[发明专利]基于遗传优化支持向量机的混沌基带无线通信解码方法

权利要求书

1.一种基于遗传优化支持向量机的混沌基带无线通信解码方法，其特征在于，按照以下步骤具体实施：

步骤1、通信设置及初始化，

具体过程是，

设置遗传算法运行参数：种群规模N_p、个体编码长度L_code、待优化变量及其取值范围[L_bound,H_bound]、选择概率P_select、交叉概率P_cross、变异概率P_mut和遗传运算最大代数N_ge，进行初始化；将支持向量机的分类准确率作为适应度函数，初始化F_r为数据帧计数，n为符号计数变量；

另外，根据混沌基带无线通信系统所使用的成型滤波器特点，采用过去位、当前位和未来位符号的遍历组合作为帧头数据，也即训练样本集，D＝{(u₁,v₁),…,(u_m,v_m)}，其中，u是模型输入向量，v是对应的分类标签，m为帧头数据长度，满足v∈{-1,+1}，用于支持向量机分类模型的训练，该训练数据作为每一帧的帧头数据用于适应不同信道环境的变化；

步骤2、遗传算法初始种群产生后，初始化种群代数k＝0，

具体过程是，

将惩罚因子C与核函数参数g作为变量进行二进制编码，根据个体编码长度L_code，在此长度内随机生成0或1，产生初始种群大小为N_p，每个个体表示为为二进制编码位，编码变量为C^k,e，编码变量为g^k,e；

步骤3、求解支持向量机分类模型，评价个体适应度，保存最优个体和最优分类器，判断最优个体适应度是否达到目标值或迭代次数k是否达到最大代数，满足的话转向步骤5；不满足的话转向步骤4，

根据分类模型，进行个体适应度的具体评价过程是：

将种群中的个体逐个解码，以第k代第e个个体为例，其对应编码为该编码值解码得到如下实数参数：

对该代中每个个体进行解码，得到N_p个对应的支持向量机参数(C^k,e,g^k,e)，以这些参数分别作为支持向量机结构参数，利用有效训练样本对每组参数对应的支持向量机进行训练，具体步骤如下：

使用训练样本集D＝{(u₄,v₄),…,(u_i,v_i),…,(u_m-3,v_m-3)}，v_i∈{-1,+1}，求解支持向量机模型，模型表示为：

其中，α_i为拉格朗日乘子，(u_i,v_i)为样本点，u为模型输入，K(u_i,u)＝(Φ(u_i)·Φ(u))表示核函数，模型采用径向基核函数K(u_i,u)＝exp(-g^k,e||u_i-u||²)，g^k,e为第k代第e个个体对应核函数参数，

其中，S＝{i|α_i＞0,i＝4,...,m-3}为所有支持向量下标集，N_sp为支持向量个数，因非支持向量对应的系数α_i＝0，去除系数为0的项，得到支持向量u_s，将式(1)改写为式(3)：

式(2)、式(3)的求解需要α_i，采用以下对偶问题求解：

0≤α_i≤C^k,e,i＝4,5,...,m-3.

其中，C^k,e为此时的惩罚因子，利用序列最小优化算法对式(4)求解得α_i，i＝4,5,...,m-3，代入式(2)求得b，并代入式(3)得到该组参数对应的支持向量机模型，利用该支持向量机模型对训练集所有样本进行分类，得到个体对应的适应度：

Fitness(x_k，e) (5)

对所有个体适应度进行排序，选取适应度最高的个体保存入最优个体x_opt，对应最佳参数为C_opt、g_opt和最优分类器为f_opt，并保存最优个体x_opt适应度为Fitness_opt；判断适应度Fitness_opt是否达到目标值或迭代次数k是否达到最大进化代数N_ge，满足的话转向步骤5，并令n＝897；不满足的话转向步骤4；

步骤4、进行遗传算法的选择、交叉及变异操作，令k＝k+1，产生新种群，转向步骤3，

遗传操作中交叉操作产生的个体数N_select＝N_p*P_select，经过变异后，取代原种群中相同数量的适应度较小的N_select个个体，形成新种群以保持种群规模恒定为N_p，令k＝k+1，产生新种群为x_k，e，转向步骤3；

步骤5、使用最优分类器进行符号解码，

将输入向量u_n＝(y_n-3(1),…,y_n-3(16),…,y_n+3(1),…,y_n+3(16))^T通过最优分类器f_opt(u)直接解码得到当前符号信息，即

步骤6、如果n＜L_F-3，L_F为一个数据帧的总长度，其中最右边三位为非信息数据，用于辅助最后三位信息数据的解码，令n＝n+1，并转向步骤5；否则，转向步骤7；

步骤7、令F_r＝F_r+1，如果F_r＜N_F，N_F为传输数据总帧数，转向步骤2，继续后续更多帧的符号解码；否则，结束，完成所有解码。

2.根据权利要求1所述的基于遗传优化支持向量机的混沌基带无线通信解码方法，其特征在于：所述的步骤4中，遗传算法具体操作过程如下：

4-1)选择操作：计算个体的累积概率构造轮盘，此处N_p值为20，被选择个体数为N_select＝18，第一个指针的位置在间随机产生，以为指针距离进行等距离选择新个体，指针所指概率区域对应的个体为被选择个体，直至完成18个个体的选择；

4-2)交叉运算：对被选择的18个个体，采用两两互相不重复个体进行交叉，即个体1和个体2，个体3和个体4，……，个体17和个体18；对于每一对个体，产生一个[0,1]之间的随机数，如果该随机数小于交叉概率0.7，则在基因编码中随机选择一个位置即交叉点，对两个个体进行单点交叉操作，交换交叉点后的基因序列，生成新的个体对，对每一对个体产生随机数判断之后的个体对是否进行交叉；交叉操作后，个体数仍保持为18；

4-3)变异运算：被选择的18个个体经过交叉后，按位以设定的变异概率0.0175判断是否进行变异，对需要变异的个体随机选择变异位将对应的“0”或“1”变成与之相反的“1”或“0”；完成变异操作后，个体数仍然为18；

使用变异后的18个个体取代原始种群中适应度较小的18个个体，与剩余2个适应度最高的原种群个体合并组成新种群，以保持种群恒定，k＝k+1，得到新种群x_k，e，转向步骤3。