无线协作通信

2024-06-11

无线协作通信（精选七篇）

无线协作通信篇1

1 协作通讯与认知无线电

认知无线电技术可以对周围环境的变化进行灵敏的捕捉与感知, 并通过自身的频谱感知功能去发掘频谱空隙, 进而使自身与通讯环境可以更好的相融。在通信系统中授权用户网络不会通过改变自身的结构来实现与认知无线电之间共享频谱, 因此只能依靠认知无线电自身拥有的感知频谱功能独立的进行对授权用户的探测。因此可以看出, 频谱感知功能是整个认知无线电发挥其作用的核心。而协作通讯技术由于其自身具有的增加系统容量等优势, 已经被应用到认知无线电通讯系统中, 主要被用来提高频谱感知功能的可靠性[1]。运用认知无线电的用户, 主要是通过彼此的中继进行主要信号收集的, 进而可以在可靠的通信环境中感知本地的主要活动。而将协作通讯技术应用到认知无线电用户进行通讯时的数据传输, 可以提升用户的通话安全性与流畅性, 用户业务质量中经常出现的差错率、中断概率也明显减少。

2 认知无线电中的协作通信

通信网络对认知无线电系统的应用, 可以实现将有限的频谱资源进行共享。认知无线电用户可以通过对无线电环境的感知, 寻找到此时段没有被主要用户所使用的频谱空隙, 从而得到新的传输机会[2]。但是在基本的通信要求中规定, 认知无线电用户在进行通讯过程中, 不能对主要网络造成干扰。也就是该技术使用用户, 只能在主要用户的服务质量没有受到干扰的情况下, 临时的借用频谱。

2.1 认知无线电中的频谱感知技术

认知无线电系统在进行频谱的感知时主要要经历四个过程, 即感知频谱存在环境、对信道进行识别以及功率的控制和频谱的管理。其中最为重要的环节就是对频谱环境的感知, 即通过系统的感知功能对频谱的空段进行检测与选择。因此对于频谱的空隙检测制定出可靠的方案, 是确保整个系统顺利运行的关键。在整个认知无线电系统中, 应用其频谱感知功能对整个网络中的频段进行感知, 以判断在某频段中是否含有授权用户[3]。而认知无线电中的频谱感应方法又一般可以归纳为三种形式, 包括基于干扰的检测、发射机检测与协作检测。而其中的协作检测就是基于协作通讯技术进行的, 通过协作系统可以将多个认知无线电用户所检测到的信息进行合并, 一起对网络中的授权用户进行感知。在应用协作检测进行工作时, 是可以采用分散式与集中式两种模式进行的。集中式协作检测, 就是通过认知无线电的基站将全部用户所感知到的信息进行收集, 并同时进行对频谱的空隙进行检测。而分散式协作检测就是各个用户将将自己感知到的信息与其他用户进行相互交换, 进而实现对网络中频谱空隙的捕捉。通过将协作通讯技术应用到认知无线电系统中的频谱感知功能中, 进行频谱空隙和授权用户的协作检测, 能够很好的解决单个用户进行检测时出现的不确定因素, 进而使检测信息更加的准确。一般情况下, 认知无线电用户的频谱检测性能下降, 主要是由遮蔽效应或是多径衰落引起的, 而通过协作检测则会大大减轻这种影响, 提高了系统的检测性能。

2.2 基于协作中继的认知无线电通讯

认知无线电的通讯环境较为复杂, 我们将应用研究设定为主次网络共存的通讯系统中进行研究。我们假设系统中的主要网络是一个蜂窝网络, 它有多个网络信息分址, 并且会在不同的时段将数据传输到授权用户的PU。而一个没有经过频谱认证的次要网络基站包含在主要网络的基站范围内, 而此时认知无线电用户便可以通过频谱感知, 在次要网络中寻求到接入机会[4]。这主要就是因为认知无线电可以对周围的无线环境进行感知, 当主要网络基站向授权用户PU进行数据传输时, 认知无线电用户便可以在不对主要用户数据传输质量造成干扰的前提下, 暂时的占用此频谱段的空隙向AP进行数据的传输。但在此时用户需要注意的是, AP在接收用户传输的数据的同时, 也会接收到来自基站的主要信号, 进而对认知无线电的电链路造成干扰, 使信息的接收质量较低。而通过对协作通讯技术的运用, 可以使处于授权用户周边受传输公率影响而无法进行频谱占用的用户, 通过其他处于授权用户距离较远的认知无线电用户的协助下来实现数据的传输。

3 结语

通过对协作通信在认知无线电系统中的应用分析发现, 协作通信具备很多优势, 可以使多个用户通过协助实现数据信息的有效传输。但是整个系统的运行过程中还存在着一点不足, 就是在网络中多个用户共同进行频谱感知, 在使用过程中将如何进行分配与管理的问题没有得到解决。随着通信技术的不断发展, 该项问题需要深入研究。

摘要：随着科学技术水平的不断提高, 人们对通讯服务水平与质量提出了较高的要求。传统的频谱技术利用率较低已经不能满足现代通讯事业的发展需求, 因此人们将目光转向了认知无线电技术。该项技术的成功应用可以让用户在进行通讯过程中, 对周边的环境进行感知, 进而可以对通讯设施进行参数设置, 以达到最理想通讯状态。认知无线电将协作通讯技术引入, 可以实现整个通讯系统的容量的增加, 进而更好的发挥其效用, 提高用户的通讯质量。

关键词：认知无线电,协作通讯,应用

参考文献

[1]徐雷, 徐大专, 张小飞.认知无线电中基于MIMO-OFDM的限速率反馈资源分配算法[J].通信学报, 2010 (07) :96-103.

[2]段志刚, 葛磊, 李崇瑞, 侯研, 方轩煜.B3G/4G中的协作通信及其在认知无线电中的应用[J].福建电脑, 2010 (07) :31-32.

[3]赵勇.认知无线电的发展与应用[J].电讯技术, 2009 (06) :93-101.

无线协作通信篇2

1 协作MIMO系统能量损耗分析

对于MIMO系统而言, 在发射功率取值以及误比特率取值一定的条件下, 其所支持的数据传输速率明显高于SISO系统。而在吞吐量一致的条件下, MIMO系统在传输能量的表现上明显低于SISO系统。从这一角度上来说, 受制于传感器节点物理尺寸, 传感器节点与天线之间仅能够保持一对一的关系, 因此, 直接将多天线技术应用于无线传感网当中并不可行。而在信息发射 (信息接收) 过程当中, 指令单天线节点协作通信, 能够形成一个基于协作的MIMO系统, 从而使MIMO系统传输能够更具高效性以及节能性优势。

进一步从能量效率的角度上来说, 在如传感器网络一类的短距离应用领域中, 电路能量消耗的构成要素包括所有位于信号发送 (信号接收) 路径上电路模块的能量消耗。从本文重点研究的MIMO系统角度上来说, 虽然MIMO系统实施了相应的能量优化技术策略, 但由于其电路结构比较复杂, 也有可能造成电路能耗水平的增加。因此, 并不能够直观确定SISO系统以及MIMO系统在能量效率方面的优劣势问题。本文故展开详细分析从功率放大器的角度上来说, 其作为构成传感器节点功率消耗的最主要部分, 功耗计算式为一个关于发射功率的函数关系式, 对应的功耗计算标准如下:功率放大器功耗= (1+α) 发射功率;该式中α取值为 (峰均比/射频功率放大器漏极效率) ;假定模型所处的工作环境为平方律功率路径衰减性瑞丽衰落信道, 则可以通过链路预算关系求得射频功率放大器漏极效率的取值, 对应的计算标准如下:射频功率放大器漏极效率=[接收端接受比特信息消耗能量*传输比特率 (4π传输距离) 2/发射机天线增益*接收机天线增益*载波波长2]*连接边缘补偿*接收机噪声指数;在射频功率放大器漏极效率已知状态下, 路径损耗可以通过一个单独的功率下降模型加以表示 (该模型与传输距离平方呈比例相关关系) 。则此状态下的瞬时接收性噪比取值会受到热噪声功率谱密度、发射端协作节点数量、以及信道矩阵这三个方面的影响。最终对应计算得出功率放大器的功耗取值标准。

