通信信息模糊一致算法在计算机通信当中优化使用

1、通信信息模糊一致算法在计算机通信当中优化使用通信信息模糊一致算法在计算机通信当中优化使用引言计算机通信技术由于在很多热门领域都得到了广泛的应用，一直以来就是科研工作者的重要的研究课题。计算机在通信的过程当中受到通信热点周围的干扰信号的干扰，其抗干扰才能的直接决定了通信的质量。在计算机的应用当中，大功率的窄带信号往往会随机的部署在其周围，此时假设单纯的依靠窄带滤波器等器件那么缺乏以滤除干扰信誉，这就很容易造成计算机信号的失真，因此需要对通信算法进展优化，从而来确保计算机通信的准确无误1。本文因此提出一种基于通信信息模糊一致的计算机通信算法，充分利用了模糊矩阵具有的一致性特点，在变化域当中，完成对

2、干扰信号的识别和滤除，从而最终可以保证原始的信号无失真的恢复。一、通信数据模糊一致矩阵的建立优化算法首先进展模糊一致性矩阵的构建，步骤详细如下：模糊矩阵S=Sijnn满足以下公式：那么，我们可以将该矩阵称为模糊一致性矩阵2。在采用该模糊一致矩阵对计算机的通信干扰信号进展划分的过程当中，矩阵当中的元素Sij可以用来对第i个评判指标Si对于第j个评判指标Sj的重要的程度3：1当Sij=0.5的时候，说明Si和Sj具有一致的重要度。2当0Sij0.5的时候，那么说明Sj的重要性强于Si。3当0.5Sij1的时候，说明Si的重要性要大于Sj。我们通过分析模糊一致矩阵的可以得出：a通信模糊一致矩阵的每个

3、指标对于自身而言，其重要性是一致的，因此可以得出该对角线的数值为0.54。b处于模糊一致矩阵当中不同两行的互相对应的位置的数值差值是一个常数。2信息熵值和模糊一致性的判断2.1计算干扰信号的信息熵值信息熵值被用来描绘通信系统当中某个指标对于整个系统的重要的程度。首先量化指标数据，从而得到每个指标在整个系统当中的重要性，然后再利用这些数据指标构建出模糊一致性矩阵5。大量的数据在完成重要程度分析后形成训练集，然后用来构建模糊一致矩阵。假设训练集用字母来表示，用E1，E2，E3.来表示类别集用，此时选择合理的属性P完成不同子集的划分。假设P集有互相独立的值P1，P2.Pn，那么就可以将训练集划分成为

4、E1，E2.Ei这i个子集6。我们有：三、系统结果分析信号一般分为单音信号和双音信号，因此干扰也可分为单音干扰和多音干扰两种。单音干扰指的是接收机在一定的信道频率上，存在着单音频率偏移中心频率的的现象。一般而言单音干扰通常是从附近的模拟蜂窝基站传送的窄带信号。由于在计算机的应用当中，大功率的窄带的干扰信号往往会干扰着随机热点发出的信号，本文的测试主要选取了单音干扰和窄带信号干扰进展模糊一致算法和传统算法的比照。信号源由atlab仿真软件产生。系统通过atlab软件模拟了信号产生、调制、信道等系统。atlab软件在数学类科技计算方面首屈一指，被用来广泛的进展矩阵的计算、绘制数据和函数，完成算法的

5、实现，创立用户界面，同时也可以和其他的编程语言很好的对接。目前被广泛的用在图像处理、信号检测、金融分析等领域。其运行界面如图1所示。通过atlab仿真可以测试本文设计的通信信息模糊一致算法优化性能，通过和传统算法误码率的比照10，得到以下列图：通过上图可以看到，当Eb/N0=3dB的时候，信噪比方果小于-30dB，那么本文设计的算法和传统的算法都可以较强的一致干扰信号，但是随着信噪比的增大，当信噪比超过-30dB的时候，可以看到传统算法和本文设计的算法对于信号的抗干扰一致才能均开始增加，误码率下降，并且可以看出传统算法的误码率下降的幅度要小于本文设计的模糊一致算法11。本文的算法的误码率要优于

6、传统的算法。因此可以看出，在干扰信号较强的时候，本文设计的模糊一致算法相比于传统的算法而言对于干扰信号具有更好的一致作用，误码率会更低12。并且传统的算法会将干扰信号传递到旁瓣信号当中，降低算法的抗干扰才能13。从上图当中可以看到，当窄带的干扰信号能量较小的时候，两种算法的性能差距不大，甚至传统观的算法抗干扰才能优于本文的算法。但是随着窄带干扰信号强度的增大，本文提出的算法优异性逐步的表达出来。因此，在强干扰的环境当中，本文提出的算法具有很好的看干扰才能，可以有效的抑制干扰信号，从而保证计算机通信的正常的进展。实际上，在通信系统当中不仅仅会存在着频率较为集中的单音窄带信号的干扰，同时也会存在着多音干扰和频率分散的窄带信号干扰。因此，在通信系统的设计当中，还应该通过最优的信号变换方法，获得良好的旁瓣抑制比，最终彻底的消除窄带信号的干扰，保证通信系统的平安正常的工作。四、结论本文提出的基于通信信息模糊一致的计算机优化通信算法，利用了模糊矩阵