免疫進化理論

1、免疫進化理論的研究,主要內容,? 研究背景與現(xiàn)狀 ? 免疫進化算法 ? 免疫神經網絡 ? 計算機免疫安全系統(tǒng)探索,研究背景,在生物科學領域，人們對進化、遺傳和免疫等自然 現(xiàn)象已經進行了廣泛而深入的研究 ；進化算法是建立在模仿生物遺傳與自然選擇基礎上的一種并行優(yōu)化算法，其性能優(yōu)異、應用廣泛；進化算子在為每個個體提供了進化機會的同時，也無可避免地產生了退化的可能；大多數待求問題有可以利用的先驗知識或特征信息

2、，故可以利用這些信息來抑制進化過程中的退化現(xiàn)象；生物免疫理論為改進原有算法的性能，建立集進化與免疫機制于一體的新型全局并行算法奠定了基礎。,Artificial Immune System－AIS,人工智能信息處理系統(tǒng)的研究,腦神經系統(tǒng)（神經網絡）遺傳系統(tǒng)（進化計算）免疫系統(tǒng)（人工免疫系統(tǒng)）,,?一門新興的研究領域,AIS的研究歷史,Farmer等人在1986年首先在工程領域提出免疫概念Varela等人受免疫網絡學說的啟發(fā)，提

3、出并進而完善免疫網絡模型。,,?人工免疫網絡模型,AIS的研究現(xiàn)狀之一,獨特型免疫網絡（Jerne）互聯(lián)耦合免疫網絡（Ishiguro）免疫反應網絡（Mitsumoto）對稱網絡（Hoffmann）多值免疫網絡（Tang）,,? 免疫學習算法,AIS的研究現(xiàn)狀之二,反面選擇算法（Forrest）免疫學習算法（Hunt&Cooke）免疫遺傳算法（Chun）免疫Agent算法（Ishida）免疫網絡調節(jié)算法（Wa

4、ng&Cao）免疫進化算法（Jiao&Wang）,,? 國際研究,AIS的研究現(xiàn)狀之三,1996年，日本，基于免疫性系統(tǒng)的國際專題討論會，提出并確認人工免疫系統(tǒng)（AIS）的概念；1997年，IEEE的SMC組織專門成立了人工免疫系統(tǒng)及應用的分會組織；目前，幾乎所有有關人工智能領域的學術會議都收錄AIS方面的論文。,,AIS 的應用,?自動控制?故障診斷?模式識別?圖象識別?優(yōu)化設

5、計?機器學習?網絡安全,,,AIS在控制領域中的應用,PID型免疫反饋控制器（ Takahashi ）機器人控制（ Mitsumoto, Ishiguro, Lee）控制系統(tǒng)的設計（ Ishida ）復雜動態(tài)行為建模和自適應控制（Kumak）倒擺的控制（ Bersini ）,,,,,,,,AIS在故障診斷中的應用,基于相關識別特性的免疫網絡模型用于故障診斷的方法（Ishida）；通過構造大規(guī)模獨特型免疫網絡來建立用于

6、在線服務的故障診斷系統(tǒng)（Ishiguru）。,,,AIS在模式識別中的應用,Hunt等人開發(fā)了一種具有學習能力的人工免疫系統(tǒng)并用于模式識別。,,,AIS在聯(lián)想記憶中的應用,Gilbert等人采用免疫網絡模型設計了一種內容可訪的自動聯(lián)想記憶系統(tǒng)并用于圖像識別。,,,AIS在優(yōu)化設計中的應用,永磁同步電動機的參數修正的優(yōu)化設計電磁設備的外形優(yōu)化VLSI印刷線路板的布線優(yōu)化設計函數測試旅行商問題的求解約束搜索優(yōu)化問題和多判據設計問題

7、,,,AIS在網絡安全的應用,數據檢測（Forrest ）病毒檢測（ Kephart）UNIX過程監(jiān)控（ Forrest）,,,國際研究新動向之一,以開發(fā)新型的智能系統(tǒng)方法為背景，研究基于生物免疫系統(tǒng)機理的智能系統(tǒng)理論和技術，同時將AIS與模糊系統(tǒng)、神經網絡和遺傳算法等軟計算技術進行集成，并給出其應用方法。,,國際研究新動向之二,基于最新發(fā)展的免疫網絡學說進一步建立并完善模糊、神經和其它一些專有類型的人工免疫網絡模型及其應用方法。,

