宋樹田，孫澤楠

（1.中國電子科技集團公司第五十四研究所，河北石家莊050081；2.石家莊市第二醫(yī)院，河北石家莊050081）

基于BP神經網絡的散射通信傳輸損耗小時中值預測

宋樹田1，孫澤楠2

（1.中國電子科技集團公司第五十四研究所，河北石家莊050081；
2.石家莊市第二醫(yī)院，河北石家莊050081）

針對散射通信傳輸損耗短期預測問題，提出了通過大氣參數對散射鏈路傳輸損耗進行短期預測。根據散射通信特點，利用BP神經網絡強大的非線性數據處理能力，建立了基于氣象預報（對溫度、濕度和氣壓的預報）的散射通信傳輸損耗短期預測模型。通過建立典型散射通信鏈路，獲取大量鏈路傳輸損耗及氣象數據，進而對傳輸損耗短期預測模型進行驗證并分析其預測性能，分析結果表明所建模型可依據散射鏈路的氣象參數對其傳輸損耗中值進行較準確的短期預測，可用于指導戰(zhàn)術散射通信鏈路的規(guī)劃。

對流層散射通信；人工神經網絡；短期損耗中值；預測

0 引言

對流層散射通信是利用對流層中不均勻體對超短波以上的無線電波的散射來實現的一種超視距無線通信方式［1］，在國內外超視距通信中占有重要地位［2］。目前存在多種散射通信傳輸損耗年中值預測方法［3］，可以對傳輸損耗年中值進行較準確的預測，然而卻沒有方法進行短期中值（月中值、日中值、小時中值等）的預測，無法滿足短期鏈路的設計需要。針對該問題，利用BP（Back Propagation）神經網絡強大的非線性數據處理能力［4］，建立了基于氣象預報（對溫度、濕度和氣壓的預報）的散射通信傳輸損耗短期預測模型。

1 散射通信傳輸損耗分析

關于對流層遠距離傳播的研究，有3種不同的假設，即：湍流非相干散射、不規(guī)則層非相干散射和穩(wěn)定層相干反射。張明高院士綜合了上述3種理論，提出了廣義散射理論模型［5，6］。依據廣義散射理論，對流層散射通信接收功率為：

式中，Pt為發(fā)射功率，λ為波長，G10、G20以及g1和g2分別為發(fā)、收天線的增益和方向函數，r1和r2分別為散射體到發(fā)收天線的距離，V為公共體積，σ為散射截面，其具有如下形式：

式中，A1、n和m為常數，Θ為散射角［7］，溫度、濕度以及氣壓對其有一定的影響，εr為相對介電常數，由大氣的溫、濕、氣壓確定。對于某一固定的鏈路，天線增益、通信距離、頻率等都是固定值，因而傳輸損耗僅僅是溫度、濕度、氣壓的函數，因此可通過對這些氣象參數，對相應的傳輸損耗進行預測。

2 BP神經網絡

人工神經網絡是一種自適應的信息處理系統(tǒng)，它由許多非常簡單的、彼此之間高度連接的處理單元組成，可以從大量的離散試驗數據中經過學習訓練［8］，提取輸入和輸出的關系，并將這種關系表示為網絡連接權值的大小與分布，建立反映實際規(guī)律的非線性模型。理論上，一個具有S型傳遞函數的三層BP神經網絡可以逼近任意具有有限間斷點的函數［9，10］，非常適用于傳播模型的獲得。

一個三層的BP神經網絡拓撲結構如圖1所示，x＝［x1x2…xn］為輸入向量，若加入x0＝－1，可為輸入層神經元引入閾值，隱層輸出向量y＝［y1y2…ym］，一般m＝，其中n為輸入層神經元個數，l為輸出層神經元個數，a取值范圍為1～10［11］，加入y0＝－1，可為隱層神經元引入閾值，o為輸出向量，W＝［w1，w2，…wn］為輸入層和隱層之間的權值矩陣，其中列向量wk為隱層第j個神經元對應的權向量；V＝［v1，v2，…vm］為隱層和輸出層之間的權值矩陣，其中列向量vj為輸出層第k個神經元對應的權向量，b1和b2分別為隱層和輸出層的傳輸閾值向量，將b1和b2分別與W和V合并，則所得隱層和輸出層的權值矩陣的大小分別為m×（n＋1）和l×（m＋1），f（·）為隱層傳遞函數，g（·）為輸出層傳遞函數。

圖1 BP神經網絡拓撲結構

BP神經網絡是通過網絡訓練不斷更新權值向量W和V來得到輸入輸出關系的。對于隱層：

3 傳輸損耗預測的BP神經網絡設計

影響對流層散射通信傳輸損耗的主要因素主要有：頻率、天線增益、天線仰角、地形、通信距離以及氣象氣候因素，當鏈路固定時，頻率、天線增益、天線仰角、地形以及通信距離也就固定下來了，此時，影響對流層散射通信傳輸損耗的主要因素為氣象氣候因素，即溫度、濕度以及大氣壓。

對流層主要氣象特征為溫度T、濕度（水汽壓）e、大氣壓p［12］，因此輸入參數可設為：

式中，T、e和p在建立神經網絡預測模型時均為P維行向量，P為建模時所用的測試值個數，在模型建立后實際應用時，可根據需要預測的點數調整P值的大小即可。可見，輸入矩陣為3×P的矩陣，此模型的輸入元素個數n＝3。

