CN108199743A - 基于神经网络的抗干扰跳频方法 - Google Patents

Abstract

本发明公开了基于神经网络的抗干扰跳频方法，根据神经网络算法公式计算当前信道被选择作为当前载波信道的能力Pi，Pi＝Xi*Nxi+Yi*Nyi，并依据Pi选取出通信信道并试图进行连接，如果连接成功那么以该信道进行通信，将选取出通信信道的Nyi进行修改Nyi＝Nyi+A，连接失败，选取出通信信道的Nyi进行修改Nyi＝Nyi‑B，依据神经网络算法公式寻找下一个信道，循环往复。本发明方法随着连接次数的增加，该算法能够快速的寻找到能够连接成功的信道。

Description

基于神经网络的抗干扰跳频方法

技术领域

本发明涉及通信领域，具体涉及一种基于神经网络的抗干扰跳频方法。

背景技术

由于信道干扰导致通信稳定性下降的问题在实际应用中不断发生，解决这个问题一个比较通用的算法是采用跳频技术。传统的跳频算法是基于RSSI信号值进行伪随机选取信道进行自动跳频，这个跳频算法简单直接，但是双方握手通信上的效率过低，使得通信带宽下降。

随着2.4G无线通信的广泛使用，在人们的身边随处都充斥着各种各样的电磁波，由于通信频段有限，以致在某个频段上发生信道干扰的几率大大增加。而一旦发生干扰，通信的稳定性便急速下降，如何在有限的频段上实现一个稳定的通信变的愈加重要，本发明便是基于此背景而设计的一种跳频算法，通过该算法可以有效的增加通信的稳定性。

发明内容

本发明的目的在于提出在有限的频段上实现一个稳定的通信，本发明提出一种跳频方法，通过跳频方法可以有效的增加通信的稳定性。

为达成上述目的，本发明提出一种基于神经网络的抗干扰跳频方法，采用如下技术方案：

本发明提供的基于神经网络的抗干扰通信方法，该方法是基于RSSI信号强弱分配不同信道的初始权重因子，采用神经网络算法实现动态改变不同信道的权重因子，依据不同的权重因子改变每个信道被选取的概率，同时本发明方法还包括在握手上后通信过程中加入重传机制，确保通信稳定性。

本发明的跳频序列是基于RSSI的信号值进行筛选，同时对当前通信信道的选取取决与该信道在历史通信过程中的“权重”(信道在历史连接上次数越多，权重也会随着增大，反之减少)。

使用本发明的优势在于随着连接次数的增加，该算法能够快速的寻找到能够连接成功的信道，并结合RSSI以及历史连接情况进行排序(排序的算法基于单层神经网络算法)。当前所选取的信道并不是随机产生，会根据不同信道排名改变每个信道被选取的概率。在这种情况下，系统总是会针对性的选取在当前情况下最好的信道尝试进行通信。

附图说明

此处所说明的附图用来提供对发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明基于神经网络的抗干扰跳频方法的流程图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

在通信过程中，某信道能否被连接上有多种因素影响，其中能够被很好的量化指标就是 RSSI的值，通常情况下RSSI越好表示该信道的信号值越好，也表示在该信道被连接上的几率会比较高，所以采用RSSI作为神经网络算法的输入源是比较可靠的。

本发明方法是根据神经网络算法公式计算当前信道被选择作为当前载波信道的能力Pi， Pi＝Xi*Nxi+Yi*Nyi，并依据Pi选取出通信信道并试图进行连接，如果连接成功那么以该信道进行通信，将选取出通信信道的Nyi进行修改Nyi＝Nyi+A，连接失败，选取出通信信道的Nyi 进行修改Nyi＝Nyi-B，依据神经网络算法公式寻找下一个信道，循环往复；

其中Xi为序列为i的信道的RSSI值，Nxi为序列为i的信道的RSSI所占有的权重，Nyi 为序列为i的信道在历史连接中所占有的权重，Yi为1；A＝B，A、B均为常数。

本发明基于神经网络的抗干扰跳频方法的算法模型如下：

Pi＝Xi*Nxi+Yi*Nyi；(i∈频道序号)算法公式

其中Pi为序列为i的信道被选择作为当前载波信道的能力；

Xi为序列为i的信道的RSSI值，通过MCU能够获取到，Nxi表示RSSI所占有的权重，在本算法中固定为1；

Yi目前针对所有该值都为1，可以理解成一个恒定的输入，Nyi表示该信道在历史连接中所占有的权重，权重越高表示连接成功次数越多，该值是在随着连接次数的改变动态变化。

