短波天波通信性能预测软件的接收场强预测准确性对比与分析

于睿 向东蕾 何雯 赵佟萍

【摘 要】以ITU在Data Bank D1/1中发布的全球181条链路实测短波天波接收场强中值数据为基础，对VOACAP和ITU-REC533两种预测软件在不同计算参数配置和不同链路大圆距离情况下得出的接收场强月中值的准确度进行统计分析，得出预测误差的范围估计和基本特性，在此基础上提出两种算法软件的选取原则、参数配置建议和预测结果的采信标准。

【关键词】VOACAP REC533 短波通信 性能预测

中图分类号：TN925 文献标志码：A 文章编号：1006-1010（2016）09-0073-08

1 引言

VOACAP（the Voice of America Coverage Analysis

Program）和ITU-REC533（International Telecommunica-

tion Union Recommendation 533）均是短波天波通信性能预测计算软件，主要用于指导不同季节、不同太阳黑子活动、不同通信时段和地理位置的短波天波通信链路规划与操作。

VOACAP是美国之音组织美国电信科学学会（ITS，Institute for Telecommunication Sciences）和海军研究实验室的技术专家对ITS于80年代发布的IONCAP（Ionospheric Communication Analysis and Prediction Program）软件进行完善和修正后，于2001年首次发布的短波天波传播性能预测软件[1]。该软件采用理论计算、经验公式和统计数据相结合的方式根据系统参数配置和用户选择计算短波天波的传播性能[2]。当前许多有关短波天波传播的计算模块都是以VOACAP为计算引擎，如瑞典萨博通信公司的WRAP、美国罗克韦尔柯林斯公司的PropMan-2000等。VOACAP在一定程度上被看作是短波天波通信性能预测的参考标准。本文中的有关数据通过ITS发布的VOACAP 09.1208W版本软件进行计算获得。

ITU-REC533是根据国际电信联盟（ITU，Interna-

tional Telecommunications Union）的ITU-R P.533建议书编写的短波天波通信性能预测计算软件的统称。REC533在计算原理、输入参数和输出数据上与VOACAP基本一致，只是在具体的计算模型和数据选择上存在一定差异。ITU-R P.533建议书通过国际合作的方式完成，从1978年开始到2013年已经发布了12个版本[3]。本文使用ITU网站上发布的根据2013年第12版建议书编写的评估软件进行有关计算。

针对在实际使用过程中，软件计算结果与实际性能存在较大差异的问题，本文采用统计学方法，利用短波天波实测接收场强中值数据，对VOACAP和ITU-REC533中的接收场强月中值的准确度进行对比，分析两款软件的场强月中值预测准确度，讨论软件的选取原则、参数配置建议和预测结果的采信标准。

2 接收场强预测准确性对比计算

接收信号场强月中值预测准确性对比，按照ITU-R P.1148-1中的比较方法，以ITU发布的Data Bank D1/1数据为比较基准，使用VOACAP和REC533预测软件，采用与实际测试一致的通信参数和环境参数，计算接收信号场强，然后计算预测结果与实测数据的差值的均值与标准差。

ITU-D1/1数据是短波天波场强估计领域数十年来国际合作取得的成果，于1989年1月正式发布[4]，主要包含1964～1985年的21年中分布在全球的68个短波台站之间的82条地理路径在181条通信链路上，每小时的短波天波通信信号场强实测值的月中值。数据在时间跨度上包含了近两个太阳黑子周期，频率涵盖2.5—25.8 MHz范围，共38 712个数据记录。本文将D1/1中的数据进行处理，去除了无效的数据记录，共得到16 268条记录，每一条记录都包含了进行场强预测计算所需要的基本数据，方便用于后续试验。

2.1 预测软件输入参数

VOACAP和REC533软件在预测计算时需要输入的参数基本相同，主要包含发射机和接收机相关参数，以及时刻、通信系统、通信需求和计算的相关参数等。其中，发射机和接收机相关参数、时刻参数和频率参数等数据可以从处理后的D1/1数据记录中直接获得。同时，根据D1/1数据归一化的说明，设置发射功率为1 kW，收发天线均为0 dBi的全向点源，收发天线架设方位角均取0°，天线3D增益数据在所有的方位角和仰角上的增益均为1。根据文献[5]中的建议，环境参数中的最小仰角设置为3°，路径类型根据实际通信距离进行设置。

