基于人工蜂群算法的FRM信道化设计

赵小琪, 曲海山, 张文旭, 何俊希, 王 哲

(1.哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨 150001;2.哈尔滨工程大学先进船舶通信与信息技术工业和信息化部重点实验室,黑龙江 哈尔滨 150001;3.上海无线电设备研究所,上海 201109)

0 引言

电子对抗也称电子战。电子战双方采取一系列措施和行动,目的是破坏对方电子系统和电子设备使用性能,同时保护己方战斗力。接收机是电子对抗系统中的关键设备,极具研究发展空间。在现代化战争中,传输的信号在时间上密集且形式复杂,需要接收机能够实时接收并处理大的瞬时宽带信号,同时具有动态范围大、灵敏度高等特性,能在复杂电磁环境下有效截获信号[1]。信道化接收机是目前唯一一种既可工程化,又能满足电子战需求的宽带接收机。

数字信道化接收机在保持信道化接收机高性能的同时,通过数字化提高接收机的灵活性与稳定性,减小输出信号带宽,降低对后端数据处理速率的要求[2]。数字信道化接收机的发展热点是低时延与低资源消耗,其中数字信道化滤波器组结构为重点优化对象。

WU等[3]对基于频率响应屏蔽(frequency response masking,FRM)的窄带余弦调制滤波器组进行了FPGA实现,证明了在窄带数字信道化设计中应用FRM技术可以降低硬件复杂度。SHARMA等[4]将粒子群算法与共同子表达式相结合,在优化有限脉冲响应(FIR)滤波器性能的同时,节省了工程实现时所需加法器的数量。随着宽带数字接收机与信号处理需求的日益增大,信道间窄过渡带化及工程低复杂度化成为数字信道化技术的研究重点[5]。本文提出一种基于人工蜂群(artificial bee colony,ABC)的优化算法,对FRM信道化结构进行低复杂度和低延时的优化设计。

1 基于FRM的信道化结构

信道化设计中所用原型滤波器的性能是影响信号重构效果的重要因素之一。滤波器特性越理想,过渡带越窄,重构效果越好。如何在不增加硬件复杂度的前提下使滤波器的过渡带变窄,成为重点关注的问题。FRM技术就是众多窄过渡带滤波器的设计方法之一。

FRM技术的基本原理是对原型滤波器进行插值,获得窄过渡带,然后利用两个屏蔽滤波器将多余的镜像频带屏蔽掉[6]。FRM滤波器的表达式为

式中:Fa′(z)和F′c(z)是一组互补的FIR原型滤波器Fa(z)和Fc(z)经P倍插值后得到的插值滤波器;FMa(z)和FMc(z)分别为对应的屏蔽滤波器。

Fa(z)与Fc(z)的关系可以表示为

式中:La为滤波器Fa(z)的长度。

对Fc(z)进行P倍插值,插值滤波器F′(z)的表达式为

对屏蔽滤波器FMa(z)进行多相表示

式中:FMa,l(zN)为FMa(z)的多相分量,其中N为信道数。

FMa(z)经复指数调制,进一步可得到

式中:WkN=exp(j 2 πk/N)为数字信道化调制因子,其中k(k=0,1,…,N-1)为数字信道化结构中的信道编号。屏蔽滤波器FMc(z)与FMa(z)同理。将FRM技术与多相信道化结构相结合,即可得到基于FRM的多相数字信道化结构。这种结构在降低计算复杂度的同时,实现了窄过渡带信道的设计目标。基于FRM的数字信道化结构如图1所示。输入信号为x(n),输出信号为y0(n),y1(n),…,yN-1(n),I DfT表示对信号进行离散傅里叶逆变换。将D倍抽取模块放置在滤波器组结构之前,可降低其采样率。

