一种分布式无线传感网络无中继远距离通信的方法

摘要

在分布式无线传感网络通信领域中，为了减小实现分布式无线传感网络与远程控制中心无中继通信的难度，本发明公布了一种分布式无线传感网络无中继远距离通信的方法。本发明的具体思路是：首先，确定分布式无线传感网络中传感器节点数量和位置；然后，从所有传感器节点中选出部分节点作为稀疏天线阵阵元组成稀疏天线阵，利用相关算法确定稀疏天线阵阵元位置和激励；最后，稀疏天线阵阵元发射波束且进行波束合成形成高增益的波束，实现分布式无线传感网络与远程控制中心无中继通信。本发明最终利用稀疏天线阵以波束合成方式实现了分布式无线传感网络与远程控制中心无中继通信，减少了天线阵的冗余阵元，减小实现分布式无线传感网络与远程控制中心无中继通信的难度。

说明书

技术领域

本发明属于分布式无线传感网络通信领域，具体涉及一种分布式无线传感网络无中继远距离通信的方法。

背景技术

分布式无线传感网络是一种由大量传感器节点构成的自组织无线网络。分布式无线传感网络以传感器节点与远程控制中心的通信实现分布式无线传感网络网络与远程控制中心的通信。由于分布式无线传感网络中各传感器节点能量有限，通常情况下各传感器节点以多跳中继方式与远程控制中心进行通信。但在某些应用中，各传感器节点不能采用多跳中继的方式来扩展传输距离，或者多跳中继的中继节点功率不能支持足够远的传输距离，这就限制了传感器节点与远程控制中心的通信，从而限制了分布式无线传感网络与远程控制中心的通信。这种情况下，分布式无线传感网络以无中继方式与远程控制中心通信，即分布式无线传感网络以波束合成方法实现与远程控制中心的通信，具体方法是：以分布式无线传感网络中传感器节点作为天线阵阵元组成天线阵，该天线阵将各天线阵阵元发射的波束进行波束合成形成高增益的波束，分布式无线传感网络利用该高增益波束实现与远程控制中心的通信。但是，分布式无线传感网络中传感器节点数量多，空间位置任意分布，这使以传感器节点为天线阵阵元组成的天线阵存在大量冗余阵元，天线阵阵列运算量大、馈电网络复杂、波束合成困难。这限制了分布式无线传感网络与远程控制中心无中继通信的实现。

发明内容

为了减小实现分布式无线传感网络与远程控制中心无中继通信的难度。本发明提出了一种分布式无线传感网络无中继远距离通信的方法。本发明的具体思路是：首先，确定分布式无线传感网络中传感器节点数量和位置；然后，从所有传感器节点中选出部分节点作为稀疏天线阵阵元组成稀疏天线阵，利用相关算法确定稀疏天线阵阵元位置和激励；最后，稀疏天线阵阵元发射波束且进行波束合成形成高增益的波束，实现分布式无线传感网络与远程控制中心无中继通信。本发明的具体步骤如下：

步骤一：确定分布式无线传感网络传感器节点数量和位置

分布式无线传感网络中有大量的传感器节点，用表示传感器节点的数量。为表示传感器节点的位置，先选择一个参考节点，然后计算出其它传感器节点相对于参考节点的位置。用 表示第个传感器节点相对于参考节点的位置。

步骤二：确定稀疏天线阵阵元位置和激励

从所有传感器节点中选出部分传感器节点作为稀疏天线阵阵元，用这些阵元组成稀疏天线阵。为确定稀疏天线阵阵元位置和激励，要进行阵元优化，具体方法是：

(a) 描述个阵元的天线阵方向图

将全部传感器节点作为天线阵阵元组成天线阵，即个传感器节点作为天线阵阵元组成天线阵，该天线阵方向图函数为

                        （1） 

其中，是水平方位角，为阵元天线的方向图，为简化分析，令；是第个天线阵阵元的激励，是激励强度，是激励相位，是虚数单位；系数，为信号波长          

(b) 利用稀疏天线阵方向图逼近理想的天线阵方向图  

从个传感器节点中选择个传感器节点作为稀疏天线阵阵元组成稀疏天线阵，其中，稀疏天线阵阵元位置用表示。利用该稀疏天线阵方向图逼近理想的天线阵方向图。逼近程度用下式表述：