輸出向量為Lw，是P維行向量：

BP網絡中，隱層節(jié)點的作用是從樣本中提取并存儲其內在規(guī)律，每個隱層節(jié)點都有若干個權值，每個權值都是網絡映射的一個參數。確定隱層節(jié)點數時，可選用一種較簡單的隱層節(jié)點的估算方法：

式中，m為隱層節(jié)點數，n＝3為輸入元素個數，l＝1為輸出元素個數，a在1～10之間選取。

一般來說，在處理非線性問題上，隱層傳遞函數需要用到Sigmoid函數。單極性Sigmoid函數數學表達式為：

式中，γ取1，輸出層傳遞函數一般采用線性函數：

g（x）＝x。（11）

網絡訓練是得到最優(yōu)權值的關鍵，本文主要采用改進算法之一——附加動量項的BP算法。

根據BP神經網絡的結構可知，不設閾值的神經網絡的輸出函數可以表示為：

通過訓練，可得輸入層到隱層權值矩陣W和隱層到輸出層的權值矩陣V，將網絡的輸出值經過逆運算（反歸一化）就可得到相應條件下的預測值。

4 預測結果分析

通過實測數據訓練得到預測模型的權值參數，利用該鏈路上的對流層散射通信短期傳輸損耗預測模型以及氣象部門提供的天氣預報進行短期傳輸損耗中值的預測，預測結果如圖2與圖3所示。

圖2 預測值與實測對比

圖3 預測誤差絕對值累積分布

由圖2和圖3可知，除個別樣本點外，大部分預測結果與實測結果是相符的，其中有87.17％的時間誤差小于6 dB，BP神經網絡能夠較準確地預測出對流層散射通信傳輸損耗小時中值。

5 結束語

利用BP神經網絡的短期傳輸損耗預測模型對實際鏈路進行了傳輸損耗預測，并對預測結果進行了分析。分析結果顯示，利用BP神經網絡可以比較準確地預測出對流層散射通信短期傳輸損耗中值，證明了利用對流層氣象參數預測短期傳輸損耗是可行的。尤為重要的是，本文的研究邁出了對流層散射通信短期傳輸損耗預測的第一步，為最終建立對流層散射通信短期傳輸損耗的機理模型奠定了基礎，對后續(xù)研究具有重要的啟示意義。

［1］趙玉超，秦建存，劉麗哲.對流層散射通信傳輸損耗預計方法分析［J］.無線電工程，2013，43（3）：62－64.

［2］李榮海，任香凝，劉瑩.數字對流層散射傳輸技術新動向綜述［J］.無線電通信技術，2007，33（3）：8－10，13.

［3］李正偉，馮錦瑞，曾超，等.數字對流層散射通信鏈路傳播可靠度工程計算［J］.無線通信技術，2010，19（2）：41－44.

［4］唐秋菊，徐松毅.基于神經網絡的傳播預測模型淺析［J］.無線電工程，2010，40（3）：21－23.

［5］張明高，對流層散射傳播［M］，北京：電子工業(yè)出版社，2004.

［6］Recommendation 617－1，Propagation Prediction Techniques And Data Required For The Design Of Trans－Horizon Radio－Relay Systems［S］.Rec ITU－R，1992.

［7］賴斯P L.對流層通信電路傳輸損耗的預算［M］.北京：國防工業(yè)出版社，1975.

［8］施彥，韓力群，廉小親.神經網絡設計方法與實例分析［M］.北京：北京郵電大學出版社，2009.

［9］施彥，韓力群，廉小親.神經網絡設計方法與實例分析［M］.北京：北京郵電大學出版社，2009.

［10］孫鵬，韋再雪，楊大成.神經網絡傳播模型的設計與應用［J］.無線電工程，2005，35（2）：47－49，52.

［11］唐秋菊.典型應用環(huán)境下移動通信信道傳播損耗研究［D］.石家莊：中國電子科技集團公司第五十四研究所，2010：33－39.

［12］張靄琛.現代氣象觀測［M］.北京：北京大學出版社，2000.

Troposcatter Communication Transm ission Loss Prediction Based on BP Neural Network

SONG Shu－tian1，SUN Ze－nan2
（1.The 54th Research Institute of CETC，Shijiazhuang Hebei050081，China；
2.The 2nd Hospital of Shijiazhuang，Shijiazhuang Hebei050081，China）

For the short－term prediction of troposcatter communication transmission loss，it is proposed that the troposcatter communication short－term transmission loss can be predicted on the basis of theweather parameters.Based on the characteristics of troposcatter communication，and by utilizing the non－linear data processing capability of BP neural network，a short－term transmission loss prediction model is setup.A greatamountof loss data and weather data obtained from real troposcatter communication links are used for analyzing themodel performance.The result shows that themodel can predict the short－term－median transmission loss correctly using the weather parameters，and the prediction can be used as a reference for tactical troposcatter communication link design.

troposcatter communication；ANN；short－term median loss；prediction

TP926

A

1003－3114（2015）04－34－3

10.3969/j.issn.1003－3114.2015.04.08

宋樹田，孫澤楠.基于BP神經網絡的散射通信傳輸損耗小時中值預測［J］.無線電通信技術，2015，41（4）：34－36.

2015－04－08

國家科技重大專項基金資助（2014ZX03006－003）

宋樹田（1981—），男，工程師，主要研究方向：散射通信。孫澤楠（1987—），男，助理工程師，主要研究方向：醫(yī)療設備故障檢測、系統(tǒng)辨識。