大數(shù)據(jù)智能分析在短波通信規(guī)劃中的研究與應用

摘要：水面平臺在日常演練和保障等任務中，累積了海量的短波通信任務規(guī)劃案例、電磁環(huán)境感知數(shù)據(jù)、電波環(huán)境探測數(shù)據(jù)及歷史用頻數(shù)據(jù)。本文以短波通信用頻需求為目標，通過分析梳理長期累積的大數(shù)據(jù)樣本，研究大數(shù)據(jù)智能技術及其支撐平臺，構建多維數(shù)據(jù)庫模型與數(shù)據(jù)架構，利用大數(shù)據(jù)智能分析技術盤活海量的歷史數(shù)據(jù)，從頻域、時域、空域、能域、通信效能域上進行數(shù)據(jù)關聯(lián)性分析與多源數(shù)據(jù)融合處理，為短波通信提供大數(shù)據(jù)智能規(guī)劃服務。

關鍵詞：大數(shù)據(jù)；智能分析；短波通信；任務規(guī)劃

一、引言

短波可通過天波傳播進行遠距離通信，傳送電報、傳真、低速數(shù)據(jù)和語音廣播等多種業(yè)務信息，在防汛救災、海難救援等方面發(fā)揮了重要的作用。與衛(wèi)星通信、光纜等通信手段相比，短波通信不需要建立中繼站即可實現(xiàn)遠距離通信，具有建設周期短、維護費用低，設備簡單、容易隱蔽，使用靈活、電路調度容易，臨時組網(wǎng)便捷，抗毀能力強等特點[1]。同樣，短波通信容易受到電磁環(huán)境、地理地貌、時節(jié)變化、通信設備、通信頻率等因素的影響，造成信號的弱化和畸變，影響短波通信的效果。大數(shù)據(jù)與人工智能等技術發(fā)展快速，廣泛應用于各個領域并取得了顯著的效果，這為改善短波通信質量提供了一種思路。本文以岸、海之間中遠距離的短波通信任務規(guī)劃為例，通過構建大數(shù)據(jù)樣本庫，結合用頻設備模型、鏈路傳播特性模型、通信效能評估模型以及設備用頻機理模型，利用機器學習和智能評價等算法進行數(shù)據(jù)關聯(lián)性分析與多源數(shù)據(jù)融合處理，為短波通信任務提供更加精確的用頻方案。

二、短波通信任務規(guī)劃現(xiàn)狀與需求

現(xiàn)有的短波通信任務規(guī)劃通常采用的手段是根據(jù)通信鏈路對頻率進行優(yōu)選，主要分為頻率預測和頻率探測兩種方式[2]，其中頻率預測按照時效性分為長期預測、中期預測和短期預測；頻率探測按照技術體制分為垂直探測、斜向探測和Chirp探測。無論是頻率預測還是頻率探測，在短波通信用頻規(guī)劃上均存在局限性，主要表現(xiàn)如下：

1.沒有結合實際用頻設備特征參數(shù)進行綜合分析與統(tǒng)籌規(guī)劃。頻率預測和頻率探測均沒有與實際用頻設備特征參數(shù)進行結合考慮，各通信用頻設備的發(fā)射功率、接收靈敏度等特征參數(shù)不一定相同，相同的頻率在探測設備上好用，在通信設備上不一定好用。

2.單一的點對點用頻規(guī)劃難以滿足多任務多目標的通信用頻保障需求。頻率預測和頻率探測均根據(jù)某一條通信鏈路進行用頻規(guī)劃，即點對點的用頻規(guī)劃，不能對多條通信鏈路同時進行用頻規(guī)劃，難以滿足多任務多目標的通信用頻保障需求。

3.頻率預測在通信用頻規(guī)劃上靈活度不夠。長期預測、中期預測和短期預測分別預測通信鏈路某個月、10天內和當天內的24小時MUF（最高可用頻率），不能預測任意時段內的MUF。

隨著信息化進程的加速發(fā)展，對海短波通信設備種類多、數(shù)量大，對海短波通信任務規(guī)劃應緊密結合任務實際情況和用頻設備特性進行通信用頻規(guī)劃，同時隨著歷史案例數(shù)據(jù)的大量積累和大數(shù)據(jù)技術的日益成熟，盤活現(xiàn)有數(shù)據(jù)資源，短波通信任務規(guī)劃大數(shù)據(jù)智能分析技術應用是多任務、多目標、長周期下的中遠距離短波通信任務規(guī)劃的重要應用研究方向。

三、大數(shù)據(jù)技術應用分析

（一）短波通信任務規(guī)劃流程設計

短波通信任務規(guī)劃流程主要包括用頻需求提取、通信覆蓋計算、通信用頻規(guī)劃、用頻方案推演以及通信效能評估。其中用頻需求是流程的輸入，從任務信息中提取用頻需求；通信覆蓋計算和通信用頻規(guī)劃是流程的核心，執(zhí)行業(yè)務處理并輸出結果；用頻方案推演是對輸出結果的正確性和滿足性進行綜合研判；用頻效能評估是對輸出結果所產(chǎn)出的效能進行量化評價，為大數(shù)據(jù)樣本提供可信的案例數(shù)據(jù)。

