[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

说明书

本发明公开了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，步骤包括：步骤1、通信设置及初始化；步骤2、遗传算法初始种群产生后，初始化种群代数k＝0；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；步骤4、进行遗传算法的选择、交叉及变异操作，产生新种群，转向步骤3；步骤5、使用最优分类器进行符号解码；步骤6、如果n＜L_F‑3，令n＝n+1，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；否则，结束，完成所有解码。本发明方法，不需要信道信息就可直接解码，简化了解码过程。

技术领域

本发明属于机器学习及无线通信技术领域，涉及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。

背景技术

近年来，由于混沌已成功地应用于光纤通信信道中，并获得了更高的传输比特率，混沌通信的研究重点也从具有高斯噪声的信道转移到具有复杂约束的实际通信信道。近年来的研究成果表明，混沌成型滤波器取代传统成型滤波器产生混沌基带信号进行数字通信，有可能利用对应的匹配滤波和混沌特性完全消除码间干扰，使得这一混沌基带数字通信技术展示了良好的应用前景，与最新的5G通信技术如OFDM等结合可以获得更好的通信效果。

混沌基带无线通信系统(CBWCS)理论上可以完全消除码间干扰，但是其需要知道所有过去发送符号和未来发送符号，这在实际工程中是不可实现的，虽然仅利用有限数量的过去符号进行解码已经获得了比传统方法更好的性能和更少的计算量，但是该系统性能仍有进一步提高的空间。如何考虑未来符号的影响，更好地消除码间干扰成为提升混沌基带无线通信系统性能的研究方向，已有的方法可以预测未来基带波形，再根据波形预测未来发送的符号，将根据波形解码的未来符号应用于解码阈值计算可以改善性能，但是这种预测只能比较准确地预测未来一位波形，而且根据波形进行未来符号的解码使用的阈值为0，也存在预测符号解码错误问题。为了避免这些问题，可以采用神经网络直接预测解码阈值，不必进行解码阈值计算，得到了更好的效果，但这一过程仍然需要使用辨识得到的信道信息，计算比较复杂，准确性也受影响。

发明内容

本发明的目的是提供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，解决了现有技术的混沌基带无线通信系统，存在符号解码过程复杂，工作效率低的问题。

本发明所采用的技术方案是，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，按照以下步骤具体实施：

步骤1、通信设置及初始化；

步骤2、遗传算法初始种群产生后，初始化种群代数k＝0；

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；

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(e＝1,…,N_p)，转向步骤3；

步骤5、使用最优分类器进行符号解码，