張 燕,劉 磊
(電子科技大學(xué)成都學(xué)院,四川 成都 611731)
21世紀(jì)以來,短距離無線通信網(wǎng)絡(luò)信號在通信領(lǐng)域中占據(jù)著重要的地位,它給人類帶來了巨大的便利。像藍(lán)牙、IrDA等都是短距離無線通信的主要標(biāo)準(zhǔn),有著高速率、容量大、成本低的特點。但由于無線通信的頻繁使用導(dǎo)致通信信道容易出現(xiàn)阻塞、錯綜等現(xiàn)象,這種現(xiàn)象會給短距離無線通信網(wǎng)絡(luò)造成不利的影響,為了解決這一問題,需要對短距離無線通信網(wǎng)絡(luò)異常信號進(jìn)行識別。
在上述背景下,有學(xué)者提出了一種面向移動機(jī)器人路徑控制網(wǎng)絡(luò)的異常參數(shù)識別方法,該方法通過對機(jī)器人射頻識別量的計算,將異常參數(shù)進(jìn)行整合,從而計算出網(wǎng)絡(luò)異常參數(shù)的特征,采用單分量控制信號模態(tài)分解方法對網(wǎng)絡(luò)參數(shù)的阻尼比數(shù)值進(jìn)行計算,從而完成對網(wǎng)絡(luò)異常參數(shù)的識別,該方法計算網(wǎng)絡(luò)異常數(shù)據(jù)特征不完善,導(dǎo)致識別效果不理想。還有學(xué)者提出了大型船舶電力網(wǎng)絡(luò)異常輸電線路自動識別分析方法,該方法首先構(gòu)建了網(wǎng)絡(luò)模擬模型對異常情況進(jìn)行模擬,在模擬過程中采用傳感器采集異常信號,并對其進(jìn)行特征提取,組合成異常信號特征向量,利用模糊聚類方法識別異常信號特征,該方法采集的異常信號存有誤差,導(dǎo)致識別結(jié)果不準(zhǔn)確。除此之外,賈振華等人提出基于參數(shù)估計的BPSK/PM遙測異常信號識別方法研究,該方法對遙測信號的特征進(jìn)行有效分析,并對信號在接收過程中發(fā)生異常信號的可能性進(jìn)行總結(jié),總結(jié)后識別了可能發(fā)生的異常信號。該方法在不同信噪比下的識別正確率較低,網(wǎng)絡(luò)信號覆蓋率較差,最終影響了信號識別結(jié)果。
為了解決上述方法中存在的問題,提出短距離無線通信網(wǎng)絡(luò)異常信號識別方法。
無線通信網(wǎng)絡(luò)異常信號中存在不同形狀的頻譜,根據(jù)這一特點,采用相像系數(shù)法對短距離無線通信網(wǎng)絡(luò)異常信號進(jìn)行特征提取。
設(shè)置f
(x
)和g
(x
)代表兩個連續(xù)正值實函數(shù),同時滿足f
(x
)≥0、g
(x
)≥0兩個條件,那么此時的相像系數(shù)C
定義為(1)
上述正值實函數(shù)利用不等式進(jìn)行調(diào)整,得到下式
(2)
f
(x
)和g
(x
)與非零常數(shù)相乘時,C
的值會保持不變。當(dāng)兩個函數(shù)逐漸成正比時,C
會得到最大值。采用相像系數(shù)法提取網(wǎng)絡(luò)異常信號特征時,需要對異常信號進(jìn)行歸一化處理,此時異常信號為:{G
(n
),n
=1,2,…,N
}。式中,G
(n
)描述的是處理后的異常信號,N
描述的是長度。引入兩個信號序列對相像系數(shù)進(jìn)行計算,定義如下矩形信號序列定義為
(3)
式中,U
(n
)描述的是矩形信號序列,M
描述的是信號,也是預(yù)處理后異常信號G
(n
)的最大值。三角形信號序列定義為
(4)
式中,T
(n
)描述的是三角形信號序列。這時采用相像系數(shù)對網(wǎng)絡(luò)異常信號特征提取的具體步驟如下所示:
1)首先對短距離無線通信網(wǎng)絡(luò)信號進(jìn)行判別,從而獲取無線通信網(wǎng)絡(luò)異常信號,并對無線通信網(wǎng)絡(luò)異常信號進(jìn)行預(yù)處理,預(yù)處理后的異常信號序列用G
(n
)表示。2)對異常信號{U
(n
)}和{G
(n
)}的相像系數(shù)值進(jìn)行計算(5)
式中,C
1代表相像系數(shù)值。3)對異常信號{T
(n
)}和{G
(n
)}的相像系數(shù)值進(jìn)行計算(6)
與式(5)相同,C
2描述的是相像系數(shù)值。4)將相像系數(shù)值C
1和C
2相結(jié)合,構(gòu)建成二維聯(lián)合特征向量,定義為:C
=[C
1,C
