一种基于遗传算法的多跳协作中继波束成形方法

摘要

针对现有的三跳多中继波束成形优化所面临的效果不佳的问题，本发明提出了一种基于遗传算法的实现两组中继群组波束成形权向量联合优化的方法。该方法力求在中继节点总功率满足一定约束的前提下使目的节点的接收信噪比最大化。该优化问题是多向量的，难以通过常见的方法实现，本发明发现了两个向量之间的内在联系，将原有问题转化成仅包含第一组中继群组波束成形权向量的问题，进而运用遗传算法求得可视为全局最优的两组波束成形权向量。

说明书

技术领域

本发明公开了一种基于遗传算法的三跳多中继网络的波束成形技术，属于信号处理、无线通信技术领域。 

背景技术

无线通信技术的应用近年来呈现出爆炸式增长的态势，人们对无线通信的通信质量和用户体验的要求也越来越高。在频谱资源有限的背景下，多输入多输出（MIMO）技术应运而生，它可以有效地提高系统容量和频谱利用率。近年来，包括空间、时间、频率、编码等分集技术已经被广泛研究。然而，MIMO技术需要在终端安置多天线，受体积和功率的约束，在便携设备运用MIMO技术非常困难。 

为有效的解决以上问题，一种称作协作通信的技术越来越受到人们的重视。实际上，由于无线信道具有广播的特性，我们可以把地理位置邻近的节点视为分布式天线的集合，因此，无线通信中的这些临近的节点可以通过互相合作来传输信号。对于信号发送节点来说，一个协作节点可以看做是一个中继节点。协作通信技术可以在通信节点之间形成虚拟的MIMO链路。基于用户协作的通信技术就是“协作通信”。在协作通信中，用户可以作为中继节点，形成从信号发送节点到目的节点的多重传输链路，可实现与MIMO系统相同的分集增益。多种协作通信策略已经得到广泛的研究，例如放大转发、译码转发、编码转发、选择中继等等。在以上协作通信策略中，由于放大转发具有实现简单，延时较小的优势而被人们所重视。本发明研究的协作通信模型也将采用放大转发的方式。 

先前的研究主要倾向于两跳的中继波束成形模型，而在实际的无线通信当中，三跳的中继模型也是比较常见的，相对于两跳的中继波束成形模型，三跳的网络模型覆盖范围更广。在三跳中继网络中，包含两个中继节点群组，每个群组都对应一个中继波束成形权向量。为了提高通信质量，在中继节点满足一定功率约束的条件下，最大化目的节点的接收信噪比是一项非常有意义的工作。以往曾有研究人员将上述问题近似为半正定问题，然后用凸优化工具求得近优的波束成形权向量，然而这种方法容易陷入局部最优，效果不够理想。 

发明内容

本发明的目的在于提供一种基于遗传算法的针对三跳多中继网络的最优化的波束成形方法，在中继节点功率满足一定约束的前提下，对两组中继节点波束成形权向量进行联合优化， 使目的节点的接收信噪比最大化。本方法中，基于对第一组中继节点用波束成形权向量w和第二组中继节点波束成形权向量v之间关系的研究，将其中一个向量用另一个向量表示出来，然后完全运用遗传算法实现，可以实现全局最优解。 

本发明的技术解决方案如下： 

一种基于遗传算法的中继协作波束成形方法，该方法基于三跳多中继协作通信系统，该系统由一个源节点、两组中继节点群和一个目标节点组成，且网络中的所有节点均只装配有单天线，由于信道衰落的影响，源节点与目标节点之间、源节点与第二组中继节点群之间、第一组中继节点群与目标节点之间均无法直接建立通信链路，发送节点需要通过两个中继节点群来建立与目标节点之间的通信；参与协作通信的中继节点的个数是已知的，整个网络模型的信道参数可以通过信道估计来获得；在通信过程中，源节点向第一组中继节点广播信号，在第一跳的信道混叠上噪声，第一组中继节点用波束成形权向量w对接收到的信号进行加权，然后用放大转发的方式经过第二跳信道向第二组中继节点广播，第二组中继节点接收到信号后，对接收信号用另一个波束成形权向量v进行加权，然后以放大转发的方式向目的节点发送信号，该信号通过第三跳的信道混叠上噪声之后，在目的节点处接收； 

