受限连通无线移动通信网的最大网络流快速跟踪模型

受限连通无线移动通信网的最大网络流快速跟踪模型 毕业[论文] 学 生 姓 名: 学号: 学 部 (系): 专 业 年 级: 指 导 教 师: 职称或学位: 2015年5月20日 文华学院毕业设计(论文) 摘 要 网络最大流的问题在科技和工程等领域应用广泛，很多线性规划的实际问题都能够转化为网络最大流的模型来解答，和很多线性相关的问题密切联系，开辟了图论应用的新方向。伴随着交通、电力、物流等大规模发展和计算机技术的广泛应用，我们对最大流问题的研究越来越深入，很多理论被完善的建立，一系列算法被提出。固定移动网络进行融合是网络发展的必然趋势,而研究保持移动融合网的连通性是很有必要的，本文基于随机几何图理论，研究保持移动融合网连通性最优化的方法，基于网络最大流理论，快速跟踪信道和网络的变化。 网络整体概率连通性是研究通信网络抗毁性及可靠性的一个重要测度大部分网络抗毁性和可靠性的研究工作都需要计算该测度。怎样有效计算网络概率连通性一直是通信网抗毁性研究中的一个重大问题。概率连通性指构成网络的部件在以一定概率失效的情况下整个通信网络依然保持连通的概率。它的计算通常要归结为推导网络的每个可能的状态这一问惩 已被证明是一个NP困难问题，现有的算法如factoring算法Buzaco算法算 量都很大，只能分析中小规模网络。文献[2]提出的多边形化简方法把罔络 化简成一个包含较少节点和链路的等效网络，然而这种化简的目的是减小 等效网络的状态空间，最终仍然需要计算等效网络的连通概率。 基于网络最大流理论,一种新型的多级状态空问分解和与之相应的生 成子事件的概率计算方法在本文提出，运用了一种计算网络概率连通性的 新型迭代算法 关键词:泊松点分布;随机几何图理论;连通性;网络最大流理论; 信道跟踪 1 文华学院毕业设计(论文) A fast tracking model for the maximum network flow in constrained connected mobile communication networks Abstract Maximum flow problem of networks is widely used in the fields of science and engineering, many linear programming problems can transformed to the solution of a model for the maximum flow of network, close the graph theory and linear programming problem, opened up a new way for application of graph theory. With the large-scale development of the transportation, electric power, logistics as well as the computer technology is widely used, people study of the maximum flow problem is more and more in-depth, and gradually establish a more perfect theory, this paper puts forward a series of algorithms. Fixed mobile network convergence is the inevitable trend of the development of the necessary, this paper based on the theory of geometric random graphs, of maintaining mobile convergence network connectivity optimization method, based on the maximum flow of network theory, the fast tracking channel and network changes. The probability of the whole network connectivity is the study of communication network survivability and reliability of an important measure most network survivability and reliability of the research work are required to compute the measure. How to calculate probability of network connectivity has been a major problem of survivability study in communication network. Probabilistic connectivity refers to the probability that the components of the network remain y attributed for network inference for each possible state ask this