2]。根據(jù)上述獲取的短距離無線通信網(wǎng)絡(luò)異常信號特征,采用最小二乘支持向量機(jī)對網(wǎng)絡(luò)信號特征進(jìn)行分類。
將獲取的網(wǎng)絡(luò)異常信號特征向量輸入到最小二乘支持向量機(jī)中,并給出一組大小相同的訓(xùn)練集{x
,y
},其中,x
描述的是輸入,y
描述的是輸出。根據(jù)非線性回歸方程y
(x
)=f
(x
)+e獲取估計模型:y
(x
)=w
φ
(x
)+b
+e,其中,w
描述的是權(quán)向量,φ
(x
)描述的是非線性函數(shù),b
描述的是偏差量,e
描述的是誤差量,即擬合誤差。根據(jù)下式得到等式描述的優(yōu)化問題(7)
式中,J
描述的是向量,γ
描述的是懲罰系數(shù),w
描述的是系數(shù)向量。令式(7)滿足等式約束:
y
=w
φ
(x
)+b
+e,i
=1,2,…,N
(8)
(9)
式中,L
描述的是常數(shù),α
描述的是拉格朗日乘數(shù),a
描述的是向量。將懲罰參數(shù)γ
作為最小二乘支持向量機(jī)模型的復(fù)雜度,主要用來平衡最小二乘支持向量模型和訓(xùn)練誤差。對w
、b
、e
、α
分別進(jìn)行微分,并令其等于0,那么得到的最優(yōu)化條件用方程定義為(10)
式中,?描述的是最優(yōu)條件,λ
描述的是系數(shù)。將w
和e
消除,最優(yōu)解問題就會轉(zhuǎn)化成線性方程組(11)
式中,y
=[y
;…;y
],α
=[α
;…;α
],I
描述的是單位矩陣,Ω
描述的是方陣,用Ω
描述第m
行中第n
列元素,即Ω
=K
(x
,x
)m
,n
=1,…,N
。其中引入的核函數(shù)表達(dá)為Ω
=φ
(x
)φ
(x
)=K
(x
,x
)(12)
式中,i
,l
=1,2,…,N
。K
(x
,x
)描述的是核函數(shù)。由此獲得用于函數(shù)估計的最小二乘支持向量模型表達(dá)式
(13)
式中,α
和b
是式(10)的解。由于徑向基核函數(shù)RFB在處理非線性參數(shù)時有著顯著的效果,這時RBF的方程表達(dá)式為
(14)
式中,因為σ
是和RFB相互關(guān)聯(lián)的參數(shù),所以σ
描述的是核參數(shù)。在最小二乘支持向量模型中,懲罰系數(shù)γ
和核參數(shù)σ
都屬于超參數(shù)。最小二乘支持向量機(jī)估計模型的構(gòu)建程度取決于超參數(shù)的取值,若懲罰系數(shù)γ
和核參數(shù)σ
的取值不恰當(dāng),就會降低網(wǎng)絡(luò)異常信號識別準(zhǔn)確率,因此,采用灰狼優(yōu)化算法對超參數(shù)進(jìn)行優(yōu)化,從而完成對網(wǎng)絡(luò)異常信號的識別。1)等級分配
在灰狼優(yōu)化算法中,α
描述的是最優(yōu)解,β
描述的是次優(yōu)解,δ
描述的是第三最優(yōu)解,而ω
描述的是候選解?;依轻鳙C過程表示對解的優(yōu)化尋優(yōu)過程,而α
、β
、δ
在算法中占據(jù)著主導(dǎo)地位。2)包圍獵物
狼群對獵物進(jìn)行狩獵期間首先會將獵物包圍起來,由下式對包圍過程進(jìn)行描述
(15)
3)圍捕獵物
通常情況下,狼群在圍捕過程中α
占據(jù)著最佳位置,將α
、β
和δ
標(biāo)記為變量最優(yōu)解,而ω
表示剩余的灰狼,經(jīng)調(diào)整后,α
、β
和δ
的最優(yōu)解由下式求出(16)
式中,X
、X
、X
表示α
、β
和δ
的目前位置,C
、C
、C
描述的是三個隨機(jī)向量。那么當(dāng)前解的最終位置為(17)
式中,A
、A
和A
描述的是隨機(jī)向量。4)攻擊獵物
狼群攻擊獵物的過程就是結(jié)束尋優(yōu)的過程,當(dāng)a
的取值從2到0逐漸線性遞減,最終A
的取值范圍為:(-2a
,2a
)。若A
<1,就能獲取最優(yōu)解,若A
>1,就需要開拓新的區(qū)域重新尋找最優(yōu)解。因為最小二乘支持向量機(jī)優(yōu)于傳統(tǒng)的支持向量機(jī),所以將最小支持向量機(jī)用作短距離無線通信網(wǎng)絡(luò)異常信號識別的分類器。在最小二乘支持向量機(jī)建模期間,超參數(shù)的取值對識別結(jié)果產(chǎn)生了影響,因此采用灰狼優(yōu)化算法對超參數(shù)進(jìn)行優(yōu)化,從中獲取最優(yōu)解,完成對短距離無線通信網(wǎng)絡(luò)異常信號的識別。
