多路由多中继无线传感器网络的低复杂度决策融合方法

1.本发明属于无线通信技术领域，具体说的是多路由多中继无线传感器网络的低复杂度决策融合方法。


背景技术：

2.广泛覆盖的信息感知网络，是智慧城市“数字化”“网络化”“智能化”的关键基础设施。处于网络最底层的感知层，主要负责智慧城市本地智能终端设备的无线接入。在网络层准确及时传送数据的前提下，应用层处理数据的精确度与数据挖掘结论的准确性将取决于感知层数据的质量。因此，保证泛在感知网络感知层数据可靠传输，是从“信息源头”实现智慧城市时空信息可靠感知的最有效路径，对其研究极其重要。
3.单个传感器提供的数据已无法满足智慧城市数字化与智能化发展需要。必须使用多个传感器提供多特征观测信息，进行全面、高效、准确合理的融合判决、估计或决策，多源信息融合技术成为必然选择。然而，传统源信息融合研究大多未考虑借助中继节点来进行协作通信，当传输距离较远时，将无法进行正常信息传输，即通信距离受到较大制约，网络覆盖能力不足。仅存的少量多中继决策融合的研究，但都需要完美估计各传输路径各中继信道的瞬时信道状态信息(channel state information，csi)，实现复杂度高，不易工程应用。
4.首先在资源受限的无线传感器网路中，中继节点靠电池驱动，在融合中心进行复杂的算法计算将提高传输延迟，增加传输能耗，对通信系统的实现不太友好。因此如何将在融合中心进行对数似然比提取算法进行化简以降低计算复杂度变得尤为重要。其次传统的无线传感器网络在融合中心获得的精确对数似然比信息提取，往往需要获得所有传输路径上的信道状态信息，在实际应用中由于信道状在实时动态变化，对信道状态信息的估计过程涉及较高的实现复杂度，能耗大，能耗高。这与无线传感器网络低复杂度和低成本的理念相悖。而且，当对csi的估计存在误差时，整个编码系统的性能将会急剧下降。即采用精确csi的检测系统对csi的鲁棒性不足。上述技术不足在一定程度上限制了多路由多中继无线传感器网络在新型智慧城市感知数据传输中的应用深度和广度。


技术实现要素：

5.为解决上述技术问题，本发明提供一种多路由多中继无线传感器网络的低复杂度决策融合方法，利用二进制对称信道实现低复杂度决策融合，计算复杂度低，鲁棒性强。
6.为实现上述技术目的，所采用的技术方案是：多路由多中继无线传感器网络的低复杂度决策融合方法，包括以下步骤：步骤s1：信源产生的数据经无线信道传输后被本地传感器接收，本地传感器利用最大似然准则进行硬判决，然后将此硬判决结果转发给中继节点，再由多个中继节点转发后送达融合中心；步骤s2：融合中心根据从每条传输链路获取的接收值，分别提取无需瞬时信道状
态信息的判决度量值，再进行融合处理，得出判决所需的低复杂度判决度量值；步骤s3：将步骤s2提取出的低复杂度判决度量值与判决门限进行比较，得出最终的决策结果。
7.进一步，所述步骤s1中的中继节点采用放大转发策略，放大系数为1。
8.进一步，所述步骤s2中融合中心对每一传输链路的判决度量值提取方法有两种，分别为：当中继传输信道bsc的错误转移概率＜0.1，在融合中心接收值yi＝1时在融合中心接收值yi＝0时其中，其中，p
di
和p
fi
表征第i个本地传感器的检测概率和虚警概率；当中继传输信道bsc的错误转移概率≥0.1时，有λ2＝2y
i-1其中，λ1和λ2分别表示在不同传输信道条件下，融合中心基于第i路接收数据yi提取出判决度量值，已不含任何瞬时信道状态信息。
9.进一步，所述步骤s2中对每条传输链路得出的判决度量值进行融合处理的方法分别为：别为：其中，llr1表示在判决度量值为λ1时进行融合处理后的低复杂度判决度量值，llr2表示在判决度量值为λ2时进行融合处理后的低复杂度判决度量值。
10.进一步，所述步骤s3中融合判决方法为：其中，τ表示判决门限，llr表示低复杂度判决度量值，包括llr1和llr2两种情况。
11.进一步，所述本地传感器与所述中继节点之间，所述中继节点与所述中继节点之间，所述中继节点与所述融合中心之间的信道均为二进制对称信道。