而对于MIMO系统下的其他电路模块而言, 从发射电路角度上来说, 在经过D/A转化后, 进入滤波装置, 频率合成后进入混频器, 再次通过滤波处理后输入功率放大器, 最终经由信道发射;而从接收电路的角度上来说, 信号输入后经过滤波处理, 然后进行低噪声放大, 再次通过滤波, 频率合成后进行混频器, 滤波处理后输入中频放大器, 最终通过A/D转化接收。

2 协作MIMO系统与SISO系统性能对比

首先, 从传输能耗的角度上来说, 在不同的传输距离下, MIMO系统与SISO系统在传输能量损耗的表现方面有一定的差异。以1.0~100.0m的传输距离取值区间而言, MIMO系统与SISO系统传输能量损耗均伴随传输距离的增长而提升, 但MIMO系统的提升趋势明显弱于SISO系统 (在传输距离100.0m条件下, SISO传输能量损耗达到6e-005J单位, 而MIMO系统不足1e-005J) 。这一数据显示, 在传输距离不断提升的情况下, MIMO系统相对于SISO系统所节约的能量不断增大。故而认为MIMO系统对于改善传输能量效率而言有重要价值。

其次, 从总能耗的角度上来说, 在假定MIMO中发射端、接收端均有两根天线参与协作过程的条件下, 同样以传输距离为变量, 在1.0~100.0m的取值条件下, 研究MIMO系统与SISO系统总能量损耗取值的变化情况。相关研究结果显示:从单跳网络角度上来说, 在传输距离低于一定阈值的情况下 (<40.0m) , MIMO系统的能量效率较SISO系统更高。主要依据是:在传输距离提升的同时, 传输能量损耗占总能量损耗的比重较大, 由此使得电路能量损耗加大。尽管MIMO系统在电路结构上更具优势, 但电路耗能量消耗也是不容忽视的。但, 值得注意的一点是, 在传输距离达到一定阈值之后 (≥40.0m) , MIMO系统所节约的传输能量就能够弥补电路复杂下所产生的电路能量消耗, 进而使MIMO系统的总能量损耗低于SISO系统, 体现其节能、高效的优势。同时, 在传输距离持续提升的条件下, MIMO系统的节能优势也能够更进一步的提升。

3 结语

纵上所述:在发射功率取值以及误比特率取值一定的条件下, MIMO所支持的数据传输速率明显高于SISO系统。在吞吐量一致的条件下, MIMO系统在传输能量的表现上明显低于SISO系统。同时, 从能量损耗以及能量效率的角度上来说, 虽然协作MIMO系统电路结构比较复杂, 会带来额外的电路能量损耗, 但随着传输距离的增大, 在传输距离超过一定阈值之后, 由于传输能量损耗占总能量的比重提升, 故而MIMO系统可以通过降低传输能量损耗的方式, 达到控制总能量损耗的目的, 从而发挥其在节能方面的优势。

摘要：文章以传统SISO处理技术为对比对象, 在对协作MIMO系统能量损耗构成情况进行分析的基础之上, 对比了SISO与MIMO在能量损耗方面的性能差异, 证实了协作MIMO系统对于降低能量损耗, 提高能量效率的重要价值, 望能够引起重视与关注。

关键词：无线传感器,网络协作通信,能量效率

参考文献

[1]廖先林, 耿娜, 石凯等.无线传感器网络节点自身定位算法[J].东北大学学报 (自然科学版) , 2007, 28 (6) :801-804.

无线协作通信篇3

关键词：异步协作分集,训练序列,预编码,极大似然估计,瑞利块平坦衰落信道

0 引言

无线通信系统中发射机和接收机采用多天线技术, 以抵消信号衰落的影响, 故具有很大的优势。文献[1]给出了移动用户采用VCD (Virtual Cooperative Diversity) 方式发送信号, 这种虚拟协作分集系统的实质是移动端之间相互地把其他的移动端当作中继来转发自己所要发送的信息。文献[2]给出了蜂窝通信网络中空时块编码的协作分集模式。文献[3]指出在传感器网络中为了提高传输信息的效率和容错性也采用了协作分集技术。文献[4]指出除了获得额外的分集增益之外, 空时块编码技术还提高了带宽利用率。文献[5]给出双节点协作分集时的条件 (N+1) ≫2L+D。其中, N是要发送的信息符号块的长度;L是信道脉冲响应的长度;D是两个协作终端之间相关延迟的最大值, 但并没有给出较完善的异步消除方案。文献[6]指出异步协作分集中发送信息的每一帧是恒定不变的, 帧与帧之间是相互独立的。对异步码间干扰而言, 文献[7]仅仅指出训练序列的位置在靠近发送数据包边缘时的集中性是最佳的。

以上文献研究的都是双协作方的情况, 且都没有给出较完整的信道延迟估计算法。鉴于这种情况, 在总结归纳了前人研究成果的基础上, 强调了协作分集的基本原理和优势;给出了三协作方情况下完整的系统模型和详细的数学描述;初步推算出信道和延迟估计算法及信息检测方案, 并仿真了信道和延迟估计算法, 并与MSE (均方误差) 进行了对比。

文中符号公式的含义如下:A*表示矩阵A的共轭矩阵;AT表示矩阵A的转置矩阵;AH表示矩阵A的共轭转置矩阵;A+表示矩阵A的伪逆矩阵;tr (A) 表示A迹;E () 表示变量的期望;IN表示N×N单位矩阵;IN (L) 表示L×N的单位矩阵;ON表示N×N的全零矩阵;oN表示N×1的全零向量;a (n) 表示第n个符号块;a (n, k) 表示第n个符号块中的第k个元素;a[n]表示第n个帧;a[n, k]表示第n个帧中的第k个元素;CN (μ, C) 表示期望为μ, 协方差矩阵为C的复高斯分布。

1 系统模型

在异步协作通信系统中给出了异步协作信息的发送方案和模型, 即对要发送的信息先进行线性块预编码处理。

假定异步协作通信系统有三个发送端相互协作发送信号, 一个接收端接收信号, 如图1所示。图中左侧1, 2, 3是三个相互协作的发送端, 右侧4是接收端。在发射端与接收端之间, 带箭头的实线表示发送端直接发送到接收端的信号, 称之为直接信号, 记为DS (Direct Signal) , 相应的这条路径称之为直接路径, 记为DP (Direct Paths) ;带箭头的虚线表示发送端之间相互协作发送的信号, 称之为间接信号, 记为IS (Indirect Signal) , 相应的这条路径称之为间接路径, 记为IP (Indirect Paths) 。

图中的间接信号、间接路径为:IS124IP124, IS134IP134, IS234IP234, IS214IP214, IS314IP314, IS324IP324;直接路径、直接信号为:DS14DP14, DS24DP24, DS34DP34。其中, IS12表示从协作方1发送到协作方2的间接信号, 其他符号以此类推。

图1称之为VMISO系统, 即多输入/单输出虚拟系统, 多个发送端相互协作发送相同的信息给同一个接收端。这种VMISO系统对发送的信息在空间和时间上以特定的方式进行复制, 使接收端以一种简单的方式收集到几乎所有的发送信号。研究表明, 这种相互协作的发送模式能够极大地改善接收信号的质量, 从而大大提高通信的可靠性。但是由于有多个发送端发送, 因此这种协作分集系统不可能完全同步, 产生的异步会大大影响通信的可靠性, 这正是要给出系统方案模型和估计算法的根源。

所提方案的关键是要对发送的信息在发送前进行预处理, 不是直接发送, 而是先发送到与之协作的另一个发送端, 然后由这个发送端对所要发送的信息进行预编码处理, 即用训练序列附加在发送信息帧上作为该帧的循环前缀, 然后再将处理过的协作信号从这个发送端发送出去。