1.用頻需求提取。提取任務信息中的任務時段、水面平臺編成情況、任務航線等用頻需求信息。

2.通信覆蓋計算。根據(jù)頻譜資源數(shù)據(jù)、通信樞紐基本信息以及通信設備特征參數(shù)等信息，計算通信樞紐對任務區(qū)域或航線的覆蓋情況。

3.通信用頻規(guī)劃。結合用頻規(guī)劃策略，利用機器學習、智能評價、頻譜兼容性分析等算法生成由通信樞紐、水面平臺、通信設備、通信頻率、用頻時段等信息組成的用頻方案。

4.用頻方案推演。根據(jù)任務進程，推演用頻方案在整個任務過程中的使用效果情況，對用頻方案的可行性進行預估研判，為是否調整用頻方案提供數(shù)據(jù)參考。

5.通信效能評估。在啟用用頻方案后，收集通信節(jié)點上報的用頻效果，通過離線分析、復盤重演等方式，評估并量化用頻方案在整個任務過程中的效能，同時為大數(shù)據(jù)樣本提供可信的案例數(shù)據(jù)。

（二）短波通信任務規(guī)劃大數(shù)據(jù)樣本庫構建

短波通信任務規(guī)劃除了采用頻率預測和頻率探測常規(guī)手段，同時采用大數(shù)據(jù)進行處理。短波通信任務規(guī)劃大數(shù)據(jù)是以AI為基礎，將數(shù)據(jù)、算法和算法三大要素植入應用。與傳統(tǒng)數(shù)據(jù)相比，大數(shù)據(jù)規(guī)模巨大、數(shù)據(jù)多源、形式多樣（包括結構化和非結構化數(shù)據(jù)），通過傳統(tǒng)的數(shù)據(jù)庫技術和數(shù)據(jù)分析技術難以進行處理[3]。大數(shù)據(jù)基礎關鍵技術主要包含數(shù)據(jù)存儲管理、數(shù)據(jù)分析處理和數(shù)據(jù)安全共享三個方面。短波通信任務規(guī)劃大數(shù)據(jù)采用多種數(shù)據(jù)庫相融合的技術架構，通過引入面向結構化關系型數(shù)據(jù)分析為主的MPP并行數(shù)據(jù)倉庫架構作為結構化數(shù)據(jù)分析基礎架構，大大增強大數(shù)據(jù)資源池庫對海量短波通信任務規(guī)劃樣本數(shù)據(jù)的存儲和管理能力。

通過構建基礎庫、專題庫和主題庫的多維度數(shù)據(jù)倉庫，減少數(shù)據(jù)重復處理，節(jié)約數(shù)據(jù)搜索時間，縮短數(shù)據(jù)解譯周期，提高數(shù)據(jù)處理速度與數(shù)據(jù)精度。其中基礎庫主要用于存儲用頻設備模型、樞紐和平臺以及其所屬設備基礎信息、鏈路傳播特性模型、頻管政策法規(guī)要求、電磁環(huán)境感知和電波環(huán)境探測等基礎數(shù)據(jù)。專題庫主要用于存儲案例樣本、通信效能、頻譜資源、電磁信號樣本、經(jīng)驗頻率等專題數(shù)據(jù)。主題庫主要是用于存儲通信區(qū)域覆蓋態(tài)勢、通信用頻規(guī)劃方案、用頻方案推演結果和通信效能評估報告等主題數(shù)據(jù)。

作為短波通信任務規(guī)劃樣本數(shù)據(jù)的核心，通信用頻規(guī)劃方案是資源調度原則、用頻規(guī)劃策略、歷史用頻經(jīng)驗、電磁環(huán)境情況等要素綜合分析處理后的結果。圍繞通信用頻規(guī)劃方案從頻域、時域、空域、能域、通信效能域上進行數(shù)據(jù)關聯(lián)性分析與多源數(shù)據(jù)融合處理，從而實現(xiàn)以數(shù)據(jù)驅動為關鍵點，通過案例樣本數(shù)據(jù)迭代的方式提升短波通信任務規(guī)劃的精度。

（三）短波通信任務規(guī)劃大數(shù)據(jù)主要流程與算法

大數(shù)據(jù)是從規(guī)模巨大、形式多樣的數(shù)據(jù)中，通過高效捕捉、發(fā)現(xiàn)和分析獲取有價值信息的一種新的技術架構，具有5V特性，即大規(guī)模、高速率、多樣性、低價、真實性[3]。相比人工規(guī)劃和自動規(guī)劃，大數(shù)據(jù)智能規(guī)劃是一項復雜的系統(tǒng)工程，應著眼長遠、立足現(xiàn)實、穩(wěn)步推進。如圖1所示，大數(shù)據(jù)應用主要流程如下：

1.應用建模。將短波通信任務規(guī)劃問題轉為數(shù)學問題，從數(shù)學上明確問題的目標，定義變量與參數(shù)，明確限制與約束，明確輸入與輸出，并檢查數(shù)學模型的完整性和正確性。

