专利名称：基于二重可信评估的传输自适应方法
技术领域：
本发明属于无线通信技术领域，特别是一种基于二重可信评估的传输自适应方 法。
背景技术：
开放的无线环境使得依托无线信道进行的通信面临一个不可回避的问题，那就是 无线链路质量的动态变化性。这种变化一方面可能由于环境的变化引起，比如工业噪声的 变化，其他通信或者恶意用户的干扰；另一方面，由于多径传播和传播路径上反射物的移 动，链路质量本身也存在着固有的不确定性(衰落)。因此，为获得更好的通信质量，针对环 境的动态变化进行智能的传输调整，使得通信业务的服务质量得到保证，是目前国内外无 线通信领域研究的热点之一。链路自适应技术根据当前通信链路质量，动态调整调制方式，编码速率，发射功率 等通信参数，以提高通信效率和保障通信质量。然而，如前所述，通信质量的动态性除了由 于多径传播带来的固有衰落外，还存在外部干扰环境变化带来的影响。单纯依赖链路的自 适应技术能够弥补信道衰落带来的通信质量下降，但却难以在动态环境下保证服务质量的 持续。另一方面，由于业务的多样性，为满足多种服务质量需求，传输自适应过程必须与业 务类型相适配。为了适应不同干扰环境和业务类型，本发明提出在链路自适应之前，根据环境类 型与业务选择最优通信体制的思想。为了实现用户服务质量的持续保证，有以下三个问题 需要解决。首先，干扰环境识别需要专门的时间开销进行环境观察与分析范化，而且通信体 制的调整也需要一定时间，这个电台重配时间远大于链路自适应阶段的参数调整时间。因 此，如何在通信过程中有效可靠地判断环境是否发生变化，从而触发环境观察与体制调整 至关重要。对于链路质量过于灵敏会导致繁重的环境观察与体制调整开销，而过于迟钝则 导致用户服务质量得不到保证。其次，干扰环境的分析与范化也是一个尚未解决的难题。能 否选择简单有效的特征参数描述环境，直接决定了环境分类识别的可靠性。另外，分类工具 也影响着分类性能。最后，为满足多种用户服务质量需求，在体制适配与参数的调整过程中 需要对不同业务类型采取针对性措施。
发明内容
针对动态干扰环境下多种用户服务质量难以得到持续保证的问题，本发明的目的 在于提供一种基于二重可信评估的传输自适应方法，通过有效对无线环境进行分析识别， 结合业务需求选择通信体制；再在此基础上，根据链路质量动态调整通信参数，同时在通信 过程中，使用强化学习方法动态更新环境可信度，判断环境是否发生变化；通过二重可信评 估方式，能够有效且可靠的判断出环境是否变化，从而指导通信节点进行自适应调整。实现本发明目的的技术方案为一种基于二重可信评估的传输自适应方法，步骤 如下步骤一环境分析与范化，提取时域和频域上的信号功率一阶与二阶统计特性参 数，获得环境范化表示f,其中，
f 二[, ’σΓδν}τ .σ,,Sf ].
步骤二 基于BPNN的环境分类，首先通过已有案例对网络参数进行训练，获得成熟的 神经网络分类器；在此基础上，将范化的环境特征f输入BPNN，获得具有可信因子的分类 输出；
步骤三联合业务与环境的通信体制适配，通过历史数据和理论模型，统计获得针对业 务类型Si，给定环境&下，通信体制之所能提供的期望服务质量Fpi,，据此选择最 佳通信体制
k" = argmaxkF^sirc}-,dk^
步骤四联合业务需求与链路质量的动态参数调整，在已定的通信体制下，根据链路质 量和业务需求，在数据传输过程中动态调整发射功率，调制效率，编码速率发送参数针对 与时延敏感业务，首选功率调整，次选速率调整；针对丢包敏感业务，联合功率速率调整，快 降慢升；针对速率敏感业务，联合功率速率调整，快升慢降；
步骤五基于强化学习的二重可信评估，初始环境可信度为 ，根据通信分组传输结果 对可信度进行实时二次评估，其更新方式如下
fli + (l-a) 传输成功 传输失败
其中，0 <1,存=为强化因子，k为连续传输失败的次数，当成功传输 一次时及清零;
