论文部分内容阅读
摘要：为解决无线网络信号在传输过程中南于受到其他信号的干扰，导致接收端接收的信号与原始信号相比存在误差的问题，该文在利用数据关联和卡尔曼滤波对信号进行融合（fusion meLhod of signal filtering based on wavelet transform and Calman，FSWC）的基础上，利用FARIMA（p，d，q）模型和数据关联来建立一种新的信号融合算法（signal fusion based on wavelet transform and date association，SFTD）。通过仿真实验分别研究融合信号与干扰距离、发送速率、容量、功率的变化情况。仿真结果表明：随着干扰距离的增加，容量开始呈现正相关趋势，直至趋于平稳，并且发送速率、容量、功率对融合信号也产生较大影响；SFTD算法比FSWC算法具有更好的信号状态融合准确性。
关键词：状态融合；小波变换；干扰影响；无线网络信号
文献标志码：A
文章编号：1674-5124（2015）04-0089-05
0 引言
随着无线网络的应用领域愈来愈广，无线网络信号之间的相互干扰也越来越严重。如何在信号接收端准确地还原受到干扰的原始信号，成为目前研究的重要内容。朱静宜等为准确测量无线网络信号衰退程度，利用多特征信息整合方法对无线网络信号进行融合；宋国荣等利用无线网络和图像远程处理技术，实现了远程机器人的视觉化图像采集；王成等利用参数化融合成像办法，对信号离散序列进行均匀采样研究。文献[4-5]分析了目前在无线传感器网络拥塞控制方法中，对加权公平性以及数据压缩等问题考虑不多，提出了一种新的拥塞控制方法，来保证加权和ε近似公平性；文献[6-8]提出了均值CCI测量法、均值RSSI测量法；文献[9]在退避non-persis-tent CSMA算法的基础上提出了一种更为有效的算法；文献[10-11]经过研究，发现网络拥塞的因素有干扰区域内的数据流、节点的数据流以及节点物理能力；文献[12]找到了降低信号长相关特性的有效办法，经过研究发现尽管该方法利用小波变换可以降低信号的长相关性，但是会造成原始信号的部分损失。
在上述有关研究的基础上，本文提出一种新的信号状态融合方法SFTD。该方法首先深入分析了文献[12]（FSWC）算法存在的问题，然后找出较好的解决办法，提高了接收端原始信号的准确度，并经仿真实验得以验证。
1 模型介绍
假设存在一个无线网络信道模型（见图1）。其中，S：信号发送端；M1，…，Mn：中继端；R：信号接收端；Ⅳ：对信号发送端和信号接收端没有干扰但对中继节点M1，…，Mn存在干扰的噪音源。并且所有节点处于同一个无线自组织网中，拥有有效的Mac层协议进行同步。假设每个节点只有一根天线，在半双工模式下工作，节点的结构相同，功能也相同。
令信号发送端S在某一时刻发送同一信号给各中继节点M1，…，Mn，发送的信号表示为Y（t），Y（t）=[yi]，i=l，…，p，p≥l，yi可以是传输速率、容量、功率等。由于干扰节点Ⅳ与各中继节点的距离不同，其产生的干扰效果也不一样，在这种情况下接收端R分别接收到各中继节点传输过来的信号也将会有所不同。
2 算法设计
2.1 FSWC算法设计
FSWC算法的主要思想是针对信号的自相似、长相关等特性，利用小波变换对接收端R接收到的信号Yi（t）进行分解，根据上一步预测的数据Yi（t|t-l），计算获取的信号信息；利用信息对接收端的信号状态进行更新，最后对接收端R接收的信号进行参数融合，计算原始信号Y（t）的估计量。具体算法流程见图2。
2.2 SFTD算法设计
在FSWC算法中，对接收端R接收到的信号Yi（t）进行分解，尽管可以降低信号的长相关特性，但是丢失了部分原始信号；而且利用卡尔曼滤波表示长相关信号存在不足之处，即与原始信号相比，融合信号产生的误差较大，两个因素叠加，造成接收端R接收到的信号误差较大。
经过研究发现，FARIMA（p，d，q）模型既能较好地刻画长相关信号，又能较好地刻画短相关信号，所以本文提出利用该模型和数据关联来建立一种新的信号融合算法SFID。
SFTD算法的主要思想是：
假设基于α稳定分布的FARIMA（p，d，q）模型表示为
3 仿真实验
为了验证SFTD算法的有效性，在OPNET中建立如图l所示的网络拓扑结构，假设节点S发送的信号状态Y（t）=[y1，y2，y3]，其中，y1为发送速率，y2为容量，y3为功率，有4个中继节点。