8、,國際研究新動向之三,將人工免疫系統(tǒng)與遺傳系統(tǒng)的機理相互結合，并歸納出各種免疫學習算法。比如：免疫系統(tǒng)的多樣性遺傳機理和細胞選擇機理可用于改善原遺傳算法中對局部搜索問題不是很有效的情況；獨特型網絡機理可用于免疫系統(tǒng)中的遺傳部分以避免系統(tǒng)出現(xiàn)早熟現(xiàn)象；發(fā)展用于處理受約束的遺傳搜索和多準則問題的免疫學習算法等。,,國際研究新動向之四,基于免疫反饋和學習機理，設計自調整、自組織和自學習的免疫反饋控制器。展開對基于免疫反饋機理的控制系統(tǒng)的設計方

9、法和應用研究，這有可能成為工程領域中種新型的智能控制系統(tǒng)，具有重要的理論意義與廣泛的應用前景。,,國際研究新動向之五,進一步研究基于免疫系統(tǒng)機理的分布式自治系統(tǒng)。分布式免疫自治系統(tǒng)在智能計算、系統(tǒng)科學和經濟領域將會有廣闊的應用前景。,,國際研究新動向之六,發(fā)展基于DNA編碼的人工免疫系統(tǒng)以及基于DNA計算的免疫算法。嘗試將DNA計算模型引入人工免疫系統(tǒng)中，研究一種基于DNA計算與AIS相結合的，有較強抗干擾能力和穩(wěn)定性能的智能系統(tǒng)。,,

10、國際研究新動向之七,近年來有學者已開始研究B細胞—抗體網絡的振蕩、混濁和穩(wěn)態(tài)等非線性特性[61]，不過其工作才剛剛開始。人們應進一步借助非線性的研究方法來研究免疫系統(tǒng)的非線性行為，拓寬非線性科學的研究范圍。,,國際研究新動向之八,進一步發(fā)展AIS在科學和工程上的應用，并研制實際產品，如研制在復雜系統(tǒng)的協(xié)調控制、故障檢測和診斷、機器監(jiān)控、簽名確認、噪聲檢測、計算機與網絡數據的安全性、圖像與模式識別等方面的實際產品。,,,免疫進化算法的研究

11、,第一部分,生物免疫的啟示,在生物自然界中，免疫現(xiàn)象普遍存在，并對物種的 生存與繁衍 發(fā)揮著重要的作用；生物的免疫功能主要是由參與免疫反應的細胞或由其構成的器官來完成的；生物免疫主要有兩種類型： ? 特異性免疫（Specific Immunity）， ? 非特異性免疫反應（Nonspecific Immunity）；生物免疫系統(tǒng)是通過自我識別、相互刺激與制約而構成了一個 動態(tài)平衡的網絡結構 。,,免疫生

12、物學的基本概念,? 抗原是指能夠刺激和誘導機體的免疫系統(tǒng)使其產生免疫應答，并能與相應的免疫應答產物在體內或體外發(fā)生特異性反應的物質。? 抗體是指免疫系統(tǒng)受抗原刺激后，免疫細胞轉化為漿細胞并產生能與抗原發(fā)生特異性結合的免疫球蛋白，該免疫球蛋白即為抗體。,,免疫系統(tǒng)的主要功能,? 免疫防御即機體防御病原微生物的感染；? 免疫（自身）穩(wěn)定即機體通過免疫功能經常消除那些損傷和衰老的細胞以維持機體的生理平衡；?

13、免疫監(jiān)視即機體通過免疫功能防止或消除體內細胞在新陳代謝過程中發(fā)生突變的和異常的細胞。,,免疫系統(tǒng)的主要特點,?免疫識別?免疫應答?免疫耐受?免疫記憶?免疫調節(jié),,算法研究,,生物學概念與理論,方法：,,工程計算方法,進化＋免疫,傳統(tǒng)進化算法是在一定發(fā)生概率的條件下，隨機地、沒有指導地迭代搜索，因此它們在為群體中的個體提供了進化機會的同時，也無可避免地產生了退化的可能。每一個待求的實際問題都會有自身一些基本的

14、、顯而易見的特征信息或知識。然而進化算法中的交叉和變異算子在求解問題時，操作的可變程度較小。,,基本概念,?染色體表示待求問題的解的形式的一種數據結構。?基因構成染色體的最基本的數據單位。?個體具有某類染色體結構的一種特例。,,基本概念,?抗原所有可能錯誤的基因，即非最佳個體的基因。?疫苗根據進化環(huán)境或待求問題的先驗知識，所得到的對最佳個體基因的估計?？贵w 根據疫苗修正某個個體的基因所得

15、到的新個體。,,免疫算子有兩種類型：全免疫 非特異性免疫目標免疫 特異性免疫,免疫思想的實現(xiàn),? 免疫算子,,,即：群體中的每個個體在進化算子作用后，對其每一環(huán)節(jié)都進行一次免疫操作的免疫類型；,即：在進行了進化操作后，經過一定的判斷，個體僅在作用點處發(fā)生免疫反應的一種類型。,,,,http://www.elecfans.com,免疫操作的基本過程,?首先，對待求求

16、問題進行具體分析，從中提取出 最基本的特征信息；? 其次，對此特征信息進行處理，以將其轉化為求解問題的一種方案；?最后，將此方案以適當的形式轉化成 免疫算子 以實施具體的操作。,,免疫算子,?算法中的免疫思想主要是在合理提取疫苗的基礎上，通過免疫算子來實現(xiàn)的；?免疫算子由 接種疫苗 和 免疫選擇 兩個操作完成的。,The Immune operator,為了防止群體的退化。,為了提高個體的適應度。,,,設個體x，給其接種疫

17、苗是指按照先驗知識來修改x的某些基因位上的基因或其分量，使所得個體以較大的概率具有更高的適應度。疫苗 是從先驗知識中提煉出來的，它所含的信息量及其準確性對算法性能的發(fā)揮起著重要的作用。,免疫算子,接種疫苗,之,這一操作一般分兩步完成：第一步是 免疫檢測 ，即對接種了疫苗的個體進行檢測，若其適應度仍不如父代，則該個體將被父代中所對應的個體所取代；第二步是 退火選擇 ，即在目前的子代群體中以右邊所示概率,免疫算子,免疫檢測,之,選擇個體進入

18、新的父代群體。在免疫策略中，僅有免疫檢測而沒有退火選擇。,,體系結構,免疫算法免疫規(guī)劃免疫策略,,,免疫算法,隨機產生初始父代種群A1 ，根據先驗知識抽取疫苗；若當前群體中包含最佳個體，則算法停止運行并輸出結果；否則，繼續(xù)；對當前第k代父本種群Ak進行交叉操作，得到種群Bk；對Bk進行變異操作，得到種群Ck；對Ck進行接種疫苗操作，得到種群Dk；對Dk進行免疫選擇操作，得到新一代父本Ak+1，轉至第二步。,Immune A

19、lgorithm---IA,免疫算法的收斂性,狀態(tài)轉移過程示意圖：,定 理：免疫算法是收斂的。,定 義：如果對于任意的初始分布均有,則稱算法收斂。,,初始化：首先，根據要求確定解的精度；其次，隨機產生N個個體，并由此構成初始的父代種群A0；根據先驗知識抽取疫苗H；計算當前種群Ak的個體適應度，并進行停機條件的判斷。若條件滿足，則停止運行并輸出結果；否則繼續(xù)；對當前的父代群體Ak進行變異操作，生成子代群體Bk；對群體Bk進行

20、接種疫苗操作，得到種群Ck；對群體Ck進行免疫選擇操作，得到新一代父本Ak+1，并轉至第三步。,免疫規(guī)劃,Immune Programming---IP,,免疫規(guī)劃的收斂性,狀態(tài)轉移過程示意圖：,定 理：免疫規(guī)劃是收斂的。,定 義：如果對于任意的初始分布均有,則稱算法收斂。,,免疫策略,根據要求確定解的精度，再根據先驗知識抽取疫苗H；隨機產生?個個體作為初始的父本群體；交叉：產生由父代和子代構成的規(guī)模為2?的中間群體；變異

