戴翠琴,王文翰

0 引言

空間協(xié)作通信,是指通過(guò)星間、星地鏈路將衛(wèi)星、飛行器及相應(yīng)地面設(shè)施連接在一起,以涵蓋陸、海、空、天的各類信息資源共享為目的,完成空間信息的收集、處理和傳輸。衛(wèi)星,以其廣覆蓋、大容量、組網(wǎng)靈活等優(yōu)勢(shì)被廣泛應(yīng)用在空間信息的協(xié)作傳輸中。然而,星地鏈路因距離遠(yuǎn)、損耗大、衰落現(xiàn)象嚴(yán)重,使得空間信息傳輸時(shí)延大、差錯(cuò)概率大、信道惡化現(xiàn)象嚴(yán)重,因此,基于空間協(xié)作節(jié)點(diǎn)的空間信息協(xié)作傳輸技術(shù)日益引起人們的關(guān)注[1-3]。

目前,協(xié)作分集技術(shù)在地面通信中已取得顯著成就,在衛(wèi)星通信領(lǐng)域的研究尚處于探索時(shí)期[4-7]。文獻(xiàn)[4]在三節(jié)點(diǎn)衛(wèi)星協(xié)作場(chǎng)景中,分析對(duì)比使用解碼轉(zhuǎn)發(fā)(Decode and Forward, DF)、放大轉(zhuǎn)發(fā)(Amplify and Forward, AF) 和協(xié)作編碼(Cooperative Coding, CC) 三種協(xié)作策略下衛(wèi)星通信系統(tǒng)的中斷概率;同時(shí),分析比較了多點(diǎn)協(xié)作下的系統(tǒng)誤符號(hào)率與協(xié)作節(jié)點(diǎn)個(gè)數(shù)之間的關(guān)系。文獻(xiàn)[5]采用AF的協(xié)作模式進(jìn)行衛(wèi)星通信信息傳輸,通過(guò)分析研究得出在不同陰影萊斯衰落信道下的概率密度函數(shù)和中斷概率公式。文獻(xiàn)[6]分析了一個(gè)基于三節(jié)點(diǎn)AF協(xié)作方式下的星地混合系統(tǒng)中斷概率。其中,源節(jié)點(diǎn)-目的節(jié)點(diǎn)、源節(jié)點(diǎn)-協(xié)作節(jié)點(diǎn)信道采用陰影萊斯衰落模型,協(xié)作節(jié)點(diǎn)-目的節(jié)點(diǎn)信道采用Nakagami-m衰落模型。此外,文獻(xiàn)[7]分析研究了協(xié)作分集技術(shù)對(duì)衛(wèi)星協(xié)作通信系統(tǒng)鏈路有效性的影響。

空間協(xié)作節(jié)點(diǎn)選擇(Cooperative Node Selection, CNS)策略,是指依據(jù)不同的傳輸需求設(shè)定相應(yīng)的協(xié)作節(jié)點(diǎn)評(píng)價(jià)標(biāo)準(zhǔn),并選擇該標(biāo)準(zhǔn)下性能最好的協(xié)作節(jié)點(diǎn)參與空間信息的協(xié)作傳輸,從而提升空間通信系統(tǒng)整體性能。目前,已有少量文獻(xiàn)針對(duì)空間信息網(wǎng)絡(luò)中的協(xié)作節(jié)點(diǎn)選擇策略進(jìn)行了研究。文獻(xiàn)[8-11]中提出的是基于最佳質(zhì)量協(xié)作節(jié)點(diǎn)選擇(Best Quality based CNS, BQ-CNS)算法：文獻(xiàn)[8]中提出了基于最大接收信號(hào)強(qiáng)度的協(xié)作中繼選擇方案,并分析了協(xié)作傳輸系統(tǒng)的平均輸出信噪比(Signal-to-Noise Ratio, SNR)、中斷概率、平均誤碼率和平均信道容量；文獻(xiàn)[9]以接收信噪比為屬性設(shè)計(jì)了中繼選擇方案；文獻(xiàn)[10]中提出了一種基于信道狀態(tài)信息的放大轉(zhuǎn)發(fā)協(xié)作傳輸方案,并分析了系統(tǒng)的誤碼率和信道容量；文獻(xiàn)[11]中提出了一種基于中斷概率的用戶中繼選擇方案,該方案可使系統(tǒng)的中斷概率最小;文獻(xiàn)[12]將公平性引入系統(tǒng),利用所有已知潛在中繼節(jié)點(diǎn)的平均信噪比信息通過(guò)數(shù)值計(jì)算得出所有節(jié)點(diǎn)的權(quán)重,使所有中繼節(jié)點(diǎn)的平均能耗相等。以上協(xié)作節(jié)點(diǎn)選擇策略均僅基于信號(hào)強(qiáng)度、信噪比、信道狀態(tài)信息、中斷概率或節(jié)點(diǎn)公平性等屬性中的某個(gè)單一屬性進(jìn)行系統(tǒng)性能分析,而沒(méi)有考慮多種屬性對(duì)系統(tǒng)性能的綜合影響。

