分布式协同传输协议设计与系统实现

通过利用空间分集增益,分布式协同通信能有效克服信道衰落和噪声干扰带来的影响,增大通信覆盖范围,实现用户间高速、稳定、可靠的数据传输[1-2]。此外,分布式协同通信系统无需网络基础设施支撑,可以自主组成一体化通信系统,很好地适用于无人机集群作战等战场无线通信场景[3]。文献[4]提出一种基于信道容量增益的多中继节点选择算法,并定量地分析了中继节点的数量和系统性能的关系。仿真表明中继节点数量为1～4的情况下,协同传输对系统性能提升最为明显。随着中继节点数目的增加,节点间交互的开销增大,使得整个系统的吞吐量将趋于饱和。进一步,文献[5]提出了一种基于门限的自适应译码放大转发中继协议,实现了放大转发(Amplify-and-Forward, AF)与译码转发(Decode-and-Forward, DF)协作方式的自适应选择。在原型系统实现方面,文献[6]基于通用软件无线电平台(Universal Software Radio Peripheral, USRP)验证了最优中继选择算法的无线多中继传输系统的性能。最近,文献[7]采用USRP-B210型号的软件无线电(Software Defined Radio, SDR)搭建了分布式协同通信系统,使用GNU Radio运行在嵌入式计算主机上,初步演示了无人机群分布式波束形成试验。试验结果表明分布式协作传输技术能够大大提升节点间的可靠传输能力,进而有望实现远距离传输。该试验与最近美国国防高级研究计划局(Defense Advanced Research Projects Agency, DARPA)发布的“弹性组网分布式马赛克通信(Resilient Networked Distributed Mosaic Communi-cations, RN DMC)”项目非常契合,该项目旨在利用由空间上分布的小尺寸、轻重量、低功耗及低成本(Size, weight, power, and cost, SWaP-C)收发机单元组成的马赛克天线实现超视距的远距离通信,通过实现分布式协同传输来获取通信增益。

根据以上工作,可以看出协同通信能够很好地提升无线通信的性能,然而目前有关协同通信的研究还有诸多需要完善之处,特别是系统实现方面。现有提出的中继选择策略主要基于瞬时信道状态,存在多节点碰撞概率高的问题,导致无法选出最优中继。而目前的研究大多是基于MATLAB等软件进行理论仿真,或是利用USRP搭建平台进行测试,这些样机系统实时性不高,缺乏实际场景测试,因而没有真实的测试数据作为支撑。

基于此,本文设计了一种自适应分布式协同传输协议。在传输方式选择过程中,节点首先通过实时的信道感知技术获取两跳通信链路的信道质量信息(Channel Quality Indication, CQI),设定CQI门限,设计一种自适应协同传输方式选择策略。进一步,根据最大最小准则自适应选择具有最佳端到端路径的中继进行协同传输,避免了多节点协同请求发生碰撞的问题。考虑到战术无线通信环境具有信道环境恶劣、干扰严重、信道衰落明显等特点,中继节点选用了DF协作处理方式,有效降低了在中继节点处噪声的积累,在保证传输增益的同时又降低了系统设计的复杂度。

最后,基于Xilinx的ZYNQ7000 FPGA系列,自主研制了原理样机。本文针对室内外不同应用场景,从误码率、丢包率和吞吐量等方面对系统性能进行了测试,验证了分布式通信系统的自主协同功能,得出了实测数据和结论,为分布式协同传输技术提供了基础验证平台。

2 分布式协同传输协议设计

近年来,无线通信技术,特别是移动通信技术迅速发展,广泛应用于各个领域。然而,无线通信具有信道衰落、多径时延和传输损耗等特性,严重影响了终端间的通信范围和传输质量。为此,协同通信技术应运而生,其基本思想是通过中继节点帮助源节点将信息转发给目的节点,从而有效抵抗无线信道衰落、扩大系统通信范围、提高传输质量[1]。协同通信作为空间多维分集的一种特殊形式,发展至今已取得了长足的进步。实际上协同中继通信的研究起源于上个世纪七十年代,当时主要研究了中继信道容量。在上世纪九十年代,信道编码和多天线技术的广泛发展和进步,为协同通信的发展奠定了技术基础。进入二十一世纪初,三种基本的协同传输方式被提出,即放大转发、译码转发和编码协同(Coded Cooperation, CC)。其中,AF是一种非再生中继方式,直接对信号进行放大,实现方式简单,但是存在噪声积累问题;DF能够克服噪声积累的问题,但是受信源端至目的端信道质量的影响较大;CC是一种对信噪比鲁棒的协同方式,然而其系统设计复杂度较高,在一些要求低复杂度的通信场景中难以应用[8]。