21、：對每一個個體進行變異將得到一個新的個體；免疫：首先按照對問題的先驗知識修改個體(x,?)的某些分量；然后對群體中注射了疫苗的個體進行檢測；選擇：從規(guī)模為2?的群體中按適應度的大小取出前?個個體作為新一代父本的群體；停機條件檢測。,Immune Strategy---IS,,免疫策略的收斂性,狀態(tài)轉移過程示意圖：,定 理：免疫策略是收斂的。,定 義：如果對于任意的初始分布均有,則稱算法收斂。,,免疫算子的機理,在免疫選擇作用

22、下，若疫苗使抗體適應度得到提高，且高于當前群體的平均適應度，則疫苗所對應的模式將在群體中呈指數級擴散；否則，它將被遏制或呈指數級衰減。,定 理：,,Begin:抽取疫苗： 分析待求問題，搜集特征信息； 依據特征信息估計特定基因位上的模式: ；k = 0 and j = 0；while (Conditions = True) if

23、 {PV}=True, then j = j +1； i = 0； for (i≤n) 接種疫苗： ； 免疫檢驗：if , then ; else ； i = i +1

24、； 退火選擇： ； k = k+1；End,免疫算子的執(zhí)行算法,,具體分析待求問題，搜集特征信息。,免疫疫苗的選取方法,通用方法,之一,,,以TSP問題為例，通過具體分析可以得出相鄰兩兩城市之間的最短路徑即為求解該問題時可以利用的一種疫苗。,,TSP問題的描述,TSP問題是旅行商問題的簡稱。即一個商人從某一城市出發(fā)，要遍歷所有目標城市，其中每個城市必須而且只

25、須訪問一次。所要研究的問題是在所有可能的路徑,中尋找一條路程最短的路線。該問題是一個典型的NP問題，即隨著規(guī)模的增加，可行解的數目將做指數級增長。,,,TSP問題的分析,設所有與城市Ai距離最近的城市為Aj,,進行一次如虛線所示的調整后,,多數情況下， l3較aj-1 + aj的減少量要大于l1 + l2較ai的增加量。,故：,,Begin:while (Conditions = True) 統(tǒng)計父代群體，確定最佳個

26、體：; 分解最佳個體，抽取免疫基因：; 執(zhí)行遺傳和免疫算子操作;end,免疫疫苗的選取方法,自適應方法,之二,,Begin:鄰近城市序列初始化：Neighbor(i) = random(1, n) , i =1, …, n;最短子路徑的初始化：Sub_path(i) i =1,…, n;while (Conditions = True) for

27、 i = 1 to n 變異： Neighbor(i) = Floor(Gauss(Neighbor(i), 1 ) ) ; 選擇：if Distance(City_ i, Neighbor(i))< Min_distance(i) then Sub_path(i) = Neighbor(i);

28、 Min_distance(i) = Distance(City_ i, Neighbor(i)); end endend,免疫疫苗的選取方法,進化規(guī)劃方法,之三,,,,仿真實驗,基于IA的TSP求解,之一,a. 免疫抗體b. 最優(yōu)化路徑75城市的TSP問題免疫優(yōu)化仿真示意圖,,,,子代適應度值隨進化過程的變化曲線,a 通用遺傳算法計算曲線b 免

29、疫算法計算曲線,,,,,仿真實驗,基于IS的TSP求解,之二,a. 免疫疫苗示意圖 b. 最優(yōu)路徑示意圖442城市的TSP問題免疫優(yōu)化仿真示意圖,,,,子代適應度值隨進化過程的變化曲線,a (?,2? )-ES計算曲線 b (? ,2? )-IS 計算曲線,,,仿真實驗,基于IE的函數優(yōu)化,之三,問題: 在(0,1)內尋找 xmax使下式成立:,,,接受正常免疫疫苗時的計算曲線,(a) 基于E

30、P的進化過程中個體分布圖;(b) 基于IP的進化過程中個體分布圖(c) EP和IP所求得的最佳適應度對比圖(d) EP和IP所求得的平均適應度對比圖,,,免疫疫苗為 時的計算曲線,(a) 基于EP的進化過程中個體分布圖;(b) 基于IP的進化過程中個體分布圖(c) EP和IP所求得的最佳適應度對比圖(d) EP和IP所求得的平均適應度對比圖,,,免疫神經網絡的研究,第二部分,,自然免疫網絡,?

