基于偵收價值的短波協同偵收資源調度算法

劉 洋，王倫文

(國防科技大學電子對抗學院，安徽 合肥 230037)

0 引言

短波協同偵收資源調度問題要求在符合任務時序約束和資源約束的條件下，安排每一偵收設備的任務開始時間和偵收目標從而達到偵收效能最大。而在實際情況當中，短波波段信號密集，信號屬性不盡相同，如何利用好相對有限的偵收資源獲取偵收價值較高的敵方通信信號，是現有偵收模式需要解決的首要問題。因此，研究基于偵收價值的短波協同偵收資源調度方法，提高偵收效益十分必要。

基于價值優先的資源調度問題是智能信息處理領域研究的熱點難點。目前，國內外學者已相繼展開了研究并取得了一定成果。文獻[1]提出了一種優先考慮拓撲結構的資源調度策略，解決了系統資源性能下降的問題，但系統拓撲數和節點較低。文獻[2]提出了一種節能的動態卸載和資源調度策略，減少了能源消耗,但算法過于復雜。文獻[3]提出了一種改進型資源調度算法，有效降低了丟包率，但沒有考慮系統能耗問題。文獻[4]提出了一種針對不同優先級的性能分配算法，有效地隱藏了內存延遲并提高了系統性能，卻忽略了系統自身性能。文獻[5]實現了一種半固定優先級資源調度算法，減少了資源爭奪，但調度不具有全局性。文獻[6]設計了一種基于多目標優先的資源調度算法，調度更全面，更加符合實際需求，但算法計算量巨大。

上述所提方法雖在某種程度上提升了系統資源調度效率，并沒有充分利用目標先驗信息，也未能解決調度目標的人為因素影響，在某些場景下，難以適用。因此，本文提出基于偵收價值的短波協同偵收資源調度算法。

1 信號偵收價值

偵收價值評估是專屬研究領域，要評估搜索頻段內信號的偵收價值，需要提取信號的相關屬性作為信號評估的輸入。為簡化起見，本文擬從信號的時域、頻域、空間域和能量域等方面的特征入手，評估信號的偵收價值。

1.1 通聯時間

通聯時間是信號的時域特征，信號Si的通聯時間為ti是指偵收機首次偵收到信號Si的時間點為ti。對于偵收方來說，距離當前時刻越近的信號研究價值越大。假定參照通聯時間為t0，最大通聯時間為tb。信號Si通聯時間歸一化參數αit表達式為式(1)所示：

(1)

在其他條件固定不變的情況下，αit越大，信號偵收價值越大。

1.2 通信頻率

通信頻率是信號的頻域特征，目標信號的通信頻率點遵循一定的通聯規則。偵收過程中使用頻率越高的頻段偵收價值越大。假設信號Si的通聯頻率為fi，中心頻點為f0，通信頻段為[fmin,fmax]。則信號Si的通信頻率歸一化參數αif表達式如式(2)所示：

(2)

在其他條件固定不變的情況下，αif越大，信號偵收價值越大。

1.3 信號方位與功率

信號方位是信號的空間域特征。信號方位符合偵收方向的頻率點偵收價值比較大。假設信號Si的方位為θi，中心方向為θ0，通信區域為[θmin,θmax]。則信號Si的信號方位歸一化參數αiθ如式3所示：

(3)

在其他條件固定不變的情況下，αiθ越大，信號偵收價值就越大。

1.4 歸一化幅值

歸一化幅值是信號的能量域特征。信號功率與平均幅值之間的差距越大，信號偵收價值就越大。假設信號Si的歸一化幅值為pi，平均歸一化幅值為p0，幅度范圍為[pmin,pmax]。則信號Si的信號功率歸一化參數αip表達式如式(4)所示：

(4)

在其他條件固定不變的情況下，αip越大，信號偵收價值就越大。

對上述特征函數同時優化，得出基于信號先驗信息的價值評估模型為：

prim=λ1·αit+λ2·αif+λ3·αiθ+λ4·αip

(5)

式(5)中，λ1≥0表示通聯時間偵收價值評價指標的系數，λ2≥0表示通信頻率偵收價值評價指標的系數，λ3≥0表示信號方位偵收價值評價指標的系數，λ4≥0表示歸一化幅值偵收價值評價指標的系數，并且λ1+λ2+λ3+λ4=1。

2 短波協同偵收資源調度算法

2.1 基本原理

由于模擬偵收天線覆蓋范圍和目標信號覆蓋范圍較為困難，本文對仿真實驗模型進行了一定簡化，假定目標信號都在各個偵收單元天線可覆蓋范圍內。短波偵收效益是指各偵收單元對目標信號偵收效果與偵收價值收益的結合，具體表達如式(6)所示：

