面向航空集群云網絡的航空數據鏈　MAC協議

呂　娜，陳柯帆

（空軍工程大學信息與導航學院，陜西　西安 710077）

面向航空集群云網絡的航空數據鏈MAC協議

呂娜，陳柯帆

（空軍工程大學信息與導航學院，陜西西安 710077）

針對未來航空集群作戰的全新網絡需求，提出了“航空集群云網絡”的概念，設計了網絡通信層面與任務需求層面耦合機制，為航空集群網絡的具體通信技術研究提供了參考，并在此基礎上結合基于正交頻分多址（orthogonal frequency division multiple access，OFDMA）的可變帶寬信道分配技術設計了一種面向航空集群云網絡的媒體接入控制協議（aeronautic swarm cloud network oriented media access control protocol，ASCN-MAC）。詳細設計了協議的任務需求認知機制，為智能化任務規劃決策提供了通信支撐，并從需求出發，基于OFDMA的特點，提出了面向任務需求的層次化信道資源預約方式和信道資源貪婪預約算法。仿真結果表明，ASCN-MAC協議在任務規劃決策的通信支撐能力、吞吐量性能和實時性上均具備較強的優勢，可以滿足新的作戰樣式下大量面向任務需求信息的可靠低時延傳輸。對全新作戰樣式下新一代航空數據鏈的研究具有一定的參考、借鑒意義。

航空集群；云網絡；數據鏈；媒體接入控制協議；可變帶寬信道分配；正交頻分多址

網址：www.sys-ele.com

0　引　言

隨著數字化戰場的不斷深化，作戰場景、態勢、對象等戰場環境更加復雜多變，使得僅依靠少數的有人或無人航空作戰平臺執行作戰任務的作戰方式無法靈活地適應復雜多變的戰場環境，無法確保作戰任務的高效完成［1］。為了使航空作戰平臺在復雜多變的戰場環境中能依據任務需求動態組織，實現平臺自身能力及作戰效能的優化，近年來，研究人員受生物集群行為啟發，將集群的概念應用到了航空作戰領域［2-3］，提出了航空集群的概念。

航空集群存在兩個重要特征：一是指揮控制的智能化［2，4］；二是深層次的協同。這些特征對航空數據鏈網絡產生了全新的網絡需求。一方面要求航空數據鏈網絡能為航空集群快速高效地進行任務動態規劃決策提供通信支撐；另一方面，則要求其與任務規劃決策聯動，滿足航空作戰平臺間深層次協同的信息傳輸需求。這就需要航空數據鏈網絡與作戰過程中實際任務需求具備強耦合關系，能以較高傳輸速率和較低時延可靠地傳輸任務需求的大量信息。目前有關航空集群的研究側重于集群概念描述、行為建模和仿真驗證［5-7］，對具體航空集群網絡特征和網絡通信機制少有研究。需要針對航空集群的網絡特征和網絡通信技術展開研究。

現有航空數據鏈網絡研究基于傳統作戰樣式與開放式系統互連（open system interconnect，OSI）分層模型定義網絡特征，對下層網絡信息傳輸與上層任務需求的耦合性以及航空作戰平臺間深層次的協同需求考慮不足，使得網絡通信層面一方面不能很好地支撐智能化指揮控制決策，另一方面不能充分發揮指揮控制智能化帶來的決策優勢。媒體接入控制（media access control，MAC）協議作為直接影響航空數據鏈網絡性能的關鍵技術，受現階段航空作戰樣式與研究思路的影響，導致其在設計過程中，同樣缺乏與任務需求的耦合性以及深層次協同需求的考慮，無法較好地滿足航空集群作戰的信息傳輸需求。目前對于數據鏈網絡MAC協議的研究一般分為基于隨機接入、基于固定接入和基于預約接入［8］。隨機接入類MAC協議如載波偵聽多路訪問沖突避免協議（carrier sense multiple access with collision avoidance，CSMACA），由于報文碰撞不可避免，對于網絡規模和業務量較大的網絡通信環境傳輸性能較差；固定接入類MAC協議如Link-16采用的時分多址（time division multiple access，TDMA）協議［9］，針對業務多樣化的戰場通信環境容易產生信道資源的浪費，信道利用率較低，傳輸性能依然不理想；預約接入類MAC協議在分配信道資源之前由網絡用戶根據自身業務需求先進行預約，以解決固定接入類MAC協議信道利用率低的問題，并且具備固定接入類MAC協議的優勢，但對于網絡規模較大的網絡通信環境，現有預約接入類MAC協議如Link-22采用的動態時分多址（dynamic time division multiple access，DTDMA）協議以及快速動態時隙分配（fast dynamic slot assignment，F-DSA）協議［10］預約時延較大，使得系統所傳輸信息的實時性依然不高。

本文以航空作戰平臺在智能化指揮控制模式下進行網絡化集群作戰為應用背景，在充分研究其網絡特征的基礎上，提出了航空集群云網絡的概念，設計面向航空集群云網絡的MAC協議（aeronautic swarm cloud network oriented MAC protocol，ASCN-MAC）。

1　航空集群云網絡概念描述

云網絡是通過網絡虛擬化和自管理技術，將云計算的技術和思想應用到未來網絡的設計之中，促進網絡中計算、存儲和傳輸資源按需管理控制的新型網絡架構［11-12］。本文將云網絡的思想與新的作戰背景結合，提出了航空集群云網絡的概念。

如圖1所示，航空集群云網絡是將航空集群中所有航空作戰平臺所具有的傳感器資源，武器資源等作戰資源按任務需求通過數據鏈鏈接起來進行管理調度的高效信息交互網絡。其不同于一般意義上的云網絡［13］以及“戰術云”［14］的概念，航空集群云網絡將當前任務需求的各類作戰資源作為其網絡鏈接的對象，航空集群中任意航空作戰平臺既是服務提供者也是服務的獲取者，對于作戰資源的調度，并不存在嚴格定義的“服務端”進行統一管理，而是依據復雜多變戰場環境下的實際任務需求，在信息交互的基礎上，利用各航空作戰平臺的智能化任務規劃決策系統，在統一任務需求認知的前提下協商完成。

