CN102983878B - 协同通信中中继节点的选择和功率分配方法 - Google Patents

Abstract

本发明的目的是提供协同通信中中继节点的选择和功率分配的优化方法，推导出多径衰落下的通过某一中继节点传输信息的平均误比特率。利用了改进的粒子群算法来在确定最优功率分配的同时选择最优的中继节点。为达到所述效果，采用了粒子群优化算法，通过跟踪两类极值来搜索解空间的最优值：每一次迭代下，其中一类是每一个粒子搜索到的个体极值，对于有N个粒子的种群，有N个这样的极值；而另一类则是整体搜索到的全局极值，只有一个这样的极值。同时采用改进的更新公式在每一次迭代中更新某一个粒子所代表的源节点的传输功率，并相应地更新以上两类极值。通过本发明所提出的算法将更符合实际应用和实际的多径的通信环境。

Description

协同通信中中继节点的选择和功率分配方法

技术领域

本发明涉及一种协同通信中中继节点的选择和功率分配方法，尤其涉及一种基于Rake接收机和粒子群算法的协同通信中中继节点的选择和功率分配方法。

背景技术

随着移动通信技术的发展，无线通信在现代化社会中越来越受到重视，用户也越来越多。因此如何对应海量的用户群体以及呈几何倍数成长的信息量就成为现在要解决的首要问题。在现有的协同通信中的中继节点的选择方法中，都假设信道为单径信道。但是，通信信道应该用多径信道来更准确的描述。对此，现有技术中公开号为CN1484893的发明专利《RAKE接收机及接收方法》中就公开了在CDMA移动通信***中进行对指元的有效的路径分配的RAKE接收机及接收方法。在该发明中，相关值计算部2在所有可RAKE接收的定时上计算由输入端1所输入的接收信号与扩展码的相关值并输出至延迟轮廓作成部3和差值历史作成部6。延迟轮廓作成部3算出平均相关值并作为延迟轮廓通知给路径选择部4。差值历史作成部6按各接收定时对由相关值计算部2所通知的最新相关值与自身保存的前一次的相关值进行比较来求出差值历史并通知给路径选择部4。路径选择部4按平均相关值大的顺序排列延迟轮廓，若延迟轮廓与差值历史满足所有给定条件则将该接收定时分配给指元并通知给指元部5。其采用的方式为：一种CDMA移动通信***的RAKE接收机，其特征在于：具备相关值计算部，其在所有可RAKE接收的定时上计算接收信号与扩展码的相关值；延迟轮廓作成部，其根据由该相关值计算部所得到的备接收定时上的相关值算出平均相关值并作成延迟轮廓；差值历史作成部，其按各接收定时对由所述相关值计算部所通知的最新相关值与前一次的相关值进行比较并作成差值历史；路径选择部，其按大小顺序排列所述平均相关值，当所述延迟轮廓与差值历史分别满足给定条件时，按所述平均相关值大的顺序选择应分配给指元的接收定时并将该接收定时通知给指元部；指元部，其对应各接收定时的路径进行接收。

在传统的协同通信的算法中，都假设通信信道是单径的。然而，在实际情况下，尤其在城市中，通信信道都是多径的，即，从发送端到接受端由于信号的反射等原因存在多条路径。这样，传统的算法在选择最优中继节点和最优功率分配中，由于考虑的都是单径信道的情况，和实际情况不相符。由此，这些算法得不到多径情况下的最优中继节点和与此相应的最优的功率分配。公开号为CN102545992A的发明专利《DF中继***的最优中继选择和功率分配方法》中倒是提到一种DF中继***的最优中继选择和功率分配方法，包括以下步骤：S1：选择具有最大等效信道增益的中继节点作为最优中继节点；S2：以源节点的传输功率与所述最优中继节点的传输功率的功率分配比例为变量，得到中继***的总中断概率函数；S3：通过遗传算法求解所述功率分配比例，使中继***达到最优化***总中断概率。该发明的方法可以使中继***达到最优化的***总中断概率，提高中继***性能。但是这样的方法效果有限，难以推广到基于Rake接收机的通信***中。因此我们需要找到一种方法，首先建立了多径下的模型，推导出多径下的误码率，然后在此条件下考虑最优中继的选择和最优功率的分配。最优中继节点的选择和最优功率的分配是分开来，各自独立地进行优化。

