基于协作传输技术的移动式无线网络节点一维部署方法
基于协作传输技术的移动式无线网络节点一维部署方法
【技术领域】
[0001] 本发明设及移动式无线网络节点一维部署方法。
【背景技术】
[0002] 近年来世界各地灾害现象频发，08年的议川大地震，造成长时间与灾区通讯中断， 无法联系，因而无法进行快速有效地救援，运就是失去信息造成的;海啸、矿难、战争等等各 种人类无法或者不易获取信息但又必须获取信息的环境下的信息采集，一直是各类学者研 究的重点，由于近年来的无线传感网络和移动机器人技术的飞速发展，将两者有效结合并 进入新的通讯技术W提高该领域的通讯网络性能成为可能。
[0003] 最近ΜΙΜΟ技术已经被应用到4G通讯网络中，但是由于ΜΙΜΟ技术是要求多天线输入 输出，而大多数的便携式的移动终端由于体积等原因无法搭载多天线，只能搭载单天线，因 而无法形成ΜΙΜΟ阵列，无法获得空间分集增益。
[0004] 近年来提出的协作传输技术(Cooperative Transmission，CT)为携带单天线的移 动终端无法组建ΜΙΜΟ网络提出了解决方案，根据CT技术，可W利用每个移动终端的单一天 线通过组建虚拟ΜΙΜΟ阵列从而获得空间分集增益，提高系统频谱利用率，增加系统数据传 输速率，扩大通讯网络的通讯范围，有效抵抗多径环境下的多径衰落造成的影响。
[0005] 利用CT理论，学者们提出应用到传统的蜂窝网络中W获得更好的蜂窝边缘通信效 果，但是极少研究人员针对利用有限数目的移动机器人组建无线通信网络，并且将其部署 在一维指定方向上进行极限数据传输，因为传统的通讯网络都是基于二维的区域覆盖考 量，运方面已经有大量的研究，但是二维的结果是无法直接应用到一维空间的，而一维空间 的直线距离传输又有其现实意义，诸如灾害现场、战争现场、桥梁建筑物等等的健康检测的 网络节点部署。而在一维空间下，当已知节点数目，如何利用协作传输带来的空间增益有效 地选择拓扑结构并且分配部署节点位置，W获得最大的空间增益即从源节点到目的节点最 远的传输距离。
[0006] 目前国内外专家极少将移动机器人与通讯技术综合考虑，大多数的机器人研究学 者的通讯范围仅为传感器或者机载通讯设备的范围，由于不具有协作技术的应用，无法进 行通讯范围的扩展；而研究通讯的研究人员将研究注重于传统的蜂窝基站式的通讯网，即 使应用协作技术也是为了传统网络提高性能而不考虑移动机器人运种类型的网络。
【发明内容】
[0007] 本发明是要解决传统的通讯网络都是基于二维的区域覆盖考量，但是二维的结果 是无法直接应用到一维空间的问题，而提供了基于协作传输技术的移动式无线网络节点一 维部署方法。
[000引基于协作传输技术的移动式无线网络节点一维部署方法，按W下步骤实现：
[0009] 步骤一、根据无线通信的基本原理，构建基于协作传输的基本信号传输模型：
[0010] 步骤二、根据步骤一中的基本信号传输模型建立MS-DF模型；
[0011] 步骤Ξ、选取MS-DF传输模型公式初始值，建立改进蚁群优化算法；
[0012] 步骤四、利用步骤Ξ中的改进蚁群优化算法，捜索最优节点拓扑结构及部署位置， 即完成了基于协作传输技术的移动式无线网络节点一维部署方法。
[OOU]发明效果：
[0014]鉴于现实的实际需求W及该领域的研究缺失，本发明提出的基于协作传输技术的 移动式无线网络节点在一维方向传输距离最远的节点部署方法。通过探索固定节点数目在 不同拓扑结构下的中断概率，将节点进行分簇部署，允许不同簇节点数目不同，间距距离不 同，在端到端(源节点到目的节点）中断概率达到阔值要求前提下获得最远的传输距离的节 点部署方案即为最优方案，并命名其为CT-MS-DF方法（Cooperative Transmission-Message Sharing-Decode and F'orward)。仿真实验表明 ，所提出的无线网络部署方法有效 地提高了通信网络传输距离范围，并且满足在不同环境下(路径损耗指数等参数)均可W获 得最优方案，并显著提局覆盖范围。
【附图说明】
[001引图1是S-R-D协作基本模型图；
[0016]图2是N节点无线网络系统模型图；
[0017]图3是本发明流程图；
[001引图4(a)是5节点DF拓扑部分τ = 10,χ0=104,η = 2;
[0019] 图 4(b)是 5 节点 DF 拓扑部分 τ = 1〇，χ〇=1〇4，η = 3;
[0020] 图4(c)是 5节点 DF拓扑部分 τ = 1〇,χ〇=1〇4,η = 4;
[0021 ]图4(d)是 5 节点 DF 拓扑部分 τ = 1〇,χ〇=1〇4,η = 5;
[002^ 图 5(a)是 5 节点MS 拓扑分布 τ = 10,χ0=104,η = 2;
[002；3]图 5(b)是 5节点MS拓扑分布 τ = 1〇,χ〇=1〇4,η = 3;
[0024]图 5(c)是 5节点MS拓扑分布 τ = 1〇,χ〇=1〇4,η = 4;
[00巧]图5(d)是5节点MS拓扑分布τ = 1〇,χ〇=1〇4,η = 5;
[0026] 图6(a)是 6 节点MS 拓扑分布 τ = 1〇,χ〇=1〇4,η = 2;
[0027] 图6(b)是 6节点MS拓扑分布 τ = 1〇,χ〇=1〇4,η = 3;
[002引图6(c)是6节点MS拓扑分布τ = 10,χ0=104,η = 4;
[0029] 图6(d)是 6 节点MS 拓扑分布 τ = 1〇,χ〇=1〇4,η = 5;
[0030] 图 7(a)是 7 节点的 MS 拓扑分布 τ = 1〇，χ〇=1〇4，η = 2;
[0031] 图 7(b)是 7 节点的 MS 拓扑分布 τ = 1〇，χ〇=1〇4，η = 3;
[0032] 图7(c)是7节点的 MS 拓扑分布 τ = 1〇,χ〇=1〇4,η = 4;
[0033] 图 7(d)是 7 节点的 MS 拓扑分布 τ = 1〇，χ〇=1〇4，η = 5;
[0034] 图8(a)是MS-DF与Marcov Chain方法对比图，Μ = 2;
[0035] 图8(b)是MS-DF与Marcov Chain方法对比图，Μ = 3;
[0036] 图8(c)是MS-DF与Marcov Qiain方法对比图，Μ = 4;
[0037] 图8(d)是MS-DF与Marcov Chain方法对比图，Μ = 5;
[0038] 图9是7节点部署方案对比与应用图。
【具体实施方式】
【具体实施方式】 [0039] 一:本实施方式的基于协作传输技术的移动式无线网络节点一维部 署方法，按W下步骤实现：
[0040] 步骤一、根据无线通信的基本原理，构建基于协作传输的基本信号传输模型：
[0041 ]步骤二、根据步骤一中的基本信号传输模型建立MS-DF模型；
[0042] 步骤Ξ、选取MS-DF传输模型公式初始值，建立改进蚁群优化算法；
[0043] 步骤四、利用步骤Ξ中的改进蚁群优化算法，捜索最优节点拓扑结构及部署位置， 即完成了基于协作传输技术的移动式无线网络节点一维部署方法。
[0044] 协作传输技术理论概述
[0045] 一、分集原理
[0046] 分集技术(diversity)是指通过查找和利用无线传播环境中独立的或者不相关的 多径信号来实现抵抗信号衰落的目的。如果一个信号在传播过程中经历了深度衰落，但是 另一条独立路径传输的信号可能更好，因此可W在多个信号中选择多个信号进行合并，可 W提高信噪比。分集技术的基本思路是将接收到的多径信号分离成不相关的(独立的）多路 信号，然后将运些信号按照一定的规则合并起来，使合并的信号效果最好。或者降低误码 率，或者提高信噪比。在不增加发射功率和系统带宽的前提下，分集技术是抵抗多径衰落、 提高传输可靠性的有效方式，运种抗衰落技术投资低廉，但是可W大幅度改进接收效果。
[0047] 分集技术就是利用两个或更多的不相关信号进行处理，不相关信号的采集可W通 过空域、时域和频域Ξ种方式实现。本发明主要研究空间分集，也称天线分集，是移动通信 中使用较多的分集形式，简单的说，就是采用多个发送和接收天线来收发信号，然后进行合 并，运就是常说的ΜΙΜΟ技术。为保证接收信号的不相关性，运就要求天线之间的距离足够 大，在理想情况下，接收天线之间的距离只要大于波长的一半就可W了。但是很明显运种分 集方式需要收发终端有较多的天线资源。
[004引在接收机将独立信号收集后，需要通过采用合并技术来得到空间分集的增益。在 合并技术中，主要有W下几种方式:最大比值合并，等增益合并，口限合并和选择性合并。
[0049] 最大比合并(MRC，Maximal Ratio Combining)方案在收端只需对接收信号做线性 处理，然后利用最大似然检测即可还原出发端的原始信息。其译码过程简单、易实现，合并 增益与分集支路数N成正比。在接收端有多个分集支路，调整各路信号的相位，按照适当的 增益系数(各路的信噪比加权），同相相加，再送入检测器进行检测。在接受端各个不相关的 分集支路经过相位校正，并按适当的可变增益加 权再相加后送入检测器进行相干检测。在 做的时候可W设定某个支路的可变增益加权系数为该分集之路的信号幅度与噪声功率之 比。在通过MRC合并后输出的信号的信噪比SNR等于所有支路信噪比之和。当信道中噪声是 高斯白噪声时，MRC方案是将分集合并后获得的最大信噪比的合并方法。