图1 FRM数字信道化结构

2 基于ABC算法的FRM滤波器组优化设计

2.1 ABC算法原理

仿照自然界蜂群的结构,ABC算法搜索蜜源的过程中会利用到3种蜂:工蜂、侦察蜂和观察蜂。通过相互之间的信息交流与合作,以最高效率来寻求最优解[7]。人工蜂群算法对蜜源的寻找与确定主要分为3步:

a)工蜂对每个初始蜜源进行侦察与探测,并记录蜜源花蜜量;

b)搜索蜜源工作完成后,工蜂与观察蜂共享蜜源信息,观察蜂对蜜源信息进行优劣对比,择优选择蜜源进行采蜜;

c)将采蜜后的蜜源舍弃,此蜜源的工蜂转换为侦察蜂角色,继续寻找新蜜源。

利用ABC算法解决函数问题时,两者具有一一对应关系:蜂群寻找蜜源行为对应函数优化问题,蜜源位置对应可行解,蜜源收益对应解的优秀程度,寻找蜜源的速度对应解的优化程度,截止到本代的最优蜜源位置对应局部最优解,蜜源最优位置则对应最优解[8]。

实现过程中,ABC算法首先随机生成N个D维初始解,组成初始种群,初始解即为蜜源初始位置。3种蜂分工合作、不断迭代。工蜂计算当前蜜源的花蜜量并分享给观察蜂,观察蜂依据轮盘赌规则选出具有特定概率值的蜜源继续完成后续操作。与此同时工蜂和观察蜂会对解集进行修改,对蜜源位置进行更新,开始进行寻找新蜜源的工作,并对蜜源质量进行评估。一个蜜源的位置可以表示为,其中D为蜜源位置维数。则第i个蜜源第t次迭代的位置可以表示为,其中和Ud分别表示蜜源位置搜索空间的下限与上限。

对第i个蜜源的位置进行初始化

式中:r a n d(0,1)表示[0,1]范围内的随机数。

对第i个蜜源第t次迭代的位置更新

式中:λ为扰动幅度,取值为[-1,1]之间的均匀分布的随机数;代表随机选择的邻域蜜源位置,其中邻域蜜源号,且j≠i,代表在N个蜜源中再随机选择一个蜜源。

工蜂在第t次迭代确定为蜜源的选择概率

2.2 FRM滤波器组的优化

滤波器的优化设计涉及多维度目标的组合优化,以利用高效的优化算法来寻求最优解为目标,ABC算法恰好能满足这类需求。寻找全局最优蜜源即对应寻找问题的全局最优解。采用ABC算法对FRM滤波器组进行优化主要分为以下6个步骤。

(1)蜜源初始化

根据实际要求确定FRM滤波器组中的原型滤波器、上支路屏蔽滤波器及下支路屏蔽滤波器的通带截止频率和阻带起始频率参数,利用频率抽样法计算FRM多相数字滤波器组中各个滤波器的系数,作为人工蜂群算法的初始蜜源。一组蜜源代表一组可能的优化解组合。

(2)蜜源优先排序

算法初始化时,令蜜源的数量大于工蜂数量,且为其整数倍,以便获得更大的蜜源搜索范围,获取更好的解方案。评估蜜源的花蜜量,既适应值,对适应值高的蜜源继续进行优化。优先排序的蜜源数量等于工蜂数量。

(3)工蜂

工蜂在邻域蜜源中选择一个蜜源,并评估其适应值。为了获得新的评估源,第i个蜜源的工蜂会随机选择该蜜源位置第m个维度的参数进行更新。邻域中新蜜源第m个维度的新参数计算公式为

其中

上述方法虽然可以确保生成的候选解集仍在搜索空间内(全部蜜源),但还需要建立两个约束以确保新的候选解不会超出系数值的边界。令vlb为蜜源参数的最低边界,vub为蜜源参数最高边界,若则令;若vub,则令计算新蜜源的适应值后,工蜂运用贪婪机制选择适应值更好的蜜源作为新蜜源。

(4)观察蜂

观察蜂对它收集到的所有工蜂提供的花蜜信息进行评估,根据花蜜量选择蜜源。蜜源花蜜量越高,拥有的观察蜂越多。观察蜂根据花蜜量信息修改解集方案,并运用贪婪机制进行新旧蜜源的判断与交换。

(5)侦察蜂

若当前蜜源的花蜜量经过一定迭代次数的循环和替换后并没有增加,则舍弃该蜜源。同时侦察蜂会寻找随机生成的新蜜源进行后续计算。经过以上5个步骤的计算后得到的最优解会被记录并储存。

