劉淑慧
(中國西南電子技術研究所,成都 610036)
機載認知通信網(wǎng)絡架構研究*
劉淑慧**
(中國西南電子技術研究所,成都610036)
為了滿足作戰(zhàn)人員對機載通信網(wǎng)絡高移動性、高容量、保障多種業(yè)務服務質(zhì)量(QoS)、多鏈互通互操作等需求,考慮到機載網(wǎng)絡包含多個異構鏈路的特點,借鑒商用認知網(wǎng)絡思想,提出了一種新的基于認知的網(wǎng)絡層收斂分層架構。分析了該架構的特點和優(yōu)勢,給出了該網(wǎng)絡架構的認知流程,闡述了涉及到的關鍵技術?;谡J知的網(wǎng)絡層收斂分層架構,容易實現(xiàn)多個異構鏈路資源集成和應用,并在所有協(xié)議層認知的基礎上,智能地適配動態(tài)環(huán)境來滿足用戶端到端指標和提升網(wǎng)絡性能。
機載通信網(wǎng)絡;認知無線電;網(wǎng)絡層收斂分層架構;異構鏈路;智能抗干擾
機載戰(zhàn)術網(wǎng)絡為軍用有人機、無人機及水上和地面平臺提供通信鏈接和信息共享。未來的軍事需求主要包括快速自組網(wǎng)能力、大動態(tài)服務質(zhì)量(Quality of Service,QoS)管理能力和互聯(lián)互操作能力。為此,亟需更有效的機載通信網(wǎng)絡架構、技術來解決這個問題。目前,學術界和業(yè)界解決復雜網(wǎng)絡共存和高的頻譜利用率問題主要依靠認知技術。從文獻調(diào)研情況來看,認知網(wǎng)絡架構在軍事領域還少有涉及,在商用領域認知網(wǎng)絡是基于軟件無線電、認知無線電和跨層設計思想上發(fā)展起來的,有必要對幾個相近的概念進行區(qū)分,以突出認知網(wǎng)絡的概念和特點。
在認知網(wǎng)絡之前,認知無線電、軟件無線電和跨層優(yōu)化是常見概念。軟件無線電是由Mitola教授于1992年提出來的[1],其基本思想是以一個通用、標準、模塊化的硬件平臺為依托,通過軟件編程來實現(xiàn)無線電的各種功能。
由于軟件無線電當前發(fā)展處在承上啟下的階段,在控制和處理器能力等方面面臨一些挑戰(zhàn)。1999年,Mitola教授基于軟件無線電的不足提出了認知無線電概念[2]。認知無線電更加智能化,實現(xiàn)對頻譜環(huán)境的認知,主要致力于動態(tài)分配頻譜資源,區(qū)分授權頻譜和非授權頻譜來智能化的管控頻譜資源,提高頻譜利用率。
隨著認知無線電設備越來越多地出現(xiàn)在網(wǎng)絡中,認知無線網(wǎng)絡被提了出來[3-5]。認知網(wǎng)絡被定義為具有認知過程的網(wǎng)絡,可以認知當前網(wǎng)絡狀態(tài),然后計劃,決定和采取行動[6]。
認知網(wǎng)絡架構研究主要集中在商用領域,利用重構手段[7-9]來解決對環(huán)境適應性、提高網(wǎng)絡資源利用率、滿足用戶QoS同時提高網(wǎng)絡容量等問題。認知網(wǎng)絡目標基于端到端網(wǎng)絡性能,包含端到端數(shù)據(jù)流傳輸中所包含的所有網(wǎng)絡元素,而認知無線電關注于頻譜資源利用率這個局部性能指標。
另外,認知網(wǎng)絡的范圍也超過跨層優(yōu)化設計的范圍??鐚釉O計通常根據(jù)單一目標優(yōu)化,試圖獨立優(yōu)化單一目標只能得到次優(yōu)解,且隨著節(jié)點數(shù)目增加,對多個單一目標自適應可能導致自適應環(huán)路產(chǎn)生。
借鑒商用認知網(wǎng)絡的思想,且考慮機載網(wǎng)絡本身具有的特點,本文提出一種基于認知的網(wǎng)絡層收斂架構,分析認知流程,給出認知參數(shù)和執(zhí)行策略,為軍事認知網(wǎng)絡構建給出參考模型。
2.1基于認知的網(wǎng)絡層收斂架構
