摘  要： 為IoT系統(tǒng)中的協(xié)同中繼通信系統(tǒng)提出了一種分批機(jī)制的盲信道估計(jì)方法和一個(gè)包括改進(jìn)的RCA誤差函數(shù)的代價(jià)函數(shù)，并采取IRLS算法解決優(yōu)化問題。仿真結(jié)果表明，該盲信道估計(jì)能正確地估計(jì)CSI，并且無需任何訓(xùn)練序列，證明了該方法在只依靠小批量矢量的情況下能實(shí)現(xiàn)快速盲信道估計(jì)的能力。
關(guān)鍵詞： 物聯(lián)網(wǎng)；傳感器網(wǎng)絡(luò)；盲信道估計(jì)；協(xié)同中繼通信；衰落信道；信道狀態(tài)信息(CSI)

　“物聯(lián)網(wǎng)”IoT(Internet of Things)指的是將各種信息傳感設(shè)備(如射頻識(shí)別(RFID)裝置、紅外感應(yīng)器、全球定位系統(tǒng)、激光掃描器等)與互聯(lián)網(wǎng)結(jié)合起來而形成的一個(gè)巨大網(wǎng)絡(luò)[1]。其目的是讓所有的物品都與網(wǎng)絡(luò)連接在一起，系統(tǒng)可以自動(dòng)和實(shí)時(shí)地對(duì)物體進(jìn)行識(shí)別、定位、追蹤、監(jiān)控并觸發(fā)相應(yīng)事件。物聯(lián)網(wǎng)已被用于許多領(lǐng)域，例如零售、電子保健、醫(yī)藥、能源、農(nóng)業(yè)和環(huán)境。物聯(lián)網(wǎng)是一場(chǎng)依靠許多重要領(lǐng)域里動(dòng)態(tài)創(chuàng)新的技術(shù)革命，隨著集成電路的微型化和納米技術(shù)的不斷進(jìn)步，越來越小的物體將有能力被集成在RFID的標(biāo)簽里。
　RFID標(biāo)簽是一個(gè)集成了眾多傳感器的裝置，從對(duì)物聯(lián)網(wǎng)的定義來看，其可以被當(dāng)作由很多RFID組成的特別的傳感器網(wǎng)絡(luò)系統(tǒng)。傳統(tǒng)的分布式RFID標(biāo)簽由于受到能源、物理尺寸和電池操作的限制，對(duì)其進(jìn)行更換將會(huì)很不經(jīng)濟(jì)或很困難[2]，而目前的技術(shù)又不足以處理對(duì)未來能源應(yīng)用局限性的問題。因此，在設(shè)計(jì)制造大規(guī)模、低成本的傳感器網(wǎng)絡(luò)時(shí)，滿足能源效率[3]是很重要的一點(diǎn)。任何有關(guān)這方面的改善都將是一個(gè)重要的收益，在大多數(shù)情況下，能量傳輸過程中最容易產(chǎn)生能源消耗。一種有效的解決方案是采用雙天線陣列的信道衰落，這種方法在蜂窩和無線局域網(wǎng)(WLAN)中得到了廣泛應(yīng)用，并提供了以前無法想象的數(shù)據(jù)傳輸速率和可靠的傳輸性能[4]。然而，物聯(lián)網(wǎng)標(biāo)簽(在本文的介紹中稱之為“節(jié)點(diǎn)”)通常只有一個(gè)天線，這就必須利用節(jié)點(diǎn)的協(xié)同通信來解決這個(gè)問題，節(jié)點(diǎn)的協(xié)同通信允許實(shí)現(xiàn)使用了分布式節(jié)點(diǎn)的虛擬雙天線陣列[5-6]。目前絕大多數(shù)文章在分析他們的方法時(shí)是基于信道狀態(tài)信息CSI(Channel State Information)完全或部分已知的假設(shè)。
通常來說，最好的中繼是根據(jù)包含了一跳和二跳信道信息的CSI來選擇的。在選擇最好的中繼節(jié)點(diǎn)時(shí)具有部分CSI的性能是必需的，并且額外的中繼點(diǎn)無法對(duì)增加性能做出貢獻(xiàn)。
在物聯(lián)網(wǎng)系統(tǒng)中，RFID標(biāo)簽經(jīng)常放在可移動(dòng)的物體上(如商品、汽車和寵物)。由于節(jié)點(diǎn)的機(jī)動(dòng)性和傳播環(huán)境的影響，存在大量的時(shí)間變化。此外，在滿足未來物聯(lián)網(wǎng)系統(tǒng)中高速數(shù)據(jù)率服務(wù)的要求中存在的主要障礙之一是多徑傳播引起的信號(hào)衰落。
　基于物聯(lián)網(wǎng)系統(tǒng)特性的考慮，引進(jìn)協(xié)同中繼通信至物聯(lián)網(wǎng)系統(tǒng)中，從而通過分集增益來節(jié)省能源和增加網(wǎng)絡(luò)壽命，本文為物聯(lián)網(wǎng)系統(tǒng)的協(xié)同中繼通信系統(tǒng)提出了一種分批機(jī)制的盲信道估計(jì)的方法和一個(gè)代價(jià)函數(shù)，該函數(shù)包括改進(jìn)的RCA的誤差函數(shù)，并采取IRLS算法解決優(yōu)化問題。仿真結(jié)果表明，該盲信道估計(jì)能正確地估CSI，并且無需任何訓(xùn)練序列，證明了該方法在只依靠小批量矢量的情況下實(shí)現(xiàn)快速盲信道估計(jì)的能力。
1 協(xié)同中繼通信系統(tǒng)模型
　根據(jù)物聯(lián)網(wǎng)系統(tǒng)要求所建立的協(xié)同中繼系統(tǒng)如圖1所示，包括一個(gè)信息源S、中繼R和目標(biāo)D節(jié)點(diǎn)，這些都只具有一個(gè)天線。盡管看上去簡(jiǎn)單，但是系統(tǒng)存在許多有待解決的協(xié)同通信方面的理論問題，并且可以通過多中繼點(diǎn)擴(kuò)展到更加復(fù)雜的中繼網(wǎng)絡(luò)。假定S和R利用多路徑通道進(jìn)行協(xié)同傳輸，并且假定CSI不能在傳輸節(jié)點(diǎn)(如S和R)中得到，在接收端CSI的獲取取決于信道的衰減速度。

