基于混沌神經網的海上無線通信資源算法設計

趙 楊，高江華

(1.江門職業技術學院，廣東 江門529090;2.日照職業技術學院，山東日照276800)

0 引 言

現代海上運輸及軍事領域，基于無線通信的應用越來越多，如海上視頻監測系統﹑海上氣象傳感網絡系統﹑軍事調度系統及數據融合系統等，需要進行大量的數據傳輸，所占帶寬較大，而海上無線資源有限，需要對這些資源進行合理分配才能保障這些業務的有效運行。

海上無線通信資源分配［1］及優化具體說是對整個海上無線通信系統之間的空中接口資源，如通信帶寬﹑信號頻譜以及傳輸時隙的管理，包括信道復用﹑分組調度﹑網絡優化﹑負載均衡等相關方法，通過最大限度的合理利用無線網絡資源來提升整個通信系統的效率。在現有的海上無線通信資源優化算法中，有基于自適應反饋﹑無線協作信道復用技術等，現有的無線資源算法普遍存在復雜度較高，并且最終計算結果與最優解之間還有一定的空間。

本文研究了現有的海上無線資源優化算法，對現有的混沌神經網絡進行優化改進，有效的降低了整個算法的復雜度，并使參數的設置更符合海上無線通信環境，同時通過大量測試提供了混沌神經網絡的參數集，提出了基于混沌神經網絡海上無線資源優化算法，并給出仿真結果。

1 混沌神經網絡原理

1.1 混沌神經網絡模型

混沌神經網絡［2－3］能夠精確的找出通信網絡中的平衡點及周期規律，是現代信息處理技術中最熱門的技術之一，具有良好的動力學特性。其缺點是算法容易陷入局部最優的陷阱，并且算法的收斂性不高，需要進行局部優化。

混沌神經網絡如圖1所示，是一個自反饋遞歸系統，每次的計算結果作為下一次迭代過程的初始條件重新進行計算，整個網絡成收斂性，系統達到穩態時，迭代過程結束。

1.2 混沌神經網絡數學描述

如圖1所示，網絡有N個處理單元，每個處理單元含有一個權值放大器。如處理單元i，通過權值疊加器Ii與電阻Rij、電容Ci組成電路，輸出電壓為ui作為放大器的前端輸入，經過運算放大器后的輸出結果為vi。

而圖1 中的wij為處理單元j與i 之間的反饋權值系數。若:

根據基爾霍夫公式得到:

混沌神經網絡系統能量定義如下:

式中f-1為混沌神經系統激勵函數的逆變換。對式(3)中的混沌神經網絡系統能量進行求導，得到:

通常混沌神經系統激勵函數呈現單調遞增性，所以:

對以上公式進行分析，整個混沌神經系統的能量函數呈現單調遞減特性，并且值為非正。當整個系統的輸出趨于穩定時，混沌神經網絡系統能量處于一個極小值，此時整個網絡處于全局或局部最優。

2 基于混沌神經網的OFDAM優化

2.1 無線OFDAM 資源優化模型

現有海上無線通信系統主要基于多用戶OFDAM技術［4］，其資源分配主要有動態資源分配及靜態資源分配2 種模式，現有多是基于動態分配，其原理如圖2所示。

圖2 OFDMA 系統無線資源分配原理圖Fig.2 The diagram of radio resource allocation based on OFDMA system

假設RT為海上無線通信系統的信號傳輸率;RT為系統發射功率;PE為多信道誤碼率總和;BER為單一通道的誤碼率。海上無線通信對于信號比特、功率及載波負載的優化數學模型如下:

最終的優化目標:

并且需要滿足:

上述的對于海上無線資源的優化問題通過式(8)～式(12)限制的條件形成不同的尋找平衡點模型，其中式(7)表示對無線通信網絡發射功率的最優公式，式(6)表示對各業務系統的最大帶寬的最優求解。

限制條件式(8)表示子信道i 分配的具體業務范圍，通過條件(9)限制一個子信道只能由一個具體的業務使用，式(10)表示各子信道的發射功率為正，式(11)限定了各業務的總功率之和不能超過最大的額定功率，式(12)則代表了各個不同業務對信號傳輸速率的要求。