[0050] 由于最大比合并方法是所有合并方法中可W获得最大的信噪比SNR的方法，因此 本发明选择此方法，其余方法在本发明中不予考虑。
[0051] 二、协作传输
[0052] 协作传输技术的提出正是为了弥补ΜΙΜΟ分集技术不能应用在移动终端上无法携 带多天线运一环境的补充和升华，通过只具有单根天线的移动台获得类似的ΜΙΜΟ系统的某 些增益，称其为"虚拟天线阵列"，其基本思想是在多用户环境中，具有单根天线的移动台可 W按照一定的方式来共享彼此的天线从而产生一个虚拟ΜΙΜΟ系统，运样可W获得分集增 益，增加传输速率，提高传输可靠性，扩大传输距离和覆盖范围，提高系统利用率。
[0053] 同时由于无线网络中存在空闲的资源，因为在某一个时段内，可能只有部分的终 端需要通信资源，其余的终端始终处于空闲不工作状态，但是对于传统的通信来说，运些空 闲的终端是无法相互通信的，因此也无法利用运些空闲资源，只能白白浪费，而协作传输的 提出，正好有力的解决了运一问题，通过彼此共享天线和空闲资源，进行协作传输，提高传 输可靠性W及传输速率。
[0054] 如图1所示，运是最基本的协作模型S-R-D模型，即为源节点S发送信号到D，中继节 点R由于S发送的信号具有广播功能也可W接收到，并且接收后重新转发出去，并由D接收 到，运样D可W先后接收到来自S和R的信号，运样将两组信号通过一定的方法整合，获得结 果要比单独接收一组信号质量要好。运样，协作功能的实现使得信号传播获得了更好的增 益。
[0055] 在协作传输技术中，有几种常用的传输协议，如放大转发，解码转发，增强中继和 编码协作。
[0056] 第一种比较常见的协作通信方式是放大转发，即每个用户将收到的信号直接进行 放大然后发送出去，此时信号噪声也将被放大，而下一跳的接收端将直接接收到放大后的 信号并进行合并，但是，虽然运种方式放大了噪声，但是在接收端仍然收到了多个独立衰落 信号并且合并后，其结果仍然比单独传送的要好。
[0057] 第二种是解码转发，解码转发和放大转发最大的不同就是解码转发的所有的中继 节点都会在接收到信号后进行解码，如果解码正确，则重新编码然后转发，而放大转发仅仅 是信号放大不会解码的。
[0058] 其余两种本研究中不考虑，不做详述。
【具体实施方式】 [0059] 二:本实施方式与一不同的是：（1)在无线网络中，将Ν 个单收发天线节点部署在一条直线上，如图2所示，从左侧第一个节点为唯一的源节点（S)， 也可W考虑成为基站节点，固定不能移动，其余Ν-1个单收发天线节点分成簇，最少为1簇即 本系统只有一跳，第1跳是指在源节点与第一簇之间的链接，第二跳是指第一簇与第二簇之 间的链接并W此类推;第Ν-1跳是指第Ν簇与第Ν-1簇之间的链接，即每个中继只有1个节点 即中继节点，每个节点都只有一个天线，即单输入单输出系统（SIS0)。在图2中的拓扑结构 即为1Ai-L2--Lk-l，当然本文也考虑目标节点也是多个节点构成簇形式的存在，如l-(N-1)。对于簇内节点大于1个，假设节点位置非常接近，忽略簇内节点造成的衰落影响并忽略 节点体积考虑它们为质点，忽略节点间的距离，因此，两个相邻簇间的任意两个节点传输距 离就是在指定方向上的距离；
[0060] (2)假设所有的中继节点具有相同的中继发射功率Pt并且在一个簇内的所有传输 信号均为正交信道，每一个节点将所有接收信号进行最大比合并(MRC)，从而获得最大的增 益；
[0061] (3)定义基于协作传输的基本信号传输模型是具有独立的瑞利衰落W及路径损耗 系数为η的信道，假设每一个簇中的各个节点位置很近可W忽略簇内节点的小尺度路径损 耗，同时定义山为第1跳的距离，并且假设在同一簇内的节点要有一定的间隔（如至少1/^2波 长的距离)从而满足所有信道都符合不相关衰落的条件，最后假定衰落是块衰落，即衰落系 数不变，包内的所有数据衰落效果一致；（4)假设在第i簇的第j个节点接收的信号在经过 MRC拟合之后的信噪比（SNR)超过了特定口限值τ，说明在第j节点成功译码接收信号;对特 定口限值的要求是当达到口限值时中断概率小于1-r;而口限值τ的取值又和很多因素有 关，如调制解调的类型，纠错编码的类型，包长度等等，在本发明中，直接给定特定的τ的取 值，当然τ可W根据需求进行改变。如果目标节点也是簇中的一部分，即最后一跳的节点数 目大于1，此时假设至少任意一个在目标簇中的节点正确译码传输包，说明信息已经正确传 输到目标节点，在运种情况下，称之为有效地选择拟合;要求信噪比达到特定口限值τ时中 断概率不大于1 -捧（f是人为定义的满足0和1之间，是对数据传输质量的要求数值）；
[0062]因此，获得具有独立的瑞利衰落W及路径损耗指数为η的信道的信号经最大比合 并(MRC)方法拟合后的信噪比丫的PW即Ρ(丫）如（1)所示，
[006；3]
(1)
[0064]其中，η是比特能量和噪声比的倒数，Μ是在任意接收天线处收到的拟合信号数目；
[00化]
(2)
[0066] 其中，di是第i跳的距离，即第i-1簇与第i簇之间的直线距离，x〇 = NoK/PoT，T是符 号周期，K是每个符号的比特位数，Po是指在参考点do的平均接收功率，而do则是从发射信号 点开始计算的参考距离，η是路径损耗系数，那么对于任意一个接收天线，成功接收信号的 概率是：
[0067]
(3)
[0068] 其中Mmax为接收天线可能接收到的最大信号数目，τ为特定口限值；
[0069] 其推导过程如下：
[0070]
将(2)代入（1)中，并将（1)式代入到此公式中，可W获得 一个关系式，可W获得一个di与Pi,^ 丫含τ)的关系方程，但是运个方程无法常规求解，只能 通过推导方法获得：
[0071 ]当Μ= 1时，运种情况也就是前文描述的SIS0结构。
[007引 当μ = 4时，得到：
[0086] 定义D为从源节点到最终（目的）节点的在指定方向（直线)上的距离，那么根据图1 可得，
[0087]
(4)^
[0088] 其它步骤及参数与【具体实施方式】一相同。
【具体实施方式】 [0089] 本实施方式与一或二不同的是:在ADF中，同一簇 的节点之间接收的信号不会互相影响，但是每个节点能接收到的信号数目会受相邻的上一 簇发出的信号数目所限制，同时可W转发的数目（同簇内成功解码的节点数目）将限制下一 簇的接收数目，随着信号的传输，每一跳都被上一跳所限制并影响着下一跳直至所有信号 传输中断或到达目的节点。随着跳数的增多，给系统增加大量计算分析的负担，针对运一问 题提出了MS-DF中继协议模型，即假设在同一簇内的所有节点先进行数据共享(MS)，运意味 着只要在同一簇内只要有至少一个节点可W译码从上一跳中传输过来的信息，所有数据都 可W在同一簇内节点进行分享，运样同一簇内所有的节点都可W向下一跳(簇)进行数据传 输，运样获得更好的ΜΙΜΟ增益效果，通过MS结构方式可W获得更好性能效果。
[0090] 在运用MS后，只要保证至少有一个节点可W成功接收并译码来自前一跳的信号， 那么第i跳中的任意一个节点接收信号的的中断概率可W从式(3)得到Pi(丫 <τ)，而且其中 Pi(丫）是式(1)中Μ等于前一跳的所有节点数。
[0091 ]因此，得到数据成功发送到目的节点的概率为，
[0092]
(5)
[009引其中k+巧网络中的总跳数，Li为第i跳中的节点数目。
[0094]采用MS-DF方法计算速度快，简单易行，但是由于引入了消息共享，造成更大的时 间延迟。根据约束条件咨《巧W_w_e".,(.wax'.s'.v)含1，那么对于每一跳有约束 梦<1-巧7<皆引必然成立，分别计算在两个边界条件下的di作为约束，即获得D的最大 结果。
[OOM] 公式(5)其推导过程如下：
[0096] 应用MS后，只要保证每一簇至少有一个节点可W成功接收并译码来自前一跳的信 号，那么任意一个节点接收信号的中断概率应为：
[0097]
[009引Pi(丫）是式（1)，其中Μ等于前一跳的所有节点数，而d = di。
[0099] 第i跳的节点可W成功接收上一跳信号的成功概率Pi(success)应为：
[0100]
[0101 ]信号从源节点成功发送到目的节点的概率为，
[0102]
[0103] k+1表示无限网络中的总跳数，Ml表示第i跳中的节点数目。
[0104] 其它步骤及参数与【具体实施方式】一或二相同。
【具体实施方式】 [0105] 四：本实施方式与一至Ξ之一不同的是:传统的妈蚁 算法仅根据信息素浓度判断转移概率大小，运种方式收敛速度较慢，容易陷入局部最优，因 此，选用改进蚁群系统策略，运样既可W-定程度下的采用先验知识获取路径，同时又可W 根据轮盘赌(RouletteWheel Sele ction)选择法探索新的路径，采用S作为选择路径的规 则：
[0106]
(6)
