劉 洋，王倫文

(國防科技大學(xué)電子對抗學(xué)院，安徽 合肥 230037)

0 引言

短波協(xié)同偵收資源調(diào)度問題要求在符合任務(wù)時序約束和資源約束的條件下，安排每一偵收設(shè)備的任務(wù)開始時間和偵收目標(biāo)從而達到偵收效能最大。而在實際情況當(dāng)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(xiàn)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(xié)同偵收資源調(diào)度方法，提高偵收效益十分必要。

基于價值優(yōu)先的資源調(diào)度問題是智能信息處理領(lǐng)域研究的熱點難點。目前，國內(nèi)外學(xué)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(yōu)先考慮拓?fù)浣Y(jié)構(gòu)的資源調(diào)度策略，解決了系統(tǒng)資源性能下降的問題，但系統(tǒng)拓?fù)鋽?shù)和節(jié)點較低。文獻[2]提出了一種節(jié)能的動態(tài)卸載和資源調(diào)度策略，減少了能源消耗,但算法過于復(fù)雜。文獻[3]提出了一種改進型資源調(diào)度算法，有效降低了丟包率，但沒有考慮系統(tǒng)能耗問題。文獻[4]提出了一種針對不同優(yōu)先級的性能分配算法，有效地隱藏了內(nèi)存延遲并提高了系統(tǒng)性能，卻忽略了系統(tǒng)自身性能。文獻[5]實現(xiàn)了一種半固定優(yōu)先級資源調(diào)度算法，減少了資源爭奪，但調(diào)度不具有全局性。文獻[6]設(shè)計了一種基于多目標(biāo)優(yōu)先的資源調(diào)度算法，調(diào)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(tǒng)資源調(diào)度效率，并沒有充分利用目標(biāo)先驗信息，也未能解決調(diào)度目標(biāo)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(xié)同偵收資源調(diào)度算法。

1 信號偵收價值

偵收價值評估是專屬研究領(lǐng)域，要評估搜索頻段內(nèi)信號的偵收價值，需要提取信號的相關(guān)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(lián)時間

通聯(lián)時間是信號的時域特征，信號Si的通聯(lián)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(dāng)前時刻越近的信號研究價值越大。假定參照通聯(lián)時間為t0，最大通聯(lián)時間為tb。信號Si通聯(lián)時間歸一化參數(shù)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(biāo)信號的通信頻率點遵循一定的通聯(lián)規(guī)則。偵收過程中使用頻率越高的頻段偵收價值越大。假設(shè)信號Si的通聯(lián)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(shù)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(shè)信號Si的方位為θi，中心方向為θ0，通信區(qū)域為[θmin,θmax]。則信號Si的信號方位歸一化參數(shù)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(shè)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(shù)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(shù)同時優(yōu)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(lián)時間偵收價值評價指標(biāo)的系數(shù)，λ2≥0表示通信頻率偵收價值評價指標(biāo)的系數(shù)，λ3≥0表示信號方位偵收價值評價指標(biāo)的系數(shù)，λ4≥0表示歸一化幅值偵收價值評價指標(biāo)的系數(shù)，并且λ1+λ2+λ3+λ4=1。

2 短波協(xié)同偵收資源調(diào)度算法

2.1 基本原理

由于模擬偵收天線覆蓋范圍和目標(biāo)信號覆蓋范圍較為困難，本文對仿真實驗?zāi)Ｐ瓦M行了一定簡化，假定目標(biāo)信號都在各個偵收單元天線可覆蓋范圍內(nèi)。短波偵收效益是指各偵收單元對目標(biāo)信號偵收效果與偵收價值收益的結(jié)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(biāo)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(shù)；ONF為工作噪聲系數(shù)；f為接收信號頻率，B為接收信號帶寬。

本文結(jié)合了現(xiàn)有理論成果和經(jīng)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(tǒng)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(nèi)經(jīng)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(fā)射功率；Lb為傳播損耗。信號頻率可以直接獲得，敵方發(fā)射機的裝備參數(shù)也可以通過長期偵察經(jīng)驗和相關(guān)資料獲得，而傳輸損耗也可以根據(jù)相關(guān)條件計算獲得。

2.2 評估指標(biāo)