2.2 基于混沌神經網絡的優化算法

混沌神經網絡利用相位空間［5］，在全局范圍內進行快速搜索。相比較之前的算法，解決了陷入局部最優的缺點，并且收斂性較之前有很大的提高。

基于神經網絡的海上無線資源優化模型如下:

式中:Ux，j(t)為信息處理元的瞬時狀態;Vx，j(t)為在時刻t的網元輸出;u0為信息處理單元的權重因子系數;λ為收斂阻尼系數;a為正相關比例因子;wx，i:y，j(t)為2個信息處理單元之間的相關連接系數;zx，i(t)為遞推負反饋因子;I0為正的常數;β為反饋衰減因子。

在海上多業務的OFDMA 無線通信系統中，信號調制方法采用M－QAM，則用戶所在業務x 在子信道i 上的每幀含有cx，i個比特，MT=2cx，i。若子信道i的增益系數為，則傳輸cx，i個比特所需發射功率的最優值為:

式中:

式中Pe為系統控制的誤碼率。

最終每個業務所占信道的最優發射功率由N0，Pe，及調制方式確定。

在具體的海上無線通信應用場景中，業務可以根據所需要的帶寬占用多個傳輸子信道，當使用的信道數為N 時，單位時間內業務x 所傳輸的總的比特數有如下表達式:

由無線通信中的功率最小準則，當海上無線通信系統的總誤碼率及傳輸速率及帶寬確定后，整個無線系統的發射功率達到最優，功率公式如下:

3 算法仿真

本文在Matlab 平臺對基于混沌神經網絡的海上OFDMA 單小區無線通信系統資源優化算法進行仿真，基站置于網絡中心位置，載波頻率設為2 GHz。海上通信業務數為4。用戶數為6，綜合優先等級為1∶2∶2∶3∶4∶4，，算法的詳細參數設置如表1所示。

表1 參數設置表Tab.1 Parameter setting

本文仿真的混沌神經網絡結構為二維模型，信號處理單元格數分布為K × N，其中K為用戶數，N為業務數。整個海上無線通信信道增益矩陣為H，具體參數Hx，i為業務在多經信道中的增益系數。整個混沌網絡參數如下:u0= 7，a= 0.06，λ= 0.95，I0=0.65，z(0)=0.89，Ae=0.15，Be=2.5，Ce=6，De=2，Fe=3。

最后給出本文算法和ESA 資源優化算法誤碼率曲線如圖3所示。

圖3 誤碼率曲線圖Fig.3 The curve of bit error rate

4 結 語

在海上無線通信領域，隨著業務及用戶的增加，其無線資源呈現越來越緊張的趨勢。如何高效的對資源進行分配及合理利用是保障各項業務運行的關鍵。在現有的海上無線通信資源優化算法中，有基于自適應反饋﹑無線協作信道復用技術等，其普遍存在算法復雜度較高，并且最終的計算結果與最優解之間還有一定的空間。

本文研究了現有的海上無線資源優化算法，提出了基于利用混沌神經網絡海上無線資源優化算法，并給出仿真結果。

［1］KIRKPATRICK S，GELATT C D，VECCHI M P.Optimization by simmulated annealing［J］.Science，New Series，1983，220(4598):671－680.

［2］LOU X，YE Q，CUI B.Stabilization analysis of stochastic Hopfield neural networks［C］//Control，Automation and Systems (ICCAS)，2012 12th International Conference on.IEEE，2012:930－933.

［3］GUMI J P，WEIDLIEH R B.A derivative of the hopfieldtank neural network model that reliably solves the traveling salesman problem［C］//International Joint Conference on Neural Networks，1989:11－588.

［4］劉剛，鐘小軍，董鵬.基于遺傳算法和神經網絡的艦船電子裝備備件優化模型研究［J］.艦船科學技術，2008，30(10):138－141.LIU Gang，ZHONG Xiao-jun，DONG Peng.Research on warship electronic equipm ents spare parts optmi izemodelbased on genetic algorithm and neural network［J］.Ship Science and Technology，2008，30(10):138－141.

［5］張瑜，賀秋瑞.基于混合系統的微弱信號參數提取方法［J］.艦船科學技術，2013，35(12):13－16.ZHANG Yu，HE Qiu-rui.The method of weak signal parameters extraction based on hybrid system［J］.Ship Science and Technology，2013，35(12):13－16.