一種基于BP神經(jīng)網(wǎng)絡(luò)的車載通信設(shè)備性能評(píng)估方法

孟曉姣，張世巍，李小健，李敏玥，宋丙鑫，路宏敏

(1.西安電子科技大學(xué) 電子工程學(xué)院,陜西 西安 710071;2.中國(guó)北方車輛研究所 電磁兼容實(shí)驗(yàn)室,北京 100072)

隨著現(xiàn)代通信科學(xué)技術(shù)的高速發(fā)展和廣泛應(yīng)用，電子及通信設(shè)備越來(lái)越密集，構(gòu)成了極其復(fù)雜的電磁環(huán)境。對(duì)于車載通信系統(tǒng)而言，盡管車內(nèi)空間非常有限，卻需要同時(shí)安裝多種電子及通信設(shè)備，誘發(fā)了車輛內(nèi)部日益嚴(yán)重的電磁干擾問(wèn)題[1]。通信設(shè)備在復(fù)雜的電磁環(huán)境中受到嚴(yán)峻的考驗(yàn)，可能會(huì)產(chǎn)生通信距離縮短、話音質(zhì)量變差、誤碼率提高等問(wèn)題，嚴(yán)重威脅到整個(gè)通信系統(tǒng)工作性能。車載通信設(shè)備的工作性能在一定程度上直接影響著車輛整體通信系統(tǒng)的穩(wěn)定性，因此對(duì)車載通信設(shè)備進(jìn)行性能評(píng)估具有重要意義[2]。目前，研究者對(duì)性能評(píng)估問(wèn)題已做出大量工作，并提出了一些經(jīng)典性能評(píng)估方法。常用的方法有理想點(diǎn)排序法(Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS)、層次分析法(Analytic Hierarchy Process，AHP)和ADC(Available Dependability Capability)效能評(píng)估法等。TOPSIS是通過(guò)檢測(cè)評(píng)價(jià)對(duì)象與最優(yōu)解、最劣解的距離來(lái)進(jìn)行排序，若評(píng)價(jià)對(duì)象最靠近最優(yōu)解，同時(shí)又最遠(yuǎn)離最劣解則為最好，否則為最劣[3]。AHP是將與評(píng)估結(jié)果有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)之上進(jìn)行定性和定量分析[4]。ADC效能評(píng)估法是通過(guò)建立一個(gè)關(guān)于可用度、可信賴度和能力的評(píng)估模型進(jìn)行設(shè)備性能評(píng)估[5]。這些評(píng)估方法大都需要建立復(fù)雜的隸屬結(jié)構(gòu)，而且評(píng)估時(shí)存在較大的主觀性，增加了評(píng)估系統(tǒng)的不確定性。

本文將BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Network)應(yīng)用到車載通信設(shè)備的性能評(píng)估當(dāng)中，提出了一種基于神經(jīng)網(wǎng)絡(luò)的通信設(shè)備性能評(píng)估方法[6]。BP神經(jīng)網(wǎng)絡(luò)由于其強(qiáng)大的非線性擬合能力以及自適應(yīng)、自調(diào)節(jié)功能備受關(guān)注，已被應(yīng)用于目標(biāo)識(shí)別、系統(tǒng)控制、土木工程等多個(gè)領(lǐng)域的預(yù)測(cè)評(píng)估[7-9]。BP神經(jīng)網(wǎng)絡(luò)能夠結(jié)合問(wèn)題的輸入、輸出屬性來(lái)確定評(píng)估網(wǎng)絡(luò)結(jié)構(gòu)，使得預(yù)測(cè)結(jié)果在誤差精度范圍內(nèi)[10]。本文首先針對(duì)車載通信設(shè)備選取了關(guān)鍵評(píng)估指標(biāo)，并且進(jìn)一步建立了包括發(fā)射、傳輸、接收的鏈路評(píng)估體系；再根據(jù)所建立的評(píng)估體系，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建車載通信設(shè)備性能評(píng)估模型；最后使用訓(xùn)練樣本對(duì)模型進(jìn)行訓(xùn)練，訓(xùn)練完成的模型可用于評(píng)估預(yù)測(cè)。

