短波信道資源智能規劃技術研究綜述

王占豐，張林杰，溫勝昔，孔田華，胡 超

(1.南京萊克貝爾信息技術有限公司，江蘇 南京 210007；2.東南大學 計算機科學與工程學院，江蘇 南京 211189；3.中國電子科技集團公司第五十四研究所，河北 石家莊 050081；4.南京熊貓漢達科技有限公司，江蘇 南京 210001；5.中國人民解放軍陸軍工程大學 指揮控制工程學院，江蘇 南京 210007)

0 引言

短波通信是人類最早掌握的一種無線通信技術,廣泛應用于多個領域。由于其存在衰落、多徑傳輸、易受干擾和帶寬低等問題,曾受到冷落,但是又由于其主要靠電離層反射,通信距離長,在發生戰爭和自然災害時是一種重要的保底通信手段。近年來,隨著編碼技術、分集技術、調頻和寬帶技術的快速發展,短波再次受到重視。

短波通信又稱為高頻通信,頻率3～30 MHz,波長10～100 m,主要通過電離層反射來完成。電離層從低到高分為D層、E層、F1層和F2層等4層,其中短波通信主要通過F1層和F2層反射完成[1]。由于F1層和F2層會受到晝夜影響發生變化,從而導致短波通信在白天和夜間需要工作在不同的頻率。此外,短波通信還受到季節更替、電磁噪聲和太陽活動等其他因素的影響。

在短波通信中,由于其頻譜資源十分有限,因此資源調度備受重視。短波頻譜分配按照站點數目可以分為雙站分配和多站分配;按照資源使用方式可以分為完全分配和部分分配[2]。在短波頻譜資源分配中,大量的智能算法得到應用,如模擬退火算法、蟻群算法、神經網絡和支持向量機等。

本文系統地總結了短波頻譜資源分配的研究成果,將其分為鏈路頻譜計算方法和多點頻譜分配2個部分進行論述,并指出了短波頻譜資源分配的關鍵要素。

1 短波通信概述

1.1 短波通信發展

短波通信技術最早出現于1924年,由于其設備具有簡單、價格低、通信距離遠、抗毀性強等眾多優點,在眾多領域特別是軍事領域得到了廣泛應用。目前短波通信技術按照美軍制定的短波自組織網通信技術標準分為4個發展階段[3-4]:20世紀80年代以前屬于第1個階段;第2個階段以自動鏈路建立(Automatic Link Establishment,ALE)標準MIL-STD-188-141A為標志,簡稱2G-ALE;第3個階段以ALE標準MIL-STD-188-141B為標志,簡稱3G-ALE,與第二代短波系統相比,它使用了更多的新技術,能更有效地適應快速、高質量、數據密集型和大規模的應用場景。3G-ALE通過引入駐留組、突發波形、時間片劃分和同步鏈路建立機制等實現了性能優化。3G-ALE是通信系統和頻率管理系統的高度結合,無論是傳輸速率還是安全性方面都有很大的提升,并具有更好的可靠性[5];目前發展到第4個階段,最新標準是MIL-STD-188-141C[6],該標準以提高短波系統探測、選頻、建鏈和接入速度為目標,強化了與北約STANAG 5066標準的兼容性,并設計了相關接口規范[4]。

未來短波技術的發展主要包括以下方向[4]:

① 抗干擾技術

目前在抗干擾方面,短波系統采用的方法是短波跳頻與直接擴頻技術。由于受到短波頻段和帶寬的限制,短波跳頻一般以慢速跳頻為主,北約組織標準STANAG 4444定義的跳速為8.89跳/秒,美軍的Link-22數據鏈系統也采用了該技術。直接擴頻技術是將需要發送的信息調制到一個很寬的頻帶上,從而實現對噪聲的抑制。但是該技術的缺點在于占用的頻譜資源較多,而這又是短波通信所缺少的資源,因此需要較為復雜的頻譜管理和分配技術,所以該技術還需要進一步研究。

② 多頻多點空間分集

由于短波信道質量不穩定,不同節點間直接通信時很難找到合適的通信頻率,從而導致組網失敗。為了提高系統的可靠性和可用性,采用多頻多點接入方式可以確保組網的成功。國際民用航空通信公司開發和運營的民用空管GLOBALLINK/HFDL系統采用3個地面站,每個設備與地面站使用2個接入頻率,通信成功率超過了95%。

