基于差分进化狼群算法的欺骗干扰识别方法

摘要

本发明公开了基于差分进化狼群算法的欺骗干扰识别方法，按如下步骤进行：第一步：将发射机和干扰机等效为无记忆多项式模型；第二步：将无线传输信道等效为FIR滤波器模型；第三步：对整个通信传输系统进行建模；第四步：接收机根据接收到的数据码元y(n)，估计得到发射端的C/A码，根据输入输出利用差分进化狼群算法进行系统辨识，得到模型参数的估计值；第五步：在利用差分进化狼群算法获得系统参数的估计值之后，采用直观的欧氏距离检测法进行识别，判决准则为：

主权项

基于差分进化狼群算法的欺骗干扰识别方法，其特征是按如下步骤进行：第一步：将发射机和干扰机等效为无记忆多项式模型$\begin{array}{c}f\left(d\right(n\left)\right)=b_{1}d\left(n\right)+b_{3}d\left(n\right)|d\left(n\right){|}^2+b_{5}d\left(n\right)|d\left(n\right){|}^4+\mathrm{...}+b_{2m-1}d\left(n\right)|d\left(n\right){|}^{2m-2}\\ =\underset{i=1}{\overset{M}{\Sigma }}{b}_{2i-1}d\left(n\right)|d\left(n\right){|}^{2i-2}\end{array}---\left(1\right)$其中，M是多项式系数个数，d(n)是输入信号，b_k是多项式系数。另外，在不改变系统特性的情况下，为了确定系统的唯一性，令b₁＝1。第二步：将无线传输信道等效为FIR滤波器模型$y\left(n\right)=\underset{k=0}{\overset{N-1}{\Sigma }}{h}_{k}x(n-k)+w\left(n\right)---\left(2\right)$上式中，h_k是信道响应系数，N是FIR滤波器的阶数，w(n)～N(0,σ²)是加性高斯白噪声，x(n)是输入信号,y(n)为接收机接收到的信道输出信号。第三步：对整个通信传输系统进行建模$y\left(n\right)=\underset{k=0}{\overset{N-1}{\Sigma }}{h}_k\underset{i=1}{\overset{M}{\Sigma }}{b}_{2i-1}|d(n-k){|}^{2i-2}d(n-k)+w\left(n\right)---\left(3\right)$第四步：接收机根据接收到的数据码元y(n)，估计得到发射端的C/A码，根据输入输出利用差分进化狼群算法进行系统辨识，得到模型参数的估计值，具体步骤如下：步骤1，数值初始化初始化狼群中人工狼位置X_i及其数目N，最大迭代次数k_max，探狼比例因子α，最大游走次数T_max,距离判定因子w，步长因子S，更新比例因子R；步骤2，选取最优人工狼为头狼，除头狼外最佳的S_num匹人工狼为探狼并执行游走行为，直到某只探狼侦察到的猎物气味浓度Y_i大于头狼所感知的猎物气味浓度Y_lead或达到最大游走次数T_max，则转步骤3。步骤3，人工猛狼据式(4)向猎物奔袭，若途中猛狼感知的猎物气味浓度Y_i＞Y_lead,则Y_lead＝Y_i，替代头狼并发起召唤行为；若Y_i＜Y_lead，则人工猛狼继续奔袭直到d_is＜d_near，转步骤4。$X_i^{k+1}=X_i^k+{\mathrm{step}}_b(G^k-X_i^k)/|G^k-X_i^k|---\left(4\right)$式中，step_b是召唤行为的步长，G^k是第k次迭代中头狼的位置，是第k次迭代中第i头狼的位置。步骤4，按式(5)对参与围攻行为的人工狼的位置进行更新，执行围攻行为。$X_i^{k+1}=X_i^k+\lambda ·{\mathrm{step}}_c·|G^k-X_i^k|---\left(5\right)$式中，step_c是围攻行为的步长，λ是一个随机数，且λ～U[‑1,1]。步骤5，对这狼群进行差分变异。对种群中每个个体X_i，随机生成三个互不相同的整数r₁,r₂,r₃∈{1,2,…,N}，且要求i,r₁,r₂,r₃这四个数互不相同，然后按(6)式生成变异个体$V_i=X_{r_1}+F·(X_{r_2}-X_{r_3})---\left(6\right)$式中，F是变异尺度系数，V_i是变异个体，是根据r₁,r₂,r₃所选的三个个体，若所生成的变异个体超出了解空间范围，则随机产生一个变异个体来代替。步骤6，对这狼群进行交叉操作。交叉操作按每个个体向量的分量进行。将变异产生的变异个体与目标个体按照下面的公式进行交叉操作，具体执行过程如下：首先生成一个随机整数randn_i，然后对变异个体V_i和种群的目标个体X_i按式(7)得到试验个体为了保证个体的进化，首先通过随机选择使U_i至少有一位由V_i贡献，其它位由交叉概率CR来决定具体哪位由X_i贡献哪位由V_i贡献：式中rand_j是位于[0,1]间的均匀分布的随机实数，而randn_i是属于{1,2,…D}内随机产生的维数索引号，其保证了至少有一位由变异向量贡献。此处CR为交叉概率因子，也是位于[0,1]间的一个常数。差分进化算法引入交叉操作是为了增加种群的多样性。步骤7，对狼群进行选择操作：采用的是“贪婪选择”策略，经变异以及交叉操作后生成的候选个体U_i与目标个体X_i进行竞争：$X_i=\left\{\begin{array}{cc}{U}_i& f\left(U_i\right)\ge f\left(X_i\right)\\ X_i& f\left(U_i\right)<f\left(X_i\right)\end{array}\right.---\left(8\right)$上式中，f是适应度函数，在U_i和X_i中选择适应度函数值最优者作为新的个体，替换原来的个体。需要指出的是式(8)适合最大化。步骤8，按“胜者为王”的头狼产生规则对头狼位置进行更新。步骤9，判断是否达到优化精度要求或最大迭代次数T_max，若达到则输出头狼的位置，即所求问题的最优解，否则转步骤2。第五步：在利用差分进化狼群算法获得系统参数的估计值之后，采用直观的欧氏距离检测法进行识别，判决准则为：$|\hat{\theta }-{\theta }_1|\underset{H_1}{\overset{H_0}{\begin{array}{c}>\\ <\end{array}}}|\hat{\theta }-{\theta }_2|$其中，假设H₀表示接收机接收到的是欺骗干扰信号，H₁表示接收机接收到的信号是真实信号。式中，θ₁为GPS发射机系统参数向量，θ₂为干扰机系统参数向量，是根据系统的输入输出估计得到的参数向量。