[0107] 其中qo为指定的数值，其大小会决定采用先验知识和探索新路径之间的重要性， 而q则是随机产生0到1的数值，如果q^O选择S方程，否则，选择(7)进行下一个路径选择判 定。allow dk为妈蚁k下一步所有可W选择的距离路线。
[0108] 定义妈蚁（网络节点)k从第i跳向下一跳转移选择路径j的转移概率为Pk(ij)，代 表着探索新路径的规则：
[0109]
(7)
[0110] 其中，rU,j为启发函数，Ti,j为在该路径下的信息素浓度，α和β为影响Ti,j和化,j在转 移概率中的加权值，在算法实现上应用轮盘赌法则完成路径选择。
[0111] 由于在传统的妈蚁算法中解决旅行商（TSP)问题选择的是获取最短路径，因此选 择ru,j = l/di,j为启发函数，但是本发明中考虑的是拓扑网络的最远距离扩展，如果选择W 距离为启发函数，那么随着距离增大会造成计算难度增大，计算量增大，影响收敛速度，增 加系统负担，因此选择采用路径距离比例为启发函数避免上述问题，因此修改启发函数为：
[0112]
(8i
[0113] 其中di,j表示第j跳第i个路径的距离，m,。和式"表示第j跳边界条件下的最小值 和最大值。
[0114] 其它步骤及参数与【具体实施方式】一至Ξ之一相同。
【具体实施方式】 [0115] 五:本实施方式与一至四之一不同的是:所述步骤四 具体为：
[0116] (一）、计算边界条件和今胃;
[0117] 边界条件计算：利用公式（1)、（2)和（3)计算满足P(丫 >τ) >0.9并利用牛顿二分 法计算每跳的可部署距离的边界条件乂 和值；
[0118] 假定连续函数f(x)在区间（x，y)上连续，找到a，b属于区间（x，y)，使f(a)，f(b)异 号，说明在区间(a,b)内一定有零点，然后求
假设f(a)<0，f(b)〉0，a<b那么：
[0119] (1)如果
，那么该点就是零点；
[0120] (2)如勇
从（1)开始继续使 用中点函数值判断；
[0121] (3)如果
从（1)开始重新进 行中点函数值判断；
[0122] (二）、对蚁群个体数m，最大迭代次数^_max，ri赋予初始值，并按照式(8)计算改进 蚁群优化算法；
[0123] (Ξ)、根据蚁群个体数将每跳的边界条件数据离散化，利用离散后的数据作为每 一跳的可选路径，将蚁群个体分别放在第一跳的每个路径上，即每个路径各一只妈蚁，共有 S跳，有m X S个不同的路径，但是每一跳只能在该跳的m个数据中选择；
[0124] (四）、找出每只妈蚁下一路径，按照式(6)和(7)来进行选择，判断是根据先验知识 或者转移概率式来选择下一跳的路径；
[0125] (五）、根据上一步中获得的路径选择进行中断概率判断，必须满足即使本跳选择 此路径也必须保证最终的端到端中断概率^^<巧，即式(3)为约束条件，如果符合条件进行 步骤(六），否则更新本跳禁忌列表，进行步骤(四）重新选择直至选择符合条件的路径，若本 跳禁忌列表更新为无路径可选择，进入步骤(Ξ)重新选择起始路径后进入步骤(四）；
[0126] (六）、选择下一路径，重复步骤(五），至整条路径选择完毕;然后进行下一妈蚁进 入步骤(四）至所有妈蚁路径选择结束；
[0127] (屯）、选择将蚁周模型与生物法合并使用，在每个循环结束后更新真实信息量并 且引入弱肉强食原则对最优妈蚁路径加大信息素，信息素更新方式选择如下：
[012引
巧）
[0131] 其中，P是信息素挥发比例，Q表示信息素浓度常数；表示妈蚁k在本循环经过 (i，j)信息素变化，Dk表示本次循环中妈蚁k选择路径的总长度；Ar,\表示第k个循环经过 (i，j )的信息素更新，Δ瑪f表示本循环最优路径经过（i，j )的信息素额外更新，Dmax表示本 次循环中最优路径的总长度；
[0132] (八）、记录本循环的最优妈蚁路径，更新信息素，按照(9)，（10)和（11)完成，进入 步骤(Ξ)中进行下一循环；
[0133] (九）、所有循环结束，选择最优路径，并在最优路径每一段前后步进一个离散距 离，更新式1。1、和式?,，进入步骤(二），重新循环，直至满足最优距离精确度，算法停止，进入下 一拓扑结构分析，返回步骤(一），直至所有结构分析完毕。
[0134] 其它步骤及参数与【具体实施方式】一至四之一相同。
[0135] 仿真实验：
[0136] 在本发明的仿真结果中，考虑移动无线网络节点数目为5,6和7，SNR的口限值τ = 5，10，15,20，x〇=103、104，n选择从2至5,中断概率10%。由于篇幅原因在下面仿真结果中只 展示部分τ = 1〇的结果，并且对比ADF和MS-DF两种中继方式的结果。
[0137] 如图4(a)~图4(d)和图5(a)~图5(d)，对于5个节点的网络，当η = 2时，CT模型距 离的扩展结果明显优于SIS0模型，但是随着衰减系数η的增长，CT模型的扩展距离衰减率要 大于SIS0模型。仿真结果表明，无论路径损耗系数如何变化，拓扑结构1-2-2和1-3-1扩展结 果几乎相同，并且在η = 5时，与SIS0结果也几乎相同。MS方式比ADF方式要好很多（只针对有 MRC的CT模型），可见MS是有效并且优秀的。
[0138] 图6(a)~图6(d)是6个节点的所有部署拓扑结构，对比相同结构不同发射能量参 数的结果，具有与5节点类似的结果。因此，随着节点数目的增加，拓扑结构数目大量提高。 随着τ的增大，距离结果会变小，但是整体趋势和τ = 1〇-致。仿真表明随着SNR的改变，但是 τ不变的情况，发现随着发射功率的增大(或者噪声变小），扩展距离会增大，但是趋势和上 述描述的一致。
[0139] 图7(a)~图7(d)中7个节点的仿真结果可W表明，高的路径损耗系数环境下，SIS0 已经无法达到最优的扩展效果，但是使用协作传输明显增大扩展距离，说明CT有效且必要 的。
[0140] 通过对比发现，对于指定数目的节点，只有η的变化对最佳拓扑结构的选择造成很 大影响，采用相同SNR阔值，随着路径损耗系数增加，扩展距离增长率会下降，与理论相符 合，并且对于路径衰减系数η除了 5 W外，始终保持着CT有最远扩展距离结果，而且当η越小， CT扩展距离与SIS0距离差距越大。
[0141] 不同模型在相同参数的情况下，MS的拓扑结构要优于不可W进行MS的结构，因为 无法进行MS-DF的结构（如SIS0)无法获得分集增益，根据5和6个节点的仿真结果，其中5个 节点在采用MS后扩展距离增长6%-31%;6个节点中采用MS的拓扑结构扩展距离增长率为 5%-33 %。同时如果相同的路径损耗系数和拓扑结构，但是不同的SNR阔值，但是却能获得 几乎相同的扩展距离增长率，也可W说SNR阔值不会影响距离扩展增长率，也证明了 MRC合 并的信号要优于SC选择拟合结果，与其他研究结论相同。
[0142] 为了证明本发明方法与其他方法相比的优势，如图8(a)~图8(d)所示，将本方法 与Markov链(MC)方法在相同节点数目（N= 24)与路径损耗系数下(n = 1.5~5)进行对比，结 果明显证明本方法扩展距离更远，路径损耗系数大，簇节点数目多占优，相反，簇节点数目 少占优;并且同一种方法在不同的簇节点数目下有相同的扩展趋势，扩展距离随着路径损 耗系数的增大而减小，符合理论规律。
[0143] 综上所述，在拓扑结构选择时，CT的距离扩展明显要优于SC，选择拓扑结构的类型 依托于节点数目与环境参数，节点数目越多，跳数可能也会增加更有利于系统的扩展。路径 损耗系数越大，尽量选择跳数多并且MS-DF多的拓扑结构，相反，路径损耗系数小，选择跳数 少，协作多得结构。
[0144] 接下来分析改进蚁群算法给本发明带来的优势与效果，将传统的循环穷举算法 化xhaustive Attack Method,EAM)与改进蚁群算法（IACS)的结果对比，结果如表1所示。
[0145] 表1穷举法与IACS法对比 Γ014Α1
[0147] EAM与IACS相比，IACS计算精度高，节省时间，符合现实应用的要求。随着节点数目 增多EAM耗时增加将会快速增大，不适宜实际应用。而在IACS算法中m=10，Nc = 100效果最 好，既满足课题要求，又具有速度快，精度高等特点。通过对比发现随着迭代次数的增加，耗 时更大速度大于精度提高速度，说明迭代次数的无限提升没有意义，要根据情况选择适合 的迭代次数，运与蚁群算法的理论一致;蚁群中妈蚁数量的提高，可W明显提高精度，但是 同样增加耗时，而精度的提高达到一定程度也不再有意义，说明种群数量与迭代次数要根 据实际要求来选择。
[0148] 下面是针对地震灾后捶救现场的分析，7个移动机器人在灾后需要进入人类无法 进行救援捶救的环境构建通讯网络，完成数据采集，环境分析等工作，移动机器人延初始位 置进行移动在满足通讯要求下完成最远距离的覆盖，获得最大的信息量。图9是将IACS与 EAM算法应用后的拓扑结构与节点部 署分析结果的效果图，每一个节点位置对应一簇节点， 对比发现IACS与EAM误差非常小，满足精度要求，并且IACS计算速度快节省时间和能耗资 源，其中1-2-3-1与1-3-2-1结构最优，覆盖距罔最远，可W进行部署与捶救任务。