                （2）

其中，是第个稀疏天线阵阵元的激励，是该激励的激励强度，是该激励的激励相位；为保真度，衡量稀疏天线阵方向图与理想的天线阵方向图的均方误差。

式2的离散化形式表示为：

                   （3）

其中，表示水平方位角第次采样值，表示采样总次数。

式3等效矩阵式为：

                                                 （4）

其中，是理想的天线阵方向图向量；

是加权向量，也是阵元激励向量，其各元素

观测矩阵

                       （5）

误差向量，其中各元素是均值为零方差为的复合高斯随机变量。其中，方差与保真度成正比，即。

(c) 确定加权向量

利用最大后验估计确定加权向量，具体过程为：

c1．加权向量的先验概率密度函数为

                               （6）

其中，是决定加权向量先验分布的参数向量, 参数是决定先验分布的参数。参数向量的概率密度函数是：

                                          （7）

其中，是Gamma分布的概率密度函数，、是Gamma分布参数，。

c2．方差的先验概率密度函数是：

                                      （8）

其中，是Gamma分布的概率密度函数，，是Gamma分布参数，。 

c3．加权向量、参数向量和方差的后验概率密度函数：

                       （9）

其中，是加权向量的后验概率密度函数，从该后验概率密度函数可知加权向量的后验分布是高斯分布，是该高斯分布的均值向量，是该高斯分布的协方差矩阵，对角矩阵；，其中，

，是阶单位阵。

c4．确定加权向量

确定加权向量的最大后验估计：在步骤c3中，可知加权向量的后验分布是高斯分布，故加权向量的最大后验估计是加权向量后验高斯分布的均值向量，即加权向量的最大后验估计

                                        （10）

因为均值向量是方差和协方差矩阵的函数，协方差矩阵是对角矩阵的函数，对角矩阵由参数组成，所以均值向量是方差和参数的函数。那么，加权向量的最大后验估计也是方差和参数的函数，所以在确定加权向量的最大后验估计之前要先确定参数和方差。利用最大似然估计确定参数和方差：

其中，。

定义似然函数，

令似然函数对的偏导数为零，即

得到参数

                      （11）

其中，是均值向量中第个元素，是协方差矩阵中第个对角线元素。

同理，令似然函数对的偏导数为零，即

得到方差

                                       （12）

其中，。

注意到（11）式、（12）式中，参数是和的函数，方差是均值向量

和的函数，已知是均值向量的元素，是协方差矩阵的元素，故参数和方差都是均值向量和协方差矩阵的函数。又注意到，均值向量是方差和协方差矩阵的函数，协方差矩阵是方差和对角矩阵的函数，对角矩阵由参数组成，故均值向量和协方差矩阵都是参数和方差的函数。由上所述可知，均值向量、协方差矩阵、参数和方差可以进行迭代来确定均值向量的收敛值。又因为加权向量的最大后验估计，所以可以进行迭代来确定加权向量的最大后验估计的收敛值，迭代过程为：

      

 

  

  

当时停止迭代，是误差值，标注表示迭代次数。迭代停止后，确定加权向量

                （13）

其中，和已在前一次迭代中得到。依据（13）式可以最终确定加权向量。

(d) 确定稀疏天线阵阵元位置和激励

依据加权向量确定稀疏天线阵阵元位置和激励，加权向量中非零元素就是稀疏天线阵阵元激励，加权矢量中非零元素对应的传感器节点的位置就是稀疏天线阵阵元的位置。

步骤三：实现分布式无线传感网络与远程控制中心无中继通信

依据稀疏天线阵阵元位置和激励，各稀疏天线阵阵元同时发射波束且进行波束合成形成高增益的波束，利用该高增益波束实现分布式无线传感网络与远程控制中心无中继通信。

本发明的有益效果在于利用稀疏天线阵以波束合成方式实现了分布式无线传感网络与远程控制中心无中继通信，减少了天线阵的冗余阵元，减小实现分布式无线传感网络与远程控制中心无中继通信的难度。 

