機動通信網絡性能大數據的區域效能分析與預測*

莫皓穎，王奇奇，鐘美楠，戶江民

（重慶金美通信有限責任公司，重慶 400030）

0 引言

如今，軍事、民事以及商業領域廣泛進行電磁活動。軟件無線電[1]的設計，增加了無線電設備的生存力和適應力。各個領域中煙囪式的無線電規劃、氣象環境和電磁設備的大范圍使用以及人工操作等產生了大量無線信號，使得各個地域存在復雜的無線電干擾，差異化明顯，且電磁活動會呈現無規律性的持續變化現象。

本文基于天空地等機動化通信網絡開展信號的效能分析與研究。機動通信網絡具備兩種典型的能力特點，一是機動能力，二是通信能力[2]。通信能力需要進行網絡規劃，在此過程中往往需要對即將展開的目標任務地域的電磁態勢進行監控，但是進行全無線電臺業務頻段監控的頻率監測設備是不能很好地在機動化通信網絡中進行部署。究其原因，一是頻率監測設備監測的頻譜圖需要專業人員才能看懂，非專業人員無法有效分析頻譜；二是頻率監測設備主機大，在應急通信車輛等平臺上需要較大的電源，且需要對車輛進行改造；三是頻率監測設備造價高昂，價格可達數十到數百萬。

分析上述原因可知，從硬件方面入手極其困難，仿真平臺的設計和研究已成為機動通信的一個研究熱點[3]，但是對信號的采集比較困難。因此，本文主要研究對任務保障區域內的通信效能信息進行實時采集與大數據分析評估，以支撐網絡部署動態調整或網絡設備的參數動態更新，保證通信網絡的建立和使通信網絡效能提高的科學性和有效性。

1 信號分析與預測系統

本文研究分析了一種機動通信網絡性能大數據的區域效能分析與預測系統，如圖1 所示。系統主要實現以下功能：采集與上報應急機動通信網絡中無線通信設備信號參數數據；對海量的電磁信號數據進行挖掘與分析，形成多維度的電磁信號通信云圖，并將該圖傳輸給機動通信網絡的通信節點；結合地理信息系統及各個通信節點的通信能力，能夠完成目標任務區域導航的通信云圖生成，進而生成車隊機動過程的車速、方向信息來保證車隊機動過程的運行通信；計算分析電磁信號按地域的衰減程度，初步估測干擾范圍和干擾源方向。

信號分析預測中心在機動通信網絡中部署在通信網絡指揮控制決策中心，收集各個通信節點的通信信號參數數據，并根據此數據生成通信云圖。信號分析預測中心向地理信息系統發送起始結束點信息并獲得機動線路，將該線路上疊加電磁信號的分析數據最終發送給信號分析預測終端。信號分析預測中心能夠根據地形信息控制車隊之間行車的車速、車體位置等信息。信號分析預測中心能夠對干擾源方向做簡單初步的判定。

信號分析預測終端在機動通信網絡中通過簡單網絡管理協議（Simple Network Management Protocol，SNMP）完成通信節點所有天線的信號質量、信號強度及可以表示信號特征的參數的采集，與接收和顯示信號分析預測中心下發的通信云圖、路徑導航研究干擾源預測信息。

對機動通信網絡中包含的主要通信傳輸設備如北斗、短波、微波接力、衛星、超短波以及散射等參數數據進行分類提取。

2 數據分析與應用

2.1 機動路線通信決策技術

機動路線通信決策技術通過對分布式節點的信號質量做可視化分析，形成二維平面信號散點圖，并進行交叉插值運算，補充各個二維平面坐標點的信號質量圖，即通信云圖。機動通信網絡各個通信節點可通過通信云圖掌握周邊電磁信號質量，用作機動通信節點駐點位置選擇、保障區域覆蓋配置的決策信息。