[0149] 从上述实验可W看出，改进蚁群算法解决基于协作传输的无线网络节点部署具有 精度高，计算速度快等优点，在相同条件下远远优于EAM算法。
[0150] 综上所述，本发明可W解决移动无线网络节点在一维方向的部署问题，实现同等 资源传输距离最远，具有计算速度快，节省资源，精度高等优势，可W为实际应用提供支持。
[0151] 本发明的关键点和保护点是基于协作传输技术的可移动式无线网络在固定节点 数目下的拓扑结构选择W及节点位置部署的方法，从而满足整个网络在一维环境下同等资 源可W传输最远的距离，提出CT-MS-DF的方法可W有效提高同等资源的覆盖范围，完成数 据传输与信息采集的任务。
[0152] 通过应用协作传输技术的CT-MS-DF方法的网络节点分配及部署，可W获得更多的 空间分集，增多独立传输信号，有效克服信号衰落的影响，提高网络覆盖范围。并且由于选 择使用了本发明改进的蚁群算法进行寻优，具有运算量小，运算速度快，运算精度高等优 点。可W应用于灾后通讯保障、战场信息侦查、结构健康监测等等。
【主权项】
1. 基于协作传输技术的移动式无线网络节点一维部署方法，其特征在于它按以下步骤 实现： 步骤一、构建基于协作传输的基本信号传输模型： 步骤二、根据步骤一中的基本信号传输模型建立MS-DF模型； 步骤三、选取MS-DF传输模型公式初始值，建立改进蚁群优化算法； 步骤四、利用步骤三中的改进蚁群优化算法，搜索最优节点拓扑结构及部署位置，即完 成了基于协作传输技术的移动式无线网络节点一维部署方法。2. 根据权利要求1所述的基于协作传输技术的移动式无线网络节点一维部署方法，其 特征在于所述步骤一具体为： (1) 在无线网络中，将N个具有单收发天线的节点部署在一条直线上，第一个节点为唯 一的源节点，其余N-I个节点分成簇，第1跳是指在源节点与第一簇之间的链接，第二跳是指 第一簇与第二簇之间的链接并以此类推;第N-I跳是指第N簇与第N-I簇之间的链接，每个节 点都只有一个天线，即单输入单输出系统； (2) 假设所有的节点具有相同的中继发射功率Pt并且在一个簇内的所有传输信号均为 正交信道，每一个节点将所有接收信号进行最大比合并即MRC拟合，从而获得最大的增益； (3) 定义基于协作传输的基本信号传输模型是具有独立的瑞利衰落以及路径损耗系数 为η的信道，假设每一个簇中的各个节点位置很近可以忽略簇内节点的小尺度路径损耗，同 时定义Cl 1为第i跳的距离，并且要求在同一簇内的节点要至少间隔传输信号波长的一半，从 而满足所有信道都满足不相关衰落的条件，并且假定是块衰落，即衰落系数不变，包内的所 有数据衰落效果一致； (4) 假设在第i簇的第j个节点接收的信号在经过最大比合并后的信噪比超过了特定门 限值τ，说明在第j个节点成功译码接收信号;如果目标节点是簇中的一部分，即最后一跳的 节点数目大于1，此时假设至少任意一个在最后一簇中的节点正确译码传输包，说明信息已 经正确传输到目标节点，在这种情况下，称之为有效地选择拟合； 因此，获得具有独立的瑞利衰落以及路径损耗指数为η的信道的信号经最大比合并方 法拟合后的信噪比γ的TOF即ρ( γ )如（1)所示，其中，η是比特能量和噪声比的倒数，M是在任意接收天线处收到的拟合信号数目；其中，cU是第i跳的距离，即第i-Ι簇与第i簇之间的直线距离，xQ = NQK/P()T，Eb表示比特 能量，No表示噪声，T是符号周期，K是每个符号的比特位数，Po是指在参考点do的平均接收功 率，而do则是从发射信号点开始计算的参考距离，η是路径损耗系数，那么对于任意一个接 收天线，成功接收信号的概率是：其中Mmax为接收天线可能接收到的最大信号数目，τ为特定门限值;定义D为从源节点到 最终节点的在指定方向上的距离，可得，3. 根据权利要求1或2所述的基于协作传输技术的移动式无线网络节点一维部署方法， 其特征在于所述步骤二中建立MS-DF模型具体为： 假设在同一簇内的所有节点先进行数据共享，在运用数据共享后，只要保证至少有一 个节点成功接收信号并译码来自前一跳的信号，那么第i跳中的任意一个节点接收信号的 中断概率可以从式⑶得到Pd γ <τ)，其中Ρι( γ )是式⑴，因此，得到数据成功发送到目的 节点的概率为，其中k+Ι为网络中的总跳数，L1为第i跳中的节点数目；为节点无法接收信号 的概率； 根据约束条件那么对于每一跳有约束必 然成立，分别计算在两个边界条件下的Cl1作为约束，即获得D的最大结果。4. 根据权利要求3所述的基于协作传输技术的移动式无线网络节点一维部署方法，其 特征在于所述步骤三具体为： 采用S作为选择路径的规则：其中q〇为指定的数值，其大小会决定采用先验知识和探索新路径之间的重要性，而q则 是随机产生〇到1的数值，如果q<〇选择S方程，否则，选择（7)进行下一个路径选择判定， allow dk为蚂蚁k下一步所有可以选择的距离路线； 定义蚂蚁k从第i跳向下一跳转移选择路径j的转移概率为Pk(i，j)，代表着探索新路径 的规则：) 其中，ni,j为启发函数，Ti, j为在该路径下的信息素浓度，α和β为影响Tiij和ru,j在转移概 率中的加权值； 选择采用路径距离比例为启发函数避免上述问题，建立改进蚁群优化算法其中du表示第j跳第i个路径的距离，Amil和表示第j跳边界条件下的最小值和最 大值。5. 根据权利要求4所述的基于协作传输技术的移动式无线网络节点一维部署方法，其 特征在于所述步骤四具体为： (一） 、计算边界条件 边界条件计算:利用公式（1)、（2)和（3)计算满足Ρ(γ 2 T) 2 0.9并利用牛顿二分法计 算每跳的可部署距离的边界条件和^"值； 假定连续函数f(x)在区间（x，y)上连续，找到a，b属于区间（x，y)，使f(a)，f(b)异号，说 明在区间(a，b)内一定有零点，然后求，假设以&)〈0彳(13)>0， &〈13那么： (1) 如果那么该点就是零点； (2) 如果：>则在区间?内有零点，从（1)开始继续使用中 点函数值判断； (3) 如果则在区间'内有零点，从（1)开始重新进行中 点函数值判断； (二） 、对蚁群个体数m，最大迭代次数Nc_maX，ri赋予初始值，并按照式(8)计算改进蚁群 优化算法； (三） 、根据蚁群个体数将每跳的边界条件数据离散化，利用离散后的数据作为每一跳 的可选路径，将蚁群个体分别放在第一跳的每个路径上，即每个路径各一只蚂蚁，共有S跳， 有m X S个不同的路径，但是每一跳只能在该跳的m个数据中选择； (四） 、找出每只蚂蚁下一路径，按照式(6)和(7)来进行选择，判断是根据先验知识或者 转移概率式来选择下一跳的路径； (五） 、根据上一步中获得的路径选择进行中断概率判断，必须满足即使本跳选择此路 径也必须保证最终的端到端中断概率匕rf<P，即式(3)为约束条件，如果符合条件进行步 骤(六），否则更新本跳禁忌列表，进行步骤（四）重新选择直至选择符合条件的路径，若本跳 禁忌列表更新为无路径可选择，进入步骤(三)重新选择起始路径后进入步骤(四）； (六） 、选择下一路径，重复步骤(五），至整条路径选择完毕；然后进行下一蚂蚁进入步 骤(四）至所有蚂蚁路径选择结束； (七） 、选择将蚁周模型与生物法合并使用，在每个循环结束后更新真实信息量并且引 入弱肉强食原则对最优蚂蚁路径加大信息素，信息素更新方式选择如下：I 其中，P是信息素挥发比例，Q表示信息素浓度常数；Δ<.表示蚂蚁k在本循环经过(i，j) 信息素变化，Dk表示本次循环中蚂蚁k选择路径的总长度；表示第k个蚂蚁经过(i，j)的 信息素更新，表示本循环最优路径经过(i，j)的信息素额外更新，D max表示本次循环中 最优路径的总长度； (八） 、记录本循环的最优蚂蚁路径，更新信息素，按照(9)，（10)和（11)完成，进入步骤 (三）中进行下一循环； (九） 、所有循环结束，选择最优路径，并在最优路径每一段前后步进一个离散距离，更 新七_和义《，进入步骤(二），重新循环，直至满足最优距离精确度，算法停止，进入下一拓 扑结构分析，返回步骤(一），直至所有结构分析完毕。
【专利摘要】基于协作传输技术的移动式无线网络节点一维部署方法，本发明涉及移动式无线网络节点一维部署方法。本发明是要解决传统的通讯网络都是基于二维的区域覆盖考量，但是二维的结果是无法直接应用到一维空间的问题。步骤一、根据无线通信的基本原理，构建基于协作传输的基本信号传输模型；步骤二、根据步骤一中的基本信号传输模型建立MS-DF模型；步骤三、选取MS-DF模型公式初始值，建立改进蚁群优化算法；步骤四、利用步骤三中的改进蚁群优化算法，搜索最优节点拓扑结构及部署位置。本发明应用于通讯领域。
【IPC分类】H04L5/00, H04W72/04, H04B7/02
【公开号】CN105490795
【申请号】CN201510940017
【发明人】郑文斌, 尹洪涛, 刘冰, 付平, 凤雷, 乔家庆, 孟升卫
【申请人】哈尔滨工业大学
【公开日】2016年4月13日
