[发明专利]一种适用于反向散射通信网络的信道选择方法

说明书

本发明涉及一种适用于反向散射通信网络的信道探测方式、信道预测和选择的方法。具体先为根据链路突发性和信道相关性进行信道探测模式选择，再基于探测的信道指标的时间序列，通过长短期记忆神经网络(LSTM)进行信道预测，最后根据预测的结果选择信道传输信息。它包括两种探测模式，分别是消极探测模式和积极探测模式。本发明的有效地利用了长短期记忆神经网络(LSTM)来提高信道预测的精度，相比传统的无线通信网络，大幅度反向散射通信网络中链路突发性的问题，并且提供相对准确的探测信道状况及信道预测。

技术领域

本发明涉及一种适用于反向散射通信网络的信道探测方式、信道预测和选择的方法。

背景技术

反向散射通信网络，如射频识别(RFID)技术，一种短距离、超低功耗、低成本的无线通信技术，被广泛用于构建计算平台与大规模部署的传感器网络。随着物联网的飞速发展，更多潜在的应用场景也被大量提及，如：目标定位，手势识别，医疗检测等。与此同时，反向散射通信网络也已经扩展到了其他无线平台中，如：Wi-Fi、蓝牙等。由此我们可以预计，在不久的未来，反向散射通信网络相关的设备将大规模的在日常生活中被使用。因此，我们需要加紧对反向散射通信网络的相关研究。

其中，信道预测是无线通信网络的主要问题之一，针对信道预测的必要性有：一方面，准确实时的信道预测可以更好的自适应调制，从而减少标签不必要的能量损失，并保证较高的网络吞吐量。另一方面，信道预测后直接选择较好的信道传输信息，相比于改变调制方式，更好地利用了频谱。但相比传统的无线通信网络，反向散射通信网络中链路突发性的问题仍然存在，并且由于没有导频来准确的探测信道状况，信道预测也更加困难。

发明内容

为了解决现有技术缺乏利用深度学习技术在通过长短期记忆神经网络(LSTM)进行信道预测，最后根据预测的结果选择信道传输信息，本发明提供了一种适用于反向散射通信网络的信道选择方法，本发明采用了一种不需要硬件支持的信道探测方案，该方案通过子信道实时的信道指标，来选择合适的信道探测模式。然后，引入了一种基于长短期记忆神经网络的信道预测算法来准确预测信道指标。最后，根据预测的信道指标选择当前信道状况最好的信道。

本发明的技术方案如下：

一种适用于反向散射通信网络的信道选择方法，包括消极探测模式和积极探测模式；

所述消极探测模式是在目标标签当前信道指标变化较小，且不存在其他标签或其他标签信道指标变化也较小时进行的轻量开销探测模式；

所述积极探测模式是在目标标签当前信道指标变化较大，或其他标签指标变化较大时进行的全面探测模式。

进一步地，通过消极探测模式和积极探测模式得到的信道指标长短期记忆神经网络(LSTM)来预测每一个信道的信道指标。

进一步地，所述LSTM预测模型结构包括:输入序列X＝{x₁，x₂，x₃，...，x_n}、时序步长及相应输入x_t以及控制信息传递的遗忘门f_t、输入门i_t和输出门o_t。在t时刻时t-1时刻输入h_t-1及记忆细胞状态c_t-1到达并结合此时刻输入通过输入门并由遗忘门f过滤后得到该时刻模型输出。

进一步地，根据预测每一个信道的信道指标采用层次结构模型分析对信道进行选择，首先建立层次结构模型，接着构建比较判断矩阵，最后通过两两对比相比较重要性判断矩阵计算权重并排序，即计算第j列的几何平均值及对几何平均值进行权重计算，最后校验。

进一步地，所述的层次结构模型包括目标层、准则层、方案层；

所述目标层：通常是用户最终希望达到的预期目标，在层级模型中一般位于最顶层。