同时令节点S发送信号的速率为2358kb/s，采用分形布朗运动（fractional brownian motion，FBM）模型产生1000个长相关信号SFBM，其相关系数H=0.8。首先从信号个数与信号强度之间的关系进行研究，表l为FSWC算法和SFTD算法对信号SFBM的融合结果。
由表中数据可知，与FSWC算法相比，经过SFTD算法融合后的信号与原始信号SFBM更为接近。从表2也可看出，SFTD算法标准差要优于FSWC算法，说明SFTD算法融合效果更好。
关键词：状态融合；小波变换；干扰影响；无线网络信号
文献标志码：A
文章编号：1674-5124（2015）04-0089-05
0 引言
随着无线网络的应用领域愈来愈广，无线网络信号之间的相互干扰也越来越严重。如何在信号接收端准确地还原受到干扰的原始信号，成为目前研究的重要内容。朱静宜等为准确测量无线网络信号衰退程度，利用多特征信息整合方法对无线网络信号进行融合；宋国荣等利用无线网络和图像远程处理技术，实现了远程机器人的视觉化图像采集；王成等利用参数化融合成像办法，对信号离散序列进行均匀采样研究。文献[4-5]分析了目前在无线传感器网络拥塞控制方法中，对加权公平性以及数据压缩等问题考虑不多，提出了一种新的拥塞控制方法，来保证加权和ε近似公平性；文献[6-8]提出了均值CCI测量法、均值RSSI测量法；文献[9]在退避non-persis-tent CSMA算法的基础上提出了一种更为有效的算法；文献[10-11]经过研究，发现网络拥塞的因素有干扰区域内的数据流、节点的数据流以及节点物理能力；文献[12]找到了降低信号长相关特性的有效办法，经过研究发现尽管该方法利用小波变换可以降低信号的长相关性，但是会造成原始信号的部分损失。
在上述有关研究的基础上，本文提出一种新的信号状态融合方法SFTD。该方法首先深入分析了文献[12]（FSWC）算法存在的问题，然后找出较好的解决办法，提高了接收端原始信号的准确度，并经仿真实验得以验证。
1 模型介绍
假设存在一个无线网络信道模型（见图1）。其中，S：信号发送端；M1，…，Mn：中继端；R：信号接收端；Ⅳ：对信号发送端和信号接收端没有干扰但对中继节点M1，…，Mn存在干扰的噪音源。并且所有节点处于同一个无线自组织网中，拥有有效的Mac层协议进行同步。假设每个节点只有一根天线，在半双工模式下工作，节点的结构相同，功能也相同。
令信号发送端S在某一时刻发送同一信号给各中继节点M1，…，Mn，发送的信号表示为Y（t），Y（t）=[yi]，i=l，…，p，p≥l，yi可以是传输速率、容量、功率等。由于干扰节点Ⅳ与各中继节点的距离不同，其产生的干扰效果也不一样，在这种情况下接收端R分别接收到各中继节点传输过来的信号也将会有所不同。
2 算法设计
2.1 FSWC算法设计
FSWC算法的主要思想是针对信号的自相似、长相关等特性，利用小波变换对接收端R接收到的信号Yi（t）进行分解，根据上一步预测的数据Yi（t|t-l），计算获取的信号信息；利用信息对接收端的信号状态进行更新，最后对接收端R接收的信号进行参数融合，计算原始信号Y（t）的估计量。具体算法流程见图2。
2.2 SFTD算法设计
在FSWC算法中，对接收端R接收到的信号Yi（t）进行分解，尽管可以降低信号的长相关特性，但是丢失了部分原始信号；而且利用卡尔曼滤波表示长相关信号存在不足之处，即与原始信号相比，融合信号产生的误差较大，两个因素叠加，造成接收端R接收到的信号误差较大。
经过研究发现，FARIMA（p，d，q）模型既能较好地刻画长相关信号，又能较好地刻画短相关信号，所以本文提出利用该模型和数据关联来建立一种新的信号融合算法SFID。
SFTD算法的主要思想是：
假设基于α稳定分布的FARIMA（p，d，q）模型表示为
3 仿真实验
为了验证SFTD算法的有效性，在OPNET中建立如图l所示的网络拓扑结构，假设节点S发送的信号状态Y（t）=[y1，y2，y3]，其中，y1为发送速率，y2为容量，y3为功率，有4个中继节点。
同时令节点S发送信号的速率为2358kb/s，采用分形布朗运动（fractional brownian motion，FBM）模型产生1000个长相关信号SFBM，其相关系数H=0.8。首先从信号个数与信号强度之间的关系进行研究，表l为FSWC算法和SFTD算法对信号SFBM的融合结果。
由表中数据可知，与FSWC算法相比，经过SFTD算法融合后的信号与原始信号SFBM更为接近。从表2也可看出，SFTD算法标准差要优于FSWC算法，说明SFTD算法融合效果更好。