基于粒子群优化的蚁群算法在战场电磁频率分配中的应用

李东海,王勇军

(解放军91404部队,河北秦皇岛　066000)



基于粒子群优化的蚁群算法在战场电磁频率分配中的应用

李东海,王勇军

(解放军91404部队,河北秦皇岛066000)

摘要:为对战场电磁频率进行有效分配以减少用频设备间的相互干扰,提出了将一种基于粒子群优化的蚁群算法应用于频率分配的方法。首先介绍了战场频率管控流程的相关内容,并以干扰度最低为目标函数,使用基于粒子群算法优化的蚁群算法进行频率分配管理。粒子群算法优化蚁群算法中启发信息的权重及信息素挥发系数,作为粒子群位置和速度参数进行初始化,将粒子群算法生成的分配结果作为蚁群算法的初始信息素,利用蚁群算法较强的寻优能力寻找最佳分配方案。实验结果验证了该算法和模型的可行性。

关键词:电磁频率分配;电磁兼容性分析;粒子群算法;蚁群算法

在现代作战环境中,作战双方为确保正确获得战场综合信息并保证各部队间安全有效的协同作战和合成指挥,将数目极多的无线电子装备运用于战场,导致战场电磁环境复杂度极高。高技术条件下,作战体系中导航定位、军事通信、情报侦察、预警探测、指挥控制、制导武器等分系统的正常运转,都必须依赖频谱资源,但频谱资源极其有限,若没有有效的管理手段,不同分系统将会相互干扰,对作战造成较坏的影响甚至导致作战能力的丧失,因此现代战争中必须保证无线电频谱的正确管理和频谱资源的有效使用[1]。战场频谱管理的研究,旨在研究科学合理的频谱管理手段,为现代战场中不同武器系统分配相应的频率或频段,防止设备之间的相互干扰,确保无线设备间的通信畅通,其主要方法手段是频率分配,目前常用的频率分配方法有遗传算法、粒子群算法、蚁群算法等,这些算法各有优点与不足,如遗传算法在全局内随机搜索,但未能充分考虑个体间的相互联系,缺乏对个体多样性和群体收敛性动态平衡等因素的调整,而蚁群算法同样缺乏合理的机制来维持频率分配结果的多样性及收敛性间的动态平衡,容易出现过早收敛于非全局最优解的情况,粒子群算法则在离散化问题上优化潜力不足,易陷入局部最优值。本文在先前研究的基础上,综合使用蚁群算法和粒子群算法对频率进行分配,以粒子群算法生成初始结果,再将初始分配结果作为蚁群信息素进行蚁群算法优化,从而提高分配效率和效果,并进行性能验证。

1频率管控流程

现代战争战场电磁环境复杂,频谱管理呈现出以下特点[2]:1)各类信息装备密集,频谱管理难度高;2)信息业务种类繁多,频谱管理组织复杂;3)频谱资源争夺激烈,频谱管理任务艰巨;4)军用民用频谱交叠,频谱管理协调繁重。针对这些特点, 无线电频谱管控需要电磁环境监测方法管理和监督用频装备的使用和设置,并制定统一规划和频谱分配制度来保持用频秩序,从而确保各种无线电设备的正常工作。无线电频谱管控流程主要包括:1)通过全方位、大纵深、立体化的无线电频谱感知网络监控设备的频率使用情况;2)建设智能化、分布式的用频信息处制决策网络;3)选取最优频率分配方法实现频谱动态分配和频率信息注入,为战场用频设备如雷达系统、导航系统、多谱传感器系统、遥测系统、定位系统和无线电通信系统等提供正确有效的频谱接入和频率信息支持。通过这些管控流程协调各种用频设备的业务关系、消除我方各种用频设备的相互干扰,实现对频谱资源的有效利用。

1.1频谱监测

频谱监测是实现频率管控的基础,通过合理配置布放功能完善的频谱监测设备和配套设施,建立起完善的频谱监测网络,对电磁信号进行测量、监视并计算各用频设备电磁信号的载频、带宽和频偏,汇总统计频谱使用状况,并对干扰源进行定位,同时统计分析监测网络和电离层斜射仪的短波信息,为频率分配和干扰诊断提供数据依据。频谱监测数据主要有:1)信号出现时间和样式;2)实际频谱占用度和核准占用度数据;3)信号之间和信号内部的干扰数据、偏离核准发射参数;4)非法发射源的发射参数和位置数据等。

