CN101237264A - 基于无线传感网的虚拟mimo功率分配传输方案 - Google Patents

Abstract

本发明公开了一种基于无线传感网的虚拟MIMO功率分配传输方案，包括以下步骤：1)在无线传感器网络中，一个簇中需要发送信息的节点向汇聚节点分别发送RTS包；2)汇聚节点根据所述每个节点发出的RTS包，估计出这条链路的信道冲击响应；3)利用所述信道冲击响应信息，在发射总功率一定的条件下，采用基于Karush－Kuhn－Tucker(KKT)条件的最优功率分配算法和基于等信干噪比(SINR)的次优功率分配算法，计算出各节点的优化发射功率；4)将所述优化发射功率信息加入到CTS包中广播发回整个簇中，建立起空闲的MIMO信道；5)簇中的发射节点接收到所述CTS包后同时按照所述优化的发射功率同时发射信号；6)汇聚节点接收到所述多个节点发射的信号后，结合每个节点的发射功率采用分层检测算法来对每层信号进行解码；7)根据每个节点的信息融合来进行目标跟踪定位等无线传感器网络应用。本发明适合在无线传感器网络中应用。

Description

基于无线传感网的虚拟MIMO功率分配传输方案

技术领域

本发明涉及无线信息传输领域，特别涉及一种基于无线传感网的虚拟MIMO功率分配传输方案。

背景技术

多天线(MIMO)技术相比较传统的单天线系统，在相同的发射功率和发送速率下可以达到更好的传输性能，是当今无线通信领域的研究热点。但由于受终端设备价格及体积等因素的影响，在无线传感器网络的节点上不适合配置多天线。此外，简单易实现的虚拟MIMO发射功率优化分配方案也是当前急需解决的问题。

发明内容

本发明的目的在于提供一种基于无线传感网的虚拟MIMO功率优化分配传输方案，以实现一个簇中的传感器节点同时向多天线汇聚节点发送信息，提高信息处理的实时性，同时还可以结合MAC协议进行发射功率优化分配，在接受端达到相同误码率条件下，降低发射端总功率。

为了达到上述目的，本发明提供的基于异构无线传感网的虚拟MIMO功率优化分配传输方案，其包括步骤：1)在无线传感器网络中，一个簇中需要发送信息的节点向汇聚节点分别发送RTS包；2)汇聚节点根据所述每个节点发出的RTS包，估计出这条链路的信道冲击响应；3)利用所述信道冲击响应信息，在发射总功率一定的条件下，采用基于Karush-Kuhn-Tucker(KKT)条件的最优功率分配算法和基于等信干噪比(SINR)的次优功率分配算法，计算出各节点的优化发射功率；4)将所述优化发射功率信息加入到CTS包中广播发回整个簇中，建立起空闲的MIMO信道；5)簇中的发射节点接收到所述CTS包后同时按照所述优化的发射功率同时发射信号；6)汇聚节点接收到所述多个节点发射的信号后，结合每个节点的发射功率采用分层检测算法来对每层信号进行解码；7)根据每个节点的信息融合来进行目标跟踪定位等无线传感器网络应用。