多屬性決策(Multiple Attribute Decision Making, MADM),也稱有限方案多目標(biāo)決策,是指在綜合考慮多屬性的情況下選擇最優(yōu)備選方案或進(jìn)行方案排序的決策方法。目前,多屬性決策方法主要包括:1)以層次分析法(Analytic Hierarchy Process, AHP)和簡(jiǎn)單加權(quán)(Simple Additive Weighting, SAW)法為代表的主觀賦權(quán)決策方法;2)以多維偏好線性規(guī)劃分析(LINear programming techniques for Multidimensional Analysis of Preferences, LINMAP)法和信息熵(Information Entropy, IE)法為代表的客觀賦權(quán)決策方法。Bisio等[13-14]在衛(wèi)星協(xié)作通信領(lǐng)域中引入多屬性決策策略,從協(xié)作節(jié)點(diǎn)的信噪比、誤碼率、信道衰落等級(jí)和協(xié)作節(jié)點(diǎn)能耗多個(gè)屬性評(píng)估中繼性能并選擇最優(yōu)協(xié)作節(jié)點(diǎn)。文獻(xiàn)[13]使用簡(jiǎn)單加權(quán)法從能量消耗和信道質(zhì)量?jī)煞矫婢C合選擇最佳協(xié)作節(jié)點(diǎn),其中決策者需要給出每個(gè)屬性的權(quán)重并計(jì)算加權(quán)屬性和,以得到每個(gè)協(xié)作節(jié)點(diǎn)的總分?jǐn)?shù),得分最高的協(xié)作節(jié)點(diǎn)為最佳協(xié)作節(jié)點(diǎn)。文獻(xiàn)[14]中提出了一種基于LINMAP方法的多屬性協(xié)作節(jié)點(diǎn)選擇方案,綜合分析衛(wèi)星傳感器網(wǎng)絡(luò)中的誤碼率、分組延遲和平均功耗三方面因素選出最佳協(xié)作節(jié)點(diǎn)。然而,已有的少量的基于多屬性決策進(jìn)行協(xié)作節(jié)點(diǎn)選擇的方案中,均未考慮空間無(wú)線信道狀態(tài)與傳輸特性,僅通過(guò)周期性發(fā)送測(cè)量信息來(lái)獲取信道質(zhì)量信息,無(wú)法隨信道動(dòng)態(tài)變化實(shí)時(shí)調(diào)整屬性值。

針對(duì)以上問(wèn)題,本文基于空間協(xié)作傳輸模型,通過(guò)建立兩狀態(tài)信道模型,綜合考慮信道衰落等級(jí)、協(xié)作節(jié)點(diǎn)剩余能量和誤碼率三種屬性對(duì)系統(tǒng)可靠性和生存期的影響,提出了一種基于主客觀賦權(quán)的多屬性空間協(xié)作節(jié)點(diǎn)選擇(Subjective and Objective Weighting based multi-attribute CNS, SOW-CNS)算法。首先,將潛在協(xié)作節(jié)點(diǎn)的屬性值匯總至決策者,決策者分別使用層次分析法和信息熵法計(jì)算屬性的權(quán)向量;然后,以熵最大化和離差最大化為目標(biāo)函數(shù)計(jì)算屬性權(quán)向量的備選線性組合集,同時(shí)計(jì)算得出備選主客觀屬性權(quán)向量集;最后,利用主客觀屬性權(quán)向量與各潛在協(xié)作節(jié)點(diǎn)的屬性值計(jì)算出的評(píng)價(jià)值選出最佳協(xié)作節(jié)點(diǎn)。仿真結(jié)果表明,所提出的基于主客觀賦權(quán)的多屬性空間協(xié)作節(jié)點(diǎn)選擇算法不僅能夠降低系統(tǒng)誤碼率,而且能夠獲得更長(zhǎng)的系統(tǒng)生存期。

