本发明涉及射频链路仿真与链路优化领域,具体涉及一种基于经验干预遗传算法的射频接收链路拓扑优化方法。
背景技术:
1、本节中的陈述仅提供与本公开相关的背景信息,并且可能不构成现有技术。
2、随着电子信息技术的飞速发展,用频设备面临的电磁环境日益复杂,导致射频前端接收信道很容易被某些功率较大的干扰信号阻塞,严重影响整体系统性能。因此在面对环境中的干扰时,射频前端的接收链路经常会利用多个陷波器来抑制干扰,并通过调整链路中陷波器、低噪声放大器、衰减器等器件的拓扑顺序,从而补偿链路噪声、线性度,使链路满足性能设计约束。
3、对射频接收链路来说,不同的器件拓扑顺序代表了链路不同的性能。当电磁环境中的干扰信号的功率、频率和数量发生变化时,应从众多可选拓扑中寻找性能最优的链路拓扑。
4、然而,随着链路规模的增大,可选的链路拓扑组合数将呈指数级增长,这使得快速确定满足性能设计约束的最佳链路拓扑面临巨大挑战。面对海量配置组合,传统依靠人工经验和简单穷举的方法不仅非常耗时,而且难以支撑不同应用场景切换的自适应优化。此外,由于射频链路的性能指标难以构建关于链路拓扑结构的统一解析表达,导致传统基于梯度的优化算法也无法适用。
技术实现思路
1、本发明的目的在于:针对传统方法在射频接收链路拓扑优化中的缺陷,提供了一种基于经验干预遗传算法的射频接收链路拓扑优化方法,首先,通过编码设计将射频接收链路拓扑与遗传算的基因编码形成映射;然后,基于该基因编码进行遗传算法的选择、交叉和变异规则设计,以提高算法的随机搜索效率;最后,将射频接收链路设计的专家经验与遗传算法融合,基于经验干预的遗传算法,一方面大幅减小解的搜索空间,另一方面剔除不符合经验设计的结果,从而提高算法的鲁棒性和效率,为射频接收链路拓扑优化提供了一种行之有效的方法。
2、本发明的技术方案如下:
3、一种基于经验干预遗传算法的射频接收链路拓扑优化方法,包括:
4、步骤s1:通过编码设计将射频接收链路拓扑与遗传算法的基因编码形成映射;
5、步骤s2:基于所述基因编码进行遗传算法的选择、交叉规则设计和变异规则设计;
6、步骤s3:针对射频接收链路的性能指标和设计约束,设计一个带约束的多目标优化适应度函数;
7、步骤s4:将射频接收链路设计的专家经验与步骤s2选择的遗传算法融合;
8、步骤s5:利用融合后的遗传算法的计算流程进行链路拓扑的迭代优化。
9、进一步地,所述步骤s1,包括:
10、步骤s11:将链路上的全部n个器件进行依次编号1~n;
11、步骤s12:将该长度为n的十进制数组作为基因编码,数组中的编号可以任意排序,从而与不同的链路拓扑形成一一映射,为避免链路中出现重复器件,规定基因编码中不能出现相同的编号。
12、进一步地,所述遗传算法的选择,包括:
13、采用轮盘赌法对每一代的种群进行概率选择操作。
14、进一步地,所述交叉规则设计,包括:
15、在基因编码上随机选择两个点作为交叉的起点和终点;
16、将父代1的交叉片段所包含的编号,按照其在父代2中出现的先后顺序进行重新排序,便得到了一个新的子代;
17、按同样的方法对父代2的交叉片段进行更新,便得到了另一个子代。
18、进一步地,所述变异规则设计,包括:
19、随机选择基因编码上的两个点作为变异点,然后交换两个变异点处的编号,得到变异后的基因。
20、进一步地,所述多目标优化适应度函数,包括:
21、f=(∝1×gnormal+∝2×nfnormal+∝3×op1dbnormal)×δ
22、其中:
23、∝1、∝2、∝3分别为增益、噪声和输出p-1占总优化目标的权重;