12.本发明有益效果是：本发明提供了一种二进制对称信道下多路由多中继无线传感器网络的低复杂度决策融合方法，具有计算复杂度低，鲁棒性强，可靠性高的特点。
13.相较于最佳判决度量值，本发明所提方案的性能损失不大，无需瞬时信道状态信息，因此具有实现复杂度低，成本低，对信道状态信息的鲁棒性强的特点，能够有效降低网络节点的能耗。
附图说明
14.图1是本发明在中继传输信道的错误转移概率较低时融合中心的数据处理流程图；图2是本发明在中继传输信道的错误转移概率较高时融合中心的数据处理流程图；图3是本发明数据融合决策方法的流程图；图4是本发明实施例中通信系统的工作流程图；图5是实施例中中继传输信道错误转移概率较低的情况下基于最佳判决度量值提取方法(18)与基于简化判决度量值提取方法(5)性能比较的ber影响图；图6是实施例中中继传输信道错误转移概率较低的情况下基于最佳判决度量值提取方法(18)与基于简化判决度量值提取方法(5)性能比较的fer影响图；图7是实施例中中继传输信道错误转移概率较低的情况下基于简化判决度量值提取方法(5)中继数量对性能的ber影响图；图8是实施例中中继传输信道错误转移概率较低的情况下基于简化判决度量值提取方法(5)中继数量对性能的fer影响图；图9是实施例中中继传输信道错误转移概率较低的情况下基于简化判决度量值提取方法(5)路由数量对性能的ber影响图；图10是实施例中中继传输信道错误转移概率较低的情况下基于简化判决度量值提取方法(5)路由数量对性能的fer影响图；图11是实施例中中继传输信道错误转移概率较高的情况下基于精确判决度量值提取方法(18)中继数量对性能的ber影响图；图12是实施例中中继传输信道错误转移概率较高的情况下基于精确判决度量值提取方法(18)路由数量对性能的ber影响图；图13是实施例中中继传输信道错误转移概率较高的情况下基于简化判决度量值提取方法(6)中继数量对性能的ber影响图；图14是实施例中中继传输信道错误转移概率较高的情况下基于简化判决度量值提取方法(6)路由数量对性能的ber影响图；图15是实施例中中继传输信道错误转移概率较高的情况下基于简化判决度量值提取方法(18)与简化判决度量值提取方法(6)性能比较的ber影响图。
具体实施方式
15.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
16.具体实施方式：一种多路由多中继无线传感器网络的低复杂度决策融合方法，基于本地传感器、中继节点和融合中心实现，如图3所示，包括以下步骤：多路由多中继无线传感器网络的低复杂度决策融合方法，包括以下步骤：
s1：信源产生的二进制数据h0＝0或h1＝1经无线信道传输后被本地传感器接收，本地传感器利用最大似然准则进行硬判决，然后将此硬判决结果转发给中继节点，再由多个中继节点转发后送达融合中心，具体步骤如下：s11：第i路本地传感器接收到信源发送的二进制数据h0或h1，依据最大似然准则进行硬判决后结果为xi，xi∈{0,1}；s12：数据xi经过多个中继节点转发后送达融合中心，融合中心接收到的序列为yi；xi和yi的关系为：其中，e
i,j
表示第i条链路第j个bsc对应的信道传输差错，i表示总的传输链路数量，j表示从本地传感器到融合中心间的bsc(二进制对称信道)总数量，表示模2加法运算。所述步骤s12中，中继节点采用放大转发策略，放大系数为1。即本地传感器发送数据xi，xi经过在第一个bsc传输后到达第一个中继节点，此中继节点接收数据为由于放大系数为1，因此中继节点不做任何处理，直接将再次发送即可，在第二个bsc传输后到达第二个中继节点，此中继节点接收数据为后续处理过程类似，最终当数据达到融合中心的时候，得出了公式(1)的结果。
17.s2：融合中心根据从每条传输链路((每个本地传感哭器到融合中心的整个传输路径))获取的接收值，分别提取无需瞬时信道状态信息(channel state information，csi)的判决度量值，再进行融合处理，得出判决所需的低复杂度判决度量值。
18.所述步骤s2中融合中心对每一传输链路的判决度量值提取方法有两种。分别为：当中继传输信道bsc的错误转移概率较小，小于0.1时，即中继信道质量较好时，在融合中心接收值yi＝1时其中，p