【申请日】2015年12月11日
【技术领域】
[0001] 本发明设及移动式无线网络节点一维部署方法。
【背景技术】
[0002] 近年来世界各地灾害现象频发，08年的议川大地震，造成长时间与灾区通讯中断， 无法联系，因而无法进行快速有效地救援，运就是失去信息造成的;海啸、矿难、战争等等各 种人类无法或者不易获取信息但又必须获取信息的环境下的信息采集，一直是各类学者研 究的重点，由于近年来的无线传感网络和移动机器人技术的飞速发展，将两者有效结合并 进入新的通讯技术W提高该领域的通讯网络性能成为可能。
[0003] 最近ΜΙΜΟ技术已经被应用到4G通讯网络中，但是由于ΜΙΜΟ技术是要求多天线输入 输出，而大多数的便携式的移动终端由于体积等原因无法搭载多天线，只能搭载单天线，因 而无法形成ΜΙΜΟ阵列，无法获得空间分集增益。
[0004] 近年来提出的协作传输技术(Cooperative Transmission，CT)为携带单天线的移 动终端无法组建ΜΙΜΟ网络提出了解决方案，根据CT技术，可W利用每个移动终端的单一天 线通过组建虚拟ΜΙΜΟ阵列从而获得空间分集增益，提高系统频谱利用率，增加系统数据传 输速率，扩大通讯网络的通讯范围，有效抵抗多径环境下的多径衰落造成的影响。
[0005] 利用CT理论，学者们提出应用到传统的蜂窝网络中W获得更好的蜂窝边缘通信效 果，但是极少研究人员针对利用有限数目的移动机器人组建无线通信网络，并且将其部署 在一维指定方向上进行极限数据传输，因为传统的通讯网络都是基于二维的区域覆盖考 量，运方面已经有大量的研究，但是二维的结果是无法直接应用到一维空间的，而一维空间 的直线距离传输又有其现实意义，诸如灾害现场、战争现场、桥梁建筑物等等的健康检测的 网络节点部署。而在一维空间下，当已知节点数目，如何利用协作传输带来的空间增益有效 地选择拓扑结构并且分配部署节点位置，W获得最大的空间增益即从源节点到目的节点最 远的传输距离。
[0006] 目前国内外专家极少将移动机器人与通讯技术综合考虑，大多数的机器人研究学 者的通讯范围仅为传感器或者机载通讯设备的范围，由于不具有协作技术的应用，无法进 行通讯范围的扩展；而研究通讯的研究人员将研究注重于传统的蜂窝基站式的通讯网，即 使应用协作技术也是为了传统网络提高性能而不考虑移动机器人运种类型的网络。
【发明内容】
[0007] 本发明是要解决传统的通讯网络都是基于二维的区域覆盖考量，但是二维的结果 是无法直接应用到一维空间的问题，而提供了基于协作传输技术的移动式无线网络节点一 维部署方法。
[000引基于协作传输技术的移动式无线网络节点一维部署方法，按W下步骤实现：
[0009] 步骤一、根据无线通信的基本原理，构建基于协作传输的基本信号传输模型：
[0010] 步骤二、根据步骤一中的基本信号传输模型建立MS-DF模型；
[0011] 步骤Ξ、选取MS-DF传输模型公式初始值，建立改进蚁群优化算法；
[0012] 步骤四、利用步骤Ξ中的改进蚁群优化算法，捜索最优节点拓扑结构及部署位置， 即完成了基于协作传输技术的移动式无线网络节点一维部署方法。
[OOU]发明效果：
[0014]鉴于现实的实际需求W及该领域的研究缺失，本发明提出的基于协作传输技术的 移动式无线网络节点在一维方向传输距离最远的节点部署方法。通过探索固定节点数目在 不同拓扑结构下的中断概率，将节点进行分簇部署，允许不同簇节点数目不同，间距距离不 同，在端到端(源节点到目的节点）中断概率达到阔值要求前提下获得最远的传输距离的节 点部署方案即为最优方案，并命名其为CT-MS-DF方法（Cooperative Transmission-Message Sharing-Decode and F'orward)。仿真实验表明 ，所提出的无线网络部署方法有效 地提高了通信网络传输距离范围，并且满足在不同环境下(路径损耗指数等参数)均可W获 得最优方案，并显著提局覆盖范围。
【附图说明】
[001引图1是S-R-D协作基本模型图；
[0016]图2是N节点无线网络系统模型图；
[0017]图3是本发明流程图；
[001引图4(a)是5节点DF拓扑部分τ = 10,χ0=104,η = 2;
[0019] 图 4(b)是 5 节点 DF 拓扑部分 τ = 1〇，χ〇=1〇4，η = 3;
[0020] 图4(c)是 5节点 DF拓扑部分 τ = 1〇,χ〇=1〇4,η = 4;
[0021 ]图4(d)是 5 节点 DF 拓扑部分 τ = 1〇,χ〇=1〇4,η = 5;
[002^ 图 5(a)是 5 节点MS 拓扑分布 τ = 10,χ0=104,η = 2;
[002；3]图 5(b)是 5节点MS拓扑分布 τ = 1〇,χ〇=1〇4,η = 3;
[0024]图 5(c)是 5节点MS拓扑分布 τ = 1〇,χ〇=1〇4,η = 4;
[00巧]图5(d)是5节点MS拓扑分布τ = 1〇,χ〇=1〇4,η = 5;
[0026] 图6(a)是 6 节点MS 拓扑分布 τ = 1〇,χ〇=1〇4,η = 2;
[0027] 图6(b)是 6节点MS拓扑分布 τ = 1〇,χ〇=1〇4,η = 3;
[002引图6(c)是6节点MS拓扑分布τ = 10,χ0=104,η = 4;
[0029] 图6(d)是 6 节点MS 拓扑分布 τ = 1〇,χ〇=1〇4,η = 5;
[0030] 图 7(a)是 7 节点的 MS 拓扑分布 τ = 1〇，χ〇=1〇4，η = 2;
[0031] 图 7(b)是 7 节点的 MS 拓扑分布 τ = 1〇，χ〇=1〇4，η = 3;
[0032] 图7(c)是7节点的 MS 拓扑分布 τ = 1〇,χ〇=1〇4,η = 4;
[0033] 图 7(d)是 7 节点的 MS 拓扑分布 τ = 1〇，χ〇=1〇4，η = 5;
[0034] 图8(a)是MS-DF与Marcov Chain方法对比图，Μ = 2;
[0035] 图8(b)是MS-DF与Marcov Chain方法对比图，Μ = 3;
[0036] 图8(c)是MS-DF与Marcov Qiain方法对比图，Μ = 4;
[0037] 图8(d)是MS-DF与Marcov Chain方法对比图，Μ = 5;
[0038] 图9是7节点部署方案对比与应用图。
【具体实施方式】
【具体实施方式】 [0039] 一:本实施方式的基于协作传输技术的移动式无线网络节点一维部 署方法，按W下步骤实现：
[0040] 步骤一、根据无线通信的基本原理，构建基于协作传输的基本信号传输模型：
[0041 ]步骤二、根据步骤一中的基本信号传输模型建立MS-DF模型；
[0042] 步骤Ξ、选取MS-DF传输模型公式初始值，建立改进蚁群优化算法；
[0043] 步骤四、利用步骤Ξ中的改进蚁群优化算法，捜索最优节点拓扑结构及部署位置， 即完成了基于协作传输技术的移动式无线网络节点一维部署方法。
[0044] 协作传输技术理论概述
[0045] 一、分集原理
[0046] 分集技术(diversity)是指通过查找和利用无线传播环境中独立的或者不相关的 多径信号来实现抵抗信号衰落的目的。如果一个信号在传播过程中经历了深度衰落，但是 另一条独立路径传输的信号可能更好，因此可W在多个信号中选择多个信号进行合并，可 W提高信噪比。分集技术的基本思路是将接收到的多径信号分离成不相关的(独立的）多路 信号，然后将运些信号按照一定的规则合并起来，使合并的信号效果最好。或者降低误码 率，或者提高信噪比。在不增加发射功率和系统带宽的前提下，分集技术是抵抗多径衰落、 提高传输可靠性的有效方式，运种抗衰落技术投资低廉，但是可W大幅度改进接收效果。
[0047] 分集技术就是利用两个或更多的不相关信号进行处理，不相关信号的采集可W通 过空域、时域和频域Ξ种方式实现。本发明主要研究空间分集，也称天线分集，是移动通信 中使用较多的分集形式，简单的说，就是采用多个发送和接收天线来收发信号，然后进行合 并，运就是常说的ΜΙΜΟ技术。为保证接收信号的不相关性，运就要求天线之间的距离足够 大，在理想情况下，接收天线之间的距离只要大于波长的一半就可W了。但是很明显运种分 集方式需要收发终端有较多的天线资源。
[004引在接收机将独立信号收集后，需要通过采用合并技术来得到空间分集的增益。在 合并技术中，主要有W下几种方式:最大比值合并，等增益合并，口限合并和选择性合并。
[0049] 最大比合并(MRC，Maximal Ratio Combining)方案在收端只需对接收信号做线性 处理，然后利用最大似然检测即可还原出发端的原始信息。其译码过程简单、易实现，合并 增益与分集支路数N成正比。在接收端有多个分集支路，调整各路信号的相位，按照适当的 增益系数(各路的信噪比加权），同相相加，再送入检测器进行检测。在接受端各个不相关的 分集支路经过相位校正，并按适当的可变增益加 权再相加后送入检测器进行相干检测。在 做的时候可W设定某个支路的可变增益加权系数为该分集之路的信号幅度与噪声功率之 比。在通过MRC合并后输出的信号的信噪比SNR等于所有支路信噪比之和。当信道中噪声是 高斯白噪声时，MRC方案是将分集合并后获得的最大信噪比的合并方法。