③ 頻率分集技術

短波頻率分集技術借鑒了MIMO思想,通過給固定節點和移動節點配置多個發射機和接收機,將不同頻率上接收的數據進行合并,從而提高短波通信的可靠性。這種方案增加了短波通信系統硬件成本和數據處理難度。

④ IP化改造與應用

伴隨著互聯網技術的大規模應用,基于短波的互聯網技術IP over HF(Internet Protocol over High Frequency)成為一個新的發展方向。通過IP化改造,可以在短波信道帶寬窄、速率低的情況下支持各類網絡應用,實現語音、視頻、圖片、文件和文本的傳輸,從而為短波網絡應用和服務的多元化應用奠定基礎。

1.2 短波通信頻率分配

無線通信要求通信雙方必須分配和使用相同信道和頻點,且不會造成干擾或被附近的通信設備干擾。由于頻譜資源空間的有限性,在一定時空域內,無線頻譜資源需要進行有效分配,并根據電磁環境的變化進行動態調整和更新。

電波的頻率能夠影響電離層的吸收能力,頻率越低吸收能力越強。當短波通信系統的工作頻率降低到一定程度時,電離層會將其完全吸收從而導致通信中斷,此時的臨界頻率為最低可用頻率(Lowest Usable Frequency,LUF)。當工作頻率提高到一定程度時,電波完全穿透電離層從而導致通信中斷,此時的臨界頻率為最高可用頻率(Maximum Usable Frequency,MUF)。考慮到短時間內電離層參數可能會受到太陽耀斑和地磁風暴等突發狀況的影響,實際工作頻率一般低于MUF,通常選取的最佳工作頻率(Frequency of Optimum Traffic,FOT)為MUF的80%～90%。MUF、FOT、LUF受到各種因素的影響,會不斷發生變化[7]。此外,可用頻率按照時間段,可以分為日用頻率、夜用頻率和交界處頻率3類。由于D層、F1層(夏季出現)會在夜間消失,E和F2兩層在白天的電子密度大而晚上小,因此日用頻率值較高,夜用頻率值較低,交界處頻率則因日出日落而發生劇烈變化。

在數據傳輸過程中,當前信道無法達到最低傳輸速率時,通信雙方就要更換通信頻率或者重新建立鏈路。上述過程稱為頻率更新(簡稱更頻),依據再次建鏈的自用頻率的來源不同分為探測更頻、鏈路質量分析(Line Quality Analysis,LQA)更頻和預測更頻3種。

本文討論的頻率分配與選擇方法包括上述不同階段的頻率選擇,同時包括了多個站點之間的頻率最近分配方案。

2 頻譜分配算法

短波通信頻率的選擇與分配有不同的方法,本文將其分為鏈路頻率選擇和多點頻率分配兩大類,然后對每類算法中的典型算法進行詳細闡述[2]。

2.1 單條鏈路頻率選擇

短波通信選頻方式主要有實時頻率探測、短期頻率預測和長期頻率預測[8]。實時頻率探測需要借助于硬件系統,感知信道的變化情況,從而進行頻率更新與探測。短期頻率預測利用通信頻率在短期內的規律(一般需要大量的歷史數據進行支撐),通過神經網絡、機器學習的方法來挖掘數據中隱含的關系,對當前頻率進行預測。長期頻率預測利用經驗公式,通過設置大量參數,如太陽黑子數、電離層和地磁活動等,計算最高可用頻率來對頻率進行預測,是使用最為廣泛的一種方式。

2.1.1 基于實時頻率探測的選頻

基于實時頻率探測選頻方法通過實時測量到達接收端的信道參數,包括傳播模式、信噪比、信號幅度、誤碼率、背景干擾和衰落特征等。該類型系統主要分為2種:① 斜入射電離層探測器,以美國研制的公共用戶無線電傳輸探測系統(Common User Radio Transmission Sounding,CURTS)和 Chirp 探測系統為主要代表;② 信道估算與呼叫(Channel Eva-luation and Calling,CHEC)系統,以加拿大研制的CHEC系統為代表。

近年來Chirp選頻系統得到很大發展,在美軍研發的第三代自適應高頻系統得到廣泛應用。利用Chirp探測不僅能獲得電路的MUF,而且能精確地測量出電離層傳播模式[9]。Chirp探測系統主要由探測發射機、探測接收機、頻率管理終端和干擾檢測設備組成[10],如圖1所示。整個Chirp探測系統的通信是單向的,系統設備一方固定作為Chirp探測信號發射方,另一方固定為Chirp探測信號接收方。Chirp探測信號接收方會對接收到的信號情況做處理,并生成電離圖文件。Chirp探測信號是一種線性掃頻信號,由探測發射機發射,探測發射機會進行從低頻到高頻的線性掃頻,探測信號經過信道后會產生時延和多徑干擾,探測接收機接收到的信號的頻率會發生一定的偏移[11]。