发明内容

本发明的目的是提供协同通信中中继节点的选择和功率分配方法，在推导出来多径衰落下的通过某一中继节点传输信息的平均误比特率。同时还利用了粒子群算法来在确定最优功率分配的同时选择最优的中继节点，确保此中继节点将在传输的总功率一定的情况下拥有最低的误比特率。

为达到所述效果，本发明协同通信中中继节点的选择和功率分配方法，采用了一种粒子群优化算法，所述粒子群优化算法是通过跟踪两类极值来搜索解空间的最优值：其中一类极值是每一个粒子在其位置的更新和迭代中搜索到的最优值，称为个体极值；而另一类则是整体搜索到的最优值，称为全局极值。在所提出的算法中，采用如下公式更新某一个粒子所代表的功率P_A在第i次迭代，第j个粒子上的取值为P_A(i，j)

v(i，j)＝w*v(i-1，j)+c1(i)*r₁*(pb(i-1，j)-P_A(i-1，j))+c2(i)*r₂*(gb(i-1)-P_A(i-1，j))P_A(i，j)＝P_A(i-1，j)+v(i，j)

这里，w为一个权重，r₁和r₂为两个介于0到1之间均匀分布的随机数，pb为当前粒子领域中的最优取值，gb表示整个群体中当前粒子群的最优取值。P_A(i-1，j)为上一次迭代中此粒子的取值，v(i-1，j)为上一次迭代中第j个粒子的移动距离，v(i，j)表示当前迭代第j个粒子的移动距离，而c1(i)和c2(i)符合

$\left\{\begin{array}{c}c1\left(i\right)=c1(i-1)*\mathrm{\α}\\ c2\left(i\right)=c2(i-1)*\mathrm{\β}\end{array}\right.---\left(4\right)$

且其中α和β的适宜取值为α＝0.9，β＝0.95，

所述v(i，j)有一个约束范围，以防止粒子的取值的变化过快，v(i，j)∈[-v_max，v_max]，当v(i，j)＜-v_max时，强制设置v(i，j)＝-v_max，当v(i，j)＞v_max时，强制设置v(i，j)＝v_max；v_max的适宜取值为v_max＝P/3。

优选的，所提出的方法的计算流程为：初始化粒子P_A(0.j)，这里P_A(0.j)由0到总功率P之间均匀分布的随机变量而生成，这里j＝1，2，...，N，N表示的是粒子群中的粒子的总个数。这样，P_B(i，j)＝P-P_A(i，j)；初始化中，每个粒子的最优适应度值被置于负无穷大，即f(P_A(-1，j))＝-∞；最佳的适应度值初始化为P_g＝-∞，对每个粒子，将此适应度值与前一次适应度值比较，如果此适应度值好于前一适应度值f(P_A(i，j))＞f(pb(i-1，j))，则更新当前的粒子的最优值为P_A(i，j)；否则，保持当前的粒子的最优值不变；再将此适应度值与当前最佳适应度值P_g比较，如果好于P_g，则需重新设置P_g的值及其所对应的粒子索引号；

对每个粒子，根据粒子群的更新表达式更新粒子的速度和位置；

如果没有满足结束的条件，则继续迭代，直到满足结束条件或得到最优粒子的位置为止。

进一步的，对每个粒子，计算该粒子的适应度值；

在译码转发模式中，粒子的适应度函数值如下：

f(P_A(i，j))＝-E(R^*)

其中，在选择第i个候选的中继节点为最优中继节点时，平均误比特率可表示为

E(R_m)＝E(S，R_m)E₁(D)+(1-E(S，R_m))E₂(R_m)，这里，E(S，R_m)为从源节点S到中继节点R_m的平均误比特率，E₁(D)为无中继节点帮助时从源节点S直接传输到目的节点D的误比特率，E₂(R_m)为在中继节点R_m解码正确的情况下，有源节点传输和中继节点R_m帮助传输时，目的节点D的误比特率。

在所提出的方法中，能够在总功率一定的约束条件下，带来最小的误比特率E(D₁)的中继节点i将被选择为最优中继节点R^*，即

$\left\{\begin{array}{c}{R}^{*}=\arg \left(\min \left(E\left(R_1\right)\right)\right)\\ P_A+P_B=P\end{array}\right.$ 计算E(R_m)时，P_A＝P_A(i，j)，P_B＝P_B(i，j)。