31、生物學免疫網絡原型： Jerne: 免疫系統(tǒng)是通過自我識別和相互刺激與約束而構成的一個動態(tài)平衡的網絡結構。? 免疫應答 ( 免疫耐受與記憶 );? Varela 的免疫網絡模型：,系統(tǒng)的動力學部分；系統(tǒng)的元動力學部分；系統(tǒng)的免疫恢復機制(IRM).,,,免疫神經網絡的生物學特征,?一個完整的神經元由細胞體、樹突、軸突、突觸和神經末梢等幾大部分構成，其中細胞體是神經元的主體。?人的腦系統(tǒng)大約由1011

32、個神經元組成。這些神經元雖然在物理結構上是基本一致的，但其功能和在系統(tǒng)中所發(fā)揮的作用是有明顯差別的。? 生物免疫系統(tǒng)具有記憶功能以及自學習、自組織和自適應的能力。,,人工免疫神經網絡的研究,?已有人工神經網絡的特點。?利用先驗知識改進人工神經網絡結構的嘗試：? Stork，1992年，奇偶校驗問題。? Kryghyak，1993年，奇偶校驗問題。? 吳佑壽，1996年，奇偶校驗和對稱性校驗的 問題。

33、,,一種免疫神經網絡模型,,免疫神經網絡中激勵函數的選取方法,?分析待求問題的過程，搜集特征信息，再根據先驗知識找出輸入變量之間的相互約束關系；?設計激勵單元的基本類型。即根據上述約束關系，選取一種適當的含有待定參數的函數族；?根據第?步所提取的疫苗填充疫苗接種單元；?選取一種網絡學習算法，如LMS和改進的BP算法等，利用訓練樣本來修正網絡中的權值矩陣和閥值等相關參數。,,免疫神經網絡的自學習算法,?將激勵函數中的參數V

34、當作網絡訓練的目標之一；?采用成批訓練和添加動量項的方法來訓練網絡權值和激勵函數中的參數。,,免疫神經網絡的設計實例,,雙螺旋線問題的求解,,,設螺旋線的參數方程形式為：,由此可得：,雙螺旋線問題的求解,,設計激勵單元的基本類型：,雙螺旋線問題的求解,,解決雙螺旋線的免疫神經網絡的形式為：,雙螺旋線問題的仿真結果,,,帶有隨機干擾的兩類螺旋線：,免疫進化子波網絡模型,,網絡方程：,,免疫進化子波網絡模型,目標函數：,子波函數的參數初

35、始化,?確定一個母波函數以及對特定目標信號的伸縮、平移參數的取值范圍；?利用免疫進化算法進行優(yōu)化搜索；? 獲得一組有利于分類識別的信號子波特征。,,子波網絡的學習算法,?初始化。將任意選取n組權值以及初始化后的子波基參數做為初始群體；?根據先驗知識抽取疫苗H。根據對問題的先驗知識或其應用背景方面的特征信息，來確定個體在某些基因上的取值特征或基因之間的相互制約關系，并以此做為待求問題的免疫疫苗，經編碼處理后即可視為H；另一

36、方面，若以上條件尚不具備，我們即可采用算法2來動態(tài)尋找H，并將該過程置于第4與第5步驟之間進行；,,學習算法（續(xù)）,?計算當前群體中所有個體的適應度，并從中確定最佳個體，然后判斷停機條件是否滿足；?對當前群體實施變異操作；? 對當前群體實施接種疫苗操作；? 對接種了疫苗的個體進行檢驗，并對所注射的疫苗做出評價；?計算當前群體中所有個體的適應度，并以此為根據在一定的選擇機制下，挑選出n個個體組成下一代進化的群體，然后轉至

