一种面向空地通信的非正交信道建模与分布式决策方法与流程
本发明涉及空地通信,具体涉及一种面向空地通信的非正交信道建模与分布式决策方法。
背景技术:
1、随着无人机技术的迅速发展,大规模部署的通信节点显著改变了现代城市与战场的通信格局。然而,密集节点带来的频谱资源竞争与邻道干扰问题日益严峻,而传统的正交信道数量稀少,难以满足大量节点的通信需求,导致网络容量受限、通信质量恶化。在传统的无线通信系统中,两个信道之间需要有足够的频谱间隔以避免邻道干扰,这样的信道称为正交信道。然而,在网络密集的情况下,相邻节点往往难以分配到不同的正交信道,进而导致同信道干扰的增加,严重影响通信质量。在此情况下,合理利用部分重叠信道可以增加并行传输链路数量,提高频谱资源复用,从而提升网络容量。
2、然而,当前非正交信道传输机制存在局限。一方面,多数模型基于理想化假设,未能准确刻画路径损耗等现实环境因素对通信距离和干扰的实际影响,导致性能预测与实际情况偏差较大。另一方面,现有高效的信道选择算法多依赖集中式架构,在缺乏信息交互的分布式集群场景中适应性不足;而已有的分布式算法在性能收敛速度上仍有差距,难以满足高密度网络实时、高效的资源分配需求。
3、因此,如何针对复杂的真实传播环境进行场景建模,并开发出适用于大规模集群、无需信息交互的高效分布式信道选择策略,是当前提升空地通信网络通信能力的关键挑战。
技术实现思路
1、有鉴于此,本发明提供了一种面向空地通信的非正交信道建模与分布式决策方法。本发明对真实场景下的路径损耗进行建模,模型根据无人机的飞行特点,可以很好地量化反射和衍射导致信号的传输衰减,基于非正交信道的概率视距建立了通信模型。在此基础上,本发明提出了同步学习算法来优化分布式信道接入策略,通过异构学习率和适当的动作保持概率来减少系统干扰,提高网络吞吐量,能更有效地适应通信要求,从而确保在用户密集的环境中系统性能稳定。
2、为达到上述目的,本发明的实施例提供的面向空地通信的非正交信道建模与分布式决策方法其技术方案包括如下步骤:
3、步骤1,构建空地通信网络概率视距通信模型,基于场景的环境参数以及各节点的仰角计算视距链路概率。
4、步骤2,通过计算视距链路概率下的平均路径损耗计算每个节点的加权干扰距离,构建不同信道间隔下视距链路概率与干扰距离的关系,针对每个用户划分干扰用户集,构建优化目标为:从干扰用户集中寻找最优的信道选择组合使得网络中的累积干扰最小。
5、步骤3,对网络中的每个节点的信道选择进行初始化,设置迭代次数,计算当前迭代中的效用函数。
6、步骤4, 第i+1迭代周期中,网络对信道选择进行探索更新,节点按照概率进行信道选择更新,并计算这个迭代中的效用函数。
7、步骤5,比较节点在迭代周期内的信道选择与上个迭代周期的信道选择是否相同,相同则返回步骤4;不同则进入步骤6。
8、步骤6,第i+2迭代周期中,网络对信道选择进行学习更新,节点按照概率进行信道选择更新,并计算这个迭代中的效用函数。
9、步骤7,将i+2赋值给i,重复步骤4-6直到全网策略收敛。
10、进一步地,步骤1中的构建的空地通信模型,其中通信链路是los链路的概率为;其中:,是环境参数;是地面设备和无人机之间形成的仰角。
11、通信链路是nlos链路的概率应为。
12、优选地,的计算公式如下:
13、
14、其中:表示无人机的高度,表示地面设备和无人机间的3d距离。
15、进一步地,步骤2中的动态干扰距离模型,通过计算视距链路概率下的平均路径损耗计算每个节点加权干扰距离。
16、其中los链路和nlos链路下的路径损耗为,单位为db,表示地面设备和无人机之间的三维距离,表示电磁波频率,为光速,和分别表示los链路下和nlos链路下的额外路径损耗,由环境决定。
17、考虑基于链路概率的统计模型,无线信号在传播过程中的平均路径损耗计算公式如下:
