基于模式搜索的自適應(yīng)干擾抵消器算法的研究

吳　彪，陳　南

(西安電子科技大學(xué) 通信工程學(xué)院，西安　710071)

?

基于模式搜索的自適應(yīng)干擾抵消器算法的研究

吳彪，陳南

(西安電子科技大學(xué) 通信工程學(xué)院，西安710071)

摘要：由于空間小，設(shè)備多，同址干擾在現(xiàn)代通信平臺上十分普遍；為了減小同址干擾對接收機(jī)性能的影響，設(shè)計了一種基于正交矢量合成的自適應(yīng)干擾抵消器；根據(jù)其中DSP控制單元提取出的數(shù)據(jù)的特點(diǎn)，提出了將模式搜索算法(PSA)作為控制器算法，并對其進(jìn)行了改進(jìn)；利用實(shí)際測量的數(shù)據(jù)進(jìn)行了仿真分析，結(jié)果表明，相比于PSA算法、模擬退火算法、遺傳算法，改進(jìn)后的PSA算法具有更快的收斂速度，同時收斂精度相差無幾；最后將算法在DSP中實(shí)現(xiàn)并在100~500 MHz進(jìn)行干擾抵消比的測試，大部分頻點(diǎn)可達(dá)40 dB，滿足性能要求；可以看出，模式搜索算法具有局部尋優(yōu)能力強(qiáng)，工程上易于實(shí)現(xiàn)的優(yōu)點(diǎn)，適用于需要快速收斂的尋優(yōu)過程。

關(guān)鍵詞：自適應(yīng)干擾抵消；控制算法；模式搜索

0引言

現(xiàn)代通信中，隨著通信平臺上單位面積的電子設(shè)備越來越多，設(shè)備間的電磁干擾也越來越嚴(yán)重，當(dāng)相距較近的接收機(jī)和發(fā)射機(jī)同時收發(fā)時，發(fā)射機(jī)會對接收機(jī)產(chǎn)生同址干擾，嚴(yán)重影響接收機(jī)的性能[1-2]。若收發(fā)頻率相同或接近時，由于發(fā)射信號的強(qiáng)度往往較大，因此很有可能超過接收機(jī)的接受范圍從而造成接收機(jī)的阻塞，導(dǎo)致整個通信系統(tǒng)的癱瘓。另外還有可能存在發(fā)射機(jī)的諧波干擾、接收機(jī)的減敏現(xiàn)象、接收機(jī)和發(fā)射機(jī)的互調(diào)干擾等[3]，而自適應(yīng)干擾抵消器可以較好地解決這一問題[4]。另外自適應(yīng)干擾抵消器還可以用于電子干擾機(jī)中[5]，來抵消本機(jī)發(fā)射的強(qiáng)干擾信號對接收機(jī)造成的干擾。最后隨著頻譜資源愈加珍貴，自適應(yīng)干擾抵消技術(shù)也將在5G中發(fā)揮重要作用[6]。

1自適應(yīng)干擾抵消器

1.1基本原理

自適應(yīng)干擾抵消作為自適應(yīng)濾波器的一種重要應(yīng)用[7]，其原理如圖1所示。

圖1自適應(yīng)干擾抵消原理圖

其中:S為接收機(jī)收到的來自信號源的有用信號；VS為發(fā)射機(jī)發(fā)射的強(qiáng)干擾信號，它經(jīng)過空間信道的傳播，幅度與相位產(chǎn)生了衰減和偏移產(chǎn)生了信號VR被接收端所接收；V0為對發(fā)射信號進(jìn)行取樣得到的信號，對其進(jìn)行自適應(yīng)調(diào)整后得到V1、VR、S三者合并產(chǎn)生誤差信號ε，用于自適應(yīng)調(diào)整。