1.2电磁兼容性分析

电磁兼容(Electromagnetic Compatibility, EMC)性分析[3]是频率分配和频谱管控的主要依据,主要通过时间、空间和频率这三维层面统计分析各用频设备间的电磁隔离度,分析设备间电磁干扰的影响范围和强度大小,评估电磁干扰的影响程度。EMC分析必须贯穿于频率管控的各个环节,是完善的频率管控的基础,也是分析干扰和排除干扰的主要方法,EMC分析主要包括三项工作:1)建立频谱管理配套的数据库;2)构建具有一定频段范围和业务管理范围的电波传播模型;3)设立准确、立体的专用地理信息系统平台。通过一系列措施,EMC才能有效地管理频谱,分析并排查干扰。

1.3频谱管控方案

信息化作战训练中制定训练方案和计划必须有科学严谨的频谱管控方案,频谱管控方案主要有频谱管理计划、频率使用计划和频谱处置预案等,其实施步骤包括:1)收集训练地域的电磁环境信息,评估电磁环境态势;2)汇集各业务设备频谱需求,制订频谱管理事项;3)综合训练方案出具频率使用方案,包括频段的使用时间、分配、限制频段和保护频段等内容。

1.4频率分配方法

制订科学合理的频率分配方案必须汇总分析两种资源:1)频谱资源,主要是扣除强干扰频率、保护频率、限制频率和上级已使用频率后的频谱资源;2)各业务装备的频谱需求。统计频率资源和频率需求后,根据优先级顺序为最高级业务分配频段,以保证无线电通信业务畅通,再使用优化算法分配频率,确定备用频设备的频率使用方案。本方法主要使用蚁群算法和粒子群算法联合优化算法。

2干扰最小的频率分配模型

频率分配的常用目标函数包括占用频率资源最少、干扰度最低、带宽最小、干扰优先次序和通信效果最优等,其中最热点的是以频率复用为核心的频率规划技术,即将同一频率作为不同扇区的载频同时保证这些扇区的同频干扰因距离足够而保持在可接受的水平,频率利用技术有效提高了频谱使用效率,但可能会造成不同小区间的邻频干扰和同频干扰[4]。

(1)

(2)

(3)

若需对第i个小区的所有无线电频率进行重新分配,可将所有需用频率视作变量,将Ri作为干扰评价函数,则频率分配的目标是最小化Ri,为进一步简化模型不考虑频率分配的约束条件,则整个作战区域n个小区的频率分配目标为

(4)

3粒子群优化的蚁群算法及其应用

3.1蚁群算法

蚂蚁觅食时会沿途释放信息素,路径信息量越大蚂蚁越可能走,从而释放更多的信息素,这样造成一个良性循环,蚁群算法是模拟蚁群觅食行为方式的优化算法[6]。将蚁群算法优化粒子群算法,完成最小化干扰度。

蚁群算法主要分为三个流程:初始化,信息素更新,求得最优解。在初始化时,将粒子群算法生成的结果进行加强,使蚁群算法的收敛速度加快尽快得到最优解,通过实验测得加强倍数为5.5时效果较优,在调度算法中采用加强位数为5.5。

在信息素更新前,蚂蚁将会沿路径行走,设在t时刻第k个蚂蚁爬到节点xij的转移概率如式(5)所示。

(5)

(6)

3.2粒子群算法

(7)

粒子的速度和位置迭代公式如式(8)、(9)所示。

(8)

(9)

3.3优化蚁群算法

蚁群算法易陷入局部的极值点,易对模型造成不利的影响,为了解决这个问题,使用粒子群算法对其进行优化,即使用粒子群算法优化蚁群算法中启发信息的权重β及信息素挥发系数ρ,作为粒子群位置和速度参数进行初始化,将粒子群算法生成的分配结果作为蚁群算法的初始信息素,利用蚁群算法较强的寻优能力寻找最佳分配方案,从而提高蚁群算法寻优的快速性。优化蚁群算法应用于电磁频率分配的流程如图1所示。

