通信波形综合传输性能评价方法及系统技术方案

技术编号:24177122 阅读:44 留言:0更新日期:2020-05-16 05:04
本发明专利技术提供了一种通信波形综合传输性能评价方法及系统,包括:体系分类步骤:对通信波形效能评价体系进行分类;性能指标仿真步骤:设定传输波形与参数,设定仿真场景,针对各波形性能指标进行仿真;效能评价步骤:利用TOPSIS法对波形综合效能进行评价;波形指标评价步骤:利用灰色层次模型对波形指标评价。本发明专利技术通过对波形指标的传输有效性、资源有效性和抗截获性指标进行仿真,分别利用TOPSIS法,灰色多层次评价法和模糊神经网络评价法对波形进行综合评估,再利用算法将三种评价手段统一起来,避免TOPSIS法不易贴合实际需求,灰色多层次评价法过于主观,而模糊神经网络容易过拟合的缺点,使评价系统符合用户需求且具有泛化能力。

【技术实现步骤摘要】
通信波形综合传输性能评价方法及系统
本专利技术涉及无线通信
,具体地,涉及通信波形综合传输性能评价方法及系统。
技术介绍
随着无线通信技术的发展,应用场景不断丰富,波形体制越来越多,如何针对不同需求选择合适的波形是亟需解决的问题。通信波形综合传输效能评估,可以为软件无线电系统波形选择提供定量分析的依据,以便根据战争需求合理配置通信资源。现有的大多数波形效能评估方法,都是基于固定的通信波形参数,采用单一目标为评价手段,存在一定的局限性。比如有文献针对多个通信波形参数对系统的通信容量和传输速率进行了优化,但并未考虑射频隐身性能。有文献分析了通信波形参数对系统低截获特性的影响,但是仅考虑了单个通信波形设计技术的部分参数,没有对系统物理层波形设计技术进行整体联合分析,无法评价波形的通信容量及传输速率等有效性指标。因此,如何对通信波形的传输有效性和低截获性进行综合评价,实现综合传输性能的最优,将对通信波形设计具有重要的指导意义。针对上述现有技术中的缺陷,本专利技术要解决的技术问题体现在以下几点:1)针对通信波形参数的优化问题进行建模:以发射功率、占空比、信道编码码率、扩频因子、调制方式等为优化参数,以给定距离的被截获概率和可靠通信速率为优化目标,建立了一种自适应的通信波形参数优化模型。2)针对波形参数分别设计了加权主成分TOPSIS法、灰色多层次评价法和模糊神经网络法三种评价方法对波形综合指标进行评价,但考虑到各评价方法互有优劣,对各方法进行加权以综合这些方法的优势,使评价系统具备更强的泛化能力与更强的运用灵活性。
技术实现思路
针对现有技术中的缺陷,本专利技术的目的是提供一种通信波形综合传输性能评价方法及系统。根据本专利技术提供的一种通信波形综合传输性能评价方法,包括:体系分类步骤:对通信波形效能评价体系进行分类;性能指标仿真步骤:设定传输波形与参数,设定仿真场景,针对各波形性能指标进行仿真;效能评价步骤:利用TOPSIS法对波形综合效能进行评价;波形指标评价步骤:利用灰色层次模型对波形指标评价;评价系统建立步骤:建立模糊神经网络评价系统;权重系数调整步骤:根据使用效果调整各方法权重系数。优选地,所述体系分类步骤:通信波形效能评价体系的分类指标包括:传输有效性、资源有效性、抗截获性;传输有效性指标有传输速率和误码率;资源有效性指标有频谱利用率和发射功率;抗截获性指标有截获概率与距离比。优选地,所述性能指标仿真步骤:参数及模型设定步骤:设定发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型;模型仿真步骤:根据设定的发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型,进行蒙特卡洛仿真,获得各波形的误码率、发射功率、截获概率与距离比。