1 系統(tǒng)模型

空間信息協(xié)作傳輸模型如圖1(a)所示。其中,源節(jié)點(diǎn)S為多天線衛(wèi)星,目的節(jié)點(diǎn)D為多天線地面站。Cn(n∈[1,N],N為協(xié)作節(jié)點(diǎn)數(shù)量)為近地空間飛行器,即為星地空間信息傳輸中的潛在協(xié)作節(jié)點(diǎn)。協(xié)作節(jié)點(diǎn)和目的節(jié)點(diǎn)均使用半雙工通信,協(xié)作節(jié)點(diǎn)采用AF轉(zhuǎn)發(fā)模式,即參與協(xié)作的協(xié)作節(jié)點(diǎn)在接收S發(fā)送的信息后直接放大并轉(zhuǎn)發(fā)至D。衛(wèi)星與目的節(jié)點(diǎn)和協(xié)作節(jié)點(diǎn)之間的鏈路均為無(wú)線鏈路,使用兩狀態(tài)馬爾可夫鏈表示無(wú)線鏈路的動(dòng)態(tài)特性。當(dāng)鏈路受陰影衰落影響較小時(shí),信道處于“好”狀態(tài),信道衰落模型為瑞利分布和對(duì)數(shù)正態(tài)分布組合的Loo模型,概率密度函數(shù)表示為：

fg(r)=

(1)

其中:b0是多徑散射的平均能量;μ是直接傳輸?shù)钠骄?d0是方差;I0是第一類零階修正貝塞爾函數(shù)。

當(dāng)鏈路受陰影衰落影響很大時(shí),信道處于“壞”狀態(tài),衰落模型為萊斯衰落和陰影效應(yīng)組合的Corazza模型,概率密度函數(shù)為:

(2)

假設(shè) 各條信道狀態(tài)相互獨(dú)立,對(duì)于接收端而言各信道的狀態(tài)信息是已知的;協(xié)作節(jié)點(diǎn)與目的節(jié)點(diǎn)間的鏈路傳輸無(wú)遮擋且距離短,將其視為多徑衰落很小的視距傳輸。

空間信息協(xié)作傳輸過(guò)程如圖1(b)所示,可分為如下三個(gè)階段:

階段一 廣播階段。衛(wèi)星節(jié)點(diǎn)向全部空間協(xié)作節(jié)點(diǎn)和目的節(jié)點(diǎn)廣播信息,設(shè)衛(wèi)星廣播信息為x,則第i協(xié)作節(jié)點(diǎn)Ci和目的節(jié)點(diǎn)D接收到的信息分別為ySCi、ySD,分別如式(3)和式(4)所示:

ySCi=xhSCi+nSCi

(3)

ySD=xhSD+nSD

(4)

其中:hSCi和hSD分別為源節(jié)點(diǎn)與協(xié)作節(jié)點(diǎn)Ci和目的節(jié)點(diǎn)S間的信道增益,n為加性高斯噪聲。

圖1 系統(tǒng)模型

階段二 協(xié)作節(jié)點(diǎn)選擇階段。設(shè)協(xié)作節(jié)點(diǎn)與衛(wèi)星間信道狀態(tài)信息和信道增益已知。全部可用協(xié)作節(jié)點(diǎn)向目的節(jié)點(diǎn)發(fā)送協(xié)作請(qǐng)求(Request Participation in Cooperation, RPC),該請(qǐng)求包含協(xié)作節(jié)點(diǎn)信息、信道衰落等級(jí)、協(xié)作節(jié)點(diǎn)剩余能量和當(dāng)前衛(wèi)星與協(xié)作節(jié)點(diǎn)間信道誤碼率。目的節(jié)點(diǎn)使用協(xié)作節(jié)點(diǎn)選擇算法選出最佳協(xié)作節(jié)點(diǎn)后廣播包含最佳協(xié)作節(jié)點(diǎn)信息的同意協(xié)作信息(Agree to Cooperation, AC)。各協(xié)作節(jié)點(diǎn)核對(duì)AC中包含的最佳協(xié)作節(jié)點(diǎn)信息,若被選中則參與協(xié)作傳輸,否則等待下一輪協(xié)作傳輸。