圖1 Chirp系統組成Fig.1 Architecture of Chirp system

為了準確地測得該偏移,探測發射機和探測接收機需要精確的校時和時間同步。通過Chirp探測技術,能獲取的短波信道特征參數主要有:探測信號能量、噪聲能量、多徑時延、信噪比、最高可用頻率等。探測信號能量能很好地反映電離層信道的信號衰減程度,而噪聲能量能反映接收端噪聲情況。相對于頻率預測技術,采用實時探測技術獲得實時信道參量再輔以頻率管理,能獲得較好的通信效果。

王德豐[10]討論了船站和岸站進行通信時,如何根據利用Chirp探測技術實時探測出各條鏈路所能采用的頻率的分值來選出最佳的通信鏈路。當船站D需要與岸站進行通信時,通過選擇同一群組中的岸站B和岸站C等,向頻管終端同時發送它們之間能夠采用的盲連接頻率和群連接頻率,頻管終端經過Chirp實時探測后,將結果返回給應用軟件,應用軟件通過統計計算,挑選出通信效果最佳的岸站進行建鏈。

譚正輝等[11]、卓琨等[12]基于Chirp系統分別提出了雙向探測的高效能方案和基于模擬退火的頻率選擇方案。此外,楊銳博[1]也基于Chirp系統進行了頻率的選擇和服務改進優化。

Oyeyemi等[13]通過全球26個電離層站的觀測數據,利用神經網絡建立了一個準實時的全球f0F2預報系統。

2.1.2 基于短期頻率預測的選頻

劉珂[7]提出了一種短期頻率預測方法,首先根據天數跨度和小時跨度篩選出可用的歷史數據,然后根據歷史數據,對頻率集中的每個頻率參數,包括探測分值、探測時間、使用次數和使用時間等進行綜合打分,最后根據綜合分值對頻率集中的頻率進行排序。

鄭廣發[14]提出了一種基于卡爾曼濾波的傾斜探測電離層MUF短期預報方法,其基本思想是考慮到電離層最大可用頻率的時間離散性和線性,通過回歸系數估計法來構建傾斜鏈路探測站近2個月份的回歸方程,然后采用卡爾曼濾波方法進行短期可用頻率的預報。

陳春等[15]提出了利用集合卡爾曼濾波對電離層f0F2進行頻率預測,通過動態跟蹤f0F2的變化趨勢并考慮前一天預報誤差的反饋信息以進一步修正和優化。周燚等[16]提出一種基于卡爾曼濾波的短期頻率預測方法,當太陽活動、地磁活動、中高大氣、地理位置影響等歷史數據較少時,考慮到f0F2的變化較為平穩,利用短期內的相關性,進行頻率預測。

王娜[17]提出了七天加權平均法,其基本思想是將以往使用過的通信頻率,采用七天加權平均算法來預測當前時間、地點的最佳頻率或者最佳中心頻率。以預測某個時刻T的通信頻率為例,首先從歷史記錄中找出近7 d內T時的所有建鏈頻率fij及其LQA分值qij,i代表7 d內的第i天,j代表該天T時刻的第j個頻率,預測的中心頻率為:

(1)

式中:pi為加權因子,其計算公式為

(2)

張雯鶴等[18]針對現有短波通信頻率參數預測方法操作繁瑣、預測精度不足的缺點,首次提出一種基于長短期記憶型循環神經網絡(Long Short-Term Memory Recurrent Neural Network,LSTM RNN)的預測方法。通過對電離層參數f0F2數據的分析,利用LSTM在處理時序相關數據時可以長期記憶網絡歷史數據的優勢,對f0F2值進行預測。對比反向傳播神經網絡(Backpropagation Neural Network,BPNN),LSTM RNN將誤差降低了7%,并將均方誤差控制在2%以下。

曹婷婷[19]發現以往短波頻率預測方法的局限性在于采用了簡潔的預測方法,且所使用的數據集較為陳舊或為模擬數據,導致預測準確度較低。在對短波信道模型分析的基礎上,對高斯散射增益抽頭延遲線(Watterson)信道模型進行了完善,使其可以描述短波信號工作頻率的跳變過程。然后,基于上述發現,建立了基于隱馬爾科夫的短波信號工作頻率預測模型。