信號分析預測終端申請本通信節點的通信云圖。該云圖是信號分析預測中心根據所有通信節點上報的通信信號參數數據生成的。申請通信云圖的流程如圖2 所示。

圖2 機動路線決策申請流程

圖中詳細的步驟說明如下。

s101：信號分析預測終端向信號分析預測中心發送任務區域路線通信云圖的獲取申請，申請中攜帶了本通信節點的主要通信設備、目的地經緯度信息和當前通信節點經緯度。

s102：信號分析預測中心根據當前通信節點經緯度和目的地經緯度信息進行導航，得到機動路線，并對每條機動路線上的通信云圖進行映射，使每條機動路線全路段都包含信號信息。分析完成后，信號分析預測中心將融合信號信息的機動路線下發到信號分析預測終端。

s103：信號分析預測終端在地圖上顯示接收的機動路線圖，并采用顏色變化的形式展現信號在機動路線上的信號信息。每條路線均有一個線路信號良好長度與全線路長度的占比。

2.2 機動行進通信保持技術

機動通信場景中節點頻繁移動，導致無線信號參數頻繁改變[4]。通信節點在組成車隊機動時，需要實時根據地形地貌的遮擋情況調整前后通信節點車輛的車速，以保持車輛在行進時的有效通信。根據任務需求，車隊的行進將實時進行控制管理，以完成車隊行進時各車隊的速度方向控制，主要步驟如圖3 所示。

圖3 機動行進通信保持步驟

圖中詳細的步驟說明如下。

s201：信號分析預測終端向信號分析預測中心上報任務目的和行進要求，其中行進要求中包含本次車隊的編隊情況和車隊中每個信號分析預測終端的IP 地址信息。

s202：信號分析預測中心根據所有通信節點的行進信息，結合地形分析后面行進過程的遮擋情況，從而為每個通信節點分配行進信息。行進信息中包含變更到哪個車道、行進速度以及路面方向信息。

s203：信號分析預測中心分配行進信息完成后，自動將行進信息下發到信號分析預測終端進行下一步操作。

s204：信號分析預測終端顯示行進信息，并根據該信息行駛通信節點，以完成信號的通連效果的最佳保持方式。

信號分析預測終端形成的通信云圖是根據每個通信節點上報的信號強度插值產生的。通信云圖上的每個點，是按原有通信節點之間距離的差值與信號強度或質量的差值來等比例插值，形成每個插值點的信號強度或質量，所有插值點構成通信云圖。

2.3 干擾源預測分析技術

在機動通信網絡中，除了地形、天氣氣候等客觀干擾外，還有電磁干擾。電磁干擾的形成包括電磁干擾源、干擾傳播途徑和敏感設備[5]3 個要素。機動通信網絡干擾是因為大功率設備發出干擾電磁波而形成的，而機動通信的工作環境十分復雜，會受到地形、建筑物的遮蔽而發生“陰影效應”，且信號經過多點反射會從多條路徑到達接收地點。這種多徑信號的幅度、相位和到達時間都不一樣，相互疊加會產生電平快衰落和時延擴展。因此，可以認為干擾源的無線傳播環境是一種隨時間、環境和其他外部因素而變化的傳播環境。

針對這一問題，本文提出一種針對機動通信信號干擾源的預測分析技術，通過統計每個通信節點的信號噪聲，實時分析干擾源的衰減情況。該干擾源衰減如圖4 所示。

圖4 干擾源衰減可視化平面圖

通過對數據做統計分析，數學模型與接收信號功率的表現滿足：

式中，Pr(d)為接收到的信號功率，Pt為發射功率，Gt為發射天線增益，Gr為接收天線增益，λ為波長。

通過對干擾源的預測分析，能夠發掘強弱變化規律，從而進行干擾源方向、模式的初步預測，為變化通信節點通信方式、通信組成提供支撐。根據變化的情況，本文發現了3 種典型的干擾模型：當信號強度變化呈現為扇形時，可以將扇形中心點作為干擾源的預測位置；當信號強度變化呈現為不規則橢圓時，該干擾源的預測方向在橢圓長軸線上；當信號強度變化呈現為正圓時，該干擾源的預測方向在圓心上。

3 結語

通過對機動通信網絡的海量無線信號進行采集，結合大數據技術分析歷史數據和實時數據形成趨勢預測數據，利用機動通信網絡的無線性能數據，能夠開展機動路線通信決策、機動行進通信保持以及干擾源預測分析的研究，可以在不增加頻譜探測設備的基礎上，依托機動通信網絡中原有的通信設備，實現信號強度、信號質量等參數的收集，以達到網絡決策者掌握各個地域電磁情況的目的。

通過本技術和系統，可以使機動通信網絡通信節點的保障人員了解附近的通信信號情況，有效為網絡的調度者提供機動路線的選擇思路，提高車隊機動時的網絡連通率，預測干擾源的大致方向，為目標定位和網絡調整奠定了基礎。