階段三 協(xié)作傳輸階段。最佳協(xié)作節(jié)點(diǎn)Cbest將接收到信息ybest放大轉(zhuǎn)發(fā)至目的節(jié)點(diǎn),目的節(jié)點(diǎn)接收的信息yCbest D如式(5)所示:

yCbest D=ybesthCbest D+nCbest D

(5)

目的節(jié)點(diǎn)對(duì)直傳鏈路接收的信息ySD和協(xié)作節(jié)點(diǎn)轉(zhuǎn)發(fā)鏈路接收的信息yCbest D進(jìn)行最大比合并,最終接收信息y如式(6):

y=αDySD+αbestybest

(6)

2 基于主客觀賦權(quán)的空間協(xié)作節(jié)點(diǎn)選擇算法

在多屬性決策中屬性賦權(quán)的方法分為主觀賦權(quán)、客觀賦權(quán)和主客觀賦權(quán)三種。其中,簡(jiǎn)單加權(quán)和層次分析等方法采用主觀賦權(quán),主觀賦權(quán)法適用范圍廣泛但賦權(quán)的理論性不強(qiáng);LINMAP方法和信息熵等方法采用客觀賦權(quán),客觀賦權(quán)法避免了主觀賦權(quán)方法中客觀性差的缺陷且具有較強(qiáng)的理論依據(jù),但客觀賦權(quán)法丟失了決策者的主觀信息且受應(yīng)用環(huán)境限制較大。因此,近年來(lái)研究人員提出了主客觀結(jié)合的賦權(quán)思想,該思想既能客觀地反映各指標(biāo)的重要程度,又體現(xiàn)了決策者的主觀意愿。本文從最大熵和離差最大化兩方面計(jì)算屬性的主客觀權(quán)向量,從而獲得更科學(xué)的權(quán)值。

2.1 基于最大熵和離差最大化的主客觀賦權(quán)

從概率論的角度看屬性的權(quán)值可以視為隨機(jī)變量,各種主觀和客觀賦權(quán)方式得出的權(quán)值可視為隨機(jī)變量的樣本值。因此,將計(jì)算出的多種主客觀權(quán)值的線性組合視為真實(shí)權(quán)值向量的概率。由信息熵的概念可知,若想得到最接近真實(shí)權(quán)值向量的賦權(quán)方案需根據(jù)最大熵原理將權(quán)向量線性組合的熵最大化。另外,屬性在各方案中的變化范圍決定了該屬性在決策過(guò)程中的重要性,若變化范圍較大則對(duì)決策施加的影響也較大,應(yīng)賦予較大的權(quán)值;反之,若屬性的變化較小則對(duì)決策施加的影響也較小,應(yīng)賦予較小的權(quán)值。因此,最優(yōu)的權(quán)值向量應(yīng)兼顧最大熵和最大離差兩方面因素。

首先,將熵最大化以求出當(dāng)前情況下最接近真實(shí)權(quán)向量的信息分布,如式(7)所示:

(7)

其次,使用各屬性的離差量化屬性的變化范圍,然后計(jì)算各屬性下每個(gè)方案的決策與其他方案決策的離差之和,如式(8)所示:

(8)

(9)

0≤xk≤1

(10)

最后,構(gòu)建基于組合權(quán)重的評(píng)價(jià)模型。設(shè)第i個(gè)評(píng)價(jià)對(duì)象在組合權(quán)重w*下的綜合評(píng)價(jià)值為Zi,則

(11)

將w*代入式(11)得出不同評(píng)價(jià)對(duì)象的綜合屬性值,排序選出最優(yōu)對(duì)象。

2.2 基于信息熵和層次分析法的賦權(quán)