地面多基站的协作多点技术(Coordinated Multiple Points, CoMP),其基本思路是指地理位置上分离的多个传输基站,协同参与一个终端的数据传输[9]。LTE-Advanced系统通过采用CoMP技术,可以大大降低小区间干扰,提升小区边缘用户的频谱效率。然而,区别于CoMP技术,分布式协同传输(Distributed Cooperative Transmission, DCT)技术源自于协同通信技术,但具有以下三点独特特性:一是分布式特性,分布式协同传输要求各节点空间上分离,且节点间不具备像CoMP技术单独的交互链路支撑;二是节点身份特性,分布式协同传输技术要求系统中各个节点的身份对等,因而角色可互换,即节点既可以作为收发节点,也可以作为中继节点帮助收发链路提升性能;三是低成本特性,分布式协同传输技术为了扩展应用于无人机集群等网络,需要综合考虑算法复杂度和成本问题。

然而,由于分布式协同传输系统中,各个节点在空间位置上分离开来,不同的中继链路经历的信道衰落不同,将具有不同的信道质量,同时不同的协同传输方式和策略所适合的场景也是不同,为此选择哪个节点进行中继传输和如何进行中继传输成为了分布式协同传输技术发展的两个关键问题。

2.1 协同传输方式选择

考虑到战术无线通信环境的复杂性和多变性,本文的分布式协同传输系统中的中继节点采用译码转发DF方式,且在中继节点处进行CRC检验,从而避免前向误差传播,保证了系统的传输增益。

本文采用的协作方式具体实现过程如图1所示。第一阶段,源节点S采用广播模式将信号x发送给中继R和目的节点D,中继节点R、目的节点D接收到的信号分别为:

第二阶段,中继对源端发送来的信号进行解码CRC校验,再编码。生成与源端相同的信息,然后再将信号发送给目的节点,则目的节点D接收到的信号为:

式中:PS和PR分别表示源节点和中继节点的发射功率;hs,d、hs,r和hr,d分别表示源节点到目的节点、源节点到中继节点和中继节点到目的节点之间的信道系数,且分别服从均值为0,方差为Ωs,d、Ωs,r和Ωr,d的复高斯分布;ns,d、ns,r和nr,d表示加性高斯白噪声,分别服从均值为0,方差为

和

的复高斯分布。

在译码转发后,当中继检测译码数据错误时,目的端收到的是错误信号,那么将该数据要求发送端重传。只有当中继检测正确时,中继节点进一步转发至目的端。节点间的信道性能将直接影响到解码转发方式的信道容量,信道容量的表达式为[1]:

式中:

为源节点到中继节点的信噪比;

为中继节点到目的节点的信噪比。

进一步,考虑到无线信道环境动态变化,本文提出一种自适应的协同传输模式选择策略。其主要思想是分布式协同通信系统中各个节点通过实时信道感知能够获取到两跳内的信道质量表,每个节点维护一个实时更新的两跳邻节点信道质量表。针对源节点到目的节点通信,考虑三种传输模式:源节点到目的节点的低功率直传、源节点-最佳中继转发-目的节点、以及源节点到目的阶段的大功率直传,而自适应协同传输方式的选择依据为对比直传链路信道质量CQIsd和中继链路的等效信道质量CQIr。

在传输起始,源节点根据自身的两跳邻节点信道质量表,确定数据的具体传输模式。其中,直传CQIsd是指一跳邻节点信道指标表数据,初始运行默认值设为0;中继等效信道质量CQIr=MIN(CQI1,CQI2),CQI1和CQI2分别指二跳邻节点表中源节点至中继节点的信道质量和中继节点至目的节点的信道质量,若二跳邻节点不存在,则该节点的中继等效CQIr=0。