其中，在步骤1)中，需要发送信息的节点时分或码分地发送RTS包。

在步骤2)中，汇聚节点通过所述RTS包估计出第k个节点和汇聚节点间的平坦信道冲击响应是h_k，具体的信道估计算法已有很多，再此不再累述。

在步骤3)中，利用所述CSI计算出的每个节点的优化发射功率。假设簇中总发射功率为N，基于KKT条件的最优功率分配系数为 $p_{k_i}=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_0{\mathrm{\&Lambda;}}_{k_i}-\frac{2^R-1}{1.6}{\mathrm{\&Lambda;}}_{k_i}{\ln \mathrm{\&Lambda;}}_{k_i},& {\mathrm{\&Lambda;}}_{k_i}\&le;\exp \left(\frac{1.6{\mathrm{\&lambda;}}_0}{2^R-1}\right)\\ 0,& {\mathrm{\&Lambda;}}_{k_i}>\exp \left(\frac{1.6{\mathrm{\&lambda;}}_0}{2^R-1}\right)\end{array}\right.,$ 其中 ${\mathrm{\&lambda;}}_0=(N_{\mathrm{reserve}}+\frac{2^R-1}{1.6}\underset{k_i\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&Lambda;}}_{k_i}\ln {\mathrm{\&Lambda;}}_{k_i})/\underset{k_i\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&Lambda;}}_{k_i},$ R为调制阶数，为保持总发射功率一定，N_reserve为发射功率不为零的节点个数，集合 $S=\left\{k_i\right|{\mathrm{\&Lambda;}}_{k_i}\&le;\exp (1.6{\mathrm{\&lambda;}}_0/(2^R-1))\},$ k_i代表第i层检测的节点号，Λ_ki相当于等发射功率下每层检测符号的SINR的倒数，对于不同的检测算法，Λ_ki的表达式也不一样。采用ZF-SIC检测算法时， ${\mathrm{\&Lambda;}}_{k_i}={\mathrm{\&sigma;}}_n^2{\left|\right|{\&lang;{\left({\left[H\right]}_{{\stackrel{\&OverBar;}{k}}_{i-1}}\right)}^{+}\&rang;}_{k_i}\left|\right|}^2,$ 采用MMSE-SIC检测算法时， ${\mathrm{\&Lambda;}}_{k_i}=\frac{{\mathrm{\&sigma;}}_n^2{\left|\right|{\&lang;G_i^{\&prime;}\&rang;}_{k_i}\left|\right|}^2+\underset{l\&NotEqual;k_i}{\mathrm{\&Sigma;}}{\left|{\left(G_i^{\&prime;}H\right)}_{k_{i}l}\right|}^2}{{\left|{\left(G_i^{\&prime;}H\right)}_{k_i{k}_i}\right|}^2}.$ 其中，(·)⁺表示Moore-Penrose伪逆，‖·‖表示向量的模，<·>_j表示矩阵的第j行，[·]_j表示矩阵的第j列，表示将k₁，k₂，L，k_i列置零的矩阵，{k₁，k₂，L，k_N}是N层发送符号的检测次序，G_i′是等功率发射时MMSE算法的相消矩阵。

在步骤3)中，基于等SNIR的次优功率分配系数为 $p_{k_i}={\mathrm{N\&Lambda;}}_{k_i}/\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&Lambda;}}_{k_i}(i=\mathrm{1,2},L,N).$ Λ_ki为所述等发射功率下每层检测符号的SINR的倒数。

在步骤4)中，将p_ki的值加入到CTS信息包中以广播信道反馈给发送RTS包的簇。

在步骤5)中，每个节点以p_ki的功率发射信号，功率为零的节点不发送信息或找其他信道条件好的汇聚节点通信。

在步骤6)中，多天线的汇聚节点结合每个节点的发射功率采用连续干扰相消迫零(ZF-SIC)算法或连续干扰相消最小均方误差(MMSE-SIC)算法来对每层信号进行解码，还可以采用迭代处理等其他分层检测算法。

本发明的优点：(1)本发明的空分复用虚拟MIMO传输方案可以适用于任何异构的无线传感器网络，提高了信息处理融合的实效性。(2)本发明的功率分配算法和相应的检测算法相比较等功率发射可以大大提高系统的传输质量，在相同传输质量要求下可以节省传感器节点的发发射能量，延长网络的生存周期。(3)本发明结合MAC的RTS/CTS协议来获得反馈的信道状态信息，不需要额外的开销发射端即可获得信道状态信息知识，对现有协议修改不大，兼容性强。(4)本发明的虚拟MIMO功率分配传输方案加强了信息处理的实时性，且能有效地改善系统误码率性能，降低发射功耗，实用性强，便于无线传感器网络的应用。

附图说明

图1为本发明的基于无线传感网的虚拟MIMO功率分配传输方案的系统框图。

图2为本发明的基于发射功率分配的汇聚节点采用的ZF-SIC分层解码算法流程图。

图3为本发明的基于发射功率分配的汇聚节点采用的MMSE-SIC分层解码算法流程图。

图4为本发明的基于ZF-SIC的无线传感网虚拟MIMO功率分配传输方案和等功率发射的解码误差比较示意图。

图5为本发明的基于MMSE-SIC的无线传感网虚拟MIMO功率分配传输方案和等功率发射的解码误差比较示意图。

具体实施方式

请参阅图1，本发明的基于无线传感网的虚拟MIMO功率分配传输方案主要包括以下步骤：第一步：在一个无线传感器网络中，作为信源的传感器节点簇搜集到信息后要向汇聚节点传输，常用的信道预约和信道建立的MAC协议是RTS/CTS协议，本发明结合MAC层的RTS/CTS协议，首先需要发送信息的节点向汇聚节点发送嵌入了训练序列的RTS信息包，汇聚节点接收此包后，估计出每个节点和汇聚节点之间的平坦信道的冲击响应，平坦信道估计算法已有很多，在此不再详述。汇聚节点将估计出的整个虚拟MIMO信道的冲击响应矩阵。