图1　基于蚁群优化算法的电磁频率分配流程图

4性能验证

设定作战区域有20个用频设备需要进行频率分配,分配的频段范围是[Fmin,Fmax]。为便于统筹管理,将[Fmin,Fmax]划分为60个子频段,并等间隔地各取3段划分给各用频设备,这样可避免小区内部频率间隔的限制,同时使同频干扰和邻频干扰的约束降低到较小的程度。

设定粒子群算法的群体规模为60,迭代次数为60,蚁群算法的群体规模为60,α=β=1,ρ=0.15,迭代次数为60,可得作战区域内的干扰的仿真结果,为便于对比,将复合算法的仿真结果与粒子群算法的结果进行比较,如图2所示。

图2　仿真结果

由图2可知,使用了基于粒子群优化的蚁群算法进行频率分配后,整个作战区域的干扰数目快速降低,在10次迭代前就可以降低到较低的程度,此后随着迭代次数的增加以较小幅度降低,但迭代到40次以后干扰数目不再变化,即使继续迭代至60次,干扰数目仍然难以下降到0,说明作战区域的频率干扰难以完全消除,但与粒子群算法优化的结果比较,复合算法优化的过程中先用粒子群算法为蚁群算法分配较优的信息素,再利用蚁群算法寻找最佳分配方案,从而提高蚁群算法寻优的快速性,确实使算法的性能得到了较大的提高,可以使运行结果较快地达到较好的结果。

5结束语

频谱管控和频率管理是信息化作战条件下作战区域管理和无线电传输的一项重要内容和基础保障条件,本文在分析无线电作战的基础上,对频率管控的流程进行了初步探讨,并以干扰最小化为目标,使用基于粒子群优化的蚁群算法进行频率分配。仿真结果表明该算法具有一定的成效,但仍难以完全消除区域干扰,这也说明了频率分配是一项非常复杂且困难的工作,以后将继续优化算法模型以取得更好的效果。

参考文献:

[1]罗文坚,曹先彬,王煦法.用一种免疫遗传算法求解频率分配问题[J].电子学报,2003,31(6):915-917.

[2]陈自卫,石雄.基于遗传算子的粒子群算法在战场频率分配中的应用[J].舰船电子工程,2010,30(3):73-76.

[3]王新增,刘佳楠,肖金保，等.基于粒子群算法的电磁频谱分配方法研究[J].现代电子技术,2013,36(17):5-8.

[4]李新生,宋博,唐红等.复杂电磁环境下联合作战战场电磁频谱管理研究[J].河北科技大学学报,2011,32(12):5-8.

[5]柴宝杰,刘大为.基于粒子群优化的蚁群算法在TSP中的应用[J].计算机仿真，2009,26(8):89-92.

[6]王先义,陈丹俊,刘斌，等.复杂电磁环境战场频谱管理[J].中国电子科学研究院学报,2008,3(4):338-344.

Application of Ant Colony Algorithm Based on Particle Swarmin Frequency Assignment on Battlefield

LI Dong-hai， WANG Yong-jun

(the Unit 91404 of PLA, Qinhuangdao 066000, China)

Abstract:The multiple optimization method for frequency assignment is put forward to solve the inter-interference of the radio equipment on the battlefield. The relevant content of battlefield frequency-control process is introduced and the minimum interference is used as the objective function. For optimizing the ant colony algorithm the particle swarm algorithm is initialized by setting the weight of the heuristic information and pheromone volatilization coefficient as the location and velocity. The distribution result of the particle swarm algorithm is used as the initial pheromone of ant colony algorithm to search the optimal scheduling scheme. The experiment result proves the feasibility of the model and the algorithm.

Key words:frequency assignment; electromagnetic compatibility analysis; particle swarm algorithm; ant colony algorithm

中图分类号:TN974；E917

文献标志码:A

DOI:10.3969/j.issn.1673-3819.2016.02.011

作者简介：李东海(1975-),男,河北玉田人,硕士研究生,工程师,研究方向为雷达对抗。王勇军(1978-),男,工程师。

收稿日期：2015-11-16

文章编号：1673-3819(2016)02-0048-04

修回日期： 2015-12-09