源节点基于上述CQI信息,对其进行对比判断,选择具体传输方式:

①若直传CQIsd==0,即一跳邻节点表中未找到该节点信息,该情况一般发生在初始阶段,则默认第一次传输为直传,若直传不通,重传时再进行比较CQI;

②直传CQIsd≠0,中继等效CQIr==0,即存在直传链路,中继链路未知,则选择直传;

③直传CQIsd≠0,中继等效CQIr==0,即同时存在直传链路和中继链路,对直传CQIsd和中继等效CQIr基于最大信道质量准则进行对比后选择最佳传输方式,若两者相等则优先选择直传;

④直传CQIsd≠0,中继等效CQIr≠0,但两个CQI都偏小,小于某个阈值ε,则选择大功率直传模式。

2.2 中继节点选择

目前的研究中,中继节点选择策略主要有基于信噪比门限、基于瞬时信道状态信息、基于中断概率、基于端到端误码率和基于功率分配的中继选择策略[10-11]。其中,基于瞬时信道状态信息的中继选择策略使用较多,其基本思想是中继节点i通过一定准则估计其与源节点间的信道系数hs,i以及其与目的节点间的信道系数hi,d,再根据估计的hs,i和hi,d计算相应的混合信道度量参数hi,然后设定计时器,时间为hi的倒数,最先超时的中继为最优中继,并发送标志分组给其他中继,表明自己是最优中继,然后进行协同传输。

但由于该策略在实现过程中,定时器时间设为信道度量参数hi的倒数,如果两个中继节点的hi相同或者相差很小,那么在中继选择过程中,就可能发生碰撞问题,导致无法选出最优中继。此外,传统固定门限的协同节点选择普遍要求节点位置是固定的,这大大限制了分布式协同传输的应用[12]。

基于此,本文提出一种基于瞬时信道质量感知的自适应中继选择策略。如前所述,系统中每个节点通过信道感知技术直接获得两跳通信链路的CQI值,形成邻节点信道质量表。所提出的自适应中继选择策略的主要思路是通过设定信道质量CQI门限,源节点根据邻节点信道质量表自适应地选择最佳中继节点。该策略有效避免了传统基于瞬时信道状态的中继选择策略中,多中继节点频繁交互可能发生碰撞的问题。也克服了传统基于门限的中继选择,预先设置门限难以适应不同通信环境。所提自适应中继选择策略实现过程如下:

1)网络中各个节点通过信道感知技术获得两跳通信链路的信道质量CQI值,形成邻节点信道质量表;

2)源节点将两跳邻节点信道指标表中CQI大于门限值γ的中继作为备选中继节点;

3)源节点根据最大最小准则,在备选中继节点集合中选择最优中继。

其中,最大最小准则如下:

式中,CQIsri表示源节点至中继节点i的信道质量,CQIrid表示中继节点i至目的节点的信道质量,该准则的基本思想是选取CQIsri值和CQIrid值中最小者作为中继i的等效CQIri,然后在所有备选中继节点集合中,选取等效CQIri最大的作为中继节点进行协同传输。

3 分布式协同传输系统实现

图2给出了基于ZYNQ FPGA架构的分布式协同传输系统示意图,该系统共包括5个通信节点。另外,5台笔记本电脑通过网线与原理样机连接,用于系统配置和测试数据的记录。不同的测试场景需要的通信节点数目不同,网络中的每个节点均可以自主选择自己的角色和身份,既可以作为源节点和目的节点进行信息的收发,也能作为中继节点协助收发两端进行协同传输。此外,如图3所示,该原理样机系统还包括一架大疆无人机M300,用于搭载通信模块,进行空中无人机场景的测试。

3.1 原理样机系统架构

原理样机在图3和图7中均用红圈标注,其硬件设计框图如图4所示,主要由基带板、射频板和接口板组成,三块单板分层叠放。基带板包含ZYNQ7000+AD9361功能电路,接口板集成接口电路,可按照需求设计不同外设接口,射频板可针对不同频段实现定制化设计。基带板与接口板通过板对板连接器进行连接;基带板与射频板的射频信号用板对板射频头柔性对插连接,控制及电源信号用线对板的连接。