punishment has been shown is a NP hard problem, the existing algorithms such as factoring algorithm Buzaco algorithm calculate volume is very large, only analysis of the small and medium scale network. Literature [2] proposed the polygon simplification method the simplification of useless complex a contains fewer nodes and links of the equivalent network. However, this simplification is reducing the state space of the network equivalent, finally still need to calculate the probability of connectivity for the network equivalent. Based on maximum flow theory, a model of multi-level state space Q generated sub events of decomposition and the corresponding probability calculation method presented in this paper, using a computing network probabilistic connectivity a new iterative algorithm. Key Words: Poisson point distribution; random geometry graph theory; connectivity; maximum flow theory; channel tracking 2 文华学院毕业设计(论文) 目录 摘 要 .......................................................................................................................................... 1 Abstract ..................................................................................................................................... 2 1.1研究背 景 .............................................................................................................................. 4 1.2国内外研究现 状 .......................................................................................................... 5 1.3全文篇章结 构 ............................................................................................................... 6 第2章 系统模 型 .................................................................................................................... 7 2.1 网络最大流算 法 ......................................................................................................... 7 可行 流 ................................................................................................................................. 7 可增广 路 ............................................................................................................................. 7 剩余 图 ................................................................................................................................. 8 剩余图的权值代能沿边增广的大 小 ............................................................................. 