步骤六基于门限的环境重分析与通信体制重配置策略，根据环境可信度，采用门限的 策略判断当前环境是否发生变化当环境可信度大于门限，认为当前环境判断仍然准确，继 续进行链路自适应；否则，认为当前干扰环境发生变化，重新进行环境观察分析与通信体制 选择。本发明与现有技术相比，其显著优点为首先，本发明将传输自适应划分为体制选 择与参数调整。首先根据干扰环境的类型和用户业务的需求，选择最佳通信体制；然后在该 体制下，根据链路质量动态调整通信参数。这样做的优点是提高了对不同干扰环境的适应 性，并降低了通信配置的复杂度。其次，在传输过程中实时评估环境可信度，当且仅当环境 可信度低于某一门限时，才返回进行环境再学习与体制选择。这样做的优点是在保证跟踪 无线环境的同时，大幅减少了环境观察分析与体制重配所需要的时间开销。最后，在体制适 配与参数调整过程中，考虑了多种业务需求的差异性，保证了不同服务质量的需求满足。下面结合附图对本发明作进一步详细描述。
图1为系统应用场景模型图。
图2为基于二重可信评估的传输自适应流程框图。图3为无线环境分析与范化框图。图4为基于BPNN的可信环境分类器模型图。图5为结合业务类型的动态链路自适应框图。图6为动态干扰环境下基于二重可信评估传输自适应方法的仿真曲线。
具体实施例方式如图1所示，考虑存在一个动态环境下的两个通信节点传输自适应问题。动态的 干扰环境由干扰源产生，可以释放的干扰包括宽带噪声干扰，窄带噪声干扰，音调(单音，多 音)干扰，扫频干扰，脉冲干扰。链路质量的动态性服从瑞利衰落。为了让系统运行，首先离 线训练神经网络分类器，具体过程如下
通过干扰源释放典型干扰，然后通过环境特征分析提取特征参数，作为训练器输入
■？二！^^ 钱；；^巧彳],训练时候的输出值为环境类别向量.々；I ,其中L为
a.初始化所有权重和偏倚；
b.前向传播输入X
i ·每个输入层单元J -Oj = Ij ,
·每个隐藏层单元,=/,- = 2^^+ . ‘ 0Z = J^TiT ；
c.根据反向传播误差
ι ·每个输出层单元j -.^=0Ai-0MtJ-0J) ·每个隐藏层单元_/ : ￡-. = 0.(1-0,)2^ ； 对于每个权值、..Wii = Wi-+ηSjOi ；
对于每个偏倚咚-為+叫；。在此基础上，我们以一个实际通信场景为例，说明本发明所提的方法。网络场景设 置起始时，弱噪声干扰环境，在通信过程中，出现一个单音干扰，业务为话音业务。对此，我 们采取如下方式进行，整个系统框图如图2所示。步骤一环境分析与范化
观察无线环境，对当前无线环境时频二维的信号功率的进行分析。提取时 域和频域上的信号功率一阶与二阶统计特性参数，获得环境范化表示f。其中，
^[[ ^^，^，.■^， ^。所包含统计特征分别为信号时域包络均值，信号包络的方差，
信号包络的去零点最大最小相关差值，频域包络均值，频域包络方差，频域包络的去零点最 大最小相关差值。
1)接收无线信号，对无线信号进行分析范化，如图3所示。接收时域信号进行希 尔伯特变换，获得复信号，取模值，获得信号时域包络^Sf)(假设M点样值);对时域信号进行
FFT变换获得频域信号，再取模值，获得N点频域包络S{f)(假设N点样值);信号的统计特 征参数按如下方式获取
j Mι N
2)时频域包络均值为Wf=；wZ = ^Z5pw ；
I μΓI~ 5ΓΙIJ
3)时频域包络方差为碍、^^艺卜如)-巧]=J-；
4)时频域信号信号包络的去零点最大最小相关差值为
^t = maiiSil Ι ( ) - mm >l 巧( )
M
其中，RiIn)由循环卷积得到代一)=巧4 >((揪+ )) ；
^f = Rf (m) — Jmnjsil Rf (m)
M
同理，i fm、由循环卷积得到iM岣=Σ对/)辨；
f 、 iH-I
通过上述步骤获取六个环境特征参量，将环境属性规范化。在此基础上，进行环境可信 识别。步骤二 基于BPNN的环境分类
采用后向传播神经网络(BPNN)进行模式识别分类。首先通过已有案例对网络参数进
行训练，获得成熟的神经网络分类器；在此基础上，将范化的环境特征 输入ΒΡΝΝ，获得具
有可信因子的分类输出，具体步骤为 (1)分类BPNN构建
神经网络输入单元个数为环境特征f的特征值个数K，输出单元数为环境类别数目L ； 根据后向传播算法，根据现有典型环境下的环境特征向量集合Z对神经网络进行训练，训 练集合中每一个案例包含> ,训练过程如下
a.初始化所有权重和偏倚；
b.前向传播输入？
i ·每个输入层单元_； K·； ·每个隐藏层单元j :/. = 2,^ + =；
c.根据“反向传播误差
ι ·每个输出层单元j -.^=0Al-0MtJ-0J)； ·每个隐藏层单元7；对于每个权值％；