预处理过程如下:首先把要发送的N个信息块中的每一个都分解成3个子信息块, 记为d (n) , d (n+1) 和d (n+2) ;然后在每一个子信息块的尾部分别添加上训练序列d1, d2和d3, 之后用时间反向矩阵T和Ts对分解成的信息子块d (n) , d (n+1) , d (n+2) 和训练序列d1, d2, d3分别进行线性预编码, 从而获得协作伙伴所要发送的最终数据信息sv (n) , sv (n+1) , sv (n+2) , 如关系式 (2) 所示。

$\begin{array}{l} s (n) = [\begin{matrix} d (n) \\ d_{1} \end{matrix}] ‚ s (n + 1) = [\begin{matrix} d (n + 1) \\ d_{2} \end{matrix}] ‚ \\ s (n + 2) = [\begin{matrix} d (n + 2) \\ d_{3} \end{matrix}] (1) \\ s_{v} (n) = [\begin{matrix} Τ d (n) \\ Τ_{s} d_{1} \end{matrix}] ‚ s_{v} (n + 1) = [\begin{matrix} Τ d (n + 1) \\ Τ_{s} d_{2} \end{matrix}] ‚ \\ s_{v} (n + 2) = [\begin{matrix} Τ d (n + 2) \\ Τ_{s} d_{3} \end{matrix}] (2) \end{array}$

上述信息块预编码方案采用的方法是在任何两个连续的信息子块之间插入循环前缀即训练序列, 如图2所示。信息帧的长度为N, 循环前缀即训练序列的长度为L, 当通过预编码矩阵Fp左边前端复用时进行上述操作, 然后把s (n) 和sv (n) 扩展为N+2L长度的信息符号, 对要传输的帧s1[n], s2[n]和s3[n]进行分布式空时编码, 然后按照特定的传输方案发送, 如关系式 (3) 所示。

$\begin{array}{l} s_{1} [n] = [\begin{matrix} F_{p} s (n) \\ - (F_{p} s_{v} (n + 1))^{*} \\ - (F_{p} s_{v} (n + 2))^{*} \end{matrix}] \\ s_{2} [n] = [\begin{matrix} F_{p} s (n + 1) \\ (F_{p} s_{v} (n))^{*} \\ - (F_{p} s_{v} (n + 2))^{*} \end{matrix}] (3) \\ s_{3} [n] = [\begin{matrix} F_{p} s (n + 2) \\ (F_{p} s_{v} (n + 1))^{*} \\ - (F_{p} s_{v} (n))^{*} \end{matrix}] \\ F_{p} = [\begin{matrix} Ι_{Ν + L} (L) \\ Ι_{Ν + L} \end{matrix}] (4) \end{array}$

式中:Fp为方案的预编码矩阵。

三协作方协作发送的传输方案如图3所示。假设该系统中的每一条链路都是点到点的链路, 信道是瑞利块衰落平坦信道, 传输过程中信息的每一帧都是恒定不变的, 且帧与帧之间是相互独立的, 接收端接收到的是三个有效发送信号的总合。这三个信号分别经过了不同的路径到达接收端, 三条信道路径由不同的延迟、衰减和相移引起的信号衰落决定, 因此通过添加训练序列能够有效地估计信道和传输延迟。

因为这三个信号到达的时间不同, 到达的时间分别定义为t1, t2, t3, 且假定在没有一般性损耗的情况下t1≤t2≤t3。接收信号中总的噪声向量b～CN (0, N0I3N+6L) , 接收到的信号为r=A (τ) Sh+b, 其中 $A (τ) = [\begin{matrix} Ο_{3 Ν + 6 L} & Ι_{3 Ν + 6 L} & Γ & Ψ \end{matrix}]$ 。分别定义:

$\begin{array}{l} s_{1} = [\begin{matrix} s_{1} [n - 1] \\ s_{1} [n] \end{matrix}], s_{2} = [\begin{matrix} s_{2} [n - 1] \\ s_{2} [n] \end{matrix}], \\ s_{3} = [\begin{matrix} s_{3} [n - 1] \\ s_{3} [n] \end{matrix}], o_{s} = [\begin{matrix} Ο_{3 Ν + 6 L} \\ Ο_{3 Ν + 6 L} \end{matrix}] (5) \\ S = [\begin{matrix} s_{1} & o_{s} & o_{s} \\ o_{s} & s_{2} & o_{s} \\ o_{s} & o_{s} & s_{3} \end{matrix}], h = [\begin{matrix} h_{1} \\ h_{2} \\ h_{3} \end{matrix}] (6) \end{array}$

式中:h1, 2, 3～CN (0, 1) , 且h1, 2, 3是复标量信道参数;S是从接收端接收到三个信号叠加而成的信号矩阵;Γ和Ψ的大小规模是 (3N+6L) × (3N+6L) , 这正是接收端接收到三个信号是异步信号的原因, Γ和Ψ如下:

$Γ = [\begin{matrix} Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} & Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} & Ι_{L_{τ}} \\ Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} & Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} & Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} \\ Ο_{(3 Ν + 6 L - L_{τ}) \times (3 Ν + 6 L - L_{τ})} & Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} & Ο_{(3 Ν + 6 L - L_{τ}) \times L_{τ}} \end{matrix}] (7)$

$Ψ = [\begin{matrix} Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} & Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} & Ο_{L_{τ}} \\ Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} & Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} & Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} \\ Ι_{3 Ν + 6 L - L_{τ}} & Ο_{L_{τ} \times (3 Ν + 6 L - L_{τ})} & Ο_{(3 Ν + 6 L - L_{τ}) \times L_{τ}} \end{matrix}]$

(8)

$τ_{1} = t_{2} - t_{1}, τ_{2} = t_{3} - t_{1}, L_{τ} = τ_{2} (9)$

式中:τ1, τ2分别是两个接收信号到达时间的延迟差;Lτ是由信道脉冲响应长度L决定的相关延迟。由此可以得出, 在同步协作的情况下, Γsyn=O3N+6L, Ψsyn=I3N+6L。

2 信道和延迟估计算法

在接收端利用接收到的信号对信道h和传输延迟τ1, τ2分别采用ML (Maximum Likelihood Method, 极大似然估计法) 进行处理, 并定义ts1, ts2和ts3。

ts1=Tsd1, ts2=Tsd2, ts3=Tsd3 (10)

$\begin{array}{l} S (τ_{1}) = [s s_{1}, s s_{2}], s s_{1} = [\begin{matrix} d_{1} (τ_{1} + 1 : L) \\ - (t s_{2})^{*} \end{matrix}] ‚ \\ s s_{2} = [\begin{matrix} d_{2} \\ (t s_{1} (1 : L - τ_{1}))^{*} \end{matrix}] (11) \\ S (τ_{2}) = [s s_{3}, s s_{4}], s s_{3} = [\begin{matrix} d_{1} (τ_{2} + 1 : L) \\ - (t s_{3})^{*} \end{matrix}], \\ s s_{4} = [\begin{matrix} d_{3} \\ (t s_{1} (1 : L - τ_{2}))^{*} \end{matrix}] (12) \end{array}$

对于这个确定性的模型, 定义:

$\begin{array}{l} z (τ_{1}) = r [n, Ν + L + τ_{1} + 1 : Ν + 3 L] \\ z (τ_{2}) = r [n, Ν + L + τ_{2} + 1 : Ν + 3 L] (13) \end{array}$

故:

$\begin{array}{l} \tilde{h} (τ_{1}) = (S (τ_{1}))^{+} z (τ_{1}) \\ \tilde{h} (τ_{2}) = (S (τ_{2}))^{+} z (τ_{2}) \end{array} (14)$

故:

