论文部分内容阅读
移动中继系统区别于固定中继系统的一个重要特征是信道随时间快速且剧烈的变化,这会对系统产生正反两方面影响:一方面多径传输和严重的多普勒扩展给系统带来很多复杂干扰,使接收信号恶化,而相干时间的缩短也需要更频繁的信道估计及反馈从而增加系统开销,这些都给通信系统带来很大挑战;另一方面中继的移动性导致信道大尺度衰落和小尺度衰落均随时间发生变化,我们可以在数据传输过程中引入缓存机制,将到达中继的数据包缓存在队列中,等待更好的信道再进行传输,从而为系统引入新的自由度以获得性能增益,这是移动带来的正面传输机会。本文从移动性的正反效应出发,以经典的三节点移动中继系统为主要研究对象,研究如何充分利用移动带来的机会在克服其负面作用的同时尽可能地优化系统性能。在本论文的第一项工作中,我们探讨了如何有效利用移动性带来的正面机会以克服负面效应这一基础理论问题。具体来说,我们研究了在延迟受限系统中如何有效利用移动性来最大化网络吞吐量。考虑一个三节点的移动中继系统,其中中继节点从源节点线性移动到目的节点。对于该系统,我们提出了一种最优化调度源节点以及中继节点传输的机会式中继策略。该策略可以在满足传输时延要求下最大化系统吞吐率。进一步地,我们分析了所提出的机会式中继策略的性能,并且给出了其在高信噪比条件下所达到的渐进系统吞吐率。仿真结果证实了我们所提出方案的有效性,同时进一步的分析也很好地阐释了中继移动性对系统性能带来的正负面影响。因此这个工作可以为延迟受限移动中继系统的系统设计提供一定的理论依据。注意到在第一项工作中,我们仅仅考虑了中继移动性对无线信道带来的大尺度平均意义上的变化。在第二项工作中,为了更进一步地挖掘移动带来的传输机会,我们将信道建模为一种二维有限状态马尔科夫链模型(Two-Dimensional Finite State Markov Chain,2D-FSMC),以同时反映移动场景中无线信道在大尺度以及小尺度上的变化。我们仍旧考虑一个三节点移动中继系统,并且不限定中继节点的移动轨迹。对于该系统,我们研究了在满足系统吞吐量要求下如何有效调度源节点和中继传输以最大化系统能量效率。我们将该调度问题描述为一个马尔科夫决策过程(Markov Decision Process, MDP),并且使用了拉格朗日放松法获得了该问题的近似最优解。为了进一步降低系统能耗,我们在近似最优解的基础上提出了机会式数据包调度算法。我们证明了该算法的最优性,以及该算法满足多项式计算复杂度。仿真结果说明了我们提出的机会式包调度算法在能量效率意义上普遍优于之前已有的各类调度算法。最后,针对高速下的块衰落信道,我们提出一种非常具有实际意义且对任意移动模型都普遍适用的最优中继传输协议。在该协议中,系统根据信道状态信息决定每次发送的节点,通过调度每次传输的节点使系统平均吞吐量最大化。我们证明最优传输策略只和当前信道状态和统计信道状态信息有关,很容易在实际系统中实现。和第二项工作不同的是,所提策略即使在信道不具有相关性的情况下也可以利用大尺度衰落和小尺度衰落的变化有效提升系统的吞吐量性能。我们还针对瑞利衰落信道提出了不同的判决函数下的门限优化算法,并给出一种简便的利用链路平均SNR序列的元素关系得到最优门限值的方法。最后的仿真表明我们提出的机会式策略不仅明显优于传统算法,同时在有限间隔长度下依然可以获得非常可观的性能增益。