基于人工蜂群算法的FRM信道化設計

趙小琪, 曲海山, 張文旭, 何俊希, 王 哲

(1.哈爾濱工程大學信息與通信工程學院,黑龍江哈爾濱 150001;2.哈爾濱工程大學先進船舶通信與信息技術工業和信息化部重點實驗室,黑龍江 哈爾濱 150001;3.上海無線電設備研究所,上海 201109)

0 引言

電子對抗也稱電子戰。電子戰雙方采取一系列措施和行動,目的是破壞對方電子系統和電子設備使用性能,同時保護己方戰斗力。接收機是電子對抗系統中的關鍵設備,極具研究發展空間。在現代化戰爭中,傳輸的信號在時間上密集且形式復雜,需要接收機能夠實時接收并處理大的瞬時寬帶信號,同時具有動態范圍大、靈敏度高等特性,能在復雜電磁環境下有效截獲信號[1]。信道化接收機是目前唯一一種既可工程化,又能滿足電子戰需求的寬帶接收機。

數字信道化接收機在保持信道化接收機高性能的同時,通過數字化提高接收機的靈活性與穩定性,減小輸出信號帶寬,降低對后端數據處理速率的要求[2]。數字信道化接收機的發展熱點是低時延與低資源消耗,其中數字信道化濾波器組結構為重點優化對象。

WU等[3]對基于頻率響應屏蔽(frequency response masking,FRM)的窄帶余弦調制濾波器組進行了FPGA實現,證明了在窄帶數字信道化設計中應用FRM技術可以降低硬件復雜度。SHARMA等[4]將粒子群算法與共同子表達式相結合,在優化有限脈沖響應(FIR)濾波器性能的同時,節省了工程實現時所需加法器的數量。隨著寬帶數字接收機與信號處理需求的日益增大,信道間窄過渡帶化及工程低復雜度化成為數字信道化技術的研究重點[5]。本文提出一種基于人工蜂群(artificial bee colony,ABC)的優化算法,對FRM信道化結構進行低復雜度和低延時的優化設計。

1 基于FRM的信道化結構

信道化設計中所用原型濾波器的性能是影響信號重構效果的重要因素之一。濾波器特性越理想,過渡帶越窄,重構效果越好。如何在不增加硬件復雜度的前提下使濾波器的過渡帶變窄,成為重點關注的問題。FRM技術就是眾多窄過渡帶濾波器的設計方法之一。

FRM技術的基本原理是對原型濾波器進行插值,獲得窄過渡帶,然后利用兩個屏蔽濾波器將多余的鏡像頻帶屏蔽掉[6]。FRM濾波器的表達式為

式中:Fa′(z)和F′c(z)是一組互補的FIR原型濾波器Fa(z)和Fc(z)經P倍插值后得到的插值濾波器;FMa(z)和FMc(z)分別為對應的屏蔽濾波器。

Fa(z)與Fc(z)的關系可以表示為

式中:La為濾波器Fa(z)的長度。

對Fc(z)進行P倍插值,插值濾波器F′(z)的表達式為

對屏蔽濾波器FMa(z)進行多相表示

式中:FMa,l(zN)為FMa(z)的多相分量,其中N為信道數。

FMa(z)經復指數調制,進一步可得到

式中:WkN=exp(j 2 πk/N)為數字信道化調制因子,其中k(k=0,1,…,N-1)為數字信道化結構中的信道編號。屏蔽濾波器FMc(z)與FMa(z)同理。將FRM技術與多相信道化結構相結合,即可得到基于FRM的多相數字信道化結構。這種結構在降低計算復雜度的同時,實現了窄過渡帶信道的設計目標。基于FRM的數字信道化結構如圖1所示。輸入信號為x(n),輸出信號為y0(n),y1(n),…,yN-1(n),I DfT表示對信號進行離散傅里葉逆變換。將D倍抽取模塊放置在濾波器組結構之前,可降低其采樣率。

