董彥磊，關(guān)俊鵬，張建君，張?jiān)谱?/p>

1.中國電子科技集團(tuán)公司第五十四研究所，河北石家莊 050081；2.石家莊鐵道大學(xué)信息科學(xué)與技術(shù)學(xué)院，河北石家莊 050043)

信息技術(shù)領(lǐng)域是世界大國科技競爭的高地，數(shù)字經(jīng)濟(jì)的蓬勃興起和智慧化社會(huì)的悄然來臨，帶來諸多嚴(yán)峻挑戰(zhàn)的同時(shí)也帶來千載難逢的發(fā)展機(jī)遇。無論是美國的Inmarsat，WGS，MUOS，AEHF，Spaceway，Starlink等[1-4]，還是中國的中星、亞太、天地一體化信息網(wǎng)絡(luò)等高低軌衛(wèi)星通信系統(tǒng)[5-7]，均反映出衛(wèi)星通信系統(tǒng)的高速發(fā)展。同時(shí)，隨著數(shù)字孿生城市等理念的提出[8]，物聯(lián)網(wǎng)、語義建模、人工智能等技術(shù)賦能與應(yīng)用支撐平臺的深度和廣度全面拓展，功能、數(shù)據(jù)量和實(shí)時(shí)性大大增強(qiáng)，與數(shù)字孿生相關(guān)的大數(shù)據(jù)分析、知識學(xué)習(xí)、平行推演等能力更加成熟。從衛(wèi)星通信系統(tǒng)發(fā)展趨勢來看[9-13]，高軌寬帶、高軌移動(dòng)、低軌星座等多衛(wèi)星通信系統(tǒng)融合使用是大勢所趨。通過對衛(wèi)星通信系統(tǒng)的參數(shù)配置、設(shè)備故障信息、工作狀態(tài)、業(yè)務(wù)質(zhì)量等數(shù)據(jù)進(jìn)行分析，可以有效掌握系統(tǒng)運(yùn)行態(tài)勢，評估系統(tǒng)性能，管理和優(yōu)化衛(wèi)星通信系統(tǒng)。雖然各衛(wèi)星通信系統(tǒng)運(yùn)維管理系統(tǒng)可以根據(jù)各自站內(nèi)管理中心實(shí)時(shí)收集任務(wù)、資源和站型的運(yùn)行狀態(tài)，作為各衛(wèi)星通信系統(tǒng)的運(yùn)行態(tài)勢進(jìn)行呈現(xiàn)，但沒有涵蓋多衛(wèi)星通信系統(tǒng)融合情境，并且由于底層設(shè)備不支持導(dǎo)致態(tài)勢感知不全面、不精確[14]。因此，借鑒數(shù)字孿生理論技術(shù)，構(gòu)建體系化精準(zhǔn)態(tài)勢，分析數(shù)字空間模型并進(jìn)行態(tài)勢分析非常必要。

現(xiàn)行的衛(wèi)星通信系統(tǒng)運(yùn)控、網(wǎng)控和站控3級架構(gòu)下，態(tài)勢分析主要位于運(yùn)控級，能夠站在頂層視角把控全局，便于對衛(wèi)星的信道設(shè)備、用戶的信道終端、衛(wèi)星地面站信道設(shè)備等的健康狀態(tài)進(jìn)行集中的分析處理，但所需處理的數(shù)據(jù)量非常龐大，通過AHP，BP神經(jīng)網(wǎng)絡(luò)等傳統(tǒng)技術(shù)[15]進(jìn)行決策分析導(dǎo)致實(shí)時(shí)性、精確度不高，需要引入態(tài)勢智能分析技術(shù)，對決策算法進(jìn)行優(yōu)化，高效處理海量數(shù)據(jù)，挖掘數(shù)據(jù)內(nèi)在聯(lián)系與“知識”，精確識別復(fù)雜衛(wèi)星通信系統(tǒng)的運(yùn)行態(tài)勢，對未來趨勢進(jìn)行預(yù)判，提升可信度，保障系統(tǒng)運(yùn)維人員客觀、全面、準(zhǔn)確地管控衛(wèi)星通信系統(tǒng)。

本文提出一種衛(wèi)星通信系統(tǒng)決策融合的運(yùn)行態(tài)勢智能分析技術(shù)，首先基于數(shù)字孿生理論技術(shù)，建立體系化數(shù)字空間模型；其次在數(shù)據(jù)空間中提取數(shù)據(jù)特征，得到高質(zhì)量數(shù)據(jù)樣本；進(jìn)而使用4種決策分析算法結(jié)合歷史數(shù)據(jù)訓(xùn)練結(jié)果對實(shí)時(shí)數(shù)據(jù)樣本進(jìn)行分析，再通過決策融合分析方法，對大量衛(wèi)星通信系統(tǒng)運(yùn)行數(shù)據(jù)進(jìn)行精確識別分析，并針對某真實(shí)衛(wèi)星通信系統(tǒng)6項(xiàng)指標(biāo)主題進(jìn)行實(shí)驗(yàn)，驗(yàn)證了技術(shù)的有效性。

1 體系化數(shù)字空間模型

數(shù)字空間模型是對物理空間的實(shí)體進(jìn)行虛擬化抽象，借鑒數(shù)字孿生技術(shù)理論，即將衛(wèi)星通信系統(tǒng)的物理實(shí)體，在虛擬空間創(chuàng)建等價(jià)的數(shù)字空間模型，數(shù)字孿生理論中的虛擬空間本質(zhì)是以計(jì)算、存儲、網(wǎng)絡(luò)傳輸設(shè)備為基礎(chǔ)構(gòu)成的仿真平臺。數(shù)字孿生理論提出數(shù)字空間模型除了包括物理實(shí)體的仿真模型外，還包括采集到的物理實(shí)體歷史運(yùn)行數(shù)據(jù)，以及采集到的實(shí)時(shí)物理實(shí)體運(yùn)行數(shù)據(jù)，便于對真實(shí)衛(wèi)星通信系統(tǒng)進(jìn)行仿真算法分析。數(shù)字空間模型能夠根據(jù)物理實(shí)體運(yùn)行的實(shí)時(shí)反饋信息對物理實(shí)體的運(yùn)行狀態(tài)進(jìn)行監(jiān)控，能夠依據(jù)采集的物理實(shí)體的運(yùn)行數(shù)據(jù)完善分析算法，從而對物理實(shí)體的后續(xù)運(yùn)行和改進(jìn)提供更加精確的決策。

為了將真實(shí)的衛(wèi)星通信系統(tǒng)合理地映射到虛擬空間，需要根據(jù)多衛(wèi)星通信系統(tǒng)融合運(yùn)維的3級架構(gòu)，創(chuàng)建體系化數(shù)字空間模型，包括5個(gè)層級，依次是板卡級、設(shè)備級、節(jié)點(diǎn)級、網(wǎng)絡(luò)級、應(yīng)用級，不同層級包含的信息各有差異，如圖1所示。

圖1 體系化數(shù)字空間模型Fig.1 Systematic digital space model

通過分布于不同層級的數(shù)據(jù)采集單元以上報(bào)、采集、統(tǒng)計(jì)等方式將物理空間實(shí)體的信息體系化映射到數(shù)據(jù)空間。數(shù)據(jù)采集單元包括4型，分別為部署于板卡級的軟硬傳感部件，部署于設(shè)備級、節(jié)點(diǎn)級、網(wǎng)絡(luò)級和應(yīng)用級的智能感知代理、部署于節(jié)點(diǎn)級的網(wǎng)絡(luò)探針、以及部署于節(jié)點(diǎn)級、網(wǎng)絡(luò)級、應(yīng)用級的ICT融合器件。如圖2所示。

圖2 數(shù)據(jù)采集單元部署Fig.2 Data acquisition unit deployment

1)板卡級態(tài)勢信息映射

主要包括芯片狀態(tài)、計(jì)數(shù)器信息等，由板卡內(nèi)置軟硬傳感部件提供。軟件傳感部件包括調(diào)度程序、計(jì)數(shù)器等，通過軟件打樁方式進(jìn)行各單元的數(shù)據(jù)映射；硬件傳感部件包括溫度傳感器、轉(zhuǎn)速傳感器等，用于映射芯片、風(fēng)扇等不同硬件單元的工作狀態(tài)數(shù)據(jù)，在板卡內(nèi)監(jiān)控單元存儲。