圖1　航空集群云網絡概念

參考現有航空數據鏈網絡體系結構并結合新的設計思路［15-16］，航空集群云網絡共分為3個主要層面，分別是戰場信息感知層面，智能化任務規劃決策層面以及網絡鏈路層面。戰場信息感知層是航空集群與復雜戰場環境的交互接口，各航空作戰平臺利用機載設備獲取目標信息、自身狀態信息等戰場環境信息，通過對各類信息進行過濾與融合處理，實現對復雜戰場環境的綜合信息感知。智能化任務規劃決策層依據當前戰場環境信息，明確當前任務需求，規劃調度作戰資源，為網絡鏈路層面提供上層任務規劃決策信息。網絡鏈路層根據上層任務規劃決策信息，調整鏈路鏈接對象，協議等網絡參數，建立作戰資源間面向任務需求的交互鏈路。

2　耦合機制設計

本節對航空集群云網絡的相關信息概念進行了定義，并參考認知網絡認知引擎給出了智能化任務規劃決策系統的簡單架構，在此基礎上設計了網絡通信層面與任務需求層面的耦合機制。

2.1相關信息概念定義

基于航空集群云網絡的信息交互需求，融合應用效能與通信性能，提出了源信息、交感信息、任務信息等信息概念，相關定義如下：

定義1源信息：航空作戰平臺各類機載設備產生的戰場環境感知信息。設備不同，產生的源信息類型也不同。

定義2交感信息：航空作戰平臺間及航空作戰平臺自身機載設備間交互的戰場環境感知信息。是通過對源信息進行信息處理，標準化信息格式后生成的。

定義3控制信息：對航空集群云網絡各層面進行管理和協調的信息。

定義4任務需求信息：航空作戰平臺在任務執行過程中針對當前任務需求和自身使命而通過航空集群云網絡進行傳輸的具有較高信息價值的交感信息和語音、指令、視頻等非交感信息。

定義5任務信息：承載任務類型，能力需求，任務規劃方案等任務關聯因素的信息。

定義6任務匹配信息組：可使航空作戰平臺智能化任務規劃決策系統產生不同于之前的任務需求認知，并生成新任務信息的交感信息組合。任務匹配信息組存在如下特點：①整體性。令M表示任務匹配信息組，其中i表示組成該任務匹配信息組的交感信息，令Analysis（M）表示智能化任務規劃決策系統對M進行分析推理的結果，若?M′≠M，Analysis（M）≠Analysis（M′）。②高效性。由任務匹配信息組的定義可以知道任務匹配信息組必須具備高效性，即基于某任務匹配信息組所做出的任務需求認知在一段時間內不會失效，以保證任務需求認知不會被頻繁更新。

2.2智能化任務規劃決策系統架構

各航空作戰平臺利用各自智能化任務規劃決策系統實現認知域到控制域的轉換。如圖2所示，智能化任務規劃決策系統由戰場環境信息庫、智能行為規則庫、任務想定模型庫、推理機、學習引擎、行動引擎、推理結果存儲單元和各執行單元組成［17-18］。

圖2　智能化任務規劃決策系統架構

戰場環境信息庫中存儲著表征當前戰場環境的交感信息，并不斷進行更新；智能行為規則庫存儲著管理各類信息及指導推理機如何做出決策的行為規則；任務想定模型庫存儲著大量的任務想定模型，便于推理機結合當前戰場環境信息量化當前任務需求；推理結果存儲單元存儲著自身推理機推理結果及航空集群云網絡中其他航空作戰平臺的推理結果，便于統一網絡成員對當前任務需求的認知；推理機按照一定的推理方法，結合數據庫提供的信息，對大量信息數據進行搜索、匹配和優化計算，量化當前任務需求，將所得結果映射為適當的行動方案，指導行動引擎為各執行單元規劃具體的行為策略；學習引擎會在推理過程中對于歷史數據的處理進行學習，然后實時更新智能行為規則庫中存儲的規則，利用這樣的反饋過程保證推理結果的最優化，避免對相同情況進行計算量巨大的重復推理。

2.3機制設計

作戰任務需求屬于認知域范疇，而認知的過程是對戰場環境信息進行分析推理的過程，通過分析推理，量化抽象的任務需求，作為網絡通信層面的參考，指導其動態調整［19］。根據這一自頂向下的思路，本文設計了網絡通信層面與任務需求層面的耦合機制，如圖3所示。

圖3　耦合機制

耦合過程主要分為5個步驟，具體描述如下：

步驟1源信息標準化：源信息類型與具體設備類型相關，使得不同機載設備間及不同航空作戰平臺間無法直接進行信息共享，需對不同類型的源信息進行標準化處理，轉化為交感信息，實現源信息的按需透明化傳輸。

步驟2智能化任務規劃決策系統對大量信息數據進行篩選，明確是否生成任務匹配信息組，若生成則迅速提取，一方面作為自身任務規劃決策的信息輸入，另一方面將其通過航空集群云網絡進行交互。

步驟3任務匹配信息組交互：任務匹配信息組將導致產生新的任務需求認知，航空作戰平臺受平臺類型、信息感知能力以及當前坐標位置等因素影響，在一段時間內，航空集群中能夠提取出相應任務匹配信息組的航空作戰平臺有限，需通過任務匹配信息組的交互實現整個航空集群對當前任務需求的認知。

步驟4任務需求認知統一：航空集群中任意航空作戰平臺將通過任務匹配信息組和自身當前狀態確定的任務信息進行交互，完成航空集群所有成員對任務需求認知的統一，使得能實現分布式的任務申請。