[0050] 由于最大比合并方法是所有合并方法中可W获得最大的信噪比SNR的方法，因此 本发明选择此方法，其余方法在本发明中不予考虑。
[0051] 二、协作传输
[0052] 协作传输技术的提出正是为了弥补ΜΙΜΟ分集技术不能应用在移动终端上无法携 带多天线运一环境的补充和升华，通过只具有单根天线的移动台获得类似的ΜΙΜΟ系统的某 些增益，称其为"虚拟天线阵列"，其基本思想是在多用户环境中，具有单根天线的移动台可 W按照一定的方式来共享彼此的天线从而产生一个虚拟ΜΙΜΟ系统，运样可W获得分集增 益，增加传输速率，提高传输可靠性，扩大传输距离和覆盖范围，提高系统利用率。
[0053] 同时由于无线网络中存在空闲的资源，因为在某一个时段内，可能只有部分的终 端需要通信资源，其余的终端始终处于空闲不工作状态，但是对于传统的通信来说，运些空 闲的终端是无法相互通信的，因此也无法利用运些空闲资源，只能白白浪费，而协作传输的 提出，正好有力的解决了运一问题，通过彼此共享天线和空闲资源，进行协作传输，提高传 输可靠性W及传输速率。
[0054] 如图1所示，运是最基本的协作模型S-R-D模型，即为源节点S发送信号到D，中继节 点R由于S发送的信号具有广播功能也可W接收到，并且接收后重新转发出去，并由D接收 到，运样D可W先后接收到来自S和R的信号，运样将两组信号通过一定的方法整合，获得结 果要比单独接收一组信号质量要好。运样，协作功能的实现使得信号传播获得了更好的增 益。
[0055] 在协作传输技术中，有几种常用的传输协议，如放大转发，解码转发，增强中继和 编码协作。
[0056] 第一种比较常见的协作通信方式是放大转发，即每个用户将收到的信号直接进行 放大然后发送出去，此时信号噪声也将被放大，而下一跳的接收端将直接接收到放大后的 信号并进行合并，但是，虽然运种方式放大了噪声，但是在接收端仍然收到了多个独立衰落 信号并且合并后，其结果仍然比单独传送的要好。
[0057] 第二种是解码转发，解码转发和放大转发最大的不同就是解码转发的所有的中继 节点都会在接收到信号后进行解码，如果解码正确，则重新编码然后转发，而放大转发仅仅 是信号放大不会解码的。
[0058] 其余两种本研究中不考虑，不做详述。
【具体实施方式】 [0059] 二:本实施方式与一不同的是：（1)在无线网络中，将Ν 个单收发天线节点部署在一条直线上，如图2所示，从左侧第一个节点为唯一的源节点（S)， 也可W考虑成为基站节点，固定不能移动，其余Ν-1个单收发天线节点分成簇，最少为1簇即 本系统只有一跳，第1跳是指在源节点与第一簇之间的链接，第二跳是指第一簇与第二簇之 间的链接并W此类推;第Ν-1跳是指第Ν簇与第Ν-1簇之间的链接，即每个中继只有1个节点 即中继节点，每个节点都只有一个天线，即单输入单输出系统（SIS0)。在图2中的拓扑结构 即为1Ai-L2--Lk-l，当然本文也考虑目标节点也是多个节点构成簇形式的存在，如l-(N-1)。对于簇内节点大于1个，假设节点位置非常接近，忽略簇内节点造成的衰落影响并忽略 节点体积考虑它们为质点，忽略节点间的距离，因此，两个相邻簇间的任意两个节点传输距 离就是在指定方向上的距离；
[0060] (2)假设所有的中继节点具有相同的中继发射功率Pt并且在一个簇内的所有传输 信号均为正交信道，每一个节点将所有接收信号进行最大比合并(MRC)，从而获得最大的增 益；
[0061] (3)定义基于协作传输的基本信号传输模型是具有独立的瑞利衰落W及路径损耗 系数为η的信道，假设每一个簇中的各个节点位置很近可W忽略簇内节点的小尺度路径损 耗，同时定义山为第1跳的距离，并且假设在同一簇内的节点要有一定的间隔（如至少1/^2波 长的距离)从而满足所有信道都符合不相关衰落的条件，最后假定衰落是块衰落，即衰落系 数不变，包内的所有数据衰落效果一致；（4)假设在第i簇的第j个节点接收的信号在经过 MRC拟合之后的信噪比（SNR)超过了特定口限值τ，说明在第j节点成功译码接收信号;对特 定口限值的要求是当达到口限值时中断概率小于1-r;而口限值τ的取值又和很多因素有 关，如调制解调的类型，纠错编码的类型，包长度等等，在本发明中，直接给定特定的τ的取 值，当然τ可W根据需求进行改变。如果目标节点也是簇中的一部分，即最后一跳的节点数 目大于1，此时假设至少任意一个在目标簇中的节点正确译码传输包，说明信息已经正确传 输到目标节点，在运种情况下，称之为有效地选择拟合;要求信噪比达到特定口限值τ时中 断概率不大于1 -捧（f是人为定义的满足0和1之间，是对数据传输质量的要求数值）；
[0062]因此，获得具有独立的瑞利衰落W及路径损耗指数为η的信道的信号经最大比合 并(MRC)方法拟合后的信噪比丫的PW即Ρ(丫）如（1)所示，
[006；3]
(1)
[0064]其中，η是比特能量和噪声比的倒数，Μ是在任意接收天线处收到的拟合信号数目；
[00化]
(2)
[0066] 其中，di是第i跳的距离，即第i-1簇与第i簇之间的直线距离，x〇 = NoK/PoT，T是符 号周期，K是每个符号的比特位数，Po是指在参考点do的平均接收功率，而do则是从发射信号 点开始计算的参考距离，η是路径损耗系数，那么对于任意一个接收天线，成功接收信号的 概率是：
[0067]
(3)
[0068] 其中Mmax为接收天线可能接收到的最大信号数目，τ为特定口限值；
[0069] 其推导过程如下：
[0070]
将(2)代入（1)中，并将（1)式代入到此公式中，可W获得 一个关系式，可W获得一个di与Pi,^ 丫含τ)的关系方程，但是运个方程无法常规求解，只能 通过推导方法获得：
[0071 ]当Μ= 1时，运种情况也就是前文描述的SIS0结构。
[007引 当μ = 4时，得到：
[0086] 定义D为从源节点到最终（目的）节点的在指定方向（直线)上的距离，那么根据图1 可得，
[0087]
(4)^
[0088] 其它步骤及参数与【具体实施方式】一相同。
【具体实施方式】 [0089] 本实施方式与一或二不同的是:在ADF中，同一簇 的节点之间接收的信号不会互相影响，但是每个节点能接收到的信号数目会受相邻的上一 簇发出的信号数目所限制，同时可W转发的数目（同簇内成功解码的节点数目）将限制下一 簇的接收数目，随着信号的传输，每一跳都被上一跳所限制并影响着下一跳直至所有信号 传输中断或到达目的节点。随着跳数的增多，给系统增加大量计算分析的负担，针对运一问 题提出了MS-DF中继协议模型，即假设在同一簇内的所有节点先进行数据共享(MS)，运意味 着只要在同一簇内只要有至少一个节点可W译码从上一跳中传输过来的信息，所有数据都 可W在同一簇内节点进行分享，运样同一簇内所有的节点都可W向下一跳(簇)进行数据传 输，运样获得更好的ΜΙΜΟ增益效果，通过MS结构方式可W获得更好性能效果。
[0090] 在运用MS后，只要保证至少有一个节点可W成功接收并译码来自前一跳的信号， 那么第i跳中的任意一个节点接收信号的的中断概率可W从式(3)得到Pi(丫 <τ)，而且其中 Pi(丫）是式(1)中Μ等于前一跳的所有节点数。
[0091 ]因此，得到数据成功发送到目的节点的概率为，
[0092]
(5)
[009引其中k+巧网络中的总跳数，Li为第i跳中的节点数目。
[0094]采用MS-DF方法计算速度快，简单易行，但是由于引入了消息共享，造成更大的时 间延迟。根据约束条件咨《巧W_w_e".,(.wax'.s'.v)含1，那么对于每一跳有约束 梦<1-巧7<皆引必然成立，分别计算在两个边界条件下的di作为约束，即获得D的最大 结果。
[OOM] 公式(5)其推导过程如下：
[0096] 应用MS后，只要保证每一簇至少有一个节点可W成功接收并译码来自前一跳的信 号，那么任意一个节点接收信号的中断概率应为：
[0097]
[009引Pi(丫）是式（1)，其中Μ等于前一跳的所有节点数，而d = di。
[0099] 第i跳的节点可W成功接收上一跳信号的成功概率Pi(success)应为：
[0100]
[0101 ]信号从源节点成功发送到目的节点的概率为，
[0102]
[0103] k+1表示无限网络中的总跳数，Ml表示第i跳中的节点数目。
[0104] 其它步骤及参数与【具体实施方式】一或二相同。
【具体实施方式】 [0105] 四：本实施方式与一至Ξ之一不同的是:传统的妈蚁 算法仅根据信息素浓度判断转移概率大小，运种方式收敛速度较慢，容易陷入局部最优，因 此，选用改进蚁群系统策略，运样既可W-定程度下的采用先验知识获取路径，同时又可W 根据轮盘赌(RouletteWheel Sele ction)选择法探索新的路径，采用S作为选择路径的规 则：
[0106]
(6)