37、第3步。,,雙螺旋線問題的仿真結果,,,帶有隨機干擾的兩類螺旋線：,,免疫理論的應用研究,第三部分,計算機免疫系統(tǒng)的研究,,計算機網絡模型示意圖,? 隨著現(xiàn)代計算機網絡技術和信息技術的高速發(fā)展，特別是Internet在全球領域的推廣，計算機信息系統(tǒng)的安全日漸突出；? 從功能上分析，計算機（網絡）系統(tǒng)一般包括信息的傳輸與變換兩個方面。由于這兩方面對信息處理的目的不同，所以它們對安全性的要求也不一樣。?就傳輸過程而言，系統(tǒng)要求防

38、止外界自然因素對信息的影響和人為因素的監(jiān)聽、截獲和施擾；?在對信息的轉換和處理過程中，主要預防黑客的入侵和病毒的破壞。,,計算機免疫系統(tǒng)的研究,? 先天免疫性 ? 自適應免疫性 ? 信息發(fā)布的快速性? 可測量性 ? 安全與可靠性 ? 用戶可控性,,免疫系統(tǒng)的設計原則,,信息傳輸免疫系統(tǒng),信息傳輸免疫系統(tǒng)示意圖,,信息傳輸免疫系統(tǒng),信息序列的基帶信號：,偽隨

39、機信號：,調制后發(fā)送信號：,,信息傳輸免疫系統(tǒng),接收段信號：,經偽隨機解調信號：,經過解調輸出的干擾信號總能量：,,信息處理免疫系統(tǒng),計算機人工免疫系統(tǒng)結構示意圖,,終端層各單元的功能,? 病毒檢測 指在終端機或單獨的計算機上進行針對病毒代碼和信息異常變化的檢測，所采取的主要技術包括病毒特征碼的掃描技術和系統(tǒng)信息跟蹤技術；? 獲取樣本病毒 在單機系統(tǒng)內部散布一些“誘餌”程序并監(jiān)測其變化情況，將被改變程序中的相關代碼與已知

40、病毒代碼進行比對處理，從中獲取相應的、新的病毒樣本。這一過程即為后面即將介紹的誘餌算法的基本思路；? 病毒清除 清除由病毒檢測過程和“誘餌”算法所查獲的新舊病毒，然后記錄操作情況并發(fā)出警告；? 信息修復 根據上一級免疫系統(tǒng)提供的修復程序對病毒破壞的信息進行自主式修復。,,局域層各單元的功能,? 系統(tǒng)監(jiān)控 系統(tǒng)隨時監(jiān)測本系統(tǒng)內信息的變化情況，遇有異常跡象則釋放“誘餌”并跟蹤和記錄該信息的變化過程，以判斷其操作的合法性。?

41、 系統(tǒng)報警 當判斷信息的變化過程確屬異?；蚍欠〞r，鎖定信息并向上一層或管理人員報警；另外，系統(tǒng)根據本層病毒特征提取的情況確定是否向下層發(fā)出新型病毒入侵的警報。? 病毒特征提取 系統(tǒng)響應下層上報的病毒報警信息，從病毒樣本中提取病毒代碼。然后將其與廣域層的病毒數據庫進行對比，屬于新代碼則上傳給廣域層進行病毒數據庫的更新。,,廣域層各單元的功能,? 系統(tǒng)信息發(fā)布 根據局域層上報的信息異常變化警報，決定是否將其跟蹤和記錄變化過程的

42、數據向下層發(fā)布；定期和不定期向下層發(fā)布新型病毒特征代碼和一些修復程序。? 修復程序生成 根據信息遭受破壞的過程記錄及其特點，人為或自動地生成相應的信息修復程序。? 病毒數據庫更新 根據下層上報的病毒特征代碼更新當前的全局病毒數據庫（添補新型病毒代碼和刪除一些長期不用的代碼）。,,病毒監(jiān)測算法,,異常變化監(jiān)測算法,,廣域層各單元的功能,? 系統(tǒng)信息發(fā)布 根據局域層上報的信息異常變化警報，決定是否將其跟蹤和記錄變化過程的數據