$\begin{array}{l} \hat{τ}_{1} = \underset{τ_{1} < L}{a r g m i n} ∥ z - S (τ_{1}) \tilde{h} (τ_{1}) ∥^{2} \\ \hat{τ}_{2} = \underset{τ_{2} < L}{a r g m i n} ∥ z - S (τ_{2}) \tilde{h} (τ_{2}) ∥^{2} \end{array} (15)$

故:

$\begin{array}{l} \hat{h} (τ_{1}) = (S (\hat{τ}_{1}))^{+} z (\hat{τ}_{1}) \\ \hat{h} (τ_{2}) = (S (\hat{τ}_{2}))^{+} z (\hat{τ}_{2}) \end{array} (16)$

得出信道估计的均方误差和方案模型的克莱默-拉奥下限分别为:

$\begin{array}{l} \begin{array}{l} Μ S E (h_{1}) = E [∥ h - \hat{h}_{1} ∥^{2}] \\ Μ S E (h_{2}) = E [∥ h - \hat{h}_{2} ∥^{2}] \end{array} (17) \\ \begin{array}{l} C R B_{1} = t r [Ν_{0} [(S (τ_{1}))^{Η} S (τ_{1})]^{- 1}] \\ C R B_{2} = t r [Ν_{0} [(S (τ_{2}))^{Η} S (τ_{2})]^{- 1}] \end{array} (18) \end{array}$

将上述估计量合并整理得:

$\begin{array}{l} \hat{τ} = [\begin{matrix} \hat{τ}_{1} \\ \hat{τ}_{2} \end{matrix}] = [\begin{matrix} \underset{τ_{1} < L}{a r g m i n} ∥ z - S (τ_{1}) \tilde{h} (τ_{1}) ∥^{2} \\ \underset{τ_{2} < L}{a r g m i n} ∥ z - S (τ_{2}) \tilde{h} (τ_{2}) ∥^{2} \end{matrix}] \\ \hat{h} (τ) = [\begin{matrix} \hat{h} (τ_{1}) \\ \hat{h} (τ_{2}) \end{matrix}] = [\begin{matrix} (S (\hat{τ}_{1}))^{+} z (\hat{τ}_{1}) \\ (S (\hat{τ}_{2}))^{+} z (\hat{τ}_{2}) \end{matrix}] (19) \end{array}$

$\begin{array}{l} Μ S E (h) = [\begin{matrix} Μ S E (h_{1}) \\ Μ S E (h_{2}) \end{matrix}] = [\begin{matrix} E [∥ h - \hat{h}_{1} ∥^{2}] \\ E [∥ h - \hat{h}_{2} ∥^{2}] \end{matrix}] \\ C R B = [\begin{matrix} C R B_{1} \\ C R B_{2} \end{matrix}] = [\begin{matrix} t r [Ν_{0} [(S (τ_{1}))^{Η} S (τ_{1})]^{- 1}] \\ t r [Ν_{0} [(S (τ_{2}))^{Η} S (τ_{2})]^{- 1}] \end{matrix}] (20) \end{array}$

其中检测方案为:

$\begin{array}{l} y = [r_{a}^{Τ}, r_{b}^{Τ}, r_{c}^{Τ}] (21) \\ \begin{array}{l} r_{a} = [n, L + 1 : Ν + L + τ] \\ r_{b} = [n, Ν + 3 L + 1 : 2 Ν + 3 L + τ] \\ r_{c} = [n, 2 Ν + 5 L + 1 : 3 Ν + 5 L + τ] \end{array} (22) \end{array}$

发送的信号是由接收端的极大似然检测器检测到的, 最终接收的信号全部经信号总合器后输出, 定义所有经信号总合器后输出的总合信号如下:

$\begin{array}{l} \tilde{d} (n, k) = \hat{h}_{1}^{*} (n) y (n, k) + \hat{h}_{2} (n) y^{*} (n, l + 1 - k) + \\ \hat{h}_{3} (n) y^{*} (n, l + 1 - k) \\ \tilde{d} (n + 1, k) = \hat{h}_{2}^{*} (n) y (n, τ + k) - \\ \hat{h}_{1} (n) y^{*} (n, l - τ + 1 - k) - \\ \hat{h}_{3} (n) y^{*} (n, l - τ + 1 - k) \\ \tilde{d} (n + 2, k) = \hat{h}_{3}^{*} (n) y (n, τ + k) - \\ \hat{h}_{2} (n) y^{*} (n, l - τ + 1 - k) - \\ \hat{h}_{1} (n) y^{*} (n, l - τ + 1 - k) \end{array} (23)$

式中:l是y包含的比特数。

3 信道与延迟估计算法仿真

图4为该方案模型的CRB图, 图5为信道估计的MSE图, 图6是信道估计的CRB与MSE对比图。图中的CRB曲线是方案模型下信道估计的克莱默-拉奥下限, MSE曲线代表信道估计的最小均方误差, 从图6中可以看出方案模型的MSE基本达到了克莱默-拉奥下限, 达到了完全的分集阶数。

假定方案中对信号采用BPSK进行处理, 假定在最大比合并情况下, 平均误码率:

$\begin{array}{l} p_{b} = (\frac{1 - μ}{2})^{L} \sum_{l = 0}^{L - 1} (\frac{L - 1 + l}{l}) (\frac{1 + μ}{2})^{l} \\ μ = \sqrt{\begin{array}{l} \bar{γ} / (1 + \bar{γ}) \end{array}} (24) \end{array}$

式中: $\bar{γ}$ 为每比特每天线的平均信噪比。仿真图中取训练序列的长度L=2, 同步情况时接收到的BER如图7所示, 异步情况下接收到的BER如图8所示, 图9是同步情况时和异步情况时接收到的BER对比图, 其中异步情况时的BER与同步情况时很接近, 说明方案和模型是基本正确的。

4 结语

针对协作分集中协作点的异步问题, 给出了一种抵消异步的方案。该方案概述了三协作方异步协作分集的系统模型, 描述了非盲信道估计具体的信号预编码算法和特定的协作传输方式, 然后对信道和信号的估计进行了数学归纳和对比仿真。研究结果表明, 该方案能有效地抵消三协作方情况下由于异步协作问题所产生的负面影响, 能使三协作方异步协作的性能和同步情况下很接近, 对异步协作分集的下一步研究具有一定的参考意义。

此外, 方案虽然基本解决了异步问题带来的延迟、衰减和相移, 但从另一个角度上看却使移动端为发送训练序列而占用了大量时隙, 发送了冗余信息, 使接收到的有用时隙大大减少, 增加了开销, 降低了带宽效率, 在提高了通信可靠性的同时也增加了成本。不过该方案的实现复杂度低, 接收性能也较好, 有较好的市场前景。

参考文献

[1] DOHLER M. Virtual antenna arrays [D]. United King-dom: University of London, 2004.

[2] ERKIP E, SENDONARIS A, AZHANG B A. User coo-peration Diversity [J]. IEEE Trans. on Comm., 2003, 51 (11) : 1927-1948.

[3] LI X, WU N E. Power Efficient wireless sensor networks with distributed transmission induced space spreading [C]// Proc. of 37th Asil. Conf. Signals, Syst., Comput. Pacific Grove, CA: ACSSC, 2003: 111-119.

[4]LANEMAN J N, WORNELL G W.Distributed space-time-coded protocols for exploiting cooperative diversity in wire-less networks[J].IEEE Trans.on Inform.Theory, 2003, 49 (10) :2415-2425.

[5]LI X.Space-time coded muli-transmission among distributedtransmitters without perfect synchronization[J].IEEE Sig-nal Processing Letters, 2004, 11 (12) :948-951.

[6] BUDIANU C, TONG L. Packet design for communication under asynchronous interference [C]// Proc. of MILCOM. Boston, MA: MILCOM, 2003: 12-19.

[7] Anon. Wireless personal multimedia communications [C]// Proceedings of Diversity in International Wireless Summit. Aalborg, Denmark: [s.n.], 2005: 123-133.

[8]ZHENG L, TSE D.Diversity and multiplexing:a funda-mentl tradeoff in multiple-antenna channels[J].IEEETransaction on Information Theory, 2003, 49 (5) :1073-1096.

[9]WEI S Q, GOECKEL D, VALENTI M.Asynchronous co-operative diversity[C]//Proceedings of the 38th AnnualConf on Information Sciences and Systems.Princeton, USA:[s.n.], 2004:69-78.

认知无线电非协作频谱检测技术篇4

概述

频谱空穴检测技术是认知无线电技术的关键, 其分为非协作频谱检测技术和协作频谱检测技术。非协作频谱检测是指用户独自进行频谱空穴检测。协作频谱检测是指多个用户联合进行频谱空穴检测。本文主要对已有非协作频谱检测技术进行探讨。在现有文献中, 非协作频谱检测主要包括匹配滤波器检测, 能量检测、周期平稳过程特征检测、干扰温度检测、本振功率泄露检测。

匹配滤波器检测法

匹配滤波器检测指完成授权用户信号的解调, 进而判断授权用户发射机是否处于空闲状态。匹配滤波器输出的信噪比最大, 但匹配滤波器检测只针对特定信号, 对于其它信号, 这个滤波器不一定匹配。因此, 对每个授权用户都应有一个相应的匹配滤波器, 且解调要采用相干解调, 对同步要求高, 但所需时间少, 须知道授权用户先验信息。如图1 所示。

能量检测法

能量检测如图2 所示。它通过带通滤波器选出所需信号, 然后经过平方和积分器进行能量累积, 最后通过门限进行判别。

可以看出, 能量检测是一种非相干检测方法, 不需要先验知识, 对同步要求不高。但判决门限不易选定, 直接影响能量检测的检测概率和虚警概率。对调频信号、扩频信号、直接序列信号不适用。另外, 能量检测不易分辨出噪声和信号, 且很难检测出微弱信号。

周期平稳过程特性检测法

匹配滤波器检测方法需要知道授权用户的先验信息, 能量检测不能把信号与噪声、干扰区别开来。通信工作者提出了周期平稳过程特征检测法。

尽管数据是静态随机的, 但经过人工调制的信号, 其自相关函数和均值具有周期性, 且噪声带宽较宽, 不具有相关性。在一维功率谱密度函数中, 频谱特性重叠的, 循环频谱特性不重叠, 周期平稳过程特性检测法利用授权用户频谱相关特性, 分析出循环频率的特性, 将信号与噪声区别开来, 进而判断授权用户发射机是否处于工作状态。从而探测出 “频谱空穴”。但其观测时间较长, 计算量大, 如图3 所示。

本振功率泄露检测法

匹配滤波器检测法、能量检测法、周期平稳过程特征检测法属于授权用户发射端检测, 即认知用户接收信号确定授权用户发射机工作状态, 从而判断“频谱空穴”。下面探讨的本振功率泄漏检测法属于授权用户接收端检测, 通过判断授权用户接收机工作状态从而确定该段频谱是否可用。

本振功率泄漏检测主要是检测授权用户接收机射频前段本地振荡器泄漏的功率来判断授权用户工作状态, 从而发现“频谱空穴”。由于技术水平不断提高, 本振功率泄漏水平也随之下降。另外, 当认知用户接收机与授权用户接收机距离较远时, 认知用户接收机难以接收到授权用户接收机本振泄漏的功率。因此, 本振功率泄漏检测法应用范围较小, 探测时间长, 但可操作性强。

干扰温度检测法

干扰温度检测法属于授权用户接收端检测法。“干扰温度”是FCC于2003 年提出的。干扰温度模型如图4所示。

干扰温度检测法就是认知用户和授权交互先验信息, 只要认知用户对授权用户接收机累积干扰低于干扰温度门限, 就不会对授权用户通信质量产生恶劣影响, 认知用户就可以通过调整自己的发射机参数共享这段频谱。干扰温度检测法是在最恶劣环境下共享频谱, 所以干扰温度检测法可以发现更多“频谱空穴”。

干扰温度的计算公式为:

式中PI为在中心频率为fc, 带宽为B的干扰下的平均功率 (W) ;k ——波尔兹曼常数 (=k1.38 ×10-23J/ K) 。

几种频谱检测方法的比较

前面对认知无线电中常用的非协作频谱检测算法进行了探讨比较, 各有优缺点。在实际应用中, 应该根据具体通信环境和通信要求选择合适的频谱检测方法。表1 列举了这几种方法的优缺点及适用环境。

结语

无线协作通信篇5

Engagement通信时代来临

什么是Engagement?Avaya大中华区副总裁熊谢刚对Engagement的理解用小米的案例加以诠释。

“小米在设计手机的过程中, 让客户参与进来, 这些客户通过各种各样的途径, 比如QQ空间、米聊、微信、论坛等形式, 吸引了一千多个发烧级粉丝。小米推出第一款手机操作系统时, 第一时间就发给了这一千个发烧友, 让他们体验, 甚至让他们直接参与功能的开发和修改, 大家通常会用众筹、众包来描述这种方式。”

因此, 熊谢刚认为Engagement的本质是:随着互联网的发展, 很多企业希望现有的客户、潜在的客户, 甚至不是他的客户, 都能够参与到企业内部产品的设计、制造, 以及公司内部的运营中来。Engagement时代, 即是一个参与的时代。

业内人士分析, Engagement概念并不是第一次提出, IBM此前曾提出Watson Engagement Advisor:协助企业分析海量数据, 改善客户服务与销售能力。越来越多的企业在探索Engagement的企业通信模式, 这也说明了Engagement时代开始到来。

此外, 目前很多企业都为实现与客户沟通做了大量的工作, 比如建立了微信客服、微博客服、有专人管理论坛等, 拉近了企业与客户的距离, 而客户在如此接近企业时, 企业内部真的准备好了吗?

显然, 过去的协同方式无法解决对外沟通的问题, 而客户的信息反馈到企业内部时, 也同样给企业内部运营带来挑战。这需将即时通信、语音通信、视频通信统一到一起。

Avaya推出创新方案应对

对此, Avaya提出Engagement解决方案, 也被称为全新下一代基于客户参与的解决方案。该方案采用创新技术, 高效连接企业不同地点和不同的职能部门, 将通信驱动的应用集成到工作流程中, 并支持从桌面向移动设备的无缝迁移。

熊谢刚表示, Avaya Engagement方案可兼顾用户的通信偏好和企业的需求, 建立更加深入的人与人之间的联系, 进一步释放效率和盈利能力。

为了扩大合作伙伴生态系统, Avaya与Google进行合作, 将搜索引擎技术应用到Engagement解决方案, 以解决与客户互动问题。当客户要获取各种各样服务时, 可以进行匹配、搜索, 类似大数据里的数据网格、分布式计算。

无线协作通信篇6

近年来, 随着无线传感器网络在各行各业的广泛应用, 人们对它的研究越来越多[1]。时间同步问题对于无线传感器网络至关重要, 它对于维护数据一致性、协调以及执行其他基本操作如能量管理、安全和数据融合和预定都有重要意义[2,3]。当前对无线传感器网络时间同步的研究方法有两种方式:基于分组的和基于脉冲的同步方式。基于分组的同步方式是指通过节点之间周期性交流带有本机时钟标签的分组信息, 通过点对点的方式或者广播的方式[4]。现有的许多无线传感器网络时间同步协议都是基于分组的同步方式, 例如:参考广播时钟协议 (RBS) [5], 传感器网络时间同步协议 (TPSN) [6], 洪泛时间同步协议 (FTSP) [7], 成对广播同步协议 (PBS) [8]等。基于脉冲的同步分组是指基于物理层波形, 发端发射携带本机载波和时钟信息的波形。收端接收其它节点发来的多路不同时钟信号, 经过加权来控制本振, 并将调整过程中的本振信号同时发送给其它节点, 在满足一定环境和估计参量条件下, 网络中节点最终能够收敛到协调一致的载频和相位。

传统的基于分组消息交换的同步方式要么是降低同步精度来降低能耗, 要么是增加能耗来提高同步精度, 很难做到同时兼顾同步精度和能耗。本文提出一种基于分组消息交换的协作时间同步 (CTS) 方法在不降低同步精度的前提下, 通过引入协作中继达到降低能耗的目的。在能接收到远方节点同步信息的情况下, 通过其他中继节点的协作, 通过协作中继对同步双方的分组信息进行接收转发给远方节点。协作中继对同步双方的交互信息进行转发相当于缩短了信息的传播距离, 从而允许发射端降低发射功率, 降低能耗。

2 系统模型

2.1 网络模型

无线传感器网络的网络节点密度高的特点为使用协作通信提供了保证。本文采用典型的协作通信模型:信源节点A, 信宿节点B, 中继节点R。如图 1示:

在无中继R参与的情况下, A的同步信息需要传播较远的距离才能到达B节点端。现在有了中继R节点的协作, A的同步信息只需传送到R节点能覆盖的范围即可。R节点收到A节点的同步请求信息后, 经过相关处理再转发给B节点, B节点收到此信息后发送应答同步信息给R节点, R节点接收并转发应答信息给A节点。这样A、B节点通过R节点完成一次消息交互。在同步信息的交互过程中, A、B之间同步信息的传播距离缩短, 这使得发射功率得以降低, 从而降低了A、B之间的能耗。

2.2 时钟模型

对于单个的网络节点而言, 如果它和参考时钟完美同步或者说它就是参考时钟, 则该节点和参考时钟的同步函数为:

$C (t) = t (1)$

其中t为参考时间, 即理想时间。

实际情况中网络节点的振荡器总是不完全理想又有随机噪声的影响, 所以单个的网络节点相对于参考时钟的同步函数应该建模为:

$C (t) = θ + ω + ε (2)$

其中θ称为时钟相位差 (clock offset) , ω称为时钟频率差 (clock skew) , ε称为随机噪声。

在本文研究的网络模型中考虑节点A、B同步关系, 由 (2) 可得同步函数为:

$C_{A} (t) = θ^{(A B)} + ω^{(A B)} C_{B} (t) (3)$

其中θ (AB) 称为节点A、B的相对时钟相位差, ω (AB) 称为节点A、B的相对时钟频率差。

如果节点A、B要做到完美同步, 则需满足:θ (AB) =0, ω (AB) =1。

在分布式系统的同步问题中, 研究的任务就是要对时钟的两个参数时钟相位差θ (AB) 和时钟频率差ω (AB) 进行正确估计。本文假定网络模型中节点之间的振荡器工作频率完全相同, 即ω (AB) =1。

3 协作时间同步 (CTS) 方法

3.1 协作同步分组 (CTS) 消息交互过程

在本文研究的系统模型中, 为了提高同步的准确性, 节点A、B之间需要完成尽可能多的 (假设为N次) 同步信息的交互。同步分组延迟可以细分为两部分:d (ST) 和X (ST) 。其中d (ST) 和X (ST) 分别表示S到T的确知延迟和随机延迟。

节点A通过中继节点R和节点B进行同步消息的交互过程如图 2示。

1) 发送节点A在T $_{1, i}^{(A)}$ 时刻给B节点发送一个同步请求消息;

2) 中继节点R在T $_{2, i}^{(R)}$ 时刻收到同步请求消息后经过处理在T $_{3, i}^{(R)}$ 时刻将此请求消息转发给B节点;

3) 接收节点B在T $_{4, i}^{(B)}$ 时刻收到此请求消息后, 在T $_{5, i}^{(B)}$ 时刻发送应答信息;

4) 中继节点R在T $_{6, i}^{(R)}$ 时刻收到此应答信息后在T $_{7, i}^{(R)}$ 时刻转发次信息给A节点;

5) 节点A在T $_{8, i}^{(R)}$ 时刻收到节点B的应答信息。

T $_{1, i}^{(A)}$ , T $_{8, i}^{(A)}$ 表示第i次消息交换中由节点A记录的本地时钟。T $_{2, i}^{(R)}$ , T $_{3, i}^{(R)}$ , T $_{6, i}^{(R)}$ , T $_{7, i}^{(R)}$ 表示第i次消息交换中由节点R记录的本地时钟。T $_{4, i}^{(B)}$ , T $_{5, i}^{(B)}$ 表示第i次消息交换中由节点B记录的本地时钟。其中:i=1, 2, …, N。θ $_{o f f s e t}^{(A B)}$ , θ $_{o f f s e t}^{(A R)}$ , θ $_{o f f s e t}^{(R B)}$ 分别表示节点A、B之间, A、R之间, R、B之间的时钟偏差。Φu, Φd分别表示中继节点R上下行链路处理延迟。

3.2 协作同步 (CTS) 时钟参数的最大似然估计

基于分组的分布式同步误差主要来源于构建分组的随机时延、MAC层的队列延迟, 以及接收机分组处理和无线传播时延, 由于这些时延的累加一般是随机且难以估计的。从某种意思上说, 无线传感器网络的时间同步问题可以看作消除分组信息在交换过程中产生的随机延迟[9]。

根据由图 2及节点A通过中继节点R和节点B进行同步消息的交互过程分别把T $_{2, i}^{(R)}$ 、T $_{3, i}^{(R)}$ 和T $_{4, i}^{(B)}$ 分别表示如下:

$\begin{array}{l} Τ_{2, i}^{(R)} = Τ_{1, i}^{(A)} + θ_{o f f s e t}^{(A R)} + d^{(A R)} + X_{i}^{(A R)} (4) \\ Τ_{3, i}^{(R)} = Τ_{2, i}^{(R)} + Φ_{u} (5) \\ Τ_{4, i}^{(B)} = Τ_{3, i}^{(R)} + θ_{o f f s e t}^{(R B)} + d^{(R B)} + X_{i}^{(R B)} (6) \end{array}$

将 (4) , (5) 代入 (6) 可得:

$\begin{array}{l} Τ_{4, i}^{(B)} = Τ_{1, i}^{(A)} + θ_{o f f s e t}^{(A R)} + θ_{o f f s e t}^{(R B)} + \\ d^{(A R)} + d^{(R B)} + X_{i}^{(A R)} + X_{i}^{(R B)} + Φ_{u} (7) \end{array}$

同理把T $_{6, i}^{(R)}$ 、T $_{7, i}^{(R)}$ 和T $_{8, i}^{(R)}$ 分别表示如下:

$\begin{array}{l} Τ_{6, i}^{(R)} = Τ_{5, i}^{(B)} + θ_{o f f s e t}^{(B R)} + d^{(B R)} + X_{i}^{(B R)} (8) \\ Τ_{7, i}^{(R)} = Τ_{6, i}^{(R)} + Φ_{d} (9) \\ Τ_{8, i}^{(R)} = Τ_{7, i}^{(R)} + θ_{o f f s e t}^{(R A)} + d^{(R A)} + X_{i}^{(R A)} (10) \end{array}$

将 (8) , (9) 代入 (10) 可得:

$\begin{array}{l} Τ_{8, i}^{(A)} = Τ_{5, i}^{(B)} + θ_{o f f s e t}^{(B R)} + θ_{o f f s e t}^{(R A)} + \\ d^{(B R)} + d^{(R A)} + X_{i}^{(B R)} + X_{i}^{(R A)} + Φ_{d} (11) \end{array}$

令:

Ui=T $_{4, i}^{(B)}$ -T $_{1, i}^{(A)}$

Vi=T $_{8, i}^{(A)}$ -T $_{5, i}^{(B)}$

μ=d (AR) +d (RB) +Φu-d (BR) -d (RA) -Φd

Zi=μ+X $_{i}^{(A R)}$ +X $_{i}^{(R B)}$ -X $_{i}^{(B R)}$ -X $_{i}^{(R A)}$

Zi建模为相互独立且服从N (μ, σ2) 正态随机噪声。

由 (7) 至 (11) 得:

$U_{i} - V_{i} = 2 θ_{o f f s e t}^{(A B)} + Ζ_{i} (12)$

其中θ $_{o f f s e t}^{(A R)}$ +θ $_{o f f s e t}^{(R B)}$ =θ $_{o f f s e t}^{(A B)}$ =-θ $_{o f f s e t}^{(B A)}$ 。

θ $_{o f f s e t}^{(A B)}$ 的似然函数为:

$L (U_{i}, V_{i}, θ_{o f f s e t}^{(A B)}) = (\sqrt{2 π} σ)^{- Ν} \exp (\frac{1}{2 σ^{2}} \sum_{i = 1}^{Ν} (U_{i} - V_{i} - 2 θ_{o f f s e t}^{(A B)}))^{2} (13)$

求θ $_{o f f s e t}^{(A B)}$ 的对数似然函数的一阶导数:

$\frac{\partial L}{\partial θ_{o f f s e t}^{(A B)}} = \frac{1}{σ^{2}} \sum_{i = 1}^{Ν} (U_{i} - V_{i} - 2 θ_{o f f s e t}^{(A B)}) (14)$

令 $\frac{\partial L}{\partial θ_{o f f s e t}^{(A B)}} = 0$ , 并定义 $\bar{U}$ , $\bar{V}$ 分别为Ui, Vi的平均值, 即 $\bar{U} = \frac{1}{Ν} \sum_{i = 1}^{Ν} U_{i} ‚ \bar{V} = \frac{1}{Ν} \sum_{i = 1}^{Ν} V_{i}$ , 得θ $_{o f f s e t}^{(A B)}$ 的最大似然估计为:

$\hat{θ}_{o f f s e t}^{(A B)} = \arg \max [L (U_{i}, V_{i}, θ_{o f f s e t}^{(A B)})] = \frac{\bar{U} - \bar{V}}{2}$

求θ $_{o f f s e t}^{(A B)}$ 的对数似然函数的二阶导数:

$\frac{\partial^{2} L}{\partial^{θ}_{o f f s e t}^{2 (A B)}} = \frac{2 Ν}{σ^{2}} (16)$

根据[10]可得θ $_{o f f s e t}^{(A B)}$ 的最大似然估计的CRLB为:

$var (\hat{θ}_{o f f s e t}^{(A B)}) \geq - E [\frac{\partial^{2} L}{\partial^{θ}_{o f f s e t}^{2 (A B)}}]^{- 1} = \frac{σ^{2}}{2 Ν} (17)$

(15) 、 (17) 两式的结果与文献[8], [11]结论一致。这说明本文的协作时间同步 (CTS) 与传统的收发同步方式的同步精度一致, 即协作中继的引入不会改变同步精度。

3.3 协作同步 (CTS) 降低发射功率

在上文中我们论述了在需要同步的节点对之间引入协作中继可以实现有效同步, 其精度和未引入中继的情况是相同的。本节我们将讨论在节点对之间引入协作中继是如何降低同步双方的发射功率的。

在本文系统模型中, 假定节点对A、B之间的距离为d, 中继节点R距A节点的距离为αd, 其中0<α<1。如图 3所示。

为了讨论的简洁性, 本文假定所研究的信道为视距 (LOS) 信道。并假定节点A、B、R的最低接收功率相同均为P。

在没协作中继参与的情况下, 如果接收端B要收到发端A的信息, 要求A的最低发射功率为Ps, 那么根据[12]可得:

$Ρ = \frac{k}{d^{2}} Ρ_{s} (18)$

其中 $k = \frac{G_{l} λ}{(4 π)^{2}}$ , 可以认为同步的消息交换过程中k为常数。

在有协作中继的参与下, 设A、B节点的最低发射功率为PA, PB则由 (18) 可得:

$\begin{array}{l} \frac{Ρ_{A}}{α^{2}} = Ρ_{s} (19) \\ \frac{Ρ_{B}}{(1 - α)^{2}} = Ρ_{s} (20) \end{array}$

由 (19) 、 (20) 可得引入协作中继后对A、B节点降低的发射功率倍数G为:

$G = \frac{2 Ρ_{s}}{Ρ_{A} + Ρ_{B}} = \frac{2}{α^{2} + (1 - α)^{2}} (21)$

其中G定义为在无中继R的参与下A、B俩节点完成同步所需要的最低发射功率之和与在有中继R参与下A、B俩节点完成同步所要求的最低发射功率之和的比值。假定中继节点的能量无限大, 也就是不考虑中继节点的能量消耗, 为了讨论的简单性把中继节点的覆盖范围等效为一个点。

对G求α一阶导数:

$\frac{d G}{d α} = \frac{2 (1 - 2 α)}{(2 α^{2} - 2 α + 1)^{2}}$

令 $\frac{d G}{d α} = 0$ 得, 当α=0时, G取最大值, max G=4。

协作中继的作用使得A、B节点发射功率降低G倍, 意味着该同步方案的能量效率提高了G倍。

4 仿真结果及讨论

图 4为σ=1时通过计算机仿真得到同步时钟偏差θ $_{o f f s e t}^{(A B)}$ 最大似然估计的MSE和CRLB曲线。图 4表明同步节点对之间交互的消息次数越多, 同步精度越高。但对于无线传感器网络而言, 节点对之间交互的消息次数越多, 其消耗的能量亦越多。在传统的无线传感器网络时间同步协议中总是用尽可能多的消息交互来获取较高的同步精度。

图 5为中继节点在同步节点对之间的位置和降低能量消耗倍数的曲线图。G表示能量效率提高的倍数, α表示中继节点在同步节点对之间的距离比例。由图 5可见在要同步节点对之间引入中继协作可以显著降低能量消耗。在视距信道中可以节省2到4倍的能量消耗。其中当α=0.5, 即协作中继正好取在同步双方距离的中间时能量效率最大。在本文的实验环境中能量效率最大可达4倍, 在其他衰落严重的信道中, 能耗降低的会更多。

5 结束语

在不改变同步精度的前提下通过协作中继来降低无线传感器网络的能耗。通过理论分析得到协作同步的时钟相位偏移的最大似然估计和CRLB。最后对采用此方法的无线传感器网络能耗效率进行了讨论。在本文中的论证过程尚未考虑时钟漂移这一参数对同步性能和能耗的影响。在以后的研究中将会考虑时钟相位偏移和时钟漂移对同步性能和能耗的共同影响。

参考文献

[1]Akyildiz I F, Akyildiz, Su W, Y.Sankarasubramaniam, et al.Wireless sensor networks:a survey[J].ComputerNetworks.2002, 38 (4) :393-422.

[2]Sadler B M, Swami A.Synchronization in sensor net-works:an overview[A].Military Communications Con-ference 2006.Washington D.C.[C].2006.

[3]Sundararaman B et al.Clock synchronization for wirelesssensor networks:a survey[J].Ad-Hoc Networks.2005, 3 (3) :281-323.

[4]Sivrikaya F, Yener B F.Time synchronization in sensornetworks:A survey[J].IEEE Network.2004, 18 (4) :45-50.

[5]Elson J, Girod L, Estrin D.Fine-grained network timesynchronization using reference broadcasts[C].FifthSymposium on Operating System Design and Implementa-tion.2002.

[6]S.Ganeriwal S, Kumar R, Srivastava M B.Timing syncprotocol for sensor networks[C].First International Con-ference on Embedded Network Sensor Systems 2003, 138-149.

[7]Maroti M, Kusy B, Simon G, Ledeczi A.The floodingtime synchronization protocol[C].Second InternationalConference on Embedded Networked Sensor Systems2004, 39-49.

[8]Noh K, Serpedin E, Qaraqe K.A new approach for timesynchronization in wireless sensor networks:pairwisebroadcast synchronization[J].IEEE Transactions onWireless Communications, 2008:3318-3322.