基带模块是样机最核心的部分,主要包括四个部分,即Z7030最小系统、Z7030电源系统,Z7030部分外部接口(包含Ethernet PHY、USB PHY),AD9361电路四大部分组成,各部分功能如下:

1)Z7030最小系统:Z7030的ARM侧主要实现基带模块的32 MB的QSPI FLASH、8 GB的EMMC,以及512M的DDR3存储系统;

2)AD9361电路,支持两收两发设计,从AD9361出入的差分信号经过Balun器件后得到单端信号;

3)电源部分:通过接口模块上供给的+5 V电压,产生得到ZYNQ需要的各路电压,即1.0 V,+1.35 V,+1.8 V及+3.3 V;

4)外部接口PHY电路,其中基带模块上集成以太网PHY和USB-PHY,即单板通过PHY转换后以差分对形式向接口板输出信号。

3.2 分布式协同传输协议实现

分布式协同传输协议针对所提出的自适应分布式传输技术,通过多个分布式节点之间的协同传输和信息交互,实现组群内节点的资源共享,从而提升复杂环境下的可靠传输。

整个分布式协同传输过程分为接收反馈、自适应传输方式选择、中继选择、译码转发四个主要过程。接收反馈主要是接收端将接收的统计信息和感知的链路信息反馈回发送端的过程,实现邻节点信道质量表的实时更新;自适应传输方式选择主要是根据前述自适应协同传输策略,源节点根据两跳邻节点信道质量表,进行协同传输方式自适应选择;中继选择过程主要是根据前述协同中继节点选择方案,由源节点根据到目的节点的链路质量决策出最佳中继进行传输的过程;译码转发主要是中继节点在接收到中继转发帧时,采用译码转发DF的过程。分布式协同传输协议流程框图如图5所示。

具体实现流程为:

1)根据两跳邻节点信道质量表,源节点选择直传还是中继的方式传输数据到目的节点;

2)在源节点选择中继模式后,从候选中继集合中基于瞬时信道质量CQI选出最佳中继进行译码转发,同时为了防止中继频繁切换带来性能下降,在选择的中继能满足当前转发信息正常传输时,将具备中继保持的功能;

3)中继节点译码后收到需要转发帧,先对接收帧进行CRC解码,判断是否接收正确,若接收正确则将数据发往目的节点;

4)目的节点接收中继节点的转发数据,译码并统计接收信息,并对信道链路质量进行反馈。

4 系统仿真与实际场景测试

为更好体现协议设计与系统实现的有效性和可信度,本文首先通过matlab软件对提出的分布式协同传输协议进行仿真分析,包括信道状态不同时,单中继协同传输误码率仿真和多候选中继协同传输误码率仿真。然后,结合实际运用,从室内场景和室外场景对分布式协同传输系统进行了测试,室内场景用于测试系统自适应传输方式选择的功能,室外场景则包括不同位置下的单中继协同、多候选中继下的协同传输以及系统的自主协同功能测试。

系统采用OFDM传输体制,具体参数如表1所示。

4.1 系统仿真

仿真过程中,采用了斯坦福过渡(Standfrod University Interim,SUI)信道模型[13],参数如表2所示,系统频偏设置为-0.5到0.5的均匀分布,蒙塔卡罗仿真次数为10000次。

表3是信噪比设为18 dB时,不同信道状态下单中继协同传输误码率仿真结果。仿真中,我们将源节点和目的节点之间的信道设为SUI-5信道,表示信道质量较差的通信链路,中继与源节点之间设置为SUI-1信道,与目的节点之间的信道分别设置为SUI-3信道、SUI-2信道和SUI-1信道。其中,S表示源节点,D表示目的节点,R表示中继节点,仿真场景分别与4.3.1节中实测场景对应。从仿真结果可以看出,当直传链路信道质量较差时,协同传输误码率低于直传,且中继节点信道状态越好,系统传输误码率越低。