附图说明

图1为本发明的流程图。

图2为确定稀疏天线阵阵元位置和激励的流程图。

具体实施方式

本发明的实施流程图如图1所示，具体实施步骤如下：

步骤1：根据实际存在的分布式无线传感网络确定传感器节点数量，选定一个参考节点，计算其它节点相对于参考节点的位置。

步骤2：从所有传感器节点中选出部分传感器节点作为稀疏天线阵阵元组成稀疏天线阵，即从个传感器节点中选出（）个传感器节点作为稀疏天线阵阵元组成稀疏天线阵，稀疏天线阵阵元的位置表示为。为确定稀疏天线阵阵元位置和激励，要进行阵元优化，该过程流程图如图2所示，具体实施过程为：

2.1 确定理想的天线阵方向图向量、保真度、观测矩阵和误差向量

依据实际要求确定理想的天线阵方向图和保真度，从理想的天线阵方向图中等间隔采取个采样点，得到理想的天线阵方向图向量，具体过程是：水平方位角以间隔从变化到，得到水平方位角向量

相应得到理想的天线阵方向图向量：

依据传感器节点位置和水平方位角向量，确定观测矩阵

误差向量，其中各元素是均值为零方差为的复合高斯随机变量。方差与保真度成正比，即。

2.2 确定加权向量的先验概率密度函数

因为加权向量的先验概率密度函数中有参数向量，所以在确定加权向量的先验概率密度函数之前，先确定参数向量的概率密度函数。参数向量的概率密度函数是：

其中，是Gamma分布的概率密度函数，、是Gamma分布参数，令，。 

加权向量的先验概率密度函数为

2.3 确定方差的先验概率密度函数：

其中，是Gamma分布的概率密度函数，、是Gamma分布参数，令，。

2.4 确定加权向量、参数向量和方差的后验概率密度函数：

其中，是加权向量的后验概率密度函数，从该后验概率密度函数可知加权向量的后验分布是高斯分布，是该高斯分布的均值向量，是该高斯分布的协方差矩阵，对角矩阵；，其中，

，是阶单位阵。

2.5 确定加权向量

确定加权向量的最大后验估计：在步骤2.4中，可知加权向量的后验分布是高斯分布，故加权向量的最大后验估计是加权向量后验高斯分布的均值向量，即加权向量的最大后验估计

因为均值向量是方差和协方差矩阵的函数，协方差矩阵是对角矩阵的函数，对角矩阵又由参数组成，所以均值向量是方差和参数的函数。那么，加权向量的最大后验估计也是方差和参数的函数，所以在确定加权向量的最大后验估计之前要先确定参数和方差。利用最大似然估计确定参数和方差：

确定似然函数。因为已经令、，故似然函数。令似然函数对的偏导数为零，即

得到参数

同理，令似然函数对的偏导数为零，即

得到方差

加权向量的最大后验估计、协方差矩阵、参数和方差进行迭代确定加权向量的最大后验估计的收敛值，迭代过程为：

 

  

  

当时停止迭代，标注表示迭代次数。迭代停止后，确定加权向量

2.6确定稀疏天线阵阵元位置和激励

依据加权向量确定稀疏天线阵阵元位置和激励，加权向量中非零元素就是稀疏天线阵阵元激励，加权矢量中非零元素对应的传感器节点的位置就是稀疏天线阵阵元的位置。

步骤3：稀疏天线阵阵元激励和位置确定后，各稀疏天线阵阵元同时发射波束且进行波束合成形成高增益的波束，利用该高增益波束实现分布式无线传感网络与远程控制中心无中继通信。