AHP-BP衛星通信網評估算法應用研究

董彥磊，汪春霆，周　萌

(中國電子科技集團公司第五十四研究所，河北 石家莊 050081)

?

AHP-BP衛星通信網評估算法應用研究

董彥磊，汪春霆，周萌

(中國電子科技集團公司第五十四研究所，河北 石家莊 050081)

隨著衛星通信的應用領域越來越廣泛，合理地評估一個衛星通信網的運行效能具有重大的現實意義。提出AHP-BP衛星通信網評估算法應用，利用AHP算法對BP算法中數據樣本進行標記，形成數據樣本集，實現對衛星通信網的運行狀態初始快速評估。在后期評估過程中利用實際運行數據結合專家經驗構建真實樣本數據集，基于真實數據樣本集重新訓練BP算法模型，能夠逐漸修正評估結果。仿真結果表明，AHP-BP評估算法適用于衛星通信網效能評估，并能夠提高評估結果的準確性和客觀性。

衛星通信網；運行評估；AHP算法；BP算法；樣本數據集

0　引言

隨著衛星通信的應用領域越來越廣泛，衛星通信網的規模不斷擴大，設備數量和系統復雜度不斷提高，科學合理地評估一個衛星通信網的運行效能具有重大的現實意義[1]。如何使評估算法在衛星通信網效能評估中做到科學、客觀、可操作性強是目前衛星通信網評估研究的重點和難點[2]。

當前應用較多的評估算法有數據包絡法、加權平均法[3]、層次分析法(AHP)[4]和神經網絡(BP)算法[5]等。數據包絡法多用于評估目標間的選擇比較，對目標樣本的數量要求極高，并且無法對單個評估目標進行分析，評估只能得到相對有效和相對無效的結果，無法進行改進分析，實用性較差；加權平均法和AHP算法主要通過人為確定指標權重來進行評估，確定權重過程中會加入專家的主觀因素，對評估結果的科學性和客觀性有一定的影響；BP算法通過自主學習的方式，自動調整指標的權值，從而可以科學、客觀地評估衛星通信網的運行狀態，大大降低僅憑專家主觀經驗確定評估結果的弊端[6]。但是BP算法的建模需要大量的專家標記的樣本數據，在衛星通信系統使用初期，沒有足夠的人力、物力和時間去構建數量龐大的樣本集，從而影響衛星通信網評估的及時性和準確性[7]。

針對以上算法在衛星通信網評估實際應用中的弊端，本文提出AHP-BP衛星通信網評估算法應用，利用AHP算法對BP算法中大量初始訓練數據進行標記，快速形成數據樣本集，及時對衛星通信網的運行狀態進行評估[8]。同時，在后期評估過程中利用網系運行數據構建真實樣本數據集，基于真實數據集重新訓練BP算法模型，提高評估結果的準確性和客觀性。

1　AHP-BP評估算法應用流程

AHP-BP評估算法應用流程的主要思想是利用AHP算法對BP算法的初始樣本數據進行評估，得到每條樣本數據的評估結果作為專家的標記值，利用BP算法對初始樣本數據進行訓練生成BP算法模型，利用BP算法模型對衛星通信網系進行運行效能評估。基于以上思想，提出AHP-BP衛星通信網評估算法應用，具體流程如下：

① 針對不同的衛星通信網系特點，確定相應評估指標體系。指標體系為3層體系，第1層為方案層，第2層為指標屬性層，第3層為可操作的運行指標層，指標體系的建立過程就是將評估目標分解為各個小的評估元素，然后將評估元素按不同屬性分組。一個評估元素對下層元素起支配作用，同時受到上層元素的支配，形成從上至下的支配型層次結構。

② 利用AHP算法對初始樣本數據進行專家標記，形成BP算法所需的數據樣本集。AHP專家標記就是對每條初始樣本數據進行評估，評估結果作為專家標記值。

③ 初始化BP算法模型的學習速率、目標誤差限制值、學習時間、次數上限、輸入層節點和隱含層節點參數，輸入帶專家標記值的樣本數據集進行訓練。以樣本數據集訓練結果誤差不超過誤差限制值的原則，訓練生成一個包含輸入層、隱含層節點的權值和闕值滿足要求的BP算法模型[9]。

④ 獲取評估時間內的衛星通信網系運行數據并進行歸一化處理，完成后將運行數據輸入第3步訓練生成的BP算法模型中，通過BP算法模型對運行數據進行模擬專家行為的評價，最終得出衛星通信網在評估時間內的綜合評估值。

2　利用AHP算法標記數據樣本集

AHP算法是把復雜的問題分解為多個遞階層次，每個層次有多個組成元素，通過元素兩兩比較的方式確定同一層次中諸元素相對重要性即為單排序權重。按照從高到低的層次順序依次綜合各層元素相對重要性即為總排序權重[10]。

利用AHP算法進行初始數據樣本集標記就是根據指標體系不同層次的權重和指標數據歸一化處理值進行計算，得到指標體系中每層指標的評估結果，具體過程如下：

① 構造判斷矩陣B。確定每一層評估指標元素的相對權重。判斷矩陣表示每個元素與相關元素間的相對重要性。假定元素Bi與元素Bj有聯系，則構造的判斷矩陣如表1所示。

表1　判斷矩陣表

表1中，bij表示元素Bi對元素Bj的相對重要性，bij取值范圍如表2所示。

表2　判斷矩陣的比例標度

判斷矩陣需要滿足以下公式。

bii=1，

(1)

(2)

② 判斷矩陣一致性檢驗。根據判斷矩陣計算對于上層某元素而言，本層與之有聯系的元素重要性次序權值。判斷矩陣一致性檢驗可以歸結為計算判斷矩陣的特征根和特征向量問題，即對判斷矩陣B，計算滿足式(3)的特征根與特征向量，式中γmax為B的最大特征根，W為對應于γmax的正規化特征向量。

B*W=γmax*W。

(3)

利用和積法求解判斷矩陣的特征根和特征向量后，需要對矩陣一致性進行檢驗，一致性指標定義為：

(4)

為了檢驗判斷矩陣是否具有滿意的一致性，需要將CI與平均隨機一致性指標RI進行比較。對于1～10階矩陣，RI值如表3所示。

表3　1～10階矩陣的平均隨機一致性指標

將判斷矩陣的隨機一致性比率CR定義為：

(5)

則判斷矩陣的一致性規則為：

(6)

即當CR<0.10時，判斷矩陣有可接受的不一致性；否則，就認為初步建立的判斷矩陣是不能令人滿意的，需要重新賦值，仔細修正，直至一致性檢驗通過為止。

③ 單層次指標權重確定。判斷矩陣構建完成后，通過計算最大特征根和特征向量獲取各層各評估元素的排序值即權重，判斷矩陣最大特征值γmax對應的特征向量就為某指標下各個子指標B1,B2,…,Bn,相對于它的權重,

W=(ω1,ω2…,ωm)T。

(7)

④ 計算評估對象的評估值。以3層指標體系結構為例，第1層指標元素A1,A2,…,Am的單層次權重為a1,a2,…,am，與Ai對應的第2層指標元素B1,B2,…,Bn,的單層次權重為ωi1,ωi2,…,ωin，對應的指標歸一化值為xi1，xi2，…,xin，第0層評估目標的歸一化值grade為：

(8)

AHP層次分析法經過以上4個步驟完成對歸一化預處理后的衛星通信網運行數據的專家標記過程[11]。

3　構建BP算法模型

BP算法的建模過程如下：

① 設計BP算法模型層次結構。BP算法模型為3層結構，包含輸入層、隱含層和輸出層[12]。輸入層節點個數為評估指標的個數，輸出層節點個數為1，隱含層節點個數為輸入層節點個數的1.5～2倍。BP算法模型層次結構如圖1所示。

② 初始化BP算法模型學習速率、目標誤差限制值、學習時間和次數上限，并隨機初始化BP算法模型的權值和闕值。

③ 輸入歸一化后的訓練樣本集至訓練模型中，假設輸入層由n個節點組成，隱含層由p個節點組成，輸出層由q個節點組成。相鄰兩層節點通過連接權全部聯系，而同層節點之間不聯系。輸入層和隱含層之間權重為ωij(i=1…n;j=1…p)，隱含層和輸出層之間權重為ωjk(j=1…p;k=1…q)；隱含層各神經元的閾值為θj，輸出層的閾值為θk，則隱含層神經元的輸出為：

(9)

輸出層神經元的輸出為：

(10)

圖1　BP算法模型層次結構

④ 前向傳播過程：對給定的輸入訓練模式，計算BP神經網絡的輸出模式，并與期望模式比較，若有誤差，則執行步驟⑤；否則，轉入步驟⑥.

⑤ 后向傳播過程：計算BP神經網絡同一層節點單元的誤差，修正BP神經網絡每一層節點的權值和閾值[13]；之后轉入步驟④。

⑥ 完成BP算法模型構建。

4　樣本數據集修正

樣本數據集的修正步驟如下:

① 采集運行數據進行歸一化預處理后，組成BP神經網絡模型的輸入數據。

(11)

② 將歸一化預處理后的數據Data輸入BP算法模型中，得到輸出評估值Grade，與輸入數據Data關聯，自動生成樣本數據，Grade為專家標記值。

(12)

③ 通信專家結合真實場景，對自動生成的樣本數據的專家標記Grade修正，形成更客觀真實的BP樣本數據。

(13)

④ 將修正后的樣本數據加入到BP樣本數據集中，并重復第1步到第3步，積累實際樣本數據；

⑤ 修正后的樣本數據足夠龐大后，根據BP算法模型的構建過程，重新訓練生成新的神經網絡模型[14]。

5　仿真分析結果

以MF-TDMA衛星通信網為例，通過構建評估指標體系、利用AHP算法標記初始數據樣本集、利用BP算法進行網系運行狀態評估得到網系的初始運行評估結果。在網系正式投入運行后通過采集真實運行數據，將運行數據和修正后的評價值作為數據樣本，再次訓練數據樣本集生成新的BP算法模型，可以進一步提高運行評估結果的準確性和客觀性[15]。

5.1構建指標體系

以MF-TDMA為例，構建評估指標體系如圖2所示，該指標體系為3層體系:第1層為方案層，第2層為指標屬性層，第3層為指標層。

圖2　MF-TDMA衛星通信網評估指標體系

MF-TDMA衛星通信網評估指標屬性如表4所示。

表4　評估指標屬性表

經過AHP判斷矩陣確定的MF-TDMA衛星通信網評估指標權重如表5所示。

表5　評估指標權重表

5.2初始評估結果

系統投入使用初期，采集MF-TDMA衛星通信網運行數據，根據評估指標的計算方法、取值范圍和作用方向等，構建歸一化處理后的5 000條樣本數據，利用AHP算法對每條樣本數據打分，形成AHP專家標記數據樣本集，BP算法對在此樣本數據集的基礎上進行訓練生成神經網絡評估算法模型。

下面對AHP算法模型、BP算法模型和業務內專家打分法的評估結果進行對比，每次選取定量的運行數據，數據預處理后，分別利用3種方法進行分析計算，評估結果對比如圖3所示。

圖3　初始評估結果比較

經過對比發現：

① BP評估結果和AHP評估結果相近，證明BP評估算法模型的學習參數設置合理，訓練出的神經網絡算法模型達到預期目標，學習參數和訓練算法可用于實際的工程應用；

② BP算法評估結果與業內專家根據經驗得到的評估結果有一定的差距，說明BP評估算法模型確實需要在系統實際使用過程中進行修正；

③ AHP和BP算法評估結果與業內專家依據經驗得到的評估結果變化趨勢相同，說明AHP對數據樣本做的專家標記與實際專家經驗值對網絡運行狀態好壞的判定一致，只是在分數取值上有所差別。

5.3指標校正后評估結果

衛星通信網正式投入使用后，采集運行數據，利用BP算法進行評估得到當前運行效能的評估值，然后通過業內專家根據實際場景對評估結果進行修正，將運行數據和修改后的評估值作為樣本數據重新訓練生成新的BP算法模型。

分別利用新的BP算法模型、原AHP算法模型和業內專家對原有網系進行評估，得到BP評估結果、AHP評估結果和專家評估結果，如圖4所示。

圖4　指標校正后評估結果比較

經過對比發現BP算法評估結果和AHP算法評估結果差距變大，與業內專家根據經驗得到的評估結果幾乎相同，證明根據新數據樣本集訓練生成的BP神經網絡算法模型得到了有效的修正。因此利用專家校正后的BP算法模型能夠對衛星通信網系進行客觀、準確評估，從而真實反映衛星通信網的運行效能。

實際工程應用中，還可以修正AHP層次分析法判斷矩陣的元素相對重要性取值，數據樣本的新評估值與專家經驗值進行對比，反復迭代修改，直到AHP對數據樣本的評估值與專家經驗值近似相同，這樣AHP評估算法模型也得到了修正，可以作為后續通信網評估的經驗數據。

6　結束語

文章針對衛星通信網評估指標對綜合評估結果非線性影響的特點，分析了傳統評估方法在實際應用中的不足，提出了AHP-BP衛星通信網評估算法應用，將具有自主學習和自動調整指標權值等特點的BP神經網絡算法應用于衛星通信網運行效能評估，并針對BP算法在建模初期需要大量專家標記樣本數據的弊端，提出前期使用AHP算法對樣本數據進行專家標記從而快速、準確構建BP算法模型，后期利用BP算法自主學習和自動調整指標權值的特點，提取網系實際運行數據修正BP算法模型的應用[16]。

通過仿真實驗對比發現AHP-BP算法實際應用中簡單易用能夠對衛星通信網系運行狀態進行客觀、準確評估，具有推廣使用價值。

[1]袁偉偉,端義鋒.衛星通信網評估本體[J].計算機應用研究,2013,30(2):577-580.

[2]陳佳昀,武斌.AHP和BP神經網絡在通信效能評估中的應用[J].現代電子技術,2009(7):65-67.

[3]余增范,胡炳輕.一種簡單可行的通信系統效能評估方法[J].無線電通信技術,2009,35(3):11-13.

[4]盧紫毅,范建華.基于層次分析法的戰術通信網絡效能評估[J].現代電子技術,2011,34(1):57-60.

[5]王曉敏,劉希玉.BP神經網絡預測算法的改進及應用[J].計算機技術與發展 2009,19(11):64-67.

[6]廖建國,張弛.一種BP神經網絡算法的改進模型[J].火力與指揮控制,2009,34(11):57-60.

[7]攸立準,馬飛.利用改進的BP算法實現神經網絡辨識仿真[J].無線電工程,2009,39(11):52-54.

[8]李景田,霍永華.特殊通信網網絡管理系統效能評估[J].無線電通信技術,2011,37(1):1-3.

[9]高雪鵬,叢爽.BP網絡改進算法的性能對比研究[J].控制與決策,2001,30(2):98-103.

[10]李曉峰.基于AHP的人工神經網絡模型的建立[J].四川大學學報(工程科學版),2003,35(1):101-103.

[11]張舒，史秀志，古德生，等.基于ISM和AHP以及模糊評判的礦山安全管理能力分析與評價[J].中南大學學報(自然科學版),2011,42(8):2 407-2 416.

[12]朱大奇,史慧.人工神經網絡原理及應用[M].北京:科學出版社,2006.

[13]史彥斌,高運泉.BP神經網絡在效能評估中的樣本訓練[J].火力與指揮控制,2007,32(4):121-122.

[14]曹珊,賀正洪.基于神經網絡專家系統的研究和應用[J].戰術導彈技術,2006(4):41-42.

[15]彭永行.管理決策分析[M].北京:科學出版社,2000：164-169.

[16]周開利,康耀紅.神經網絡模型及其MATLAB仿真程序設計[M].北京:清華大學出版社,2005.

董彥磊男，(1984—)，工程師。主要研究方向：衛星移動通信系統。

汪春霆男，(1965—)，研究員。主要研究方向：衛星通信系統。

Research on Application of AHP-BP Evaluation Algorithm for Satellite Communication Network

DONG Yan-lei，WANG Chun-ting，ZHOUMeng

(The54thResearchInstituteofCETC，ShijiazhuangHebei050081，China)

As satellite communication is widelyused in more and more fields，making a reasonable evaluation of the operation efficiency of satellite communication network has great realistic significance.This paper proposes an AHP-BP algorithm for evaluation of satellite communication network.The AHP algorithm isused to label the data sample of BP algorithm to form a data sample set.This idea enables initial rapid evaluation of satellite communication network.In the later evaluation process，real running data are combined with expert experience to build sample data set and reproducing BP algorithm model based on real sample data set can improve evaluation results.As the simulation shows，AHP-BP algorithm is suitable for evaluation of satellite communication network，and can improve the accuracy and objectivity of evaluation results.

satellite communication network；operation evaluation；AHP algorithm；BP algorithm；sample data set

10.3969/j.issn.1003-3106.2016.08.03

2016-04-26

國家高技術研究發展計劃(“863”計劃)基金資助項目(2015AA015701)。

TN391

A

1003-3106(2016)08-0009-05

引用格式：董彥磊，汪春霆，周萌.AHP-BP衛星通信網評估算法應用研究[J].無線電工程,2016,46(8):9-13.