为仿真更加恶劣的信道环境,以更好体现分布式协同传输对系统性能的提升,我们将信噪比设置为15 dB,源节点和目的节点之间设为SUI- 6信道,表4为多候选中继下协同传输误码率仿真结果。仿真中,我们将中继节点的个数分别设为1个、2个和3个,中继R1、中继R2和中继R3与源节点之间均设置为SUI-1信道,与目的节点之间的信道分别设置为SUI- 4信道、SUI-3信道和SUI-2信道,三个仿真场景对应于4.3.2节中实测场景1、场景2和场景3。从仿真结果中可以看到,候选中继越多,系统的传输误码率越低,传输性能越好。

4.2 室内传输

图6为室内传输场景示意图,以实验室为测试场景,用于测试系统的自适应传输方式选择功能。

场景1:源节点S置于点1处,目的节点D置于点2处,S-D链路处于视距(Line of Sight, LOS)状态;

场景2:源节点S置于点1处,目的节点D置于点4处,S-D链路处于非视距(Not Line of Sight, NLOS)状态;

场景3:源节点S置于点1处,目的节点D置于点2处,协同节点R置于点3处;

场景4:源节点S置于点1处,目的节点D置于点4处,协同节点R置于点5处。

图7为场景3的系统搭建图,通信节点按照图6放置,源节点S处红色圆圈内为原理样机,通过数据线与右侧电脑连接,测试结果如表5所示。

室内传输场景测试的主要目的是:1)近距离直传,获取系统的吞吐量,并作为理想状态下的吞吐量,用于与后面各测试场景作比较;2)测试系统的自适应选择传输方式的功能。

从测试结果可以看到,场景1中,源节点S和目的节点D之间为LOS链路,信道状态较好,误码率和丢包率均为0,吞吐量为1.397 Mbps,可以表示理想状态下的一个传输限,用于和后面的测试做比较。

场景2中,S-D为NLOS链路,源节点和目的节点之间由于墙壁的遮挡,传输误码率和丢包率都有增加,而吞吐量降低,传输性能不如场景1。

场景3中,S-D为LOS链路,信道状态较好,故中继并未参与协同,但是会产生一定的开销,用于维护邻节点信道质量表和中继选择的信息交互。从测试结果来看,测试场景3中,系统的吞吐量为1.380219582 Mbps,比场景1中1.396734322 Mbps下降了0.01651474 Mbps,计算可知,维护邻节点信道质量表等开销占比为不超过2%。

场景4中,S-D链路信道状态较差,中继参与协同,与场景2相比,通过中继进行协同传输,误码率和丢包率都下降了一个数量级,吞吐量为理想直传下的一半。

从表5的测试结果来看,本文的分布式协同传输系统可以根据源节点、中继节点以及目的节点之间的信道状态选择传输方式,实现了系统的自适应传输方式选择功能。

4.3 室外传输

图8为室外传输示意图,本文以校园内篮球场为测试场景,该场景树木较为茂盛。测试场景主要包括单中继协同传输、多候选中继协同传输和系统自主协同功能测试。在室外传输测试中,通过在不同位置布置通信节点,构造不同信道状态的传输链路,模拟真实战术无线通信环境中恶劣的通信环境以及多变的信道状态,以测试本文提出的自适应分布式传输系统在面对恶劣的无线信道环境时,能够实现自主协同功能,自适应选择中继节点和传输方式,以保证通信组网的稳定性和鲁棒性,进而提升系统的传输性能。

4.3.1 单中继协同测试

场景1:源节点S置于点1处,目的节点D置于点2处,单链路的直传方式;

场景2:源节点S置于点1处,目的节点D置于点2处,地面中继节点置于点3处;

场景3:源节点S置于点1处,目的节点D置于点2处,地面中继节点置于点4处;

场景4:源节点S置于点1处,目的节点D置于点2处,空中中继节点置于点4′处。

为了分析不同位置的中继节点协同传输对系统性能的提升,本文首先将源节点S和目的节点D之间置于NLOS状态,然后在图8所示位置布置中继节点,使各节点到源节点和目的节点之间的信道状态不同。

从表6测试结果可以看到,场景1中,因为有楼房和树木的遮挡,直传误码率和丢包率均较高,吞吐量只有室内传输测试场景1直传下的三分之一。

对比场景2到场景4,可以看出,加入中继进行协同传输,传输误码率和丢包率下降,吞吐量增加,但中继所处位置不同,与源节点和目的节点之间的信道状态不同,对系统性能的提升也不一样。当中继节点置于点3时,因为其距离源节点位置较远,且与目的节点之间有房屋遮挡,两条链路的信道质量都不好,故其协同传输性能明显不如场景3和场景4。