24、gnormal为归一化后的增益;
25、nfnormal为归一化后的噪声系数;
26、op1dbnormal为归一化后的链路输出;
27、δ为罚函数。
28、进一步地,所述gnormal通过如下公式计算:
29、
30、所述nfnormal通过如下公式计算:
31、
32、所述op1dbnormal通过如下公式计算:
33、
34、所述罚函数δ,包括:
35、
36、其中:
37、g为增益;
38、ge为期望的链路增益;
39、nf为噪声系数;
40、op1dbmax和op1dbmin分别为链路所能达到的最大和最小输出p-1;
41、nf_constraint为噪声系数nf约束条件。
42、进一步地,所述专家经验,包括:
43、经验1:在考虑干扰信号陷波顺序时,对功率大的干扰信号先陷波,而对功率较小的干扰信号后陷波;
44、经验2:拓扑优化时,不仅关注整个链路的输出p-1,而且还应保证链路上各陷波器处的输入p-1满足特定约束;
45、经验3:各陷波器在链路中的位置越靠前,其输入p-1尽量越高。
46、进一步地,所述步骤s4,包括:
47、步骤s41:依据经验1的陷波顺序,确定基因编码中的陷波器相对顺序,进而在保证陷波器相对顺序不变的前提下完成基因的交叉和变异,从而使得解的搜索空间大幅减小;
48、步骤s42:将多目标优化适应度函数与经验2和3进行融合,通过设置罚函数,可将经验通过约束条件融入多目标优化适应度函数,得到修正后的适应度函数。
49、进一步地,所述修正后的适应度函数,包括:
50、f=f×δ2×δ3
51、其中:
52、
53、
54、与现有的技术相比本发明的有益效果是:
55、一种基于经验干预遗传算法的射频接收链路拓扑优化方法,该算法通过基因编码设计实现射频接收链路拓扑结构与遗传算法基因编码的映射,并基于链路拓扑的基因编码进行遗传算法的选择、交叉和变异规则设计,以提高算法的随机搜索范围。本发明创新性的将射频链路设计的专家经验与遗传算法融合,基于经验干预的遗传算法,一方面依靠专家经验大幅减小解的搜索空间和剔除不合理的解,另一方面利用遗传算法实现启发式快速搜索,从而有效提高射频接收链路拓扑优化的效率和鲁棒性。
1.一种基于经验干预遗传算法的射频接收链路拓扑优化方法,其特征在于,包括:
2.根据权利要求1所述的一种基于经验干预遗传算法的射频接收链路拓扑优化方法,其特征在于,所述步骤s1,包括:
3.根据权利要求1所述的一种基于经验干预遗传算法的射频接收链路拓扑优化方法,其特征在于,所述遗传算法的选择,包括:
4.根据权利要求1所述的一种基于经验干预遗传算法的射频接收链路拓扑优化方法,其特征在于,所述交叉规则设计,包括:
5.根据权利要求1所述的一种基于经验干预遗传算法的射频接收链路拓扑优化方法,其特征在于,所述变异规则设计,包括:
6.根据权利要求1所述的一种基于经验干预遗传算法的射频接收链路拓扑优化方法,其特征在于,所述多目标优化适应度函数,包括:
7.根据权利要求6所述的一种基于经验干预遗传算法的射频接收链路拓扑优化方法,其特征在于,所述gnormal通过如下公式计算:
8.根据权利要求6所述的一种基于经验干预遗传算法的射频接收链路拓扑优化方法,其特征在于,所述专家经验,包括:
9.根据权利要求8所述的一种基于经验干预遗传算法的射频接收链路拓扑优化方法,其特征在于,所述步骤s4,包括:
10.根据权利要求9所述的一种基于经验干预遗传算法的射频接收链路拓扑优化方法,其特征在于,所述修正后的适应度函数,包括: