本发明涉及数据传输技术领域,尤其涉及一种多用户线性网络编码协作系统的最佳功率分配方法。
背景技术:
线性网络编码协作可以有效地提高数据传输的稳定性和效率,并且近些年来已经成为最火的研究对象之一。目前大量的网络编码协作模型已经在各种期刊报纸中所公开,从模型的近似中断概率和分集阶数来评估所提出的线性网络编码模型的性能。
在现有技术中,inacio等人在文献(onnetworkcodesformultiusercooperativecommunicationinalinenetwork.in2013ieee77thvehiculartechnologyconference(vtcspring).2013.)中,虽然分析出了双时隙多用户线性网络编码系统的中断概率下界,但是中断概率的闭式表达式并没有给出。jin-taek和seong等人在其它文献中,虽然给出了双时隙双用户线性网络编码协作的精确中断概率理论推导的表达式,但是其并没有推广到多用户模型中。z.tang,h.wang,q.hu,andx.shi等人在文献(theexactoutageprobabilityofmultiuserlinearnetworkcodedcooperationsystem)中,给出了多用户线性网络编码的紧近似中断概率理论分析,但并没有考虑到线性网络编码中用户与用户之间的路径损耗。另外,还有文献给出了在物理层的网络编码协作模型中,提出来几种基于不同判断方式的最佳功率分配方案,如考虑最小中断概率,最大传输速率等约束条件,但都只是考虑单用户作为中继节点来建模,并没有考虑到多用户线性网络编码协作时的最佳功率分配的策略。
因此,亟需一种多用户线性网络编码协作系统的最佳功率分配方法,能考虑多用户线性网络编码协作时的最佳功率分配策略。
技术实现要素:
本发明实施例的目的在于提供一种多用户线性网络编码协作系统的最佳功率分配方法,能考虑多用户线性网络编码协作时的最佳功率分配策略。
为了解决上述技术问题,本发明实施例提供了一种多用户线性网络编码协作系统的最佳功率分配方法,包括步骤:
步骤s1、确定多用户线性网络编码协作模型,并获取所述多用户线性网络编码协作模型中每一个用户的信息接收方及其对应的信息发送方,且进一步确定每一个用户对应信息接收方不为空时在任一时隙上实现通信的信道系数及对应发送的码字;
步骤s2、根据所述每一个用户对应信息接收方或信息发送方在任一时隙上的信道系数及对应的发送或接收的码字,确定任意用户到目标用户的中断概率函数;
步骤s3、根据所述中断概率函数,构建目标函数并求最优解,得到中断概率最大用户所对应的最小中断概率。
其中,所述步骤s1具体包括:
构建一个双时隙多用户的线性网络编码协作系统,包括一个目的节点和多个用户节点,且所述多个用户节点所对应的用户之间均可实现相互通信;
分别确定每一个用户的信息接收方并形成为对应的用户接收集合d,且分别确定每一个用户的发送接收方并形成为对应的用户发送集合r;
获取每一个用户的用户发送集合r不为空时,在任一时隙上实现通信的信道系数及对应发送的码字。
其中,所述步骤s2中的“任意用户到目标用户的中断概率函数”是通过公式
其中,
其中,
其中,
其中,
其中,所述步骤s3具体包括:
步骤s31、对所述目标函数进行优化,设置初始化群体的个数,随机生成初始化种群;
步骤s32、通过轮盘选择法来计算每个个体的适应度函数,获取所述目标函数中断概率最大用户所对应的最小中断概率,并确定其是否符合优化准则;如果符合,则输出该个体的优化解决方案;如果不符合,则调至步骤s33;
步骤s33、通过适应度选择再生个体;
步骤s34、根据交叉概率和方法来生成新的个体;
步骤s35、根据变异概率和方法来生成新的个体;
步骤s36、根据交叉和突变生成新的种群,并且返回至步骤s32。
实施本发明实施例,具有如下有益效果:
本发明基于遗传算法的多用户线性网络编码协作系统最优功率分配算法,通过运用上述算法,能够使得一个多用户系统中最大中断概率最小化,达到得到多用户线性网络编码协作时的最佳功率分配策略的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的一种多用户线性网络编码协作系统的最佳功率分配方法的流程图;
图2为本发明实施例提供的一种多用户线性网络编码协作系统的最佳功率分配方法中线性网络编码协作系统的应用场景图;
图3为图2中用户a、b和c在非等距线性网络编码中断概率的理论值和模拟值对比图;
图4为图2中用户a、b和c所对应的最大断概率最小化的功率分配优化图;
图5为图2中用户a、b和c中断概率最大用户所对应的最小中断概率最佳功率分配和等功率分配对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,为本发明实施例中,提出的一种多用户线性网络编码协作系统的最佳功率分配方法,包括步骤:
步骤s1、确定多用户线性网络编码协作模型,并获取所述多用户线性网络编码协作模型中每一个用户的信息接收方及其对应的信息发送方,且进一步确定每一个用户对应信息接收方不为空时在任一时隙上实现通信的信道系数及对应发送的码字;
具体过程为,构建一个双时隙多用户的线性网络编码协作系统,包括一个目的节点和多个用户节点,且所述多个用户节点所对应的用户之间均可实现相互通信;
分别确定每一个用户的信息接收方并形成为对应的用户接收集合d,且分别确定每一个用户的发送接收方并形成为对应的用户发送集合r;
获取每一个用户的用户发送集合r不为空时,在任一时隙上实现通信的信道系数及对应发送的码字。
