通信信息模糊一致算法在計算機通信當中優化使用

何玉輝

【摘要】 計算機的通信節點的部署往往具有較強的隨機性，因此在熱點的周邊就會存在著隨機的窄帶干擾信號，這些干擾信號會嚴重的影響到計算機的正常的通信方式。為了能夠很好的解決計算機通信當中的抗干擾問題，本文基于計算機通信信息模糊一致的優化算法，優化通信系統。本文首先設計模糊矩陣，然后基于該模糊矩陣在變換域當中識別和濾除干擾信號，從而無失真的恢復原始的計算機信號。仿真結果表明，在該算法下，計算機能夠很好的濾除干擾的信號，降低通信過程當中的誤碼率。

【關鍵詞】 計算機通信 一致性 矩陣

Computer Optimization Communication Algorithm Based on the Communication Information Fuzzy Consistent

He Yuhui Shaanxi Polytechnic Institute， Xianyang Shaanxi China， 712000

Abstract： Computer communication nodes deployment tend to have strong randomness， so hot in the surrounding village random narrow-band interference signal and the interference signal will seriously affect the normal communication. In order to solve the Computer Communication Anti-jamming problem， this paper presents an optimization algorithm based on fuzzy consistent computer optimization communication algorithm. Firstly， it designs the fuzzy matrix， by using the fuzzy matrix in the transform domain identification and filtering interference signals， and no distortion of the recovered the original computer signal. Simulation results show that the algorithm can filter out the interference signal and reduce the bit error rate in the communication process.

Key words： computer communication；consistence；matrix

引言

計算機通信技術由于在很多熱門領域都得到了廣泛的應用，一直以來就是科研工作者的重要的研究課題。計算機在通信的過程當中受到通信熱點周圍的干擾信號的干擾，其抗干擾能力的直接決定了通信的質量。在計算機的應用當中，大功率的窄帶信號往往會隨機的部署在其周圍，此時如果單純的依靠窄帶濾波器等器件則不足以濾除干擾信用，這就很容易造成計算機信號的失真，因此需要對通信算法進行優化，從而來確保計算機通信的準確無誤[1]。本文因此提出一種基于通信信息模糊一致的計算機通信算法，充分利用了模糊矩陣具有的一致性特點，在變化域當中，完成對干擾信號的識別和濾除，從而最終能夠保證原始的信號無失真的恢復。

一、通信數據模糊一致矩陣的建立

模糊控制就是采用模糊數學的基本的思想和理論的控制方法。傳統的控制領域，控制系統的動態模式的準確性是影響控制結果的關鍵，系統里具有的動態信息詳細程度也決定了精確控制的成果。然而在復雜的系統當中，變量太多往往難以正確描述系統，因此嘗試采用模糊數學優化算法來處理這些控制問題。

優化算法首先進行模糊一致性矩陣的構建，步驟具體如下：模糊矩陣S=（Sij）n×n滿足下列公式：

那么，我們可以將該矩陣稱為模糊一致性矩陣[2]。在采用該模糊一致矩陣對計算機的通信干擾信號進行劃分的過程當中，矩陣當中的元素Sij可以用來對第i個評判指標Si對于第j個評判指標Sj的重要的程度[3]：

（1）當Sij=0.5的時候，說明Si和Sj具有一致的重要度。

（2）當0≤Sij<0.5的時候，則說明Sj的重要性強于Si。

（3）當0.5≤Sij<1的時候，說明Si的重要性要大于Sj。

我們通過分析模糊一致矩陣的可以得出：

（a）通信模糊一致矩陣的每個指標對于自身而言，其重要性是一致的，因此能夠得出該對角線的數值為0.5[4]。

（b）處于模糊一致矩陣當中不同兩行的相互對應的位置的數值差值是一個常數。

2 信息熵值和模糊一致性的判斷

2.1 計算干擾信號的信息熵值

信息熵值被用來描述通信系統當中某個指標對于整個系統的重要的程度。首先量化指標數據，從而得到每個指標在整個系統當中的重要性，然后再利用這些數據指標構建出模糊一致性矩陣[5]。大量的數據在完成重要程度分析后形成訓練集，然后用來構建模糊一致矩陣。如果訓練集用字母W來表示，用{E1，E2，E3...}來表示類別集用，此時選擇合理的屬性P完成不同子集的劃分。如果P集有相互獨立的值{P1，P2......Pn}，那么就能夠將訓練集W劃分成為E1，E2.....Ei這i個子集[6]。我們有：