2)設(shè)備級態(tài)勢信息映射

主要包括配置參數(shù)、設(shè)備統(tǒng)計(jì)分析參數(shù)等，是對天線輻射單元、濾波、T/R功放、上下變頻、射頻分合路器、采樣處理等板卡內(nèi)部以及板卡之間信息的匯總。依靠智能感知代理，周期性的將態(tài)勢數(shù)據(jù)存儲至本地，通過定義關(guān)聯(lián)規(guī)則，能夠融合分析設(shè)備內(nèi)各板卡的態(tài)勢數(shù)據(jù)生成設(shè)備級態(tài)勢數(shù)據(jù)。

3)節(jié)點(diǎn)級態(tài)勢信息映射

主要包括可用度、通信頻度、QoS參數(shù)等。從天地一體化角度，通過智能感知代理和ICT融合器件收集天基衛(wèi)星節(jié)點(diǎn)的工作頻率、軌道根數(shù)、波束覆蓋范圍、通信載荷狀態(tài)和故障信息統(tǒng)計(jì)、轉(zhuǎn)發(fā)器資源調(diào)度情況統(tǒng)一等信息；通過網(wǎng)絡(luò)探針、智能感知代理、ICT融合器件收集地基固定站點(diǎn)、機(jī)動(dòng)站點(diǎn)、移動(dòng)終端等節(jié)點(diǎn)型號、地址、業(yè)務(wù)種類、入網(wǎng)時(shí)間、退網(wǎng)時(shí)間、在網(wǎng)時(shí)間、工作狀態(tài)和故障信息統(tǒng)計(jì)等信息，提供節(jié)點(diǎn)級態(tài)勢數(shù)據(jù)存儲、查詢和計(jì)算服務(wù)。

4)網(wǎng)絡(luò)級態(tài)勢信息映射

主要包括業(yè)務(wù)服務(wù)、互聯(lián)互通、資源利用等。通過智能感知代理和ICT融合器件獲取高軌寬帶、高軌移動(dòng)、低軌等多衛(wèi)星通信系統(tǒng)的波形體制、節(jié)點(diǎn)互聯(lián)狀態(tài)、用戶接入狀態(tài)、資源利用和業(yè)務(wù)傳輸能力統(tǒng)計(jì)等信息，提供網(wǎng)絡(luò)級態(tài)勢數(shù)據(jù)存儲、查詢和計(jì)算服務(wù)。

5)應(yīng)用級態(tài)勢信息映射

主要包括網(wǎng)絡(luò)拓?fù)?、流量、服?wù)保障、安全抗毀等。綜合利用智能感知代理、ICT融合器件，基于任務(wù)應(yīng)用，反映用戶操作體驗(yàn)、用戶速率、業(yè)務(wù)差異化保障等情況，提供系統(tǒng)應(yīng)用級態(tài)勢感知和評估的數(shù)據(jù)源。

2 運(yùn)行態(tài)勢智能分析方法

多衛(wèi)星通信系統(tǒng)涵蓋高軌寬帶、高軌移動(dòng)、低軌等多個(gè)異構(gòu)衛(wèi)星應(yīng)用、網(wǎng)系、節(jié)點(diǎn)、設(shè)備、板卡體系，每秒鐘數(shù)據(jù)量在PB甚至更多，海量的態(tài)勢數(shù)據(jù)直接傳輸會(huì)占用大量的衛(wèi)星傳輸資源，嚴(yán)重影響正常的通信業(yè)務(wù)。然而這些數(shù)據(jù)又是十分必要的，通過合理分析態(tài)勢數(shù)據(jù)能夠向運(yùn)維管理人員提供大量“知識”，促進(jìn)衛(wèi)星通信系統(tǒng)的優(yōu)化與效能提升。因此需要在態(tài)勢數(shù)據(jù)傳輸與分析之間找到平衡，在保障不占用大量傳輸資源的前提下，及時(shí)精確地呈現(xiàn)態(tài)勢分析結(jié)果。為實(shí)現(xiàn)此目的，需要引入ICT融合理念，其核心觀點(diǎn)是以計(jì)算存儲資源換取傳輸帶寬資源，即通過在體系化數(shù)據(jù)空間中，各層級分別進(jìn)行態(tài)勢數(shù)據(jù)的特征提取與基于決策融合的分析評估，實(shí)時(shí)生成高價(jià)值精確的評估信息，之后再進(jìn)行傳輸，能夠大幅度縮減數(shù)據(jù)傳輸量級，避免因態(tài)勢數(shù)據(jù)帶來的傳輸時(shí)延增大、數(shù)據(jù)丟失等傳輸壓力，運(yùn)維管理人員依據(jù)評估信息，對物理空間網(wǎng)絡(luò)實(shí)體進(jìn)行合理管控，促進(jìn)系統(tǒng)更好地運(yùn)行。運(yùn)行態(tài)勢智能分析過程如圖3所示。