所采取的优化方法借鉴了粒子群算法，这是由于这个算法的收敛速度快，运算量相对较小，找寻最优解的功能较强。在本发明中，也对粒子群算法进行了改进并进行了参数的选择与调整，使其适合解决多径情况下的最优中继选择和最优功率分配问题。

优选的对于候选的中继节点的数目小于100时，粒子选取的数量取20-40；对于候选的中继节点的数目大于100时，粒子选取的数量最大不超过200。这样可以避免选择数量过多而影响计算效率。

优选的所述适应度值比较的最大循环次数设定为2000。这样避免了死循环的出现。

在实际情况下，最佳中继的选择和最优功率的分配，这两个问题是耦合在一起的。单独优化其中的一个问题，是得不到最优解的。为此，本发明把这两个问题结合在一起，进行综合优化。由于采用了所述技术方案，本发明提出了多径信道环境下中继节点的优化选择方法。所提出的算法将更符合实际应用和实际的通信环境。在推导所提处的算法的过程中，利用了Rake接收机来接受多径信号和计算误比特率。如果中继节点错误地接受了某一信息，它将不发送此信息到目的节点，以防止误差扩散。在这种情况下，仅存在从源节点到目的节点的多径传输，我们推导了此时的误比特率。当所选择的中继节点正确地接受了信息时，它将把此信息发送到目的节点，我们同时推导了这种情况下的误比特率。在充分考虑到以上两种情况后，多径衰落下的通过某一中继节点传输信息的平均误比特率可被推导出来。接着，我们利用了粒子群算法来在确定最有功率分配的同时选择最优的中继节点，此中继节点将在传输的总功率一定的情况下拥有最低的误比特率。

附图说明

下面结合附图对本发明作进一步说明：

图1为多径环境下协同通信的模型的示意图。

图2为本发明协同通信中中继节点的选择和功率分配方法中粒子群算法的流程图。

图3为本发明实验1的结果示意图。

图4为本发明试验2在40个候选中继节点下的结果。

图5为本发明试验2在200个候选中继节点下的结果。

具体实施方式

协同通信技术可以在中继节点的帮助下提高通信的质量和基站的覆盖距离。在协同通信***中，中继节点的选择是其中的关键技术，选择不同的中继节点，可使***的性能大相径庭。在已有的文献中，提出了基于地理位置的中继节点选择算法，和基于单径的源节点到中继节点与中继节点到目的节点的最小误码率的中继节点选择算法。现有技术的H.Boujemaa“ExactandasymptoticBEPofcooperativeDS-CDMAsystemsusingdecodeandforwardrelayinginthepresenceOfmultipathpropagation，”IEEETrans.WirelessCommunications，vol.8，no.9，pp.4464-4469，Sep.2009.以及L.Gazzah，H.Boujemma，andM.Siala“DiscretetimereceiverforcooperativeDS-CDMA”inProc.IEEEVehicleTechnologyConference(VTC)，Budapest，Hungary，May2011.两篇文章中提出了在DS-CDMA***下的误比特率的表达式。但是，这个表达式假设在一个DS-CDMA符号中的码片(chip)是不相关的，这个假设在非CDMA***中是不成立的。所以，在现有技术中的最优中继选择算法在选择中继节点时没有考虑到信道的多径效应，尤其是在非CDMA***中。实际上，协同通信的模型应该如图1所示。在图中，从源节点到目的节点最多有L条路径，从源节点到中继节点最多有L条路径，从中继节点到目的节点最多有L条路径。由于在通信的过程中存在折射和反射，通信信道是多径衰落信道，因此，图1的模型比传统的单径信道模型更符合实际情况。因此，如何在这样的模型和环境下，选择最优的中继节点，在实际的协同通信***中就显得十分重要。本专利首先计算利用某一个候选的中继节点，并同时采用粒子群算法来优化地分配总功率的情况下，***在满足总功率一定的条件下的此时的误码率。***选择此时的所有候选中继节点下的误码率中的最小误码率来选择最优的中继节点。本专利进行了如下的创新：(1)所提出的算法可用在多径环境下的中继节点的选择，同时所推导的误比特率(BER)具有较低的计算复杂度。(2)利用粒子群算法来解决相互耦合的最优中继节点的选择和最优功率的分配问题。在已有的算法中，要么没有考虑多径效应，要么没有进行中继节点的选择和功率分配进行联合优化。同时，为了适于此优化问题的解决，本专利对传统的粒子群算法进行了改进。在传统的粒子群算法中的两个常数将随着迭代的进行逐步减小，以在初始时使求解的变量有着较大的变动范围，而在接近最优解时仅进行微调来逼近最优解。具体步骤如图2所示。协同通信中中继节点的选择和功率分配方法，其特征在于，采用了一种粒子群优化算法，所述粒子群优化算法是通过跟踪两类极值来搜索解空间的最优值：其中一类是每一个粒子或其邻域中搜索到的最优值，称为个体极值；而另一类则是整体搜索到的最优值，称为全局极值，在所提出的算法中，采用如下公式更新某一个粒子所代表的功率P_A在第i次迭代，第j个粒子的上的取值P_A(i，j)

