基于分簇的多层MIMO无线传感器网络盲检测方法技术

本发明专利技术提出了基于分簇的多层MIMO无线传感器网络盲检测方法。所述方法包括两层MIMO，第一层为Sink节点负责的至少两个区域的智能传感器节点构成的MIMO，通过基于二阶统计量的盲检测实现了分层WSN中多区域MIMO信道中的信号恢复；第二层为Sink节点间的多跳构成的MIMO，结合基于混沌初始化的正反馈Hopfield神经网络CPFHNN盲检测算法，并引入信号空间删除法和连续信号干扰法来分离多发送天线的数据，进行Sink节点间的MIMO信道的信号检测，本发明专利技术方法提高了簇内传输系统的通信效率和可靠性，有效的减少了无线传感器网络的能耗。

【技术实现步骤摘要】

本专利技术属于无线通信信号处理及无线传感器网络
，尤其是涉及基于分簇的多层MIMO无线传感器网络盲检测方法。
技术介绍
近年来，作为物联网的核心技术之一的无线传感器网络(Wireless Sensor Networks，WSN)吸引了众多研究者的关注。WSN的快速发展以及智能传感器技术的提升得益于硬件设计技术的进步。智能传感器在成本、尺寸以及功耗等方面的明显进步，使得智能传感器节点在WSN中的位置更加灵活，监测和目标追踪功能更加高效。实际应用中，智能传感器节点一般由电池供电，因而WSN的能耗决定了其生命周期的长短。盲信号检测在语音信号分离与识别、生物信号处理以及无线通信系统等科学领域有着广泛的应用，由于盲信号检测技术不需要发送先验信息，可以有效降低传输系统的能耗，符合WSN的节能要求，因此，运用盲检测技术解决WSN中信号检测问题，有广阔的研究空间。文献[张振洲，基于分簇虚拟MIMO无线传感器网络盲检测系统[D],硕士学位论文(南京：南京邮电大学),2014.]研究了密集节点分布的WSN环境下，将传感器节点进行分簇，多个簇通过随机选举簇首和Sink节点进行通信，从而构建了基于分簇虚拟MIMO的WSN盲检测系统，但是对于稀疏的可移动的无线传感器节点的组成WSN，如婴儿健康监测、病人的血压监测以及消防员生命体征监测等应用的时效性要求高，传感器节点分布不均，运用多节点选择簇首和Sink节点进行通信的方案是不可行的，通过传感器节点直接和Sink节点通信的策略更切合实际。文献[Fabbri F,Buratti C,Verdone R.A multi-sink multi-hop wireless sensor network over a square region:Connectivity and energy consumption issues[C].GLOBECOM Workshops,2008:1-6.]和文献[El-Hoiydi A,Decotignie J D.WiseMAC:Anultra low power MAC protocol for multi-hop wireless sensor networks[M].Algorithmic Aspects of Wireless Sensor Networks,2004:18-31.]已经证实在无线传感器网络中传输数据时，使用的多跳技术比传统的发送端和接收端的直接通信更加节能和实用。
技术实现思路
本专利技术针对现有技术的不足，提出了基于分簇的多层MIMO无线传感器网络盲检测方法。本专利技术方法不再进行节点静态部署并预先配置簇首节点，而是创建层次型无线传感器网络的多层MIMO结构，该网络结构简单，扩展性强，盲检测技术的运用，区域分簇以及Sink节点多跳结构，使WSN通信资源得到合理利用并且减少了网络的耗能。为解决上述技术问题，本专利技术所采用的技术方案是：基于分簇的多层MIMO无线传感器网络盲检测方法，所述方法包括WSN的簇内MIMO盲检测方法和WSN的Sink节点间多跳MIMO盲检测方法；其中，所述WSN的簇内MIMO盲检测方法，用于实现分层WSN中多区域MIMO信道中的信号恢复；所述WSN的Sink节点间多跳MIMO盲检测方法，用于进行Sink节点间的MIMO信道的信号检测；所述WSN的簇内MIMO盲检测方法，其实现步骤如下：步骤A1，构造簇内MIMO预编码器：对于P输入Q输出簇内MIMO的源发送信号si(n),1≤i≤P，进行预编码处理：xi(n)＝[si(n)ci(n)]*pi(n)其中，n为信号第n个采样周期；xi(n)为簇内MIMO的第i个发送信号；ci(n)为si(n)的扰码，pi(n)为si(n)的频移预编码，*为卷积运算；频移编码pi(n)＝ρi,0δ(n)+ρi,1δ(n-1)+…+ρi,Lδ(n-L)，δ(n)为单位冲激函数；L为预编码阶数，且L＝4P-1，对于频移编码pi(n)的系数ρi,l,0≤l≤L，其值为： ρ i , l = α , l = ( 2 P - 2 i ) β , l = ( 2 P + 2 i - 1 ) 0 , l ≠ ( 2 P - 2 i ) , l ≠ ( 2 P + 2 i - 1 ) ]]>α，β为固定的编码系数，l为预编码系数索引；步骤B1：构造簇内MIMO信道接收矩阵：Y(n)＝HX(n)+V(n)式中，X(n)＝[x1(n),…,xP(n)]T为发送序列矩阵，P为系统发送天线个数；Y(n)＝[y1(n),…,yQ(n)]T为接收序列矩阵，Q为系统接收天线个数；[]T表示矩阵转置；H为P×Q阶传输信道矩阵；V(n)为加性高斯白噪声矩阵；步骤C1，构建接收信号自相关矩阵：RY(τ)＝Ε(Y(n)·Y(n-τ)H)式中，Y(n-τ)H为接收序列矩阵τ延时的共轭转置；当选取延时因子τ＝4i-1时，发送信号自相关矩阵RX(τ)为RX(τ)＝2αβZi,τ＝4i-1式中，Zi是P×P的方阵且其第(i,i)个元素为1，其他元素为0；则接收信号自相关矩阵为本文档来自技高网...

