一种波形可移植性量化评估的模糊综合评判法*

李燕斌,李 冰

(1.中国西南电子技术研究所，成都 610036；2.中国航天员科研训练中心，北京 100094)

0 引 言

针对复杂多样的不同通信装备，为提升通信装备间的互连互通能力，需要各通信装备加载共同通信波形，并具备快速部署及灵活重组能力。要使各种共用波形能低成本、高效互移植到不同平台，除了在波形研发时需基于波形可移植性设计准则进行波形开发外，在跨平台进行波形移植前还需要针对待移植平台，通过波形可移植性量化评估，优选出可移植性强的波形来进行移植。美军在联合战术无线电系统(Joint Tactical Radio System，JTRS)项目中发布了波形可移植性设计准则，对JTRS波形可移植设计方法进行了详细规定，并开展了波形可移植性测试评估，从而降低波形移植到不同平台的工作量和移植成本。由此可见，波形可移植性量化评估在无线通信领域(特别是软件无线电通信领域)非常必需，也迫切需要。

1 波形可移植性评估要素

通信波形是将待传输数据或话音信息按预定的通信协议通过数据组帧、信源编码、信道编码、交织、调制、滤波等处理后形成的一种在空中传输的图形抽象，无线通信装备通过波形的收/发实现通信信息的传递。通信波形基于OSI(Open System Interconnection)参考模型7层架构，根据通信数据链实际应用情况，波形架构简化为3层，即物理层、建链层和处理层，其组成如图1所示。

图1 波形组成架构图

通信波形与设计开发、支撑硬件平台及软件平台密切相关：影响波形移植的的设计开发要素主要包括设计规范性、组件划分颗粒度、IP核、开发工具、核心处理器及总线类型等；影响波形移植的硬件要素主要包括ADC/DAC转换器、核心处理器(DSP、FPGA、CPU)、内/外部总线、系统时钟、混频器、滤波器、功率放大器、低噪放、天线等的功能性能；影响波形移植的软件要素主要包括底层驱动程序、操作系统、硬件抽象层、中间件等的功能性能[1]。

总的来说，影响波形移植的要素很多，对波形进行可移植性量化评估是一个复杂体系，为了实现其量化评估目标，需要基于系统分析方法来开展实施。

2 基于系统分析的模糊综合评判法

系统分析是运用建模及预测、优化、仿真、评价等技术对系统的各有关方面进行定性与定量相结合的分析，为选择最优或满意系统方案提供决策依据的分析研究过程[2]。

对于复杂的波形可移植性量化评估体系，许多要素很难通过建模和仿真等手段实现评估，比如处理器性能差异、系统时钟差异、组件颗粒度划分、IP核使用情况等。基于这种情况，参考钱学森院士提出的以人为主的人机结合系统思维体系，即坚持以人(专家群体)为主的原则，充分发挥人脑思维的关键作用又体现计算机的特长，有意识地综合运用，优势互补，辩证统一。通过人机交互、反复比较、逐次逼近，达到从定性到定量的认识，从而对经验性假设正确与否给出明确结论。也就是说，许多系统问题的解决，可以通过以人为主的原则，通过数学方法实现量化。模糊综合评判法即是这种以计算机为平台并结合人的因素实现系统参数量化的数学方法[3]。

1965年，美国著名控制论专家L.A.Zadeh教授发表了模糊集合的论文，提出了处理模糊现象的新的数学概念“模糊子集”，采用定量、精确的数学方法去处理模糊现象。模糊数学的发展与计算机科学的发展密切相关，其使计算机吸收人脑识别和判决的模糊特点，从而提升计算机能够完成更复杂的任务。

模糊数学的基本原理是，给定论域U上的一个模糊子集A，对于任意u∈U，都指定了一个数γa(u)∈[0,1]，叫作u对A的隶属程度，γa叫作A的隶属函数。模糊子集A完全由隶属函数γa来刻画，两者等价。γa(u)表示u对A的隶属大小，当γa的值域为[0，1]时，γa蜕化成一个普通子集的特征函数，A蜕化成一个普通子集。

在有限论域上的模糊子集可写成(不是分式求和，只是一种表示方式)

(1)

即

(2)

式中：分母是论域U中的元素，即U={u1，u2，u3，…，un}，分子是相应元素的隶属度(u对A的隶属程度)。

总的来说，模糊的不确定性用隶属度来度量，隶属度表示事物多大程度属于某一类。隶属度的具体确定包括人的某种主观因素。模糊集合论的运用则是从模糊性中去确定广义的排中率-隶属规律。模糊集合(对应前文中的模糊子集A)表达的是事物的过渡特质而非突变性，集合中每一个元素的隶属函数γa(u)在区间[0,1]可以任意取值，隶属函数是连续光滑的。因此，模糊集合对不确定信息的刻画是精细而充分的，但隶属函数不可计算，凭人的主观经验给定。