43、向下層發(fā)布；定期和不定期向下層發(fā)布新型病毒特征代碼和一些修復程序。? 修復程序生成 根據信息遭受破壞的過程記錄及其特點，人為或自動地生成相應的信息修復程序。? 病毒數據庫更新 根據下層上報的病毒特征代碼更新當前的全局病毒數據庫（添補新型病毒代碼和刪除一些長期不用的代碼）。,,基于免疫策略RBF的多用戶監(jiān)測,? CDMA系統(tǒng)相對于以前的TDMA和FDMA系統(tǒng)來說具有很多突出的優(yōu)點。? 僅有時域處理能力的CDMA系統(tǒng)存在諸

44、如遠近效應、多址干擾等缺陷。? 自適應天線可以在空域方面進一步改善傳統(tǒng)CDMA系統(tǒng)的通信能力。,,空時信號模型,用戶k 的基帶信號：,用戶k 的特征波形：,用戶k 的發(fā)送信號：,,空時信號模型,多徑信號的基 帶沖激響應：,用戶k 經第l條路徑到達天線陣列的方向向量：,天線陣列所接收到的信號：,,空時二維接收機,? 一個空時二維處理器即為空時接收調制解調器，它同時對所有的天線工作，并在時間和空間兩個域處理所接收的信

45、號。一個典型的空時匹配濾波器一般為兩極結構。其中，前一級結構主要用作對接收信號的時域匹配濾波；后級結構則對時域處理過的信號再進行空域匹配濾波處理。,,空時信號模型,信號經時域匹配濾波處理后的中間結果為：,經空域匹配濾波處理：,空時匹配濾波器的輸出：,,空時多用戶檢測器,利用Cameron-Martin公式，我們可以將基于所有用戶數據b的對接收信號r(t)的似然函數寫成如下形式：,其中：,,空時多用戶檢測器,使似然函數最大化的過程即可轉

46、化為使最大化：,問題實質上是一個多目標參數的組合優(yōu)化問題，若用Viterbi算法來對其進行對數最大似然估計，則計算復雜度一般為 ，故是一個完備的NP問題。,,基于免疫策略的RBF網絡,RBF網絡的一般結構,1. 根據經驗隨機地選擇固定的中心；2. 根據聚類方法自組織地選取中心；3.有監(jiān)督地選擇中心（廣義徑向基函數網絡）。? 以上三種算法中，采用第三類算法訓練的RBF網絡性能最好，但是由于它采用的

47、是梯度下降算法，其訓練過程較長，很容易陷入局部極小。,,RBF網絡的學習策略,,基于免疫策略的RBF網絡,疫苗提取算法：? 如果隱層節(jié)點的個數為M，則隨機地從訓練數據集中選取M個中心。? 根據?的不同取值計算隱層節(jié)點相應于訓練數據集的輸出矩陣G根據矩陣方程(Gw = d)， 采用最小二乘法估計RBF網絡的輸出線性權值矩陣w。? 比較?取不同的值時，采用上述方法構造的不同RBF網絡相應于訓練數據集的均方誤差。以使得均方誤差最小的?的

48、取值為中心，在一定范圍內重復步驟1和步驟2。,,,基于免疫策略的RBF網絡,,基于RBF網絡的多用戶檢測器示意圖,http://www.elecfans.com,,RBF網絡的免疫策略學習算法,? 隨機產生一組分布，采用某種編碼方案對該組中的每個權值（或閾值）進行編碼，從而構造出一個個碼鏈（每個碼鏈代表網絡的一種權值分布）。? 根據經驗或針對具體問題的先驗知識來大致地確定方差的大致取值范圍，以此作為當前問題的免疫疫苗。? 對當前

49、群體進行交叉和變異算子操作，產生下一代的準個體。? 從當前的群體中隨機地選取一定數量的個體進行疫苗注射。? 對所產生的網絡計算它的誤差函數，從而確定其適應度函數值。? 根據網絡的適應度選擇若干個個體作為下一代群體。判斷終止條件是否滿足：是，則停止運行并將當前最優(yōu)個體所代表的網絡參數作為最終的訓練結果；否，則轉至第?步繼續(xù)運行。,,,a. 8用戶b. 16用戶用戶1的信噪比與誤碼率的關系曲線,,基于RBF網絡的多用戶