移动通信系统的中断概率性能预测方法技术方案

本发明专利技术公开了一种移动协作通信系统的中断概率性能预测方法，基于多发多收和混合译码放大转发协作通信技术，建立移动协作通信系统模型，选择最佳移动中继节点，在移动信源至最佳移动中继节点链路的信噪比大于信噪比门限时采用译码转发策略将移动信源信号转发至目的端，小于时则采用放大转发策略转发至目的端，进而给出两种发射天线选择方案，分别推导其移动协作通信系统的中断概率的闭合表达式，并分别使用神经网络对移动通信物理层中断概率性能进行了智能预测，与现有的极限学习机、局部加权线性回归、支持向量机、广义回归神经网络和径向基函数神经网络等方法进行了比较，取得了更好的中断概率性能预测效果。

【技术实现步骤摘要】
移动通信系统的中断概率性能预测方法
本专利技术属于移动通信
，具体地说，是涉及一种移动通信系统的中断概率性能预测方法。
技术介绍
近年来，随着第五代移动通信技术的发展，多用户移动协作通信受到了广泛的关注；伴随着移动物联网业务的发展，移动用户的数量呈爆炸性增长。移动用户对无线传输的数据速率和服务质量的要求在不断提高，而移动通信在很多复杂多变的通信环境中(如室内、城市高楼周围)，面临着信道状态快速变化、天线阵列波束成形目标定位困难等问题，这给研究人员带来了技术挑战。因此，在复杂多变的移动通信环境中，使得更多用户能够同时接入网络，进一步提升系统数据传输的容量，成为5G移动通信技术面临的关键问题。大规模多发多收(multipleinputmultipleoutput，MIMO))技术和协作分集是提高通信系统性能的有效方法；现有技术中的系统性能和资源分配研究都是针对Rayleigh、Nakagami等传统信道建立了分析模型，但是，复杂多变的通信环境给多用户通信带来了巨大挑战，Rayleigh、Nakagami等传统信道不能有效表征复杂多变的移动通信环境。
技术实现思路
本专利技术的目的在于提供一种移动通信系统的中断概率性能预测方法，基于N-Nakagami信道能够更全面地表征移动通信信道衰落特征、也更符合实际移动通信环境的特点，在N-Nakagami信道下利用MIMO和混合译码放大转发(hybriddecode-amplify-forward,HDAF)协作通信技术，建立移动协作通信系统模型，研究了移动协作通信系统的中断概率性能，并针对两种发射天线选择方案分别推导了系统中断概率的闭合表达式，基于神经网络给出了一种相比现有技术的预测性能更好的中断概率性能预测方法。本专利技术采用以下技术方案予以实现：提出一种移动协作通信系统的中断概率性能预测方法，包括：建立移动协作通信系统模型；选择最佳移动中继节点MR，在移动信源MSi至最佳移动中继节点MR链路的信噪比γSRi大于信噪比门限γT时采用译码转发策略将移动信源的信号转发至目的端MDj；在移动信源MSi至最佳移动中继节点MR链路的信噪比γSRi小于信噪比门限γT时采用放大转发策略将移动信源的信号转发至目的端MDj；选择最佳发射天线使目的端MDj的接收信噪比最大；在γth>γT时，推导最佳发射天线的中断概率的闭合表达式为：其中，Nt为发射天线数，Nr为接收天线数，γth为安全中断阈值，m为衰弱系数，N为衰弱因子，Ω＝E(|a|2),E()表示求均值运算；G[·]表示Meijer’sG函数；γSCC为最佳移动中继节点采用放大转发策略将移动信源的信号转发至目的端MDj的接收信噪比，γSC为最佳移动中继节点采用译码转发策略将移动信源的信号转发至目的端的接收信噪比，γup为经过最佳移动中继节点的协作链路的接收信噪比的上限值；采用神经网络对中断概率性能进行预测。进一步的，所述方法还包括：选择次最佳发射天线使移动信源至目的端的直接链路的接收信噪比最大；在γth>γT时，推导次最佳发射天线的中断概率的闭合表达式为：其中，采用神经网络对中断概率性能进行预测。进一步的，所述最佳中继节点的选择条件为：其中，γSRil表示移动信源MSi至移动中继节点MRl链路的信噪比。进一步的，在移动信源MSi至最佳移动中继节点MR链路的信噪比γSRi小于信噪比门限γT时采用放大转发策略将移动信源的信号转发至目的端MDj时，推导目的端MDj的接收信噪比γSCCij＝max(γSDij,γSRDij)的上限值为：γupij＝min(γSRi,γRDj)，以使得目的端MDj的接收信噪比表示为γSCCAij＝max(γSDij,γupij)；其中，γSRDij表示经过最佳移动中继节点的协作链路的接收信噪比：进一步的，所述采用神经网络对中断概率性能进行预测之前，包括训练神经网络的步骤，具体包括：基于推导的中断概率的下界闭合表达式确定影响中断概率性能的信道参数；以信道参数为神经网络输入，以仿真理论值为输出，训练神经网络。进一步的，所述神经网络为BP神经网络。进一步的，所述信道参数包括：衰弱系数、衰弱因子、通信链路的位置增益、功率分配系数、安全中断阈值和平均信噪比。与现有技术相比，本专利技术的优点和积极效果是：本专利技术提出的移动协作通信系统的中断概率性能预测方法，在N-Nakagami信道下利用MIMO和混合译码放大转发协作通信技术，建立移动协作通信系统模型，研究了移动协作通信系统的中断概率性能，并针对两种发射天线选择方案分别推导了系统中断概率的闭合表达式，最后基于神经网络对移动通信系统的中断概率性能进行了智能预测，与现有的极限学习机、局部加权线性回归、支持向量机等方法进行了比较，取得了更好的性能预测效果。结合附图阅读本专利技术实施方式的详细描述后，本专利技术的其他特点和优点将变得更加清楚。附图说明图1为移动通信系统架构示意图；图2为本专利技术提出的移动通信系统的中断概率性能预测方法的方法流程图；图3为本专利技术提出的BP神经网络的架构示意图；图4为本专利技术提出的移动通信系统的中断概率性能预测方法中理论值性能的下界与发射天线数的关系仿真示意图；图5为本专利技术提出的移动通信系统的中断概率性能预测方法中神经网络的预测效果图；图6为本专利技术实施例中使用BP神经网络的预测效果图；图7为本专利技术实施例中BP神经网络的AE图示；图8为现有技术中的极限学习机算法的预测效果图；图9为现有技术中的极限学习机的AE图示；图10为现有技术中的支持向量机算法的预测效果图；图11为现有技术中的支持向量机的AE图示；图12为现有技术中的径向基函数神经网络算法的预测效果图；图13为现有技术中的径向基函数神经网络的AE图示；图14为现有技术中的广义回归神经网络的预测效果图；图15为现有技术中的局部加权线性回归算法的AE图示。具体实施方式下面结合附图对本专利技术的具体实施方式作进一步详细的说明。首先，如图2所示，步骤S1：基于多发多收和混合译码放大转发技术，建立移动协作通信系统模型。如图1所示，给出了移动协作通信系统模型，该系统包括一个移动信源MS，多个移动中继节点MR，一个目的端MD，工作在半双工模式下，通信信道是N-Nakagami信道。MS有Nt根发射天线，MD有Nr根接收天线，MR使用1根天线。定义h＝hg,g∈{SR,SD,RD},表示MS→MR，MS→MD，MR→MD链路的信道增益；MS和MR的发射总功率表示为E；为了表示MS、MR与MD的相对位置，分别用VSR,VSD,VRD表示MS→MR，MS→MD，MR→MD链路的位置增益；VSD＝1。在两个时隙内，系统的发射总功率是E，K为功率分配系数。MS的第i根发射天线表示为本文档来自技高网...