2.2.1 基于信息熵的客觀賦權(quán)

將N個(gè)潛在協(xié)作節(jié)點(diǎn)和每個(gè)節(jié)點(diǎn)的M個(gè)屬性的屬性值組成決策矩陣D1,如式(12)所示:

(12)

(13)

屬性j的熵Ej用式(14)表示:

(14)

(15)

2.2.2 基于層次分析法的主觀賦權(quán)

決策者將屬性的重要性兩兩比較,構(gòu)造比較判決矩陣D2,如式(16)所示:

(16)

其中:rij=1/rji,使用最小加權(quán)法計(jì)算判決矩陣對(duì)應(yīng)的權(quán)向量。

(17)

(18)

為將z最小化,拉格朗日函數(shù)如式(19)所示:

(19)

λ為拉格朗日乘數(shù),對(duì)式(17)中wl微分得:

(20)

對(duì)于給定的rij,由式(18)和(20)求得主觀屬性權(quán)向量w2。

2.3 選擇評(píng)價(jià)屬性

2.3.1 誤碼率

(21)

其中erfc()為補(bǔ)償誤差函數(shù),可用式(22)表示：

(22)

其中:B是帶寬;Rb是比特率。

2.3.2 信道衰落等級(jí)

2.3.3 協(xié)作節(jié)點(diǎn)剩余能量

(23)

其中:Econsume=je1,Eresume=ie2。

2.4 算法描述

基于主客觀賦權(quán)的空間協(xié)作節(jié)點(diǎn)選擇算法的算法流程如圖2所示。其中,協(xié)作節(jié)點(diǎn)的狀態(tài)分為可用、使用和睡眠三種,在選出最佳協(xié)作節(jié)點(diǎn)前只有可用和睡眠兩種狀態(tài),被SOW-CNS算法選中的最佳協(xié)作節(jié)點(diǎn)為使用狀態(tài)。

具體算法流程如下:

步驟1 建立主客觀屬性權(quán)向量。首先,決策者使用層次分析和信息熵建立可用協(xié)作節(jié)點(diǎn)集合的主觀屬性權(quán)向量和客觀屬性權(quán)向量,然后使用最大熵原理和離差構(gòu)成主客觀屬性權(quán)向量。

步驟2 評(píng)估并選出最佳協(xié)作節(jié)點(diǎn)。利用主客觀屬性權(quán)向量和各節(jié)點(diǎn)屬性值計(jì)算評(píng)估值,選擇評(píng)估值最小的節(jié)點(diǎn)為最優(yōu)協(xié)作節(jié)點(diǎn),并將最佳協(xié)作節(jié)點(diǎn)的狀態(tài)更改為使用狀態(tài)。

步驟3 更新協(xié)作節(jié)點(diǎn)剩余能量。遍歷協(xié)作節(jié)點(diǎn)的狀態(tài):1)若協(xié)作節(jié)點(diǎn)的狀態(tài)為可用,協(xié)作節(jié)點(diǎn)能量恢復(fù)e2,且能量上限為最大可攜帶能量E。2)若協(xié)作節(jié)點(diǎn)的狀態(tài)為使用,協(xié)作節(jié)點(diǎn)參與協(xié)作通信消耗能量e1,若消耗后剩余能量足夠參與下一次協(xié)作通信,則將狀態(tài)更改為可用；否則更改為睡眠。3)若協(xié)作節(jié)點(diǎn)的狀態(tài)為睡眠,協(xié)作節(jié)點(diǎn)處于能量耗盡后的恢復(fù)期,恢復(fù)能量e2。若恢復(fù)后能量充滿則更改狀態(tài)為可用,否則狀態(tài)不變。

步驟4 判斷是否繼續(xù)執(zhí)行算法。遍歷協(xié)作節(jié)點(diǎn)狀態(tài),若全部協(xié)作節(jié)點(diǎn)均處于睡眠狀態(tài),則終止算法;反之重復(fù)執(zhí)行步驟1～4,直到協(xié)作節(jié)點(diǎn)耗盡能量使算法終止。

