一种基于改进人工蜂群算法的星载AIS碰撞信号分离方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110060510A(43)申请公布日2019.07.26(21)申请号201910333337.7(22)申请日2019.04.24(71)申请人南京理工大学紫金学院地址210023江苏省南京市栖霞区文澜路89号申请人南京理工大学(72)发明人赵丹李鹏王娈费海凤陈艳汪恋雨徐健沈雅忱(74)专利代理机构南京知识律师事务所32207代理人张苏沛(51)Int.Cl.G08G3/02(2006.01)G06N3/00(2006.01)权利要求书2页说明书4页附图3页(54)发明名称一种基于改进人工蜂群算法的星载AIS碰撞信号分离方法(57)摘要本发明公开了一种基于改进人工蜂群算法的星载AIS碰撞信号分离方法，具体为：首先对接收到的AIS碰撞信号进行采样获得N路接收信号并对其进行数字下变频处理得到观测信号矩阵；之后对观测信号矩阵进行预处理，再采用L-BFGS改进的人工蜂群算法实现信号分离、进行解碰撞处理，得到N路分离信号；对N路分离信号进行帧头突发检测、频偏估计、符号定时同步和白化滤波处理；最后利用维特比算法进行译码处理，得到有效数据帧。本发明在保证人工蜂群算法的全局寻优性能的同时能够实现高精度局部搜索，最终实现星载AIS碰撞信号的有效分离。CN110060510ACN110060510A权利要求书1/2页1.一种基于改进人工蜂群算法的星载AIS碰撞信号分离方法，其特征在于，包括以下步骤：步骤1、由具有N根相互独立天线的天线阵列接收AIS碰撞信号，然后通过模数转换器采样获得N路接收信号，并对其进行数字下变频处理，获得观测信号矩阵X∈RN×M；所述N等于源信号S的数目，所述M为数据采样点数；步骤2、对步骤1中所得的N路接收信号进行中心化处理使信号具有单位方差，并进行白化预处理消除信号之间的相关性，由此得到白化后的混合信号矩阵Z；步骤3、采用改进的人工蜂群算法寻优分离矩阵，在人工蜂群算法的雇佣蜂阶段与观察蜂阶段采用二次收敛的双循环递归L-BFGS拟牛顿算法对目标函数进行局部寻优，求得最终的分离矩阵W；步骤4、将步骤3中求得的最终的分离矩阵W与步骤2中得到的混合信号矩阵Z相乘，获得最终的N路分离信号；步骤5、对步骤4中所得的最终的N路分离信号进行帧头突发检测、频偏估计、符号定时同步和白化滤波处理，最后利用维特比算法进行译码处理，得到个AIS信号的数据帧。2.根据权利要求1所述的基于改进人工蜂群算法的星载AIS碰撞信号分离方法，其特征在于，步骤3的具体过程为：步骤3.1、人工蜂群算法初始化：随机产生FN个D维蜜源(即分离矩阵元素)作为蜂群的初始蜜源式中，i∈{1,2,…,FN}，j∈{1,2,…,D}，Θij为第i个蜜源的第j维，为[0,1]内均匀分布的随机值，θmax为蜜源最大值，θmin为蜜源最小值；设置最大迭代次数maxCycle，局部搜索限制次数maxLocal和每个蜜源捜索限制次数limit；以及L-BFGS的记忆长度m；步骤3.2、雇佣蜂阶段：雇佣蜂首先根据邻域搜索策略在蜜源附近搜索到新蜜源，式中，k∈{1,2,…,FN}，i≠k，j∈{1，2,…,D}，j和k均为随机值，Θij与θij分别为第i个新旧蜜源的第j维；将其作为初始值传递给L-BFGS进行快速寻优，直至达到局部搜索限制次数：目标函数选用信号的峭度，即随机变量y的四阶累积量：kurt(y)＝E{y4}-3(E{y2})2在E(yyT)＝I的约束条件下，峭度越大说明分离信号的独立性越好；将蜜源代入初始点x0，采用回溯线性搜索xk+1＝xk+λkdk，迭代点xk,k＝1,2K，λk为此次迭代的步长，dk为搜索方向；令梯度其中f(g)为目标函数，则有搜索方向位移差sk＝xk+1-xk，梯度差yk＝gk+1-gk；L-BFGS通过双循环递归更新搜索方向：令q＝gk、首先进行后向循环，当i＝k-1,K,k-m时：q＝q-αiyi；再进行前向循环，令r＝D·q，当i＝k-m,K,k-1时：r＝r+si(αi-βi)，结束循环后，由式dk＝-r可直接求得新的搜索方向，而在该搜索方向上的迭代步长λk通过线搜索获2CN110060510A权利要求书2/2页得；通过上述双循环递归的L-BFGS算法对目标函数进行局部寻优；计算寻优所得蜜源的适应度值F(Θi)进行贪婪选择，f(Θi)为目标函数，若小于原蜜源，则接受新蜜源，否则丢弃该蜜源；步骤3.3、观察蜂阶段：通过概率计算根据轮盘赌方式选择蜜源，蜜源被选概率算法采用轮盘赌的方式，随机生成轮盘赌算子ri∈[0,1]，若ri＜P(Θi)时选择该蜜源，按照公式生成新的邻近蜜源将其传递给L-BFGS，采用L-BFGS在限定次数内对目标函数进行搜索；计算寻优所得蜜源的适应度