[9]Serpedint E, Chaudhari Qasim M[M].synchronizationin wireless sensor networks.Cambridge University Press, 2009.

[10]Kay Steven M, 罗鹏飞.统计信号处理基础-估计与检测理论[M].北京:电子工业出版社, 2003.

[11]Noh K, Chaudhari Q, Serpedin E, Suter B.Novel clockphase offset and skew estimation using two-way timingmessage exchanges for wireless sensor networks[J].IEEE Trans.Commun.2007, 55 (4) :766-777.

协作通信技术及其发展与应用篇7

移动信道中存在的多径衰落现象严重影响着传输质量, 并极大限制了系统的容量。为了减小多径衰落所造成的不良影响, 通常采用多天线分集的方法。多天线分集也称为MIMO (Multiple Input Multiple Output, 多输入多输出) , 可以在获得空间分集增益的同时而不需要占用额外的带宽和时间, 因而在实际中应用较多。然而, 多天线分集技术要求在发送端或接收端配置多个天线来增加空间维, 这对于在体积、功耗、重量和成本等方面具有较多限制的移动终端来说是很难实现的。协作通信技术就是在这一背景下被提出的。

1 协作通信技术的发展及应用前景

协作通信的概念最初由Sendonaris等人在1998年提出, 也称为协作分集或协作式MIMO[1]。Sendonaris等人还给出了两个用户进行协作通信的信道模型, 并以此为基础, 对其吞吐量、中断概率、可达速率等进行了推导和分析[2,3]。Laneman和Wornell等人首先明确提出了放大转发和解码转发这两种最基本的中继转发方式[4]。之后, 他们又提出了固定中继、选择中继以及增强中继这三种不同的协作协议[5]。Hunter和Nosratinia将信道编码与解码转发协作结合, 提出了编码协作, 实现了空域分集与码域分集的结合[6]。近几年, 不少移动通信领域的学者都投入到协作通信技术的研究当中, 对协作通信的协议、协作系统中的资源分配策略、协作伙伴的选择方法等问题进行了研究和探索。另外, Melda Yuksel和Elza Erkip等人还将单天线终端间的协作推广到多天线终端间的协作[7], 一些学者将网络编码与协作通信结合, 研究协作下的网络编码方法[8]。

协作通信技术可以应用在无线通信的许多领域。比如在蜂窝系统中, 通过用户间的协作可以改善盲点地区和小区边缘用户的通信质量;在保证一定误比特率或中断概率要求的前提下, 通过协作可以降低发射功率, 减少能量消耗。在无线传感器网络中, 可以采取适当的协作策略和功率分配方法来降低和平衡节点的能量消耗, 从而延长整个网络的生存时间。

2 基本原理

协作通信是一种通过不同用户共享彼此天线而获得分集效果的新的空域分集方式。用户间的协作可以是互惠的, 也可以是非互惠的, 这里考虑非互惠的情况。如图1所示, 协作通信系统中至少包括三个节点:源节点、目的节点和中继节点。

协作通信的过程可以划分为两个阶段:第一阶段, 源节点发送信息, 中继节点接收信息, 在此阶段目的节点可以接收信息, 也可以不接收信息;第二阶段, 中继节点对在第一阶段收到的信息进行转发, 在此阶段源节点可以不发送信息, 也可以重复发送与第一阶段相同的信息或者发送新的信息, 目的节点对通过不同衰落信道到达的信号进行合并处理, 从而提高信噪比, 获得分集增益。

中继节点可以采取不同的中继方式, 其中放大转发和解码转发是最基本的两种方式。放大转发方式中, 中继节点将在第一阶段接收到的受到噪声污染的信号进行线性放大后再转发给目的节点。放大转发方式可以获得满分集阶数, 其主要缺点在于中继节点放大信号的同时也将噪声一同放大, 造成噪声累积现象。解码转发方式中, 中继节点收到源节点发送的信号后, 先译码再转发, 因此可以避免噪声累积现象。解码转发方式不能获得满分集阶数, 当中继节点译码错误时会产生错误传播[5]。

3 性能评价标准

比较重要的协作通信系统的性能评价标准包括:信道容量、频谱利用率、分集阶数、复用增益、能量增益、中断概率、错误概率以及协作通信的代价等[9]。

3.1 信道容量:

当用户间的信道质量较好时, 通过协作可以显著提高系统的信道容量, 但如果用户间的信道质量变差, 则协作的系统容量将逐渐趋近于非协作的情况。

3.2 频谱利用率:

频谱利用率指单位频带内的信息速率。通过协作, 可以提高系统的频谱利用率。

3.3 分集阶数:

系统的分集阶数d的定义如下:

这里SNR为接收端的平均信噪比, Pe为系统的平均误比特率。

3.4 复用增益:

复用增益r的定义如下:

这里R为系统的频谱利用率。

3.5 能量增益:

协作通信系统中用户的能量增益定义为

其中, PD和PCO分别为达到特定通信质量要求, 采取直接传输方式和协作方式所需的发射功率。

3.6 中断概率和错误概率:

研究表明, 协作通信可以大大降低系统的中断概率和错误概率。

3.7 协作通信的代价:

协作通信系统的性能提高是需要付出一定代价的, 比如系统复杂度的增加、协作建立过程中额外占用的资源、协作造成的时延等。

上述几个性能指标相互关联, 是协作通信系统性能在不同方面的具体体现。

4 结束语

协作通信技术被提出之后受到了广泛的关注, 它为未来移动通信实现更高传输速率和更好服务质量提供了一种有价值的参考方案, 具有广泛的应用前景。

摘要：在无线传输中, 由于存在多径衰落, 严重影响了传输的质量, 并极大限制了系统的容量。协作通信通过不同用户共享天线, 使单天线终端也可以获得分集增益, 因而得到了日益广泛的关注。文章对协作通信的发展历史、应用前景、基本原理以及性能评价标准等进行了介绍。

关键词：无线通信,多径衰落,空间分集,协作通信

参考文献

[1]A.Sendonaris, E.Erkip, B.Aazhang.Increasing Uplink Capacity via User Cooperation Diversity[C].ISIT 1998:156.

[2]A.Sendonaris, E.Erkip, B.Aazhang.User Cooperation DiversityPart I:System Description[J].IEEE Trans.Commun., 2003, 51 (11) :1927-1938.

[3]A.Sendonaris, E.Erkip, B.Aazhang.User Cooperation DiversityPart II:Implementation Aspects and Performance Analysis[J].IEEE Trans.Commun., 2003, 51 (11) :1939-1948.

[4]J.N.Laneman, G.W.Wornell.Exploiting Distributed Spatial Diversity in Wireless Networks[C].Allerton Conference on Communications, Control and Computing 2000:1-12.

[5]J.N.Laneman, D.N.C.Tse, G.W.Wornell.Cooperative Diversity in Wireless Networks:Efficient Protocols and Outage Behavior[J].IEEE Trans.Inf.Theory., 2004, 50 (12) :3062-3080.

[6]T.E.Hunter, A.Nosratinia.Coded Cooperation under Slow Fading, Fast Fading, and Power Control[C].36th Asilomar Conference on Signals Systems and Computers, 2002:118-122.

[7]Melda Yuksel, Elza Erkip.Multiple-Antenna Cooperative Wireless Systems:A Diversity-Multiplexing Tradeoff Perspective[J].IEEE Trans.Inf.Theory.2007, 53 (10) :3371-3393.

[8]BAO Xing kai, LI Jing.On the Outage Properties of Adaptive Network Coded Cooperation (ANCC) in Large Wireless Networks[C].ICASSP 2006:IV-57-IV-60.

本文来自 360文秘网(www.360wenmi.com)，转载请保留网址和出处

【无线协作通信】相关文章：

无线应急通信06-24

无线移动通信05-20

无线通信终端05-30

公安无线通信06-01