步驟5網絡鏈路層面調整：在量化的任務需求指導下對網絡鏈路層面進行適應性調整，保證面向任務需求的高效信息共享。

3　系統模型

航空作戰平臺具有較遠的通信距離，在一般情況下其通信范圍可覆蓋航空集群中其他成員。本文考慮航空集群各成員間組成通信范圍為1跳的全連通網絡進行信息交互的網絡場景。

3.1基于OFDMA的可變帶寬信道分配技術

隨著硬件技術的發展，目前即使是商用設備也可以很方便地自適應地調整它所工作的頻率中心點和信道寬度，并且開銷很低，于是研究人員提出了可變帶寬信道分配技術［20］。傳統的可變帶寬信道分配技術存在如下問題：①信道帶寬可調整范圍有限，以802.11為例，調整范圍僅限于所提供的5、10、20、40 M Hz可選帶寬；②傳輸鏈路所占用帶寬必須連續［21］。

文獻［22］采用了OFDMA技術進行可變帶寬信道分配，利用OFDMA技術進行可變帶寬信道分配具有以下優勢：①可通過選擇不同數量的子載波靈活地調整信道帶寬，且信道帶寬的調整步長和子載波帶寬相同；②傳輸鏈路所占用信道帶寬可以不連續；③可實現傳輸節點同時維持多條傳輸鏈路。可以看出基于OFDMA的可變帶寬信道分配技術具備較強的靈活性。

3.2同步方式

衛星同步實現簡單，且同步精度高，GPS同步時鐘在保持模式下其授時精度可達15 ns。假定采用衛星授時實現全網時間同步，且忽略同步誤差。

3.3信息收發模型

任意航空作戰平臺具有2個工作方式為半雙工的信息收發設備，其中收發設備1占用較寬的頻譜傳輸3.1節定義的相關信息，收發設備2占用固定較窄的頻譜傳輸如集群成員位置、航跡等基本態勢信息。相關協議設計主要針對收發設備1。

3.4航空作戰平臺使命狀態與相關信息交互

對組成航空集群的航空作戰平臺，存在3種使命狀態：①空閑狀態（idle）。表明該航空作戰平臺沒有被賦予具體的任務使命，處于idle狀態的航空作戰平臺非特殊情況下使用信息收發設備2發送或接受基本態勢信息，收發設備1僅接收信息不主動傳輸信息，目的是為具有任務使命的航空作戰平臺預留足夠的信道資源。②任務執行狀態（mission）。表明該航空作戰平臺正參與任務執行，有具體的任務使命，處于mission狀態的航空作戰平臺間交互控制信息和任務需求信息。③協商狀態（negotiation）。negotiation狀態為航空作戰平臺間面向實際任務需求進行任務協商，任務分配規劃和網絡調整時所處的狀態，處于negotiation狀態的航空作戰平臺主要交互任務匹配信息組、任務信息和控制信息。negotiation狀態為mission狀態和idle狀態之間相互轉換的過度狀態。

3.5航空作戰平臺網絡狀態

航空集群中任意航空作戰平臺，存在2種網絡狀態：①在網狀態（in_net）。在in_net狀態下，航空作戰平臺按照航空集群的信道資源占用策略占用相應信道資源進行信息的傳輸。②退網狀態（out_net）。在out_net狀態下，航空作戰平臺對于收發設備1沒有被分配信道資源，非特殊情況下需保持對信道的持續偵聽。在穩定狀態下，處于in_net狀態的航空作戰平臺其使命狀態為mission，處于out_net狀態的航空作戰平臺，其使命狀態為idle。

3.6任務分配規劃模型

航空集群遂行作戰任務，需要針對不同任務目標完成多機多目標任務分配。本文采用如圖4所示的任務分配規劃模型［19，23 25］。

圖4　任務分配模型

航空集群的任務分配規劃以集中式的方式在統一的任務需求認知的基礎上由任務主節點完成。一般選擇最近發送任務匹配信息組的航空作戰平臺作為任務主節點。任務主節點主要負責統一任務需求認知和集群任務分配規劃，確定各子任務主節點及子任務參與者，明確信道資源的使用權限。子任務主節點代表子任務參與者預約信道資源，子任務參與者需向子任務主節點報告自身信息傳輸需求和信息內容需求，同時，子任務主節點需幫助子任務參與者轉發控制信息，使其控制信息可被全網感知。為防止任務主節點失效且又沒有新節點發送任務匹配信息組的情況出現，任務主節點存在多個備用節點，切換到備用節點的方法不是本文研究的重點，故不做詳細描述。

4　ASCN-MAC協議

本節結合航空集群云網絡的網絡特征以及第3節的耦合機制思想，以第4節的系統模型為基礎，設計了面向航空集群云網絡的MAC協議ASCN-MAC。

在描述具體協議之前，先對下文提到的相關術語進行說明：

（1）模式切換控制指令（mode change control，MCC）：控制收到MCC的航空作戰平臺使命狀態轉為negotiation，網絡狀態轉為out_net。同時，MCC包含臨時時幀結構信息。

（2）確認報文（acknowledgement，ACK）：航空作戰平臺通過ACK確認報文告知MCC的發送方已收到MCC。

（3）發送完成標識報文（transmission complete identification，TCI）：告知全網任務匹配信息組已發送完成，并告知集群中所有航空作戰平臺對臨時時幀的時隙占用情況。

（4）任務申請（mission request，MR）：滿足任務執行條件的航空作戰平臺需發送任務申請來申請參與任務。

（5）使命狀態確認（mission status affirm，MSA）：明確各航空作戰平臺使命狀態，并告知全網ASCN-MAC幀中時隙占用情況。

（6）信道資源預約報文（channel resource reservation，CRR）：子任務主節點利用CRR代表該子任務所有參與者預約信道資源。

4.1協議幀結構

ASCN-MAC以時幀為循環周期，時幀結構如圖5所示，其時幀長度的基本組成單元是時間長度為的微時隙（mini slot，MS），時幀長度Tf可變。每1時幀共分為2個部分：①集群控制部分。該部分由要求（request，REQ）時隙和回復（reply，REP）時隙組成，REQ時隙用于需發送任務匹配信息組的使命狀態為idle的航空作戰平臺發送MCC，REP時隙用于任務主節點周期發送MSA。②mission狀態航空作戰平臺信息交互部分。該部分又由2個子部分組成，分別是控制信息傳輸部分和任務需求信息傳輸部分。前者由n個時間長度相同的時隙（slot）組成，且slot也由MS組成，n等于航空集群中子任務主節點數量且可依據任務需求動態變化，任意子任務主節點占用1個slot，所傳輸控制信息包括CRR和MCC，MCC較CRR具有更高的優先級，需優先保證MCC的傳輸，MCC包括自身生成的或幫子任務參與者轉發的。任務需求信息傳輸部分將可用頻譜分為w個子載波，以MS作為基本時間單元。

圖5　ASCN-MAC協議幀結構

4.2協議總體流程框架

圖6給出了ASCN-MAC協議的總體流程框架，協議所涉及的具體機制和算法將依據此框架在后文進行描述。

在初始化狀態下，航空集群中各航空作戰平臺按照事先規劃占用和預約相應的信道資源傳輸信息。

步驟1航空集群中各航空作戰平臺在當前網絡通信狀態下保持時間同步。

步驟2當收到MCC時，轉入步驟5。若未收到MCC，轉入步驟3。

步驟3判斷是否生成任務匹配信息組：若未生成，則按相應策略占用和預約信道資源發送信息或接收信息，轉入步驟1；若有任務匹配信息組生成，則轉入步驟4。

圖6　協議總體流程

步驟4發送MCC，轉入步驟5。

步驟5完成對任務需求的統一認知和任務分配規劃，按任務需求進行網絡調整，轉入步驟1。

4.3任務需求認知機制

ASCN-MAC協議的任務需求認知機制的具體流程如圖7所示。

圖7沒有考慮控制信息交互失敗的情況，對控制信息交互失敗情況的處理方法將在4.4節進行描述。航空集群中任意航空作戰平臺無論是否生成任務匹配信息組，都需要先判斷是否收到MCC，目的是為了使集群生成的任務匹配信息組能盡快的被傳輸。下面分生成任務匹配信息組且未收到MCC和收到MCC兩個方面對圖7進行描述。

（1）當航空作戰平臺生成任務匹配信息組且未收到MCC

步驟1判斷自身是否可在當前時隙發送，若是則轉入步驟2，否則等待自身可發送時隙到來后轉入步驟2。若在等待過程中收到MCC，需優先保證此MCC發送方任務匹配信息組的傳輸，并以該任務匹配信息組為基礎進行任務需求的認知，完成網絡調整，再根據新的任務需求認知決定是否發送自身任務匹配信息組。

步驟2標記自身為當前任務主節點，使命狀態轉為negotiation，網絡狀態轉為in_net，發送MCC，轉入步驟3。MCC所含臨時時幀結構如圖8所示，時幀長度為T′f，分為m個slot，其中m等于當前航空集群所有航空作戰平臺數量。

步驟3在下一個時幀接收子任務主節點發送的ACK確認報文，轉入步驟4。這里的子任務主節點是基于之前的任務需求認知確定的。

步驟4完成子任務主節點ACK確認報文的接收，并在當前時幀周期結束后按臨時時幀結構占用全部slot發送任務匹配信息組，并在發送完成后發送TCI，轉入步驟5。

步驟5保留1個發送時隙釋放其余占用時隙，接收航空集群中除任務主節點外其他成員的MR和任務信息，對任務信息進行整合，得出統一的任務需求認知。若滿足任務需求，轉入步驟6。若超過規定時間仍未滿足任務需求，直接轉入步驟6，目的是為了盡量滿足任務需求。

圖7　任務需求認知

圖8　臨時時幀結構

步驟6以自身發送slot為起始點，利用1個臨時時幀周期發送MCC和接收ACK確認報文，1個臨時時幀周期后轉入步驟7。

步驟7占用全部slot，按當前統一的任務需求認知發送任務信息，發送完成后轉入步驟8。

步驟8發送MSA，使命狀態轉為mission，采用新時幀結構，按任務需求和自身任務角色進行網絡調整。

（2）當航空作戰平臺收到MCC

步驟1若自身為之前任務需求認知確定的子任務主節點，并且該MCC由子任務參與者發送，則在下一時幀自身發送slot轉發該MCC，否則僅發送ACK確認報文，轉入步驟2。若自身當前使命狀態為idle，直接轉入步驟2。

步驟2使命狀態轉為negotiation，網絡狀態轉為out_ net，轉入步驟3。

步驟3偵聽信道，接收任務匹配信息組，若收到TCI，轉入步驟4。若未收到TCI且任務匹配信息組仍在發送，則轉入步驟3。

步驟4按TCI置臨時時隙表，自身智能化任務規劃決策系統依據任務匹配信息組得出任務信息，并判斷自身是否滿足任務執行條件，若滿足轉入步驟5，不滿足轉入步驟6。

步驟5在自身發送slot發送MR和任務信息，并在任務主節點發送slot判斷是否收到MCC。若收到MCC轉入步驟7。若未收且自身MR或任務信息未發送完成，轉入步驟5。

步驟6在任務主節點發送slot判斷是否收到MCC，若收到轉入步驟7，若未收到保持繼續偵聽。

步驟7在自身發送slot發送ACK確認報文，發送完成后網絡狀態轉為out_net，轉入步驟8。

步驟8接收任務需求信息，若收到MSA轉入步驟9，若未收到且任務需求信息仍在發送，則轉入步驟8。

步驟9采用新時幀結構，按任務需求和自身任務角色進行網絡調整。

4.4控制信息交互失敗問題及處理

航空作戰平臺在復雜多變的戰場環境下受機身遮擋，多普勒效應，通信干擾等諸多因素影響，無法確保信息交互的絕對可靠。在網絡通信層面面向任務需求進行調整時，控制信息的不可靠交互會使得航空集群成員的網絡通信狀態混亂，故需進一步考慮在任務需求認知過程中控制信息交互失敗的問題。

（1）MCC接收失敗。沒有正確接收MCC的子任務主節點無法完成模式切換，若仍按原信道占用情況預約和傳輸信息，將干擾MCC發送方傳輸任務匹配信息組，同時在網絡調整完成后干擾新網絡狀態下的信息傳輸。

處理方式：當收到其他子任務主節點發送的ACK確認報文，若自身發送slot未到來，則當自身發送slot到來時發送ACK確認報文，使命狀態轉為negotiation，網絡狀態轉為out_net，否則直接將使命狀態轉為negotiation，網絡狀態轉為out_net。當未收到其他航空作戰平臺發送的ACK確認報文且在1個時幀周期內未收到任何CRR，則將自身使命狀態轉為idle，網絡狀態轉為out_net。對于參與各子任務的航空作戰平臺，若未收到自身所屬子任務的子任務主節點發送的CRR，則將自身使命狀態轉為idle，網絡狀態轉為out_net。

（2）TCI接收失敗。未正確接收TCI的航空作戰平臺無法獲知任務匹配信息組是否發送完成并按規定占用臨時時幀結構相應時隙發送自身任務申請和任務信息。

處理方式：對未正確接收TCI的航空作戰平臺，當收到其他航空作戰平臺發送的任務申請和任務信息即可獲知TCI接收失敗，于是放棄任務執行，將自身使命狀態轉為idle，網絡狀態轉為out_net。

（3）MSA接收失敗。未正確接收MSA的航空作戰平臺將不能明確自身當前使命狀態、網絡狀態以及對信道資源的占用情況。

處理方式：若航空作戰平臺未正確接收MSA，則默認自身使命狀態為idle，網絡狀態為out_net。由于MSA是周期發送，若某次正確接收，則根據接收到的MSA進行調整。

（4）REQ時隙MCC發送沖突。若多個處于idle狀態的航空作戰平臺在一個時幀內生成任務匹配信息組，則都會在在下一時幀REQ時隙發送MCC，造成MCC沖突。

處理方式：感知到MCC沖突的MCC發送方采用退避或概率發送機制，避免MCC的持續沖突。

在以上處理方式下，ACK確認報文和MR接收失敗的情況不會造成網絡通信狀態混亂，故不考慮。

4.5面向任務需求的層次化信道資源預約方式及貪婪預約算法

與現有預約接入類MAC協議的預約方式不同，ASCNMAC在任務需求認知的基礎上采用集中式與分布式相結合的層次化預約方式。各子任務參與者在當前時幀的任務需求信息傳輸部分的最后采用基于link的方式占用信道資源向子任務主節點報告信息傳輸和信息內容需求，各子任務主節點在下一時幀的控制信息傳輸部分發送CRR預約相應信道資源。各子任務參與者能夠依據當前時幀子任務主節點發送的CRR確定當前時幀中傳輸任務需求信息占用的時幀長度，同時由于報告報文的長度固定，可依據子任務主節點ID號大小和自身ID號大小，分布式的依次占用相應的信道資源報告需求。報告報文的發送方各不相同，使得同一MS中最多可支持w個成員進行報告。

面向任務需求進行信道資源預約的主要思想是：在預約信道資源時，CRR不僅包括對信道資源占用的聲明，同時也包括所占用信道資源傳輸的信息內容的聲明，以便于航空集群中所有航空作戰平臺建立起信道資源與其所乘載信息內容的映射關系表。航空集群中任意航空作戰平臺可依據該映射關系表按自身任務需求選擇性的接收信息，目的在于提高信道利用率與所獲取信息的信息價值。

本文依航空作戰平臺所傳輸信息是否存在已知的接收方，將所傳輸信息分為有向信息和無向信息，原因在于：對于有向信息，信息發送方已知該信息的接收方，信息接收方通過填寫在報頭的目的地址可以判斷是否為發送給自身的信息；對于無向信息，由于發送方不知道航空集群中其他航空作戰平臺對該信息的需求，但依據自身任務角色與任務使命又必須不斷向航空集群云網絡上傳，所以無法給出具體的接收方。無向信息的接收方由需求該信息的航空作戰平臺根據映射關系表自身決定，并依靠子任務主節點發送的CRR向全網聲明。

考慮到任務需求信息傳輸部分的幀結構，本文以（s，f）作為任務需求信息傳輸部分信道資源的基本組成單位，其中s表示MS編號，f表示子載波頻率中心點。有向信息分為點對點（point to point，PP）和點對多點（point to multipoint，PMP），對于任意發送方i，用D（i，k）表示信息內容k的所有接收方的集合。同時，用（i，j）表示發送方i和接收方j之間的傳輸鏈路，用demand（i，s，f）表示信息發送方i在該（s，f）是否有需求的信息內容，C（i，j，s，f）表示有向信息傳輸鏈路（i，j）對該（s，f）的占用情況，C′（i，s，f）表示無向信息發送方i對該（s，f）的占用情況，n（i，j）表示滿足傳輸鏈路（i，j）傳輸當前有向信息所需的信道資源，n′（i）表示i傳輸當前無向信息所需的信道資源。可以得到：

對任意航空作戰平臺，其在發送信息時無法同時接收信息，于是可推出如下約束條件：

式中，in（i）表示向i發送信息的航空作戰平臺的集合；out（j）表示從j接收信息的航空作戰平臺的集合。同時，所占用信道資源必須滿足信息傳輸需求，故可得另一約束條件：

基于上述約束條件，本文給出了子任務主節點預約信道資源的貪婪預約算法：

輸入

子任務m參與者集合A（m）；

任意任務參與者信息接收方集合D（i），D（i，k）；

信道資源占用統計φ（i，j，s，f），φ′（i，s，f）；

收發約束情況統計φ（i，j，s），φ′（i，s）；

信息傳輸需求n（i，j），n′（i）；

有向信息隊列queue_1，無向信息隊列queue_2；子載波數量w。

子任務主節點依次為該子任務參與者預約信道資源，算法描述如下：

算法第2～24行是對有向信息的預約。第2～4行從任意子任務參與者i的有向信息隊列queue_1中提取需要發送的信息，并對隊列進行更新。第5～16行首先確定信息k的接收方j，并量化信息k的傳輸需求，明確i與j傳輸信息k所需的信道資源，判斷收發約束統計φ（i，j，s）是否等于0，若等于0，則進一步遍歷所有（s，f），能夠對所遍歷到的（s，f）進行占用的情況僅有2種，一是當前（s，f）沒有被占用，二是占用當前（s，f）的是發送方i將同一信息k發往不同接收方q的傳輸鏈路，在滿足信息傳輸需求前不斷遍歷與占用信道資源，更新信道資源占用統計φ（i，j，s，f）和收發約束統計φ（i，j，s），并將微時隙的最大編號值賦給t。算法第25～46行是對無向信息的預約，其主要流程思想與有向信息相似，故不再重復敘述。需注意算法所提到的收發約束情況統計，是由信道資源占用統計φ（i，j，s，f）和信息內容需求統計demand（i，s，f）共同得出的，其中

對于幀長Tf的確定，在預約完成后各任務參與者根據信道資源占用情況以最大的MS編號計算幀長。

5　仿真及性能分析

本文采用Exata網絡仿真軟件結合具體作戰想定對所設計協議網絡性能進行仿真，網絡全局仿真參數設置如表1所示，仿真對象為CSMACA、TDMA、F-DSA、ASCN-MAC協議，其中TDMA的所有時隙長度均為5 ms，F-DSA和ASCN-MAC的各部分時隙長度均為1 ms。對于ASCN-MAC，信道被分為20個子載波，每個子載波占用帶寬為5 M。為排除上層任務需求認知差異對仿真結果造成的影響，任意仿真對象均在相同的任務需求認知的條件下進行性能仿真。

表1　網絡全局仿真參數

對于智能OODA（“探測—判斷—決策—行動”）回路，任務匹配信息組是任務規劃決策的決定性信息，傳輸任務匹配信息組的時延直接影響決策時間，故首先對協議傳輸任務匹配信息組的時延性能進行仿真分析。生成的任務匹配信息組大小設置為88 M，且僅有1個節點生成。仿真結果如圖9所示（其中圖9（b）的節點業務量為1.3 M/s）。

由圖9可以看出，ASCN-MAC傳輸完成任務匹配信息組的時延無論是隨集群業務量的變化還是集群網絡規模變化均大大低于CSMACA和TDMA，并與F-DSA相似。主要是由于當任務匹配信息組生成后，ASCN-MAC在1個時幀后占用了全部的信道資源傳輸任務匹配信息組，其主要思想和F-DSA的預約方式相似，而對于CSMACA和TDMA，生成任務匹配信息組的航空作戰平臺只能與其他航空作戰平臺競爭或是占用固定分配的時隙傳輸任務匹配信息組，故性能較差。同時可以看出，TDMA、F-DSA和ASCN-MAC傳輸任務匹配信息組的時延基本不受業務量變化的影響，受網絡規模變化的影響較小，而CSMACA受集群業務量和網絡規模的變化影響較大，主要是由于預約或固定分配類MAC協議使得生成任務匹配信息組的航空作戰平臺占用了專門的信道資源進行傳輸，其時延穩定性較好，而CSMACA的隨機接入機制使得航空作戰平臺之間必須競爭占用信道資源，時延受其他航空作戰平臺的影響較大。同時圖9說明了在集群網絡中采用類似于預約的思想傳輸任務匹配信息組等大數據量的且有實時性要求的重要信息是較為理想的選擇。

圖9　任務匹配信息組傳輸完成時延比較

本文考慮的作戰想定如下：為完成既定作戰目標T組建了航空作戰平臺數量為30的航空集群。作戰過程按先后順序分為3個階段：階段1由探測能力較強的航空作戰平臺對作戰區域進行協同探測，并根據探測結果發送任務匹配信息組，完成任務需求認知和任務分配規劃（任務分配規劃時間忽略不計）；階段2保持協同探測的同時，由干擾能力較強的航空作戰平臺對其他威脅目標進行協同干擾，且進行干擾的航空作戰平臺不需要與進行作戰區域探測的航空作戰平臺進行深度協同；階段3保持協同探測的同時，執行協同干擾任務的航空作戰平臺不再進行干擾，由攻擊能力較強的航空作戰平臺分別對既定作戰目標T和其他威脅目標進行攻擊，其中攻擊既定作戰目標T的航空作戰平臺不需要與執行探測任務的航空作戰平臺進行深度協同，而攻擊其他威脅目標的航空作戰平臺需要與執行探測任務的航空作戰平臺進行深度協同。利用任務匹配信息組所獲取的任務需求認知設定為：航空集群使命狀態為mission，網絡狀態為in_net的飛機數量為15，依節點ID號大小，其中4機完成協同探測子任務，4機完成協同干擾子任務，7機完成目標攻擊子任務（4機攻擊其他威脅目標，3機攻擊既定任務目標）。

階段1的仿真結果如圖10所示，該階段集群mission執行成員為4架執行協同探測任務的作戰飛機。

圖10表明，隨著執行作戰區域協同探測任務的航空作戰平臺的平均業務量增加，對于TDMA，由于其他不參與任務執行的航空作戰平臺占用了大量時隙，導致信道利用率嚴重受限，其吞吐量提升出現瓶頸，無法滿足業務傳輸需求；對于CSM ACA，由于報文碰撞，使得執行探測任務的航空作戰平臺的平均吞吐量低于F-DSA和ASCN-MAC，但其隨機接入的機制使得其實時性優于F-DSA和ASCN-MAC；對于F-DSA和ASCN-MAC，兩者吞吐量性能相似，但ASCN-MAC的實時性優于F-DSA，主要是由于F-DSA的每一時幀的預約時隙較多，預約時延較大，而ASCN-MAC面向任務需求的層次化預約方式充分利用了帶寬資源，預約時隙數量遠小于F-DSA，故ASCN-MAC的時幀長度遠小于F-DSA，從而使得ASCNMAC所傳輸信息的實時性優于F-DSA，說明了本文所提出的集中式與分布式相結合的層次化信道資源預約方法的優勢。