彭地[20]提出了一種基于進化神經網絡的短波通信頻率選擇方法,通過利用短波通信系統中積累的歷史數據來提高選頻的準確性。該模型將特定通信條件下短波通信系統預置頻率表中所有候選頻率依據LQA分值進行排名,選取通信質量最高的若干個頻率作為備選頻率。為避免BP算法陷入局部最優解,引入了一種改進的粒子群算法對神經網絡進行訓練,從而得到進化神經網絡頻率質量預測模型。

楊博等[21]認為現有的探測頻率選擇算法依據頻點的平均信噪比進行評估選優,未考慮短波信道的小尺度隨機衰落特性,難以滿足實時選頻的要求。為了快速尋找短波頻段內的目標頻點,結合寬帶頻譜感知技術,提出了基于變鄰域粒子群搜索(Variable Neighborhood Search Particle Swarm Optimization,VNSPSO)的短波雙向探測頻率選擇算法。算法依據大尺度衰落的相關特性,采用最大分離法得到初始探測頻點集,以此來劃分相關鄰域;針對鄰域內頻點質量選擇性衰落特點,采用粒子群優化算法搜索鄰域內頻點,得到鄰域內最優解;通過變換鄰域,得到全局最優解。

林雪[22]發現相比于神經網絡等深度學習模型,SVM算法可以防止過擬合現象出現,且通過優化核函數能夠在較小的計算量下達到較好的非線性逼近能力。在頻率預測中,通過質量等級分類來代替量化預測,降低了學習難度,為了提高該模型的分類性能,提出了一種基于基因收集的正交遺傳算法來訓練模型的關鍵參數,并將長短期預測結果進行融合來提高預測精度。

2.1.3 基于長期預測的選頻

本系統采用基于歷史記錄的短期預測作為輔助選頻方式。基于歷史記錄的短期預測選頻方式對通信過程中產生的大量有價值的歷史數據進行分析,并依據短波選頻預報軟件所產生的數據來提取對當前通信時刻有價值的數據,然后經過數理分析得出最后的選頻結果,并且在通信過程中采用在線學習的方法,不斷對數理統計分析過程中的權重進行優化。通過這種方式,能在頻管終端未能返回有效數據的情況下,做出良好的應急措施,并且能達到減少信道探測盲目性、提高信道探測效益的目的。

目前較為常見的短波預測分析軟件為美國電信科學研究院(NTIA/ITS)開發的電離層通信分析程序VOACAP、ICEPAC以及REC533等預報軟件。上述三者都是在IONCAP[23]基礎上發展而來,其中REC533在低緯度地區的預測最為準確,VOACAP和ICEPAC在低緯度地區預測結果相同,VOACAP在中緯度更為準確,而ICEPAC則在高緯度更加準確[24]。

此外,挪威國防部支持開發的頻譜資源管理和無線通信網絡規劃軟件系統和瑞典某公司開發的頻譜規劃管理軟件系統在國際上應用也較為廣泛。除此之外,還有Proppy、VOAProp、ACE-HF、ASAPS、 CAPMAN、W6ELPROP、HFWIN32、WinCAP Wizard 3、HFProp、HF-Prop、HamCAP、DXLab和PropMan-2000等工具。其中,多數為免費軟件,ACE-HF、PropMan-2000等為收費軟件[25]。

2009年曹紅艷等[26]在F2層頻率預測方法中,用太陽黑子數12個月平均值R12來替換重慶地區F2層指數Ic,并在原亞大地區F2層頻率預測方法中增加了一些探測站的數據,從而以降低中間環節所帶來的插值誤差,提高了預測的準確性。

劉珂[7]在研究數據充足的情況下,設計了基于LSTM的頻率預測方法,該方法綜合考慮探測頻率、探測分值、通信時間、通信雙方的地理位置、太陽活動指數、信號發射功率和接收端的本地噪聲等因素,并設計了由LSTM層、Dropout層和Dense層3層組成。算法使用均方誤差(Mean Squared Error,MSE)作為損失函數,然后以預測分值的準確度、頻率選取的準確度和頻率排名的準確度等作為評價函數進行評價。

2013年劉學宇[27]基于短波中長期預報軟件VOACAP,通過線性內插的方法來選擇頻段內可用頻率。石曉航[28]采用REC533建議的方法,采用分段線性插值、三次分段Hermite插值和三次樣條插值等多種插值技術來進行頻率預測。此外,楊銳博[1]也采用了VOACAP等工具進行頻率預測。