第二步：根据估计出的信道冲击响应矩阵确定所述发射端各节点的功率分配系数，以使确定的各功率分配系数的总和为N，即每个节点的平均发射功率为1。同时在确定的功率分配系数条件下的汇聚节点处的解码误差最小。本发明针对常用的ZF-SIC和MMSE-SIC解码算法提供了两种功率分配算法：

1、基于KKT条件的最优功率分配算法，此算法计算复杂度稍高，但降低误码率的效果最优，适用于对解码精度要求高而汇聚节点资源充足的条件下。分配系数为 $p_{k_i}=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_0{\mathrm{\&Lambda;}}_{k_i}-\frac{2^R-1}{1.6}{\mathrm{\&Lambda;}}_{k_i}{\ln \mathrm{\&Lambda;}}_{k_i},& {\mathrm{\&Lambda;}}_{k_i}\&le;\exp \left(\frac{1.6{\mathrm{\&lambda;}}_0}{2^R-1}\right)\\ 0,& {\mathrm{\&Lambda;}}_{k_i}>\exp \left(\frac{1.6{\mathrm{\&lambda;}}_0}{2^R-1}\right)\end{array}\right.,$ 其中 ${\mathrm{\&lambda;}}_0=(N_{\mathrm{reserve}}+\frac{2^R-1}{1.6}\underset{k_i\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&Lambda;}}_{k_i}\ln {\mathrm{\&Lambda;}}_{k_i})/\underset{k_i\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&Lambda;}}_{k_i},$ R为调制阶数，为保持总发射功率一定，N_reserve为发射功率不为零的节点个数，集合 $S=\left\{k_i\right|{\mathrm{\&Lambda;}}_{k_i}\&le;\exp (1.6{\mathrm{\&lambda;}}_0/(2^R-1))\},$ k_i代表第i层检测的节点号，Λ_ki相当于等发射功率下每层检测符号的SINR的倒数，对于不同的检测算法，Λ_ki的表达式也不一样。采用ZF-SIC检测算法时， ${\mathrm{\&Lambda;}}_{k_i}={\mathrm{\&sigma;}}_n^2{\left|\right|{\&lang;{\left({\left[H\right]}_{{\stackrel{\&OverBar;}{k}}_{i-1}}\right)}^{+}\&rang;}_{k_i}\left|\right|}^2,$ 采用MMSE-SIC检测算法时， ${\mathrm{\&Lambda;}}_{k_i}=\frac{{\mathrm{\&sigma;}}_n^2{\left|\right|{\&lang;G_i^{\&prime;}\&rang;}_{k_i}\left|\right|}^2+\underset{l\&NotEqual;k_i}{\mathrm{\&Sigma;}}{\left|{\left(G_i^{\&prime;}H\right)}_{k_{i}l}\right|}^2}{{\left|{\left(G_i^{\&prime;}H\right)}_{k_i{k}_i}\right|}^2}.$ 其中，(·)⁺表示Moore-Penrose伪逆，‖·‖表示向量的模，<·>_j表示矩阵的第j行，[·]_j表示矩阵的第j列，

表示将k₁，k₂，L，k_i列置零的矩阵，{k₁，k₂，L，k_N}是N层发送符号的检测次序，G_i′是等功率发射时MMSE算法的相消矩阵。出现功率为零的情况即说明此节点的信道环境太差，接收它的信号会提高整个簇信息的质量，此节点应该不发送信号或寻找其他信道环境好的汇聚节点通信。

基于等SINR的次优分配算法，此算法复杂度低，但是解码效果不如所述最优分配算法，适用于对精度要求不是太高，汇聚节点资源宝贵的条件下。功率分配系数为 $p_{k_i}={\mathrm{N\&Lambda;}}_{k_i}/\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&Lambda;}}_{k_i}(i=\mathrm{1,2},L,N).$ Λ_ki为所述等发射功率下每层检测符号的SINR的倒数。

