(shù)據的接收和再傳送。憑借各個終端的相互獨立信道，中繼協(xié)作技術構成了虛擬的mimo系統(tǒng)，獲得了mimo的空間分集增益，提高了頻譜利用率。由此使得mimo技術在實際移動通信系統(tǒng)中的應用得以實現(xiàn)。

通信環(huán)境突變會造成實際環(huán)境中的噪聲表現(xiàn)出一定的沖擊性，這時的噪聲模型并不服從高斯分布。這類非高斯性的噪聲，相比高斯噪聲在概率密度分布上表現(xiàn)出更厚重的代數(shù)拖尾的特征。因此，建立合理的非高斯性的環(huán)境噪聲模型，對實際通信環(huán)境中的信號處理算法研究有重要的理論和應用意義。

技術實現(xiàn)要素：

本發(fā)明目的是彌補現(xiàn)有算法的不足，提出了一種沖擊噪聲下的中繼協(xié)作網絡優(yōu)化方法，基于沖擊噪聲中具有代表性的拉普拉斯分布數(shù)學模型，針對單天線的單發(fā)單收多中繼通信網絡給出了一種沖擊噪聲環(huán)境下中繼節(jié)點轉發(fā)權值矩陣的優(yōu)化方法。這種方法比傳統(tǒng)的高斯噪聲環(huán)境中的算法對沖擊性噪聲具有更好的穩(wěn)健性，能夠在沖擊噪聲背景下獲取更小的誤碼率。

本發(fā)明的解決方案是：首先根據沖擊噪聲分布模型和中繼協(xié)作網絡信號模型，基于最大似然準則獲得代價函數(shù)。然后對該代價函數(shù)利用最陡梯度下降法對中繼節(jié)點轉發(fā)權值矩陣進行優(yōu)化。最后利用迫零均衡技術，完成對均衡系數(shù)的優(yōu)化。

本發(fā)明是一種沖擊噪聲環(huán)境下的中繼協(xié)作網絡優(yōu)化方法，該方法的具體步驟為：

步驟1：根據沖擊噪聲分布模型和中繼協(xié)作網絡信號模型得到接收端接收到中繼端發(fā)送的信號為：

其中s為發(fā)送信號，r＝(r1，…，rn)^t表示n個中繼節(jié)點接收到的信號矢量，ri(i＝1，2，…n)表示第i個中繼節(jié)點接收到的信號，hr＝(hr1，…，hrn)^t表示發(fā)射端到n個線中繼節(jié)點的信道系數(shù)矢量，hri(i＝1，2，…n)為第一跳中第i個中繼節(jié)點的信道系數(shù)，表示為n個線中繼節(jié)點到接收端的信道系數(shù)矢量，hti(i＝1，2，…，n)表示第i個中繼節(jié)點到接收端的信道系數(shù)，nr＝(nr1，…，nrn)^t，nri(i＝1，2，…，n)為發(fā)射端到第i個中繼節(jié)點的信道噪聲，nt為中繼節(jié)點到接收端的信道噪聲，f＝diag(f1，…，fn)為波束形成矩陣，fi(i＝1，2，…，n)為第i個中繼節(jié)點放大系數(shù)；

步驟2：采用分布優(yōu)化的方法和最大似然方法得到波束形成矩陣f的實部似然函數(shù)和虛部似然函數(shù)

步驟2-1：由步驟1，對接收端的噪聲項拆分為噪聲虛部和噪聲實部，即：

n＝nr+jni

其中，為噪聲的實部，為噪聲的虛部，a1r，…，anr，-a1i，…，-ani和a1r，…，anr，a1i，…，ani分別為接收端的噪聲n實部和虛部的加權系數(shù)；nri(i＝1，2，…，n)為發(fā)射端到第i個中繼節(jié)點的信道噪聲，nt為中繼節(jié)點到接收端的信道噪聲，nrir和nrii分別為nri的實部和虛部，ntr和nti分別為nt的實部和虛部；

步驟2-2：由拉普拉斯分布沖擊噪聲的概率密度函數(shù)，可得接收端噪聲的實部項和虛部項的概率密度函數(shù)分別為：

其中，air和aii為沖擊噪聲加權常系數(shù)，b＞0為拉普拉斯分布的尺度參數(shù)，表示al的4n-1次方，表示al的平方，表示aj的平方；

步驟2-3：假設在接收端接收到的信號即為發(fā)射端的信號，則接收端的噪聲可近似表示為：

其中，sr和si分別表示為信號s的實部和虛部，服從均值為零，方差為σ²的高斯分布，且相互獨立；其中cir＝(htirfir-htiifii)hrir-(htirfii+htiifir)hrii，cii＝(htirfir-htiifii)hrii+(htirfii+htiifir)hrir，i＝1，…，n，表示為n個線中繼節(jié)點到接收端的信道系數(shù)矢量，hti(i＝1，2，…，n)表示第i個中繼節(jié)點到接收端的信道系數(shù)，htir和htii分別為hti的實部和虛部，fi(i＝1，2，…，n)為第i個中繼節(jié)點放大系數(shù)，fir和fii分別為fi的實部和虛部；