鄭廣發[14]在長期預報模型的基礎上,采用平滑太陽黑子數替代由單站點F2層臨界頻率導出的太陽周期指數,并針對單個電離層探測站的區域局限性,引入地理位置參量,得出不同區域范圍內電離層的臨界參量,提出一種適用于中國地區的電離層長期預報方法。

2.2 多點頻率分配

考慮到在短波數據傳輸過程中,短波站需要確保鏈路的可用性從而實現數據不間斷傳輸,因此對短波頻率分配提出了更高的要求。

與多頻點分配技術相比,傳統的短波靜態頻率分配和基于電離層參數預測的分配方法實時性能較差。為了滿足實時性和準確性的要求,短波認知無線電技術需要探測當前鏈路的實時可用頻率從而實現動態頻譜接入頻率高效分配[29-33]。為了克服上述問題,需要綜合考慮多頻點分配并優化頻點的分配。

有許多頻率組合優化算法,其中組合拍賣算法是一種有效的頻譜分配方式,具有良好的性能,可以提高系統的整體穩定性。在短波頻譜的組合拍賣過程中,以不同短波頻率的3 kHz信道為拍賣單元,每個拍賣單元相互獨立。每個競拍者通過評估頻點的價值進行出價,中央控制節點通過匹配交易實現頻譜資源的最優分配。在頻譜組合拍賣過程中,贏家確定問題的本質是在所有競標者中找到最大化通信效益的方案組合[29-30]。

岳新智[31]提出了一種基于純不連續馬爾可夫過程的頻譜感知方法,將信道狀態在任意時刻分為空閑和忙碌2種狀態,借助于不連續馬爾可夫過程在任意時刻停留的時間服從指數分布和富克-普朗克方程建立轉移狀態局長,來對不同電臺分配信道。

Yang等[32]引入了門控遞歸單元(Gate Recurrent Unit,GRU)輔助預測模型,實現了每周頻率點的預測,提高了平均買方收益率,提高了頻譜分配的效率。仿真結果表明,組合拍賣算法的性能隨著頻譜感知能力的提高而提高,通過頻點狀態預測,在衰落條件下,平均買家回報率顯著提高。

孫杜娟等[33]研究了海上大型編隊短波跳頻組網問題,針對短波通信組網復雜性特點,構建了樹型、星型和準柵格網相結合的海上大型編隊短波跳頻通信網絡。在近距離通信時使用對稱交叉正交頻率表技術,進行高密度正交異步組網,在中、遠程通信時使用基于非對稱頻率表技術的實時頻率AFH技術,采用點對點天波跳頻通信。

3 算法綜合對比

為了對短波通信頻譜的選擇與分配有較為全面的認識,表1總結了常見的頻譜選擇和分配算法,對其進行了對比分析。主要包括算法的原理、分配范圍等幾個維度。

表1 短波信道規劃技術對比Tab.1 Comparison of scheduling technology for high frequency channel

4 未來研究方向

通過上述分析可知,短波通信頻率選擇主要面向以下方向開展研究:

① 短波信道大數據建模與頻率預測。當前伴隨著大數據技術的出現以及無線電技術的不斷進步,短波大數據的探測和感知能力不斷增強,基于大數據的短波頻率預測技術可以通過多源協同數據探測來獲得太陽輻射、地磁活動和電離層變化等數據,然后結合通信雙方的位置和運動軌跡進行可用頻率和功率的預測。

② 多點組網方案的智能化構建。目前伴隨著裝備水平的提升,短波通信中裝備組網已經成為趨勢,這就要考慮不同空間和區域中各個設備的相互干擾和動態更新,如何通過頻率調度提升整個系統的通信容量和帶寬,因此,需要更加高效的計算方法和模型。

③ 實時感知與頻率動態更新。由于短波電臺通信受到各種因素的干擾,當通信雙方或一方在高速運動時,信道通信質量不穩定,通過空間分集的方式在一定程度上可以提高通信質量。如果能夠準確地感知頻率和預測信道的變化,則可以預先進行站點握手連接,從而提高通信穩定性。

5 結束語

本文系統地分析了短波通信中頻率的選擇和分配問題,通過對近年來相關研究的綜合分析和對比,指出了短波通信中智能頻率選擇的方向,主要是基于大數據的建模與預測、多點組網方案和實時感知與頻率動態更新。在未來研究中,可以針對現有短波通信系統瓶頸問題,綜合運用機器學習、組合優化和博弈論等人工智能方法從而支撐智能短波通信系統構建,實現各種環境下高容量、持續、穩定的通信。