一种基于多元环境认知的短波自适应选频建链方法

胡汉武

（广州海格通信集团股份有限公司，广东 广州 510663）

0 引 言

传统的短波通信建链方法，需要人工选择通信频率，对操作人员要求高，同时选频建链时间长，选频效率较低，可靠性和稳定性也相对较差。本文提出一种基于多元环境认知的短波自适应选频建链方法，首先对时间信息、位置信息、电磁频谱信息以及网络参数信息等进行多元环境认知，然后通过量化后的环境参数索引信道模型案例库，获取上行建链目标频率和下行目标建链频率并进行链路质量验证；若频率验证不成功，则进入频率探测，初始探测采用大窗口、大步进，获取目标建链频率；若初始探测不成功，则进入精细探测，精细探测采用小窗口，窗口中心频率为初始探测获得的目标建链频率。并根据建链过程进行信道模型案例库修正、维护。

1 多元环境认知技术

1.1 信道认知技术

为了提高无线信道的可靠性和传输速率，认知无线电技术通过对信道环境进行认知从而自适应地调整发射端参数，使通信系统的性能接近最优。对于信道的认知通常包括信噪比（SNR）、多径参数、信道响应函数以及误码率信息等参数。其中，信噪比估计目前常用二阶矩四阶矩法。二阶矩四阶矩算法利用接收信号的二阶矩以及四阶矩特性进行SNR估计，是一种盲信噪比估计算法。例如，设接收信号为：

假设信号和噪声均为零均值相互独立的随机过程。则接收信号的二阶矩和四阶矩分别为：

其中，是信号功率；是噪声功率；k和k分别是信号和噪声的kurtosis系数，是随着调制方式改变的常数，定义为：

因此可得信号功率和噪声功率的估计值 和 为：

多径参数一般包括最大多径时延、多径数量与强度参数。通常用到的时延估计方法有相位法、相关法、自适应滤波器参数模型法等。多径参数搜索可以通过导频与接收信号进行相关处理，从而得到多径的峰值；再通过多径选取从相关的结果中选出符号要求的多径，进而估计出包括多径相位、多径能量在内的多径信息，如图1所示。

图1 多径搜索框图

信道传输函数的估计可以通过强化学习对传输信道状态进行学习估计，算法的模型框架如图2所示，输入是经过信道的同步序列，把一组横向滤波器的权值系数作为环境状态，估计参数集表示横向滤波器系数的改变，奖赏是同步序列经过横向滤波器的输出与同步序列的均方差。这样的话估计参数集会直接影响到环境，通过强化学习来选择估计集合，根据误差作为回报来进行调整横向滤波器的权值系数，使得通过横向滤波器的输出的估计值逼近真实同步序列。对基于强化学习的信道估计方法进行初步仿真。仿真参数设置如下：假设基带调制方式为QPSK，信道设为6径的瑞利衰落信道，功率时延分布（PDP）采用ITU-R模型中步行的参数，同步序列采用chu序列，长度设为64点。仿真结果如图3所示，其中图中的曲线表示经过FFT变换得到的信道相应。同时，将利用强化学习估计出来的信道与利用传统LMS算法估计出来的信道进行对比，可以看出，基于强化学习的多维信道认知方法估计出来的信道响应要比传统LMS信道估计方法估计得到的信道响应更好的拟合真实的信道响应。

图2 基于强化学习的信道估计模型框架

图3 信道响应的估计结果

误码率信息同样是信道的重要参数，根据准确的BER分析结果可以精确调整传输参数来达到最佳性能。两种常用的BER估计方法为利用统计量置信水平的误码率估计方法和利用解码前后的数据估计伪BER法。利用统计量置信水平的方法通过利用循环冗余校验（CRC）方式来确定一段时间内发生的误码情况，再根据统计置信水平原理，只要验证数字系统或器件的误码率指标是否优于某一规定标准，即可在测量精度和测试时间之间进行折中处理，而且仍能保证测试结果的准确度。其中统计置信水平的数学表达式为：