步驟2-4：將步驟2-3中的和代入步驟2-2中和可得波束形成矩陣f的似然函數(shù)為：

步驟3：采用最大似然期望方法，對步驟2中所求的波束形成矩陣f的似然函數(shù)和化簡，可得：

其中σ為sr和si的標準差；

步驟4：由步驟3，優(yōu)化目標函數(shù)可轉化為：采用最速下降法得到最優(yōu)的波束形成矩陣f；

步驟4-1：由步驟3，化簡函數(shù)和為：

其中，

步驟4-2：由于和表達式一樣，不妨以為例分別對fir和fii求偏導，可得：

步驟4-3：采用最速下降法求解最優(yōu)的波束形成矩陣f；

步驟5：采用迫零均衡準則獲得均衡系數(shù)

步驟6：恢復出所需的信號為：

進一步的，所述步驟4-3的具體步驟為：

步驟4-3-1：首先選取波束形成矩陣的初始值f⁽⁰⁾，設定迭代終止誤差ε＞0，迭代計數(shù)值初始化k＝0；

步驟4-3-2：計算或關于fir和fii的偏導，k表示迭代次數(shù)，所求的偏導表達式參考步驟4-2，判斷在當前點偏導的二范數(shù)是否滿足小于ε，如果滿足，則停止迭代，執(zhí)行步驟4-3-5，否則執(zhí)行4-3-3；

步驟4-3-3：梯度方向的反方向就是當前點下降最快的方向，因此以該方向作為搜索方向，即取為搜索方向；

步驟4-3-4：以fi^(k)為出發(fā)點，d^(k)為一維搜索方向，確定最優(yōu)步長λ^(k)，使得令fi^(k+1)＝fi^(k)+λ^(k)d^(k)，同時迭代計數(shù)值更新k＝k+1，返回步驟4-3-2進行條件判斷；

步驟4-3-5：求出最后所求極值點所對應的最優(yōu)的波束形成矩陣f。

本發(fā)明的目的是彌補現(xiàn)有算法的不足，基于沖擊噪聲中具有代表性的拉普拉斯分布數(shù)學模型，針對單天線的單發(fā)單收多中繼通信網絡給出了一種沖擊噪聲環(huán)境下中繼節(jié)點轉發(fā)權值矩陣的優(yōu)化方法。這種方法比傳統(tǒng)的高斯噪聲環(huán)境中的算法對沖擊性噪聲具有更好的穩(wěn)健性，能夠在沖擊噪聲背景下獲取更小的誤碼率。

附圖說明

圖1、本發(fā)明方法的流程圖；

圖2、所提出的方法與mmse方法相比較的誤碼率與中繼節(jié)點數(shù)關系圖；

圖3、所提出的方法與mmse方法相比較的誤碼率與沖擊噪聲強度關系圖。

具體實施方式

本發(fā)明實施方式采用qpsk調制發(fā)送信號，發(fā)射信號的功率為一個單位，發(fā)送的信號個數(shù)為10000，取50次獨立實驗的平均值，中繼節(jié)點個數(shù)n＝4，沖擊噪聲參數(shù)b＝0.7，σ＝1。

步驟1：根據沖擊噪聲分布模型和中繼協(xié)作網絡信號模型得到接收端接收到中繼端發(fā)送的信號為：

其中s為發(fā)送信號，hr＝(hr1，…，hrn)^t表示發(fā)射端到n個線中中繼節(jié)點的信道系數(shù)矢量，hri(i＝1，2，…n)為第一跳中第i個中繼節(jié)點的信道系數(shù)矢量，表示為n個線中繼節(jié)點到接收端的信道系數(shù)矢量，hti(i＝1，2，…，n)表示第i個中繼節(jié)點到接收端的信道系數(shù)，hr為均值為0，方差為1的復高斯隨機變量，即hr～n(0，1)，為均值為0，方差為1的復高斯隨機變量，即nr＝(nr1，…，nrn)^t、nt為拉普拉斯分布下的沖擊噪聲，nri(i＝1，2，…，n)為第i個中繼節(jié)點的信道噪聲，f＝diag(f1，…，fn)，fi(i＝1，2，…，n)為第i個中繼節(jié)點放大系數(shù)。

步驟2：采用分布優(yōu)化的方法和最大似然方法得到波束形成矩陣f的似然函數(shù)為和

步驟2-1：由步驟1，對接收端的噪聲項拆分為噪聲虛部和噪聲實部，即：

其中，表示為n個線中繼節(jié)點到接收端的信道系數(shù)矢量，hti(i＝1，2，…，n)表示第i個中繼節(jié)點到接收端的信道系數(shù)矢量，為均值為0，方差為1的復高斯隨機變量，即htir和htii分別為hti的實部和虛部，f＝diag(f1，…，fn)，fi(i＝1，2，…，n)為第i個中繼節(jié)點放大系數(shù)，fir和fii分別為fi的實部和虛部，nr＝(nr1，…，nrn)^t、nt為拉普拉斯分布下的沖擊噪聲，nri(i＝1，2，…，n)為發(fā)射端到第i個中繼節(jié)點的信道噪聲，nrir和nrii分別為nri的實部和虛部，ntr和nti分別為nt的實部和虛部。