商用認知網(wǎng)絡架構主要解決異構網(wǎng)絡共存復雜管理和提高資源利用率問題。不同商用網(wǎng)絡協(xié)議標準、網(wǎng)絡管理方式均不同。文獻[10-11]提出了5G(Fifth Generation)移動通信系統(tǒng)認知網(wǎng)絡架構,在考慮后向兼容性的基礎上,解決異構網(wǎng)絡管理問題。
針對機載網(wǎng)絡而言,目前機載數(shù)據(jù)鏈網(wǎng)絡類型多樣,有情報偵察監(jiān)視類、指揮控制類、武器控制類數(shù)據(jù)鏈等。與商用網(wǎng)絡不同的是,多種數(shù)據(jù)鏈協(xié)議集中在物理層和鏈路層,針對此特征,本文提出一種基于網(wǎng)絡層收斂分層的認知架構。多種數(shù)據(jù)鏈通過統(tǒng)一接口匯聚到網(wǎng)絡層,在網(wǎng)絡層之上采用統(tǒng)一協(xié)議架構。另外,借鑒商用認知網(wǎng)絡架構中TCP/IP(Transmission Control Protocol/Internet Protocol)協(xié)議棧分層抽象的思路[12],本文提出一種基于認知的網(wǎng)絡層收斂分層架構,每個協(xié)議棧增加“觀測”和“執(zhí)行”認知模塊,不同的鏈路與網(wǎng)絡層通過一個通用接口相連接。
此架構具有以下特點:第一,傳統(tǒng)的數(shù)據(jù)鏈互操作是通過應用層網(wǎng)關實現(xiàn),網(wǎng)關對不同數(shù)據(jù)鏈系統(tǒng)信息進行翻譯,不同鏈路互通實現(xiàn)繁瑣且速度慢,而網(wǎng)絡層收斂架構中,不同鏈路和網(wǎng)絡層之間采用通用接口連接,網(wǎng)絡層采用通用IP尋址方案,可以承載多個異構鏈路的業(yè)務且能夠很好實現(xiàn)異構鏈路互操作,包括對多種鏈路狀態(tài)控制、狀態(tài)監(jiān)視和鏈路選擇等,簡化多鏈鏈路管理操作;第二,當前數(shù)據(jù)鏈網(wǎng)絡的趨勢是IP一體化,與認知網(wǎng)絡相結合,通過對鏈路質(zhì)量、可靠性、可用性等信息智能化認知,選擇優(yōu)的鏈路傳輸,網(wǎng)絡層收斂和認知技術彼此相得益彰;第三,通過在網(wǎng)絡層上收斂,底層與網(wǎng)絡層隔離,波形/電臺開發(fā)人員可以專注于研究鏈路和物理層技術,不受應用開發(fā)人員影響,移植性和拓展性更好;第四,本架構與TCP/IP協(xié)議棧保持一致,協(xié)議棧每一層以透明和增量的方式增加認知模塊,負責獲得協(xié)議層的信息(觀測),或者執(zhí)行內(nèi)部參數(shù)調(diào)整(執(zhí)行)。認知到的信息傳送到認知節(jié)點中的終端認知引擎,終端認知引擎和網(wǎng)絡認知引擎執(zhí)行數(shù)據(jù)分析和決策制定。這種體系架構簡化認知網(wǎng)絡的復雜度,且容易和傳統(tǒng)的IP節(jié)點進行互通,具有很好的兼容性。
如圖1所示,終端認知引擎管理單節(jié)點認知,對多個協(xié)議層采取集中管理的方式。網(wǎng)絡認知引擎負責多個節(jié)點認知和優(yōu)化,需要采用分布式的方式,可以利用多智能體思想。智能體具有學習和自適應能力,通過和環(huán)境進行交互,智能體能夠把環(huán)境中某些方面綜合到內(nèi)部狀態(tài)之中,從而形成自身對具體行為應用的認識[13-14]。把每個節(jié)點作為一個智能體,形成多智能體系統(tǒng)。多智能體系統(tǒng)具有的局部感知、競爭協(xié)作及自學能力是滿足多節(jié)點端到端性能和提高網(wǎng)絡性能的關鍵。
圖1 機載認知網(wǎng)絡體系架構Fig.1 The airborne cognitive network architecture
2.2認知流程
針對基于認知的網(wǎng)絡層收斂架構,下面給出詳細的認知流程。