在每组中继节点都满足一定功率约束的前提下，对两组中继节点波束成形权向量进行联合优化，从而提高目的节点的接收信噪比，具体实施中，基于第一组中继节点用波束成形权向量w和第二组中继节点波束成形权向量v之间的关系，将第二组中继节点波束成形权向量v用第一组中继节点用波束成形权向量w表示出来，将多变量最优化问题转化为仅包含一个波束成形权向量的单一变量最优化问题，然后完全运用遗传算法实现，具体步骤如下： 

步骤一、设定第一组和第二组中继节点各自的功率约束，通过信道估计，得到第一、二、三跳信道的参数分别为f、H、g； 

步骤二、初始化第一组中继节点的波束成形权向量w的种群，该种群须在由第一组中继节点的功率约束确定的可行域内，对于任意满足第一组中继节点功率约束的w，最优化的第二组中继节点波束成形权向量v用w表示出来，计算出当前种群中每一个w所对应的目标函数值，即目的节点的接收信噪比； 

步骤三、根据上述一系列目标函数值，运用遗传算法，生成w新的种群，计算该种群中每一个w所对应的目标函数值，并选出其中最大的目标函数值； 

步骤四、判断当前的最大的目标函数值是否满足迭代条件，若满足则重复步骤三，若不满足则进行步骤五； 

步骤五、输出种群中使目标函数最大的w，并计算对应的最优化的v，即为所求的两个 波束成形权向量。 

优选地，第一组中继节点用波束成形权向量w和第二组中继节点波束成形权向量v之间的关系为其中P_R表示第二组中继节点的功率约束， 分别为第一跳和第二跳中继节点处的噪声功率，为目的节点处的噪声功率D_R为对角阵，${\left[D_R\right]}_{k,k}=\underset{m=1}{\overset{M}{\Sigma }}{\left|h_{k,m}\right|}^2({\left|f_m\right|}^2{P}_s+{\sigma }_T^2){\left|w_m\right|}^2+{\sigma }_R^2,k=\mathrm{1,2},...,K,$K表示第一组中继节点数，M表示第二组中继节点数。 

优选地，原优化问题可表示成仅包含一个波束成形权向量w的单一变量最优化问题，为： $\underset{w}{\max }\frac{w^H{R}_{w}w}{w^H{Q}_{w}w+{\sigma }_R^2{\left|\right|v^{H}g\left|\right|}^2+{\sigma }_T^2}$

使得

其中为对角阵，R_w＝P_sF^HH^HG^Hvv^HGHF，F＝diag(f)，G＝diag(g)，Q_w＝H^HG^Hvv^HGH，$v=\sqrt{P_R}{D}_R^{-1}{(D_R^{-1/2}{Q}_v{D}_R^{-1/2}+{\sigma }_D^{2}I)}^{-1}{D}_R^{-1/2}\mathrm{GHw},$I表示单位矩阵，P_S表示源节点发送功率。 

附图说明

图1：本发明的系统模型图； 

图2：本方法的工作流程图； 

图3：仿真结果图。 

具体实施方式

针对现有的三跳多中继波束成形优化所面临的效果不佳的问题，本发明提出了一种基于遗传算法的实现两组中继群组波束成形权向量的联合优化方法。该联合优化问题是多向量的，难以通过常见的方法实现，本发明发现了两个向量之间的内在联系，将原有问题转化成单向量的问题，进而运用遗传算法求得可视为全局最优的波束成形权向量。 