【技术保护点】
1.一种移动协作通信系统的中断概率性能预测方法，其特征在于，包括：/n建立移动协作通信系统模型；/n选择最佳移动中继节点MR，在移动信源MS

【技术特征摘要】
1.一种移动协作通信系统的中断概率性能预测方法，其特征在于，包括：
建立移动协作通信系统模型；
选择最佳移动中继节点MR，在移动信源MSi至最佳移动中继节点MR链路的信噪比γSRi大于信噪比门限γT时采用译码转发策略将移动信源的信号转发至目的端MDj；在移动信源MSi至最佳移动中继节点MR链路的信噪比γSRi小于信噪比门限γT时采用放大转发策略将移动信源的信号转发至目的端MDj；
选择最佳发射天线使目的端MD的接收信噪比最大；
在γth>γT时，推导最佳发射天线的中断概率的闭合表达式为：

其中，




Nt为发射天线数，Nr为接收天线数，γth为安全中断阈值，m为衰弱系数，N为衰弱因子，Ω＝E(|a|2),E()表示求均值运算；G[·]表示Meijer’sG函数；γSCC为最佳移动中继节点采用放大转发策略将移动信源的信号转发至目的端的接收信噪比，γSC为最佳移动中继节点采用译码转发策略将移动信源的信号转发至目的端的接收信噪比，γup为经过最佳移动中继节点的协作链路的接收信噪比的上限值；
采用神经网络对中断概率性能进行预测。


2.根据权利要求1所述的移动通信系统的中断概率性能预测方法，其特征在于，所述方法还包括：
选择次最佳发射天线使移动信源至目的端的直接链路的接收信噪比最大；
在γth>γT时，推导次最佳发射天线的中断概率的闭合表达式为：



其中，






采用神经网络对中断概率性能进行预测。

【专利技术属性】
技术研发人员：徐凌伟，陶冶，黄玲玲，王景景，权天祺，王涵，于旭，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：山东;37