VOACAP需要特别说明的是电离层系数数据（Coefficients）和计算方法（Method）两项参数。

Coefficients是全球电离层系数数据，用于控制点的电离层参数计算，有CCIR（Oslo）和URSI_88两个选项。CCIR（Oslo）是ITU于1967年发布的数据，主要来源于美国和欧洲的电离层探测站在一个完整的电离层活动周期内的探测结果，但是缺少海洋上空和南半球的数据。URSI_88是国际无线电联盟（International Union of Radio Science）在CCIR（Oslo）数据基础上，利用日本电离层探测卫星和澳洲内部及周边电离层探测提供的数据，增补海洋与南半球数据后形成的电离层系数数据。在有关VOACAP软件使用的文献[6]、[7]和[8]中都提出URSI_88增加的数据与原来CCIR（Oslo）的数据不兼容，VOACAP在使用URSI_88的数据后可能出现错误结果，建议使用CCIR（Oslo）的数据。本文将对CCIR（Oslo）数据和URSI_88数据对VOACAP场强预测准确性的影响进行分析。

VOACAP通过计算方法（Method）参数确定需要计算的内容及方法，共有30个计算任务可供选择。本文将重点对“Method=20和Method=30”的情况进行对比分析[6]。当Method=20，若通信链路大圆距离（按：大圆距离（Great-circledistance）：从球面的一点A出发到达球面上另一点B，所经过的最短路径的长度。由于地球类似球体，因此地球上任何收发两点沿球面的最短通信距离可以通过大圆距离的公式进行估算）小于10 000 km时，系统使用射线跳跃模型（ray-hop）；若通信链路大圆距离大于10 000 km时，系统使用波导/前向散射模型（ducted/forward-scatter）。当Method=30，在收发两点大圆距离大于7000 km且小于10 000 km时，系统同时使用射线跳跃模型和波导/前向散射模型进行传输损耗计算，并通过与大圆距离相关的加权算法对两个计算结果进行平滑处理，其余距离区间使用的计算模型与Method=20相同。Method=30解决了当Method=20时，在收发两点大圆距离在10 000 km附近，由于使用两种不同链路模型进行计算造成的数据不连续问题。

REC533的电离层系数数据需要通过指定数据文件的路径来确定使用的数据来源。在ITU发布的软件版本中，只提供了一套数据文件，没有其他可供选择。根据文献[9]中的说明，REC533中的电离层系数数据与CCIR（Oslo）基本一致。REC533在计算链路性能时，当收发两点之间的链路大圆距离小于7000 km时，采用与VOACAP类似的射线跳跃模型计算接收场强。当链路大圆距离大于9000 km时，通过计算最低可用频（LUF）和最高可工作频率（operational MUF），再利用经验公式计算出接收场强。当链路大圆距离在7000 km和9000 km之间时，采用上述两种方法计算接收场强后进行平滑处理，其过程类似于VOACAP中Method=30的情况，但计算方法不同。

2.2 预测软件输出数据

VOACAP计算完成后输出的计算结果包括接收信号场强中值（DBU）、最高可用频率（MUF）和频率反射概率（MUF_Day）等22个参数。除了从输出文件中提取DBU值用于和实测统计数据进行对比外，本文还提取了MUF_Day数据用于DBU值的准确性评估。

MUF_Day的定义是在指定月份的特定UTC时间，通信频率低于最可靠传播模式的最高可观测频率（MOF）的天数比例[6]。根据文献[2]，VOACAP在传播损耗计算中既包括电离层反射模式也包括散射模式，因此给出的接收场强中值包括了计算月份的所有天数的数据，而不仅仅是能够进行反射通信的天数数据。这样，按照文献[5]中规定的比较流程，可以直接用计算获得的DBU值与实测统计值进行比较，而不需要对DBU值做进一步处理。