优选地,所述效能评价步骤:加权主成分TOPSIS法具体步骤如下:步骤S1:造样本阵X其中,xi表示所有传输波形第i项指标的数据构成的向量;表示xi的转置;xij表示第j套传输波形第i项指标的具体数值,i和j满足1≤i≤N,1≤j≤M,N表示波形的指标总数,M表示传输波形个数;步骤S2:对样本阵中的指标元素按照效益型与成本型进行变换,得到矩阵Y,Y的各元素yij由以下方法得到:步骤S3:对Y矩阵中的元素作标准化变换,得到标准化阵Z,Z中的各元素zij为:式中步骤S4:求标准化阵Z的相关系数阵R,并求出R的特征值λ与特征向量b:步骤S5:求主成分个数k与各主成分的方差贡献率ω,依据的准则如下:其中,ωj表示贡献率ω的第j个元素;λj表示特征值λ的第j个元素;步骤S6:求zi的k个主成分规范化分量,得到主成分规范化决策阵U,U中的元素其中,表示矩阵Z第i行对应向量的转置,表示相关系数阵R的第j个特征向量归一化后得到的单位特征向量;在此基础上构造单项主成分规范化决策阵U′,矩阵中的元素u′ij为:步骤S7:构造加权的主成分,确定正理想点υ+与负理想点υ-:令υij=ωju′ij,ωj为方差贡献率ω的第j个元素,正理想点υ+与负理想点υ-如下:步骤S8:计算每个点对理想点的贴近度指数:每个点υi到正理想点的距离是:每个点υi到负理想点的距离是:相对贴近度Si为若Si越接近于1,则表示该方案接近于最优水平,反之则越接近最劣水平。根据通信波形效能评价体系的分类指标的构成,对传输有效性指标、资源有效性指标、抗截获性能指标分别赋予不同的权值,构成加权矩阵W=[ω1,ω2,ω3,ω4,ω5]T,矩阵中的元素分别代表传输速率、频谱效率、发射功率、距离比和截获概率的权重;此时采用TOPSIS法,对波形的综合传输效能进行评估并进行优化,得到最优波形参数解。优选地,所述波形指标评价步骤:构建评价指标体系,确定各级指标权重,确定评价灰类以及白化权函数,获取专家打分表;再利用灰色多层次评价方法完成波形评价;所述评价系统建立步骤:所述模糊神经网络模型是一个多输入单输出的系统,包括:输入层、模糊化层、模糊推理层、反模糊化层和输出层;所述建立模糊神经网络评价系统包括:数据的模糊化处理步骤:设定4个语言变量值对各个二级指标进行模糊评价,评价论域为W={“差”,“中”,“良”,“优”}。训练与测试步骤:神经网络的训练与测试。根据本专利技术提供的一种通信波形综合传输性能评价系统,包括:体系分类模块:对通信波形效能评价体系进行分类;性能指标仿真模块:设定传输波形与参数,设定仿真场景,针对各波形性能指标进行仿真;效能评价模块:利用TOPSIS法对波形综合效能进行评价;波形指标评价模块:利用灰色层次模型对波形指标评价;评价系统建立模块:建立模糊神经网络评价系统;权重系数调整模块:根据使用效果调整各方法权重系数。优选地,所述体系分类模块:通信波形效能评价体系的分类指标包括:传输有效性、资源有效性、抗截获性;传输有效性指标有传输速率和误码率;资源有效性指标有频谱利用率和发射功率;抗截获性指标有截获概率与距离比。优选地,所述性能指标仿真模块:参数及模型设定模块:设定发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型;模型仿真模块:根据设定的发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型,进行蒙特卡洛仿真,获得各波形的误码率、发射功率、截获概率与距离比。优选地,所述效能评价模块:加权主成分TOPSIS法具体步骤如下:步骤S1:造样本阵X其中,xi表示所有传输波形第i项指标的数据构成的向量;本文档来自技高网
...

【技术保护点】
1.一种通信波形综合传输性能评价方法,其特征在于,包括:/n体系分类步骤:对通信波形效能评价体系进行分类;/n性能指标仿真步骤:设定传输波形与参数,设定仿真场景,针对各波形性能指标进行仿真;/n效能评价步骤:利用TOPSIS法对波形综合效能进行评价;/n波形指标评价步骤:利用灰色层次模型对波形指标评价;/n评价系统建立步骤:建立模糊神经网络评价系统;/n权重系数调整步骤:根据使用效果调整各方法权重系数。/n