v(i，j)＝w*v(i-1，j)+c1(i)*r₁*(pb(i-1，j)-P_A(i-1，j))+c2(i)*r₂*(gb(i-1)-P_A(i-1，j))P_A(i，j)＝P_A(i-1，j)+v(i，j)

这里，w为一个权重，r₁和r₂为两个介于0到1之间均匀分布的随机数，pb为当前粒子领域中的最优取值，gb表示整个群体中当前粒子群的最优取值。P_A(i-1，j)为上一次迭代中此粒子的取值，v(i-1，j)为上一次迭代中第j个粒子的移动距离，v(i，j)表示当前迭代第j个粒子的移动距离，而c1(i)和c2(i)符合

$\left\{\begin{array}{c}c1\left(i\right)=c1(i-1)*\mathrm{\α}\\ c2\left(i\right)=c2(i-1)*\mathrm{\β}\end{array}\right.$

且其中α和β的适宜取值为α＝0.9，β＝0.95，

所述v(i，j)有一个约束范围，以防止粒子的取值的变化过快，v(i，j)∈[-v_max，v_max]，当v(i，j)＞-v_max时，强制设置v(i，j)＝-v_max，当v(i，j)＞v_max时，强制设置v(i，j)＝v_max；v_max的适宜取值为v_max＝P/3。

所提出的方法的计算流程为：初始化粒子P_A(0.j)，这里P_A(0.j)由0到总功率P之间均匀分布的随机变量而生成，这里j＝1，2，...，N，N表示的是粒子群中的粒子的总个数。这样，P_B(i，j)＝P-P_A(i，j)；初始化中，每个粒子的最优适应度值被置于负无穷大，即f(P_A(-1，j))＝-∞；最佳的适应度值初始化为P_g＝-∞，对每个粒子，将此适应度值与前一次适应度值比较，如果此适应度值好于前一适应度值f(P_A(i，j))＞f(pb(i-1，j))，则更新当前的粒子的最优值为P_A(i，j)；否则，保持当前的粒子的最优值不变；再将此适应度值与当前最佳适应度值P_g比较，如果好于P_g，则需重新设置P_g的值及其所对应的粒子索引号；

对每个粒子，根据粒子群的更新表达式更新粒子的速度和位置；

如果没有满足结束的条件，则继续迭代，直到满足结束条件或得到最优粒子的位置为止。

对每个粒子，计算该粒子的适应度值；

在译码转发模式中，粒子的适应度函数值如下：

f(P_A(i，j))＝-E(R^*)

其中，在选择第i个候选的中继节点为最优中继节点时，平均误比特率可表示为

E(R₁)＝E(S，R₁)E₁(D)+(1-E(S.R₁))E₂(R₁)

在所提出的算法中，能够在总功率一定的约束条件下，带来最小的误比特率E(D₁)的中继节点i将被选择为最优中继节点R^*

$\left\{\begin{array}{c}{R}^{*}=\arg \left(\underset{m}{\min }\left(E\left(R_m\right)\right)\right)\\ P_A+P_B=P\end{array}\right.$ 计算E(R_m)时，P_A＝P_A(i，j)，P_B＝P_B(i，j)。

对于候选的中继节点的数目小于100时，总共粒子选取的数量N适宜取20到40之间的数；对于候选的中继节点的数目大于100时，总共粒子选取的数量N最大不适宜超过200。所述粒子群迭代更新的最大循环次数适宜设定为2000，即迭代的结束条件为i＝2000。]我们进行了传统算法和所提出算法的对比实验，实验结果显示所提出的方法更适合于多径信道的实际情况，并在通常的协同通信中拥有更好的性能。