三、系統結果分析

信號一般分為單音信號和雙音信號，因此干擾也可分為單音干擾和多音干擾兩種。單音干擾指的是接收機在一定的信道頻率上，存在著單音頻率偏移中心頻率的的現象。一般而言單音干擾通常是從附近的模擬蜂窩基站傳送的窄帶信號。由于在計算機的應用當中，大功率的窄帶的干擾信號往往會干擾著隨機熱點發出的信號，本文的測試主要選取了單音干擾和窄帶信號干擾進行模糊一致算法和傳統算法的對比。信號源由Matlab仿真軟件產生。系統通過Matlab軟件模擬了信號產生、調制、信道等系統。Matlab軟件在數學類科技計算方面首屈一指，被用來廣泛的進行矩陣的計算、繪制數據和函數，完成算法的實現，創建用戶界面，同時也能夠和其他的編程語言很好的對接。目前被廣泛的用在圖像處理、信號檢測、金融分析等領域。其運行界面如圖1所示。

通過Matlab仿真能夠測試本文設計的通信信息模糊一致算法優化性能，通過和傳統算法誤碼率的對比[10]，得到下圖：

通過上圖可以看到，當Eb/N0=3dB的時候，信噪比如果小于-30dB，那么本文設計的算法和傳統的算法都能夠較強的一致干擾信號，但是隨著信噪比的增大，當信噪比超過-30dB的時候，能夠看到傳統算法和本文設計的算法對于信號的抗干擾一致能力均開始增加，誤碼率下降，并且能夠看出傳統算法的誤碼率下降的幅度要小于本文設計的模糊一致算法[11]。

本文的算法的誤碼率要優于傳統的算法。因此可以看出，在干擾信號較強的時候，本文設計的模糊一致算法相比于傳統的算法而言對于干擾信號具有更好的一致作用，誤碼率會更低[12]。并且傳統的算法會將干擾信號傳遞到旁瓣信號當中，降低算法的抗干擾能力[13]。

從上圖當中能夠看到，當窄帶的干擾信號能量較小的時候，兩種算法的性能差距不大，甚至傳統觀的算法抗干擾能力優于本文的算法。但是隨著窄帶干擾信號強度的增大，本文提出的算法優異性逐步的體現出來。因此，在強干擾的環境當中，本文提出的算法具有很好的看干擾能力，能夠有效的抑制干擾信號，從而保證計算機通信的正常的進行。

實際上，在通信系統當中不僅僅會存在著頻率較為集中的單音窄帶信號的干擾，同時也會存在著多音干擾和頻率分散的窄帶信號干擾。因此，在通信系統的設計當中，還應該通過最優的信號變換方法，獲得良好的旁瓣抑制比，最終徹底的消除窄帶信號的干擾，保證通信系統的安全正常的工作。

四、結論

本文提出的基于通信信息模糊一致的計算機優化通信算法，利用了模糊矩陣的一致性算法，能夠識別和濾除變換域當中的感染信號，從而無失真的恢復原始的信號[14]。通過對仿真結果的分析可以看到這種算法能夠消除窄帶的干擾，特別是在干擾信號較強的時候，從而降低計算機通信當中的誤碼率[15]。

參 考 文 獻

[1] Andrew S. Tanenbaum（荷） 《現代操作系統（第 2 版）》 機械工業出版社 2010： 16-18

[2] 湯子瀛 梁紅兵 湯小丹 《計算機操作系統》 西安電子科技大學出版社 2013： 18-20

[3] MARK G.SOBELL（美） 《 LINUX 命令與 SHELL 編程英文版》 清華大學出版社 2007： 20-22

[4] 鄭阿奇 《 Oracle 實用教程》 電子工業出版社 2009： 23-25

[5] 王海亮 《精通 Oracle 10g 備份與恢復》 水利水電出版社 2009： 25-26

[6] 滕永昌 《 Oracle 10g 數據庫系統管理》 機械工業出版社 2007： 26-27

[7] Wim Coekaerts McGraw-Hill（美）《 Oracle Database 10G Linux Administration》 2010： 27-28

[8] 余浩，張歡，宋銳 《下一代網絡原理與技術》 電子工業出版社 2009： 32-33

[9] 《中興軟交換系統指南》人民郵電出版社 2009： 32-35

[10] 《華為軟交換系統指南》人民郵電出版社 2009： 32-35

[11] 《軟交換設備總體技術要求》 （YDC003-2001） 原信息產業部 2010： 32-35

[12]Badr A，Fahmy A，A proof of convergence for Ant algorithms.Information Sciences.2004，（1 60）：267—279

[13]Dorigo M，Cambardella L M.Ant Colony System：A Cooperative Learning Approach to the Traveling Salesman Problem.IEEE Transactions on Evolutionary Computation，2007，1（1）：53—66

[14]Liao G C，Tsao T P.Application of a fuzzy neural network combined with a Chaos genetic algorithm and simulated anncaling to short—term load forecasting.Automation ofElectric Power Systems，2007，31（14）：111.115

[15]Li L Y，Liu Z M，Zhou Z.A new dynamic distributed routing algorithm on telecommunication networks International Conference on Communication Technology Proceedings.Beijing China.2000（1）Erjian Shen，Tao Zhang，Liangwei Huang，et a1.A real—ti：849-