8 ............................................................................................................................................. 8 割 切 ..................................................................................................................................... 8 流量算法的基本理 论 ......................................................................................................... 9 2.2网络模型及假 设 ......................................................................................................... 10 2.3 信道跟踪模 型 ............................................................................................................ 12 第3章 系统仿 真 .................................................................................................................... 14 3.1最大流算法仿 真 ......................................................................................................... 14 3.2信道跟踪模型仿 真 .............................................................................................. 15 .................................................................................................................................................. 16 图8第4章 结 论 ................................................................................................................ 16 4.1全文研究结果及总 结 ................................................................................................. 17 4.2未来研究展 望 ............................................................................................................. 17 参考文 献 .................................................................................................................................. 19 3 文华学院毕业设计(论文) 第1章 绪论 1.1研究背景 由于用户的快速增长，要不断的提升传输速率和应对新业务的出现，无线通信融合网向着高频谱利用率的走向发展。利用无线信道的多径传播多入多出的无线通信技开始出现，以信道的空间资源开发上为出发点，并且运用系统的空间特点和结合空时联合处理技术的能力来提高频谱利用率，是未来高速无线通信数据传输的关键技术之一。 针对MIMO无线信道的空时传播特点的研究对MIMO无线通信系统发展具有基础性与先导性的作用，哈尔滨工业大学的张张继良博士通过研究无线信道的特性得出了无线通信的时域统计特性。这种情况下的大偏差估计，分别是高密度情形下的大偏差估计、低密度情形下的大偏差估计和标度密度极限情况下的大偏差估计。 我们一般用比例法则来研究传送容量和网络参数之间的数量级关系,不过这种方法不能给出传送容量和网络参数之间的准确的关系。因此，越来越多的人开始使用随机几何理论来研究无线移动网络的容量。把传输容量、空间进度密度和随机接入传送容量作为研究目标,来研究不同的功率控制策略、RX选择策略、保护区域、有效传输区域和重叠网络等因素对网络容量的影响网络连通性是组网与路由研究的前提和基础，无线融合网是一种新型网络，与传统蜂窝网不一样，它的特点是并不需要集中控制设施，并且组网灵活。使得无线融合网的网络越来越受到人们的广泛关注。这个网络中所有节点是等地位的，拓扑结构很灵活并且随时变化，所以，网络的物理连通性显得很重要，它是Ad Hoc网络上层设计的基础与保证。本文基于随机几何和图论，对移动无线网络的连通性进行了研究与和分析。基 于随机几何中的泊松点过程理论来建立了无线通信网络的节点分布模型。