di
和p
fi
表征第i个本地传感器的检测概率和虚警概率，即p
di
＝p(xi＝1|h1)和p
fi
＝p(xi＝1|h0)，用于表征信源到本地传感器的性能。在融合中心接收值yi＝0时当中继传输信道bsc的错误转移概率较大，大于等于0.1时，即中继信道质量较差时，有λ2＝2y
i-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，λ1和λ2分别表示在不同传输信道条件下，融合中心基于第i条传输链路接收数据yi提取出的判决度量值，已不含任何瞬时csi。
19.进一步的，所述步骤s2中对每路得出的判决度量值进行融合处理分别为：
其中，llr1表示在判决度量值为λ1时进行融合处理后的低复杂度判决度量值，llr2表示在判决度量值为λ2时进行融合处理后的低复杂度判决度量值。其中，llr1表示在判决度量值为λ1时进行融合处理后的低复杂度判决度量值，llr2表示在判决度量值为λ2时进行融合处理后的低复杂度判决度量值。
20.s3：将s2步骤提取出的低复杂度判决度量值与判决门限进行比较，得出最终的决策结果。
21.进一步的，所述步骤s3中融合判决方法为：其中，τ表示判决门限，llr表示低复杂度判决度量值，包括llr1和llr2两种情况。
22.所述本地传感器与所述中继节点之间，所述中继节点与所述中继节点之间，所述中继节点与所述融合中心之间的信道均为bsc。
23.所述步骤s2中融合中心对每一传输链路的判决度量值的两种提取以及处理方法的理论推导过程包括以下步骤：a1：对于本地传感器到融合中心的传输链路而言，可以对j个串行bsc进行等效处理，得出一个等价的bsc，其错误转移概率εi可写为：其中，ε
i,j
＝pr(e
i,j
＝1)为第i条链路第j个bsc的错误转移概率，因此等价bsc的错误转移概率εi可表示为：a2：在得到等价bsc的错误转移概率εi显式表达后，我们基于最大似然准则，在融合中心的最佳判决度量值最初始表达式可写为：其中，y＝[y1,y2,
…
,yi]是融合中心接收向量，它包含j跳后所有i路本地传感器的观测值。λ(yi)表示融合中心基于第i路接收数据yi提取出的第i条传输链路的判决度量值。
[0024]
为了得出式(10)的最终表示形式，需要得出式(10)中λ(yi)的表达式。以下给出λ(yi)的推导过程。
[0025]
a3：根据最大似然准则，式(10)中λ(yi)可表示为：
证明为：由于类似的，我们可以得到将式(13)和式(14)带入式(12)可得
至此，得出了式(10)中λ(yi)的表达式，也即融合中心基于第i路接收数据yi提取出的判决度量值表达式。
[0026]
得出式(10)中λ(yi)的表达式后，接下来给出融合中心的最佳判决度量值表达式。
[0027]
a5：将式(16)和式(17)带入式(10)得到在融合中心的最佳判决度量值最终表达式为：至此，得出了融合中心的最佳判决度量值表达式。
[0028]
a6：在最佳判决度量值，即式(18)的实现过程中，融合中心需完美获取每条链路每个中继bsc的瞬时csi，即错误转移概率ε
i,j
，实现复杂度极高，不易工程应用。即使能够获取精确的瞬时csi，但是从中继节点将获取的csi传输至融合中心也需消耗大量能量等资源。因此，对式(18)简化近似，得出无需瞬时csi的融合检测方法就显得十分必要。
[0029]
首先，在式(18)的基础上，给出第一种融合度量值，即式(5)的理论推导过程。
[0030]
a7：当传输信道的错误转移概率较低时，此时εi→
0，则式(18)可变为：至此，得出了式(5)所示的融合判决度量值。
[0031]
其次，在式(18)的基础上，给出第二种融合度量值，即式(6)的理论推导过程。
[0032]
a8：对于双曲正切函数tanhθ和反双曲正切函数arctanhθ而言，有如下的关系式：则根据式(20)，可得，对于式(9)给出的等价bsc错误转移概率εi有如下结论：其中，
[0033]
a9：由tanh准则可知：
其中，
[0034]