18、
19、在空地场景下,节点通信的信号不低于门限阈值;是通信链路中的信号与干扰加噪声比,计算公式为,则不构成干扰下的路径损耗应满足为,即;则无线信号在传播过程中的干扰距离计算公式如下:
20、
21、记两用户选择的信道编号为分别为和,那么和之间的信道距离为
22、
23、定义为信道距离为时吞吐量归一化因子为0.5的距离范围,当两个用户之间的距离小于时,则二者的吞吐量归一化因子为0.5;当两个用户之间的距离大于时,吞吐量归一化因子保持为1。
24、对于给定的传输速率,记有效的传输距离为,对于特定的传输速率,建立不同信道间隔对应的干扰距离。
25、不同信道距离中视距通信概率与干扰距离的关系。
26、某一用户的归一化吞吐量表示为,其中是干扰:
27、
28、其中是两用户间的物理距离。
29、概率视距通信模型下,用户在仰角下的通信距离为;用户在仰角下的通信距离为;用户和之间的物理距离为,信道距离为,那么,用户和之间的干扰为:
30、
31、其中。
32、同样,用户能获得的归一化吞吐量为,其中是用户受到的累积mac 层干扰。
33、用户集合为,即;对于特定的用户,其受到的干扰由它本身的信道选择和其它相邻用户的信道选择共同决定。
34、信道集为,即;假定用户选择作为通信信道,记用户和之间的信道距离为;记为用户集,中干扰用户的用户的数目,即:
35、
36、其中为指示函数:
37、
38、即若用户和之间的信道距离不大于,则的值取1;否则取0;当所有用户的信道选择组合为时,用户能获得的归一化吞吐量为:
39、
40、其中是用户集中对用户产生干扰的用户数,即
41、
42、所构建优化目标是寻找最优的信道选择组合使得网络中的累积干扰最小,即
43、。
44、进一步地,步骤3中对网络中的每个节点的信道选择进行初始化,即网络中的每个节点在信道集中随机选取信道进行通信,保存每个节点的选择作为迭代次数下的初始化状态;每个认知用户从它的可用信道集中等概率随机选择一个信道。
45、每次迭代包含个连续的时隙,其中代表第次迭代过程中用户成功接入信道的次数;用户能获得的吞吐量为;进一步,用户受到干扰的估值为。
46、用户在每次迭代中获得的效用函数为:
47、。
48、进一步地,步骤4执行探索更新,即在第i+1迭代周期中,网络中的每个节点对信道选择进行探索,节点按照概率进行信道选择更新:
49、
50、其中代表集合的势,即集合的元素个数。
51、设定策略保持概率为:
52、
53、其中,,,为迭代次数。
54、通过对不同用户设置不同的学习参数以实现提升算法的收敛速度;用户的邻居用户的数目为。
55、则当前迭代中的效用函数为:
56、。
57、进一步地,步骤6在前两个迭代周期得到的效用函数的基础上进行学习,即根据两次探索的结果采取波尔兹曼探测更新其信道选择,避免陷入局部最优并提高收敛到全局最优的概率;用户根据下面的规则进行信道更新:
58、
59、其中是学习参数,和分别代表用户在第和个估计周期中获得的函数。
60、每个用户在迭代中获得的效用函数同样通过公式进行估计。
61、有益效果:
62、本发明提出了一种面向空地通信的非正交信道建模与分布式决策方法,在非正交信道研究的基础上,研究一种概率视距通信模型,在概率视距通信带来的路径衰减的基础上,综合考虑用户信道距离和物理距离的映射关系。基于场景的建模,本发明还提出了一种改进的同步max-logit学习算法优化频谱接入策略,通过设置异构学习率以及合适的策略保持概率达到迭代速度和系统性能的最佳均衡。本发明所提出的概率视距通信模型与改进的max-logit学习算法能够实现高效的频谱资源管理,为空地通信网络的设计和优化提供了有力的理论支持。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com