[发明专利]用于中继网络的欠采样量化转发方法

说明书

技术领域

本发明涉及一种用于中继网络的欠采样量化转发方法，属于信号采样和中继转发的技术领域。

背景技术

在协作通信网络中，每个用户不但发送自己的信息，而且协助转发其合作伙伴的信息，多个用户可以共享天线及其他网络资源，以虚拟天线阵列的形式来获得分集增益，能够用于蜂窝系统、无线Ad hoc网络和无线传感网络等多种环境。基于协作中继网络的信道模型，已提出多种典型的中继转发模式，包括有：放大转发、译码转发、编码协同和压缩转发等。

采用压缩转发(Compress-and-Forward,CF)时，中继节点对接收信号进行量化或压缩，再通过中继-信宿链路发送。现有CF的实现可以分为两类：一是利用中继端接收信号与信宿端接收信号之间的相关性，采取Wyner-Ziv(WZ)编码来实现压缩；二是利用这种相关性，实现冗余差错保护，获取信号分集。WZ编码的复杂性使得CF实现难度很高，实际所采用的方案设计多属于第二类。其中，量化转发(Quantize-and-Forward,QF)则属于第二类，QF对中继的接收信号观测值(或者由观测值计算所得信号)进行离散化处理，也由此引入了一定的失真。在信宿端，根据中继转发信号和直传链路信号，进行信源端原始信号的恢复。

目前的协作通信网络大都采用传统的信号获取和处理过程，主要包括采样、压缩、传输和解压缩四个部分，其中的采样过程必须遵循奈奎斯特采样定理，即系统的采样率必须大于信号最高频率的两倍。由于协作通信网络存在大量的节点交互过程，这一传统的信号处理方式将造成整个网络数据流量异常庞大，不仅抬高了实际硬件实现的成本，还增加了功耗。并且在信号压缩中，先对信号进行某种变换，如离散余弦变换或小波变换等，然后对少数幅度较大的系数进行压缩编码，舍弃其他较小的系数；这种先采样后压缩的形式浪费了大量的处理资源。

根据香农采样定理，当模拟限带信号的采样率不低于奈奎斯特采样率时，可以根据离散时间采样值恢复该模拟信号。然而，压缩感知理论指出，当模拟信号稀疏或者在某个基上稀疏时，通过采集少量的信号投影值就可以实现信号的准确或近似重构。压缩感知技术突破了传统数据信号处理模式，直接获取信号的压缩表示，从而略去了对大量无用信息的采样，即压缩感知能够将数据采集和数据压缩两步操作合二为一。该技术的本质为：如果信号x∈R^N是稀疏的(R代表实数域，R^N代表实N维向量空间)，即x能够表示为N个正交基的线性组合：其中，稀疏基为Ψ＝(ψ₁,...,ψ_N),系数向量为θ＝(θ₁,...,θ_N)^T，且||θ||₀≤K，K<<N，其中，向量θ的范数运算代表范数||θ||₀代表向量θ中非零元素的个数。所以，信号x可以仅用θ的K个非零系数来表征，即对该信号x以低于奈奎斯特速率的采样频率进行采样(称为欠采样/压缩采样)，采用测量矩阵Φ∈R^M×N获取压缩采样的测量值：y＝Φx＝ΦΨθ＝Ωθ，其中Ω＝ΦΨ为压缩采样结构的等效测量矩阵，y∈R^M，M＜N，M代表y的维数，N代表x的维数。

当测量矩阵Φ满足受限等距特性(Restricted Isometry Property，RIP)准则时，即对于任意具有严格K-稀疏的向量x，矩阵Φ都能保证如下不等式成立：

如果y的维数M满足M≥C·K·log(N/K)，C为常数，则测量值y^M可以以高概率完全表征信号x的所有信息(K＜M＜N)，即基于y^M能够以某种恢复算法准确地恢复稀疏信号。现有研究对多种矩阵进行了分析，发现随机矩阵、快速傅里叶变换(Fast Fourier Transform,FFT)矩阵、贝努利随机矩阵等都以高概率满足RIP准则。目前，相关文献已提出多种恢复算法，如l₁-范数优化和经验风险最小化方法等。压缩感知理论已经有了比较广泛的应用，例如在图像获取、传感网络、信道估计以及认知无线电等方面。

一方面，对协作中继网络的已有研究大都集中在中继节点的转发方式、接收端处对协作节点信息的处理方式、系统性能分析等方面，没有考虑信号的稀疏特性，使得各节点所操作的数据量过大；虽然协作中继系统的压缩转发模式也实现了在中继节点的信号压缩，但该机制是基于信号间的相关性来进行压缩，尚未完全开发信号特征。