1 車載通信設(shè)備性能評(píng)估方法

1.1 選取評(píng)估指標(biāo)

設(shè)備評(píng)估指標(biāo)的選取是建立評(píng)估體系的前提，指標(biāo)的選取直接影響評(píng)估結(jié)果的準(zhǔn)確性。無(wú)線通信借助無(wú)線電通信設(shè)備和無(wú)線電波在空間的傳播來(lái)傳遞消息。完整的無(wú)線通信系統(tǒng)結(jié)構(gòu)一般包括發(fā)射設(shè)備、傳輸介質(zhì)和接收設(shè)備3部分，如圖1所示。

圖1 無(wú)線通信系統(tǒng)

依照無(wú)線通信系統(tǒng)的結(jié)構(gòu)，本文從車載通信設(shè)備的接收、發(fā)射和傳輸性能三方面入手選取關(guān)鍵技術(shù)指標(biāo)[11]。

1.1.1 接收性能評(píng)估指標(biāo)

接收機(jī)的接收靈敏度是評(píng)價(jià)通信設(shè)備接收到有用信息效率的關(guān)鍵指標(biāo)，其指接收機(jī)能夠接收到的，并且還能正常工作的最低電平強(qiáng)度。通信距離的大小會(huì)影響通信設(shè)備正常進(jìn)行通信時(shí)相互間的距離。鄰道選擇性是用來(lái)衡量存在相鄰信道信號(hào)時(shí)，接收機(jī)在其指定信道頻率上接收有用信號(hào)的能力。

1.1.2 發(fā)射性能評(píng)估指標(biāo)

發(fā)射設(shè)備的作用是用來(lái)產(chǎn)生適合在信道中傳輸?shù)男盘?hào)，具有抗干擾的能力，并且應(yīng)該有足夠的功率以滿足遠(yuǎn)距離傳輸?shù)男枰?。發(fā)射設(shè)備的關(guān)鍵技術(shù)指標(biāo)包括載波功率、雜散射頻分量、互調(diào)衰減等。

1.1.3 傳輸性能評(píng)估指標(biāo)

通信系統(tǒng)傳輸質(zhì)量的度量準(zhǔn)則主要是錯(cuò)誤判決的概率，接收設(shè)備收到的是發(fā)送信號(hào)和信道噪聲之和，而噪聲會(huì)使接收到的信息發(fā)生錯(cuò)誤。數(shù)字誤碼率和語(yǔ)音清晰度兩個(gè)指標(biāo)分別表示的是通信設(shè)備在采用數(shù)字通信模式和語(yǔ)音通信模式下錯(cuò)誤接收信息的概率，可以用來(lái)評(píng)估通信設(shè)備的傳輸性能。

1.2 建立評(píng)估體系

根據(jù)前文所確定的車載通信設(shè)備評(píng)估指標(biāo)，進(jìn)一步建立通信設(shè)備的評(píng)估指標(biāo)體系，如圖1所示。

圖2 車載通信設(shè)備性能評(píng)估體系

由圖2可以看出，所建立的評(píng)估體系包括3個(gè)部分，分別為接收機(jī)性能、發(fā)射機(jī)性能、信息傳輸性能，并進(jìn)一步確定了8個(gè)二級(jí)指標(biāo)作為關(guān)鍵評(píng)估指標(biāo)。最后，可根據(jù)以上建立的評(píng)估體系構(gòu)建評(píng)估模型。

1.3 BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層、隱含層、和輸出層，通過(guò)輸入和輸出樣本集對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，即對(duì)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行修正和學(xué)習(xí)，使網(wǎng)絡(luò)實(shí)現(xiàn)給定的輸入輸出映射關(guān)系[12]。本文選擇三層神經(jīng)網(wǎng)絡(luò)模型來(lái)構(gòu)建評(píng)估模型，其中輸入層的節(jié)點(diǎn)數(shù)可由圖2中的關(guān)鍵評(píng)估指標(biāo)確定為8，用向量可表示為(x1,x2,x3,…,x8)。輸出端的節(jié)點(diǎn)數(shù)確定為1，表示車載通信設(shè)備性能的評(píng)估值為y1。隱含節(jié)點(diǎn)數(shù)可根據(jù)經(jīng)驗(yàn)計(jì)算式確定[13]

