一种基于神经网络的缓冲辅助中继选择方法技术

本发明专利技术涉及一种基于神经网络的缓冲辅助中继选择方法，属于无线通信领域。该方法包括中继选择方法和神经网络优化两个部分：在中继选择方法部分，首先根据缓冲器状态和信道状态确定可用且合格的链路，利用神经网络提取缓冲器状态和信道状态的特征，然后根据可用且合格的链路和提取的特征为每条链路分配概率，最后根据分配的概率随机选取一条链路；在神经网络优化部分，首先对缓冲器状态进行马尔可夫链建模，并推导缓冲区状态的平稳分布，然后计算中断概率和平均时延，最后根据中断概率和平均时延的要求优化神经网络。本发明专利技术针对不能获取完美的信道状态信息的情况，可以有效提高延迟约束下缓冲辅助中继协作网络的中断性能。束下缓冲辅助中继协作网络的中断性能。束下缓冲辅助中继协作网络的中断性能。

【技术实现步骤摘要】
一种基于神经网络的缓冲辅助中继选择方法


[0001]本专利技术属于无线通信领域，涉及一种基于神经网络的缓冲辅助中继选择方法。

技术介绍

[0002]缓冲辅助中继协作网络是提高无线通信可靠性的有效技术之一。中继协作可以有效地解决无线通信中的路径损耗问题，扩展通信覆盖范围，提高系统的可靠性。传统的中继协作通信使用两个时隙来接收和发送数据包，具体来说就是在第一时隙接收源发送的数据包，然后在下一个时隙将数据包发送出去，这就意味着无论中继节点到目的节点的信道条件是否符合解码条件中继都会将数据包发送给目的节点，这将会严重损害了系统的可靠性。在中继节点处引入缓冲区有助于增强网络的可靠性，缓冲器用来存储源节点发送的数据包并等到合适的时候发送给目的节点，从而提高系统的自由度，但代价是数据由于缓冲而造成排队时延。
[0003]目前关于典型的两跳多中继选择模型(包含源节点S、目的节点D和个中继节点)已有相关研究，但大多数研究并未考虑实际无线通信系统往往是无法获取完美的信道状态信息的，即估计的信道系数和实际的信道系数存在误差。此外，在实际通信系统中，往往需要灵活权衡中断概率和平均时延，而已有的研究大多为只关注系统的中断概率这会造成较大的数据包平均时延，部分研究却只关注数据包平均时延则会造成系统的可靠性下降，即增大中断概率。
[0004]因此，在考虑不能获取完美的信道状态信息的无线中继协作网络中，如何提高时延约束下缓冲辅助中继协作网络的中断性能，是本领域技术人员亟待解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于神经网络的缓冲辅助中继选择方法，以提高延迟约束下缓冲辅助中继协作网络的中断性能。
[0006]为达到上述目的，本专利技术提供如下技术方案：
[0007]一种基于神经网络的缓冲辅助中继选择方法，该方法包括以下部分：
[0008]S1：中继选择：首先根据缓冲器状态和信道状态确定可用且合格的链路，然后利用神经网络提取缓冲器状态和信道状态的特征，紧接着根据可用且合格的链路和提取的特征为每条链路分配概率，最后根据分配的概率随机选取一条链路；
[0009]S2：神经网络优化：首先对缓冲器状态进行马尔可夫链建模，并推导缓冲区状态的平稳分布，然后计算系统的中断概率和平均时延，最后通过优化神经网络的参数从而提高时延约束下缓冲辅助中继选择系统的中断性能。
[0010]可选的，所述S1具体包括以下步骤：
[0011]S101：根据缓冲器状态和信道状态确定可用且合格的链路；
[0012]根据缓冲器状态确定可用链路：
[0013][0014]其中μ(
·
)表示指示函数，l
k
表示第k个中继的缓冲区中保存的数据包数量，L表示缓冲区可以保存的最大数据包数量，K表示中继数量；当时表明链路是可用的。
[0015]根据信道状态确定合格链路：
[0016][0017]其中其中表示链路的估计的瞬时信道容量，r0表示节点固定的数据传输速率；当时表明链路是合格的；
[0018]最后确定可用且合格的链路：
[0019]δ＝[δ1,
…
,δ
2K
][0020]其中当δ
k
＝1时表明链路是可用且合格的；如果没有可用且合格的链路则没有任何链路被选择，所有节点保持静默，中继选择方法结束；
[0021]S102：利用神经网络提取缓冲器状态和信道状态的特征；
[0022]首先确定缓冲辅助中继选择系统的状态：
[0023][0024]其中表示链路的接收端的估计信噪比；
[0025]然后确定系统的特征：
[0026][0027]其中f
net
(
·
)表示一个3K个输入单元、2K个输出单元的神经网络；
[0028]S103：根据可用且合格的链路和提取的特征为每条链路分配概率；
[0029]使用下式确定分配给链路的概率为：