对于一维无线通信网络，在圆盘模型下分析比较网络连通性。接下来运用随机几何图论的深度优先割点搜索算法，研究基于信号强度的将1-连通网络转为2-连通网络的节点移动算法问题，得到网络2-连通的概率闭合式，并通过仿真分析2-连通性能。对于二维Ad Hoc网络，在Nakagami-m信道模型下，基于图论，从孤立节点的定义出发，以信噪比为节点成功通信条件，推导了网络没有孤立节点的概率。并且仿真证明了理论推导的正确性，同时分析了网络连通性能，最后得到了影响网络连通性的关键因素。 网络最大流的问题在科技和工程等领域应用广泛，很多线性规划的实际问题都能够转化为网络最大流的模型来解答，和很多线性相关的问题密切联系，开辟了图论应用的新方向。伴随着交通、电力、物流等大规模发展和计算机技术的广泛应用，我们对最大流问题的研究越来越深入，很多理论被完善的建立，一系列算法被提出。 4 文华学院毕业设计(论文) 本文主要研究现有的求解网络最大流算法存在的步骤繁复、计算量大、由于增广链选择的顺序不准确而无法得到理想中的最大流等问题，主要做了以下工作:提出了一种基于深度优先的网络最大流的算法，该算法的基本思想就是利用分层网络的概念和DFS原理，并且加入了终止符的概念，在一个网络图上就可以完成求解最大流的整个过程，改进后的方法有效的提高了算法的效率，最后通过具体实例验证了该方法的性能与实用性。 在信道跟踪方面上，运用了贝叶斯预测技术,提出了一种实用的时变无 线信道模型[4]。在这个基础上运用粒子滤波技术强大的随机搜索能力,给出了一种稳健的无线信道跟踪。和目前已存在的各种追踪方案相比,这种方案不需要知道精确的信道统计特性并能有效地降低静态低阶AR过程的建模误差。 研究移动通信网的连通性是很有必要的，为了保持数据从驻留在第一台移动计算机中的第一个应用程序到驻留在第二台计算机中的第二个应用程序的连通性和同步的一种方法，其中，在数据通信网络上传输数据，该数据通信网络包括多个固定的访问点，在所述第一台移动计算机中确定第一台移动计算机与第二台计算机之间的通信已受到阻碍，并确定应该尝试与一个不同的访问点联合或使用一个不同的无线电信道，以便继续通信;当建立新的链接时，存储和排列消息;在各台计算机中的第一个虚拟套接字与第二个虚拟套接字之间重新建立链接，以便继续分别在第一台计算机和第二台计算机中的第一个应用程序与第二个应用程序之间的通话。 1.2国内外研究现状 正如上文所提到的，随着极端气候和全球变暖等问题愈来愈备受关注，绿色通信的概念和绿色技术的相继出现[1]，国内外的研究表明无线移动通信系统已经产生了可观的温室气体，在能源消耗日趋紧张的今天，有关通信领域的能耗问题已经引起世界范围内的广泛关注。 就国外而言，国外在通信方面的研究历史比国内的早，很多领域的研究是领先于国内的。例如电气和电子工程师协会(IEEE)所研究的内容均是处于世界的最顶端，欧盟第七研发框架(FP7)项目、Mobile VCE-Core 5的绿色无线电项目文献[2]均是研究绿色通信的前沿，英国皇家工程院的 一名教授基于绿色无线通信系统的设计提出了 5 文华学院毕业设计(论文) b/TENU功率效率的概念[3]。 就国内而言，中国是世界上最大移动通信市场所在地，这为移动通信的研发提供了很好的平台，也为移动通信的产业化提供了潜在的机遇。在移动通信方面，北京海淀区的高校云集，具有很强的科研实力;中关村内通信方面的研究人员更是人才济济;在武汉市光谷地区也是在致力于打造成中国的硅谷;烽火通信以及三大电信运营商等一系列的高科技企业，特别是中国移动公司的C-RAN计划在无线通信方面的研究在国内也是占据领先位置。此外，华为、中兴、大唐等企业近年来在无线通信方面所取得的成绩也是颇为不俗。这些高校、企业在通信方面的研究正在逐渐的成为引领世界的潮流。 1.3全文篇章结构 第二章是系统模型，全章分为三个部分。第一部分建立蜂窝网中单小区结构模型，确定单小区中基站、中继以及中继的覆盖范围之间的关系;第二部分在单小区的基础上建立跨小区多跳结构模型，并给出了多种典型的传输方式;第三部分是根据多种不同的传输方式建立多中继节点的系统模型，并在已有的基础上提出了跨小区多跳协作中继的选择方案。全章的重点是后面两个部分。 第三章是系统仿真，全章分为两个部分。第一个部分是算法仿真设置，主要是对算法中的一些参数进行设置。第二部分是算法仿真结果及性能分析，分析仿真结果并得出结论。 第四章是对全文研究结果作陈述和总结,以及对未来研究的展望。 6 文华学院毕业设计(论文) 第2章 系统模型 2.1 网络最大流算法 现在想将一些物资从S运抵T，必须经过一些中转站。连接中转站的是公路，每条公路都有最大运载量。每条弧代表一条公路，弧上的数表示该公路的最大运载量。最多能将多少货物从S运抵T, 这是一个典型的网络流模型。为了解答此题，我们先了解网编流的有关定义和概论。 若有向图G=(V,E)满足下列条件: 1.有且仅有一个顶点S，它的入度为零，即d-(S)=0，这个顶点S便称为源点，或称为发点。 2.有且仅有一个顶点T，它的出度为零，即d+(T)=0，这个顶点T便称为汇点，或称为收点。 3.每一条弧都有非负数，叫做这条边的容量。边(vi,vj)的容量用cij表示。 则称之为网络流图，记为G=(V,E,C)。 可行流 对于网络流图G，每一条弧(i,j)都给定一个非负数fij，这一组数满足下列三条件时de 称为这网络的可行流，用f表示它。 1.每一条弧(i,j)都有fij<Cij 2.流量平衡 除了源点S和汇点T之外的所有点vi，恒有:?j(feij)=?k(fjk)，该等 式说明中间点vi的流量守恒，输入与输出量相等。 