REC533计算后的输出参数种类与VOACAP基本一致，但没有MUF_Day数据。虽然REC533没有给出MUF_Day数据，但是提供了MUF的高/低十分位数数据。可以在此基础上建立MOF的统计模型，从而计算出MUF_Day的数值。

2.3 对比计算过程与内容

接收场强预测准确性对比计算过程分为数据计算和分类统计分析两个过程。

在数据计算中，两款预测软件使用ITU-D1/1中的实验环境和系统数据进行系统通信性能计算。对于VOACAP软件，直接读取输出文件的对应数值，将计算输入条件、DBU、MUF_Day以及DBU与实测统计中值的差值（预测误差）一并写入数据记录文件，为后续的统计分析提供基础。在REC533的计算结果中没有提供MUF_Day数据。为了比较方便，本文根据REC533计算结果中的MOF中值和分位数值，构建了MOF的高斯概率分布模型，如式（1）所示：

根据式（1）和MUF_Day的定义，得到MUF_Day的计算公式（2）。在此基础上计算得出MUF_Day的数值。这样，VOACAP和REC533两款软件就可以生成结构相同的数据记录文件。

其中：δL=（MUF-MUF_L）/1.28，δH=（MUF_H- MUF）/1.28，MUF_L为月MOF低十分位数，MUF_H为月MOF高十分位数。

分类统计分析是按照文献[5]中的分类方法，对两个软件计算得到的数据结果，从频率、大圆距离等7个方面计算预测误差的均值和标准差，生成数据统计文件。

使用VOACAP软件，在根据实际链路大圆距离选择路径类型设置条件下，对Coefficients取CCIR（Oslo）、URSI_88以及Method取20、30的共4种参数组合分别进行了数据计算。由于没有更多的参数可供选择，本文仅在根据实际链路大圆距离选择路径类型设置条件下，使用REC533软件进行了数据计算。基于以上数据，本文根据MUF_Day的不同取值进行筛选后分别进行了分类统计分析。

3 数据分析

使用VOACAP和REC533软件按ITU-D1/1中的实验条件计算接收场强的预测结果，并按文献[5]的分类方法对预测误差进行分类统计。本文从应用的角度出发，只列出了对频率和大圆距离的分类统计结果。从表1可见，VOACAP软件的预测误差在宏观上表现出比较保守的特性（预测值低于实测值），具有随频率和大圆距离增加而增大的趋势，并与Coefficients和Method的设置有关。而REC533软件的预测误差随频率和大圆距离变化的趋势不明显，表现出较随机的特性。总体上看，REC533的预测误差明显小于VOACAP，但是在一定的频率范围和距离范围上，VOACAP表现出一定的优势，如频率低于5 MHz和大圆距离在2000～3000 km，因此需要更深入的对这两种软件的预测准确度进行对比分析。

3.1 MUF_Day对预测误差的影响分析

VOACAP根据工作频率与MOF的关系使用射线跳跃和散射两种模型预测传播损耗。工作频率越高，超过MOF的概率也越大。根据文献[6]，工作频率在特定时刻的MUF_Day值反映了工作频率低于MOF的概率，可以作为对VOACAP输出数据进行筛选的条件。图1是对生成表1的5组计算数据按MUF_Day大于等于横坐标值筛选后的汇总统计结果。横坐标是MUF_Day的值。

从图1可以看出，VOACAP的计算结果在MUF_Day≥0.01后，预测误差均值和标准差显著下降，误差均值的下降幅度超过3 dB，在大于0.05后趋于平稳，并且随MUF_Day的增大在一定程度上有所增加。相对于VOACAP而言，REC533的预测误差对MUF_Day的变化不敏感，当MUF_Day≥0.9时，误差开始显著增加。

同时，使用MUF_Day数据对计算结果进行筛选会使统计计算的样本数下降。在MUF_Day≤0.05时，样本数量下降明显。在此之后，样本数随MUF_Day的增加接近匀速下降。当MUF_Day=1时，样本数小于5000，只有原来的30%左右。