圖2 基于主客觀賦權(quán)的多屬性空間協(xié)作節(jié)點(diǎn)選擇算法流程

3 仿真結(jié)果及分析

為了驗(yàn)證基于主客觀賦權(quán)的空間協(xié)作節(jié)點(diǎn)選擇算法性能,本文使用Matlab仿真軟件進(jìn)行了仿真。仿真中設(shè)置了兩種不同的空間信息協(xié)作傳輸場(chǎng)景:開(kāi)放空間和城市環(huán)境。在兩種不同的場(chǎng)景下,將同時(shí)考慮傳輸質(zhì)量和能量公平性(Energy Fairness, EF)的SOW-CNS算法與基于最佳質(zhì)量(Best Quality, BQ)和能量公平性的單屬性協(xié)作節(jié)點(diǎn)選擇算法以及隨機(jī)協(xié)作節(jié)點(diǎn)選擇(Random based CNS, R-CNS)算法在網(wǎng)絡(luò)生存時(shí)間和誤碼率等性能方面對(duì)比,分析給出了四種算法在空間協(xié)作通信網(wǎng)絡(luò)中的可靠性、生存期等方面的性能差異。表1為基于不同協(xié)作傳輸場(chǎng)景下的信道狀態(tài)轉(zhuǎn)移概率。表2為基本仿真參數(shù)設(shè)置,表3為信道參數(shù)設(shè)置。

表1 信道狀態(tài)轉(zhuǎn)移概率

表2 仿真參數(shù)設(shè)置

使用層次分析法組成的判決表,見(jiàn)表4。

解得主觀權(quán)向量為w1=(0.173 5, 0.605 9, 0.220 6)T。

從圖3中可得出,開(kāi)放空間和城市環(huán)境中使用SOW-CNS、EF-CNS、BQ-CNS和R-CNS算法的網(wǎng)絡(luò)生存時(shí)間均隨協(xié)作節(jié)點(diǎn)能量的增加而增加。其中:SOW-CNS算法和EF-CNS算法在協(xié)作節(jié)點(diǎn)能量相同時(shí)的網(wǎng)絡(luò)生存時(shí)間大于R-CNS算法和BQ-CNS算法,BQ-CNS算法的網(wǎng)絡(luò)生存時(shí)間最低。這是因?yàn)锽Q-CNS算法的協(xié)作節(jié)點(diǎn)選擇指標(biāo)為傳輸質(zhì)量,在追求質(zhì)量最優(yōu)的同時(shí)忽略了協(xié)作節(jié)點(diǎn)的使用頻率,某些協(xié)作節(jié)點(diǎn)因傳輸質(zhì)量高而頻繁使用導(dǎo)致能量快速耗盡,所以網(wǎng)絡(luò)生存時(shí)間低。R-CNS算法隨機(jī)選擇協(xié)作節(jié)點(diǎn),降低了同一協(xié)作節(jié)點(diǎn)被頻繁選擇的概率,因此,網(wǎng)絡(luò)生存時(shí)間高于BQ-CNS算法。SOW-CNS算法在考慮協(xié)作節(jié)點(diǎn)剩余能量時(shí)兼顧了協(xié)作節(jié)點(diǎn)質(zhì)量,所以在網(wǎng)絡(luò)生存時(shí)間上略低于EF-CNS算法。同時(shí),對(duì)比城市和開(kāi)闊空間場(chǎng)景可以發(fā)現(xiàn)城市環(huán)境協(xié)作通信時(shí),BQ-CNS算法的網(wǎng)絡(luò)生存時(shí)間隨時(shí)間增長(zhǎng)的速率小于開(kāi)放空間協(xié)作通信,這是因?yàn)樵诔鞘协h(huán)境中衛(wèi)星與協(xié)作節(jié)點(diǎn)間信道處于“壞”狀態(tài)的概率高于開(kāi)闊環(huán)境,導(dǎo)致傳輸質(zhì)量好的協(xié)作節(jié)點(diǎn)減少,使用頻率增加,更早地耗盡能量。