为了验证所提出算法的性能，我们进行了两个实验，实验1：

多径衰落系数被置为固定值，有两个候选的中继节点。同时，从源节点到目的节点的多径衰落系数SD_m被设置为

[0.320.210.190.120.11]，

从源节点到中继节点的多径衰落系数SR_ij构成一个矩阵，这个矩阵被设置为

$\left[\begin{array}{ccccc}0.64& 0.21& 0.12& 0.11& 0.1\\ 0.56& 0.44& 0.43& 0.42& 0.4\end{array}\right],$

从中继节点到目的节点的多径衰落系数RD_ij构成一个矩阵，这个矩阵被设置为

$\left[\begin{array}{ccccc}0.93& 0.31& 0.19& 0.11& 0.1\\ 0.92& 0.81& 0.82& 0.81& 0.8\end{array}\right],$

在传统的算法中，由于单径衰落系数为多径衰落系数中的最大值，从源节点到中继节点R₁的单径衰落系数为0.64大于从源节点到R₂的单径衰落系数0.56，同时，从中继节点R₁到目的节点的单径衰落系数0.93大于从R₂到目的节点的单径衰落系数0.92，这样，这些算法将选择R₁作为最佳中继节点。而在所提出的算法中，由于根据公式推导，E(D₂)＞E(D₁)，将选择R₂为最佳中继节点。由于传统的算法在这种情况下没有选择最优的中继节点，这些算法的性能将比所提出的算法差一些。这可由图3中看出和显示出来。从此图中，可以看出在误比特率为10^-5以下时，所提出的算法能够节约2dB以上的总的传输功率P(为源节点和中继节点的传输功率之和)。从此图中，同时可以看出，当信噪比增大时，所提出的算法可以节约更多的传输功率。

在实验2中，所有的多径衰落的系数是随机产生的。所有的从源节点到中继节点的多径衰落系数是符合从0到0.9的均匀分布的，从中继节点到目的节点的多径衰落系数是符合从0到0.9的均匀分布的，从源节点到目的节点的多径衰落系数是符合从0到0.4的均匀分布的。多径衰落的个数最多为20个。所有的候选的中继节点的个数为40个。这个实验被重复做了4000次，传统算法和所提处的算法的平均误比特率由图4显示。从此图中，可以看出，所提出的算法的性能高于传统的算法，同时，当信噪比增大时，所提出的算法能节约更多的传输功率。在这4000次实验中，传统算法仅在242次选择了和所提出的算法相同的中继节点，在其它情况下，传统的算法没有选择到最优的中继节点。接着，所有的候选的中继节点的个数被设置为200个，并重复做了4000次实验。在这4000次实验中，传统的算法仅在65次选择了和所提出的算法相同的中继节点，在其它情况下，传统的算法没有选择到最优的中继节点。这个实验的结果如图5所示。从图4和图5的比较中，可以看出，在中继节点的个数增加的情况下，所提出的算法可以比传统的算法节约更多的传输功率。

本发明可以应用到利用协同通信的任何设备中，如WiMax无线网络(采用Mesh方式进行协同通信)，第3代(3G)移动通信网络中(基站之间的协同通信)，第4代(4G)移动通信网络中(除基站之间的协同通信，各种移动设备之间也可以进行协同通信，以提高网络覆盖范围和节约网络的整体所消耗的功率)，无线自组织(adhoc)网络中，无线传感器网络中。

以上所述仅为本发明的具体实施例，但本发明的结构特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。

Claims (3)

1.协同通信中中继节点的选择和功率分配方法，其特征在于：(1)采用了一种粒子群优化算法，所述粒子群优化算法是通过跟踪两类极值来搜索解空间的最优值，其中一类是每一个粒子在其从开始到当前迭代和更新过程中搜索到的最优值，称为个体极值，如果总共有N个粒子，则在每一步的迭代下，有N个这样的极值，而另一类则是整体搜索到的最优值，称为全局极值，在迭代的每一步，只有一个这样的极值，在所提出的方法中，采用如下公式更新某一个粒子当前所代表的源节点的发射功率P_A，其在第i次迭代，第j个粒子的上的取值为P_A(i，j)，

v(i，j)＝w*v(i-1，j)+c1(i)*r₁*(pb(i-1，j)-P_A(i-1，j))+c2(i)*r₂*(gb(i-1)-P_A(i-1，j))