下面结合附图和实施例对本发明进行进一步的说明，但不限于此例。 

考虑一个基于放大转发机制的三跳多中继协作通信系统，如附图1中所示，该系统由一个源节点（S），两组中继节点群和一个目标节点（D）组成，且网络中的所有节点均装配单 根天线。假定源节点与目标节点之间，源节点与第二组中继节点群之间，第一组中继群与目标节点之间均无法建立直接的通信链路。因此，源节点需要通过两个中继节点群组来建立与目标节点的通信。发送功率为P_S，参与协作通信的中继节点的个数是已知的，其中第一组中继节点群包括M=4或者M=6个中继节点，第二组包括K=4或者K=6个中继节点，记第一跳信道参数为f＝[f₁,f₂,...,f_M]^T，第二跳信道参数矩阵为H，第三跳信道参数为g＝[g₁,g₂,...,g_K]^T；第一跳中继节点波束成形权向量为w＝[w₁,w₂,...,w_M]^T，第二跳中继节点波束成形权向量为v＝[v₁,v₂,...,v_K]^T；所有噪声均为平稳高斯白噪声，第一跳中继节点处的噪声功率为第二跳中继节点处的噪声功率为目的节点处的噪声功率为我们运用遗传算法设计这两个中继节点群的复加权矢量，使中继节点功率满足一定约束的前提下，目的节点处接收信噪比最大化。 

如图2，该方法步骤如下： 

步骤一、设定第一跳和第二跳的功率约束分别为P_T和P_R，利用信道估计，得到f、H、g、

步骤二、初始化t＝0，t表示迭代次数，P(t)表示第t代波束成形权向量w的种群，初始化第一组中继节点的波束成形权向量w的种群为P(0)，，S表示w的可行域，该可行域由第一组中继节点的功率约束确定，对于任意满足第一组中继节点功率约束的w，最优化的第二组中继节点波束成形权向量v可用w表示出来，进而原优化问题可表示成仅包含一个波束成形权向量w的问题： 

$\underset{w}{\max }\frac{w^H{R}_{w}w}{w^H{Q}_{w}w+{\sigma }_R^2{\left|\right|v^{H}g\left|\right|}^2+{\sigma }_D^2}$

使得

其中为对角阵，R_w＝P_sF^HH^HG^Hvv^HGHF，F＝diag(f)，G＝diag(g)，Q_w＝H^HG^Hvv^HGH，$v=\sqrt{P_R}{D}_R^{-1}{(D_R^{-1/2}{Q}_v{D}_R^{-1/2}+{\sigma }_D^{2}I)}^{-1}{D}_R^{-1/2}\mathrm{GHw},$I表示单位矩阵，D_R也为对角阵，${\left[D_R\right]}_{k,k}=\underset{m=1}{\overset{M}{\Sigma }}{\left|h_{k,m}\right|}^2({\left|f_m\right|}^2{P}_s+{\sigma }_T^2){\left|w_m\right|}^2+{\sigma }_R^2,k=\mathrm{1,2},...,K,$计算出当前种群P(0)中每一个w所对应的目标函数值（目的节 点的接收信噪比），其中最大的目标函数值表示为m(0)； 

步骤三、将t的值更新为t+1根据P(t-1)所对应的一系列目标函数值，运用遗传算法，生成w新的种群P(t)，计算该种群中每一个w所对应的目标函数值，并选出其中最大的目标函数值m(t)。 

步骤四、判断当前的最大的目标函数值是否满足迭代条件令ε＝0.0001，若满足则重复步骤三，若不满足则进行步骤五； 

步骤五、输出种群中使目标函数值最大的w，并输出对应的最优化的 $v=\sqrt{P_R}{D}_R^{-1}{(D_R^{-1/2}{Q}_v{D}_R^{-1/2}+{\sigma }_D^{2}I)}^{-1}{D}_R^{-1/2}\mathrm{GHw},$即为所求的两个波束成形权向量。由附图3所示，本发明的方法比其他方法所实现的接受信噪比有明显的提高，由于遗传算法不容易陷入局部最优，因此该方法可视为全局最优的。 

如图3所示，与已有的方法相比，本发明的方法在中继节点满足一定功率约束的前提下，可实现的接收信干噪比更大，通信质量更好。