依据上述原理，本发明实施例的基于神经网络的抗干扰跳频方法，具体包括包括如下步骤：

步骤S1，获取序列为i的信道RSSI值Xi，Xi为序列为i的信道的RSSI值；

步骤S2，初始化Nxi和Nyi，Nxi为序列为i的信道的RSSI所占有的权重，Nyi为序列为i的信道在历史连接中所占有的权重；

步骤S3，将信道RSSI值前N的信道作为通信序列；

步骤S4，根据神经网络算法公式计算当前信道被选择作为当前载波信道的能力Pi，Pi＝Xi*Nxi+Yi*Nyi，Pi为序列为i的信道被选择作为当前载波信道的能力，其中，Yi为1， Nyi初始默认为0.5；

步骤S5，将选取得到的信道设置为通信信道，

步骤S6，当前信道进行通信连接，并判断是否连接成功，若连接成功，则修改当前信道 Nyi，Nyi＝Nyi+A，并返回步骤S6；若连接失败，进入步骤S7；

步骤S7，判断前信道进行通信是否重传超时，若重传超时，则进入步骤S8，否则重传，并返回步骤S6；

步骤S8，判断当前信道进行通信时间是否达到跳频间隔，若达到跳频间隔，则进入步骤 S9，否则返回步骤S5；

步骤S9,获取当前信道RSSI值,修改通信信道的权重因子Nyi，Nyi＝Nyi-B，根据根据神经网络算法公式计算当前信道作为当前载波信道的能力Pi，返回步骤S5；

其中A＝B＝0.1。

需要说明的是，步骤S2，初始化过程中，Nyi初始默认为0.5在整个方法过程中，Nyi大于等于0.1且Nyi小于等于5.0

上述说明描述了本发明的优选实施例，但应当理解本发明并非局限于上述实施例，且不应看作对其他实施例的排除。通过本发明的启示，本领域技术人员结合公知或现有技术、知识所进行的改动也应视为在本发明的保护范围内。

Claims (6)

1.一种基于神经网络的抗干扰跳频方法，其特征在于，

根据神经网络算法公式计算当前信道被选择作为当前载波信道的能力Pi，Pi＝Xi*Nxi+Yi*Nyi，并依据Pi选取出通信信道并试图进行连接，如果连接成功那么以该信道进行通信，将选取出通信信道的Nyi进行修改Nyi＝Nyi+A，连接失败，选取出通信信道的Nyi进行修改Nyi＝Nyi-B，依据神经网络算法公式寻找下一个信道，循环往复；

其中Xi为序列为i的信道的RSSI值，Nxi为序列为i的信道的RSSI所占有的权重，Nyi为序列为i的信道在历史连接中所占有的权重，Yi为1；A＝B，A、B均为常数。

2.根据权利要求1所述的基于神经网络的抗干扰跳频方法，其特征在于，

具体包括包括如下步骤：

步骤S1，获取序列为i的信道RSSI值Xi，Xi为序列为i的信道的RSSI值；

步骤S2，初始化Nxi和Nyi，Nxi为序列为i的信道的RSSI所占有的权重，Nyi为序列为i的信道在历史连接中所占有的权重；

步骤S3，将信道RSSI值前N的信道作为通信序列；

步骤S4，根据神经网络算法公式计算当前信道被选择作为当前载波信道的能力Pi，Pi＝Xi*Nxi+Yi*Nyi，Pi为序列为i的信道被选择作为当前载波信道的能力，其中，Yi为1，Nyi初始默认为0.5；

步骤S5，将选取得到的信道设置为通信信道，

步骤S6，当前信道进行通信连接，并判断是否连接成功，若连接成功，则修改当前信道Nyi，Nyi＝Nyi+A，并返回步骤S6；若连接失败，进入步骤S7；

步骤S7，判断前信道进行通信是否重传超时，若重传超时，则进入步骤S8，否则返回步骤S6；

步骤S8，判断当前信道进行通信时间是否达到跳频间隔，若达到跳频间隔，则进入步骤S9，否则返回步骤S5；

步骤S9,获取当前信道RSSI值,修改通信信道的权重因子Nyi，Nyi＝Nyi-B，根据根据神经网络算法公式计算当前信道作为当前载波信道的能力Pi，返回步骤S5；

其中A＝B，A、B均为常数。

3.根据权利要求1所述的基于神经网络的抗干扰跳频方法，其特征在于，

在步骤S7中，若重传超时，则进入步骤S8，否则重传，并返回步骤S6。

4.根据权利要求1所述的基于神经网络的抗干扰跳频方法，其特征在于，

A值为0.1。

5.根据权利要求1所述的基于神经网络的抗干扰跳频方法，其特征在于，

B值为0.1。

6.根据权利要求1所述的基于神经网络的抗干扰跳频方法，其特征在于，

Nyi大于等于0.1且Nyi小于等于5.0。