(1)觀測各個協(xié)議層信息,存儲到本地數(shù)據(jù)庫中。對于機載網(wǎng)絡來講,物理層包括發(fā)送功率、傳輸波形、天線形式(定向、全向)、信號強度、干擾信號、背景噪聲;鏈路層包括幀長、檢錯機制、誤幀率;網(wǎng)絡層包括路由信息;傳輸層包括擁塞控制、超時鏈接;應用層包括傳輸需求、QoS等。
(2)觀測到信息分類、分析、整理、表征,形成知識,儲存到數(shù)據(jù)庫中,便于認知層面的使用。
(3)用戶端到端目標作為輸入,進行認知過程:根據(jù)端到端優(yōu)化目標,在數(shù)據(jù)庫中搜索與此優(yōu)化目標相關的數(shù)據(jù);節(jié)點側根據(jù)本地數(shù)據(jù)庫歷史學習信息、收集當前網(wǎng)絡狀態(tài)和環(huán)境有用信息并基于此進行分析、推斷及優(yōu)化,得到的優(yōu)化方案未從整體網(wǎng)絡性能平衡角度考慮,是一種局部優(yōu)化;網(wǎng)絡層基于終端得到的局部優(yōu)化方案,面向網(wǎng)絡和用戶端到端總體目標,協(xié)調(diào)相互影響的多節(jié)點優(yōu)化方案,當前研究的熱點是用博弈論理論來達到全局優(yōu)化。
(4)根據(jù)優(yōu)化方案,翻譯成每一層的優(yōu)化策略,包括調(diào)整每一層的參數(shù)和方案等,最后進行參數(shù)的調(diào)整和方案的執(zhí)行。
2.3觀測參數(shù)和可選策略
機載認知通信網(wǎng)絡可以通過認知參數(shù)的采集和認知過程推理出優(yōu)化策略,從而執(zhí)行策略來滿足機載通信網(wǎng)絡的需求,其主要功能特點有:根據(jù)環(huán)境條件自適應選擇可用鏈路;快速自主適應網(wǎng)絡拓撲變化、網(wǎng)絡節(jié)點迅速加入和退出;根據(jù)用戶通信需求變化,快速適配相應通信資源、策略;根據(jù)多種用戶業(yè)務需求,優(yōu)化資源分配策略,滿足不同業(yè)務QoS需求;根據(jù)所處環(huán)境和用戶業(yè)務安全性要求,調(diào)整認證、入侵檢測、加密等獨立多層次的安全策略。針對機載網(wǎng)絡特征,具體每一協(xié)議層能夠觀測到的參數(shù)和可執(zhí)行的策略見表1。
表1 協(xié)議層觀測參數(shù)和可執(zhí)行策略Tab.1 The observation parameters and implemental strategies of principle layers
如圖2所示,為了更好說明認知過程,對機載通信網(wǎng)絡中認知抗干擾進行舉例說明:
第一步,通過對各層觀測信息的收集,對電磁環(huán)境進行感知,包括干擾功率、干擾頻率等;
第二步,抽取有用信息,對干擾進行分析和識別,比如利用經(jīng)典譜或現(xiàn)代譜估計的方法進行干擾信號頻譜分析,分析出干擾頻譜的分布特征;
第三步,在干擾信息的基礎上,用戶抗干擾需求作為輸入,結合認知數(shù)據(jù)庫和歷史信息,終端認知引擎和全局認知引擎聯(lián)合優(yōu)化推理出空、時、頻、能量、網(wǎng)絡域綜合抗干擾策略;
第四步,終端認知引擎將全局優(yōu)化策略轉化成各個協(xié)議層的參數(shù)重配置策略,每一協(xié)議層執(zhí)行模塊完成參數(shù)調(diào)整及策略實施,包括物理層的變速跳頻、擴頻、智能天線、功率控制策略,鏈路層的鏈路類型選擇、頻譜資源分配方式及網(wǎng)絡層的拓撲結構切換等。
圖2 智能抗干擾流程Fig.2 The process of intelligent anti-interference
機載認知通信網(wǎng)絡具有認知和學習的能力,并能自適應調(diào)整自身參數(shù)和策略,將會面臨新的挑戰(zhàn),比如:如何對認知環(huán)境得到的復雜數(shù)據(jù)進行分析和存儲;如何根據(jù)認知到信息并利用歷史信息進行學習和綜合推理,從而優(yōu)化決策;如何把決策信息轉化到各層協(xié)議的參數(shù)調(diào)整及動作;如何在認知架構中保證機載網(wǎng)絡的安全性問題等。
