CN106385301B - 基于遗传算法降低超宽带脉冲无线电系统多波段干扰的方法 - Google Patents

Abstract

本发明涉及一种基于遗传算法降低超宽带脉冲无线电系统多波段干扰的方法，本发明提出通过用遗传算法来寻找系统优化解。遗传算法是一种非线性组合算法，它是以自然选择和遗传理论为基础，将生物进化过程中适者生存规则与群体内部染色体的随机信息交换机制相结合的高效全局寻优搜索算法。本发明方法能有效优化UWB系统中的参数来降低多波段干扰。

Description

基于遗传算法降低超宽带脉冲无线电系统多波段干扰的方法

技术领域

本发明涉及一种基于遗传算法降低超宽带脉冲无线电系统多波段干扰的方法，属于UWB(Ultrawideband，超宽带)系统脉冲无线电抗多波段干扰领域。

背景技术

近年来超宽带技术凭借其超宽的信号带宽和较低的发射功耗等特点，广泛应用于高速无线接入和军事通信等领域个人局域网。脉冲无线电技术由于较强的抗多径能力和较低的系统复杂度成为UWB系统的可选方式。它利用持续时间极短的基带脉冲交换信息，因此它所传播的无线电能量分布在很宽的频带上。脉冲无线电利用脉冲调制方式方案来传递信息，通过跳时扩频或者直接序列扩频实现多址接入。但UWB信号极宽的频谱范围同时覆盖了许多常规的无线通信系统。由于UWB信号与其他系统共用频谱，2002年，FCC(FederalCommunicationCommission，美国联邦通信委员会)针对此问题规定了所有UWB设备的辐射限制，因而辐射功率不能对其他系统造成影响，这就造成UWB系统信号检测与接收的困难，因而优化UWB系统参数使其不受已有波段的干扰显得非常重要。

目前对脉冲无线电干扰主要是针对跳时扩频的窄带干扰的研究，而脉冲无线电由于分布在很宽频带上，因此系统会受到来自多个波段的干扰，并且每个干扰的波段可能会比系统带宽更宽。遗传算法(GA)是一种高效全局寻优搜索算法，能优化系统参数来降低系统的多波段干扰。

发明内容

本发明的目的是为了解决上述问题，提出一种基于遗传算法降低超宽带脉冲无线电系统多波段干扰的方法，优化算法得到优化后的系统参数来降低系统受到的多波段干扰。

为达到上述目的，本发明采用如下技术方案：

一种基于遗传算法降低超宽带脉冲无线电系统多波段干扰的方法，利用遗传算法优化UWB系统参数达到消除减弱多波段间干扰，包括如下步骤：

步骤一：建立UWB系统多波段干扰的数学模型：

其中J_i(t)是在M个波段干扰中的第i个波段的干扰，J_i(t)在不同的波段是相互独立的，每个J_i(t)是连续广义平稳随机过程，同时功率谱密度为P_iS_i(f)；J_i(t)在[f_i-B_i/2,f_i+B_i/2]和[-f_i-B_i/2,-f_i+B_i/2]波段是偶对称非负的；

u(t)是理想的脉冲无线电信号表示为：

其中P_u是u(t)的平均能量，w(t)是归一化后的短时脉冲，T_b是符号时间，T_f是帧持续时间，N_s是一个符号中含有的脉冲数，T_c是跳时间隔，c_k,l是对应的跳时序列，T_d脉冲调制的位置偏移量，a_k为信息序列；

步骤二：计算输出信号干扰噪声比：

通常脉冲无线电都采用相关接收机来解调r(t)，假设接收过程中完全同步，则τ和c_k,l被当作已知，则u(t)的第k个符号表示为：

其中v(t)＝w(t)-w(t-T_d)；

解调后信号能量为N_s ²P_uT_f，系统干扰能量IP_i表示为：

其中

则输出信号干扰噪声比表示为：

其中

实际中P_i和S_i(f)能通过侦测设备测得，W(f)，P_u，T_d和N_s，T_f，N_h，T_c，T_d的范围都能被系统设计者指定，因此对系统设计者来说找到优化的系统参数{N_s,T_f,N_h,T_c,T_d}来减小IP_i，从而提高输出信号干扰噪声比，保证系统的通信质量；

