一种基于约简规则的无线通信系统抗干扰决策方法
【技术领域】
[0001] 本发明设及无线通信领域，特别是一种基于约简规则的无线通信系统抗干扰决策 方法。
【背景技术】
[0002] 无线通信技术在近20年来得到迅猛发展，应用范围也设及到政府机构、商用领域 和日常生活的方方面面，但由于无线信道特有的开放性，无线通信系统也面临着越来越多 的人为干扰。一直W来，通信抗干扰领域的主要技术手段之一是扩频通信技术，但在频谱资 源日益紧张的今天，通过占用较多的频谱来换取较高的干扰容限的代价过于高昂。认知无 线电（cognitive radio,CR)的出现为解决运一问题提供了新的思路。学习推理和重配置通 信参数的能力是CR的核屯、特征，其将认知和决策思想引入通信抗干扰领域，使得无线通信 系统能够根据干扰环境选择合理的通信参数、主动适应干扰环境。现阶段CR中使用较多的 是基于遗传算法(genetiC a 1 gorithm，GA)的决策方法，即根据相应的性能评价函数，在决 策空间内进行最优捜索。
[0003] 然而利用遗传算法解决决策问题时，需随机产生初始种群，若种群规模大将导致 捜索空间大，遍历整个决策空间所需时间较长，不利于决策的实时性，一些学者针对该缺点 在传统GA算法的基础上做出了改进:如Tim化wman等人提出一种新的种群初始化方法，即 假设CR用户周围无线电环境平稳变化，在基于遗传算法认知决策引擎可W利用前次认知迭 代得到的最终结果作为当前迭代的初始种群，可W降低算法的决策时间，提高了算法的实 时性能;还有学者针对遗传算法的其他缺点对其做出了改进，例如模拟退火算法，即利用模 拟退火决定是否接受交叉变异操作后的新个体，该算法允许部分恶解进入下一代，扩大了 参数寻优的范围，提高了算法的爬山能力和寻优范围;此外还有利用量子遗传算法，采用量 子比特对染色体进行编码，用量子旋转口对种群进行更新，使得算法具有非线性特征和不 确定性的特点，更加符合社会智能群体的进化模型。运类方法工作时无需历史的经验及先 验知识，但是均要求各参数对系统性能的影响能够用较准确的公式来表示，且需要多次迭 代来逐渐逼近最优的通信参数目标值，收敛速度慢，计算量大，耗时长。
【发明内容】
[0004] 针对上述问题，本发明将基于遗传算法的决策方法与约简决策规则相结合，采用 约简规则来提高传统遗传算法的收敛速度，降低复杂度，提高决策的实时性，本发明是运样 实现的:一种基于约简规则的无线通信系统抗干扰决策方法，具体步骤如下：
[000引第一步，建立抗干扰决策模型：
[0006] ￥ 鱼 M獄! X Od X P诗 W 乂（:紅 （1)，
[0007]式（1 )中，W代表决策空间；Mod是包含Mi种调制方式的调制子空间， M?<l ，Afev'/s….，ii&>、考《j ^ O d是包含M 2种信道编码码率的信道编码子空间， - 9 Cod^j<：W,X：W,,,...(；W,,J P O W是有NP档发射功率可供选择的功率子空间， , Fmv鱼、[巧;，巧2、…，巧j ，C H是有K个互不重叠的物理信道子空间， ， CH^每次通信使用一个信道； ,
[0008] 第二步，简化决策空间，得到约简的决策规则：
[0009] 2.1压缩调制编码方式组合
[0010] 系统有M測调制方式、M2种信道编码方式，贝撮多有Ki = MiM測有效的信息传输速 率，选出K2化2<Ki)种，决策空间W由Ki XNpXK缩减为KsXNp XK;
[00川 2.2压缩备选信道数目
[0012] 将原始随机取值的信道状态转化为离散的信道状态：
[0013] 6。:"(。=Oiax(R)L'," 口)'
[0014] 及脚佩=m抵(R)I)',,,W (3)，
[0015] 式(2)和式(3)中，丫 min化)表示系统第k个信道的最小信干比；
[0016] 丫 max化)表示系统第k个信道的最大信干比；