对比场景3和场景4,在同样的水平位置上,空中中继节点比地面中继节点的协同性能要好,尤其是在误码率上,空中中继协同传输的误码率为0。这是因为空中中继与源节点和目的节点之间都是直射LOS链路,信道质量更好,故其协同传输性能明显要优于地面中继。

对比分析表6的测试结果和表3的仿真结果,可以看出,当源节点和目的节点之间的信道状态较差时,通过中继进行协同传输能够提高系统传输性能,且中继节点的信道状态越好,协同传输的误码率越低,二者在这个方面有着相同的趋势,但在数值上略有差异,其原因是仿真采用了SUI信道模型,但是在实际测试场景中,信道变化迅速,不能完全由SUI信道表示,另外,过往的车辆、周边的电磁信号也会对测试产生一定影响。

4.3.2 多候选中继协同测试

场景1:源节点S置于点1处,目的节点置D于点6处,地面中继R1置于点3;

场景2:在场景1的基础上加入地面中继R2并置于点5处;

场景3:在场景2的基础上加入地面中继R3并置于点4处;

场景4:在场景2的基础上加入空中中继R3并置于点4′ 处。

为了模拟更加恶劣的战术无线通信环境,我们将源节点S置于点1处,目的节点D置于点6处,使源节点和目的节点之间不能直接通信,必须通过中继进行协同传输。

表7为测试结果,图9为对应柱状图。从测试结果来看,随着候选中继数目的增加,系统的误码率和丢包率逐步下降,吞吐量逐步提高,系统传输性能得到提高,该测试结果与表4的仿真结果有着同样的趋势,体现了分布式协同传输系统的有效性。理论证明,假定N个候选中继节点,分布式协同传输系统能够获得N阶分集增益,其原因是,候选中继越多,所有中继链路同时经历深衰落的概率就越小,从而系统传输性能增益就越大。

对比场景3和场景4可以发现,在空中中继节点参与协同的情况下,系统误码率下降了两个数量级,丢包率下降了一个数量级,吞吐量得到提高,系统传输性能得到更好的改善。可见,利用基于无人机的空中中继节点具有直射路径的独特优势,能够大大提升系统的可靠传输性能。

4.3.3 自主协同功能测试

在测试场景4.3.2的基础上,通过交换节点的角色和身份,测试系统的自主协同功能,场景如下:

场景1:点6作为源节点,点1作为目的节点,中继R1置于点3处、中继R2置于点5处、空中中继R3置于点4′ 处;

场景2:点1作为源节点,点3作为目的节点,中继R1置于点6处、中继R2置于点4处、中继R3置于点5处。

场景1中,源节点和目的节点之间不能直传,故需通过中继进行协同传输。场景2中,源节点1和目的节点3之间能够直接传输,故不需要进行协同传输,中继节点保持静默状态。

从表8测试结果来看,各通信节点身份发生改变之后,仍然可以进行直传或者分布式协同通信。由此可见,每个节点既可实现收发功能,还能作为中继进行协同传输,实现了分布式自主协同功能。

5 结论

分布式协同传输技术通过利用空间多维分集增益,有效提升了系统的可靠传输性能,能够提升覆盖范围、扩展通信距离。本文针对目前原理样机和实测数据较少的现状,设计并实现了一套自适应分布式协同传输系统,通过自主研发的原理样机,对协同通信的应用场景进行了测试和分析,得出如下结论:

1)相比源节点到目的节点间点对点的单链路传输,选择多个中继节点进行分布式协同传输,系统的可靠传输性能会得到大大提升。

2)中继节点所处的位置不同,对系统传输性能的影响也不一样,且空中中继协同传输性能优于地面中继,候选中继数目越多,协同传输性能越好。下一步可以研究基于地理位置的自适应协同传输机制,进一步获取空间增益。

3)系统能够根据通信链路信道质量自适应选择中继节点和协同传输方式,而且每个节点既能作为源节点和接收节点,又能充当中继节点进行协同传输,实现了分布式通信系统的自主协同功能。