Pi=Prioi·prij

(6)

由文獻[7]可知，各單元對目標信號的有效偵收概率表達式如公式(7)：

(7)

式(7)表示達到或高于最小場強值Emin的時間百分率，E為接收點中值場強，Emin是偵收單元能正常接收處理信號所需的最小場強值，其計算公式為：

Emin=(S/N)min-Dr+20lgf+ONF+10lgB-97

(8)

式(8)中，(S/N)min是偵收接收機處理信號所需的最低信噪比；Dr為接收天線的方向系數；ONF為工作噪聲系數；f為接收信號頻率，B為接收信號帶寬。

本文結合了現有理論成果和經驗公式計算短波天波傳播損耗和場強，采用了一個簡潔有效的適用于仿真系統的適用模型，基于該模型計算接收點的中值場強，公式(7)中的E表示輻射源輻射的電磁波在某個時間內經過衰減后到達接收點的中值場強，按式(9)計算：

E=107.2+20lgf+Gt+Pt-Lb

(9)

式(9)中，f為信號頻率；Pt為信號發射功率；Lb為傳播損耗。信號頻率可以直接獲得，敵方發射機的裝備參數也可以通過長期偵察經驗和相關資料獲得，而傳輸損耗也可以根據相關條件計算獲得。

2.2 評估指標

在有限的偵收資源下，系統偵收效能指標在所有性能指標中最為重要，即實現有效偵收效益最大化為短波協同偵收資源調度目標。設定信號偵收任務集合為T={t1,t2,…,tN}，N為信號數目，偵收單元集合為U={u1,u2,…,uM}，M為偵收單元數目。為防止協同偵收占用過多資源，限制協同規模Rmax。Uilocation表示偵收單元i所在位置，Uiband表示偵收單元i處理帶寬，即接收機帶寬，Uiarea表示偵收單元i的覆蓋范圍。

當多個偵收單元對同一目標信號協同偵收時，對于一個目標信號j，偵收系統對其協同偵收概率如式(10)所示：

(10)

將信號偵收任務集合進行排序，得到的信號偵收價值序列：P1,P2,P3,…，Pn和偵收概率排序：R1，R2，R3，…，Rn，且滿足P1≥P2≥P3≥…≥Pn和R1≥R2≥R3≥…≥Rn。Pi和Ri在兩個序列中的位置分別為m，n。由文獻[8]可知：m，n越小表示信號實際偵收價值越大，則價值序列表達式為：

prii=[η·m+(γ+2-η)·n/(γ+1)]

(11)

綜上，短波協同偵收效益表達式為：

Prioi=prii+primμi

(12)

式中,η，γ為權系數，η的取值范圍為[1,5]，γ為(n-2)/f向0取整的權系數。為方便計算，這里取η=1。

短波協同偵收最大效益和函數為：

(13)

為反映短波偵收資源調度情況，定義短波偵收資源調度成功率，表達式為：

(14)

在短波偵收過程中，資源調度應優先針對目標屬性優先級的偵收任務，而任務的優先級是隨目標屬性變化而變化的，并不依賴于人為劃分，因此本文引入實現價值率來反映調度算法對重要任務的調度性能，實現價值率越高，算法的性能越佳。表達式如式(15)所示：

(15)

2.3 約束條件

在短波偵收中，任務要求和裝備性能之間也存在一定的約束條件，這些關系保證了任務執行的有效性和調度方案的合理性。短波協同偵收資源調度的約束條件為：

1) 由于xij為決策變量，只能取0或1；

i=1,2,…,M；j=1,2,…,N

2) 每個偵收單元最多能執行一個任務；

i=1,2,…,M；j=1,2,…,N

3) 每個信號最多被Rmax個偵收單元接收；

i=1,2,…,M；j=1,2,…,N

4) 偵收單元不能在短波通信盲區中；

5) 信號必須在偵收單元的可接收頻段內，偵收單元接收機帶寬可以處理該信號。

fUimin≤fTjmin,fUimax≥fTjmax,Uiband≥fTjmax-fTjmin

2.4 算法描述

步驟1：對調度序列進行判決，是否滿足結束條件。若滿足判決條件，則轉到步驟7。

步驟2：取滿足調度條件的任務集，條件為Ttask≤min{M,N}。Ttask為任務集的子集個數，M為偵收機數目，N為目標信號數量。

步驟3：判斷任務集是否為空。若滿足判決條件，則轉到步驟1。

步驟4：對任務集進行優先級排序，依次取出任務，分析執行。

步驟5：若任務請求滿足任務約束條件，送入執行序列；若不滿足，送入延時序列。

步驟6：下一調度間隔內，將新的請求隊列與上一調度間隔內的延時隊列組成新的請求序列，轉到步驟2。

步驟7：調度結束，得到結果，分析數據。

調度流程圖如圖1所示。

3 仿真實驗與分析

實驗采用的仿真平臺為CPU為I5-4460，內存為4GB，操作系統為Windows-07，仿真工具是Matlab R2014a。算法仿真參數：iter=100，M=8，N=10，即假定某時刻偵收系統中有8個短波偵收單元，有10個偵收信號待偵收。為方便驗證本文算法在短波協同偵收資源調度中的有效性，利用偵收資源和偵收信號較為簡單的場景進行方法驗證。采用并發偵收任務數量多于偵收資源的典型情況，由于模擬偵收天線和敵方信號的覆蓋范圍較為困難，本文對仿真實驗進行了一定簡化，并假設信號都在覆蓋范圍內，實驗數據在合理范圍內隨機選取。

短波偵收單元和偵收信號的具體相關參數分別如表1，表2所示。

圖1 調度流程圖Fig.1 Operation flon chart

Tab.1 Parameters of short wave reconnaissance unit

UUlocationDrUfreqBUbandS/N1(116°24',39°54')3(3.5,25)(3.7,27)20102(112°42',33°06')4(4.1,27)(3.3,27)15123(120°18',33°06')5(5.5,21)(3.9,28)10154(109°42',25°06')2(3.6,23)(3.5,26)1595(131°12',44°24')3(4.7,17)(3.3,27)10116(121°30',31°18')4(5.7,19)(3.9,28)10107(113°18',23°12')2(3.6,30)(3.1,26)2088(119°18',26°06')3(3.7,26)(3.8,29)1513

表2 偵收信號相關參數

下面就本文提出基于綜合優先級調度算法與基于文獻[9]中算法的最大偵收概率和調度算法(MMPR)和基于文獻[10]中算法的偵收概率調度算法(MPR)進行對比，算法求解的最佳調度方案如表3所示

表3 最佳調度方案對比

從表3結果中可以明顯看出，MPR算法的調度方案中出現了信號5，7，10的重復偵收情況。為進一步驗證所提算法的有效性，對比不同算法在各代中有效偵收效益和的最大值情況如圖2所示。

圖2 各算法偵收效益和對比Fig.2 Comparison of recommaissance effect

由圖2可以看出，MPR算法過早地收斂，搜索到的最優值也并非全局最優，這主要是因為MPR算法的調度策略使得偵收資源各自追求偵收概率最大，導致某些信號的重復偵收和漏偵。而MMPR算法作為一種MPR算法的改進型，在最優值的求解上要明顯優于MPR算法，出現這種情況的主要原因是MMPR算法采取了追求全局偵收概率和最大值的調度策略。而本文所提算法求解的有效偵收效益和最優值遠大于另外兩種算法，主要原因是算法不僅考慮了全局偵收概率，并對偵收信號進行了優先級評估，再根據優先級排序和偵收資源進行有效調度，給出全局異步與精英策略相結合的動態調度方式，不僅能夠避免算法早熟收斂而陷入局部最優，而且增強了尋優能力。

各算法的調度成功率如圖3所示。

圖3 各算法調度成功率對比Fig.3 Success rate of different operations

由圖3可以看出，隨著目標數目的增加，MMPR和本文算法的調度成功率均不受影響，從始至終都保持100%的調度成功率，而MPR算法隨目標數目增加出現了成功率明顯下降的情況。

各算法的實現價值率如圖4所示。

圖4 各算法實現價值率對比Fig.4 Comparison of different hit value ratio

由圖4可以看出，在實現價值率對比上，各算法隨著目標數量增加都會下降，但本文算法在相同條件下要明顯優于MPR算法和MMPR算法，這主要是由于本文算法對目標信號偵收價值的評估是動態的，信號處于動態優先級中，避免了重要信號的錯漏失控問題，從而提高了實現價值率。

4 結論

本文提出了基于目標信號偵收價值的短波協同偵收資源調度算法。該算法根據目標信號屬性構建偵收價值評估模型，以實現最大偵收效益和為調度目標，使資源調度具有全局性。實驗表明所提方法在調度成功率和實現價值率上效率更高，具有更強的指導性，但協同偵收過程考慮的約束條件還不夠充分，資源調度模型過于簡化，應作為下一步研究的重點方向。