一種光正交碼構(gòu)造方法
【專利摘要】本發(fā)明公開了一種光正交碼構(gòu)造方法，屬于光通信【技術(shù)領(lǐng)域】。該方法首先將光正交碼的構(gòu)造問題轉(zhuǎn)化為圖的在線最大團問題，然后求解圖的在線最大團問題，最后將求得的最大團轉(zhuǎn)化為光正交碼。本發(fā)明進一步利用基于引導(dǎo)變異的進化算法來求解圖的在線最大團問題。相比現(xiàn)有技術(shù)，本發(fā)明方法的適用范圍更廣，對于任意設(shè)定的碼長、碼重和任意的自相關(guān)、互相關(guān)系數(shù)，均可得到具有較大碼字容量的光正交碼，且算法效率較高，實時性好。
【專利說明】一種光正交碼構(gòu)造方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種光正交碼構(gòu)造方法，屬于光通信【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 光碼分多址（0CDMA)是將碼分多址（CDMA)通信技術(shù)與光纖通信技術(shù)相結(jié)合的一 種新型通信方式。0CDMA充分利用了光纖的巨大帶寬資源，結(jié)合電CDMA的優(yōu)點，具有異步、 寬帶、可靠和隨機接入等特點。在0CDMA系統(tǒng)中，每個用戶被分配唯一的、且相關(guān)特性好的 光地址碼來相互標(biāo)識和區(qū)別，實現(xiàn)共享信道隨機通信。由于光正交碼（00C)具備良好的自 相關(guān)合乎相關(guān)特性，00C常用來實現(xiàn)0CDMA的地址碼設(shè)計。
[0003] 長度為h重量為左的光正交碼通常記作（6左，7j )-00C ,其中之和分別 為碼字的自相關(guān)和互相關(guān)上界。目前工業(yè)界已有的00C設(shè)計方案通常采用差集、有限域、有 限集合、組合設(shè)計等數(shù)學(xué)方法，但是這些方法通常只適用于特定的4、4參數(shù)，而在一 般的參數(shù)設(shè)定下如何設(shè)計碼字較多的ooc當(dāng)前并無有效方法。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)不足，提供一種光正交碼構(gòu)造方 法，對于任意碼長、碼重、自相關(guān)系數(shù)和互相關(guān)系數(shù)，均可構(gòu)造出具有較大容量的光正交碼。
[0005] 本發(fā)明采用以下技術(shù)方案解決上述技術(shù)問題： 一種光正交碼構(gòu)造方法，所述光正交碼的碼長、重量、自相關(guān)上界、互相關(guān)上界分別為 左、4、4，該方法包括以下步驟： 步驟1、先隨機生成碼長為^重量為々的碼字，然后挑出滿足自相關(guān)上界4限制的碼 字作為無向圖的頂點，并在滿足互相關(guān)上界.4限制的碼字之間添加邊，得到無向圖G ;步驟 2、求解所述無向圖G的在線最大團問題； 步驟3、將求得的最大團轉(zhuǎn)化為光正交碼。
[0006] 進一步地，本發(fā)明使用基于引導(dǎo)變異的進化算法求解所述無向圖G的在線最大團 問題，包括以下步驟： 1) 進行編碼轉(zhuǎn)換：將最大團問題轉(zhuǎn)換到進化算法所能處理的0-1序列搜索空間中； 2) 生成種群： a) 記個體0-1序列的最大長度為/?，在個頂點的圖G中，隨機選取/?/2個點，設(shè)為點 集D，在D的基礎(chǔ)上隨機刪點得到控制集D'，從D'之外的頂點中隨機添加點到D'中，直到 使其成為極大團，記為D' '，即得到種群中的一個新個體； b) 重復(fù)步驟a)所述的過程#次，即得到有#個個體的進化算法種群，其中#是正整數(shù)； 3) 遺傳變異： C)令時間t=o,記#個初始解分別為#，…，其中#為/7維0-1向量； d) 從ΛΖ個解中留取其中較好的#個解，設(shè)為…,x('其中^的頂點數(shù)最多； e) 定義引導(dǎo)向量為：