4)本文首次验证了基于无人机的分布式协同传输优势,充当中继的无人机在源节点与目的节点之间,利用直射路径提供了更优的中继传输性能。下一步可以利用无人机的高机动性减少信息接收与中继转发阶段的信息传输距离,进而降低信息传输过程中的大尺度损耗,从而提高无人机通信的传输性能。

5)分布式协同传输技术可以利用低成本的天线终端获取高阶分集增益,是一种实现分布式马赛克通信的有效手段。

[1] LANEMAN J N, TSE D N C, WORNELL G W. Cooperative diversity in wireless networks: Efficient protocols and outage behavior[J]. IEEE Transactions on Information Theory, 2004, 50(12):3062-3080.

[2] OCHIAI H, MITRAN P, POOR H V, et al. Collaborative beamforming for distributed wireless ad hoc sensor networks[J]. IEEE Transactions on Signal Processing, 2005, 53(11):4110- 4124.

[3] 吴钟博, 易建强. 无人机编队支撑网络的协同通信中继策略[J]. 航空学报, 2020, 41(S2):187-194.

WU Zhongbo,YI Jianqiang. Cooperative communication relay selection method for UAV formation support networks[J]. Acta Aeronautica et Astronautica Sinica, 2020, 41(S2):187-194.(in Chinese)

[4] 高伟东, 王文博, 袁广翔, 等. 协作通信中的中继节点选取和功率分配联合优化[J]. 北京邮电大学学报, 2008, 31(2):68-71.

GAO Weidong, WANG Wenbo, YUAN Guangxiang, et al. Joint relay selection and power allocation optimization in cooperative communications[J]. Journal of Beijing University of Posts and Telecommunications, 2008, 31(2):68-71.(in Chinese)

[5] BOUANEN S, BOUJEMAA H, AJIB W. Threshold-based adaptive decode-amplify-forward relaying protocol for cooperative systems[C]∥Proceedings of the 7th International Wireless Communications and Mobile Computing Conference, IWCMC 2011, Istanbul, Turkey, 4- 8 July, 2011. IEEE, 2011.

[6] 杨小芳. 基于USRP平台的无线多中继传输技术研究[D]. 南京:南京邮电大学,2018.

YANG Xiaofang. Experimental study of wireless multi-relay transmission based on USRP platform[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2018.(in Chinese)

[7] MOHANTI S, BOCANEGRA C, MEYER J, et al. AirBeam: Experimental demonstration of distributed beamforming by a swarm of UAVs[C]∥2019 IEEE 16th International Conference on Mobile Ad Hoc and Sensor Systems (MASS), Monterey, CA, USA, 2019: 162-170.

[8] HUNTER T E, NOSRATINIA A. Performance analysis of coded cooperation diversity[C]∥IEEE International Conference on Communications. IEEE, 2003: 2688-2692.

[9] LIAO W S, KIBRIA M G, VILLARDI G P, et al. Coordinated Multi-Point downlink transmission for dense small cell networks[J]. IEEE Transactions on Vehicular Technology, 2019, 68(1):431- 441.

[10] BLETSAS A, KHISTI A, REED D P, et al. A simple cooperative diversity method based on network path selection[J]. IEEE Journal on Selected Areas in Communications, 2005, 24(3):659- 672.

[11] ASSHAD M, KHAN S A, KAVAK A, et al.Cooperative communications using relay nodes for next-generation wireless networks with optimal selection techniques: A review[J].Ieej Transactions on Electrical & Electronic Engineering, 2019, 14(5):658- 669.

[12] 汪汉新, 汪玉明.多源多中继协同通信的快速中继选择算法[J].中南民族大学学报(自然科学版), 2018, 37(126(1)):80- 84.

WANG Hanxin, WANG Yuming. Fast relay-nodes assignment scheme in cooperative MSMR system[J]. Journal of South-Central University for Nationalities(Nat. Sci. Edition),2018, 37(126(1)):80- 84.(in Chinese)

[13] ERCEG V, HARI K V S, SMITH M S,et al. Channel models for fixed wireless applications[S]. Contribution IEEE 802.16a-03/01,[S.1.]:IEEE,2003.