圖1 FRM數字信道化結構

2 基于ABC算法的FRM濾波器組優化設計

2.1 ABC算法原理

仿照自然界蜂群的結構,ABC算法搜索蜜源的過程中會利用到3種蜂:工蜂、偵察蜂和觀察蜂。通過相互之間的信息交流與合作,以最高效率來尋求最優解[7]。人工蜂群算法對蜜源的尋找與確定主要分為3步:

a)工蜂對每個初始蜜源進行偵察與探測,并記錄蜜源花蜜量;

b)搜索蜜源工作完成后,工蜂與觀察蜂共享蜜源信息,觀察蜂對蜜源信息進行優劣對比,擇優選擇蜜源進行采蜜;

c)將采蜜后的蜜源舍棄,此蜜源的工蜂轉換為偵察蜂角色,繼續尋找新蜜源。

利用ABC算法解決函數問題時,兩者具有一一對應關系:蜂群尋找蜜源行為對應函數優化問題,蜜源位置對應可行解,蜜源收益對應解的優秀程度,尋找蜜源的速度對應解的優化程度,截止到本代的最優蜜源位置對應局部最優解,蜜源最優位置則對應最優解[8]。

實現過程中,ABC算法首先隨機生成N個D維初始解,組成初始種群,初始解即為蜜源初始位置。3種蜂分工合作、不斷迭代。工蜂計算當前蜜源的花蜜量并分享給觀察蜂,觀察蜂依據輪盤賭規則選出具有特定概率值的蜜源繼續完成后續操作。與此同時工蜂和觀察蜂會對解集進行修改,對蜜源位置進行更新,開始進行尋找新蜜源的工作,并對蜜源質量進行評估。一個蜜源的位置可以表示為,其中D為蜜源位置維數。則第i個蜜源第t次迭代的位置可以表示為,其中和Ud分別表示蜜源位置搜索空間的下限與上限。

對第i個蜜源的位置進行初始化

式中:r a n d(0,1)表示[0,1]范圍內的隨機數。

對第i個蜜源第t次迭代的位置更新

式中:λ為擾動幅度,取值為[-1,1]之間的均勻分布的隨機數;代表隨機選擇的鄰域蜜源位置,其中鄰域蜜源號,且j≠i,代表在N個蜜源中再隨機選擇一個蜜源。

工蜂在第t次迭代確定為蜜源的選擇概率

2.2 FRM濾波器組的優化

濾波器的優化設計涉及多維度目標的組合優化,以利用高效的優化算法來尋求最優解為目標,ABC算法恰好能滿足這類需求。尋找全局最優蜜源即對應尋找問題的全局最優解。采用ABC算法對FRM濾波器組進行優化主要分為以下6個步驟。

(1)蜜源初始化

根據實際要求確定FRM濾波器組中的原型濾波器、上支路屏蔽濾波器及下支路屏蔽濾波器的通帶截止頻率和阻帶起始頻率參數,利用頻率抽樣法計算FRM多相數字濾波器組中各個濾波器的系數,作為人工蜂群算法的初始蜜源。一組蜜源代表一組可能的優化解組合。

(2)蜜源優先排序

算法初始化時,令蜜源的數量大于工蜂數量,且為其整數倍,以便獲得更大的蜜源搜索范圍,獲取更好的解方案。評估蜜源的花蜜量,既適應值,對適應值高的蜜源繼續進行優化。優先排序的蜜源數量等于工蜂數量。

(3)工蜂

工蜂在鄰域蜜源中選擇一個蜜源,并評估其適應值。為了獲得新的評估源,第i個蜜源的工蜂會隨機選擇該蜜源位置第m個維度的參數進行更新。鄰域中新蜜源第m個維度的新參數計算公式為

其中

上述方法雖然可以確保生成的候選解集仍在搜索空間內(全部蜜源),但還需要建立兩個約束以確保新的候選解不會超出系數值的邊界。令vlb為蜜源參數的最低邊界,vub為蜜源參數最高邊界,若則令;若vub,則令計算新蜜源的適應值后,工蜂運用貪婪機制選擇適應值更好的蜜源作為新蜜源。

(4)觀察蜂

觀察蜂對它收集到的所有工蜂提供的花蜜信息進行評估,根據花蜜量選擇蜜源。蜜源花蜜量越高,擁有的觀察蜂越多。觀察蜂根據花蜜量信息修改解集方案,并運用貪婪機制進行新舊蜜源的判斷與交換。

(5)偵察蜂

若當前蜜源的花蜜量經過一定迭代次數的循環和替換后并沒有增加,則舍棄該蜜源。同時偵察蜂會尋找隨機生成的新蜜源進行后續計算。經過以上5個步驟的計算后得到的最優解會被記錄并儲存。

