一种基于改进人工蜂群算法的星载AIS碰撞信号分离方法与流程

本发明属于无线通信中船舶自动识别系统技术领域，特别涉及一种基于改进人工蜂群算法的星载ais碰撞信号分离方法。

背景技术：

船载自动识别系统(automaticidentificationsystem，ais)是目前用于实现船岸之间以及船舶之间交管通信的一种海运交通监管系统。它工作于vhf频段、利用自组织时分多址(self-organizedtimedivisionmultipleaccess，sotdma)协议自动广播接收船舶航行信息，并对其进行处理，从而有效避免船舶之间发生碰撞、提高海上航行的安全性。同时，还能够帮助相关部门实时地监控海上事件。

由于岸基ais系统的覆盖范围有限，只能监管到海岸五十海里以内的船舶，对远海域船舶无法实现有效探测、识别以及追踪。而卫星的通信范围覆盖区域广阔，且其成本伴随发射技术的成熟不断下降，使用卫星作为ais的搭载平台能够实现ais信号的远距离接收，星载ais系统应运而生。星载ais系统的出现使得远距离、大范围的船舶通信数据接收成为可能，更有利于实现船舶自动识别系统的全球覆盖。

由于低轨卫星同时覆盖多个sotdma区域，而位于不同sotdma子网的船舶可能在相同时隙发送ais信号，除此之外，船舶在不同时隙发送的ais信号也有可能由于传输路径存在差异的原因同时到达接收端，导致信号发生时隙冲突，造成信号碰撞。碰撞的发生往往意味着船舶信息的丢失，因此，星载ais碰撞信号的分离十分重要。

如何对混合信号进行分离是信号处理领域的热点问题，盲源分离算法可以在源信号和混合过程均未知的情况下求解源信号，适用于星载ais碰撞信号的分离。1994年，pierrecommon在主分量分析(principlecomponentanalysis，pca)的基础上提出了独立成分分析(independentcomponentsanalysis，ica)算法，独立成分分析算法以其优异的性能逐渐成为盲源分离算法的热点内容和主要研究方向。ica一般以信号的非高斯性或峭度、负熵等其他独立性参数作为目标函数来衡量分离程度，当目标函数取得极大值或极小值时信号趋于相互独立，因此需选择合适的优化算法对目标函数进行寻优。常用于寻优的方法除传统的梯度下降法、牛顿迭代法、拟牛顿法外，还有例如粒子群算法、布谷鸟算法、人工蜂群算法等智能优化算法。这类算法拥有更好的全局寻优性能，且通常具有并行性和分布式特点，在处理大规模数据时优势显著。

本发明基于改进的人工蜂群算法对分离矩阵进行寻优，并最终实现星载ais碰撞信号的有效分离。本发明是针对发明人曾申请的发明创造“一种基于适应性矩估计的星载ais碰撞信号分离方法”(公开号cn108574525a)进行的改进。

技术实现要素：

本发明所解决的技术问题在于提供一种基于改进人工蜂群算法的星载船舶自动识别系统碰撞信号分离方法。

实现本发明目的的技术解决方案为：一种基于改进人工蜂群算法的星载ais碰撞信号分离方法，具体包括以下步骤：

步骤1、由具有n根相互独立天线的天线阵列接收ais碰撞信号，然后通过模数转换器采样获得n路接收信号，并对其进行数字下变频处理，获得观测信号矩阵x∈r^n×m；所述n等于源信号s的数目，所述m为数据采样点数；

步骤2、对步骤1中所得的n路接收信号进行中心化处理使信号具有单位方差，并进行白化预处理消除信号之间的相关性，由此得到白化后的混合信号矩阵z；

步骤3、采用改进的人工蜂群算法对目标函数进行寻优，在人工蜂群算法的雇佣蜂阶段与观察蜂阶段采用二次收敛的双循环递归l-bfgs拟牛顿算法对目标函数进行局部寻优，求得最终的分离矩阵w。