表3 信道參數(shù)設(shè)置

表4 層次分析法判決表

圖3 網(wǎng)絡(luò)生存時(shí)間對(duì)比

圖4為開(kāi)放空間協(xié)作通信和城市環(huán)境協(xié)作通信時(shí)使用SOW-CNS算法、EF-CNS算法和BQ-CNS算法的系統(tǒng)實(shí)時(shí)誤碼率隨時(shí)間的變化。從圖4中可以明顯看出:BQ-CNS算法和SOW-CNS算法的誤碼率明顯低于EF-CNS算法和R-CNS算法的誤碼率。因?yàn)镋F-CNS算法在追求網(wǎng)絡(luò)生存時(shí)間最大化的同時(shí)犧牲了傳輸質(zhì)量;R-CNS算法在隨機(jī)選擇協(xié)作節(jié)點(diǎn)時(shí)有一定概率選擇到傳輸質(zhì)量不佳的協(xié)作節(jié)點(diǎn)。BQ-CNS算法的誤碼率在保證穩(wěn)定一段時(shí)間后開(kāi)始上升,是因?yàn)閭鬏斮|(zhì)量好的協(xié)作節(jié)點(diǎn)因?yàn)槭褂眠^(guò)于頻繁而快速耗光能量,隨著質(zhì)量好的協(xié)作節(jié)點(diǎn)減少誤碼率開(kāi)始增加。SOW-CNS算法在追求質(zhì)量好的協(xié)作節(jié)點(diǎn)的同時(shí)考慮協(xié)作節(jié)點(diǎn)的能量損耗情況,以犧牲小部分傳輸質(zhì)量為代價(jià),保證了協(xié)作節(jié)點(diǎn)輪流使用,延長(zhǎng)了質(zhì)量好的協(xié)作節(jié)點(diǎn)耗盡能量的時(shí)間,使系統(tǒng)誤碼率一直保持在較低的水平。同時(shí),對(duì)比城市和開(kāi)放空間兩種場(chǎng)景下各算法的誤碼率可以發(fā)現(xiàn):SOW-CNS算法和BQ-CNS算法受環(huán)境影響遠(yuǎn)小于EF-CNS算法和R-CNS算法,因?yàn)楹髢煞N算法選到質(zhì)量不佳的協(xié)作節(jié)點(diǎn)概率隨衛(wèi)星協(xié)作節(jié)點(diǎn)信道處于“壞”狀態(tài)的概率增加而增加。SOW-CNS算法的誤碼率始終保持穩(wěn)定,并處于很低的水平,驗(yàn)證了SOW-CNS算法的優(yōu)勢(shì)。

圖4 系統(tǒng)實(shí)時(shí)誤碼率對(duì)比

4 結(jié)語(yǔ)

本文針對(duì)空間信息協(xié)作傳輸系統(tǒng),提出了一種基于主客觀賦權(quán)的多屬性空間協(xié)作節(jié)點(diǎn)選擇算法(SOW-CNS)。首先利用層次分析和信息熵建立可用協(xié)作節(jié)點(diǎn)集合的主觀屬性權(quán)向量和客觀屬性權(quán)向量,然后使用最大熵原理和離差構(gòu)成主客觀屬性權(quán)向量,最后利用主客觀屬性權(quán)向量和各節(jié)點(diǎn)屬性值計(jì)算評(píng)估值,繼而選擇評(píng)估值最小的節(jié)點(diǎn)為最優(yōu)協(xié)作節(jié)點(diǎn)。仿真結(jié)果表明,BQ-CNS算法中不僅會(huì)出現(xiàn)由于信道質(zhì)量較好的節(jié)點(diǎn)頻繁參與協(xié)作而過(guò)快消耗能量退出網(wǎng)絡(luò)的問(wèn)題,還將因此導(dǎo)致系統(tǒng)誤碼率上升;EF-CNS算法在提高網(wǎng)絡(luò)生存時(shí)間的同時(shí)忽略協(xié)作節(jié)點(diǎn)信道質(zhì)量導(dǎo)致系統(tǒng)誤碼率較高的問(wèn)題;所提出的SOW-CNS算法不僅可同時(shí)解決以上兩種算法中存在的如上問(wèn)題,而且能在系統(tǒng)可靠性和生存時(shí)間兩方面取得綜合性能最優(yōu)。本文提出的協(xié)作節(jié)點(diǎn)選擇算法未考慮雨衰對(duì)高空平臺(tái)與目的節(jié)點(diǎn)間信道質(zhì)量的影響和高空平臺(tái)的移動(dòng)性對(duì)信道容量和中斷概率的影響,所以在進(jìn)一步的研究中將在信道衰落模型中加入雨衰、在屬性中增加表示高空平臺(tái)移動(dòng)性的參數(shù),以更加符合真實(shí)應(yīng)用場(chǎng)景。