設air＝htirfir-htiifii，aii＝htirfii+htiifir，則上式可以簡化為：

其中為噪聲的實部，為噪聲的虛部，a1r，…，anr，-a1i，…，-ani，1和a1r，…，anr，a1i，…，ani，1分別為接收端的噪聲n實部和虛部的加權系數(shù)。

步驟2-2：由拉普拉斯分布沖擊噪聲的概率密度函數(shù)，可得接收端噪聲的實部項和虛部項的概率密度函數(shù)分別為：

其中，air和aii為沖擊噪聲加權常系數(shù)，b＞0為拉普拉斯分布的尺度參數(shù)，表示al的4n-1次方，表示al的平方，表示aj的平方。

步驟2-3：假設在接收端接收到的信號即為發(fā)射端的信號，則接收端的噪聲可近似表示為：

其中，sr和si分別表示為信號s的實部和虛部，均服從均值為零，方差為σ²的高斯分布，且相互獨。且設cir＝(htirfir-htiifii)hrir-(htirfii+htiifir)hrii，cii＝(htirfir-htiifii)hrii+(htirfii+htiifir)hrir，i＝1，…，n，表示為n個線中繼節(jié)點到接收端的信道系數(shù)矢量，hti(i＝1，2，…，n)表示第i個中繼節(jié)點到接收端的信道系數(shù)矢量，為均值為0，方差為1的復高斯隨機變量，即htir和htii分別為hti的實部和虛部，f＝diag(f1，…，fn)，fi(i＝1，2，…，n)為第i個中繼節(jié)點放大系數(shù)，fir和fii分別為fi的實部和虛部。

步驟2-4：將步驟2-3中的和代入步驟2-2中和可得波束形成矩陣f的似然函數(shù)為：

步驟3：采用最大似然期望方法，對步驟2中所求的波束形成矩陣f的似然函數(shù)和化簡，可得：

其中σ＝1。

步驟4：由步驟3，優(yōu)化目標函數(shù)可轉化為：采用最速下降法得到最優(yōu)的波束形成矩陣f。

步驟4-1：由步驟3，化簡函數(shù)和為：

其中，σ＝1。

步驟4-2：由于和表達式一樣，不妨以為例分別對fir和fii求偏導，可得：

其中，當i＝l，i＝1，…，n時，

當i＝l-n，i＝1，…，n時，

當i≠l且i≠l-n，i＝1，…，n時，

步驟4-3：采用最速下降法求解最優(yōu)的波束形成矩陣f。

步驟4-3-1：首先選取波束形成矩陣的初始值f⁽⁰⁾為單位矩陣，設定迭代終止誤差ε＝0.01，迭代計數(shù)值初始化k＝0；

步驟4-3-2：計算或關于fir和fii的偏導，所求的偏導表達式參考步驟4-2，判斷在當前點偏導的二范數(shù)是否滿足小于ε，如果滿足，則停止迭代，執(zhí)行步驟4-3-5，否則執(zhí)行4-3-3。

步驟4-3-3：梯度方向的反方向就是當前點下降最快的方向，因此以該方向作為搜索方向，即取為搜索方向；

步驟4-3-4：以fi^(k)為出發(fā)點，d^(k)為一維搜索方向，確定最優(yōu)步長λ^(k)，使得令fi^(k+1)＝fi^(k)+λ^(k)d^(k)，同時迭代計數(shù)值更新k＝k+1，返回步驟4-3-2進行條件判斷。

步驟4-3-5：求出最后所求極值點所對應的最優(yōu)的波束形成矩陣f。

步驟5：采用迫零均衡準則獲得均衡系數(shù)

步驟6：恢復出所需的信號為：

實驗結果表明，圖2為mmse方法和所提方法的誤碼率隨中繼節(jié)點數(shù)增加變化的曲線圖，從圖中不難發(fā)現(xiàn)，以尖峰特性更強的拉普拉斯分布為沖擊噪聲，本文所提出的算法較mmse算法的性能更好。隨著中繼節(jié)點個數(shù)的增加，mmse算法的性能在第四個節(jié)點之后并沒有顯著的提升，而所提方法仍然較好的性能提升表現(xiàn)。圖3為mmse方法和所提方法的誤碼率隨噪聲強度增大變化的曲線圖，從圖中可看出隨著噪聲強度的增大，mmse方法和所提方法的誤碼率都呈上升的趨勢。但同時兩者誤碼率的差距也在加大，這表明了所提方法較mmse算法有更好的穩(wěn)健性。