图4 TPC编码伪BER估计示意图

其中，P表示连续试验时器件测量的误码率；为测试传输的比特长度；为根据测量度和测量时间折中选取的统计置信水平。

利用解码前后的数据估计伪BER法是通过无线通信中采用的信道编码信息，将解码前的系统码字与解码后的数据进行异或得到，如图4所示为TPC码为例时的流程。不过，这种伪BER估计方法也有一定局限性，第一，必须是编码增益较高的纠错码；第二，必须是系统编码的纠错码。

1.2 网络认知技术

认知自组织网因其自组织性和动态特性，使其网络管理和维护变得非常复杂和不稳定。为了后续的路由规划、网络管理等功能的实现，需要对网络的拓扑信息、网络流量信息、网络时延信息、业务类型等信息进行认知，如图5所示。

拓扑信息的认知是认知自组网技术的核心，是完成高效率的路由设计的基础。目前拓扑认知的研究主要分为两种：基于信息反馈的拓扑认知和基于Agent漫游的拓扑认知。基于信息反馈的拓扑认知的主要过程包括节点对自身掌握的拓扑信息的封装，发送给目的节点，目的节点接受信息并返回拓扑信息反馈以及节点接受反馈后对自身拓扑信息的更新。基于Agent漫游的拓扑发现通过一个或者多个Agent代理按照一定的策略在网络中不断游走，在网络中的各个节点处收集信息，并对该节点的拓扑信息进行更新，从而不断使自身携带的信息更新到全网的节点，拓扑信息得到全网范围的传播，算法最终使网络中的每一个节点都尽可能多的掌握了整个网络的拓扑信息，从而使每个节点都找到自身在网络中最合适的拓扑状态。

图5 认知自组网中各节点的网络认知

网络流量认知一般是使用配置在信道上的无线网络接口，通过对无线网络信道中的流量进行抽样，来监测一定时间内信道上的流量。一般采用的抽样监测方法为：规则抽样、简单随机抽样和分层随机抽样。规则抽样是通过一个事先确定的函数来决定抽样的起点和抽样间隔等关键参数。最简单的规则抽样就是1/规则抽样，它是抽取每个数据包的第一个数据包。但由于网络中流的多样性以及持续时间长短不同的特性，利用规则抽样得到统计结果不准确。简单随机抽样是根据预先定义的随机过程来确定抽样的起点和抽样间隔。简单随机抽样是从个报文总体中随机选取个报文作为样本。然而简单随机抽样存在估计的网络流量对小流的统计结果不准确的问题。分层随机抽样的基本思想是使用总体中的一些逻辑信息（这里的逻辑信息可以是按时间分层，按包大小分层，按包类型分层）来增加测量精度。根据这些逻辑信息在抽样前对总体报文进行分组。分层抽样过程分为2个处理步骤。第一步：将总体元素根据一些逻辑信息进行智能分组。第二步：每个分组进行简单随机抽样。如图6所示是这三种抽样技术的对比示意图。

图6 三种流量抽样技术示意图

网络时延认知可以通过收集各个节点的一跳时延和一跳丢包率，每隔一定时间，网络中的目的节点在已有路径上发送探测包到源节点。探测包的内容包括探测包被转发的最新时间和相同探测包的发送个数。中继节点在接到探测包进行转发时，提取包中的转发最新时间和探测包的发送个数，利用当前时间和上次转发时间之差，获得一跳时延。

业务认知是认知网络环境下实施服务质量策略的基础。业务认知可以由业务流的特征、流标记以及流统计阈值来独立完成，也可以与业务管理服务器配合，从而保证系统具有强大的智能处理能力和业务灵活性。目前深度包检测（DPI）是一种在移动互联网中广泛应用的用户业务类型认知技术，通过深入读取数据包载荷内容进行模式匹配分析，从而识别出用户的业务信息。DPI解析组件主要包括业务特征库和DPI引擎。新接收到的业务数据流经过DPI引擎模块时，通过对其进行业务的特征匹配处理，当能匹配上业务特征库里的某业务时，则输出识别结果。DPI工作原理如图7所示。