步骤三：优化问题描述

将上述问题转化为有约束性条件的数学问题，即

这类优化问题属于非线性组合优化范畴，因为{N_s,T_f,N_h,T_c,T_d}通过非线性f_N,T(f)来影响IP；

步骤四：遗传算法的实现步骤

GA算法模拟生物进化来实现全局寻优搜索，由于其实现的低复杂度和遗传性，GA算法经常被用到通信系统设计中。首先随机产生一定数量的染色体，它们是对问题的潜在解进行“数字化”编码得到的数字串。适应性函数对每一个基因个体作一次适应度评估，来衡量每个染色体生存的可能性。选择函数，交叉运算，变异运算使得GA算法有效搜索整个空间。选择器选择2个亲代染色体，通过适应度值选出更优的染色体，然后交叉器连接亲代染色体随机选择一个位置产生2个新的后代。随后变异器以较低的概率改变某个染色体的随机位置的值，最终新的种群产生。这个过程中适应性函数的平均值随着进化的进行逐渐增大。

(1)遗传算法的基本运算过程如下：

a)T＝0，初始化种群P₀

b)当终止法则未被满足时执行如下操作：

i:计算P_T中每个候选解的适应性函数值

ii:在种群P_T中选择亲代染色体

iii:以概率α_x对进行重组

iv:子代染色体以概率α_m产生变异

v:当前种群P_T更新为P_T+1

vi:时间T＝T+1

(2)遗传算法的具体实施：

a)染色体表示

由于GA处理二进制比特串，染色体表示建立了IR系统参数和染色体之间的直接映射，T_f＝T_b/N_s和{N_s,N_h,T_c,T_d}是自由参数因此在其范围内的某个值被编码为二进制数字串，Y和bin_Y之间的映射关系表示为：

其中Y表示候选解，bin_Y表示经过编码后的二进制串，Y∈[MINY,MAXY]

这里使用8位二进制编码{N_s,N_h,T_c,T_d}；

b)适应性函数

为寻找最小的IP，因此每个具有较高的IP的候选解对应较低的适应性值，适应性函数定义为：

F(n)＝1/IP(n) (9)

c)种群规模和初始化

种群规模为50，并且随机选出50个满足约束条件的候选解；

d)遗传算子

遗传算子能保持两种相反的趋势之间的平衡，如果每次只有最优解被选择会导致过早收敛无法搜索出最优解，因此引入遗传算子，较优的候选解被选出的可能性更大，选择器表示为：

采用单点交叉，α_x＝0.5，每个候选解以α_m＝0.1发生变异；

e)优化结果和终止法则

进化过程中记录具有最小IP的染色体，当进化终止后它对应着最优的系统参数，系统设计者能灵活的改变终止法则。

与现有技术相比，本发明具有如下的优点：

(1)根据UWB系统特点，建立UWB系统多波段干扰模型；

(2)通过遗传算法搜索UWB系统优化变量，并且搜索过程较为简单迅速；

(3)设置UWB系统参数，有效降低UWB系统多波段干扰。

附图说明

图1为UWB系统中多波段干扰示意图。

图2为理想脉冲无线电信号示意图。

图3为遗传算法的实现流程。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

如图3所示，一种基于遗传算法消除超宽带脉冲无线电系统多波段干扰的方法，利用遗传算法优化UWB系统参数达到消除减弱多波段间干扰，包括如下步骤：

步骤一：建立UWB系统多波段干扰的数学模型：

其中J_i(t)是在M个波段干扰中的第i个波段的干扰，J_i(t)在不同的波段是相互独立的，每个J_i(t)是连续广义平稳随机过程，同时功率谱密度为P_iS_i(f)；J_i(t)在[f_i-B_i/2,f_i+B_i/2]和[-f_i-B_i/2,-f_i+B_i/2]波段是偶对称非负的；

u(t)是理想的脉冲无线电信号表示为：

其中P_u是u(t)的平均能量，w(t)是归一化后的短时脉冲，T_b是符号时间，T_f是帧持续时间，N_s是一个符号中含有的脉冲数，T_c是跳时间隔，c_k,l是对应的跳时序列，T_d脉冲调制的位置偏移量，a_k为信息序列；

