一种渔业分布式通信系统的天线选择算法

高倩 谢鑫刚 张福金

【摘要】 针对海洋渔业环境下通信节点自身资源有限，根据无线传感器网的拓扑结构，提出了一种快速分布式天线选择算法，达到减少用户干扰，均衡网络能耗的目的。实验结果表明，在分布式网络中，所提算法是一种简单可行的分布式MIMO天线选择算法。

【关键字】 无线传感器网 天线选择 MIMO

一、引言

移动ad-hoc网络（MANET）作为一种基本的组网模式，Ad-hoc具有动态拓扑结构，以及节点任意移动性在海洋通信具有一定优势。但是在海洋渔业场景下，移动节点自身资源有限，因此降低节点能量消耗是网络设计的一个首要问题。节点的能量消耗主要包括电路消耗和通信消耗两方面。在实际场景中，能量损耗受环境影响很大。引起通信能量损耗的一个主要因素就是信道的多径，进而引起多径衰落。MIMO技术作为一项利用多径以提高通信能力的热点技术，主要在包括分集和复用两种技术。

考虑海洋渔业通信在分簇拓扑的基础上，建模成能量有效的协作MIMO，主要考虑利用MIMO带来的分集增益。目前研究主要集中在能量消耗模型或编码方案上，并未就具体某个发射簇或接收簇时，让哪些节点参与协作通信，对于协作节点的选择策略也鲜有研究。本文将渔业通信进行建模，进而设计一种虚拟MIMO天线选择算法，以达到节省能量的目的。

二、系统分析

无线传感器源节点收集信息并发送给目标节点，有时需要通过中继节点的转发到达目标节点，中继节点所在的簇也可能收集信息并发送给目标信息。

由源节点或中继节点组成发射簇，目标节点或中继节点组成接收簇。假设簇间通信距离远大于簇内通信距离，由于整个网络能量消耗主要集中在簇间通信，本文只关注簇间通信的能量消耗。假设信道状态信息CSI通过设计发射训练序列的方式可被接收簇获得，接收簇与发射簇之间建立反馈信道，中继节点和目标节点可利用反馈信道传输信息至发射簇。簇间通信链路为平坦锐利衰落，信道矩阵H为均值0方差1的复高斯随机变量。[1]发射簇到每组MIMO天线组的信道矩阵都是相互独立的，其中L组的子信道矩阵为H1，H2，…，HL，而分布式MIMO系统的信道矩阵可以表示为：

基于海洋渔业通信场景下协作MIMO采用发送端一组MIMO天线，接收端为分布式多组MIMO天线，假设各MIMO信道矩阵是相互獨立的，这样各天线组的衰落情况各不相同，假如每次接收端都选择信道好的那组MIMO天线所接收到的信号，这组信号经过接收端的检测后还原发送信号，可提高系统误码性能。

天线选择可依据相关性、信道矩阵范数以及信道补空间投影。由文献[2]可知子信道SNR的大小跟信道伪逆矩阵各行范数的大小成反比例关系，则（M，L，N）系统中，要从接收簇的L个天线组中选择一个天线组，文献[3]中作者用了两种基于范数的MIMO天线选择算法，分别为基于信噪比最大值选择算法，和基于信噪比最差排除算法。

天线选择算法考虑的主要标准有最大信道容量以及最大接收SNR，然而我们由前面的分析可知实际信道容量受天线单元相位变化的影响比受瞬时SNR的影响大，所以最大化SNR并不就等于最大信道容量。

与之不同，我们提出一种基于块对角化的快速分布式MIMO天线选择算法。

三、算法描述

3.1 渔业通信场景分布式MIMO等效为多用户MIMO模型

由前面的分布式MIMO（M，L，N）模型，则系统模型可等效为多用户MIMO系统。

发送端等效为配置M根天线， L个接收MIMO用户，每个用户有N根天线，基站端数据发射前进行了预处理，即传输预处理，然后发送到MIMO信道。b（1）表示Kl×1维并行同时发送给用户l（l=1，…，L）的数据符号向量，数据符号向量经过发送预编码后，输出M维向量，预编码矩阵用M×Kl矩阵TKl表示。

