一种短波下行通信中的发射机信道分配模型及方法与流程

本发明属于无线通信技术领域，特别是一种短波下行通信中的发射机信道分配模型及方法。

背景技术：

短波通信具有维护费用低、设备简单、组网方便等优点，在未来发展中具有巨大的潜力。然而，短波信道传播质量不稳定、干扰严重、频率资源有限等缺点，限制了短波通信的发展。针对短波下行传输过程，为了提高通信可靠性，往往采用信道分集的方式。随着短波用户增多和业务需求增大，因为短波频谱资源有限，如何高效分配短波信道资源变得越来越重要。针对信道资源分配问题，在移动网络场景下有很多研究。有人提出了载波聚合(参考文献，yuanhuizhang,chunrongkan,kunxu,etal,"distributedcarrieraggregationinsmallcellnetworks:agame-theoreticapproach,"ksiitransactionsoninternet&informationsystems,vol.9,no.12,2015.)的接入方法，提高了频谱利用效率。然而，目前关于短波信道资源分配的研究较少，现有短波信道研究大部分都是关注如何从传播质量不稳定的短波信道中选择合理的信道。

目前关于短波信道的研究中，有研究工作(参考文献，bernard.lacaze,"modelingthehfchannelwithgaussianrandomdelays,"signalprocessing,vol.64,no.2,pp.215-220,1998.)利用高斯随机延迟对短波信道建模。有相关研究(参考文献，zhiqiangqin，jinlongwang,jinchenetal,"opportunisticchannelaccesswithrepetitiontimediversityandswitchingcost:ablockmulti-armedbanditapproach,"wirelessnetworks,vol.24,no.5,pp.1683-1697,2018.)将多臂老虎机思想应用到建链信道选择中。但是因为之前短波用户较少，下行分集信道资源充足，目前少有人将短波下行分集技术和信道资源分配优化结合进行研究，往往采用依据经验随机均匀分配方式，这样频谱资源的利用率较低，不能满足日益增长的频谱资源需求。

技术实现要素：

本发明的目的在于提供一种短波下行通信中的发射机信道分配模型及方法，在短波下行传输场景下面向业务需求，通过优化系统通信概率得到可靠下行分集策略。

实现本发明目的的技术解决方案为：一种短波下行通信中的发射机信道分配模型，该模型对短波系统通信概率进行如下刻画：在短波系统下行传输场景中，采用信道分集技术来保证短波通信的可靠性；短波信道分集指站台用多个发射机在不同信道上给用户发送相同信号，用户将接收的多个信号整合来提高接收稳定性；对于任意的用户，其成功通信的概率由分集信道的可用度、用户通信需求概率和占用相同信道的发射机干扰概率决定；通过调整下行发射机信道分配策略，实现系统总通信概率最大化的目标。