步骤4、将步骤3中求得的最终的分离矩阵w与步骤2中得到的混合信号矩阵z相乘，获得最终的n路分离信号。

步骤5、对步骤4中所得的最终的n路分离信号进行帧头突发检测、频偏估计、符号定时同步和白化滤波处理，最后利用维特比算法进行译码处理，得到个ais信号的数据帧。

本发明与现有技术相比，具有以下显著优点：1)本发明采用基于改进人工蜂群算法的星载ais碰撞信号分离方法实现冲突信号的分离，可以在一次接收的同时得到n路源信号的恢复信号，更加高效；2)本发明将l-bfgs算法用于人工蜂群算法雇佣蜂阶段与观察蜂阶段的局部寻优，在保持人工蜂群算法全局寻优能力的同时能够实现高精度局部搜索，最终实现分离矩阵的寻优求解和星载ais碰撞信号的有效分离；3)本发明采用双循环递归的l-bfgs拟牛顿算法，结合一阶梯度和二阶曲率信息对蜜源进行局部寻优，在结合牛顿法优点的同时无需计算二阶导数信息，且可通过刷新记忆信息节省资源，减少计算复杂度。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明的算法流程图。

图2是本发明算法中步骤3具体过程的流程图。

图3是本发明实施例的分离信号波形与源信号局部波形对比图，其中(a)为输入信号1的局部波形图，(b)为输入信号2的局部波形图,(c)为输入信号3的局部波形图,(d)为输入信号4的局部波形图,(e)为分离所得信号1的局部波形图,(f)为分离所得信号2的局部波形图,(g)为分离所得信号3的局部波形图,(h)为分离所得信号4的局部波形图。

具体实施方式

以下结合附图和具体实施例对本发明作进一步详细说明。

星载ais接收机覆盖着多个自组织时分多址区域，不同sotdma子网中的船舶可能在相同时隙发送ais信号，或在不同时隙发送信息却由于传输路径差异同时到达接收端，发生星载ais信号的碰撞现象。接收机要对接收的碰撞的信号进行分离处理，传统的基于重构信号的ais信号分离算法无法满足现实多信号碰撞进行分离的要求，需将碰撞ais信号放入盲源分离模型进行分离。

已知星载ais接收机通过n路通道进行信号接收，信号在传递过程中发生线性混叠，且受噪声干扰，则有：x＝as+n，式中，x为处理所得的n路的接收信号，s为未知源信号，n为噪声信号。

结合图1和图2所示，本发明的一种基于改进人工蜂群算法的星载ais碰撞信号分离方法，包括以下步骤：

步骤1、星载ais多通道接收机通过n根相互独立天线的天线阵列接收ais碰撞信号，通过高速模数转换器采样形成n路接收数据，并对其进行数字下变频等预处理，最终可得观测信号矩阵x∈r^n×m，其中，n等于源信号s的数目，m为数据采样点数。

步骤2、对步骤1中所得的n路接收信号进行中心化处理使得信号具有单位方差，并对其进行白化处理消除信号之间的相关性。观测信号矩阵x去均值后用表示，即对的协方差矩阵进行特征值分解，即∑为以的协方差矩阵的特征值为对角元素的对角矩阵，u为以的协方差矩阵的特征向量构成的正交矩阵。则有白化矩阵为v＝∑^-1/2u^t，白化后的混合信号矩阵假设初始分离矩阵为w0∈r^n×n,初始分离信号y＝w0z；

步骤3、采用改进的人工蜂群算法寻优分离矩阵，在人工蜂群算法的雇佣蜂阶段与观察蜂阶段采用双循环递归l-bfgs拟牛顿算法对目标函数进行局部寻优，求得最终的分离矩阵w。具体步骤如下：

步骤3.1、人工蜂群算法初始化：随机产生fn个d维蜜源(即分离矩阵元素)作为蜂群的初始蜜源

式中，i∈{1,2,…,fn}，j∈{1,2,…,d}，θij为第i个蜜源的第j维，为[0,1]内均匀分布的随机值，θmax为蜜源最大值，θmin为蜜源最小值。设置最大迭代次数maxcycle，局部搜索限制次数maxlocal和每个蜜源捜索限制次数limit；以及l-bfgs的记忆长度m；