1.2方案框圖

在此我們采用正交矢量合成的方法[8]設(shè)計自適應(yīng)干擾抵消器，其系統(tǒng)如圖2所示。

圖2　自適應(yīng)干擾抵消器系統(tǒng)框圖

由于電調(diào)衰減器會對通過的信號產(chǎn)生一定的相位偏移，因此導(dǎo)致誤差信號與I、Q兩路信號的相關(guān)值可靠度不高，因此無法采用LMS算法，在此我們僅根據(jù)誤差自相關(guān)值調(diào)整控制值。首先我們用裂相器對取樣信號進(jìn)行正交分解，得到UI，UQ兩路正交信號。然后UI，UQ經(jīng)過電調(diào)衰減器進(jìn)行衰減得到WIUI與WQUQ，它們與接收天線接收到的信號一同進(jìn)入合并器，用于抵消干擾信號，抵消原理如圖3所示。合并后得到誤差信號ε，再將ε送入功分器分成兩路，一路作為抵消輸出，另一路送入寬帶相關(guān)器。利用寬帶相關(guān)器對ε求自相關(guān)得到ε的均方值E[ε2]，再將E[ε2]送入控制單元，控制單元根據(jù)E[ε2]的變化情況對電調(diào)衰減器進(jìn)行控制?？刂茊卧饕蒁SP和16位的AD、DA組成，AD負(fù)責(zé)對輸入的誤差相關(guān)值進(jìn)行模數(shù)轉(zhuǎn)換，DA負(fù)責(zé)對輸出的控制值進(jìn)行數(shù)模轉(zhuǎn)換，DSP用于實(shí)現(xiàn)控制算法。另外還有控制輸入信號從外部輸入，用于控制何時進(jìn)行干擾抵消。

圖3正交矢量合成抵消示意圖

2控制算法

根據(jù)上文中的系統(tǒng)框圖，我們能夠看出：控制算法需要做的就是根據(jù)誤差均方值模數(shù)轉(zhuǎn)換后的結(jié)果對兩個電調(diào)衰減器送出合適的控制值。由AD，DA均為16位，因此I、Q兩路的控制值及誤差均方值的取值范圍均為0~65535，且每送出一對控制值，都可以得到相應(yīng)的誤差均方值。因此我們可以將這樣的映射關(guān)系看成二維的函數(shù)一樣，我們需要做的就是找出可以使函數(shù)取最小值的那對點(diǎn)。

2.1數(shù)據(jù)采樣分析

為了找出合適的搜索算法，我們對實(shí)際系統(tǒng)中的數(shù)據(jù)首先進(jìn)行采樣分析。我們遍歷控制值并將對應(yīng)的誤差相關(guān)值記錄下來，再將數(shù)據(jù)文件導(dǎo)入MATLAB，用于繪圖和仿真分析。在實(shí)際采集數(shù)據(jù)時，由于數(shù)據(jù)量的巨大，我們僅采集一個頻點(diǎn)的數(shù)據(jù)，并以128為間隔，得到512×512個數(shù)據(jù)，繪圖結(jié)果如圖4。

圖4　實(shí)際數(shù)據(jù)采樣圖

結(jié)合圖我們可以得出：1)該數(shù)據(jù)不存在表達(dá)式，因此不能采用解析法，另外由于存在不可導(dǎo)點(diǎn)、平滑區(qū)域、局部極小點(diǎn)，因此一些利用導(dǎo)數(shù)或梯度的方法也不可?。?)由于局部極小點(diǎn)的存在，采用的方法必須具有全局搜索能力；3)由于實(shí)際問題的需求，我們希望在保證精度的情況下，收斂速度越快越好，另外算法的實(shí)際實(shí)現(xiàn)難度也不能過高。這種需求的問題在實(shí)際的研究工作和生產(chǎn)實(shí)踐中比比皆是，模式搜索是解決這一類問題的有效方法。

2.2模式搜索

模式搜索屬于直接搜索算法，無需計算或近似任何導(dǎo)數(shù)信息，不強(qiáng)加任何充分下降的條件，僅需函數(shù)值信息。該算法在1961年由Hooke和Jeeves提出，Torczon等人于1997給出了該算法全局收斂性的證明[9]。模式搜索通過探測性移動發(fā)現(xiàn)函數(shù)值的分布規(guī)律，模式性移動到更接近最優(yōu)值的點(diǎn)，重復(fù)這兩種移動直到滿足終止條件為止，計算過程的流程如圖5所示。