一种短波下行通信中的发射机信道分配方法，包括以下步骤：

步骤1，将短波下行信道分集优化问题，分解为发射机-信道匹配和发射机分集分配两个子问题；

步骤2，将发射机-信道匹配问题，建模为多对一匹配博弈，匹配双方是所有发射机和可用信道；

步骤3，各发射机根据可用信道的可用度和所有用户的业务需求，定义发射机在各可用信道上的期望通信概率，并分别得到发射机和可用信道的匹配偏好列表；

步骤4，计算最大化系统期望通信概率下的稳定的发射机-信道匹配策略；

步骤5，在稳定的发射机-信道匹配策略下，将发射机分集分配问题，建模为势能博弈模型，博弈的参与者是短波系统中所有具有任务需求的用户；

步骤6，各用户构建自己的发射机分集策略，引入空间局部互利博弈模型，根据是否选择相同发射机将其他用户划分为邻居和非邻居用户，并定义局部通信概率效用函数；

步骤7，计算最大化系统通信概率下的最优分配策略，得到最优分配策略。

进一步地，步骤2所述的将发射机-信道匹配问题，建模为多对一匹配博弈，具体如下：

该博弈模型g1定义为：

其中为可用信道集合，为发射机集合；偏好关系＞m和＞f分别为发射机m的信道偏好关系和信道f的发射机偏好关系；

一个多对一匹配u是一个从集合到集合的映射和两个偏好关系＞m和＞f，其中映射关系指一个发射机只占用一个信道，一个信道可被多个发射机占用：

1)对于每一个信道并且|μ(f)|∈{1,2,...,qc}；

2)对于每一发射机且|μ(f)|＝1；

3)f∈μ(m)当且仅当m∈μ(f)；

μ(f)是指使用信道f的发射机的子集，μ(m)是由发射机m访问的短波信道的子集，配额是每个信道可以匹配的发射机的最大数目。

进一步地，步骤3所述的各发射机根据可用信道的可用度和所有用户的业务需求，定义发射机在各可用信道上的期望通信概率，并分别得到发射机和可用信道的匹配偏好列表，具体如下：

考虑整个短波系统的通信概率，并用rm表示发射机m在某一信道上的期望通信概率：

其中fm为发射机m的可用信道；表示发射机m在信道fm发送数据给用户n的信道可用，表示信道不可用；表示发射机m在信道fm发送数据给用户n时的信道可用概率；pn表示用户n的通信需求；

对于两个可用信道f1m和f2m，每个发射机m的偏好为：

对于可用发射机中的两个发射机m1和m2，每个信道f的偏好为：

进一步地，步骤4所述计算最大化系统期望通信概率下的稳定的发射机-信道匹配策略，具体如下：

步骤4.1、初始化：每个发射机和每个信道获得匹配偏好列表，并计算匹配轮次；

步骤4.2、匹配：未匹配发射机向自己偏好列表中优先级最高的信道发送请求，并将该信道从偏好列表中删除；每个信道根据自己的配额和偏好列表，从请求列表和当前匹配发射机中选择最好的发射机；

步骤4.3、收敛：循环步骤4.2直到所有的发射机匹配或者偏好列表为空，匹配过程结束，得到稳定的发射机-信道匹配策略。

进一步地，步骤5所述的在稳定的发射机-信道匹配策略下，将发射机分集分配问题，建模为势能博弈模型，具体如下：

该博弈模型定义为：

其中为用户集合；a2n为用户n选择的发射机策略集合；u2n为用户通信概率效用函数集合。

进一步地，步骤6所述的定义局部通信概率效用函数，具体如下：

每个用户n的局部通信概率效用函数u2n(mn,m-n)为：

其中mn,m-n分别表示用户n信道分集选择的发射机策略和除用户n以外的所有用户的发射机策略集合，jn是和用户n选择了相同的发射机的用户集合，是jn中所有用户选择的发射机策略；

其中是用户k的通信概率，定义为：

其中r(m,f,n)为链路m-f-n的通信概率，定义为：

其中δm,f,n＝1表示发送机m通过信道f发送数据给用户n即链路m-f-n)，δm,f,n＝0表示链路m-f-n是不可用的；θm,f,n表示发射机m在信道f发送给用户n时的信道可用概率；im选择了发射机m的用户集合；pk表示用户通信需求概率；if表示所有选择信道f的发射机集合；发射机决策函数f(θm,f,n,θm1,f,n)定义为

jn是和用户n选择了相同的发射机并可能对用户n造成干扰的用户集合，定义为：

其中mn和m′n分别表示用户n当前和准备选择的发射机策略。

进一步地，步骤7所述的计算最大化系统通信概率下的最优分配策略，得到最优分配策略，具体如下：

步骤7.1、初始化：每个用户随机选择发射机分集策略，设置迭代次数；

步骤7.2、探测：随机选择一个用户进行操作，选出该用户的邻居用户，并计算该用户所有可能分配策略的局部通信概率效用函数值，依概率选择能够带来最优局部通信概率效用函数的分配策略；

根据(7)式，得到整个系统的通信概率为：

最优分配策略p2为：

p2:

步骤7.3、收敛：循环步骤7.2，用户更新发射机分配策略，直到所有用户的分配策略选择收敛或者达到设定的迭代次数，探测学习结束，得到下行信道分集策略；

进一步地，步骤7.3所述循环步骤7.2，用户更新发射机分配策略，具体如下：

除用户n外的其他用户重复之前的发射机选择策略mi(k+1)＝mi(k)，对于选中的用户n，首先按照公式(6)计算用户n在所有可能发射机选择策略下的局部通信概率效用函数，根据最佳响应原则得到当前最好的发射机策略

然后用户根据公式(14)决定是否接受其中接受和拒绝的概率分别为和mn(k+1)＝mn(k)，更新自己的发射机策略p：

其中，β为学习参数，是假设n选择最优发射机策略后的效用函数，u2(mn(k))是第k次迭代时用户n选择发射机策略mn(k)后的效用函数。

本发明与现有技术相比，其显著优点在于：(1)充分考虑了短波信道可用度和业务需求，将概率统计模型和下行分集技术相结合，构建了短波系统通信概率，更加精确地描述真实短波通信系统场景；(2)将决策空间庞大的问题分解为两个子问题，将发射机-信道匹配构建为匹配博弈和发射机分配问题构建为势能博弈，证明了稳定匹配和纳什均衡的存在性，为算法的设计提供了理论支持(3)通过问题的分解，使得短波下行分集策略计算收敛得更快，减少计算开销，适用于大规模短波系统。

附图说明

图1是本发明短波下行通信中的发射机信道分配模型中多信道短波通信系统的示意图。

图2是本发明短波下行通信中的发射机信道分集方法的示意框图。

图3是本发明实施例中模型方法与最优策略在迭代次数增加时的系统通信概率对比图。

图4是本发明实例中子问题1算法在不同发射机数目下收敛次数的累积概率分布图。

图5是本发明实例中子问题2算法在不同用户数目下收敛次数的累积概率分布图。

具体实施方式

图1所示为短波通信系统下行分集传输示意图。在图1中，不同的用户拥有不同的通信需求，且不同短波信道对于不同用户的可用度不同。系统分配多个发射机给每个用户，通过增加发送信道数量来提高传输的可靠性。假设用户n分集策略为{(m1,f1),(m2,f2),(m3,f3)}，那么该用户在多个信道上成功接收信道的通信概率为1-(1-r(m1,f1,n))(1-r(m2,f2,n))(1-r(m3,f3,n))，该公式表明用户分集信道数越多，其通信该流程越高。通过分集信道策略选择，实现在满足通信需求的前提下的系统通信概率最大化目标。

本发明一种短波下行通信中的发射机信道分配模型，刻画如下：在短波系统下行传输场景中，采用信道分集技术来保证短波通信的可靠性。短波信道分集指站台用多个发射机在不同信道上给用户发送相同信号，用户将接收的多个信号整合来提高接收稳定性。对于任意的用户，其成功通信的概率由分集信道的可用度、用户通信需求概率和占用相同信道的发射机干扰概率决定；通过调整下行发射机信道分配策略，实现系统总通信概率最大化的目标。

结合图2，本发明短波下行通信中的发射机信道分集方法，包括以下步骤：

步骤1，将短波下行信道分集优化问题，分解为发射机-信道匹配和发射机分集分配两个子问题；

步骤2，将发射机-信道匹配问题，建模为多对一匹配博弈，匹配双方是所有发射机和可用信道；

步骤3，各发射机根据可用信道的可用度和所有用户的业务需求，定义发射机在各可用信道上的期望通信概率，并分别得到发射机和可用信道的匹配偏好列表；

步骤4，计算最大化系统期望通信概率下的稳定的发射机-信道匹配，具体如下：

步骤4.1、初始化：每个发射机和每个信道获得匹配偏好列表，并计算匹配轮次；

步骤4.2、匹配：未匹配发射机向自己偏好列表中优先级最高的信道发送请求，并将该信道从偏好列表中删除；每个信道根据自己的配额和偏好列表，从请求列表和当前匹配发射机中选择最好的发射机；