3.对于源点S和汇点T有，?i(fSi)= ?j(fjT)=V(f) 可增广路 给定一个可行流f={fij}。若fij=Cij，称<vi,vj>为饱和弧;否则称<vi,vj>为非饱和弧。若fij=0，称<vi,vj>为零流弧;否则称<vi,vj> 为非零流弧。 先定义一条道路P，起点是S，终点是T。把P上所有与P方向一致的弧定义为正向弧，正向弧的全体记为P+;把P上所有与P方向相悖的弧定义为反向孤，反向弧的全体记为P-。 譬如在图中，P={S,V1,V2,V4,T}，那么 P+={<S,V1>,<V1,V2>,<V2,V3>,<V4,T>}， P-={<V4,V3>} 7 文华学院毕业设计(论文) 给定一个可行流f，P是从S到T的一条道路，如果满足:fij是非饱和流，并且<i,j>? P+，fij是非零流，并且<i,j>?P-，那么就称P是f的一条可增广路。之所以称作“可增广”，是因为可改进路上弧的流量通过一定的规则修改，可以令整个流量放大。 剩余图 剩余图G’=(V,E’)，流量网络=(V,E)中，对于任意一条边(a,b)，若 flow(a,b)<capacity(a,b) or flow(b,a)>0，则(a,b)?E’。(可以沿着aàb方向增广。 剩余图的权值代表能沿边增广的大小 图1 有向图和剩余图 割切 G={V,E,C}是已知的网络流图，设U是V的一个子集，W=V\U，满足S?U，T?W。即U、W把V分成两个不相交的集合，且源点和汇点分属不同的集合。 对于弧尾在U，弧头在W的弧所构成的集合称之为割切，用(U,W)表示。把割切(U,W)中所有弧的容量之和叫做此割切的容量，记为C(U,W)，即: C(U,W)=C1+C2+C3+……+CN 切割示例 8 文华学院毕业设计(论文) 图 2 切割示例 流量算法的基本理论 定理1:对于已知的网络流图，设任意一可行流为f，任意一割切为(U,W)，必有:V(f)<C(U,W). 定理2:可行流f是最大流的充分必要条件是:f中不存在可改进路。 定理3:整流定理。 如果网络中所有的弧的容量是整数，则存在整数值的最大值。 定理4:最大流最小割定理 最大流等于最小割，即maxV(f)=minC(U,W)。 求最大流有一种经典的算法，就是每次找增广路时用BFS找，保证找到的增广路是弧数最少的，也就是所谓的Edmonds-Karp算法。可以证明的 是在使用最短路增广时增广过程不会超过V*E次，每次BFS的时间都是;O(E)，所以Edmonds-Karp的时间复杂度就是O(V*E^2)。 如果能让每次寻找增广路的时间复杂度降低下来，那么就能够提高算法效率了，使用距离标号的最短增广路算法就是这样的。所谓距离标号，就是某个点到汇点的最小的弧的数量(另外一种距离标号是从源点到该点的最小的弧的数量，本质上没有什么区别)。设点i的标号为D[i]，那么如果将满足D[i]=D[j]+1的弧称为允许弧，且增广时只走允许弧，那么就可以达到“怎么走老师最短路”的效果。每个点的初始标号可以在 9 文华学院毕业设计(论文) 一开始用一次从汇点沿所有的反向边BFS求出，实践中可以初始设全部点的距离标号为0，问题就是如何在增广过程中维护这个距离标号。 维护距离标号的方法是这样的:当找增广路过程中发现某点出发没有允许弧时，将这个点的距离标号设为由它出发的所有弧的终点的距离标号的最小值加一。维护这个距离标号的方法的正确性我就不证了。由于距离标号的存在，由于“怎么走都是最短路”，所以就可以采用DFS找增广路，用一个栈保存当前路径的弧即可。当某个点的距离标号被改变时，栈中指向它的那条弧肯定还是允许弧了，所以就让它出栈，并继续用栈顶的弧的端点增广。为了使每次找增广路的时间均摊成O(V)，还有一个重要的优化是对于每个点保存“当前弧”:初始是当前弧是邻接表的第一条弧;在邻接表中查找时从当前弧开始查找，找到了一条允许弧，就把这条弧设为当前弧;改变距离标号时，把当前弧重新设为邻接表的第一条弧，还有一种在常数上有所优化的写法是改变距离标号的时把当前弧设为那条提供了 最小标号的弧。当前弧的写法之所以正确就在于任何时间，我们都能保证在邻接表中当前弧的前面肯定不存在允许弧。 还有一种常数优化是在每次找到路径并增广完毕之后还要将路径中的所有的顶点退栈，而是只将瓶颈边以及之后的边退栈，这是借鉴了Dinic算法的思想。注意任何时间待增广的“当前点”都应该是栈顶的点的终点。这的确只是一个常数优化，由于当前边结构的存在，肯定可以在O(n)的时候内复原路径中瓶颈边之前的所有边。 2.2网络模型及假设 考虑一个大规模的无线移动融合网络，在某个时刻网络中所有TX节点的位置分布满足参数为A的齐次泊松点过程(PPP)，记作M(A)={X ?R ，i E Z+}，其中X ?R 表示发射节点 在二维平面上的位置。当所有节点均是独立的并且均匀分布在网络平面上，并且网络中的节点具有取代性和存在大量移动性时，用齐次泊松点过程对发送终端节点位置的假设是合理的。为了评估网络中其他发射节点(TX)对某一个接收节点(RX)造成的干扰，任选一个作为参考发射节点，记为Tx。，将其对应的接收节点，记为RX ;根据Palm分布及随机几何中的Slivnyak定理 ]，将整个泊松点过程进行移动，使得参考RX。处于原点处，而此时平面上TX的条件分布仍服从于具有相同强度的齐次泊松点过程[6]。假设网络是无穷大并且是各向同性的，因此处于中心的参考RX 受到的干扰性能可以代表节点平均性能，网络模型如图1所示。 