圖5　模式搜索算法流程圖

各個參數(shù)的選取對于模式搜索的算法性能都有一定的影響。初始點(diǎn)的選擇十分重要，一般要根據(jù)數(shù)據(jù)本身特點(diǎn)進(jìn)行選擇，由于各頻點(diǎn)的最優(yōu)值可能在任何一個象限，因此我們將初始點(diǎn)選在中心，還可利用其它算法進(jìn)行初始點(diǎn)的選擇[10]。初始步長、步長膨脹因子、步長收縮因子3者的選取決定了步長的變化情況，一般要根據(jù)仿真結(jié)果確定，但總的來說較快的步長變化總能加快收斂速度，但卻可能收斂于局部極小值。搜索模式的選取要根據(jù)自身數(shù)據(jù)的特點(diǎn)，由于不同頻點(diǎn)的最小值可能在不同象限，因此我們采用對稱的搜索模式。另外上文提到的計算周圍點(diǎn)的方式稱為不完全輪詢，還有一種計算方式稱為完全輪詢，完全輪詢每次都要計算周圍所有點(diǎn)的值并挑出最小值與原值比較，很明顯完全輪詢的全局尋優(yōu)能力更強(qiáng)，但需要的計算量較大。周圍點(diǎn)的計算順序也有固定、隨機(jī)和成功點(diǎn)等方式。最后終止條件一般為：迭代次數(shù)、最優(yōu)值、步長等。

針對前面采集到的數(shù)據(jù)的特點(diǎn)，我們提出一種步長的改進(jìn)策略，進(jìn)一步加快收斂速度。具體改進(jìn)方法為： 對搜索模式的每一個方向根據(jù)讀取到的數(shù)據(jù)的不同，采用不同的步長，也就是說步長變?yōu)橐粋€4維的向量。該向量初始時的4個值都是相同的，但在對周圍點(diǎn)遍歷的過程中(本方法采用完全輪詢方式遍歷)，若該點(diǎn)值大于當(dāng)前最佳值，則相應(yīng)步長縮小，否則相應(yīng)步長擴(kuò)大并將該點(diǎn)值置為當(dāng)前最佳值，由于每一次輪詢各個方向上的值的大小不同，步長也會變得不同。該方法充分利用了每一個數(shù)據(jù)，加快了收斂速度。

對于模式搜索算法的改進(jìn)多集中在步長和搜索模式上[11-12]，還有借鑒群智能算法思想的[13]。另外模式搜索算法的較強(qiáng)局部搜索能力還被應(yīng)用于與其他算法的結(jié)合[14-15]。

3仿真分析

將采集到的數(shù)據(jù)導(dǎo)入Matlab，利用該數(shù)據(jù)編寫目標(biāo)函數(shù)用于仿真分析。編寫模式搜索Matlab代碼對目標(biāo)函數(shù)進(jìn)行尋優(yōu)，根據(jù)上文，我們將初始點(diǎn)選在(256,256)，初始步長為128，膨脹因子為1.2，收縮因子為0.5，搜索模式V={1,0;0,1;-1,0;0,-1}，采用不完全輪詢計算方式，計算順序固定，終止條件為步長小于1,結(jié)果如圖6所示。對于改進(jìn)的模式搜索算法，我們的初始步長為[128,128,128,128]，采用完全輪詢計算方式，終止條件為步長向量的每一維都小于1，其余值保持不變，結(jié)果如圖7所示。圖6與圖7中各小圖分別表示函數(shù)值、步長、求值次數(shù)、最優(yōu)點(diǎn)隨迭代次數(shù)的變化情況。圖7中采用不同線型代表步長的各個分量，由于采用完全輪詢，所以除初始外其余求值次數(shù)均為4。另外利用MATLAB中的遺傳算法和模擬退火算法工具箱[16-17]也進(jìn)行尋優(yōu)，結(jié)果如圖8、圖9所示。