步骤4.3、收敛：循环步骤4.2直到所有的发射机匹配或者偏好列表为空，匹配过程结束，得到稳定的发射机-信道匹配策略；

步骤5，在稳定的发射机-信道匹配策略下，将发射机分集分配问题，建模为势能博弈模型，博弈的参与者是短波系统中所有具有任务需求的用户；

步骤6，各用户构建自己的发射机分集策略，引入空间局部互利博弈模型，根据是否选择相同发射机将其他用户划分为邻居和非邻居用户，并定义局部通信概率效用函数；

步骤7，计算最大化系统通信概率下的最优分配策略，得到最优分配策略，具体如下：

步骤7.1、初始化：每个用户随机选择发射机分集策略，设置迭代次数；

步骤7.2、探测：随机选择一个用户进行操作，选出该用户的邻居用户，并计算该用户所有可能分配策略的局部通信概率效用函数值，依概率选择能够带来最优局部通信概率效用函数的分配策略；

步骤7.3、收敛：循环步骤7.2直到所有用户的分配策略选择收敛或者达到设定的迭代次数，探测学习结束，得到下行信道分集策略。

本发明的具体实施如下：

一、步骤1所述的短波下行信道分集问题分解为两个子问题，具体如下：

考虑一个短波通信系统，其中有n个用户、m个发射机、f个可用信道和k个分集信道。通过分析计算，所有可能的策略大小为对于一个包含12个发射机，6个用户，10个短波信道和分集数为3的短波系统，可能的策略数为1.1338e+26。可见，该问题的决策空间十分庞大，因此将原问题分解为两个复杂度低的子问题：发射机-信道匹配和发射机分集分配。

二、步骤2所述将短波发射机-信道匹配问题，建模为多对一匹配博弈，该博弈模型定义为：

其中为可用信道集合，为发射机集合；偏好关系＞m和＞f分别为发射机m的信道偏好关系和信道f的发射机偏好关系；

一个多对一匹配u是一个从集合到集合的映射和两个偏好关系＞m和＞f，其中映射关系指一个发射机只占用一个信道，一个信道可被多个发射机占用：

1)对于每一个信道并且|μ(f)|∈{1,2,...,qc}；

2)对于每一发射机且|μ(f)|＝1；

3)f∈μ(m)当且仅当m∈μ(f)。

μ(f)是指使用信道f的发射机的子集，μ(m)是由发射机m访问的短波信道的子集，配额是每个信道可以匹配的发射机的最大数目，由表示。

三、步骤3所述的定义发射机在各可用信道上的期望通信概率，并分别得到发射机和可用信道的匹配偏好列表，具体如下：

考虑整个短波系统的通信概率，并用rm表示发射机m在某一信道上的期望通信概率：

其中fm为发射机m的可用信道；表示发射机m在信道fm发送数据给用户n的信道可用，表示信道不可用；表示发射机m在信道fm发送数据给用户n时的信道可用概率；pn表示用户n的通信需求；

对于两个可用信道f1m和f2m，每个发射机m的偏好为：

对于可用发射机中的两个发射机m1和m2，每个信道f的偏好为：

四、计算最大化系统期望通信概率下的稳定发射机-信道匹配，具体如下：

理想发射机-信道匹配策略p1为：

p1:

五、步骤5所述的在稳定发射机-信道匹配策略下，发射机分集分配问题建模为势能博弈模型，该博弈模型定义为：

g2＝{n,{a2n}n∈n,{u2n}n∈n}(6)

其中为用户集合；a2n为用户n选择的发射机策略集合；u2n为用户通信概率效用函数集合。

进一步地，步骤6所述的定义局部通信概率效用函数，具体如下：

每个用户n的局部通信概率效用函数为：

其中mn,m-n分别表示用户n信道分集选择的发射机策略和除用户n以外的所有用户的发射机策略集合，jn是和用户n选择了相同的发射机的用户集合，是jn中所有用户选择的发射机策略。