【權(quán)利要求】
1. 一種光正交碼構(gòu)造方法，所述光正交碼的碼長、重量、自相關(guān)上界、互相關(guān)上界分別 為4、4，其特征在于，該方法包括以下步驟： 步驟1、先隨機生成碼長為^重量為々的碼字，然后挑出滿足自相關(guān)上界A限制的碼 字作為無向圖的頂點，并在滿足互相關(guān)上界.4限制的碼字之間添加邊，得到無向圖g ;步驟 2、求解所述無向圖G的在線最大團問題； 步驟3、將求得的最大團轉(zhuǎn)化為光正交碼。
2. 如權(quán)利要求1所述光正交碼構(gòu)造方法，其特征在于，使用基于引導(dǎo)變異的進化算法 求解所述無向圖G的在線最大團問題，包括以下步驟： 1) 進行編碼轉(zhuǎn)換：將在線最大團問題轉(zhuǎn)換到進化算法所能處理的0-1序列搜索空間 中； 2) 生成種群： a) 記個體0-1序列的最大長度為/?，在個頂點的圖G中，隨機選取/?/2個點，設(shè)為點 集D，在D的基礎(chǔ)上隨機刪點得到控制集D'，從D'之外的頂點中隨機添加點到D'中，直到 使其成為極大團，記為D' '，即得到種群中的一個新個體； b) 重復(fù)步驟a)所述的過程#次，即得到有#個個體的進化算法種群，其中#是正整數(shù)； 3) 遺傳變異： C)令時間t=0,記#個初始解分別為,其中為/7維0-1向量； d) 從#個解中留取其中較好的#個解，設(shè)為，,χ(2)?！ぁ?Μ)，其中的頂點數(shù)最多； e) 定義引導(dǎo)向量為：
其中^為進化算法的學(xué)習(xí)系數(shù)； f) 對m進行變異系數(shù)為多、引導(dǎo)向量為#的引導(dǎo)變異，其中4為介于〇和1之間的實 數(shù)： 設(shè)一χ ... y ν其中每一元素:?以概率多發(fā)生變異，若變異，則以概率成為 X - ^xu,x12, v 1 1，以概率1-?成為ο; g) 記步驟f)所生成的新的0-1向量為y，對向量y進行如生成種群中步驟a)的修復(fù) 過程，得到種群中的一個新個體； h) 重復(fù)進行步驟f)和g)兩步，直到生成N-M個新解，連同生成種群中步驟b)中留取 的Μ個好解，組成新一代的種群； i) 令t=t+l，判斷此時生成的種群是否收斂為同一解，或者遺傳變異次數(shù)t達(dá)到預(yù)設(shè)的 上界，如果成立，則遺傳變異過程結(jié)束；否則，循環(huán)執(zhí)行步驟d)--h); 4)換點更新： j) 記遺傳變異階段返回的最優(yōu)解為s，對向量s進行如生成種群中步驟a)的修復(fù)過程 T次，得到T個新個體構(gòu)成的備份集合； k) 令時間t=0,隨機生成一個滿足自相關(guān)限制的碼字c，替換圖G中的一個隨機頂點，更 新圖G ; l) 對備份集合中的每一個個體，刪除其中與碼字C不相鄰的頂點，并用生成種群中步 驟a)所述過程進行修復(fù)； m) 令t=t+l，判斷t是否達(dá)到預(yù)設(shè)的換點次數(shù)上限，如果成立，則換點更新過程結(jié)束；否 貝1J，循環(huán)執(zhí)行步驟k)-l)。
【文檔編號】H04J13/12GK104158618SQ201410370762
【公開日】2014年11月19日 申請日期:2014年7月31日 優(yōu)先權(quán)日:2014年7月31日
【發(fā)明者】彭茂, 張媛, 王廷春 申請人:南京信息工程大學(xué)