3.1多域認知技術
認知網(wǎng)絡與認知無線電明顯區(qū)別之一是認知環(huán)境發(fā)生變化,從無線環(huán)境擴展到網(wǎng)絡環(huán)境、無線電磁環(huán)境、物理環(huán)境、氣候環(huán)境、地理環(huán)境等。多域認知是認知信息獲取源頭,為網(wǎng)絡調(diào)整、資源流動提供依據(jù),為實現(xiàn)網(wǎng)絡智能化提供支撐。多域認知技術涉及主要研究內(nèi)容:建立多域認知數(shù)學模型、信息運動模型及評估模型;根據(jù)認知模型對多域認知信息建立表征體系,實現(xiàn)認知信息的合理流動與融合;在多域認知表征體系存儲規(guī)則下建立認知信息庫,實現(xiàn)認知信息的高效利用。
3.2智能策略決策技術
認知網(wǎng)絡中最有挑戰(zhàn)性的是智能策略優(yōu)化過程,需要對大量的時空標簽數(shù)據(jù)進行有效數(shù)據(jù)挖掘、分析和推理,從而得到優(yōu)化方案。認知引擎是認知無線網(wǎng)區(qū)別于傳統(tǒng)無線網(wǎng)的關鍵部件,涉及到認知信息的獲取、處理,完成學習、推理、規(guī)劃、決策等功能,是推動認知無線網(wǎng)絡發(fā)展的核心研究內(nèi)容。認知引擎目前還沒有一個統(tǒng)一的定義。策略決策技術除了傳統(tǒng)的分類、關聯(lián)、時間序列分析、機器學習等方法,還包括人工智能算法,如貝葉斯學習、神經(jīng)網(wǎng)絡、決策樹、馬爾科夫隨機域、推理算法、博弈論等。
3.3重配置適變技術
認知網(wǎng)絡作出優(yōu)化策略之后,重構執(zhí)行階段對各層的參數(shù)和策略進行調(diào)整,最終完成認知網(wǎng)絡重配置管理。重配置需要設備可配置能力進行支持,研究包括機載網(wǎng)絡組網(wǎng)方式、可編程的移動自組網(wǎng)(Mobile ad hoc Network,MANET)路由協(xié)議,基于軟件無線電的波形可加載終端技術,基于可編程的傳輸層協(xié)議,空時頻物理資源調(diào)度等。
3.4機載網(wǎng)絡安全技術
安全性在機載戰(zhàn)術網(wǎng)絡中是至關重要的,機載網(wǎng)絡安全技術通過認知網(wǎng)絡架構來實現(xiàn)。首先對攻擊、病毒、漏洞等進行感知,通過策略引擎推理算法,智能決策多層次立體安全方案,包含物理層的高可靠性編碼、加密策略,鏈路層訪問控制,網(wǎng)絡層IP安全技術、防火墻等,傳輸層公共密鑰、安全協(xié)議等。
基于認知的網(wǎng)絡層收斂機載通信網(wǎng)絡架構在TCP/IP分層架構的基礎上加入認知模塊,且多數(shù)據(jù)鏈收斂到IP層,從而使得整個機載通信網(wǎng)絡具有多鏈集成和認知功能。機載認知通信網(wǎng)絡能夠綜合改善通信資源利用率,提高業(yè)務QoS保障、網(wǎng)絡抗干擾、抗截獲、網(wǎng)絡安全等性能。同時,對認知機載網(wǎng)絡關鍵技術進行研究,如何進行統(tǒng)一開發(fā),形成標準并在軍事中很好地應用,均是亟待解決的問題,也是后續(xù)研究的方向。
[1]MITOLA J.Software radios:survey,critical evaluation and future directions[J].IEEE Aerospace and Electronic Systems Magazine,1993,8(4):25-36.
[2]MITOLA J,MAGUIRE G Q.Cognitive radio:making software radios more personal[J].IEEE Personal Communications,1999,6(4):13-18.