其中是用户k的通信概率，定义为：

其中r(m,f,n)为链路m-f-n的通信概率，定义为：

其中δm,f,n＝1表示发送机m通过信道f发送数据给用户n(链路m-f-n)，δm,f,n＝0表示链路m-f-n是不可用的；θm,f,n表示发射机m在信道f发送给用户n时的信道可用概率；im选择了发射机m的用户集合；pk表示用户通信需求概率；if表示所有选择信道f的发射机集合；发射机决策函数f(θm,f,n,θm1,f,n)定义为

六、步骤7所述的计算最大化系统通信概率下的最优分配策略，得到最优分配策略，具体如下：

根据(7)式，得到整个系统的通信概率为：

最优分配策略p2为：

p2:

七、步骤7.2所述的更新用户迭代发射机分配策略，具体如下：

除用户n外的其他用户重复之前的发射机选择策略mi(k+1)＝mi(k)，对于选中的用户n，首先按照公式(6)计算用户n在所有可能发射机选择策略下的局部通信概率效用函数，根据最佳响应原则得到当前最好的发射机策略

然后用户根据公式(15)决定是否接受其中接受和拒绝的概率分别为和mn(k+1)＝mn(k)，更新自己的发射机策略：

其中，β为学习参数，是假设n选择最优发射机策略后的效用函数，u2(mn(k))是第k次迭代时用户n选择发射机策略mn(k)后的效用函数。

对于子问题1所提匹配算法，可以证明得到稳定匹配；对于子问题2构建的博弈模型，可以证明其为势能博弈，至少存在一个纳什均衡解。且利用势能博弈的有限改进性质，可以设计符合该性质的算法求解纳什均衡。

实施例1

本发明的一个具体实施例如下描述：系统仿真采用matlab软件，参数设定不影响一般性；n个用户和若干站台随机分布在一个500km×500km的网络场景中，其中每个发射机的发射功率是相同的；信道的可用概率θm,f,n和用户通信需求pn已知，且用户信道分集数目固定；学习系数β依据实际效用值进行改变，并随着迭代次数增加而增大，使得结果逐渐从学习探测过程偏向收敛；所示仿真结果为300次仿真后平均值。

考虑所述的短波下行分集方法，具体操作如上述具体实施过程，直到发射机分配策略选择收敛或者到达设定的迭代次数，用户根据具体实施过程中步骤7的结果进行分集信号传输。

仿真结果分析：

图3是在4个发射机、3个可用信道和3个用户的场景中使用所提方法和最优策略随迭代次数增加系统通信概率变化情况。可见随着迭代次数增加，所提方法的系统通信概率不断增加，最后收敛到一个稳定结果，最后结果达到最优策略下的通信概率的90％以上，可见，所提算法得到的下行信道分集策略是可靠的，满足用户通信需求。

图4给出了在40个可用信道场景下累积概率分布函数与子问题1算法的收敛次数之间的关系。可见，该匹配算法能够得到稳定的匹配，且收敛迭代次数不超过30。图5给出了在12个发射机和10个可用信道下累积概率分布函数与子问题2算法的收敛次数之间的关系，可见所提方法可以达到较好系统通信概率，且收敛速度较快。

综上，本发明提出的基于概率统计的短波下行信道分集博弈模型及分配算法，充分考虑短波通信系统信道不可靠特点和决策空间庞大问题，构建用户通信概率模型，并将问题分解为两个低复杂度子问题，利用匹配博弈和势能博弈特征进行求解从而得到了稳定可靠下行分集策略，提高了频谱利用效率。通过和基于穷举方法的最优分集策略相比较，仿真结果表明所提方法所得系统通信概率达到最优的90％以上，满足用户业务需求，且方法收敛速度较快，适用于大规模短波通信系统。