【技术保护点】
基于分簇的多层MIMO无线传感器网络盲检测方法，其特征在于，所述方法包括WSN的簇内MIMO盲检测方法和WSN的Sink节点间多跳MIMO盲检测方法；其中，所述WSN的簇内MIMO盲检测方法，用于实现分层WSN中多区域MIMO信道中的信号恢复；所述WSN的Sink节点间多跳MIMO盲检测方法，用于进行Sink节点间的MIMO信道的信号检测；所述WSN的簇内MIMO盲检测方法，其实现步骤如下：步骤A1，构造簇内MIMO预编码器：对于P输入Q输出簇内MIMO的源发送信号si(n),1≤i≤P，进行预编码处理：xi(n)＝[si(n)ci(n)]*pi(n)其中，n为信号第n个采样周期；xi(n)为簇内MIMO的第i个发送信号；ci(n)为si(n)的扰码，pi(n)为si(n)的频移预编码，*为卷积运算；频移编码pi(n)＝ρi,0δ(n)+ρi,1δ(n‑1)+…+ρi,Lδ(n‑L)，δ(n)为单位冲激函数；L为预编码阶数，且L＝4P‑1，对于频移编码pi(n)的系数ρi,l,0≤l≤L，其值为：ρi,l=α,l=(2P-2i)β,l=(2P+2i-1)0,l≠(2P-2i),l≠(2P+2i-1)]]>α，β为固定的编码系数，l为预编码系数索引；步骤B1：构造簇内MIMO信道接收矩阵：Y(n)＝HX(n)+V(n)式中，X(n)＝[x1(n),…,xP(n)]T为发送序列矩阵，P为系统发送天线个数；Y(n)＝[y1(n),…,yQ(n)]T为接收序列矩阵，Q为系统接收天线个数；[ ]T表示矩阵转置；H为P×Q阶传输信道矩阵；V(n)为加性高斯白噪声矩阵；步骤C1，构建接收信号自相关矩阵：RY(τ)＝Ε(Y(n)·Y(n‑τ)H)式中，Y(n‑τ)H为接收序列矩阵τ延时的共轭转置；当选取延时因子τ＝4i‑1时，发送信号自相关矩阵RX(τ)为RX(τ)＝2αβZi,τ＝4i‑1式中，Zi是P×P的方阵且其第(i,i)个元素为1，其他元素为0；则接收信号自相关矩阵为：RY(τ)=HRX(τ)HH=2αβHZiHH=2αβhihiH]]>其中，hi为信道矩阵H的第i列，所以RY(τ)是秩为1的非满秩矩阵；步骤D1，非满秩矩阵R的奇异值分解：R=[U,UC]D0VH]]>式中，[U,UC]和V为正交矩阵；D为非零对角阵，U为酉矩阵；UC是非满秩矩阵R通过奇异值分解得到的酉矩阵，即R的噪声子空间；步骤E1，获取发送信号xi(n)的估计信号[τi,1,τi,2,...,τi,P-1]=[4P-1,4(P-1)-1,...,7],i=1[4P-1,...,4(i+1)-1,3,...,4(i-1)-1],2≤i≤P-1[3,7,...,4(P-1)-1],i=P]]>τi,j,1≤j≤P‑1表示估计第i个发送序列选取的延时因子，将τi,j不断代入自相关矩阵RY(τi,j)，对RY(τi,j)进行奇异值分解；依次求得矩阵(Γi,1 … Γi,j‑1)H RY(τi,j)(Γi,1 … Γi,j‑1)的噪声空间Γi,j，分别求得酉矩阵Γi,1,Γi,2,…,Γi,P‑1，其中Γi,k为RY(τi,k)的噪声空间，1≤k≤j‑1；选取矩阵(Γi,1Γi,2 … Γi,P‑1)的任意列向量αi，得xi(n)的估计序列x^i(n)=αiHY(n);]]>所述WSN的Sink节点间多跳MIMO盲检测方法，其实现步骤如下：步骤A2，构造簇外MIMO信道输出矩阵模型：(y(n))Q×1＝(HH)Q×(M+1)P·ss(n)+vv(n)式中，HH＝[HH0,…,HHM]为传输信道矩阵；(y(n))Q×1为接收序列向量，其中，Q为输出信号个数；ss(n)＝[ssT(n),…ssT(n‑M)]T为发送序列向量，其中，M＝max{Mi|i＝1,…,P}，P为输入信号个数，Mi为子信道HHi的阶数；vv(n)∈R为加性噪声向量，时刻n为第n个采样周期；步骤B2，构造接收信号矩阵通过均衡器的矩阵表达式：YN·W=[SSN·ΓΓL(H)T+VV]·W=SSN^+VV·W]]>式中，W＝(w1,w2,…,wP)((L+1)Q)×P为均衡器的权矩阵，其中，wi(1≤i≤P)为均衡器的权值；YN＝{[yL(n),yL(n+1),…yL(n+N‑1)]T}N×(L+1)Q为接收序列矩阵；...