(1)

式中，a為1～10之間的常數(shù)；n為輸入層節(jié)點(diǎn)數(shù)；l為輸出層節(jié)點(diǎn)；m為隱含層的節(jié)點(diǎn)數(shù)。根據(jù)式(1)可確定該模型的隱含層節(jié)點(diǎn)數(shù)范圍為3～13。

最終得到BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型結(jié)構(gòu)，如圖3所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型

(2)

y1表示輸出層的輸出，計(jì)算式為

(3)

(4)

purelin函數(shù)的表達(dá)式寫為式(5)。

y=s，-∞

(5)

最終確定該評(píng)估模型的網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

圖4 網(wǎng)絡(luò)結(jié)構(gòu)圖

若設(shè)模型的誤差函數(shù)為L(zhǎng)e[15]，計(jì)算式如下

(6)

2 模型訓(xùn)練

2.1 樣本數(shù)據(jù)預(yù)處理

2.1.1 樣本選取

BP神經(jīng)網(wǎng)絡(luò)工作需要兩個(gè)樣本集，一個(gè)訓(xùn)練樣本，另一個(gè)是預(yù)測(cè)樣本。前者用來(lái)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練以獲得一個(gè)能夠匹配預(yù)測(cè)需要的網(wǎng)絡(luò)模型，后者用來(lái)預(yù)測(cè)驗(yàn)證。為了獲得準(zhǔn)確的評(píng)估預(yù)測(cè)結(jié)果，訓(xùn)練樣本數(shù)據(jù)的選取非常重要。數(shù)據(jù)集過(guò)大，計(jì)算量增加，浪費(fèi)內(nèi)存和時(shí)間；數(shù)據(jù)集過(guò)小則不能得到最有效的模型結(jié)構(gòu)。因此在樣本數(shù)據(jù)采集階段，應(yīng)保證樣本數(shù)據(jù)的均勻采集，欠采樣和過(guò)采樣都會(huì)使訓(xùn)練結(jié)果偏離預(yù)期。

2.1.2 標(biāo)準(zhǔn)化

在評(píng)估體系中，各指標(biāo)的性質(zhì)不同，具有不同量綱和數(shù)量級(jí)。因此，為了保證結(jié)果的可靠性就需要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。標(biāo)準(zhǔn)化就是將數(shù)據(jù)按比例進(jìn)行縮放，使之落入一個(gè)特定的小區(qū)間，便于對(duì)各指標(biāo)進(jìn)行比較和運(yùn)算。最典型的就是對(duì)數(shù)據(jù)的歸一化處理。

樣本數(shù)據(jù)中的不同量綱、不同數(shù)量級(jí)會(huì)影響數(shù)據(jù)分析，可利用最大最小化方法對(duì)輸入數(shù)據(jù)進(jìn)行歸一化處理，具體過(guò)程如下

所有基樁全部埋設(shè)聲測(cè)管，并進(jìn)行100%的完整性檢測(cè)。聲測(cè)管焊接在鋼筋籠內(nèi)側(cè)，定位等分樁周、互相平行，并埋設(shè)至樁底，管口高于樁頂50cm以上。管底封閉，管口加蓋，管底、管口及焊接部位要密封，防止混凝土漿液滲漏堵塞聲測(cè)管。

(7)

式中，x為輸入變量，x′j是第j維變量歸一化后的值，j=1,2,3,…,m，m是影響設(shè)備性能評(píng)估的指標(biāo)個(gè)數(shù)；xj,min是第j維變量中的最小值；xj,max是第j維變量中的最大值。

2.2 訓(xùn)練流程

本文利用MATLAB中的神經(jīng)網(wǎng)絡(luò)工具箱對(duì)所構(gòu)建的車載通信設(shè)備性能評(píng)估模型進(jìn)行訓(xùn)練，具體訓(xùn)練流程為：