10 文华学院毕业设计(论文) 图2-1 网络模型 假设每个时刻网络中所有的TX节点均采用统一频率发射信号，因此对每个RX而言，只有其对应的TX发射的信号才为有用信号，而其他TX的发射的信号则为干扰信号。使用l置l表示第 个TX距离原点处参考RX。的距离，假定所有的TX均采用单位发射功率，并且每个TX与其对应的RX之间的距离 u 服从如下分布 Fu(r)? 可以表示为: r2?1?12m，1?r?rm (1) 本文考虑大尺度路径损耗和小尺度瑞利衰落信道模型，则参考接收机处的干扰功率 I?(?)? ie?()??hXi??i (2) 其中，I为路径损耗因子，h 为瑞利信道功率衰落因子，并且服从于均值为1的指数分布，即h—exp(1) 对于干扰受限的移动融合网络而言，由于其系统背景噪声在网络设计中通常为一定值，因此，同文献[11]，忽略背景噪声进行分析网络性能，将RX。处的信干噪比(SINR)用信干比(SIR)进行替代，则参考接收机RX。处的SIR表示为: SIR(?)?I?0?? (3) ?() 定义系统的中断概率为SIR低于某一门限P的概率，表示为: p out(?)?Pr(SIR(?)??) (4) 11 文华学院毕业设计(论文) 2.3 信道跟踪模型 我们考虑M×?的V—BLAS系统，其中M味发射天线数，N为接收天 线数，在频率选择性时变衰落信道下，接收信 号可表示为 Y(k)=H(k)x(k)+n(k) (1) 其中Y(k)=[Y，(k)y2(k)?Y (k)] 表示k时刻接收到的信号矢量， (k)=[ ， (k)x:(k)? (k)] 表示k时刻发送的信号矢量，H(k)表示N×M的信道矩阵， rt(k)表示k时刻接收天线上的加性高斯白噪声，它满足E[rt(k)rt (k)]= Y 时变平坦衰落信道中的V—BLAST发送和自适应均衡接 收系统如图1所示。则进行信道跟踪的滤波器输出为: x(k)?Qu(k) (2) 其中，Q为M ×N信道跟踪滤波器系数矩阵，u(k)=Y(k) 为滤波器输入。 图2-2 V-BLAST发送和信道接收系统框图 根据文献[6]，可将自适应RLS信道跟踪算法表示如下，每个时刻，接 收一个数据矢量后，可采用如下方法更新信道跟踪滤波器系数矩阵Q k(k)?P(k?1)u(k) ??u(k)P(k?1)u(k)H (3) H?(k)?Q(k?1)u(k))k(k) (4) Q(k)?Q(k?1)?(x P(k)??P(k?1)??k(k)u(k)P(k?1) (5) ?1?1 若将算法表示为各个子流的方式，则(4)式变为 qm(k)?q(k?1)?(x?m(k)?q(k?1)u(k))k(k) (6) Hmm 12 文华学院毕业设计(论文) . 图5 基于RLS算法的信道跟踪器 在上面RLS信道跟踪算法中(6)式可以看出，MIMO系统接收端各个子流是独立通过M个滤波器检测出的，因此子流之间存在着干扰。为了提高性能，本文提出一种新的基于RLS算法的信道跟踪算法，在每一级子流中用自适应滤波器计算干扰对消系数并消除已检测出的子流的干扰，如图2所示。其中，每个MIMO RLS干扰对消滤波器的细节如图3所示。与一般的子流干扰对消方法不同的是，本文提出的方法不需要先估计出信道传输矩阵来计算干扰对消系数，而是将干扰对消系数等效为加长的滤波器中的新增参数，使之能根据输入数据自适应的变化以跟踪时变信道。具体推导过程如下: 对第m个子流，由于1一m一1个子流已经解出，所以可以通过如下表达式消除已解出的前m一1个子流的干扰。 其中，(H(k)) 表示k时刻，信道参数矩阵的第i列。滤波器输出结果为 将(7)代入(8)， 得， 13 文华学院毕业设计(论文) (9) 由(9)式可以看出，带干扰对消的长度为?的RLS滤波器可以等效为长度为N+m一1的新的滤波器，而干扰对消系数则作为新增的滤波器系数，相应的各个已检测出的子流作为滤波器的新增输入。所以，对第m个子流，自适应RLS干扰对消信道跟踪算法可更新表示为: 其中为N+m-1维的列矢量，后m一1项为已检测的前m一1个子流的硬判结果，(k)为?+m一1维行矢量，表示第m路子流的滤波器系数。 第3章 系统仿真 3.1最大流算法仿真 本节考虑用Matlab仿真实验来验证推导结果的正确性，并对结果进行分析。网络参数设置为:路径衰落因子α=4，最大链路传输距离r=10 In，SIR门限β =15 dB。图3是中断概率关于TX密度A的曲线图。通过比较，可以得到与前文分析相同的结论:当TX密度A趋近于0，中断概率的渐近表达式得到的近似值与Monte Carlo仿真值、精确表达得到的精确值几乎重合，因此在此情况下可以把渐近表达式的分析结果看作精确结果的有效近似值。而当A增大时，渐近表达式的近似值曲线与Monte Carlo仿真值曲线、闭合表达式的精确值曲线的误差越来越大。由此可见，中断概率与TX密度A成正比，它的近似值与仿真值、精确值之间的误差与TX密度A成正比。 14 文华学院毕业设计(论文) 图3-1 图4是传输容量关于最大中断概率 的曲线图。如图4所示，当最大中断概率 趋近于0时，传输容量的渐近表达式得到的近似值曲线与其数值分析得到的精确值曲线、仿真值曲线几乎重合。但是当最大中断概率 增大时，近似值与精确值、仿真值之间的差异越来越大，这与前文分析的结论是相同的。由此可见，当最大中断概率8比较小时，渐近闭合表达式的近似结果可以替代数值分析的精确结果，当网络参数确定后，通过渐近表达式可以得到网络传输容量与各个参数之间的关系。 图3-2中断概率密度曲线 3.2信道跟踪模型仿真 为验证本文提出的新的RLS—IC信道跟踪算法的性能，我们进行了蒙特卡罗仿真。