【技术特征摘要】
1.基于分簇的多层MIMO无线传感器网络盲检测方法，其特征在于，所述方法包括WSN的簇内MIMO盲检测方法和WSN的Sink节点间多跳MIMO盲检测方法；其中，所述WSN的簇内MIMO盲检测方法，用于实现分层WSN中多区域MIMO信道中的信号恢复；所述WSN的Sink节点间多跳MIMO盲检测方法，用于进行Sink节点间的MIMO信道的信号检测；所述WSN的簇内MIMO盲检测方法，其实现步骤如下：步骤A1，构造簇内MIMO预编码器：对于P输入Q输出簇内MIMO的源发送信号si(n),1≤i≤P，进行预编码处理：xi(n)＝[si(n)ci(n)]*pi(n)其中，n为信号第n个采样周期；xi(n)为簇内MIMO的第i个发送信号；ci(n)为si(n)的扰码，pi(n)为si(n)的频移预编码，*为卷积运算；频移编码pi(n)＝ρi,0δ(n)+ρi,1δ(n-1)+…+ρi,Lδ(n-L)，δ(n)为单位冲激函数；L为预编码阶数，且L＝4P-1，对于频移编码pi(n)的系数ρi,l,0≤l≤L，其值为： ρ i , l = α , l = ( 2 P - 2 i ) β , l = ( 2 P + 2 i - 1 ) 0 , l ≠ ( 2 P - 2 i ) , l ≠ ( 2 P + 2 i - 1 ) ]]>α，β为固定的编码系数，l为预编码系数索引；步骤B1：构造簇内MIMO信道接收矩阵：Y(n)＝HX(n)+V(n)式中，X(n)＝[x1(n),…,xP(n)]T为发送序列矩阵，P为系统发送天线个数；Y(n)＝[y1(n),…,yQ(n)]T为接收序列矩阵，Q为系统接收天线个数；[ ]T表示矩阵转置；H为P×Q阶传输信道矩阵；V(n)为加性高斯白噪声矩阵；步骤C1，构建接收信号自相关矩阵：RY(τ)＝Ε(Y(n)·Y(n-τ)H)式中，Y(n-τ)H为接收序列矩阵τ延时的共轭转置；当选取延时因子τ＝4i-1时，发送信号自相关矩阵RX(τ)为RX(τ)＝2αβZi,τ＝4i-1式中，Zi是P×P的方阵且其第(i,i)个元素为1，其他元素为0；则接收信号自相关矩阵为： R Y ( τ ) = HR X ( τ ) H H = 2 αβHZ i H H = 2 αβh i h i H ]]>其中，hi为信道矩阵H的第i列，所以RY(τ)是秩为1的非满秩矩...

【专利技术属性】
技术研发人员：于舒娟，梁颖，吴光银，张昀，徐荣青，杨恒新，屈科，谢娜，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32