步驟1設(shè)置網(wǎng)絡(luò)參數(shù)。設(shè)置訓(xùn)練目標(biāo)誤差為0.001，迭代次數(shù)為100，學(xué)習(xí)率為0.5，設(shè)置隱含層的節(jié)點(diǎn)數(shù)為9，使獲得最佳網(wǎng)絡(luò)結(jié)構(gòu)[16]；

步驟2將經(jīng)過(guò)預(yù)處理的訓(xùn)練數(shù)據(jù)輸入評(píng)估模型,初始化迭代次數(shù)N=0；

步驟3開始訓(xùn)練模型，計(jì)算模型輸出值y；

步驟4計(jì)算模型輸出誤差Le，迭代次數(shù)N=N+1；

步驟5若誤差大于0.001，修改網(wǎng)絡(luò)權(quán)值并返回步驟3；

圖5 模型訓(xùn)練流程圖

2.3 訓(xùn)練結(jié)果

訓(xùn)練完成后，得到模型均方誤差如圖6所示。圖中包括模型誤差隨迭代次數(shù)的變化曲線以及設(shè)定的目標(biāo)誤差限值線(設(shè)定為0.001)。隨著訓(xùn)練迭代次數(shù)的增加，模型誤差曲線逐漸降低，逼近目標(biāo)誤差值，在第44次訓(xùn)練迭代完成后，模型誤差達(dá)到最佳值0.000 8，完成訓(xùn)練。

圖6 均方誤差圖

3 模型驗(yàn)證

為驗(yàn)證所構(gòu)建的神經(jīng)網(wǎng)絡(luò)評(píng)估模型有效性，本文針對(duì)某型車載通信電臺(tái)，獲取了10組預(yù)測(cè)樣本數(shù)據(jù)。本文運(yùn)用所提出的通信設(shè)備性能評(píng)估方法，對(duì)預(yù)測(cè)樣本進(jìn)行評(píng)估并輸出結(jié)果。隨后，通過(guò)比較樣本數(shù)據(jù)與神經(jīng)網(wǎng)絡(luò)評(píng)估模型輸出數(shù)據(jù)，得到模型誤差，結(jié)果如表1和圖7所示。

表1 神經(jīng)網(wǎng)絡(luò)模型誤差

圖7 模型誤差曲線

結(jié)合表1和圖7可以看出，訓(xùn)練后神經(jīng)網(wǎng)絡(luò)模型的輸出數(shù)據(jù)與樣本數(shù)據(jù)能夠較好地吻合，模型誤差較小，且保持在一定范圍內(nèi)。為定量分析評(píng)估模型的精度，使用歸一化均方誤差(Normalized Mean Squared Error，NMSE)指標(biāo)[17]進(jìn)行驗(yàn)證。NMSE計(jì)算式為式(8)，計(jì)算得到該模型的歸一化均方誤差為-36 dB。

(8)

綜上，本文所提出基于BP神經(jīng)網(wǎng)絡(luò)的評(píng)估方法能夠準(zhǔn)確地評(píng)估車載通信設(shè)備性能。

4 結(jié)束語(yǔ)

本文基于BP神經(jīng)網(wǎng)絡(luò)模型提出了一種車載通信設(shè)備性能評(píng)估方法：首先根據(jù)車載通信設(shè)備，選取設(shè)備關(guān)鍵評(píng)估指標(biāo)，建立評(píng)估體系；再基于BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建車載通信設(shè)備性能評(píng)估模型；最后獲取大量樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，優(yōu)化模型結(jié)構(gòu)，提高模型精度。所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型能夠利用自己的自調(diào)節(jié)功能獲得最優(yōu)權(quán)值，經(jīng)過(guò)訓(xùn)練能準(zhǔn)確地預(yù)測(cè)評(píng)估車載通信設(shè)備性能。對(duì)某型車載電臺(tái)性能評(píng)估驗(yàn)證發(fā)現(xiàn)所構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型輸出數(shù)據(jù)與驗(yàn)證樣本數(shù)據(jù)能夠較好地吻合，模型歸一化均方誤差達(dá)到-36 dB。模型驗(yàn)證結(jié)果表明，本文提出的基于BP神經(jīng)網(wǎng)絡(luò)車載設(shè)備性能評(píng)估方法可行，且評(píng)估誤差較小。