以Coefficients=CCIR以及Method=30的VOACAP计算数据为例，按MUF_Day>0.05的规则对数据进行筛选。筛选前后预测误差分布的直方图如图2所示。可以看到VOACAP的预测数据中存在较大数量的大误差数据。当采用MUF_Day值对数据进行筛选时，误差大于-35 dB的高误差项明显减少，大于±10 dB以上的误差分布也变得更小，使整体预测误差及标准差相对于筛选前得到明显改善。

因此，对于VOACAP得到的计算结果，可以通过对应的MUF_Day数据来评估预测结果的准确性。根据图1显示出的变化趋势，可以把MUF_Day>0.05作为对VOACAP预测数据准确性的一个判断标准。当VOACAP给出的数据中MUF_Day>0.05，其信号场强预测结果的准确度较高。反之准确度将难以保证。对于REC533软件则不存在这样的数据筛选标准。

3.2 VOACAP中Coefficients与Method参数组合对预测误差的影响分析

从表1的汇总行可以看到，在不同的Coeffi-cients和Method输入参数组合下，VOACAP的预测误差存在一定的变化。研究这两种输入参数分别对预测误差的影响程度，取Coefficients={CCIR， URSI}和Method={20， 30}的4组排列组合数据进行可重复双因素方差分析，显著性水平设为α=0.05，结果如表2所示。

Method取不同的数值时，F值达到了185.913，远大于统计显著的临界值3.84，对应的P值接近0，因此对预测误差存在非常显著的影响。从预测误差的数据结果上看，Method=30比Method=20好。通过对比不同Method取值在表1大圆距离分类中的结果以及文献[6]中对Method=20和Method=30时计算方法的说明，可以看到当大圆距离小于7000 km时两种方法的计算结果是相同的。所以Method=30对预测性能的提升主要表现在大圆距离为7000 km以上链路的计算上。Coefficients取不同的数据时，F值也大于临界值，说明参数的选取对预测误差存在统计显著的影响。但对应的P值只有0.0108，显示出这种影响比较弱，远没有Method的影响大。反映Method和Coefficients两个因素组合影响的F值为0.79，小于统计显著的临界值3.84，对应的P值为0.37，大于0.05的显著水平设置，表现出Coefficients参数对预测误差没有统计显著的影响。

因此，对于VOACAP软件Method输入参数取30是减小预测误差的重要设置。对于Coefficients参数取URSI_88比CCIR（Oslo）略好。

3.3 VOACAP与REC533预测误差对比分析

在上述分析的基础上，将两款软件采用相同的电离层系数数据（CCIR）和条件筛选后的数据进行对比。其中筛选条件为MUF_Day>0.05，VOACAP软件Method=30。图3是按大圆距离分类统计得到的两种软件预测误差对比。可以明显地看到VOACAP软件在大圆距离大于15 000 km时预测误差迅速增大。在3000 km范围内，VOACAP计算数据的预测误差远小于REC533的预测误差。

图4是两种软件预测误差随大圆距离累积变化曲线。从图中的误差变化趋势可以看出，VOACAP软件在大圆距离大于16 000 km时预测误差的均值超过REC533软件，标准差存在台阶式的增长。REC533软件在大圆距离小于5000 km时预测误差的均值较高，然后随大圆距离的增加趋于稳定，大圆距离大于10 000 km后基本稳定在2.5 dB左右。REC533软件预测误差的标准差基本不随大圆距离发生变化。

综合考虑预测误差均值与标准差的变化趋势，以16 000 km为界，将两个软件的计算数据进行分割，并分别绘制数据的直方图，如图5所示。从图中可以看出，当需要进行接收场强预测的大圆距离在16 000 km以内时，VOACAP和REC533都能给出较准确的结果，VOACAP略有优势。当大圆距离大于16 000 km后，VOACAP的预测误差远大于REC533，不推荐使用。同时，VOACAP的预测误差主要集中在-35 dB范围。这也可以看出在图4中观察到的大误差分布主要由16 000 km以上的预测数据引起。REC533在16 000 km前后直方图的形状基本相同，均能够提供较准确的预测。

4 结论

通过对ITU发布的D1/1数据进行格式化处理，使用VOACAP和REC533两款软件对接收场强进行预测计算，并将计算结果与实测统计结果进行对比分析，可以得出以下结论：