P_A(i，j)＝P_A(i-1，j)+v(i，j)

这两个公式就是粒子群的更新表达式，这里，pb(i-1，j)为从第0次到i-1次迭代，第j个粒子上目前最优的源节点的传输功率的取值，w为一个权重，r₁和r₂为两个介于0到1之间均匀分布的随机数，pb(i-1，j)为当前第j个粒子在从第0次迭代到第(i-1)次迭代中的最优取值，gb(i-1)表示整个粒子群体中从第0次迭代到第(i-1)次迭代的最优取值，P_A(i-1，j)为第(i-1)次迭代中第j个粒子的取值，v(i-1，j)为第(i-1)次迭代中第j个粒子的移动距离，v(i，j)表示当前第i次迭代第j个粒子的移动距离，而c1(i)和c2(i)的迭代符合

且其中α和β的适宜取值为α＝0.9，β＝0.95，所述v(i，j)有一个约束范围，以防止粒子的取值的变化过快，v(i，j)∈[-v_max，v_max]，当v(i，j)＜-v_max时，强制设置v(i，j)＝-v_max，当v(i，j)＞v_max时，强制设置v(i，j)＝v_max，根据实验，v_max的适宜取值为v_max＝P/3，(2)所述方法的计算流程为：初始化第0代第j个粒子的取值P_A(0，j)，这里初始的P_A(0，j)由从0到总功率P之间均匀分布的随机变量而生成，这里j＝1，2，...，N，N表示的是粒子群中的粒子的总个数，由于发射的总功率为P，源节点在第i代的第j个粒子上的发射功率为P_A(i，j)，这样，P_B(i，j)＝P-P_A(i，j)，初始化中，i＝-1，每个粒子的最优适应度值被置于负无穷大，即f(pb(-1，j))＝f(P_A(-1，j))＝-∞，每个粒子的初始速度为0，最佳的适应度值初始化为f(gb(-1))＝P_g＝-∞，对每个粒子，将当前粒子的适应度值与当前此粒子的最优适应度值比较，如果f(P_A(i，j))＞f(pb(i-1，j))，则更新当前的粒子的最优值为pb(i，j)＝P_A(i，j)，否则，保持当前的粒子的最优值不变，再将此适应度值与当前粒子群的最佳适应度值P_g＝gb(i)比较，如果好于P_g，则需重新设置gb(i)的值，P_g＝gb(i)＝P_A(i，j)，及其所对应的最优粒子的索引号j^*，如果没有满足结束的条件，则继续迭代，直到满足结束条件，得到最优粒子的位置，(3)对每个粒子，计算该粒子的适应度值，在译码转发模式中，粒子的适应度函数值如下：

f(P_A(i，j))＝-E(R^*)，

这里，E(R^*)为取R^*为中继节点时的***的平均误比特率，其中，在选择第m个候选的中继节点为最优中继节点时，***的平均误比特率可表示为E(R_m)＝E(S，R_m)E₁(D)+(1-E(S，R_m))E₂(R_m)，这里，E(S，R_m)为从源节点S到中继节点R_m的平均误比特率，E₁(D)为无中继节点帮助时从源节点S直接传输到目的节点D的误比特率，E₂(R_m)为在中继节点R_m解码正确的情况下，有源节点传输和中继节点R_m帮助传输时，目的节点D的误比特率，这样，E(S，R_m)E₁(D)为中继节点出错时，目的节点的平均误比特率，(1-E(S，R_m))E₂(R_m)为中继节点正确接受时，目的节点的平均误比特率，E(R_m)为***的平均误比特率，在所提出的算法中，能够在总功率一定的约束条件下，带来最小的误比特率E(R_m)的中继节点m将被选择为最优中继节点R^*，即

计算E(R_m)时，P_A＝P_A(i，j)，P_B＝P_B(i，j)＝P-P_A(i，j) 。

2.如权利要求1所述的协同通信中中继节点的选择和功率分配方法，其特征在于：对于候选的中继节点的数目小于100时，总共粒子选取的数量N适宜取20到40之间的数，对于候选的中继节点的数目大于100时，总共粒子选取的数量N最大不适宜超过200 。

3.如权利要求1所述的协同通信中中继节点的选择和功率分配方法，其特征在于：所述粒子群迭代更新的最大循环次数适宜设定为2000，即迭代的结束条件为i＝2000。