步骤3.2、雇佣蜂阶段：雇佣蜂首先根据邻域搜索策略在蜜源附近搜索到新蜜源，式中，k∈{1,2,…,fn}，i≠k，j∈{1，2,…,d}，j和k均为随机值，θij与θij分别为第i个新旧蜜源的第j维。将其作为初始值传递给l-bfgs算法进行快速寻优，直至达到局部搜索限制次数：

目标函数选用信号的峭度，即随机变量y的四阶累积量：

kurt(y)＝e{y⁴}-3(e{y²})²

在e(yy^t)＝i的约束条件下，峭度越大说明分离信号的独立性越好。

将蜜源代入初始点x0，采用回溯线性搜索xk+1＝xk+λkdk，迭代点xk,k＝1,2...，λk为此次迭代的步长，dk为搜索方向。令梯度gk＝▽f(xk)，其中f(·)为目标函数，则有搜索方向位移差sk＝xk+1-xk，梯度差yk＝gk+1-gk。l-bfgs通过双循环递归更新搜索方向：令q＝gk、首先进行后向循环，当i＝k-1,...,k-m时：q＝q-αiyi；再进行前向循环，令r＝d·q，当i＝k-m,...,k-1时：r＝r+si(αi-βi)，结束循环后，由式dk＝-r可直接求得新的搜索方向，而在该搜索方向上的迭代步长λk通过线搜索获得。

通过上述双循环递归的l-bfgs算法对目标函数进行局部寻优；计算寻优所得蜜源的适应度值f(θi)进行贪婪选择，f(θi)为目标函数，若小于原蜜源，则接受新蜜源，否则丢弃该蜜源；

步骤3.3、观察蜂阶段：通过概率计算根据轮盘赌方式选择蜜源，蜜源被选概率算法采用轮盘赌的方式，随机生成轮盘赌算子ri∈[0,1]，若ri＜p(θi)时选择该蜜源，按照公式生成新的邻近蜜源将其传递给l-bfgs，采用l-bfgs在限定次数内对目标函数进行搜索；计算寻优所得蜜源的适应度值进行贪婪选择，若小于原蜜源，则接受新蜜源，否则丢弃该蜜源；

步骤3.4、侦查蜂阶段：对蜜蜂针对同一个蜜源进行觅食的次数进行记录，如果蜜蜂的觅食次数超过设定的limit次数时，那么放弃该蜜源，相应的引领蜂变为侦查蜂，此时的寻优策略不变，仍根据寻找一个新的蜜源代替原来的蜜源；

步骤3.5、记录当前的最优蜜源，判断是否达到终止条件，如果达到则输出到目前为止的最优解θbest，将其转化为ais混合信号的分离矩阵w，并转步骤4，否则返回步骤3.2；

步骤4、将步骤3中求得的最终的分离矩阵w与步骤2中得到的混合信号矩阵z相乘，获得最终的n路分离信号。

步骤5、对步骤4中所得的最终的n路分离信号进行帧头突发检测、频偏估计、符号定时同步和白化滤波处理，最后利用维特比算法进行译码处理，得到个ais信号的数据帧。

下面结合实施例进行具体描述：

实施例

本实施例的具体条件为：将具有n根相互独立天线的天线阵列中的n设置为4，即n＝4，则有4根相互独立天线接收ais碰撞信号。

源信号数量与接收信号数目相同的仿真条件下，在接收到的四路ais碰撞信号发生碰撞到达接收机后，利用本发明基于改进人工蜂群算法的星载ais碰撞信号分离方法分离四路接收信号，对比四路接收信号局部波形与四路接收信号分离后的信号局部波形如图3所示，此时，信噪比snr为10db，信号幅值均进行了归一化处理。由图3可知，两者波形基本一致，失真较小，四路接收信号实现了比较好的分离。由上述实施例可知，本发明的基于改进人工蜂群算法的星载ais碰撞信号分离方法具有很好的分离性能，适于星载ais接收系统。

以上对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的发明创造并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的技术方案，均应属于本发明的保护范围。