【技术特征摘要】
1.一种通信波形综合传输性能评价方法,其特征在于,包括:
体系分类步骤:对通信波形效能评价体系进行分类;
性能指标仿真步骤:设定传输波形与参数,设定仿真场景,针对各波形性能指标进行仿真;
效能评价步骤:利用TOPSIS法对波形综合效能进行评价;
波形指标评价步骤:利用灰色层次模型对波形指标评价;
评价系统建立步骤:建立模糊神经网络评价系统;
权重系数调整步骤:根据使用效果调整各方法权重系数。


2.根据权利要求1所述的通信波形综合传输性能评价方法,其特征在于,所述体系分类步骤:
通信波形效能评价体系的分类指标包括:传输有效性、资源有效性、抗截获性;
传输有效性指标有传输速率和误码率;资源有效性指标有频谱利用率和发射功率;抗截获性指标有截获概率与距离比。


3.根据权利要求1所述的通信波形综合传输性能评价方法,其特征在于,所述性能指标仿真步骤:
参数及模型设定步骤:设定发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型;
模型仿真步骤:根据设定的发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型,进行蒙特卡洛仿真,获得各波形的误码率、发射功率、截获概率与距离比。


4.根据权利要求1所述的通信波形综合传输性能评价方法,其特征在于,所述效能评价步骤:
加权主成分TOPSIS法具体步骤如下:
步骤S1:造样本阵X



其中,
xi表示所有传输波形第i项指标的数据构成的向量;

表示xi的转置;
xij表示第j套传输波形第i项指标的具体数值,i和j满足1≤i≤N,1≤j≤M,N表示波形的指标总数,M表示传输波形个数;
步骤S2:对样本阵中的指标元素按照效益型与成本型进行变换,得到矩阵Y,Y的各元素yij由以下方法得到:



步骤S3:对Y矩阵中的元素作标准化变换,得到标准化阵Z,Z中的各元素zij为:



式中



步骤S4:求标准化阵Z的相关系数阵R,并求出R的特征值λ与特征向量b:



步骤S5:求主成分个数k与各主成分的方差贡献率ω,依据的准则如下:



其中,
ωj表示贡献率ω的第j个元素;
λj表示特征值λ的第j个元素;
步骤S6:求zi的k个主成分规范化分量,得到主成分规范化决策阵U,U中的元素
其中,表示矩阵Z第i行对应向量的转置,表示相关系数阵R的第j个特征向量归一化后得到的单位特征向量;
在此基础上构造单项主成分规范化决策阵U′,矩阵中的元素u′ij为:



步骤S7:构造加权的主成分,确定正理想点υ+与负理想点υ-:
令υij=ωju′ij,ωj为方差贡献率ω的第j个元素,正理想点υ+与负理想点υ-如下:






步骤S8:计算每个点对理想点的贴近度指数:
每个点υi到正理想点的距离是:



每个点υi到负理想点的距离是:



相对贴近度Si为



若Si越接近于1,则表示该方案接近于最优水平,反之则越接近最劣水平。
根据通信波形效能评价体系的分类指标的构成,对传输有效性指标、资源有效性指标、抗截获性能指标分别赋予不同的权值,构成加权矩阵W=[ω1,ω2,ω3,ω4,ω5]T,矩阵中的元素分别代表传输速率、频谱效率、发射功率、距离比和截获概率的权重;此时采用TOPSIS法,对波形的综合传输效能进行评估并进行优化,得到最优波形参数解。


5.根据权利要求1所述的通信波形综合传输性能评价方法,其特征在于,所述波形指标评价步骤:
构建评价指标体系,确定各级指标权重,确定评价灰类以及白化权函数,获取专家打分表;
再利用灰色多层次评价方法完成波形评价;
所述评价系统建立步骤:
所述模糊神经网络模型是一个多输入单输出的系统,包括:输入层、模糊化层、模糊推理层、反模糊化层和输出层;
所述建立模糊神经网络评价系统包括:
数据的模糊化处理步骤:设定4个语言变量值对各个二级指标进行模糊评价,评价论域为W={“差”,“中”,“良”,“优”}。
训练与测试步骤:神经网络的训练与测试。

【专利技术属性】
技术研发人员:尧有根赵浩
申请(专利权)人:上海微波技术研究所中国电子科技集团公司第五十研究所
类型:发明
国别省市:上海;31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1