一种基于遗传算法的选择最优dsp系统软防护的方法
【技术领域】
[0001] 本发明属于DSP系统软防护技术领域，具体涉及一种基于遗传算法的选择最优 DSP系统软防护的方法。
【背景技术】
[0002] DSP芯片，也称数字信号处理器，是一种特别适合于进行数字信号处理运算的微 处理器，其主要应用是实时快速地实现各种数字信号处理算法；广义来说，数字信号处理是 研究用数字方法对信号进行分析、变换、滤波、检测、调制、解调以及快速算法的一门技术学 科。但很多人认为：数字信号处理主要是研究有关数字滤波技术、离散变换快速算法和谱分 析方法。随着数字电路与系统技术以及计算机技术的发展，数字信号处理技术也相应地得 到发展，其应用领域十分广泛。
[0003] 数字信号处理器（DSP)，以其高速的运算速度，在现代科技产品中有了越来越广泛 的应用，尤其是在尖端科技、航空航天等领域，扮演着越来越重要的角色。对于航空航天技 术，DSP器件的应用不得不面对复杂的太空环境，比如高能粒子的辐射、撞击等。采用特殊 工艺制造的器件，从某种程度上都会削弱器件的相关性能，而且成本高昂。随着器件运行速 度的不断提升，器件集成度的提升，其受到外太空粒子干扰的频率在增大，所以为了保证处 理器的稳定工作从而保证系统的稳定工作，针对DSP器件会进行一系列的软防护工作。
[0004] DSP系统在太空运行的过程中，易发生单粒子效应，实际的应用中针对DSP的防护 方法较多，单一的防护方法往往很难达到系统对于资源及可靠性的要求，所以，在实际的设 计中，一般是采用多种防护方法相互融合对系统采取防护。各种防护方法的获益与代价模 型不一，致使在选择防护方法的过程中难以权衡，设计者很难直观的知道当前选定的方案 是否具有可优化的空间。
[0005] 那么这些方法该如何组合才能使系统既能达到容许出错的概率又能不过多的占 用资源呢？是否我们所使用的组合防护方法是最优的设计呢？
[0006] 针对这种情况，本发明提供了一种基于遗传算法的DSP软防护方案最优设计方 法，通过对系统出错率与资源开销（指令条数）的建模，通过遗传算法求解最优解，得到最 优的防护组合方法，最大程度提高系统的性能。
【发明内容】
[0007] 本发明的目的是克服现有技术中各种DSP系统防护方法的获益与代价模型不一， 致使在选择防护方法的过程中难以权衡的问题。
[0008] 为此，本发明提供了一种基于遗传算法的选择最优DSP系统软防护的方法，包括 如下步骤：
[0009] 步骤一、建立目标优化模型；
[0010] 步骤二、采用遗传算法对目标模型进行求解；
[0011] 步骤三、防护方法组合输出。
[0012] 上述步骤一、建立目标优化模型包括如下步骤：
[0013] (1)将工程代码划分为m块具有先后执行顺序的程序块，记为^^"，程序块 的各种防护方法记为kpXi出错的概率记为Pi，程序块Xi采用第k4中防护方法防护后出错 的概率为，程序块Χι的信号总数记为Ni，程序块&第j个信号的错误传播概率记为ΡΛ程序块&的代码指令条数记为Ci，数据大小记为Di，执行时间记为?\，采用第h种防护方法 之后，代码指令条数为，数据大小记为，执行时间记为;则可以得到系统出错率P 的计算式如下：
[0014] i:.-lJ- 1.
[0015] 得到系统防护后总代码大小C的计算式如下：
[0016] _
[0017] 得到系统防护后总数据大小D的计算式如下：
[0018] .?=1.