[0017] Rmin(k)表示在丫 min(k)和用户误码率要求下所能达到的最大传输速率；
[0018] Rmax化)表示在丫 max化)和用户误码要求下所能达到的最大传输速率；
[0019] 则系统第k个信道的信道状态表示为R。化)=[丫min化），丫max化)];
[0020] 2.3根据各信道的信道状态，将状态相同的信道聚合为一个信道子空间，信道子空 间CHm满足：
[0021] CH山 nCH、一'/;， '如丰 j (4)>
[0022] CHai U CHa2 U ??? UCHag = CH (5)；
[0023] 式(4)和式(5)中，CHw表示第j个信道子空间，CHai表示第1个信道子空间，CHag表示 第G个信道子空间；
[0024] 信道聚合后有G(G < Ki+1)个信道子空间，每个信道状态包含拉(0 <拉< K)个信道；
[0025] 决策空间W进一步下降为K2NpG+K3;
[0026] 2.4基于粗糖集理论的属性约简算法
[0027] 将各范畴簇Fi={(Cl'，Vil)，...，（Cs'，Vis)}，i = l，2....，N，S = card(REDD(C))转 换成对应的决策规则^Ci'，v,i)A...A(C/，v,s)->(d，t7,)。；于每条。，如果从。中删除（c/， ViJ),得到新的规则r/，其余的规则也同时删除条件属性C/所对应的属性值，若没有与r/ 条件属性值均相同但决策属性值不同的规则，则删除属性C/下的值VU相对于决策属性;对 决策规则n中所有属性下的属性值进行操作，获得规则ri的一个完全约简规则n%遍历所 有决策规则;输出规则集R*，算法结束；
[0028] 第=步，按遗传算法步骤来对通信参数进行寻优：
[0029] 3.1设计目标函数，其表达式如下：
(6), (7), (；8>,
[0033] 式(6)-(8)中，Pi表示第i个体当前的发射功率，Pmax表示个体能够取得的最大发射 功率，Cl表示第i个体当前的编码码率，Mi表示第i个体当前的调制进制数，Cmax表示个体能取 得的最局编码码率，Mmax表不个体能取得的最局调制进制数；
[0034] 3.2通信参数寻优：
[0035] 选择目标函数值较优的若干个个体，并进行交叉重组及变异，得到子代种群，根据 种群各个体的信干比，结合拟合误码率曲线的公式计算各个体误码率，保留误码率符合用 户要求的个体，再计算种群各个体目标函数值，得到子代种群各个体的目标函数值，选取 优秀的子代插入到父代中，得到完整种群;一次迭代完成，迭代计数器加1;若迭代次数小于 预设次数，重复上述步骤，反之，终止迭代，取迭代停止时系统选择的通信参数作为抗干扰 决策的最优解。
[0036] 通信抗干扰系统最常见的=个决策目标为最小化发射功率、最大化传输速率、最 小化误码率。由于各决策目标之间是相互制约的，各目标函数不可能同时达到最优。已有的 基于遗传算法的决策方法通常是将W上决策目标分别转化成目标函数，然后进行加权。但 权重的确定缺乏依据，存在较大的主观性，且与通信系统的实际情况差别较大。因此，本发 明的目标函数的设计思想是:在满足用户误码率要求的基础上，首先使得发射功率最小化； 在满足发射功率最小化的前提下，再使得传输速率最大化。运样，系统决策的目标函数更贴 近无线通信系统工作的实际情况。
[0037] 标准遗传算法过程包括编码、适应度计算、选择、交叉、变异几个步骤;而本发明采 用二进制编码方式对抗干扰决策引擎需要调整的N个参数编码，然后连接构成一个染色体， 随机生成初始种群后，根据约简决策规则筛选初始种群，W目标函数作为评价个体优劣的 准则，选出目标函数值较优的个体，对优秀种群中的个体进行交叉重组和基因的变异操作， 并按照运个过程进行迭代，算法W轮盘赌的方式选择种群中的优秀个体，并采用单点交叉 和基本位变异方法，在运种迭