[0107] 其中qo为指定的数值，其大小会决定采用先验知识和探索新路径之间的重要性， 而q则是随机产生0到1的数值，如果q^O选择S方程，否则，选择(7)进行下一个路径选择判 定。allow dk为妈蚁k下一步所有可W选择的距离路线。
[0108] 定义妈蚁（网络节点)k从第i跳向下一跳转移选择路径j的转移概率为Pk(ij)，代 表着探索新路径的规则：
[0109]
(7)
[0110] 其中，rU,j为启发函数，Ti,j为在该路径下的信息素浓度，α和β为影响Ti,j和化,j在转 移概率中的加权值，在算法实现上应用轮盘赌法则完成路径选择。
[0111] 由于在传统的妈蚁算法中解决旅行商（TSP)问题选择的是获取最短路径，因此选 择ru,j = l/di,j为启发函数，但是本发明中考虑的是拓扑网络的最远距离扩展，如果选择W 距离为启发函数，那么随着距离增大会造成计算难度增大，计算量增大，影响收敛速度，增 加系统负担，因此选择采用路径距离比例为启发函数避免上述问题，因此修改启发函数为：
[0112]
(8i
[0113] 其中di,j表示第j跳第i个路径的距离，m,。和式"表示第j跳边界条件下的最小值 和最大值。
[0114] 其它步骤及参数与【具体实施方式】一至Ξ之一相同。
【具体实施方式】 [0115] 五:本实施方式与一至四之一不同的是:所述步骤四 具体为：
[0116] (一）、计算边界条件和今胃;
[0117] 边界条件计算：利用公式（1)、（2)和（3)计算满足P(丫 >τ) >0.9并利用牛顿二分 法计算每跳的可部署距离的边界条件乂 和值；
[0118] 假定连续函数f(x)在区间（x，y)上连续，找到a，b属于区间（x，y)，使f(a)，f(b)异 号，说明在区间(a,b)内一定有零点，然后求
假设f(a)<0，f(b)〉0，a<b那么：
[0119] (1)如果
，那么该点就是零点；
[0120] (2)如勇
从（1)开始继续使 用中点函数值判断；
[0121] (3)如果
从（1)开始重新进 行中点函数值判断；
[0122] (二）、对蚁群个体数m，最大迭代次数^_max，ri赋予初始值，并按照式(8)计算改进 蚁群优化算法；
[0123] (Ξ)、根据蚁群个体数将每跳的边界条件数据离散化，利用离散后的数据作为每 一跳的可选路径，将蚁群个体分别放在第一跳的每个路径上，即每个路径各一只妈蚁，共有 S跳，有m X S个不同的路径，但是每一跳只能在该跳的m个数据中选择；
[0124] (四）、找出每只妈蚁下一路径，按照式(6)和(7)来进行选择，判断是根据先验知识 或者转移概率式来选择下一跳的路径；
[0125] (五）、根据上一步中获得的路径选择进行中断概率判断，必须满足即使本跳选择 此路径也必须保证最终的端到端中断概率^^<巧，即式(3)为约束条件，如果符合条件进行 步骤(六），否则更新本跳禁忌列表，进行步骤(四）重新选择直至选择符合条件的路径，若本 跳禁忌列表更新为无路径可选择，进入步骤(Ξ)重新选择起始路径后进入步骤(四）；
[0126] (六）、选择下一路径，重复步骤(五），至整条路径选择完毕;然后进行下一妈蚁进 入步骤(四）至所有妈蚁路径选择结束；
[0127] (屯）、选择将蚁周模型与生物法合并使用，在每个循环结束后更新真实信息量并 且引入弱肉强食原则对最优妈蚁路径加大信息素，信息素更新方式选择如下：
[012引
巧）
[0131] 其中，P是信息素挥发比例，Q表示信息素浓度常数；表示妈蚁k在本循环经过 (i，j)信息素变化，Dk表示本次循环中妈蚁k选择路径的总长度；Ar,\表示第k个循环经过 (i，j )的信息素更新，Δ瑪f表示本循环最优路径经过（i，j )的信息素额外更新，Dmax表示本 次循环中最优路径的总长度；
[0132] (八）、记录本循环的最优妈蚁路径，更新信息素，按照(9)，（10)和（11)完成，进入 步骤(Ξ)中进行下一循环；
[0133] (九）、所有循环结束，选择最优路径，并在最优路径每一段前后步进一个离散距 离，更新式1。1、和式?,，进入步骤(二），重新循环，直至满足最优距离精确度，算法停止，进入下 一拓扑结构分析，返回步骤(一），直至所有结构分析完毕。
[0134] 其它步骤及参数与【具体实施方式】一至四之一相同。
[0135] 仿真实验：
[0136] 在本发明的仿真结果中，考虑移动无线网络节点数目为5,6和7，SNR的口限值τ = 5，10，15,20，x〇=103、104，n选择从2至5,中断概率10%。由于篇幅原因在下面仿真结果中只 展示部分τ = 1〇的结果，并且对比ADF和MS-DF两种中继方式的结果。
[0137] 如图4(a)~图4(d)和图5(a)~图5(d)，对于5个节点的网络，当η = 2时，CT模型距 离的扩展结果明显优于SIS0模型，但是随着衰减系数η的增长，CT模型的扩展距离衰减率要 大于SIS0模型。仿真结果表明，无论路径损耗系数如何变化，拓扑结构1-2-2和1-3-1扩展结 果几乎相同，并且在η = 5时，与SIS0结果也几乎相同。MS方式比ADF方式要好很多（只针对有 MRC的CT模型），可见MS是有效并且优秀的。
[0138] 图6(a)~图6(d)是6个节点的所有部署拓扑结构，对比相同结构不同发射能量参 数的结果，具有与5节点类似的结果。因此，随着节点数目的增加，拓扑结构数目大量提高。 随着τ的增大，距离结果会变小，但是整体趋势和τ = 1〇-致。仿真表明随着SNR的改变，但是 τ不变的情况，发现随着发射功率的增大(或者噪声变小），扩展距离会增大，但是趋势和上 述描述的一致。
[0139] 图7(a)~图7(d)中7个节点的仿真结果可W表明，高的路径损耗系数环境下，SIS0 已经无法达到最优的扩展效果，但是使用协作传输明显增大扩展距离，说明CT有效且必要 的。
[0140] 通过对比发现，对于指定数目的节点，只有η的变化对最佳拓扑结构的选择造成很 大影响，采用相同SNR阔值，随着路径损耗系数增加，扩展距离增长率会下降，与理论相符 合，并且对于路径衰减系数η除了 5 W外，始终保持着CT有最远扩展距离结果，而且当η越小， CT扩展距离与SIS0距离差距越大。
[0141] 不同模型在相同参数的情况下，MS的拓扑结构要优于不可W进行MS的结构，因为 无法进行MS-DF的结构（如SIS0)无法获得分集增益，根据5和6个节点的仿真结果，其中5个 节点在采用MS后扩展距离增长6%-31%;6个节点中采用MS的拓扑结构扩展距离增长率为 5%-33 %。同时如果相同的路径损耗系数和拓扑结构，但是不同的SNR阔值，但是却能获得 几乎相同的扩展距离增长率，也可W说SNR阔值不会影响距离扩展增长率，也证明了 MRC合 并的信号要优于SC选择拟合结果，与其他研究结论相同。
[0142] 为了证明本发明方法与其他方法相比的优势，如图8(a)~图8(d)所示，将本方法 与Markov链(MC)方法在相同节点数目（N= 24)与路径损耗系数下(n = 1.5~5)进行对比，结 果明显证明本方法扩展距离更远，路径损耗系数大，簇节点数目多占优，相反，簇节点数目 少占优;并且同一种方法在不同的簇节点数目下有相同的扩展趋势，扩展距离随着路径损 耗系数的增大而减小，符合理论规律。
[0143] 综上所述，在拓扑结构选择时，CT的距离扩展明显要优于SC，选择拓扑结构的类型 依托于节点数目与环境参数，节点数目越多，跳数可能也会增加更有利于系统的扩展。路径 损耗系数越大，尽量选择跳数多并且MS-DF多的拓扑结构，相反，路径损耗系数小，选择跳数 少，协作多得结构。
[0144] 接下来分析改进蚁群算法给本发明带来的优势与效果，将传统的循环穷举算法 化xhaustive Attack Method,EAM)与改进蚁群算法（IACS)的结果对比，结果如表1所示。
[0145] 表1穷举法与IACS法对比 Γ014Α1
[0147] EAM与IACS相比，IACS计算精度高，节省时间，符合现实应用的要求。随着节点数目 增多EAM耗时增加将会快速增大，不适宜实际应用。而在IACS算法中m=10，Nc = 100效果最 好，既满足课题要求，又具有速度快，精度高等特点。通过对比发现随着迭代次数的增加，耗 时更大速度大于精度提高速度，说明迭代次数的无限提升没有意义，要根据情况选择适合 的迭代次数，运与蚁群算法的理论一致;蚁群中妈蚁数量的提高，可W明显提高精度，但是 同样增加耗时，而精度的提高达到一定程度也不再有意义，说明种群数量与迭代次数要根 据实际要求来选择。
[0148] 下面是针对地震灾后捶救现场的分析，7个移动机器人在灾后需要进入人类无法 进行救援捶救的环境构建通讯网络，完成数据采集，环境分析等工作，移动机器人延初始位 置进行移动在满足通讯要求下完成最远距离的覆盖，获得最大的信息量。图9是将IACS与 EAM算法应用后的拓扑结构与节点部 署分析结果的效果图，每一个节点位置对应一簇节点， 对比发现IACS与EAM误差非常小，满足精度要求，并且IACS计算速度快节省时间和能耗资 源，其中1-2-3-1与1-3-2-1结构最优，覆盖距罔最远，可W进行部署与捶救任务。