对于每个偏倚咚: = + ^ ； (2)带有可信度的环境分类获取
对于每一个待分类环境样本足，输入神经网络，获得输出向量 ，则当前环境的类别归
L-
属·· ..r. ι ；其可信度为=；
J =arSm^tWΣ/_Λ·
如图4所示，对于每一个待分类环境特征参量天，输入成熟神经网络系统，获得输出向
量ι。则当前环境的类别归属，其可信度为夕=^"7"。可
信度代表对当前环境属于所归属类别的确信度。通过上述两步，得到环境类别为白噪声干 扰环境，且可信度为0.9。步骤三联合业务与环境的通信体制适配
在已知环境分类基础上，根据业务类型，选择最能满足当前服务质量的通信体制。通信 体制为通信频段，调制技术类别(单载波，多载波，幅度调制，频率调制，相位调制，跳频，直 接序列扩频等)和编码技术类别(分组码，卷积码，Turbo码，LDPC码，交织技术等)等的组 合。针对不同的干扰环境和不同的业务需求，不同的通信体制能表现出不同的服务质量体
验。通过历史数据和理论模型，统计获得针对业务类型巧，给定环境。·下，通信体制之所能 提供的期望服务质量7^，&，《)。据此选择最佳通信体制
k* = arg m ax F ^ Sj, c,., |
对于话音业务，在白噪声环境下，选择常规通信体制。步骤四联合业务需求与链路质量的动态参数调整
在给定通信环境下，无线信道的传输质量与通信收发两端所构成的链路有关。链路自 适应即为在传输过程中，根据链路质量，动态调整发送参数，使得系统性能最大化。本方法 在已定的通信体制下，根据链路质量和业务需求，动态调整发射功率，调制效率，编码速率 等发送参数。具体的说，当链路质量发生变化时
a.针对与时延敏感业务，首选功率调整，次选速率调整；
b.针对丢包敏感业务，联合功率速率调整，快降慢升；
c.针对速率敏感业务，联合功率速率调整，快升慢降。进行链路自适应。当链路质量下降时(出现丢包)，考虑到业务的时延敏感度，首先 增加发射功率，以保持原有速率通信；当功率最大时仍无法保证原有速率通信时，使用低阶 调制和码率，降低发送速率。步骤五基于强化学习的二重可信评估
在传输过程中，通信节点根据传输性能反馈实时对环境进行可信评估，判断外部干扰 环境是否发生变化。初始环境可信度为& (一重可信度)，根据通信传输结果对可信度进行持续二次评估。 在上述传输过程中，同时对环境可信度进行二次评估。初始环境可信度 可以取 为0.9，学习因子4设为0.95，按照下式进行更新
权利要求
1.一种基于二重可信评估的传输自适应方法，其特征在于步骤如下步骤一环境分析与范化，提取时域和频域上的信号功率一阶与二阶统计特性参 数，获得环境范化表示 ,其中，
2.根据权利要求1所述的基于二重可信评估的传输自适应方法，其特征在于步骤一 中，获得环境范化的步骤为(1)接收时域信号进行希尔伯特变换，获得复信号，取模值，获得信号时域包络(假设M点样值)；对时域信号进行FFT变换获得频域信号，再取模值，获得N点频域包络S(f) (2)时频频包络均值为
3.根据权利要求1所述的基于二重可信评估的传输自适应方法，其特征在于步骤二 中，基于BPNN的环境分类的步骤为(1)分类BPNN构建神经网络输入单元个数为环境特征f的特征值个数K，输出单元数为环境类别数目L ； 根据后向传播算法，根据现有典型环境下的环境特征向量集合I对神经网络进行训练，训 练集合中每一个案例包含<1J>，训练过程如下a.初始化所有权重和偏倚；b.前向传播输入？i ·每个输入层单元
全文摘要
本发明公开了一种基于二重可信评估的传输自适应方法，首先进行环境分析与范化，提取时域和频域上的信号功率一阶与二阶统计特性参数，获得环境范化表示；基于BPNN的环境分类；联合业务与环境的通信体制适配；联合业务需求与链路质量的动态参数调整；基于强化学习的二重可信评估；基于门限的环境重分析与通信体制重配置策略。本发明根据干扰环境的类型和用户业务的需求，选择最佳通信体制；然后在该体制下，根据链路质量动态调整通信参数。
文档编号H04L25/02GK102082619SQ20101060726
公开日2011年6月1日 申请日期2010年12月27日 优先权日2010年12月27日
发明者吴启晖, 崔丽, 徐以涛, 李柏文, 王金龙, 高瞻 申请人:中国人民解放军理工大学通信工程学院