[3]CLARK D D,PARTRIDGE C,RAMMING J C,et al.A knowledge plane for the internet[C]//Proceedings of the2003 Conference on Applications,Technologies,Architectures,and Protocols for Computer Communications.New York:ACM,2003:3-10.
[4]THOMAS R W,F(xiàn)RIEND D H,DASILVA L A,et al.Cognitive networks[M].Heidelberg:Springer Netherlands,2007.
[5]DEVROYE N,VU M,TAROKH V.Cognitive radio networks[J].IEEE Signal Processing Magazine,2008,25(6):12-23.
[6]賀倩.認知無線網(wǎng)絡中的重構管理研究[D].北京:北京郵電大學,2013. HE Qian.Research on reconfiguration management in cognitive radio network[D].Beijing:Beijing University of Posts and Telecommunications,2013.(in Chinese)
[7]ZHANG P,HE Q,F(xiàn)ENG Z Y,et al.Reconfiguration decision making in cognitive wireless network[J].Chinese Science Bulletin,2012,57(28):3713-3722.
[8]AKYILDIZ IF,LEEWY,CHOWDHURYKR. CRAHNs:cognitive radio ad hoc networks[J].Ad Hoc Networks,2009,7(5):810-836.
[9]BALDO N,ZORZI M.Fuzzy logic for cross-layer optimization in cognitive radio networks[J].IEEE Communications Magazine,2008,46(4):64-71.
[10]CHEN S,ZHAO J,AI M,et al.Virtual RATs and a flexible and tailored radio access network evolving to 5G[J].IEEE Communications Magazine,2015,53(6):52-58.
[11]WANG J Q,LYU Z B,MA Z C,et al.I-Net:new network architecture for 5G networks[J].IEEE Communications Magazine,2015,53(6):44-51.
[12]MANOJ B S,RAO R R,ZORZI M.CogNet:a cognitive complete knowledge network system[J].IEEE Wireless Communications,2008,15(6):81-88.
[13]鐘偉才.多智能體進行模型和算法研究[D].西安:西安電子科技大學,2004. ZHONG Weicai.Multiagent evolution models and algorithms[D].Xi'an:Xidian University,2004.(in Chinese)
[14]MARAVALL D,DE LOPE J,DOMíNGUEZ R.Coordination of communication in robot teams by reinforcement learning[J].Robotics and Autonomous Systems,2013,61(7):661-666.
劉淑慧(1984—),女,河北唐山人,2012年獲博士學位,現(xiàn)為工程師,主要研究方向為機載數(shù)據(jù)鏈關鍵技術。
LIU Shuhui was born in Tangshan,Hebei Province,in 1984.She received the Ph.D.degree in 2012.She is now an engineer.Her research concerns key technologies on airborne data links.
Email:david_lw@126.com
Study on Airborne Cognitive Communication Networks Architecture
LIU Shuhui
(Southwest China Institute of Electronic Technology,Chengdu 610036,China)
To meet the airborne communication network's requirements of high mobility,more capacity,multi-traffic's quality of service(QoS)ensuring,as well as the interoperability of various heterogeneous links,a novel network-layer converged hierarchical architecture based on cognition is proposed which considers the feature that airborne network comprises multiple data links.For this network architecture,the features and strengths are analyzed,and the cognition process is given.The key technologies are clarified. The network-layer converged hierarchical architecture based on cognition,which can easily integrate and utilize multiple heterogeneous links,will adapt to the dynamic environment intelligently by exploiting the cognition of all the protocol layers to satisfy the users'end-to-end performance and advance the capacity of overall network.
airborne communication network;cognition radio;network-layer converged hierarchical architecture;heterogeneous link;intelligent anti-interference
TN915.5
A
1001-893X(2016)04-0360-05
10.3969/j.issn.1001-893x.2016.04.002
劉淑慧.機載認知通信網(wǎng)絡架構研究[J].電訊技術,2016,56(4):360-364.[LIU Shuhui.Study on airborne cognitive communication networks architecture[J].Telecommunication Engineering,2016,56(4):360-364.]
2015-09-10;
2016-02-24 Received date:2015-09-10;Revised date:2016-02-24
**通信作者:david_lw@126.com Corresponding author:david_lw@126.com