协作分集技术在无线通信中的中继选择问题研究

贾海云　乐永生

摘要：目前，无线通信网络的应用领域越来越广泛，以及成为了国家各大高科技产业的技术支柱。随着网络技术和通信技术的日益发展，人们对于无线通信系统的网络性能要求越来越高。该文基于无线通信网络中继信道源节点选择问题，对基于遗传算法的多中继选择算法进行了构建与仿真研究。

关键词：协作通信；遗传算法；中继选择

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2013）09-2053-03

1 无线网络协作通信概述

由于单一网络技术不具备完全的功能组合实现能力，经过协作技术的应用则可以使单元网络技术不同组成部分的功能集合一体，因此，协作技术的发展趋势是对于系统理论涌现效应的追求。无线网络协作通信主要包括两个方面的内容：一是将单一无线网络中的终端和技术进行协作处理，以达到提高单一无线网络性能的目的；二是将相互异构的无线网络之间加以协作处理，使这些无线网络能够实现涌现效应。但是，相互异构的无线网络的协作处理并不是将其功能和技术进行简单拼凑，协作处理设计了多个部分，包括网络接口协作、网络协议协作、网络通信技术协作等等。

在无线网络协作通信中，将目的与源之间直接连通的信道称作为中继信道，无线网络协作通信的关键部分就是对中继信道包含的源节点进行数据信息处理。由此，如果对中继信道源节点应用的处理方案不同，则会到处出现不同的无线网络协作通信协议，通常情况下包括自适应中继信道处理方案和固定中继信道处理方案。

2 基于遗传算法的多中继选择算法构建

2.1系统模型

以图1中常见的无线网络协作通信场景为例，[S]作为中继信道的源节点，包含[N]个中继[R]的集合，以及一个目的节点的接收端[D]。如果每个中继信道只包含了一个单天线，而且在保证中继信道源节点[S]与目的节点接收端[D]之间没有直接相连的链路，源节点[S]向目的节点[D]发送广播信息，可以使用中继集合中包含的任意一个或多个[R]进行协助处理。当第[i]个中继节点[Ri]仅仅能够得到属于自身的两跳信道系数时，目的节点[D]则能掌握全部中继的信道系数。

2.2协议描述

本文将中继选择策略作为遗传算法中包含的个体数量进行优化，从而得到基于遗传算法的多中继无线网络通信选择算法。

在完成多中继选择上时，需要对每个中继信号进行标注，并且根据当时中继信道的瞬时状态完成排序，对中继信道[R3]的信噪比进行计算，得到[SNR1]，再将中继信道[R3]和[R5]的信噪比进行计算，得到[SNR2]，最后对[R3]、[R5]、[Rn]的信噪比进行计算，得到[SNR3]。由于中继个数为[N]，因此，需要对[N]个[SNR]进行计算，其对应的中继就是需要参与协作处理的中继集合。

如果要使某一个功率之处的能量效率处于最大值，需要给出信噪比与总功率之间的比值，作为另外一种自适应度的评价标准。但是，此时的中继集合不再是与最大值数相对应的中继集合，而是信噪比与总功率的比值不再继续提升时的中继集合，从而保证某一个功率之处的能量效率能够最大。其次，根据遗传算法的累计概率分布完成轮盘赌选择，是否进行交叉也是根据遗传算法的交叉概率来判断的，之后，再根据遗传算法的变异概率完成个体取反变异。当完成了一次遗传算法的交叉选择、交叉变异之后，需要对个体进行自适应评价，中继算法也是遵循信噪比完成的个体排序过程。

当完成一次遗传算法时，需要将最有个体进行保留，而且要将上一次遗传算法得到的最优个体加入进行优化重复学习，达到不断更新最优个体的目的。基于遗传算法的中继选择算法需要完成200代的遗传算法优化学习，从而得到基于遗传算法多中继选择算法的最有个体。

2.3算法流程

基于遗传算法多中继选择算法流程如图2所示：

3 基于遗传算法多中继选择算仿真结果分析

本文基于MATLAB软件对基于遗传算法多中继选择算法进行仿真实验分析，对中继选择算法的能效进行分析研究，验证了基于遗传算法多中继选择算法的性能。将基于遗传算法多中继选择算法与传统的信噪比选择标准的多中继算法、平均与最佳选择标准的多中继算法和最佳信道选择标准的多中继算法进行比较分析，最终得到了基于遗传算法多中继选择算法能够得到最优解的结论。

如图3所示，描述了10个中继节点的四种多中继选择算法能效的对比分析，在对无线网络进行协作通信处理时必须考虑到系统功率的消耗，由于信噪比是随着功率的提升呈线性增长趋势，而多中继算法效能的是随着功率的提升呈对数增长趋势。当P<5时，GA算法、SNR算法、harmonic算法和max-min算法的功率提升与算法能效增长趋势相同；当P>5时，遗传算法的效能依然可以随着功率的提升而快速增长，而其他三种传统的多中继算法效能的增长趋势基本相同，且不再进行增长。因此，在无线网络协作通信中遗传算法是一种最优的中继选择算法。

图4给出了有15个中继节点时的四种多中继选择算法的能效（信噪比/发送端和中继的总功率）对比图。从图中可以看到能效随着功率增大成对数增长。当P<3时，四种能效随着功率的增大增长趋势一致；当P>3时，遗传算法的能效仍旧随着功率的增大而较快增长，但基于传统中继选择准则的多中继选择算法的能效增长速度减慢，且当P>5时基本保持恒定不再增长。再一次验证了在考虑能效方面，遗传算法仍然具有较明显的优势，是一种求得最优中继的选择算法。

如图4所示，描述了15个中继节点的四种多中继选择算法能效的对比分析，四种多中继选择算法的能效随着功率的提升呈对数增长的趋势。当P<3时，四种多中继选择算法能效与功率提升而增长的趋势基本相同，当P>3时，基于遗传算法多中继选择算法能效仍然能够随着功率的提升而大幅度增长，其他三种多中继选择算法的能效增长速度较为缓慢，当P>5时，基本已经保持不再继续增长的稳定状态。因此，再次证明了无线网络协作通信中遗传算法是一种最优的中继选择算法。

对比图3与图4可以看出，当中继数量不断增加时，虽然会消耗会增多，但是，中继选择算法能效却有了明显提升，因此，说明了中继选择算法能效应用于无线通信网络中具有重要意义。

4 结论

综上所述，无线网络协作通信中的不同节点之间进行有效的协作处理，能够明显提高系统的性能，协作技术已经应用到了无线通信领域，并且成为了关键技术支持手段，得到了无线通信领域的广泛关注，该文对于中继选择问题的研究具有较强的理论指导意义。

参考文献：

[1] 张国鹏，顾洁，刘鹏，等. 无线传感器网络中基于博弈论的协作通信策略[J].武汉理工大学学报， 2010（19）.

[2] 江若宜，季薇，郑宝玉.无线传感器网络中协作通信的能耗优化方法研究[J].电子与信息学报，2010（6）.