(6)優化終止

重復進行步驟(1)至步驟(5),直到算法計算得到的誤差值滿足要求,終止計算。計算得到各個濾波器系數的最優解,從而完成FRM濾波器組的優化設計。

濾波器系數優化流程如圖2所示。

圖2 濾波器系數優化流程圖

3 仿真與實現

3.1 基于ABC算法優化的FRM濾波器仿真

對基于ABC算法優化的FRM濾波器組進行仿真。結構中原型濾波器、上支路屏蔽濾波器與下支路屏蔽濾波器的通帶截止頻率、阻帶起始頻率、阻帶衰減和階數等參數如表1所示,且通帶紋波均為0.01DB。

表1 FRM濾波器參數

當ABC算法迭代次數為300次,工蜂與偵察蜂共100只,蜜源取值范圍為[-1,1]時,經ABC算法優化及經典頻率抽樣法設計的FRM濾波器幅頻特性如圖3所示。對比可知,利用ABC算法對FRM濾波器參數進行優化,可以在階數不變或更低的條件下,增大濾波器的阻帶衰減,從而提高數字信道化性能。

圖3 優化后的FRM濾波器幅頻特性

設采樣率為1.92GH z,子頻帶個數為16,抽取倍數D=16。仿真輸入信號參數如表2所示。

表2 輸入信號參數

輸入信號經過數字信道化結構后得到的有用信號子信道頻譜如圖4所示。

3.2 基于ABC算法優化的FRM濾波器的FPGA實現

System Generator工具提供了使用FPGA構建、合成和驗證系統的手段[9]。利用System Generator對基于ABC算法優化的FRM濾波器結構進行FPGA實現。首先對信號進行延時抽取,對上下支路的原型濾波器進行處理,再分別經過上下支路的屏蔽濾波器,最后經過快速傅里葉逆變換(IFFT)模塊完成處理流程[10]。

System Generator實現FRM濾波器組需要搭建上下支路原型濾波器模型。上支路濾波器的優化系數由Matlab軟件計算得到。為了在縮短計算時間的同時進一步減少硬件實現所占資源,濾波器的硬件實現采用分布式結構。各個濾波器的輸出位寬統一為16b i t,當輸出不足16b i t時進行左移處理,以此來避免濾波器全精度輸出時數據位寬不相等的情況發生。下支路原型濾波器可由輸入數據經過延時與上支路原型濾波器做差得到,并在下支路添加相應延時模塊,使上下支路計算群延時相等[11]。

上下支路的屏蔽濾波器設計也是利用Matlab軟件計算得到優化后的系數,進而對系數進行多項分解,最后導入到System Generator對應的FIR Compiler IP核中實現。處理過程中依舊需要考慮輸出結果位數對齊問題。

圖4 有用信號子信道輸出信號幅頻特性圖

將上下支路屏蔽濾波器的輸出結果進行相加整合,完成FRM濾波器輸出。首先利用Bitshare模塊與并串轉換模塊將濾波器輸出的16路并行數據轉換為單路串行數據,再將數據輸入IFFT模塊,最后利用串并轉換模塊完成單一數據對各路子信道數據的轉化。

對基于ABC算法優化的FRM數字信道化結構進行FPGA仿真,輸入的混合信號參數見表2。對比數字信道化Matlab仿真結果與硬件實現結果的差異,兩種方式的輸入信號頻譜峰值位置一致,且峰值幅度接近、幅頻特性基本一致。但由于硬件仿真對輸入信號進行了定點量化,因此輸出數據會產生量化誤差。

對基于ABC算法優化的FRM數字信道化結構與經典的未進行人工蜂群算法優化的FRM數字信道化結構的資源利用與時延情況進行對比,如表3所示。可見,基于ABC算法優化的FRM結構使用的寄存器、查找表與占用區域數量更少,電路延時更小,實現了更低的資源消耗與時延。

表3 資源利用對比表

4 結論

針對數字信道化中窄過渡帶濾波器復雜度高的問題,本文提出了基于人工蜂群算法的FRM信道化設計方法,并進行了Matlab仿真和FPGA實現,驗證了其正確性。該方法可節省寄存器的使用數量,節約了硬件資源,減小了時延。但FRM技術在原型濾波器的設計上具有一定的局限性。由于采用了均勻劃分信道的方式,信道化接收機存在接收盲區,對于一般信號接收能力的適應性有待提高。后續可以將優化結構推廣至動態非均勻信道化結構中,進一步進行資源優化。