仿真系统为2 x4的V—BLAST系统，各子流调制方式为QPSK，RLS算法中参数A =0(95，数据块大小为500个采样点。信道采用JAKES模型，参数满足E(h(n,m)=1、平均接收信噪比定义为SNR:10logf—f了T l，其中P 为发射端、or。， ?的总发射能量。仿真共在两种信道变化速度下进行，一种是fd,fs=1,500，一种是fd,fs=1,1000。其中 表示最大多普勒频偏fs表示采样速度。图4的最上面两条曲线是准静态信道下的最小二乘(Ls)信道估计方法，记为MIMO—LS，在一个数据块的前部利用导频序列估计信道，然后利用信道估计参数进行干扰对消并检测发送数据。从图中可以看出，这种方法在时变信道下几 15 文华学院毕业设计(论文) 乎完全不能使用。而本文提出的方法可以自适应跟踪信道变化，节省 训练序列开销。图4给出了平坦衰落信道情况下RIS—IC信道跟踪算法和基本RLS信道跟踪算法的误符号性能比较，从图中可以看出，在不同信道变化速度(fd,fs=500，fd,fs=1000)情况下，无论低信噪比还是高信噪比，RLS—IC信道跟踪算法都能比RLS算法提供更好的误符号性能。 图3-3 仿真结果 16 文华学院毕业设计(论文) 第4章 结论 4.1全文研究结果及总结 本文考虑实际的通信环境:实际的数据传输速率及可变的链路传输距离。假设网络中的TX节点位置服从齐次泊松点过程，运用随机几何理论推导了瑞利衰落信道下中断概率的精确表达式及渐近表达式、传输容量的渐近表达式，并用仿真实验验证了其推导结果的准确性。仿真结果表明:由于实际通信系统通常是一个低中断概率系统，因此传输容量的渐近表达式的分析结果可看作其精确结果的有效近似值，通过渐近表达式，能够更好的体现网络传输容量与网络参数之间的关系，并且实际通信系统中链路传输距离的变化对传输容量性能的影响不大。 在时变平坦衰落信道环境下，本文提出了一种MIMO通信系统中带干扰对消的信道跟踪算法。并推导出去掉子流干扰的信道跟踪滤波器可以等效为一个长度增加，并以已经解出的子流作为增加输入的新的滤波器。仿真结果表明，与已有的跟踪方法相比，本文提出的方法可以更好地跟踪信道变化，节省训练序列开销，同时，可以提高MIMO通信系统的误符号率 性能 网络整体概率连通性(又称概率连通性)是研究通信隈络抗毁性及可靠性的一个重要测度，大部分网络抗毁性和可靠性的研究工作都需要计算该测度。如何有效计算网络概率连通性一直是通信网抗毁牲研究中的一个重要问题。概率连通性指构成网络的部件(一般指节点或链路)在以一定概率失效的情况下，整个网络仍然保持连通的概率。它的计算通常要归结为推导网络的每个可能的状态。这一问惩已被证明是一个NP困难问题 ，现有的算法如factoring算法 ，Buzacott算法 运算量都很大，只能分析中小规模网络。文献[2]提出的多边形化简方法，把罔络化简成一个包含较少节点和链路的等效网络，然而这种化简的目的是减小等效网络的状态空间，最终仍然需要计算等效网络的连通概率。 4.2未来研究展望 回顾过去的几十年，无线通信技术取得了飞跃的发展，为人类的文明进步做出了积极贡献。在技术发展的同时，所暴露出来的问题也是层出不穷，多种通信网络间的不兼容性，网络资源浪费日趋严重等等。展望未来的几十年，无线网络的能效优化将会越来越受关注，更多合理的无线网络能效的优化和评估体系将会建立，可大大降低无线网络的能量消耗，实现无线网络的绿色通信。同时各无线通信技术有望更加绿色化，多种无线通信网络能够互补兼容，频谱的能够得到更为高效的利用。目前，国内外有许多专家学者研究绿色通信技术，也提出过一些关于无线通信能效优化的方案，也初步建立了一些关于无线网络能效的优化评估体系，但从整体上看，依旧只是小荷才露尖尖角。此外，虽然研究通过基站选择性休眠来节 省课题很多，但大多是处于理论状态，是应用于实际的过程中还是有许多 问题有待解决的。相信在不久的将来，这些问题都会得到解决，各 17 文华学院毕业设计(论文) 种无线通信网络优化方案将会由理论应用于实践，各种无线通信网络 优化方案将会呈现出百家争鸣的态势。绿色通信和全球个人通信将是通信 领域为之奋斗的目标，最终也将会实现这一目标，哪怕现在还有许多问题 亟待进一步研究与优化，人类的智慧足以征服这些困难。 。 18 文华学院毕业设计(论文) 参考文献 [1] Predictive LMS for Mobile Channel Tracking, Journal of Applied Sciences 5 (2): 337-340, 2005 ISSN 1812-5654 2005 Asian Network for Scientific Information [2] Mrutyunjaya Panda ， Modeling Radio Channels for CSMA-MAC based Wireless Sensor Networks，International Journal of Computer Applications, 2010, Vol.9 (6), pp.6 [3] Tomonari Sei， Infinitely imbalanced binomial regression and deformed exponential families Journal of Statistical Planning and Inference, 2014 [4] Dennis Hagedorn， Gibbs states over the cone of discrete measures， Journal of Functional