[发明专利]一种基于分布估计的多中继选择算法

摘要

本发明涉及无线通信技术领域，尤其涉及一种多中继选择算法，特别涉及一种基于分布估计的多中继选择算法。针对现有的多中继选择场景下的中继选择，能耗和系统开销大，算法复杂度高，不能线上实时通信等问题，本发明提供一种基基于分布估计的多中继选择算法，包括系统建模、初始化、优化求解等步骤。相对于现有技术，本发明的有益效果为：创造性的将分布估计算法运用到无线通信领域中的多中继选择当中，起到非常好的效果，既降低的算法复杂度，又提高运算时间，使得算法的在线实时运算成为可能；目标函数的提出，是等效信噪比，比普通的信噪比函数计算更加快捷，复杂度低，易于实时计算并决策。

主权项

一种基于分布估计的多中继选择算法，其特征在于，包括如下步骤：Step1:系统建模，一个源工作站记为S，一个目的地工作站记为D，N_R个中继工作站，分别记为R₁,R₂,…,从N_R个中继工作站中选择K个中继工作站参与传输工作，其余N_R‑K个中继工作站休眠，其中k≤N_R，问题归结，优化目标是最大化等效接收信噪比，目标函数是：其中，各参数分别表示如下：SNR_eff表示等效接收信噪比；表示考虑多径效应和阴影效应下的第i个中继工作站R_i与目的地工作站D之间的平均信号能量；表示考虑多径效应和阴影效应下的源工作站S与第i个中继工作站R_i之间的平均信号能量；N₀表示复高斯白噪声信道标准方差的一半；表示考虑多径效应和阴影效应下的源工作站S与第i个中继工作站R_i之间的相关信道存储长度的最大值；表示考虑多径效应和阴影效应下的源工作站S与第i个中继工作站R_i之间的相关信道存储长度；表示考虑多径效应和阴影效应下的第i个中继工作站R_i与目的地工作站D之间的相关信道存储长度的最大值；表示考虑多径效应和阴影效应下的第i个中继工作站R_i与目的地工作站D之间的相关信道存储长度；表示源工作站S与第i个中继工作站R_i之间的平均信道增益；表示第i个中继工作站R_i与目的地工作站D之间的平均信道增益；Step2：系统初始化，包括参数初始化和算法初始化；所述参数初始化包括：定义EDA算法的参数集，(I_S，F，Δ_i，η_l，β_l，p_s，Γ_l，I_Tsr)，1)I_s是解空间中所有可行解的集合；2)F是适应度函数；3)Δ_l是第l次迭代的个体集；4)η_l是第l次迭代的个体集Δ_l中的最优的个体集合；5)定义其中是η_l的补集，∩代表交集操作；6)p_s是选择概率，从集合Δ_l中选择p_s|Δ_l|个数量的个体组成集合η_l，其中|Δ_l|代表集合Δ_l中个体的数量；7)Γ_l表示针对第l次迭代的个体集Δ_l的概率分布函数；8)T_sr表示迭代次数；9)定义每一个个体是一个二进制行向量X＝(x₁， x₂，…， x_n)，第l次迭代的个体集Δ_l可以表示成矩阵形式其中上标行向量X^l的上标j用以区别不同个体，其中f＝(1，2，…|Δ_l|)，所述算法初始化包括：初始化生成第0代个体集合Δ₀，个体集合Δ₀的数量是|Δ₀|，设置最大迭代次数l_max；Step3：l＝1，开始迭代，利用适应度函数F评价当前种群Δ_l‑1中每个个体的适应度，并排序Step4：判断最优的个体收敛条件和迭代次数是否达到最大次数；Step4‑1：首先判断最优的个体是否满足收敛条件，“是”就算法结束，输出最优解，按照最优的中继选择策略工作；“否”就调至Step4‑2；Step4‑2：判断迭代次数是否达到最大迭代次数l_max，如果“是”就算法结束，输出次优解，按照次优的中继选择策略工作；“否”就调至step5；Step5：根据选择概率p_s从当前种群Δ_l‑1中选择最好的p_s|Δ_l‑1|个数量的个体组成集合η_l‑1Step6：利用η_l‑1中的|η_l‑1|个最好的个体来估计新的概率分布函数Γ_l‑1；Step7：去除掉Δ_l‑1中|β_l‑1|个不好的个体，其中|β_l‑1|＝|Δ_l‑1|‑|η_l‑1|，利用step6中新的概率分布函数Γ_l‑1来生成|β_l‑1|个数量的新个体，组成新的种群Δ_l；Step8：l＝l+1，调至step3，利用新的种群Δ_l继续迭代算法。