趙 楊，高江華

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

0 引 言

現(xiàn)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(jiān)測系統(tǒng)﹑海上氣象傳感網(wǎng)絡系統(tǒng)﹑軍事調(diào)度系統(tǒng)及數(shù)據(jù)融合系統(tǒng)等，需要進行大量的數(shù)據(jù)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(yè)務的有效運行。

海上無線通信資源分配［1］及優(yōu)化具體說是對整個海上無線通信系統(tǒng)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(diào)度﹑網(wǎng)絡優(yōu)化﹑負載均衡等相關(guān)方法，通過最大限度的合理利用無線網(wǎng)絡資源來提升整個通信系統(tǒng)的效率。在現(xiàn)有的海上無線通信資源優(yōu)化算法中，有基于自適應反饋﹑無線協(xié)作信道復用技術(shù)等，現(xiàn)有的無線資源算法普遍存在復雜度較高，并且最終計算結(jié)果與最優(yōu)解之間還有一定的空間。

本文研究了現(xiàn)有的海上無線資源優(yōu)化算法，對現(xiàn)有的混沌神經(jīng)網(wǎng)絡進行優(yōu)化改進，有效的降低了整個算法的復雜度，并使參數(shù)的設置更符合海上無線通信環(huán)境，同時通過大量測試提供了混沌神經(jīng)網(wǎng)絡的參數(shù)集，提出了基于混沌神經(jīng)網(wǎng)絡海上無線資源優(yōu)化算法，并給出仿真結(jié)果。

1 混沌神經(jīng)網(wǎng)絡原理

1.1 混沌神經(jīng)網(wǎng)絡模型

混沌神經(jīng)網(wǎng)絡［2－3］能夠精確的找出通信網(wǎng)絡中的平衡點及周期規(guī)律，是現(xiàn)代信息處理技術(shù)中最熱門的技術(shù)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(yōu)的陷阱，并且算法的收斂性不高，需要進行局部優(yōu)化。

混沌神經(jīng)網(wǎng)絡如圖1所示，是一個自反饋遞歸系統(tǒng)，每次的計算結(jié)果作為下一次迭代過程的初始條件重新進行計算，整個網(wǎng)絡成收斂性，系統(tǒng)達到穩(wěn)態(tài)時，迭代過程結(jié)束。

1.2 混沌神經(jīng)網(wǎng)絡數(shù)學描述

如圖1所示，網(wǎng)絡有N個處理單元，每個處理單元含有一個權(quán)值放大器。如處理單元i，通過權(quán)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(jīng)過運算放大器后的輸出結(jié)果為vi。

而圖1 中的wij為處理單元j與i 之間的反饋權(quán)值系數(shù)。若:

根據(jù)基爾霍夫公式得到:

混沌神經(jīng)網(wǎng)絡系統(tǒng)能量定義如下:

式中f-1為混沌神經(jīng)系統(tǒng)激勵函數(shù)的逆變換。對式(3)中的混沌神經(jīng)網(wǎng)絡系統(tǒng)能量進行求導，得到:

通?；煦缟窠?jīng)系統(tǒng)激勵函數(shù)呈現(xiàn)單調(diào)遞增性，所以:

對以上公式進行分析，整個混沌神經(jīng)系統(tǒng)的能量函數(shù)呈現(xiàn)單調(diào)遞減特性，并且值為非正。當整個系統(tǒng)的輸出趨于穩(wěn)定時，混沌神經(jīng)網(wǎng)絡系統(tǒng)能量處于一個極小值，此時整個網(wǎng)絡處于全局或局部最優(yōu)。

2 基于混沌神經(jīng)網(wǎng)的OFDAM優(yōu)化

2.1 無線OFDAM 資源優(yōu)化模型

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

圖2 OFDMA 系統(tǒng)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(tǒng)的信號傳輸率;RT為系統(tǒng)發(fā)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(yōu)化數(shù)學模型如下:

最終的優(yōu)化目標:

并且需要滿足:

上述的對于海上無線資源的優(yōu)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(wǎng)絡發(fā)射功率的最優(yōu)公式，式(6)表示對各業(yè)務系統(tǒng)的最大帶寬的最優(yōu)求解。

限制條件式(8)表示子信道i 分配的具體業(yè)務范圍，通過條件(9)限制一個子信道只能由一個具體的業(yè)務使用，式(10)表示各子信道的發(fā)射功率為正，式(11)限定了各業(yè)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(yè)務對信號傳輸速率的要求。

2.2 基于混沌神經(jīng)網(wǎng)絡的優(yōu)化算法

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

基于神經(jīng)網(wǎng)絡的海上無線資源優(yōu)化模型如下:

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

在海上多業(yè)務的OFDMA 無線通信系統(tǒng)中，信號調(diào)制方法采用M－QAM，則用戶所在業(yè)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(shù)為，則傳輸cx，i個比特所需發(fā)射功率的最優(yōu)值為:

式中:

式中Pe為系統(tǒng)控制的誤碼率。

最終每個業(yè)務所占信道的最優(yōu)發(fā)射功率由N0，Pe，及調(diào)制方式確定。

在具體的海上無線通信應用場景中，業(yè)務可以根據(jù)所需要的帶寬占用多個傳輸子信道，當使用的信道數(shù)為N 時，單位時間內(nèi)業(yè)務x 所傳輸?shù)目偟谋忍財?shù)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(tǒng)的總誤碼率及傳輸速率及帶寬確定后，整個無線系統(tǒng)的發(fā)射功率達到最優(yōu)，功率公式如下:

3 算法仿真

本文在Matlab 平臺對基于混沌神經(jīng)網(wǎng)絡的海上OFDMA 單小區(qū)無線通信系統(tǒng)資源優(yōu)化算法進行仿真，基站置于網(wǎng)絡中心位置，載波頻率設為2 GHz。海上通信業(yè)務數(shù)為4。用戶數(shù)為6，綜合優(yōu)先等級為1∶2∶2∶3∶4∶4，，算法的詳細參數(shù)設置如表1所示。

表1 參數(shù)設置表Tab.1 Parameter setting

本文仿真的混沌神經(jīng)網(wǎng)絡結(jié)構(gòu)為二維模型，信號處理單元格數(shù)分布為K × N，其中K為用戶數(shù)，N為業(yè)務數(shù)。整個海上無線通信信道增益矩陣為H，具體參數(shù)Hx，i為業(yè)務在多經(jīng)信道中的增益系數(shù)。整個混沌網(wǎng)絡參數(shù)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，F(xiàn)e=3。

最后給出本文算法和ESA 資源優(yōu)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(jié) 語

在海上無線通信領域，隨著業(yè)務及用戶的增加，其無線資源呈現(xiàn)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(yè)務運行的關(guān)鍵。在現(xiàn)有的海上無線通信資源優(yōu)化算法中，有基于自適應反饋﹑無線協(xié)作信道復用技術(shù)等，其普遍存在算法復雜度較高，并且最終的計算結(jié)果與最優(yōu)解之間還有一定的空間。

本文研究了現(xiàn)有的海上無線資源優(yōu)化算法，提出了基于利用混沌神經(jīng)網(wǎng)絡海上無線資源優(yōu)化算法，并給出仿真結(jié)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(jīng)網(wǎng)絡的艦船電子裝備備件優(yōu)化模型研究［J］.艦船科學技術(shù)，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(tǒng)的微弱信號參數(shù)提取方法［J］.艦船科學技術(shù)，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.