第三步：将计算出的所述p_ki值加入到CTS包中以广播信道反馈回所述信源端，信源接收到CTS包后知道信道空闲，同时以所述p_ki的功率向汇聚节点发射信号，同步和功率分配问题同时得到解决。

第四步：多天线的汇聚节点接收到通过MIMO信道的来信号，本发明结合所述p_ki的值采用修正的ZF-SIC和MMSE-SIC分层检测算法来解码。请参见图2，3。图2为ZF-SIC检测算法的流程图。其中，(·)⁺表示Moore-Penrose伪逆，‖·‖表示向量的模，<·>_j表示矩阵的第j行，[·]_j表示矩阵的第j列，

表示将k₁，k₂，…k_i列置零的矩阵，Q(·)是与调制方式有关的解码函数，

是x_ki的估计值，{k₁，k₂…，k_N}是N层发送符号的检测次序，(2d)和(2k)中仅由信道H的信息进行检测排序，相当于平均分配功率P＝I_N时的顺序，(2h)中的Λ_ki为各天线等功率发射时，第i层检测符号的SINR的倒数，此值将用于计算优化分配的功率系数，(2e)中的迫零向量可以写成 $w_{k_i}={\&lang;G_i\&rang;}_{k_i}={\&lang;{\left({\left[H\right]}_{{\stackrel{\&OverBar;}{k}}_{i-1}}\right)}^{+}\&rang;}_{k_i}/\sqrt{p_i}=v_{k_i}/\sqrt{p_i},$ $v_{k_i}={\&lang;{\left({\left[H\right]}_{{\stackrel{\&OverBar;}{k}}_{i-1}}\right)}^{+}\&rang;}_{k_i}$ 相当于在P＝I_N条件下第i层检测的迫零向量，本发明定义决定每层检测性能的SINR为(2f)中判决统计量z_ki的SINR，ZF-SIC算法中干扰信号被消除，所以k_i层检测信号的SINR表示 ${\mathrm{\&rho;}}_{k_i}=1/{\mathrm{\&sigma;}}_n^2{\left|\right|w_{k_i}\left|\right|}^2=p_{k_i}/{\mathrm{\&sigma;}}_n^2{\left|\right|v_{k_i}|}^2=p_{k_i}/{\mathrm{\&Lambda;}}_{k_i}.$ ZF-SIC算法移除干扰信号但会使噪声增强，MMSE-SIC算法在干扰抑制和减少噪声两方面进行折中，也就是使发射端和接收端之间的均方误差最小。图3是MMSE-SIC检测算法流程图。与所述ZF-SIC检测算法区别在于(2c)(2i)中的相消矩阵变为(3c)(3i)，(2d)(2k)中的检测排序变为(3d)(3k)，(2h)中的SINR倒数变为(3h)。其中， $G_i^{\&prime;}=G_i{|}_{P=I_N}$ 表示P＝I_N条件下的相消矩阵，(·)_ij代表矩阵第i行第j列的元素，除了排序和相消向量与所述ZF-SIC算法不同以外，其余步骤两种算法相同，MMSE-SIC算法的k_i层检测信号的SINR表示为 ${\mathrm{\&rho;}}_{k_i}=\frac{{\left|{\left(w_{k_i}{\left[\mathrm{HP}\right]}_{{\stackrel{\&OverBar;}{k}}_{i-1}}\right)}_{1k_i}\right|}^2}{{\mathrm{\&sigma;}}_n^2{\left|\right|w_{k_i}\left|\right|}^2+\underset{l\&NotEqual;k_i}{\mathrm{\&Sigma;}}{\left|{\left(w_{k_i}{\left[\mathrm{HP}\right]}_{{\stackrel{\&OverBar;}{k}}_{i-1}}\right)}_{1l}\right|}^2}.$ 注意到和所述ZF-SIC算法不同，MMSE-SIC算法的检测SINR不仅和分配给本层检测符号的功率有关，分配给其它层检测符号的功率对ρ_ki也有影响。为了统一，将ρ_ki近似表式成 ${\mathrm{\&rho;}}_{k_i}\&cong;p_{k_i}{\mathrm{\&rho;}}_{k_i}{|}_{P=I_M}=p_{k_i}\frac{{\left|{\left(v_{k_i}{\left[H\right]}_{{\stackrel{\&OverBar;}{k}}_{i-1}}\right)}_{1k_i}\right|}^2}{{\mathrm{\&sigma;}}_n^2{\left|\right|v_{k_i}\left|\right|}^2+\underset{l\&NotEqual;k_i}{\mathrm{\&Sigma;}}{\left|{\left(w_{k_i}{\left[\mathrm{HP}\right]}_{{\stackrel{\&OverBar;}{k}}_{i-1}}\right)}_{1l}\right|}^2}=\frac{p_{k_i}}{{\mathrm{\&Lambda;}}_{k_i}},$ p_ki是发送功率系数，ρ_ki|_P＝IN、v_ki分别是在P＝I_N条件下检测的符号SINR和相消向量，在低SINR下误差较大。由于MMSE-SIC算法中，w_ki和v_ki之间没有比例关系，所以发射端功率分配要计算v_ki，接收端检测要计算w_ki，增加了BLAST系统的计算量。