步骤二：计算输出信号干扰噪声比：

通常脉冲无线电都采用相关接收机来解调r(t)，假设接收过程中完全同步，则τ和c_k,l被当作已知，则u(t)的第k个符号表示为：

其中v(t)＝w(t)-w(t-T_d)；

解调后信号能量为N_s ²P_uT_f，系统干扰能量IP_i表示为：

其中

则输出信号干扰噪声比表示为：

其中

实际中P_i和S_i(f)能通过侦测设备测得，W(f)，P_u，T_d和N_s，T_f，N_h，T_c，T_d的范围都能被系统设计者指定，因此对系统设计者来说找到优化的系统参数{N_s,T_f,N_h,T_c,T_d}来减小IP_i，从而提高输出信号干扰噪声比，保证系统的通信质量。

本发明中假设存在5个波段的干扰，干扰参数如下：

i	P<sub>i</sub>(dBm)	f<sub>i</sub>(GHz)	B<sub>i</sub>(MHz)	S<sub>i</sub>(f)
					1	13.0	1.0	5	1/(2B<sub>1</sub>)
2	10.0	1.5	10	1/(2B<sub>2</sub>)
					3	11.8	2.0	20	1/(2B<sub>3</sub>)
4	13.0	2.5	15	1/(2B<sub>4</sub>)
					5	10.0	3.0	8	1/(2B<sub>5</sub>)

表1 5个波段干扰参数

步骤三：优化问题描述

将上述问题转化为有约束性条件的数学问题，即

这类优化问题属于非线性组合优化范畴，因为{N_s,T_f,N_h,T_c,T_d}通过非线性f_N,T(f)来影响IP；

步骤四：遗传算法的实现步骤

(1)遗传算法的基本运算过程如下：

a)T＝0，初始化种群P₀

b)当终止法则未被满足时执行如下操作：

i:计算P_T中每个候选解的适应性函数值

ii:在种群P_T中选择亲代染色体

iii:以概率α_x对进行重组

iv:子代染色体以概率α_m产生变异

v:当前种群P_T更新为P_T+1

vi:时间T＝T+1

(2)遗传算法的具体实施：

a)染色体表示

由于GA处理二进制比特串，染色体表示建立了IR系统参数和染色体之间的直接映射，T_f＝T_b/N_s和{N_s,N_h,T_c,T_d}是自由参数因此在其范围内的某个值被编码为二进制数字串，Y和bin_Y之间的映射关系表示为：

其中Y表示候选解，bin_Y表示经过编码后的二进制串，Y∈[MINY,MAXY]

这里使用8位二进制编码{N_s,N_h,T_c,T_d}；

b)适应性函数

为寻找最小的IP，因此每个具有较高的IP的候选解对应较低的适应性值，适应性函数定义为：

F(n)＝1/IP(n) (9)

c)种群规模和初始化

种群规模为50，并且随机选出50个满足约束条件的候选解；

d)遗传算子

遗传算子能保持两种相反的趋势之间的平衡，如果每次只有最优解被选择会导致过早收敛无法搜索出最优解，因此引入遗传算子，较优的候选解被选出的可能性更大，选择器表示为：

采用单点交叉，α_x＝0.5，每个候选解以α_m＝0.1发生变异；

e)优化结果和终止法则

进化过程中记录具有最小IP的染色体，当进化终止后它对应着最优的系统参数，系统设计者能灵活的改变终止法则。

最终经过遗传算法优化得到优化参数如表2所示：

IP＝-91.3dBm，N_s＝3，T_f＝33.3ns，N_h＝7，T_c＝1.9ns，T_d＝＝6.3ns，SIR＝P_uT_b/IP＝15.3dB

参数	N<sub>s</sub>	T<sub>f</sub>	N<sub>h</sub>	T<sub>c</sub>
					数值	3	33.3ns	7	1.9ns
参数	T<sub>d</sub>	IP(dBm)	SIR(P<sub>u</sub>T<sub>b</sub>/IP)
					数值	6.3ns	-91.3	15.3dB

表2优化参数。

Claims (1)

