基于粒子群算法的光纤通信干扰信号定位方法

2020-03-27 06:48陈俊杰
通信电源技术 2020年22期
关键词:声源干扰信号适应度

陈俊杰

(华信咨询设计研究院有限公司,浙江 杭州 310052)

0 引 言

光纤通信作为信号传输的主流通信方式,其相关研究一直是通信方面的研究重点,必须提高关注度。在光纤通信过程中,必然会存在干扰信号影响通信的质量,因此定位光纤通信干扰信号具有实际意义,可以为去除光纤通信干扰信号提供精准的数据支持[1]。我国对光纤通信干扰信号定位方法的分析并不少见,主要是通过计算通信干扰信号特征参数,判断其在光纤通信信道中的所处位置,但在实际应用中存在定位误差大的现象,这主要主要是因为光纤通信干扰信号定位目标函数的求解方式为局部寻优,而非全局寻优,因此研究本身存在局限性[2]。粒子群算法在本质上属于一种并行算法,能够通过并行的方式实现对目标函数的全局寻优,进而得到目标函数的精准解[3]。基于此,本文将粒子群算法应用在光纤通信干扰信号定位方法中,基于粒子群算法设计光纤通信干扰信号定位方法,致力于降低光纤通信干扰信号定位误差,为去除光纤通信干扰信号提供精准有效的数据。

1 粒子群算法

粒子群算法在本质上是鸟群觅食算法,在实际应用或计算中也被称为PSO算法,是近年来我国社会开发的一种高新计算方法。此算法最早由J.Kennedy与R.C.Eberhart联合推出,由于算法中涉及有关成果的演进,因此粒子群算法可以被认为是进化算法的一种,其应用与计算与退火算法具备一定相似性,在计算机中均属于从随机解法出发[4]。综合对计算数据的多次迭代行为,挖掘数据求解中的最优数值,相比其他算法,粒子群算法的计算更为便捷,可直接将输出的最优解作为全局最终求解结果[5]。综合对粒子群算法的评价,其不仅具备计算步骤简单,也具备计算行为收敛性强等显著优势。目前针对粒子群算法的优势已经引起了有关学术研究者的重点关注,其简易结构如图1所示。

图1 粒子群算法简易结构

2 光纤通信干扰信号定位方法

2.1 获取光纤通信干扰信号

考虑到光纤通信干扰信号分为正向和反向两个传播方向,需要通过前向计算和反向误差调节联合获取光纤通信干扰信号[6]。在前向计算中,以获取光纤通信干扰信号为参考依据,输入信息可记为X,则有X=(x1,x2,…,xn),输出信息可记为Y,则有Y=(y1,y2,…,yn),利用粒子群算法,设获取光纤通信干扰信号前向计算具体表达式为g,具体计算如下:

式中,f表示光纤通信干扰信号期望输出量;w—表示连接权值;i表示光纤通信干扰信号获取个数,为实数。通过在光纤通信信道中安装多个超声波传感器,结合式(1)获取光纤通信前向干扰信号。为获取光纤通信反向干扰信号,必须进行反向误差调节,表述如下:

式中,δp表示误差调节权值;netjp表示狄利雷克分布函数;xjp表示输入信号的反向误差调节虚数单位;yjp表示输出信号的反向误差调节虚数单位。在得出式(2)的基础上,判断得出的误差调节权值能否满足光纤通信干扰信号获取的精度要求。通常情况下,光纤通信干扰信号反向误差调节范围必须控制在[0.6≤δp<1.5],否则将视为无效信号[7]。通过此公式,可使光纤通信干扰信号在高斯噪声存在的情况下保证其获取的精度,通过更新光纤通信干扰信号超声波信息,完整获取光纤通信干扰信号。

2.2 粒子群算法建立光纤通信干扰信号定位适应度函数

在获取光纤通信干扰信号的前提下,基于粒子群算法建立光纤通信干扰信号定位适应度函数[8]。通过粒子群算法,以光纤通信干扰信号定位适应度为核心参数,引入Neff,运用粒子公式建立光纤通信干扰信号定位适应度函数。设其适应度函数为q,可得以下关系:

式中,a、b、c表示光纤通信环境因素等惩罚系数,为实数;p表示Neff;x、y、z表示光纤通信干扰信号定位特征聚类的融合概率密度函数;d表示光纤通信干扰信号粒子的速度。可以将粒子群算法作为光纤通信干扰信号定位的核心层,提高全局收敛性[9]。采用粒子群算法中的启发式因子特征分解方法,降维处理光纤通信干扰信号定位适应度函数,得到光纤通信干扰信号定位适应度函数的降维表达式为:

式中,p(x∩y∩z)表示光纤通信干扰信号定位信息融合的交叉分布概念集。以MySQL为统一格式,结合TCP/IP服务器和A/D转换协议对光纤通信干扰信号定位信息进行实时读取及相应管理。

2.3 实现光纤通信干扰信号声源定位

基于粒子群算法完成光纤通信干扰信号定位适应度函数的建立后,当多条光纤通信的传输通道同时发出告警信号时,利用告警信号通道对应的名称,调出对应的干扰信号声源,集其具体路由走向,形成路由连接拓扑结构,利用粒子群算法分析该路由拓扑[10]。根据以声音作为触发源的粒子群算法,得出光纤通信干扰信号声源定位区域判断计算公式。设光纤通信干扰信号声源定位区域为C,则公式为:

式中,k表示为光纤通信干扰信号声源信息的振动频率;t表示为光纤通信干扰信号声源信息的估计时延。通过式(5)得出光纤通信干扰信号声源定位区域,还可以通过找出对应光纤通信信道中路由连接拓扑结构的最多交汇点,即为干扰信号的具体位置[11,12]。在实际应用中,干扰信号可能在路由连接拓扑结构的一个站点或一条线路上,所有连接线段表示为能够实时发出干扰信号的通道,通常这一系数的选取范围为0~1,在此范围内输出定位结果,即可实现光纤通信干扰信号声源定位。

3 实例分析

3.1 实验准备

选取某光纤通信线路作为实验对象,根据光纤通信线路实际运行经验,设置采样点数为28 600,背景噪声为30 dB。假定在光纤通信线路中存在6个干扰信号,影响光纤通信的正常传输。本次实验内容为针对光纤通信中6个干扰信号进行定位,首先使用基于粒子群算法设计定位方法进行光纤通信干扰信号定位,记录光纤通信干扰信号定位位置,其次使用传统设计定位方法,进行光纤通信干扰信号定位,同样记录光纤通信干扰信号定位位置。对比两种定位方法下测得干扰信号定位位置与干扰信号实际位置之间的误差,干扰信号定位位置与干扰信号实际位置越接近,证明该定位方法定位精度越高。记录6个干扰信号的定位结果,得出实验结果。

3.2 实验结果与分析

整理实验结果,干扰信号定位结果对比如表1所示。

表1 干扰信号定位结果对比表

从表1中可以看出,本文设计的定位方法定位得到的干扰信号位置与实际干扰信号位置更接近,定位误差明显小于对照组,具有实际应用价值。

4 结 论

本文通过实例分析的方式,证明了设计定位方法在实际应用中的适用性,并以此为依据证明此次基于粒子群算法优化设计的必要性。通过本文设计,能够解决传统光纤通信干扰信号声源定位中存在的误差大的缺陷,但本文同样存在不足之处,主要表现为未检验本次干扰信号定位结果的精密度与准确度。为进一步提高干扰信号定位结果的可信度,还需要深入研究消除光纤通信干扰信号的优化设计,以此提高光纤通信质量。

猜你喜欢
声源干扰信号适应度
改进的自适应复制、交叉和突变遗传算法
虚拟声源定位的等效源近场声全息算法
基于小波域滤波的电子通信信道恶意干扰信号分离方法
利用声压有效值信息进行白噪声声源识别
基于DJS的射频噪声干扰信号产生方法及其特性分析
一种加密的弹载通信干扰机部分频带干扰信号*
基于GCC-nearest时延估计的室内声源定位
对抗MIMO雷达的低截获干扰信号设计
启发式搜索算法进行乐曲编辑的基本原理分析
智能自动避障与追踪声源小车的设计