以下将通过仿真进一步说明采用本发明的基于无线传感网的虚拟MIMO功率分配传输方案的系统性能。仿真的系统参数被设为：

■簇中4个传感器节点发送信息，汇聚节点装配有4根天线

■采用是平坦准静态瑞利衰落信道，不考虑路径损耗和阴影效应

■采用QPSK调制方式，无编码

■接收端已知CSI，反馈信道无损失

请参见图4，5，分别给出的是采用所述修正的ZF-SIC和MMSE-SIC检测算法和所述的两种发射功率分配算法下的SNR-BER曲线。从图中可以看出，所述ZF-SIC检测在10^-3误码率下，采用所述最优和次优分配算法比传统等功率分配的V-BLAST系统分别有4dB和2.4dB的性能增益；所述MMSE-SIC检测的次优分配方案和最优方案性能差异很小，在高信噪比下性能均优于复杂的ML检测算法。低信噪比下，所述基于KKT条件的算法将信道状态很差的节点关掉或寻找其它基站通信，余下的节点虚拟成簇，性能比等功率分配和等SINR分配方案都要好。所述基于等SINR分配算法是一种折中方案，以性能的微小降低换取运算的大幅度简化。由于分层检测算法存在误差传播，先检测信号的误码率决定整个系统的性能，功率优化分配的宗旨就是多分配功率给先检测信号，抑制误差的传递。

所述的基于无线传感网的虚拟MIMO功率分配传输方案与现有技术相比，其具有如下特点：

1、针对异构无线传感器网络信息处理实时性要求高的应用场景，提供了一种空分复用的虚拟MIMO传输方案，并在此基础上提出了发射端功率分配算法和接受端相应的检测算法。

2、空分复用的传输策略使得处理延时大为减少，发射端的传感器节点的硬件和协议不需做出修改即可适应本发明的方案，与现有网络兼容性强。

3、发射端结合MAC层协议进行功率分配，在增加系统额外开销有限的情况下，大大提高了系统传输性能，相同接收误码率条件下大大降低了传感器节点的发射能耗。

Claims (7)

1.一种基于无线传感网的虚拟MIMO功率分配传输方案，其特征在于包括以下步骤：

1)在无线传感器网络中，一个簇中需要发送信息的节点向汇聚节点分别发送RTS包；

2)汇聚节点根据所述每个节点发出的RTS包，估计出这条链路的信道冲击响应；

3)利用所述信道冲击响应信息，在发射总功率一定的条件下，采用基于Karush-Kuhn-Tucker(KKT)条件的最优功率分配算法和基于等信干噪比(SINR)的次优功率分配算法，计算出各节点的优化发射功率；

4)将所述优化发射功率信息加入到CTS包中广播发回整个簇中，建立起空闲的MIMO信道；

5)簇中的发射节点接收到所述CTS包后同时按照所述优化的发射功率同时发射信号；

6)汇聚节点接收到所述多个节点发射的信号后，结合每个节点的发射功率采用分层检测算法来对每层信号进行解码；

7)根据每个节点的信息融合来进行目标跟踪定位等无线传感器网络应用。

2.如权利要求1所述的基于无线传感网的虚拟MIMO功率分配传输方案，其特征在于：

在步骤1)中，任意不大于汇聚节点天线数的传感器节点可以采用RTS/CTS协议和汇聚节点建立连接，将信道训练序列嵌入到RTS/CTS信息包中，平坦信道估计算法很多，在此不再详述。