图7 DPI工作原理示意图

2 信道模型案例库索引

基于获得的信道参数和网络参数，再依据北斗卫星获得的通信节点的位置信息、时间信息以及短波信道建链历史成功率等参数建立短波信道模型案例库，信道模型案例库中各种参数进行量化处理，提供多种关键字索引，索引结果为目标建链频率、链路质量和可信度等数据。通过北斗授时同步设备获取时间信息、位置信息，宽带接收机进行实时频谱检测获取实时电磁频谱信息，以及接收网管设备的网络规划参数信息，进行多维环境认知，将认知参数量化处理后在信道模型案例库中索引最佳的上、下行目标建链频率；对目标建链频率进行频率验证，其过程如图8所示。

环境认知参数量化处理，时间信息以年为周期，最小颗粒度为30分钟；位置信息将进行网格化编号，如主站电台A01网格信息为123，从站点A02网格信息为815；本地电磁频谱将2～30 MHz范围内1 458个频率根据干扰高低分别置0或1；根据通信速率将信道质量阀值量化为1～15，如通信速率4.8 kbps对应的信道质量阀值为8。

将量化处理后的环境认知参数输入信道模型案例库进行索引，信道模型案例图构造图如图9所示。信道模型案例库索引时，优选链路质量最好的频率，其次选择可信度高的频率。例如获取最佳上行目标频率为14.5 MHz，链路质量为9，可行度85%；下行目标频率为15.1 MHz，链路质量为12，可行度81%。

3 双向频率探测

初始探测阶段规定探测的起始频率、结束频率以及探测步进，由主站电台从起始频率开始，按照探测步进，逐个频率发起探测；主站电台循环探测两遍，第一遍用于从站电台搜索到探测开始信令，第二遍用于从站电台获取所有探测频率的链路质量。

图8 信道模型案例库建立流程

图9 信道模型案例库构造图

从站电台初始状态为探测搜索状态，探测搜索采用宽带接收机的宽带模式接收，接收带宽从探测的起始频率至结束频率；搜索到探测开始信令后，从站点宽带接收机采用窄带模式接收，随着主站电台发送探测频率顺序，改变频率接收所有频率的信令，记录链路质量。从站点选出链路质量最好的频率，如果链路质量大于或等于预设的链路质量阈值，则获得下行目标建链频率。宽带接收机窄带模式接收性能比宽带模式好。

主站电台探测结束后，由从站电台从起始频率开始，按照探测步进，逐个频率发起探测，再发送一遍探测，主站台宽带接收机采用窄带模式按照探测频率顺序，改变频率接收所有频率，记录链路质量。从站电台在发送的探测信号中携带了下行探测结果。主站电台选出链路质量最好的频率，如果链路质量大于或等于质量阈值，则获得上行目标建链频率。

如果上、下行目标建链频率均已获得，则选频建立成功，并对信道模型案例库进行修正；否则进入精细探测阶段。精细探测的过程与初始探测类似。初始探测采用大步进探测方法，快速获得电离层短波通信窗口；精细探测采用小窗口，窗口中心频率为初始探测获得的目标建链频率，以获得窗口内最佳的频率点。双向频率探测流程如图10所示。

图10 双向频率探测流程

4 结 论

频率验证以及探测过程均采用了低接收门限的信令信道，信令信道使用了扩频、分集，咬尾卷积码以及Rake接收等技术，使得最低接收信号强度到-12 dB，保证了网络认知过程以及信令传输的高可靠以及远距离覆盖。频率双向探测采用了宽带多路接收机，宽带多路接收采用多速率变频处理技术和多相滤波技术，同一时刻可以处理上千路的接收射频，以保证频谱认知和选频过程更加实时，网络收敛更加迅速。突破外部环境认知技术和智能学习决策技术，使战术电台具备学习和推理能力，能够认知干扰、频谱等环境变化，生成与环境相适应的频率、速率等工作参数实现智能选频，规避干扰和不利频谱，提升短波电台的稳定通、可靠通能力。