a10：当传输信道的错误转移概率较高时，根据式(22)，首先对式(16)进行如下等价变换：根据式(22)的推导，式(23)可写为：在bsc的错误转移概率较大时，有以下近似结果：根据式(25)可知，式(24)可变为：
a11：在低信噪比下有，δ
i,j
→
0，利用一阶泰勒展开式对式(26)中指数函数近似后有则式(26)可写为：又由于log(1+x)≈x，则式(27)可变为a12：类似地，式(17)可变为：a13：由式(28)和式(29)可得，融合中心的的最终判决度量值为：a14：当每个局部传感器相同时，即p
di
和p
fi
不随i的变化而变化时，式(30)可变为其中，k2＝(p
d-pf)。当p
d-pf＞0时，舍弃常数项并不会影响结果，此时式(31)可变为：a15：式(32)类似于分集接收时的最大比合并度量值，受此启发，可基于等增益合并得出另外一种判决度量值
至此，得出了式(6)所示的判决度量值。
[0035]
如图5所示，系统的每条路由工作过程为：信源产生二进制序列h0和h1，通过二进制信道被i个本地传感器接收，然后每个本地传感器通过j个独立的二进制对称信道将接收数据想融合中心发送，融合中心在接收到信号后，根据不同传输信道条件分别按照图1、图2和图3所示的过程进行处理。
[0036]
使用最佳判决度量值提取方法(18)与简化判决度量值提取方法(5)时系统误码率(bit error rate,ber)性能和误帧率(frame error rate,fer)性能的比较在如图5和图6中给出。此时仿真条件设置为中继数量j＝5，路由数量分别为i＝5和i＝7，横坐标表示本地传感器的检测性能变化。可以发现两种方法的性能大致相同，这就表示着在中继传输信道的转移概率较小时，通过对精确llr提取方法(18)的近似推导得到的简化判决度量值提取方法(5)，在降低复杂度的同时，系统性能的损失只在很小的范围内。
[0037]
使用简化判决度量值(5)时，中继数量对融合中心决策性能的影响在图7和图8中给出，横坐标表示本地传感器的检测性能变化。设路由个数i＝7，中继数量j分别为1、2、3、4和5。从整体上我们可以看到随着本地传感器性能的提升，系统的ber和fer曲线呈现下降的趋势，并存在着阈值现象，当本地传感器的性能高于阈值时，曲线下降较为明显，即性能改善较为明显。反之，当本地传感器的性能低于此阈值时，曲线下降较为缓慢，即性能改善幅度较小。我们可以发现，当中继信道的错误转移概率较小时，随着中继数量的增加，ber和fer性能并未有明显改变。
[0038]
与中继数量变化对系统性能影响不同的是，在图9和图10给出了路由数量对融合中心决策性能的影响，当我们设中继个数j＝3，路由个数i分别为1、3、5、7和9时，可以看出路由数量的增多对系统性能有较为明显的提升。
[0039]
在中继传输信道的转移概率较大时使用最佳决策融合判决度量值(18)时，中继数量对融合中心决策性能的影响在图11中给出，设路由数i＝7，中继数量j分别为1、2、3、4和5，横坐标表示本地传感器的检测性能变化。很明显的，由于中继传输的信道条件随着中继数量的增加会变得更加恶劣，当中继数量较多时，等价bsc的错误转移概率接近于0.5，因此性能较差。我们仿真路由数量i对融合中心的决策性能的影响并在图12中给出，可以看到随着路由数的增多，性能也会有所改善。
[0040]
对简化决策融合度量值(6)进行了仿真，仿真结果在图13和图14进行了展示，并在图15中将最佳决策融合度量值(18)和简化决策融合度量值(6)两种方法下的性能进行了比较，我们发现二者性能变化微乎极微，体现出我们提出的方法在进行近似推导之后性能变化不大。我们提出的低复杂度融合决策方案不需要对csi进行估计，而且性能损失较小，复杂度较低，在性能和实现复杂之间达到了更好的平衡匹配，特别适合在多路由多跳并行分布式系统中使用。
[0041]
综上所述，本发明提出的一种二进制对称信道下多路由多中继无线传感器网络的低复杂度决策融合方法，具有可靠性高、鲁棒性强，且计算复杂度低的特点。
[0042]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一
致的最宽的范围。