1.一种基于遗传算法降低超宽带脉冲无线电系统多波段干扰的方法，利用遗传算法优化UWB系统参数达到降低多波段间干扰，其特征在于，包括如下步骤：

步骤一：建立UWB系统多波段干扰的数学模型：

其中r(t)是超宽带脉冲无线电(UWB)系统接收端多波段干扰的数学表达式，J_i(t)是在M个波段干扰中的第i个波段的干扰，J_i(t)在不同的波段是相互独立的，每个J_i(t)是连续广义平稳随机过程，同时功率谱密度为P_iS_i(f)；J_i(t)在[f_i-B_i/2,f_i+B_i/2]和[-f_i-B_i/2,-f_i+B_i/2]波段是偶对称非负的；

u(t)是理想的脉冲无线电信号表示为：

其中P_u是u(t)的平均能量，w(t)是归一化后的短时脉冲，T_b是符号时间，T_f是帧持续时间，N_s是一个符号中含有的脉冲数，T_c是跳时间隔，c_k,l是对应的跳时序列，T_d脉冲调制的位置偏移量，a_k为信息序列，k表示第k个符号，l表示某个符号的第l个帧位置，τ表示接收机和发射机之间的传输时间延迟；

步骤二：计算输出信号干扰噪声比：

通常脉冲无线电都采用相关接收机来解调r(t)，假设接收过程中完全同步，则τ和c_k,l被当作已知，则u(t)的第k个符号表示为：

其中v(t)＝w(t)-w(t-T_d)；

解调后信号能量为N_s ²P_uT_f，系统干扰能量IP_i表示为：

其中

其中S_i(f)为第i个干扰波段归一化频谱上对应频点的值，f_i为第i个波段的中心频率，B_i为第i个波段的带宽，P_i为第i个波段的功率，V_k为用于相关解调r(t)的第k个符号的参考波形，W(f)为短时脉冲w(t)的傅里叶变换，C(f)与f_N,T(f)分别为数学公式，无实际物理意义；

则输出信号干扰噪声比表示为：

其中IP为UWB系统频带内各个波段的总干扰功率；

实际中P_i和S_i(f)能通过侦测设备测得，W(f)，P_u，T_b和N_s，T_f，N_h，T_c，T_d的范围都能被系统设计者指定，因此对系统设计者来说找到优化的系统参数{N_s,T_f,N_h,T_c,T_d}来减小IP_i，从而提高输出信号干扰噪声比，保证系统的通信质量；

步骤三：优化问题描述

将上述问题转化为有约束性条件的数学问题，即

这类优化问题属于非线性组合优化范畴，因为{N_s,T_f,N_h,T_c,T_d}通过非线性f_N,T(f)来影响IP；

步骤四：遗传算法的实现步骤

(1)遗传算法的基本运算过程如下：

a)T＝0，初始化种群P₀

b)当终止法则未被满足时执行如下操作：

i:计算P_T中每个候选解的适应性函数值

ii:在种群P_T中选择亲代染色体

iii:以交叉概率α_x对进行重组

iv:子代染色体以变异概率α_m产生变异

v:当前种群P_T更新为P_T+1

vi:时间T＝T+1

(2)遗传算法的具体实施：

a)染色体表示

由于遗传算法GA处理二进制比特串，染色体表示建立了IR系统参数和染色体之间的直接映射，T_f＝T_b/N_s和{N_s,N_h,T_c,T_d}是自由参数因此在其范围内的某个值被编码为二进制数字串，Y和bin_Y之间的映射关系表示为：

其中Y表示候选解，bin_Y表示经过编码后的二进制串，Y∈[MINY,MAXY]

这里使用8位二进制编码{N_s,N_h,T_c,T_d}；

b)适应性函数

为寻找最小的IP，因此每个具有较高的IP的候选解对应较低的适应性值，适应性函数定义为：

F(n)＝1/IP(n) (9)

c)种群规模和初始化

种群规模为50，并且随机选出50个满足约束条件的候选解；

d)遗传算子

遗传算子能保持两种相反的趋势之间的平衡，如果每次只有最优解被选择会导致过早收敛无法搜索出最优解，因此引入遗传算子，较优的候选解被选出的可能性更大，选择器表示为：

采用单点交叉，α_x＝0.5，每个候选解以α_m＝0.1发生变异；

e)优化结果和终止法则

进化过程中记录具有最小IP的染色体，当进化终止后它对应着最优的系统参数，系统设计者能灵活的改变终止法则。