假设信道为平坦衰落，则基站到用户L的信道矩阵Hl各元素为零均值复高斯独立同分布。则用户l的N个天线用来接收Kl数据符号，且接收到的数据符号可表示为N维向量，如下：

3.2天线组的选择方法

1）首先计算每个用户的信道容量Cl=（l=1，…，L）（。

2）其次根据业务容忍度，给出一个信道容量经验值，一般根据吞吐量，误码率等性能折中选择，记为Coff。

3）Coff将C={C1，C2，…，Cl}集合划分为两个子集，大于Coff的放在Cup={}里，小于Coff的放在Cdown={}里。

4）从Cup={}里任选一个Cl与Cup集合中其它元素进行比较，若比较的元素比Cl值小，则将该元素加入Cdown={}，并在Cup={}中去掉该元素；若比较的元素比Cl值大，则将该元素作为参考，将Cl放入Cdown={}中，且从Cup={}中去掉Cl。依次循环此过程，直到Cup={}中仅剩Csl一个元素为止。

5）Csl所对应的第sl个用户即为本次通信所选择的MIMO组。该MIMO组可与基站发射天线组形成点对点的MIMO系统，接收端采用最小均方误差检测、迫零检测或者串行干扰抵消等检测算法检测并还原发送信号。

四、分布式MIMO天线组选择仿真分析

系统仿真分析中，发送端有4根天线，接收簇天线组（即用户数）设为4，每个用户的天线数相等，均为4，且各用户间距离足够远，从而每个用户子信道相互独立。本节仿真中仅研究MIMO天线分布式天线选择算法的性能，采用QPSK的方式进行信号调制，并选择较简单的传输分集方式进行预编码，接收端使用最小均方误差检测。仿真结果与传统点对点多用户MIMO系统误码率性能进行比较，如图1所示：

仿真曲线图1中，带正方形的曲线表示多用户点对点MIMO系统的误码率随信噪比的变化，带圆圈的曲线表示基于子信道容量最大快速选择的分布式MIMO系统误码率随信噪比的变化。

由仿真曲线图可以看出，列车通信系统采用分布式的MIMO模型会比点对点MIMO系统误码率性能有较大的提高，且算法简单。

对本文所提环境下进行子信道容量最大天线组选择算法与点对点MIMO系统的平均信道容量进行仿真结果对比，如图2所示。

仿真曲线图2中，带圆圈的曲线表示点对点MIMO平均信道容量在不同信噪比下的值，带方框的曲线表示子信道容量最大的天线选择算法平均线的容量在不同信噪比下的值。从图中可以看出，是否进行天线组选择对系统容量影响不是很明显，这是因为对系统容量影响较大的天线是有限的，其它天线均对系统容量影响较小。

由以上分析可知，分布式信道模型下，接收端进行天线组选择，可以提高系统误码率性能且不影响系统容量。

五、结束语

本章首先對MIMO系统进行介绍，并对MIMO系统容量进行分析；然后根据高速铁路场景特性，提出适用于高速铁路场景的分布式MIMO系统模型；针对高速列车上所布设的车顶转发天线组距离较远，即分布式MIMO各天线组距离较远的情况，进行分布式天线组的选择。

本章采用基于子信道信道容量最大的天线组选择，并且在选择中，首先根据经验值给出一个容量门限，将所有信道分成两个集合，将大于容量门限的子信道放在同一子集，再从该子集中选出容量最大的子信道，选择该子信道容量对应的车顶天线与基站进行通信。

本章所提出的基于子信道容量最大的分布式MIMO快速天线选择，实现了仅使用有效天线组进行通信，减少用户间干扰的同时节省发射功率，提高了系统性能。

参 考 文 献

[1]徐晓军， MIMO无线信道建模与仿真[D]， 电子科技大学硕士学位论文， 2003.

[2] Roh W，Paulraj A. “MIMO channel capacity for the distributed antenna systems，” Proc IEEE Veh Technol Conf. 02， Stanford， USA， 2002：706-709.

[3]龙承志，吴伟陵，李立宏，异构无线传感器网络中基于选择分集的节点协作策略， 计算机应用研究， 2009，vol 26.