為了驗證短距離無線通信網(wǎng)絡(luò)異常信號識別算法的整體有效性,需要對該方法進(jìn)行實驗測試。
采用短距離無線通信網(wǎng)絡(luò)異常信號識別算法(方法1)、基于參數(shù)估計的BPSK/PM遙測異常信號識別方法研究(方法2)、大型船舶電力網(wǎng)絡(luò)異常輸電線路自動識別分析方法(方法3)對網(wǎng)絡(luò)異常信號進(jìn)行識別測試。
1)共采集600組短距離無線通信網(wǎng)絡(luò)信號進(jìn)行實驗測試,其中包含異常信號400組,采用方法1、方法2、方法3分別進(jìn)行異常信號識別測試,測試結(jié)果如圖1所示。
圖1 異常信號識別準(zhǔn)確率測試
分析圖1中的數(shù)據(jù)可知,在識別600組短距離無線通信網(wǎng)絡(luò)信號中的異常信號期間,隨著網(wǎng)絡(luò)通信信號數(shù)量的增加,方法1的識別效果要總體高于方法2和方法3,說明方法1的識別準(zhǔn)確率最高。而方法2和方法3的波動軌跡不夠穩(wěn)定,忽高忽低,因此可知方法1的識別異常信號效果最好,識別準(zhǔn)確率最高。這是因為本文方法采用灰狼優(yōu)化算法對超參數(shù)進(jìn)行了優(yōu)化,獲取了最優(yōu)解,從而提高了網(wǎng)絡(luò)異常信號識別的準(zhǔn)確率。
2)利用方法1、方法2和方法3在不同加性高斯白噪聲條件下進(jìn)行異常信號識別,識別正確率越高,說明識別精準(zhǔn)度越高,具體的測試結(jié)果如表1所示。
表1 不同信噪比下的識別正確率測試
根據(jù)表1中的數(shù)據(jù)可知,方法1并沒有受到不同信噪比的影響,其識別正確率始終要優(yōu)于方法2和方法3,方法2與方法3相比,方法2的識別正確率大多在70%到75%之間,與方法1的識別效果差距較?。欢椒?的識別正確率時而增大時而減小,可見方法3受到了不同信噪比條件的影響,導(dǎo)致識別效果不穩(wěn)定。由此可見,方法2的識別正確率僅次于方法1。這是因為本文方法運(yùn)用灰狼算法優(yōu)化最小二乘支持向量機(jī)方法對異常信號進(jìn)行優(yōu)化分類,從中獲取了識別最優(yōu)解,使網(wǎng)絡(luò)異常信號識別精準(zhǔn)度更高,提升了識別效果。
3)通過方法1、方法2和方法3分別對短距離無線通信網(wǎng)絡(luò)信號進(jìn)行覆蓋性能測試,覆蓋率越高,說明覆蓋性能越強(qiáng),實驗結(jié)果如圖2所示。
圖2 無線通信網(wǎng)絡(luò)信號覆蓋率
通過圖2中的數(shù)據(jù)可以看出,隨著時間的逐漸增加,方法1在三個方法中信號覆蓋率是最優(yōu)的。方法3在測試期間,運(yùn)動軌跡平穩(wěn),信號覆蓋率起伏緩慢,而方法2的運(yùn)動軌跡低于方法1和方法3,可見方法2的通信信號覆蓋性能最差,方法1的覆蓋性能最強(qiáng)。這是因為本文方法在信號識別之前采用相像系數(shù)法對網(wǎng)絡(luò)異常信號進(jìn)行特征提取,并對異常信號進(jìn)行歸一化處理,根據(jù)處理結(jié)果獲取了網(wǎng)絡(luò)異常信號特征向量,為信號識別提供了基礎(chǔ),有利于提升無線通信網(wǎng)絡(luò)信號覆蓋率。
現(xiàn)如今短距離無線通信網(wǎng)絡(luò)信號已成為通信領(lǐng)域的核心,但是無線通信網(wǎng)絡(luò)信號給人類帶來便利的同時,也會帶來不利的影響,如信道阻塞、信號繁雜等,為了解決這一問題,需要對短距離無線通信網(wǎng)絡(luò)異常信號進(jìn)行有效識別。經(jīng)調(diào)查發(fā)現(xiàn),傳統(tǒng)的短距離無線通信網(wǎng)絡(luò)異常信號存在識別準(zhǔn)確率差、不同信噪比條件下識別正確率低和信號覆蓋性能差的問題。通過上述問題,提出短距離無線網(wǎng)絡(luò)異常信號識別方法,首先對無線通信網(wǎng)絡(luò)異常信號進(jìn)行特征提取,提取后采用基于灰狼算法優(yōu)化最小二乘支持向量機(jī)方法對異常信號進(jìn)行優(yōu)化分類,從而實現(xiàn)網(wǎng)絡(luò)異常信號的識別。該方法增強(qiáng)了網(wǎng)絡(luò)異常信號識別精準(zhǔn)度,解決了目前方法中存在的問題,但該方法的識別效果還不夠理想,日后會進(jìn)一步提升對短距離無線通信網(wǎng)絡(luò)異常信號識別的研究。