Analysis, 2013, Vol.264 (11) [5] Evaluating MAPSec by marking attack graphs，Wireless Networks, 2009, Vol.15 (8), pp.1042-1058 [6] W. Simpson , The Point-to-Point Protocol (PPP) [S],2012.7 [7] W. Richard Stevens(著)[M] TCP/IP 详解，卷1; 北京: 机械工业出版社， 2011 [8] Bishop,R,Intelligent vehicle application worldwide.IEEE Intelligent Systems,Volume 15 Issue 1,Jan,-Feb.2009 [9] Global optimization method for solving the minimum maximal flow problem, Optimization Methods and Software, 2003, Vol.18 (4) [10] 王智森，室内环境下短距离无线信道统计特性的研究，模式识 别与智能系统，2013. [11] 徐茂格，松耀良，一种新颖的无线信道跟踪方案 [12] 刘夫祥，景志宏，泊松点过程的若干大偏差估计，空军工程大 学电讯工程学院，2008.1 [13] 胡晗，朱洪波，朱琦，基于随机几何理论的无线Ad Hoc网络传 输容量分析，南京邮电大学学报(自然科学版)，2013.4.27 [14] 罗长远，宋玉龙，高瞻瞻，固定航线的航空自组网连通性研究， 通信学报，2014.9.25 [15] 孟晓菀，网络最大流算法与应用研究，南京邮电大学，2014.4. 19 文华学院毕业设计(论文) 致 谢 弹指一挥间，大学四年随着毕业论文的完稿就要宣告结束了。岁月匆匆，即将和这里的良师益友离别了。此时此刻，纵有万千思绪涌入心头亦是无以言表。在此谨向所有帮助过我的人由衷的说一声谢谢～ 首先，我要感谢我的导师王丽君老师，王老师的言传身教引发了我对无线通信的浓厚兴趣和钻研的热情，对我以后的读研有着深刻的影响，她是我在这一领域的引路人和灯塔。面对论文题目的不理解，面对查阅资料的困惑，面对论文思路的杂乱无章，面对写论文陷入难题，面对仿真时的迷茫，面对这些从未面对过的困难时，王老师都是细心又耐心的为我讲解，甚至很多时候是牺牲她自己的午休时间，让我很受感动。不仅如此，王老师严谨踏实的治学之道、谦逊宽和的行事风格、只争朝夕的工作热情和积极进取的人生态度更是深深的感动我，潜移默化的影响和引导我，让我终身受益。在此我想对亦师亦友的王老师说声辛苦了～ 其次，我要感谢小组成员，我们的小组一直以来都是团结、互帮互助、资料共享、有着积极向上的学习氛围的团体。你们扎实的专业知识、别具一格的创新精神是我学习的榜样，和你们一起讨论让我获益匪浅。正是由于你们的帮助，才会有我今天的进步，从你们身上所散发出来的闪光点，我看到了你们的未来。 最后，要深深感谢我的父母，感谢他们对我的理解和支持，使我顺利地完成这四年的学业。他们陪伴我走完了这段难忘的求学路程，是我精神和经济上的支柱。感谢他们将养育我成人，感谢他们在24年中为我所付 出的一切。 还有许多值得感激的人和事，纸短情长，往事历历，难尽形诸笔墨，千丝万缕，一切尽在不言之中。文华这四年的岁月和情谊将永留我心中。 20 文华学院毕业设计(论文) 附录 Matlab仿真代码:各参数设置同上文表3-1，其中x表示的是源节点最优发射功率Ps，y表示的是'目的节点信噪比。 图3.1 x=-5:0.5:20; y1=x./(x+9); y2=2*x./(x+9); y3=6*x./(x+9); plot(x,y1,'-*',x,y2,'-o',x,y3,'-+') grid on; xlabel('源节点最优发射功率Ps(dBW)') ylabel('目的节点信噪比S/N(dB)') legend('L=M=1','L=M=2','L=M=3','Locati on','SouthEast') title('目的节点信噪比和源节点最优发射功率关系') 各参数设置同上文表3-2，其中x表示的是源节点最优发射功率Ps，y 表示的是'目的节点信噪比。 图3.2 x=-5:0.5:20; y1=5*x./(2*x+12); y2=5*x./(x+6); y3=10*x./(x+6); plot(x,y1,'-*',x,y2,'-o',x,y3,'-+') grid on; xlabel('源节点最优发射功率Ps(dBW)') ylabel('目的节点信噪比S/N(dB)') legend('L=M=1','L=M=2','L=M=3','Locati on','SouthEast') title('目的节点信噪比和源节点最优发射功率关系') 各参数设置同上文表3-2，其中x表示的是源节点最优发射功率Ps，y小区I内中继协作效率。 图3.3 x=-5:20; y1=(x-9)./10; y2=2*(x-9)./10; y3=3*(x-9)./10; plot(x,y1,'-*',x,y2,'-o',x,y3,'-+') grid on; xlabel('源节点最优发射功率Ps(dBW)') ylabel('小区I内中继协作效率') legend('L=M=1','L=M=2','L=M=3','Locati on','SouthEast') title('小区I内中继协作效率和源节点最优发射功率关系') 21