[0149] 从上述实验可W看出，改进蚁群算法解决基于协作传输的无线网络节点部署具有 精度高，计算速度快等优点，在相同条件下远远优于EAM算法。
[0150] 综上所述，本发明可W解决移动无线网络节点在一维方向的部署问题，实现同等 资源传输距离最远，具有计算速度快，节省资源，精度高等优势，可W为实际应用提供支持。
[0151] 本发明的关键点和保护点是基于协作传输技术的可移动式无线网络在固定节点 数目下的拓扑结构选择W及节点位置部署的方法，从而满足整个网络在一维环境下同等资 源可W传输最远的距离，提出CT-MS-DF的方法可W有效提高同等资源的覆盖范围，完成数 据传输与信息采集的任务。
[0152] 通过应用协作传输技术的CT-MS-DF方法的网络节点分配及部署，可W获得更多的 空间分集，增多独立传输信号，有效克服信号衰落的影响，提高网络覆盖范围。并且由于选 择使用了本发明改进的蚁群算法进行寻优，具有运算量小，运算速度快，运算精度高等优 点。可W应用于灾后通讯保障、战场信息侦查、结构健康监测等等。
【主权项】
1. 基于协作传输技术的移动式无线网络节点一维部署方法，其特征在于它按以下步骤 实现： 步骤一、构建基于协作传输的基本信号传输模型： 步骤二、根据步骤一中的基本信号传输模型建立MS-DF模型； 步骤三、选取MS-DF传输模型公式初始值，建立改进蚁群优化算法； 步骤四、利用步骤三中的改进蚁群优化算法，搜索最优节点拓扑结构及部署位置，即完 成了基于协作传输技术的移动式无线网络节点一维部署方法。2. 根据权利要求1所述的基于协作传输技术的移动式无线网络节点一维部署方法，其 特征在于所述步骤一具体为： (1) 在无线网络中，将N个具有单收发天线的节点部署在一条直线上，第一个节点为唯 一的源节点，其余N-I个节点分成簇，第1跳是指在源节点与第一簇之间的链接，第二跳是指 第一簇与第二簇之间的链接并以此类推;第N-I跳是指第N簇与第N-I簇之间的链接，每个节 点都只有一个天线，即单输入单输出系统； (2) 假设所有的节点具有相同的中继发射功率Pt并且在一个簇内的所有传输信号均为 正交信道，每一个节点将所有接收信号进行最大比合并即MRC拟合，从而获得最大的增益； (3) 定义基于协作传输的基本信号传输模型是具有独立的瑞利衰落以及路径损耗系数 为η的信道，假设每一个簇中的各个节点位置很近可以忽略簇内节点的小尺度路径损耗，同 时定义Cl 1为第i跳的距离，并且要求在同一簇内的节点要至少间隔传输信号波长的一半，从 而满足所有信道都满足不相关衰落的条件，并且假定是块衰落，即衰落系数不变，包内的所 有数据衰落效果一致； (4) 假设在第i簇的第j个节点接收的信号在经过最大比合并后的信噪比超过了特定门 限值τ，说明在第j个节点成功译码接收信号;如果目标节点是簇中的一部分，即最后一跳的 节点数目大于1，此时假设至少任意一个在最后一簇中的节点正确译码传输包，说明信息已 经正确传输到目标节点，在这种情况下，称之为有效地选择拟合； 因此，获得具有独立的瑞利衰落以及路径损耗指数为η的信道的信号经最大比合并方 法拟合后的信噪比γ的TOF即ρ( γ )如（1)所示，其中，η是比特能量和噪声比的倒数，M是在任意接收天线处收到的拟合信号数目；其中，cU是第i跳的距离，即第i-Ι簇与第i簇之间的直线距离，xQ = NQK/P()T，Eb表示比特 能量，No表示噪声，T是符号周期，K是每个符号的比特位数，Po是指在参考点do的平均接收功 率，而do则是从发射信号点开始计算的参考距离，η是路径损耗系数，那么对于任意一个接 收天线，成功接收信号的概率是：其中Mmax为接收天线可能接收到的最大信号数目，τ为特定门限值;定义D为从源节点到 最终节点的在指定方向上的距离，可得，3. 根据权利要求1或2所述的基于协作传输技术的移动式无线网络节点一维部署方法， 其特征在于所述步骤二中建立MS-DF模型具体为： 假设在同一簇内的所有节点先进行数据共享，在运用数据共享后，只要保证至少有一 个节点成功接收信号并译码来自前一跳的信号，那么第i跳中的任意一个节点接收信号的 中断概率可以从式⑶得到Pd γ <τ)，其中Ρι( γ )是式⑴，因此，得到数据成功发送到目的 节点的概率为，其中k+Ι为网络中的总跳数，L1为第i跳中的节点数目；为节点无法接收信号 的概率； 根据约束条件那么对于每一跳有约束必 然成立，分别计算在两个边界条件下的Cl1作为约束，即获得D的最大结果。4. 根据权利要求3所述的基于协作传输技术的移动式无线网络节点一维部署方法，其 特征在于所述步骤三具体为： 采用S作为选择路径的规则：其中q〇为指定的数值，其大小会决定采用先验知识和探索新路径之间的重要性，而q则 是随机产生〇到1的数值，如果q<〇选择S方程，否则，选择（7)进行下一个路径选择判定， allow dk为蚂蚁k下一步所有可以选择的距离路线； 定义蚂蚁k从第i跳向下一跳转移选择路径j的转移概率为Pk(i，j)，代表着探索新路径 的规则：) 其中，ni,j为启发函数，Ti, j为在该路径下的信息素浓度，α和β为影响Tiij和ru,j在转移概 率中的加权值； 选择采用路径距离比例为启发函数避免上述问题，建立改进蚁群优化算法其中du表示第j跳第i个路径的距离，Amil和表示第j跳边界条件下的最小值和最 大值。5. 根据权利要求4所述的基于协作传输技术的移动式无线网络节点一维部署方法，其 特征在于所述步骤四具体为： (一） 、计算边界条件 边界条件计算:利用公式（1)、（2)和（3)计算满足Ρ(γ 2 T) 2 0.9并利用牛顿二分法计 算每跳的可部署距离的边界条件和^"值； 假定连续函数f(x)在区间（x，y)上连续，找到a，b属于区间（x，y)，使f(a)，f(b)异号，说 明在区间(a，b)内一定有零点，然后求，假设以&)〈0彳(13)>0， &〈13那么： (1) 如果那么该点就是零点； (2) 如果：>则在区间?内有零点，从（1)开始继续使用中 点函数值判断； (3) 如果则在区间'内有零点，从（1)开始重新进行中 点函数值判断； (二） 、对蚁群个体数m，最大迭代次数Nc_maX，ri赋予初始值，并按照式(8)计算改进蚁群 优化算法； (三） 、根据蚁群个体数将每跳的边界条件数据离散化，利用离散后的数据作为每一跳 的可选路径，将蚁群个体分别放在第一跳的每个路径上，即每个路径各一只蚂蚁，共有S跳， 有m X S个不同的路径，但是每一跳只能在该跳的m个数据中选择； (四） 、找出每只蚂蚁下一路径，按照式(6)和(7)来进行选择，判断是根据先验知识或者 转移概率式来选择下一跳的路径； (五） 、根据上一步中获得的路径选择进行中断概率判断，必须满足即使本跳选择此路 径也必须保证最终的端到端中断概率匕rf<P，即式(3)为约束条件，如果符合条件进行步 骤(六），否则更新本跳禁忌列表，进行步骤（四）重新选择直至选择符合条件的路径，若本跳 禁忌列表更新为无路径可选择，进入步骤(三)重新选择起始路径后进入步骤(四）； (六） 、选择下一路径，重复步骤(五），至整条路径选择完毕；然后进行下一蚂蚁进入步 骤(四）至所有蚂蚁路径选择结束； (七） 、选择将蚁周模型与生物法合并使用，在每个循环结束后更新真实信息量并且引 入弱肉强食原则对最优蚂蚁路径加大信息素，信息素更新方式选择如下：I 其中，P是信息素挥发比例，Q表示信息素浓度常数；Δ<.表示蚂蚁k在本循环经过(i，j) 信息素变化，Dk表示本次循环中蚂蚁k选择路径的总长度；表示第k个蚂蚁经过(i，j)的 信息素更新，表示本循环最优路径经过(i，j)的信息素额外更新，D max表示本次循环中 最优路径的总长度； (八） 、记录本循环的最优蚂蚁路径，更新信息素，按照(9)，（10)和（11)完成，进入步骤 (三）中进行下一循环； (九） 、所有循环结束，选择最优路径，并在最优路径每一段前后步进一个离散距离，更 新七_和义《，进入步骤(二），重新循环，直至满足最优距离精确度，算法停止，进入下一拓 扑结构分析，返回步骤(一），直至所有结构分析完毕。
【专利摘要】基于协作传输技术的移动式无线网络节点一维部署方法，本发明涉及移动式无线网络节点一维部署方法。本发明是要解决传统的通讯网络都是基于二维的区域覆盖考量，但是二维的结果是无法直接应用到一维空间的问题。步骤一、根据无线通信的基本原理，构建基于协作传输的基本信号传输模型；步骤二、根据步骤一中的基本信号传输模型建立MS-DF模型；步骤三、选取MS-DF模型公式初始值，建立改进蚁群优化算法；步骤四、利用步骤三中的改进蚁群优化算法，搜索最优节点拓扑结构及部署位置。本发明应用于通讯领域。
【IPC分类】H04L5/00, H04W72/04, H04B7/02
【公开号】CN105490795
【申请号】CN201510940017
【发明人】郑文斌, 尹洪涛, 刘冰, 付平, 凤雷, 乔家庆, 孟升卫
【申请人】哈尔滨工业大学
【公开日】2016年4月13日
【申请日】2015年12月11日
最新回复(0)