(6)优化终止

重复进行步骤(1)至步骤(5),直到算法计算得到的误差值满足要求,终止计算。计算得到各个滤波器系数的最优解,从而完成FRM滤波器组的优化设计。

滤波器系数优化流程如图2所示。

图2 滤波器系数优化流程图

3 仿真与实现

3.1 基于ABC算法优化的FRM滤波器仿真

对基于ABC算法优化的FRM滤波器组进行仿真。结构中原型滤波器、上支路屏蔽滤波器与下支路屏蔽滤波器的通带截止频率、阻带起始频率、阻带衰减和阶数等参数如表1所示,且通带纹波均为0.01DB。

表1 FRM滤波器参数

当ABC算法迭代次数为300次,工蜂与侦察蜂共100只,蜜源取值范围为[-1,1]时,经ABC算法优化及经典频率抽样法设计的FRM滤波器幅频特性如图3所示。对比可知,利用ABC算法对FRM滤波器参数进行优化,可以在阶数不变或更低的条件下,增大滤波器的阻带衰减,从而提高数字信道化性能。

图3 优化后的FRM滤波器幅频特性

设采样率为1.92GH z,子频带个数为16,抽取倍数D=16。仿真输入信号参数如表2所示。

表2 输入信号参数

输入信号经过数字信道化结构后得到的有用信号子信道频谱如图4所示。

3.2 基于ABC算法优化的FRM滤波器的FPGA实现

System Generator工具提供了使用FPGA构建、合成和验证系统的手段[9]。利用System Generator对基于ABC算法优化的FRM滤波器结构进行FPGA实现。首先对信号进行延时抽取,对上下支路的原型滤波器进行处理,再分别经过上下支路的屏蔽滤波器,最后经过快速傅里叶逆变换(IFFT)模块完成处理流程[10]。

System Generator实现FRM滤波器组需要搭建上下支路原型滤波器模型。上支路滤波器的优化系数由Matlab软件计算得到。为了在缩短计算时间的同时进一步减少硬件实现所占资源,滤波器的硬件实现采用分布式结构。各个滤波器的输出位宽统一为16b i t,当输出不足16b i t时进行左移处理,以此来避免滤波器全精度输出时数据位宽不相等的情况发生。下支路原型滤波器可由输入数据经过延时与上支路原型滤波器做差得到,并在下支路添加相应延时模块,使上下支路计算群延时相等[11]。

上下支路的屏蔽滤波器设计也是利用Matlab软件计算得到优化后的系数,进而对系数进行多项分解,最后导入到System Generator对应的FIR Compiler IP核中实现。处理过程中依旧需要考虑输出结果位数对齐问题。

图4 有用信号子信道输出信号幅频特性图

将上下支路屏蔽滤波器的输出结果进行相加整合,完成FRM滤波器输出。首先利用Bitshare模块与并串转换模块将滤波器输出的16路并行数据转换为单路串行数据,再将数据输入IFFT模块,最后利用串并转换模块完成单一数据对各路子信道数据的转化。

对基于ABC算法优化的FRM数字信道化结构进行FPGA仿真,输入的混合信号参数见表2。对比数字信道化Matlab仿真结果与硬件实现结果的差异,两种方式的输入信号频谱峰值位置一致,且峰值幅度接近、幅频特性基本一致。但由于硬件仿真对输入信号进行了定点量化,因此输出数据会产生量化误差。

对基于ABC算法优化的FRM数字信道化结构与经典的未进行人工蜂群算法优化的FRM数字信道化结构的资源利用与时延情况进行对比,如表3所示。可见,基于ABC算法优化的FRM结构使用的寄存器、查找表与占用区域数量更少,电路延时更小,实现了更低的资源消耗与时延。

表3 资源利用对比表

4 结论

针对数字信道化中窄过渡带滤波器复杂度高的问题,本文提出了基于人工蜂群算法的FRM信道化设计方法,并进行了Matlab仿真和FPGA实现,验证了其正确性。该方法可节省寄存器的使用数量,节约了硬件资源,减小了时延。但FRM技术在原型滤波器的设计上具有一定的局限性。由于采用了均匀划分信道的方式,信道化接收机存在接收盲区,对于一般信号接收能力的适应性有待提高。后续可以将优化结构推广至动态非均匀信道化结构中,进一步进行资源优化。