2.大數(shù)據(jù)采集。解決海量短波通信任務規(guī)劃相關數(shù)據(jù)積累的完整性、準確性和時效性。

3.數(shù)據(jù)預處理。解決海量短波通信任務規(guī)劃相關數(shù)據(jù)預測力的精準性和一致性，對數(shù)據(jù)加上標注，構建數(shù)據(jù)倉庫，解決數(shù)據(jù)多維度自主關聯(lián)與多源異構融合處理的問題。

4.特征挖掘。解決短波通信任務規(guī)劃相關數(shù)據(jù)高價值特征信息提取的準確性和魯棒性。

5.深度學習。解決短波通信任務規(guī)劃應用建模的數(shù)學問題。

短波通信任務規(guī)劃大數(shù)據(jù)智能分析用到的算法主要有基于機器學習的短波通信資源分配算法、基于增量學習機制的頻率資源優(yōu)選算法及基于智能評價體系的通信資源池動態(tài)維護算法。

1.基于機器學習的短波通信資源分配算法。采用基于ITS（Institute for Telecommunication Sciences，美國電信科學協(xié)會）模型生成的合成數(shù)據(jù)對BP（Back Propagation，反向傳播）網(wǎng)絡進行訓練并測試預測通信樞紐、水面平臺、收發(fā)信機、天線及頻段的最優(yōu)組合。

2.基于增量學習機制的頻率資源優(yōu)選算法。基于全局中長期用頻行為學習技術，結合分析本地歷史通信記錄中的用頻規(guī)律，同時考慮本地背景噪聲探測信息，智能、可靠、實時地優(yōu)選出當前可用的通信頻率。

3.基于智能評價體系的通信資源池動態(tài)維護算法。基于通信樞紐、水面平臺、通信設備、通信頻譜以及歷史通信反饋情況等數(shù)據(jù)，擬采用頻率、設備、時間、空間、鏈路和節(jié)點等多維網(wǎng)格化方法實現(xiàn)通信資源池的數(shù)據(jù)建模，通過建立完善的可用通信資源評價體系，對任務結束的通信資源及時回收，動態(tài)維護通信資源池。

（四）短波通信任務規(guī)劃大數(shù)據(jù)平臺架構技術應用

使用大數(shù)據(jù)進行短波通信任務規(guī)劃的目標是充分發(fā)揮軟件賦能優(yōu)勢，盤活現(xiàn)有資源數(shù)據(jù)，使通信規(guī)劃更為真實可靠，以資源的精準使用來應對遠海復雜的通信保障要求。短波通信任務規(guī)劃大數(shù)據(jù)平臺架構主要包括應用層、服務層和數(shù)據(jù)層，如圖2所示。

1.應用層。直接面向用戶，包括通信覆蓋計算、通信用頻規(guī)劃、用頻方案推演和通信效能評估，是短波通信任務規(guī)劃的主要應用業(yè)務。

2.服務層。為應用層提供數(shù)據(jù)服務，并實現(xiàn)數(shù)據(jù)的管理和處理等功能，包括數(shù)據(jù)接口、圖像系統(tǒng)、報表平臺和指標平臺。

3.數(shù)據(jù)層。大數(shù)據(jù)應用的核心層，通過構建數(shù)據(jù)平臺、設計運維中心、建立數(shù)據(jù)資產(chǎn)庫，運用大數(shù)據(jù)技術來實現(xiàn)多源異構基礎數(shù)據(jù)、模型數(shù)據(jù)、模擬試驗訓練數(shù)據(jù)的引接、審核、清洗、存儲、轉換、融合和展現(xiàn)，為服務層提供層次分明、真實可靠的數(shù)據(jù)支撐。

四、結束語

基于大數(shù)據(jù)條件下的短波通信任務規(guī)劃，通過綜合分析相關要素及挖掘海量樣本數(shù)據(jù)有價值的信息，使得規(guī)劃結果更加真實可靠，并支持多任務、多目標、長周期情況下的中遠距離短波通信用頻動態(tài)籌劃，具有動態(tài)籌劃、智能決策、精確評估、臨機調整等特點，將會在很大程度上提高中遠距離短波通信效果。立足大數(shù)據(jù)條件下的短波通信趨勢及其影響，對推動大數(shù)據(jù)條件下的短波通信任務規(guī)劃問題研究具有重要意義。

作者單位：李澤良 譚正輝 中國電子科技集團公司第七研究所

參考文獻

[1]沈建峰.短波頻率自適應通信的發(fā)展及信號監(jiān)測[J].中國無線電，2006（11）：42-46.

[2]徐池，邱楚楚，李梁，等.海上短波通信頻率優(yōu)選技術現(xiàn)狀與分析[J].通信技術，2015，48（10）：1101-1105.

[3]呂登龍，朱詩兵.大數(shù)據(jù)及其體系架構與關鍵技術綜述[J].裝備學院學報，2017，28（01）：86-96.

[4]鄒小飛，王會濤，殷昌盛.大數(shù)據(jù)在聯(lián)合作戰(zhàn)指揮決策中應用探析[J].軍事訓練，2019（03）：34-36.