复杂环境下的冗余通信系统技术研究与实现

发布时间：2018-06-24 12:13

  本文选题：冗余 + 粒子群算法　； 参考：《西安电子科技大学》2014年硕士论文

【摘要】：随着时代的发展,科技的进步,各行各业对通信质量的要求也越来越高,尤其是在复杂环境下,以信息战为核心的未来高技术战争中,通信系统作为核心部分,其地位和作用日趋突出。加快通信装备形成和提高战斗威慑力,提高新型机载系统的自身可靠性、通信的有效性和可靠性是未来战争对通信建设的现实要求。在有限的空间环境下,为了保证通信的可靠性和有效性,一个很好的保障措施即是引入数据冗余。本文结合数据冗余技术,研究了粒子群智能优化算法,设计了一套多DSP数据冗余通信系统。智能算法中的粒子群优化(Particle Swarm Optimization,PSO)算法是一种基于群体智能理论的优化算法,得到了众多学者的广泛研究与认可。传统的PSO不能有效地拓展到离散及组合优化领域,迭代过程中并不能反映出这些变量之间的顺序或者其他约束关系。为克服传统粒子群优化算法的局限性,分析传统PSO的优化机理,本文在此基础上进行了改进。改进后的粒子群算法能够跟踪其个体极值和群体极值,从而获得更新信息,并在此基础上进行寻优搜索,这种更新方法本质上更适合于连续优化问题的求解。针对实际的复杂电磁环境,本文建立了通信系统可靠性优化模型并引入了满意优化理论,这样可以得到一个更加优化合理的可行解。在此基础上构建了综合满意度模型,提出了可靠性计算模型,运用改进的广义粒子群优化算法在高性能的DSP芯片基础上进行运算,依靠整个种群中最优粒子的位置信息共享和个体粒子间的信息相互交换来达到整个种群的共同演化,得到通信的可靠有效信息,完成通信任务。由于本通信系统方案采用的是模块化设计,所以具有良好的通用性和扩展性,即使将通信系统置于不同的应用环境中,只要调整数据冗余方法的相关参数,仍然能保证通信系统的高可靠性,因而采用数据冗余方法能大大降低整个通信系统的硬件成本。为了更好的监测系统工作状态,了解有可能导致系统故障的问题所在,本通信方案增加了故障信息存储模块,它能够存储至少3次最近发生的故障前10秒关键信息数据。研究人员可以随时通过通信对存储信息进行下载解析,研究故障发生原因,进而对系统能够更好的升级与维护,保持并进一步提高系统可靠性。实验数据表明,该方案能够在空间和时间有限的情况下,基于可靠性优化模型,运用粒子群算法,能够保证通信系统的高可靠性。
[Abstract]:With the development of the times and the progress of science and technology, all walks of life have higher and higher requirements for the quality of communication, especially in the complex environment, in the future high-tech war with information warfare as the core, the communication system is the core part. Its status and role are becoming increasingly prominent. To speed up the formation of communication equipment and improve the combat deterrence, improve the reliability of the new type of airborne system, the effectiveness and reliability of communications are the practical requirements of the future war to the construction of communications. In a limited space environment, in order to ensure the reliability and effectiveness of communication, a good safeguard is to introduce data redundancy. In this paper, the Particle Swarm Optimization (PSO) algorithm is studied based on data redundancy technology, and a multi-DSP data redundancy communication system is designed. Particle swarm optimization (PSO) algorithm is an optimization algorithm based on swarm intelligence theory, which has been widely studied and recognized by many scholars. Traditional PSO can not be effectively extended to the field of discrete and combinatorial optimization, and the order of these variables or other constraints can not be reflected in the iterative process. In order to overcome the limitation of traditional particle swarm optimization algorithm and analyze the optimization mechanism of traditional PSO, this paper improves on it. The improved particle swarm optimization (PSO) algorithm can track the individual extremum and the population extremum so as to obtain the updated information and search for optimization on this basis. This updating method is more suitable for solving continuous optimization problems in essence. In view of the complex electromagnetic environment, the reliability optimization model of communication system is established and the satisfactory optimization theory is introduced. Thus, a more reasonable and feasible solution can be obtained. On this basis, the comprehensive satisfaction model is constructed, and the reliability calculation model is proposed. The improved generalized particle swarm optimization algorithm is used to perform the operation on the basis of high performance DSP chip. The common evolution of the whole population can be achieved by sharing the position information of the optimal particles in the whole population and exchanging the information among individual particles to obtain reliable and effective information for communication and to complete the communication task. Because of the modularization design, the communication system has good generality and expansibility. Even if the communication system is placed in different application environment, it is only necessary to adjust the relevant parameters of the data redundancy method. It can still guarantee the high reliability of the communication system, so the hardware cost of the whole communication system can be greatly reduced by using the method of data redundancy. In order to better monitor the working state of the system and understand the problems that may lead to the system failure, this communication scheme adds the fault information storage module, which can store the critical information data 10 seconds before at least 3 recent failures. Researchers can download and parse the stored information through communication at any time, study the cause of failure, and then upgrade and maintain the system better, maintain and further improve the reliability of the system. Experimental data show that the proposed scheme can guarantee the high reliability of the communication system based on the reliability optimization model and particle swarm optimization algorithm under the condition of limited space and time.
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TN914;TP18

【相似文献】

中国期刊全文数据库 前10条

1 秦玉灵;孔宪仁;罗文波;;混沌量子粒子群算法在模型修正中的应用[J];计算机工程与应用;2010年02期

2 陈治明;;新型量子粒子群算法及其性能分析研究[J];福建电脑;2010年05期

3 牛永洁;;一种新型的混合粒子群算法[J];信息技术;2010年10期

4 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

5 刘衍民;赵庆祯;邵增珍;;一种改进的完全信息粒子群算法研究[J];曲阜师范大学学报(自然科学版);2011年01期

6 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[J];计算机工程与应用;2011年05期

7 熊智挺;谭阳红;易如方;陈赛华;;一种并行的自适应量子粒子群算法[J];计算机系统应用;2011年08期

8 孟纯青;;非线性粒子群算法[J];微计算机应用;2011年08期

9 任伟建;武璇;;一种动态改变学习因子的简化粒子群算法[J];自动化技术与应用;2012年10期

10 刘飞,孙明,李宁,孙德宝,邹彤;粒子群算法及其在布局优化中的应用[J];计算机工程与应用;2004年12期

中国重要会议论文全文数据库 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

中国博士学位论文全文数据库 前10条

1 王芳;粒子群算法的研究[D];西南大学;2006年

2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

10 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年

中国硕士学位论文全文数据库 前10条

1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

6 杨伟;基于粒子群算法的氧乐果合成过程建模研究[D];郑州大学;2015年

7 李程;基于粒子群算法的AS/RS优化调度方法研究[D];陕西科技大学;2015年

8 樊伟健;基于混合混沌粒子群算法求解变循环发动机数学模型问题[D];山东大学;2015年

9 陈百霞;考虑风电场并网的电力系统无功优化[D];山东大学;2015年

10 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年

，

本文编号：2061481