[0019] 得到系统防护后总执行时间Τ的计算式如下：
[0020] i~l
[0021] (2)建立目标函数优化模型：
[0022]
[0023] 其中，Cz代表最大允许的代码容量，Dz代表最大允许的数据空间大小，T2代表最大 允许的时间延迟，a、b、c为资源的权值系数，其中a+b+c= 1，设计者可以在防护中根据实 际情况对a、b、c的值进行分配，从而权衡三个资源参考量的重要关系。
[0024] 得到优化函数方程组：
[0025]
[0026] 上述步骤二、采用遗传算法对目标模型进行求解，包括如下步骤：
[0027] (1)确定编码方案；
[0028] 对于DSP代码划分的总模块数为m，总共采用的防护方法共有η种，对于任意一 个模块而言，可以选择这η种防护方法中的1种，也可以选择不防护，其可以选择的模式有 (n+1)种，用二进制数据表示，则编码长度1应该满足以下关系式：
[0029] 21^n+1
[0030] 即1 =l〇g2(n+l)，因此，对于每一个解而言，二进制编码的长度为L=mXl;
[0031] 种群规模为N，确定种群规模，取N= 10;
[0032] (2)确定适应值函数；
[0033] 根据（1)中的编码规律，确定了每一个模块的每一种编码与防护方法的对应关 系，查询对应防护方法的获益与资源开销，通过对资源参考量的权值设置，可计算出该 编码样本下的目标函数值；将步骤一所得到的优化函数方程组作为适应值函数；一般取 " =^ =t= 则自适应函数如下：
[0034] LΚ
[0035] 其中X表示系统不同模块采用某种防护方法的编码样本，是二进制数。
[0036] (3)种群初始化；
[0037] 在保证没有无效编码的前提下，随机取Ν组长度为L的二进数，初始化种群，其中， 默认值Ν= 10,编码长度L=mX1 ;
[0038] (4)样本适应值计算；
[0039] 将N组初始化的值带入（2)中的适应函数，分别计算每一组编码的自适应函数值； 其中，第i(i= 1，2,3…N)组初始值计算得到的样本适应值记为f1;如果种群初始值中有 不满足限定条件的，该个体被剔除。
[0040] (5)终止判定；
[0041] 构建一个长度为N的样本适应值差值数组：比较（4)中得到的样本适应值的大小， 取出样本适应值的最小值f_，并将所有的样本适应值与f_作差，将差值存入样本适应值 差值数组中；如果数组中连续出现a个0，则判定该值为最优解，输出该编码值；
[0042] 其中，a值根据种群规模N值确定，可设定，f;否则，继续执行；
[0043] (6)相对适应值计算；
[0044] 通过（4)计算得到样本适应值的大小，用以下公式得出每个初始编码值的相对适 应值，
[0045]
[0046] (7)种群繁殖；
[0047] 相对适应值表征了样本种群中各种组合防护方法下自适应函数取值的比例；其 中，比例越高，说明其对应的样本取值的自适应函数值越低，防护组合方法的效益越好；以 相对适应值为参考，采用轮盘赌的方法确定新种群；
[0048] 新种群中，第i个个体的数量&用如下计算式得到：
[0049] B,= g(S ,ΧΝ)
[0050] 其中函数g(x)表示对x四舍五入取整数；这样，计算出每个个体在新种群中的数 量，B1= 0,该个体将在新种群中被淘汰；如新种群中个体的数量超过原种群的数量，则将样 本适应值最大的个体剔除；如新种群中的个体数量少于原种群的数量，则将样本适应值最 小的个体加入新种群；
[0051] (8)遗传算子设计；
[0052] 杂交即从新种群中随机选取一定数量的个体，随机进行位交换，得到新的种群成 员；取杂交概率P。，即临时种群中选择Np。个个体进行杂交，得到杂交后的新种群想，一般取 杂交概率Pt:= 〇· 75pm;
[0053] 变异是从新种群中随机选择一定的二级制位进行取反（变异），得到新的种群成 员；取变异概率Ρηι，即从杂交后的临时种群中选择Np。个二进制位进行变异，一般取杂交概 率pm= 0· 02;
[0054] 在进行遗传算子运算时，杂交和变异的过程中，不能出现无效编码；如果出现，则 重新执行遗传算子计算；
[0055] (9)将新种群的编码值作为初始值，返回（2)执行。
[0056] 上述（2)确定适应值函数，在满足a+b+c=1的前提下，根据资源参考设置权值a、 b、c〇
[0057] 上述步骤三、防护方法组合输出，是将通过遗传算法得到的编码进行解码，将该编 码每1位一组，从左至右依次编号为1到m，分别将每组的二进制数转化为十进制，即为该程 序块对应的防护方案，其组合方法为最优防护方案。
[0058] 本发明的有益效果：本发明提供的这种基于遗传算法的选择最优DSP系统软防护 的方法，包括步骤一、建立目标优化模型；步骤二、采用遗传算法对目标模型进行求解；步 骤三、防护方法组合输出建立了DSP系统出错率与资源参数的目标模型，该基于遗传算法 的选择最优DSP系统软防护的方法，并对资源开销进行了约束；利用