　系統(tǒng)模型基于如下假定：
　假定A：傳輸?shù)男畔⒎?hào)序列和相應(yīng)的信道噪聲為等差序列。
　假定B：傳輸?shù)男畔⒎?hào)序列和相應(yīng)的信道噪聲是獨(dú)立的序列。
　假定C：傳輸?shù)男畔⒎?hào)序列滿足次高斯和零均值分布。
　以s(k)表示從S和Mi，j傳輸?shù)男畔⒎?hào)序列，(i，j)∈{(S，R)，(S，D)，(R，D)}為相應(yīng)的信道記憶長(zhǎng)度。在第一階段，分別以xS，R(k)和xS，D(k)表示在R和D處在時(shí)間段k中接收到的基帶信號(hào)[7]。

其中懲罰因子c是一個(gè)正標(biāo)量，以N表示信號(hào)長(zhǎng)度，可得到：

3 仿真結(jié)果
　采用了所提出的盲信道估計(jì)方法，并使用瑞利和Nakagami分布進(jìn)行仿真。Nakagami分布可歸納為瑞利分布，但在衰減的程度上有更多的控制。在信號(hào)傳輸節(jié)點(diǎn)上(如S和R)使用了滾降系數(shù)α=0.5的平方根升余弦傳輸濾波器。不失一般性，本文只顯示了傳輸濾波器聯(lián)合信道實(shí)部和節(jié)點(diǎn)間信道的仿真結(jié)果。在所有的仿真中，設(shè)置信號(hào)噪音比Eb/N0=10 dB，批向量大小N=200，并且采用了16-QAM方案。
3.1 放大轉(zhuǎn)發(fā)協(xié)作通信
　在放大轉(zhuǎn)發(fā)協(xié)作通信的情況下，中繼節(jié)點(diǎn)R接收到一個(gè)從源節(jié)點(diǎn)S傳送的嘈雜的信號(hào)。該嘈雜的信號(hào)只是簡(jiǎn)單地被放大和轉(zhuǎn)發(fā)到目標(biāo)節(jié)點(diǎn)D[12]。比較通過這種方法實(shí)現(xiàn)的盲信道估計(jì)性能，確立信道hS，D、hS，R和hR，D的順序，分別為10、15和20。在這些仿真中，由30個(gè)蒙特卡羅線索數(shù)來描繪這些圖表。真正信道和預(yù)測(cè)信道的結(jié)果分布分別如圖2、圖3、圖4所示。通過這三幅圖可以觀測(cè)以下結(jié)果：(1)這種方法對(duì)不同順序的衰減信道有較好的魯棒性；(2)盲信道估計(jì)性能即使是在小批量矢量大小的情況下也是令人滿意的。