3 模糊综合评判法在软件无线电波形可移植性量化评估中的应用

波形可移植性评估因素主要表现为硬件平台因素、软件平台因素[4]、波形设计及开发因素。下面以硬件平台因素为例论述其量化评估方法。

通信装备硬件平台是通信波形的物理支撑平台，其中核心处理器处理能力、ADC/DAC变换器转换能力、滤波器性能、功率放大器性能、总线传输能力、系统时钟精度、存储能力等硬件性能都是影响波形可移植性的重要因素。影响波形移植评估的硬件平台因素如表1所示。

表1 硬件平台因素表

对于影响波形移植硬件平台因素，按两个论域综合考虑，即硬件平台的资源能力论域F和能力评价论域E。其中，资源能力论域F={f1，f2，f3，…，f8}={信道能力、转换能力、处理能力、存储能力、时钟能力、抗干扰能力、安全处理能力、接口能力}，WF为论域F上的一个模糊子集，作为评价硬件资源能力的权重系数向量，隶属函数γa(f)∈[0,1]，那么WF={γa(f1)，γa(f2)，γa(f3)，γa(f4)，γa(f5)，γa(f6)，γa(f7)，γa(f8)}={α1，α2，α3，α4，α5，α6，α7，α8}且

(3)

能力评价论域E={e1，e2，e3，…，e5}={AA/很好、BB/较好、CC/好、DD/较差、EE/很差}，将对应分值(即上式中的AA、BB、CC、DD、EE)转换成γa(e)∈[0,1]，对应的模糊子集WE={γa(e1)，γa(e2)，γa(e3)，γa(e4)，γa(e5)}={β1，β2，β3，β4，β5}且

(4)

假定评价专家团队为N人，基于R=F×E论域，给出硬件资源能力评估结果,如表2所示，其中Nij为基于各评估细分项i给出相应评价结果j的专家人数。

表2 硬件资源综合评估表

将专家评估结果转换成隶属度βj，βj=Nxj/N(其中，Nxj为第x行评估项的第j列能力评估结果获得的专家评估人数，N为参加评估的专家总人数)，βj∈[0,1]。

硬件资源综合评估结果统计如表3所示，第2列硬件资源能力的权重系数αi可调。

表3 综合评估结果统计表

基于表3，列出隶属度矩阵

(5)

根据隶属度矩阵，求出综合隶属度Ri(表3中倒数第2行)为

Ri=α1×(N1i/N)+α2×(N2i/N)+α3×(N3i/N)+

α4×(N4i/N)+α5×(N5i/N)+α6×(N6i/N)+

α7×(N7i/N)+α8×(N8i/N)。

(6)

再基于Ri计算结果，求出综合得分Z(表3中最后一行)为

Z=(R1×β1+R2×β2+R3×β3+R4×β4+R5×β5)×

(AA+BB+CC+DD+EE) 。

(7)

评估大项综合评估流程如图2所示，先设定评估细分项权重系数初始值，统计出各评估项的综合隶属度，再计算出各评估细分项综合得分。随着通信装备评估数量的增多，基于专家群体的综合评判，调整各细分项权重系数大小并逐步趋于固定，从而达到从定性到定量转化的准确性，提高量化结果(综合得分)的置信度。

图2 大项综合评估流程

除硬件平台因素外，影响波形移植还包括软件平台因素和波形设计开发因素等[5]。在应用中，如图3所示，三大影响波形移植因素可分为软件资源能力、硬件资源能力、软件平台符合性、硬件平台符合性、波形软无符合性等多个具体评估大项，各评估大项由对应的评估细分项组成。

图3 评估项评估示意图

各评估大项根据细分项及权重，基于专家群体的综合评判，采用前面所述模糊综合评判实现方法，求出被测通信装备相关评估大项i的综合隶属度，给出综合得分Zi，如图4所示。

图4 量化评估结果统计示意图

图5所示为量化结果计算流程，在求出各评估大项i的综合得分Zi后，再基于各评估大项的权重δi，根据公式(8)求出波形可移植性的最终量化评估结果。

图5 量化结果计算流程

Q=Z1×δ1+Z2×δ2+Z3×δ3+ …+Zi×δi。

(8)

统计出的波形可移植性量化初始结果，基于专家群体的综合评判，调整各评估大项权重系数δ大小并逐步趋于固定值，从而使得量化评估结果Q具备准确性和权威性。

本方法已在实际软件无线电项目中应用，很好地解决了过去长期存在的波形可移植性评估要素不明确、不能科学有效量化的难题，应用效果良好。

4 结束语

波形移植是一个非常复杂的体系，涉及到软硬件平台各种资源能力、各接口标准的符合性、波形设计及开发因素的规范性，以及可移植性量化评估的复杂性。本文基于钱学森院士提出的以人为主、人机结合的系统分析思维，采用模糊综合评判法，并通过人机交互反复比较、逐次逼近，有效实现了波形可移植性的量化评估。

为了提升波形可移植性量化评估效率，后续可考虑将人工智能机器学习算法应用到一些评估大项的量化评估中，以逐步减少专家团队评估比重。随着在工程中应用的增多，评估权重系数的不断迭代优化，评估效率的不断提高，波形可移植性量化评估模糊综合评判法将日趋成熟，基于该方法的波形可移植性量化评估在软件无线电项目及其他无线通信项目中将会得到更加广泛的应用。