在有限的偵收資源下，系統(tǒng)偵收效能指標(biāo)在所有性能指標(biāo)中最為重要，即實現(xiàn)有效偵收效益最大化為短波協(xié)同偵收資源調(diào)度目標(biāo)。設(shè)定信號偵收任務(wù)集合為T={t1,t2,…,tN}，N為信號數(shù)目，偵收單元集合為U={u1,u2,…,uM}，M為偵收單元數(shù)目。為防止協(xié)同偵收占用過多資源，限制協(xié)同規(guī)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(dāng)多個偵收單元對同一目標(biāo)信號協(xié)同偵收時，對于一個目標(biāo)信號j，偵收系統(tǒng)對其協(xié)同偵收概率如式(10)所示：

(10)

將信號偵收任務(wù)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(xié)同偵收效益表達式為：

Prioi=prii+primμi

(12)

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

短波協(xié)同偵收最大效益和函數(shù)為：

(13)

為反映短波偵收資源調(diào)度情況，定義短波偵收資源調(diào)度成功率，表達式為：

(14)

在短波偵收過程中，資源調(diào)度應(yīng)優(yōu)先針對目標(biāo)屬性優(yōu)先級的偵收任務(wù)，而任務(wù)的優(yōu)先級是隨目標(biāo)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(xiàn)價值率來反映調(diào)度算法對重要任務(wù)的調(diào)度性能，實現(xiàn)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(wù)要求和裝備性能之間也存在一定的約束條件，這些關(guān)系保證了任務(wù)執(zhí)行的有效性和調(diào)度方案的合理性。短波協(xié)同偵收資源調(diào)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(zhí)行一個任務(wù)；

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(qū)中；

5) 信號必須在偵收單元的可接收頻段內(nèi)，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(diào)度序列進行判決，是否滿足結(jié)束條件。若滿足判決條件，則轉(zhuǎn)到步驟7。

步驟2：取滿足調(diào)度條件的任務(wù)集，條件為Ttask≤min{M,N}。Ttask為任務(wù)集的子集個數(shù)，M為偵收機數(shù)目，N為目標(biāo)信號數(shù)量。

步驟3：判斷任務(wù)集是否為空。若滿足判決條件，則轉(zhuǎn)到步驟1。

步驟4：對任務(wù)集進行優(yōu)先級排序，依次取出任務(wù)，分析執(zhí)行。

步驟5：若任務(wù)請求滿足任務(wù)約束條件，送入執(zhí)行序列；若不滿足，送入延時序列。

步驟6：下一調(diào)度間隔內(nèi)，將新的請求隊列與上一調(diào)度間隔內(nèi)的延時隊列組成新的請求序列，轉(zhuǎn)到步驟2。

步驟7：調(diào)度結(jié)束，得到結(jié)果，分析數(shù)據(jù)。

調(diào)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(nèi)存為4GB，操作系統(tǒng)為Windows-07，仿真工具是Matlab R2014a。算法仿真參數(shù)：iter=100，M=8，N=10，即假定某時刻偵收系統(tǒng)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(xié)同偵收資源調(diào)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(fā)偵收任務(wù)數(shù)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(shè)信號都在覆蓋范圍內(nèi)，實驗數(shù)據(jù)在合理范圍內(nèi)隨機選取。

短波偵收單元和偵收信號的具體相關(guān)參數(shù)分別如表1，表2所示。

圖1 調(diào)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(guān)參數(shù)

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

表3 最佳調(diào)度方案對比

從表3結(jié)果中可以明顯看出，MPR算法的調(diào)度方案中出現(xiàn)了信號5，7，10的重復(fù)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(yōu)值也并非全局最優(yōu)，這主要是因為MPR算法的調(diào)度策略使得偵收資源各自追求偵收概率最大，導(dǎo)致某些信號的重復(fù)偵收和漏偵。而MMPR算法作為一種MPR算法的改進型，在最優(yōu)值的求解上要明顯優(yōu)于MPR算法，出現(xiàn)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(diào)度策略。而本文所提算法求解的有效偵收效益和最優(yōu)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(yōu)先級評估，再根據(jù)優(yōu)先級排序和偵收資源進行有效調(diào)度，給出全局異步與精英策略相結(jié)合的動態(tài)調(diào)度方式，不僅能夠避免算法早熟收斂而陷入局部最優(yōu)，而且增強了尋優(yōu)能力。

各算法的調(diào)度成功率如圖3所示。

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

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

各算法的實現(xiàn)價值率如圖4所示。

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

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

4 結(jié)論

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