　此外，這些仿真的算法迭代次數(shù)大約為50，并且預(yù)測(cè)的性能在增量為Eb/N0或N的情況下會(huì)更好。

　圖6為在中繼節(jié)點(diǎn)R中收到的譯碼信號(hào)的平均誤碼率。蒙特卡羅線索數(shù)目為500。結(jié)果表明，盲信道估計(jì)性能在增量為Eb/N0或N的情況下得到提高。其中噪音是客觀因素，無法通過努力而改變，但可以擴(kuò)大批矢量的大小N，然而這意味著操作的負(fù)擔(dān)將變重。但這種方法可以通過很小的批矢量大小得到滿意的預(yù)估性能。此外，還可以看到，圖6中N=1 000和N=200的曲線非常接近，意味著我們不要使用N≥1 000的太大的批矢量通過增加操作量來提升性能。

　本文為物聯(lián)網(wǎng)系統(tǒng)中的協(xié)同中繼通信提出了一種盲信道估計(jì)方法。闡述了包括用于改進(jìn)的RCA代價(jià)函數(shù)的誤差項(xiàng)的一個(gè)優(yōu)化問題，并采用IRLS算法來解決該優(yōu)化問題。通過這種方法，可以得到正確的CSI，并用它來選擇最佳的中繼節(jié)點(diǎn)和波束成型。仿真結(jié)果表明，該盲信道估計(jì)方法在只需很小的批矢量大小的情況下能正確地估計(jì)信道。更多沒有在本文中出現(xiàn)的仿真結(jié)果也同樣顯示出該方法對(duì)于實(shí)現(xiàn)快速盲信道估計(jì)的能力。
參考文獻(xiàn)
[1] Internet of things in 2020： roadmap for the future. http://www. smart-systems-integration. org/public/internet-of-things， 2008.
[2] GOLDSMITH A J， WICKER S B. Design challenges for energy constrained ad-hoc wireless networks[J]. IEEE Trans actions on. Wireless Communications， 2002，9(4)：8-27.
[3] Early challenges regarding the “Internet of Things”， http://ec. europa. eu/yourvoice/ipm/forms/dispatch?form=IOTconsultation， Nov. 2008.
[4] CALDERBANK R， PAULRAJ A， POOR H V， et al. MIMO wireless communication[M]. Cambridge， U.K.: Cambridge Univ. Press， 2007.
[5] SENDONARIS A， ERKIP E， AAZHANG B. User cooperation diversity. Part II. Implementation aspects and performance analysis[J]. IEEE Transaction on Communications， Nov. 2003， 51(11)：1939-1948.
[6] CUI Shuguang， GOLDSMITH A J， BAHAI A. Energy-efficiency of MIMO and cooperative MIMO techniques in sensor networks[J]. IEEE Journal on Selected Areas in Communications， 2004，22(6)：1089-1098.
[7] LI H， ZHAO Q. Distributed modulation for cooperative wireless communications： A description of four schemes[J]. IEEE Signal Processing Magazine， 2006，23：30-36.
[8] YANG J， WERNER J J， GUY A. The multimodulus blind equalization and its generalazed algorithms[J]. IEEE Transactions Journal on Selected Areas in Communications， 2002，20(5)：997-1015.
[9] L AZARO M，  SANTAMAR A I， V A J， et al. Blind equalization using the IRWLS formulation of the support vector machine[J]. Signal Processing， 2009(89)：1436-1445.
[10] ERDOGAN A T. A fractionally spaced blind equalization algorithm with global convergence[J]. Signal Processing， 2008(1)：200-209.
[11] SAYED A H. Fundamentals of adaptive filtering[M]. New York： John Wiley & Sons， 2003.