圖10　階段1協議性能仿真結果

階段2的仿真結果如圖11所示，該階段針對探測結果進行了任務需求認知，集群mission執行成員為4架執行協同探測子任務的作戰飛機和4架執行協同干擾子任務的作戰飛機，其中執行協同探測子任務的作戰飛機均保持4.9 M/s的業務量，仿真變量為執行協同干擾子任務作戰飛機的平均業務量。

圖11　階段2協議性能仿真結果

通過圖11可以發現，由于階段2又新增4架干擾機進行信息傳輸，令TDMA的信道利用率有所提高，使得其吞吐量性能有一定改善，但信道利用率不高的問題依然存在，并且網絡規模和網絡業務量的增加使得CSMACA產生報文碰撞加劇，總的來看，網絡規模和網絡業務量的增加使得F-DSA和ASCN-MAC的吞吐量性能優勢更加明顯。與此同時，隨著集群mission狀態干擾機平均業務量的增加，CSMACA的載波偵聽與退避時延急劇增加，導致其實時性大幅降低，而ASCN-MAC利用其傳輸優勢和層次化的信道資源預約方式，充分利用了信道帶寬資源，較其他3種協議始終保持了較強的實時性。

階段3的仿真結果如圖12所示，該階段集群mission執行成員為4架執行探測任務的作戰飛機和7架執行攻擊任務的作戰飛機，其中執行探測任務的作戰飛機均保持4.9 M/s的業務量，執行攻擊任務的作戰飛機中攻擊其他威脅目標的作戰飛機保持1.5 M/s的業務量，仿真變量執行攻擊任務的作戰飛機中攻擊既定目標作戰飛機的平均業務量。

圖12　階段3協議性能仿真結果

圖12中ASCN-MAC（SD）表示協議僅考慮由信息發送方決定信息接收方的情況，同時由于CSMACA的端到端時延已達到200 ms以上，故在圖12（b）中未對CSMACA的端到端時延進行描述。通過圖12可以看出，與前幾個階段相同，ASCN-MAC的吞吐量性能和實時性優勢依然較大，并且可以發現，當僅由信息發送方決定信息接收方時，ASCN-MAC（SD）的時延性能不如面向需求進行信道資源預約時好，主要是由于面向需求的信道資源預約算法使得不需要發送方信息的網絡用戶能在同一時隙占用未被占用的帶寬資源而不受收發約束條件的影響，提升了信道利用率。

6　結束語

本文基于智能化指揮控制模式下進行網絡化集群作戰的作戰背景開展數據鏈網絡方面相關研究，提出了航空集群云網絡的概念，并結合其網絡特征設計了任務需求層面與網絡通信層面的耦合機制。在此基礎上，本文結合基于OFDMA的可變帶寬信道分配技術進一步設計了面向航空集群云網絡的MAC協議ASCN-MAC，設計了其幀結構，通過協議的任務需求認知機制實現了上層任務需求層面與數據鏈路層面的耦合，為智能化任務規劃決策提供了通信支撐，也為航空集群的任務需求信息傳輸保留了足夠的信道資源。同時，提出了面向任務需求的集中式與分布式相結合的層次化信道資源預約方法和信道資源貪婪預約算法，減少了預約時隙數量和時幀長度，在保證吞吐量性能的同時提高了協議的實時性。仿真結果表明，ASCN-MAC協議在任務規劃決策的通信支撐能力、吞吐量性能和實時性上均具備較強的優勢，可以滿足新的作戰樣式下大量面向任務需求的信息的可靠低時延傳輸需求。下一步工作將把網絡場景擴展到多跳進行協議改進，以及研究結合具體任務需求的協議理論建模與參數優化問題，算法優化問題，作戰效能評估問題等。

［1］Huo D J.Operation of networked swarms［M］.Beijing：National Defence University Press，2013.（霍大軍.網絡化集群作戰研究［M］.北京：國防大學出版社，2013.）

［2］Duan H B，Shao S，Su B W.New development thoughts on the bio-inspired intelligence based control for unmanned combat aerial vehicle［J］.Science China Technological Sciences，2010，53（8）：2025-2031.

［3］Headquarters.United states air force unmanned aircraft system flight plan 2009-2047［R］.Washington DC，2009.

［4］Wallar A，Plaku E，Sofga A D.A planner for autonomous risksensitive coverage（PARCov）by a team of unmanned aerial vehicles［C］//Proc.of the IEEE Symposium on Swarm Intelligence，2014：1-7.

［5］Dong S Y，Zhu X P，Long G Q.Cooperative planning method for UAVs based on hierarchical strategy［C］//Proc.of the IEEE International Conference on System，Science Engineering Design and Manufacturing Information，2012：304-307.

［6］Han J，Wang C H，Yi G X.Cooperative control of UAV based on multi-agent system［C］//Proc.of the IEEE Conference on Industrial Electronics and Applications，2013：96-101.

［7］Wei Y，Madey R G，Blake BM.Agent-based simulation for UAV swarm mission planning and execution［C］//Proc.of the Agent-Directed Simulation Symposium，2013：7-14.

［8］Kumar S，Raghavan S V.Medium access control protocols for ad hoc wireless networks：a survey［J］.Elseυier Ad Hoc Networks，2006，4（3）：326-358.

［9］Baek H，Ko S，Lim J.Enhanced MAC protocol with new packing for imagery transmission in link-16［C］//Proc.of the IEEE Military Communications Conference，2014：891-896.