參考文獻(xiàn)(References)

[1] MANAV R B, ARTI M K. On the closed-form performance analysis of maximal ratio combining in shadowed-Rician fading LMS channels[J]. IEEE Communications Letters, 2014, 18(1): 54-57.

[2] ARTI M K, JINDAL S K. OSTBC transmission in shadowed-Rician land mobile satellite links[J]. IEEE Transactions on Vehicular Technology, 2016, 65(7): 5771-5777.

[3] AL-SAEGH A M, SALI A, MANDEEP J S, et al. Channel measurements, characterization, and modeling for land mobile satellite terminals in tropical regions at Ku-band[J]. IEEE Transactions on Vehicular Technology, 2017, 66(2): 897-911.

[4] WARTY C. Cooperative communication for multiple satellite network[C]// Proceedings of the 2010 IEEE Aerospace Conference Proceedings. Piscataway, NJ: IEEE, 2010: 1-7.

[5] IQBAL A, AHMED K M. Outage probability analysis of multi-hop cooperative satellite-terrestrial network [C]// Proceedings of the 2011 8th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology. Piscataway, NJ: IEEE, 2011: 256-259.

[6] SAKARELLOS V K, PANAGOPOULOS A D. Outage performance of cooperative land mobile satellite broadcasting systems[C]// Proceedings of the 2013 7th European Conference on Antennas and Propagation. Piscataway, NJ: IEEE, 2013: 473-476.

[7] KONIG J, IHLOW A, HEUBERGER A, et al. Diversity combining for cooperative satellite terminals in a moving convoy of vehicles[C]// Proceedings of the 2014 8th European Conference on Antennas and Propagation. Piscataway, NJ: IEEE, 2014: 3035-3039.

[8] BABATUNDE A, TOM W, FAMBIRAI T. Relay selection cooperative diversity in Land Mobile Satellite systems [C]// Proceedings of the 2013 Africon. Piscataway, NJ: IEEE, 2013: 4520-4524.

[9] BHATNAGAR M R, ARTI M K. Performance analysis of hybrid satellite-terrestrial FSO cooperative system[J]. IEEE Photonics Technology Letters, 2013, 25(22): 2197-2200.

[10] ARTI M K. Imperfect CSI based AF relaying in hybrid satellite-terrestrial cooperative communication systems[C]// Proceedings of the 2015 IEEE International Conference on Communication Workshop. Piscataway, NJ: IEEE, 2015: 1681-1686.

[11] UPADHYAY P K, SHARMA P K. Max-max user-relay selection scheme in multiuser and multirelay hybrid satellite-terrestrial relay systems[J]. IEEE Communications Letters, 2016, 20(2): 268-271.

[12] MICHALOPOULOSH D S, KARAGIANNIDIS G K. PHY-layer fairness in amplify and forward cooperative diversity systems[J]. IEEE Transactions on Wireless Communications, 2008, 7(3) : 1073-1083.

[13] BISIO I, MARCHESE M, PORTOMAURO G, et al. Comparative performance evaluation for information distribution methods in satellite-based sensor networks[C]// Proceedings of the 2nd International Symposium on Wireless Communication Systems. Piscataway, NJ: IEEE, 2005: 719-723.

[14] BISIO I, MARCHESE M, PORTOMAURO G. Multi attribute based algorithm for reliable satellite-based sensor networks[C]// GLOBECOM ’07: Proceedings of the 2007 IEEE Global Telecommunications Conference. Piscataway, NJ: IEEE, 2007: 5016-5020.

This work is partially supported by the National Natural Science Foundation of China (61601075), the Natural Science Foundation of Chongqing Science and Technology Commission (cstc2016jcyjA0174), the Scientific and Technological Research Program of Chongqing Education Commission (KJ1500440).