3.如权利要求1所述的基于无线传感网的虚拟MIMO功率分配传输方案，其特征在于：

在步骤3)中，根据所述的信道状态信息可以采用两种功率分配算法，基于KKT条件的最优功率分配系数为 $p_{k_i}=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_0{\mathrm{\&Lambda;}}_{k_i}-\frac{2^R-1}{1.6}{\mathrm{\&Lambda;}}_{k_i}{\ln \mathrm{\&Lambda;}}_{k_i},& {\mathrm{\&Lambda;}}_{k_i}\&le;\exp \left(\frac{1.6{\mathrm{\&lambda;}}_0}{2^R-1}\right)\\ 0,& {\mathrm{\&Lambda;}}_{k_i}>\exp \left(\frac{1.6{\mathrm{\&lambda;}}_0}{2^R-1}\right)\end{array}\right.,$ 其中 ${\mathrm{\&lambda;}}_0=(N_{\mathrm{reserve}}+\frac{2^R-1}{1.6}\underset{k_i\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&Lambda;}}_{k_i}\ln {\mathrm{\&Lambda;}}_{k_i})/\underset{k_i\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&Lambda;}}_{k_i},$ R为调制阶数，为保持总发射功率一定，N_rexerve为发射功率不为零的节点个数，集合 $S=\left\{k_i\right|{\mathrm{\&Lambda;}}_{k_i}\&le;\exp (1.6{\mathrm{\&lambda;}}_0/(2^R-1))\},$ k_i代表第i层检测的节点号，Λ_ki相当于等发射功率下每层检测符号的SINR的倒数，对于不同的检测算法，Λ_ki的表达式也不一样。采用ZF-SIC检测算法时， ${\mathrm{\&Lambda;}}_{k_i}={\mathrm{\&sigma;}}_n^2{\left|\right|{\&lang;{\left({\left[H\right]}_{{\stackrel{\&OverBar;}{k}}_{i-1}}\right)}^{+}\&rang;}_{k_i}\left|\right|}^2,$ 采用MMSE-SIC检测算法时， ${\mathrm{\&Lambda;}}_{k_i}=\frac{{\mathrm{\&sigma;}}_n^2{\left|\right|{\&lang;G_i^{\&prime;}\&rang;}_{k_i}\left|\right|}^2+\underset{l\&NotEqual;k_i}{\mathrm{\&Sigma;}}{\left|{\left(G_i^{\&prime;}H\right)}_{k_{i}l}\right|}^2}{{\left|{\left(G_i^{\&prime;}H\right)}_{k_i{k}_i}\right|}^2},$ 其中，(·)+表示Moore-Penrose伪逆，‖·‖表示向量的模，<·>_j表示矩阵的第j行，[·]_j表示矩阵的第j列，

表示将k₁，k₂，L，k_i列置零的矩阵，{k₁，k₂，L，k_N}是N层发送符号的检测次序，G_i′是等功率发射时MMSE算法的相消矩阵。基于等信干比(SINR)的功率分配系数为 $p_{k_i}={\mathrm{N\&Lambda;}}_{k_i}/\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&Lambda;}}_{k_i}(i=\mathrm{1,2},L,N),$ 。Λ_ki为所述等发射功率下每层检测符号的SINR的倒数。

4.如权利要求1所述的基于无线传感网的虚拟MIMO功率分配传输方案，其特征在于：

在步骤6)中，结合每个节点的发射功率采用连续干扰相消迫零(ZF-SIC)算法和连续

干扰相消最小均方误差(MMSE-SIC)算法来对每层信号进行解码。

5.如权利要求2所述的基于无线传感网的虚拟MIMO功率分配传输方案，其特征在于：

在所述步骤1)，2)，4)中，还可以使用ACK等其他任意MAC层信道预约协议来进行信道状态信息的获取。

6.如权利要求3所述的基于无线传感网的虚拟MIMO功率分配传输方案，其特征在于：

在所述步骤3)中，发射端可以不使用闭环功率分配，进行等功率发射。

7.如权利要求4所述的基于无线传感网的虚拟MIMO功率分配传输方案，其特征在于：

在所述步骤6)中，汇聚节点可以结合已知的各节点发射功率使用迭代检测等其它分层空时检测算法。

Images