圖6　模式搜索算法

圖7　改進(jìn)的模式搜索算法

圖8　遺傳算法

圖9　模擬退火算法

從結(jié)果上看，模式搜索算法找到的最優(yōu)值為7 171，改進(jìn)的為7 158，遺傳算法和模擬退火算法均為7 149。但在實(shí)際系統(tǒng)中由于噪聲的存在，誤差均方值本身就有一定的波動，因此這幾個方法找到的最優(yōu)值均是可接受的。在本系統(tǒng)中函數(shù)求值次數(shù)就代表了收斂速度。從圖中可以看出模式搜索算法的總求值次數(shù)為52次，改進(jìn)后為41次，遺傳算法雖迭代次數(shù)只有32次，但由于種群個體數(shù)為50，所以總求值次數(shù)為1 600次，而模擬退火算法的迭代次數(shù)與求值次數(shù)相同均為110次。

可以看出，在收斂精度相差無幾的情況下，模式搜索的收斂速度最快，改進(jìn)后更是進(jìn)一步加快，因此我們采用改進(jìn)的模式搜索算法實(shí)現(xiàn)。

4實(shí)現(xiàn)結(jié)果

依據(jù)前文的算法原理和仿真分析結(jié)果，在DSP中編寫代碼進(jìn)行實(shí)現(xiàn)，并按照圖10對各個頻點(diǎn)進(jìn)行測試，計算干擾抵消比，結(jié)果如圖11所示。

圖10　干擾抵消器測試圖

圖11　各頻點(diǎn)的干擾抵消比

我們等間隔取了41個頻率點(diǎn)進(jìn)行測試，測試時發(fā)現(xiàn)改進(jìn)后的方法速度明顯優(yōu)于未改進(jìn)的，但有2個點(diǎn)收斂于局部最優(yōu)。因此在實(shí)際的程序編寫時，我們會對抵消結(jié)果進(jìn)行判斷，若不滿足要求則再采用未改進(jìn)的。圖10為最終結(jié)果，可以看出基本上都在40 dB以上，有個別頻率點(diǎn)較差。原因在于電調(diào)衰減器會引入一定的相位偏移，在控制值越小時越明顯，而總有幾個頻率點(diǎn)的控制值有較小值。

5結(jié)論

本文以正交矢量合成抵消原理設(shè)計了自適應(yīng)干擾抵消器，并對控制器中的數(shù)據(jù)進(jìn)行采樣提取。對提取到的數(shù)據(jù)進(jìn)行繪圖分析和算法仿真分析，發(fā)現(xiàn)模式搜索算法是最適合本系統(tǒng)的算法并對算法進(jìn)行了改進(jìn)，最后進(jìn)行了實(shí)現(xiàn)?？梢钥闯瞿Ｊ剿阉魉惴o需導(dǎo)數(shù)信息，相比于一些啟發(fā)式的搜索算法收斂速度更快且易于工程實(shí)現(xiàn)，適應(yīng)于一些對收斂速度有較高要求的情況，另外還可與其他算法結(jié)合，加快后者收斂速度。

參考文獻(xiàn)：

[1] 趙波, 全厚德, 崔佩璋.車載無線電臺同址干擾測試與分析[J]. 計算機(jī)測量與控制,2011,19(8):1868-1871.

[2] Karlsson S, Grenvall M, Kvick A, et al. Co-site Interference Analysis and Antenna System Integration on a Swedish Combat Vehicle Platform[A].San Diego CA:IEEE Military Communications Conference[C]. 2013.369-374.

[3] 王偉勤. 跳頻通信電臺共址干擾及其抑制技術(shù)[J]. 電訊技術(shù),2011,51(7):178-182.

[4] Li W L, Zhao Z H, Tang J, et al. Performance analysis and optimal design of the Adaptive Interference cancellation System[J]. IEEE Transactions on Electromagnetic Compatibility, 2013, 55(6):1068-1075.