在一个实施例中,一个双时隙多用户的线性网络编码协作系统包括一个目的节点(u0)和m(m>1)个用户节点(ui,i=1,2,...,m)。每个用户节点都可以看做其他节点的中继节点。每个用户都有独立的信息(xi,i=1,2,...,m)发送给u0。本文假设所有的码字都独立的同分布高斯变量。
整个协作过程主要分为两个阶段:第一阶段是广播阶段。所有的用户通过正交信道广播各自的信息码字xi。在该阶段,我们把所用能接受到该用户节点ui所发送的信息码字xi的用户集合表示为di,并且把ui所能接受到的其他用户发送的码字的用户集合称为ri。第二阶段是网络编码阶段。在
本发明所有的信道都假设为均值为0方差为1的独立相同分布的瑞利信道,并且假设所有的噪声都服从均值为零方差为n0的加性高斯白噪声(awgn)。定义hi,j,k表示为在第k∈{1,2}个时隙中用户ui到用户uj的信道系数,并且把对应的高斯白噪声定义为ni,j,k。所有的信道都假设为块衰弱信道,即信道衰弱在不同的时隙中是独立、不相关的。同时也假设信道是具有互易性,即hi,j,k=hj,i,k。
步骤s2、根据所述每一个用户对应信息接收方或信息发送方在任一时隙上的信道系数及对应的发送或接收的码字,确定任意两个用户之间的中断概率函数;
具体过程为,定义任意用户到目标用户传输的中断概率为:
其中,
上式(1)中的
这里
其中,
xi,k和yi,j,k之间的互信息量ii,j,k为:
pi是用户ui的发射功率,di,j用户ui与用户uj的距离。α是路径损耗系数,gpl表示路径损耗常量,它由天线的总增益、载波波长、接受端的噪声所决定的。
上式中(2)的
其中
上式(1)中的
其式(5)中
式(6)中
其中,
式(7)中prout(2m-1,k)表示为:
在式(8)中,βz,1表示第一阶段
式(8)中中断概率
xi,k和yi,j,k之间的互信息量ii,j,k为:
yi,j,k表示为在第k个时隙时,用户uj接受从用户ui发送的码字
其中xi,1@xi,xi,2
式(6)中
式(9)中
式(9)中pry(n)表示为:
其中
式(9)中
步骤s3、根据所述中断概率函数,构建目标函数并求最优解,得到中断概率最大用户所对应的最小中断概率。
具体过程为,在总功率给定的情况下,为每个用户分配发送功率,使得多用户系统中中断概率最大的用户的中断概率最小。该功率分配的方案可以表示为:
其中,e是整个线性网络编码系统的总发射功率、
对于所提出的最大中断概率最小化的单目标优化问题,我们采用基本的群智能算法——受约束的单目标遗传算法。遗传算法是一种基本的进化算法,它源自于自然选择进化的过程。遗传算法的最主要特征是不需要考虑函数的连续性和导数。并且能够自动获取搜索空间、适应性的调节搜索方向。此外,我们推导得知遗传算法的时间复杂度为o(n2)。
基于单目标优化目标函数求最优解的遗传算法主要流程如下:
步骤s31、对所述目标函数进行优化,设置初始化群体的个数,随机生成初始化种群;
步骤s32、通过轮盘选择法来计算每个个体的适应度函数,获取所述目标函数中断概率最大用户所对应的最小中断概率,并确定其是否符合优化准则;如果符合,则输出该个体的优化解决方案;如果不符合,则调至步骤s33;
步骤s33、通过适应度选择再生个体;
步骤s34、根据交叉概率和方法来生成新的个体;
步骤s35、根据变异概率和方法来生成新的个体;
步骤s36、根据交叉和突变生成新的种群,并且返回至步骤s32。
具体实现代码如下:
初始化proc、pros、m、g等其他参数。随机生成第一代种群。
proc:交叉操作概率。
pros:选择操作概率。
m:种群数量。
g:最大进化遗传次数。
t:结束进化的终止条件。
为了验证在线性网络编码协作系统中,用户之间传输的紧近似中断概率的正确性,我们采用了montecarlo进行模拟仿真。在整个模拟仿真结果中。我们假设所有的信道都是均值为零方差为一的独立相同分布的块衰弱瑞利信道。路径损耗系数为4。噪声的功率谱密度为-174dbm/hz,频谱效率为1bit/s/hz,每次模拟有107次。
如图2所示,所有用户节点和目标节点都是随机分布的,并且任意两个用户节点(包括目的节点)之间的距离定义为1km,通过图3中比较双时隙非等距多用户线性网络编码协作系统中断概率的理论值和仿真值,a、b、c每个图中的理论中断概率值重合于仿真中断概率值,可以验证上述紧近似中断概率的正确性。
我们已经验证了紧近似中断概率式的正确性。在此基础上,讨论如何确定基于用户最大中断概率最小化约束条件的功率分配方案,从而使能效达到最优。定义每个用户传输的最大功率小于等于定值eimax,系统的整体的传输功率小于等于定值e。图4表示在3用户线性网络编码协作系统,系统总功率固定为600,每个用户的传输功率范围在150-250之间时,系统总中断概率分布的情况,通过上述的遗传算法寻找该约束范围内中断概率最优值,在该点位置的3用户功率分配使得系统的最大中断概率用户的中断概率达到全局最小。图5表示经过遗传算法优化得出的功率分配方案的中断概率和等功率时的中断概率性能对比图。从图5中可以明显看出,优化后的最佳功率分配方案的中断概率远远的低于等功率分配方案的中断概率,系统的整体能效可以得到明显的提高。
实施本发明实施例,具有如下有益效果:
本发明基于遗传算法的多用户线性网络编码协作系统最优功率分配算法,通过运用上述算法,能够使得一个多用户系统中最大中断概率最小化,达到得到多用户线性网络编码协作时的最佳功率分配策略的目的。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如rom/ram、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。