[发明专利]多跳协作网络中基于遗传算法的功率优化方法

摘要

针对多跳多中继协作网络，本发明提出了一种基于遗传算法的功率优化方法。在保证接收端信噪比大于一定的门限值的情况下，优化两个中继组群的波束成形权值，使得所有中继节点总发送功率最小化，实现能量的节约。通过计算，其中一个波束成形变量可以表述成另一个的函数，使得两个变量的问题简化为一个变量的优化问题，然后通过遗传算法获得最优的中继权值变量和最小的中继功率。该算法在统计意义上可以获得全局最优解，避免了以往用凸优化迭代计算两个变量，容易陷入局部最优的困扰。

主权项

一种在多跳协作网络中基于遗传算法的功率优化方法，该方法基于一个多跳多中继协作网络，该网络由一个源节点，两个中继节点组群和一个目的节点组成，每一个节点均配置单根天线采用半双工的方式来发送或接收信号；假设由于信道衰落的严重影响，在源节点与目的节点，源节点与第二个中继群组，目标节点与第一个中继群组之间没有直接链路进行通信，源节点与目的节点之间的信息传输需要通过两个中继组群的协作来完成；在该网络中，信息传输的过程分为三个阶段：在第一个阶段，源节点向第一个中继群组发送广播信息；在第二个阶段，第一个中继组群接收到叠加了信道噪声的信息后，对收到的信号进行波束成形加权，然后通过放大转发模式向第二个中继群组发送广播信号；在第三个阶段，第二个中继群组收到混叠了噪声的信号，同样通过放大转发的模式向目的节点发送波束成形加权广播信号，最后目的节点接收到混叠信道噪声后的信号；在保证目的节点接收到信号的信噪比不小于给定的门限值的情况下，优化两个中继群组的波束成形向量，使得两个中继群组的总功率消耗最小；具体实施中，通过数学运算把两个波束成形向量中第二个波束成形向量完全用第一个向量来表述，从而把两个变量的优化问题简化为单变量优化问题，最后采用遗传算法解决，获得全局最优解，具体步骤如下：步骤一、选择固定的M个节点组成第一个中继群组，另外选择固定的K个节点组成第二个中继组群，设定目的节点接收信号信噪比的门限值γ，通过信道估计获得源节点到第一个中继群的信道参数向量h＝[h1,h2...hM]T，两个中继群之间的信道参数矩阵和第二个中继群到目的节点的信道参数向量g＝[g1,g2...gK]T；步骤二、设定第一个中继群的波速成形权值向量为w＝[w1,w2...wM]T，第二个中继群的权值为v＝[v1,v2...vK]T；初始化w的种群，根据两个波束成形向量之间的关系得出等式可以计算出一个确定的w下最优的波束成形向量v，其中σ2为高斯白噪声的噪声功率，为一个对角矩阵，其中每一个对角线上的元素为lk,m为信道参数矩阵L中第k行第m列的元素，P0为源节点的发送功率，E{·}表示数学期望，ρ{·}表示一个矩阵的归一化主特征向量，矩阵R＝P0GLHw(GLHw)H，Q＝σ2GLw(GLw)H+σ2ggH，G,H分别为信道参数向量g,h的对角化矩阵；步骤三、判断当下种群中的w个体是否满足约束条件其中矩阵选择满足约束条件的个体计算目标函数wHDRw+fH(w)DFf(w)的大小，其中DR＝P0diag(E{|h1|2},E{|h2|2}...E{|hM|2})+σ2I，diag(a)表示一个对角矩阵其中对角线上的元素是向量a中的元素；从中选择目标函数较大的一些个体按照遗传算法中变异和交叉的概率进行复制繁殖，生成新一代关于w的种群个体；步骤四、判断目前的目标函数和种群代数是否达到了遗传算法中的结束条件，如果达到结束条件，则进行步骤五，否则继续进行步骤三；步骤五、根据求出的第一个中继群组的权值w计算相应最优的第二个中继群组权值v。