[5] 趙洪峰,李旻.自適應(yīng)技術(shù)在電子對抗中的應(yīng)用[J]. 航天電子對抗,2015,31(1):26-29,61.

[6] Hong S, Brand J, Jung Choi, et al. Applications of self-interference cancellation in 5G and beyond[J]. IEEE Communications Magazine, 2014,52(2):114-124.

[7] 程燕. 自適應(yīng)干擾抵消系統(tǒng)的關(guān)鍵技術(shù)研究[D].西安:西安電子科技大學(xué),2014.

[8] 李鵬. V/UHF波段自適應(yīng)干擾抵消系統(tǒng)關(guān)鍵技術(shù)研究[D].西安:西安電子科技大學(xué),2011.

[9] Torczon V.On the convergence of pattern search algorithms[J].SIAM J Optim,1997,7(1):1-25.

[10] 柳賀,黃猛,柳桂國,等. 基于混沌搜索和模式搜索的混合優(yōu)化方法[J]. 華東理工大學(xué)學(xué)報,2008,34(1):126-130.

[11] 楊春,倪勤. 變步長非單調(diào)模式搜索法[J]. 高等學(xué)校計算數(shù)學(xué)學(xué)報,2005,27(2):160-168.

[12] Zhang X L, Zhou Q H, Wang Y. An Efficient Pattern Search Method[J]. Journal of Applied Mathematics and Physics,2013(1):68-72.

[13] 曲良東,何登旭,吳盡昭. 一種群模式全局搜索算法[J]. 模式識別與人工智能,2013,26(6):592-597.

[14] 張煜東,吳樂南,王水花. 基于遺傳算法與模式搜索的混合優(yōu)化算法[J]. 南京信息工程大學(xué)學(xué)報,2012,4(1):34-39.

[15] Labbi Y, Attous D B. A hybrid particle swarm optimization and pattern search method to solve the economic load dispatch problem[J]. International Journal of System Assurance Engineering and Management,2014,5(3):435-443.

[16] 馬永杰,云文霞. 遺傳算法研究進(jìn)展[J]. 計算機(jī)應(yīng)用研究,2012,29(4):1201-1206,1210.

[17] 陳華根,吳健生,王家林,等.模擬退火算法機(jī)理研究[J]. 同濟(jì)大學(xué)學(xué)報(自然科學(xué)版),2004,32(6):802-805.

Research of Adaptive Interference Cancellation Algorithm Based on Pattern Search

Wu Biao，Chen Nan

(School of Telecommunications Engineering，Xidian University，Xi’an710071，China)

Abstract:Due to the presence of multiple devices in a small space, cosite interference is very common in the modern communications platform .To reduce the influence of cosite interference on the receiver performance, a kind of adaptive interference canceller based on orthogonal vector synthesis is designed. According to the characteristics of extracted data from the DSP control unit, pattern search is proposed as a controller algorithm and improved. Simulation analysis are carried out using actual measurement data. The results show that, compared with the PSA algorithm, simulated annealing algorithm, genetic algorithm, the improved PSA algorithm has faster convergence speed, while convergence accuracy is almost the same. Finally the algorithm is implemented in DSP and interference cancellation ratio is measured in the 100-500 MHz frequency range. The final implementation results show that this method can meet the performance requirements. Most frequency points can reach 40 dB, meeting the performance requirements. As can be seen, the pattern search algorithm has strong local search ability and the advantage of easy to implement in engineering,suitable for optimization process that requires fast convergence.

Keywords:adaptive interference cancellation; control algorithm; pattern search

文章編號：1671-4598(2016)02-0235-04

DOI：10.16526/j.cnki.11-4762/tp.2016.02.065

中圖分類號：TN972.1; TP391.8

文獻(xiàn)標(biāo)識碼：A

作者簡介：吳彪(1991-)，男，陜西西安人，碩士研究生，主要從事通信抗干擾方向的研究。

收稿日期：2015-08-19；修回日期：2015-09-18。

陳南(1965-)，男，福建人，教授，碩士研究生導(dǎo)師，主要從事無線通信、通信抗干擾方向的研究。