[0030][0031]S104：根据分配的概率随机选取一条链路；
[0032]根据S103中分配的概率随机选择一条链路；如果选择到链路则表明选择源节点S发送数据，中继R
k
接收数据，如果中继R
k
成功解码数据则R
k
将数据保存到缓冲区中，缓冲区中保存的数据包数量加1；如果选择到链路则表明选择中继R
k
发送数据，目的节点D接收数据，如果目的节点D成功解码数据则R
k
将数据从缓冲区中删除，缓冲区中保存的数据包数量减1，其中，1≤k≤K。
[0033]可选的，所述S2具体包括以下步骤：
[0034]S201：对缓冲器状态进行马尔可夫链建模，并推导缓冲区状态的平稳分布；
[0035]第i个马尔科夫链的状态为：
[0036][0037]其中1≤i≤(L+1)
K
，表示在第i个马尔科夫链的状态下第k个中继的缓冲区中保存的数据包数量；
[0038]对于状态s
i
，首先随机生成N个估计的信道样本，使用生成的估计的信道样本估算在状态s
i
选择链路传输数据包并导致状态发生转移的概率为：
[0039][0040]其中表示第n个估计的信道样本下链路不中断的概率，表示第n个估计的信道样本下分配给链路概率；
[0041]对于状态s
i
，状态不发生转移的概率为：
[0042][0043]使用F表示马尔科夫链的转移矩阵，其中第i行第j列的元素表示从状态s
j
转移到状态s
i
的概率，转移矩阵的任意元素用下式确定：
[0044][0045]其中I
k,
·
表示单位矩阵的第k行；
[0046]缓冲区状态的平稳分布用下式计算：
[0047]π＝(F
‑
I+B)
‑1b
[0048]其中I表示单位矩阵，Β表示全为1的矩阵，b表示全为1的向量；
[0049]S202：计算系统的中断概率和平均时延；
[0050]根据S201中计算的平稳分布，系统的中断概率为：
[0051][0052]系统的平均时延为：
[0053][0054]S203：优化神经网络的参数；
[0055]根据S202中计算的中断概率和平均时延，确定目标函数：
[0056][0057]其中θ表示神经网络的参数，D
c
为期望的平均时延上限，Δ为平均时延的保护带宽；
[0058]使用下式更新神经网络的参数：
[0059][0060]其中α表示学习率，使用Adam更新神经网络的参数；
[0061]重复以上步骤，直至中断概率和平均时延收敛，或者神经网络的优化次数达到设定的最大优化次数。
[0062]本专利技术的有益效果在于：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的缓冲辅助中继选择方法，其特征在于：该方法包括以下部分：S1：中继选择：首先根据缓冲器状态和信道状态确定可用且合格的链路，然后利用神经网络提取缓冲器状态和信道状态的特征，紧接着根据可用且合格的链路和提取的特征为每条链路分配概率，最后根据分配的概率随机选取一条链路；S2：神经网络优化：首先对缓冲器状态进行马尔可夫链建模，并推导缓冲区状态的平稳分布，然后计算系统的中断概率和平均时延，最后通过优化神经网络的参数从而提高时延约束下缓冲辅助中继选择系统的中断性能。2.根据权利要求1所述的一种基于神经网络的缓冲辅助中继选择方法，其特征在于：所述S1具体包括以下步骤：S101：根据缓冲器状态和信道状态确定可用且合格的链路；根据缓冲器状态确定可用链路：其中μ(
·
)表示指示函数，l
k
表示第k个中继的缓冲区中保存的数据包数量，L表示缓冲区可以保存的最大数据包数量，K表示中继数量；当时表明链路是可用的。根据信道状态确定合格链路：其中其中表示链路的估计的瞬时信道容量，r0表示节点固定的数据传输速率；当时表明链路是合格的；最后确定可用且合格的链路：δ＝[δ1,
…
,δ
2K
]其中当δ
k
＝1时表明链路是可用且合格的；如果没有可用且合格的链路则没有任何链路被选择，所有节点保持静默，中继选择方法结束；S102：利用神经网络提取缓冲器状态和信道状态的特征；首先确定缓冲辅助中继选择系统的状态：其中表示链路的接收端的估计信噪比；然后确定系统的特征：其中f
net
(
·
)表示一个3K个输入单元、2K个输出单元的神经网络；S103：根据可用且合格的链路和提取的特征为每条链路分配概率；使用下式确定分配给链路的概率为：
S104：根据分配的概率随机选取一条链路；根据S103中分配的概率随机选择一条链路；如果选择到链路则表明选择源节点S发送数据，中继R
k
接收数据，如果中继R
k
成功解码数据则R

【专利技术属性】
技术研发人员：徐鹏，罗成鸿，陈高洁，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：