［10］Lee J K，Lee K M，Lim J.Distributed dynamic slot assignment scheme for fast broadcast transmission in tactical ad hoc networks［C］//Proc.of the IEEE Military Communications Conference，2012：1-6.

［11］Huang T，Liu J，Huo R，et al.Survey of research on future network architectures［J］.Journal on Communications，2014，35（8）：184-197.（黃韜，劉江，霍如，等.未來網絡體系架構研究綜述［J］.通信學報，2014，35（8）：184-197.）

［12］Develder C，De L M.Optical networks for grid and cloud computing applications［J］.The Eυolution of Optical Networking，2012，100（5）：1149-1167.

［13］Khan MK，Shaheen M.Empowering users of cloud computing on data confidentiality［C］//Proc.of the IEEE International Conference on Cloud Networking，2014：272-274.

［14］Gao X G，Wan K F，Li B，et al.Design of networking antistealth fire control system based on cloud cooperating technology［J］.Systems Engineering and Electronics，2013，35（11）：2320-2328.（高曉光，萬開方，李波，等.基于云協同的網絡集群反隱身火控系統設計［J］.系統工程與電子技術，2013，35（11）：2320-2328.）

［15］Luo G M.Data link-the shortcut of information system to weapon system［M］.Beijing：National Defense Industry Press，2008.（駱光明.數據鏈信息系統連接武器系統的捷徑［M］.北京：國防工業出版社，2008.）

［16］Tu X J，Li Q，Kou M Y，et al.Management of dynamic airborne network using cloud computing［C］//Proc.of the IEEE/ AIAA Digital Aυionics Systems Conference，2012：4D6-1 4D6-8.

［17］Yilmaz H B，Tugcu T，Alagoz F.Radio environment map as enabler for practical cognitive radio networks［J］.IEEE Communications Magazine，2013，51（12）：162-169.

［18］Mahdi H A，Ansar Z，Mwanje S，et al.Q-CE：self-organized cognitive engine based on Q-learning［C］//Proc.of the Wireless Communications and Networking Conference Workshops，2014：202-207.

［19］Kou M Y，Xiong H G，Li Q，et al.Mission capacity oriented self-organized networks architecture［J］.Systems Engineering and Electronics，2013，35（5）：980-986.（寇明延，熊華鋼，李峭，等.面向任務能力的自組織網絡體系結構［J］.系統工程與電子技術，2013，35（5）：980-986.）

［20］Yuan W，Wang P，Liu W，et al.Variable-width channel allocation for access points：a game-theoretic perspective［J］.IEEE Trans.on Mobile Computing，2013，12（7）：1428-1442.

［21］Huang T P，Chen HM，Zhang Z L，et al.Variable-width channel allocation based on game theory in 802.11 networks［J］.Journal of Computer Research and Deυelopment，2013，50（10）：2059 2069.（黃庭培，陳海明，張招亮，等.802.11網絡中基于博弈理論的可變帶寬信道分配研究［J］.計算機研究與發展，2013，50（10）：2059-2069.）

［22］Wang X D，Huang P F，Xie J，et al.OFDMA-based channelwidth adaptation in wireless mesh networks［J］.IEEE Trans. on Vehicular Technology，2014，63（8）：4039-4052.

［23］Jiang Y C.Task allocation in networked multiagent systems［J］. Pattern Recognition and Artificial Intelligence，2012，25（2）：262-272.（蔣嶷川.網絡結構化多Agent系統的任務分配［J］.模式識別與人工智能，2012，25（2）：262-272.）

［24］Shen L C，Chen J，Wang N.Overview of air vehicle mission planning techniques［J］.Acta Aeronautica et Astronautica Sinica，2014，35（3）：593-606.（沈林成，陳璟，王楠.飛行器任務規劃技術綜述［J］.航空學報，2014，35（3）：593-606.）

［25］Wan L J，Yao P Y，Sun P.Distributed task allocation method of manned/unmanned combat agents［J］.Systems Engineering and Electronics，2013，35（2）：310-316.（萬路軍，姚佩陽，孫鵬.有人/無人作戰智能體分布式任務分配方法［J］.系統工程與電子技術，2013，35（2）：310-316.）

Aeronautic swarm cloud network oriented MAC protocol for aviation data link

LüNa，CHEN Ke-fan
（School of Information and Naυigation，Air Force Engineering Uniυersity，Xi'an 710077，China）

To meet the new network demand of aeronautic swarm operation in the future，a new concept named as“aeronautic swarm cloud network”is proposed，and the coupling mechanism between the communication and mission demand is designed which provides the reference for the concrete technique of aeronautic swarm network.Based on the concept and mechanism，a media access control（MAC）protocol combined with orthogonal frequency division multiple access（OFDMA）-based variable-width channel allocation is designed.The mission demand cognitive mechanism for the proposed protocol is designed in detail，which provides transmission support for intelligent mission planning and decision，the mission demand oriented hierarchical reservation method for channel resource and the greedy reservation algorithm are put forward based on the characteristic of OFDMA and the thinking of mission demand.Simulation results show that the aeronautic swarm cloud network oriented MAC protocol（ASCN-MAC）has a strong advantage in transmission support ability for intelligent mission planning and decision，throughput and real-time.The research has a certain referential significance or value for the new generation of aviation data link research for the new form of operation.

aeronautic swarm；cloud network；data link；media access control（MAC）protocol；variablewidth channel allocation；orthogonal frequency division multiple access（OFDMA）

TP 393

A

10.3969/j.issn.1001-506X.2016.05.30

1001-506X（2016）05-1164-12

2015-05-20；

2015-11-19；網絡優先出版日期：2015-12-09。

網絡優先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20151209.1417.006.html

國家自然科學基金（61302153，61472443）資助課題

呂娜（1970-），女，教授，博士，主要研究方向為軍事航空通信。

E-mail：lvnn2007@163.com

陳柯帆（1990-），男，碩士研究生，主要研究方向為航空數據鏈。

E-mail：1148180199@qq.com