圖3 運(yùn)行態(tài)勢智能分析過程Fig.3 Intelligent analysis process of operation situation

2.1 數(shù)據(jù)特征提取

數(shù)據(jù)特征提取是后續(xù)評估工作的基礎(chǔ)，在體系化數(shù)據(jù)空間中，數(shù)據(jù)質(zhì)量各不相同，需要結(jié)合各級相關(guān)指標(biāo)對數(shù)據(jù)進(jìn)行特征提取工作，提取出的數(shù)據(jù)質(zhì)量越好，后續(xù)評估的可信度越高。

衛(wèi)星態(tài)勢數(shù)據(jù)種類繁多，包括定量數(shù)據(jù)和定性數(shù)據(jù)，定量數(shù)據(jù)是結(jié)構(gòu)性的，由一定長度類型的字段組成；定性是非結(jié)構(gòu)數(shù)據(jù)，數(shù)據(jù)字段僅由非數(shù)值的文字語言表征。為避免錯(cuò)誤數(shù)據(jù)、不完整數(shù)據(jù)、非必要數(shù)據(jù)帶來的負(fù)面影響，首先需要進(jìn)行數(shù)據(jù)整理工作。常用的數(shù)據(jù)整理方法包括數(shù)據(jù)檢測、平均值填補(bǔ)、樣本丟棄等。數(shù)據(jù)檢測方法通過在數(shù)據(jù)中引入邏輯規(guī)則，發(fā)現(xiàn)錯(cuò)誤、重復(fù)、不完整等問題數(shù)據(jù)，并進(jìn)行歸類；平均值填補(bǔ)、樣本丟棄等對檢測到的數(shù)據(jù)進(jìn)行補(bǔ)充完善或處理，確保數(shù)據(jù)完整。

對于定量數(shù)據(jù)，如果同一實(shí)體有多個(gè)相同記錄，則僅保留重復(fù)數(shù)據(jù)中的一項(xiàng)；如果缺失少量字段使得不能完整地表達(dá)數(shù)據(jù)語義，則用歷史數(shù)據(jù)的均值來填充；如果缺失半數(shù)以上字段，則拋棄該數(shù)據(jù)樣本；如果少量數(shù)據(jù)出現(xiàn)錯(cuò)誤，則采用分箱法，用錯(cuò)誤噪聲數(shù)據(jù)指標(biāo)出現(xiàn)的前后一段時(shí)間的指標(biāo)平均值或邊界值來平滑修正；如果半數(shù)以上數(shù)據(jù)出現(xiàn)錯(cuò)誤，則拋棄該數(shù)據(jù)樣本。

對于定性數(shù)據(jù)，可以通過調(diào)查問卷、專家打分等方式進(jìn)行數(shù)字化，但人工因素影響會(huì)導(dǎo)致數(shù)據(jù)不可信，因此需要運(yùn)用模糊集統(tǒng)計(jì)法，通過構(gòu)建評估等級來量化定性數(shù)據(jù)，盡可能將人工影響因素降到最小。模糊集統(tǒng)計(jì)算法如下：

1)建立評估等級集合V={v1,v2,…,vm}，用模糊集bj=(bj1,bj2,…,bjm)表征定性指標(biāo)，bjk為bj對vk的隸屬度，k=1～m，j=1～n；

2)bjk可以利用模糊統(tǒng)計(jì)法計(jì)算得到；

3)V={v1,v2,…,vm}的數(shù)值集D={d1,d2,…,dm}由專家設(shè)定；

海軍衛(wèi)生學(xué)是軍事醫(yī)學(xué)教育課程體系中的一門主干課程，是海軍臨床醫(yī)學(xué)本科和海軍全科醫(yī)學(xué)專業(yè)的必修課。作為預(yù)防醫(yī)學(xué)的重要組成部分，本課程主要闡述海軍部隊(duì)平戰(zhàn)時(shí)所處的各種環(huán)境與指戰(zhàn)員健康的關(guān)系，以及利用有利環(huán)境因素、改善不利環(huán)境因素達(dá)到防治疾病、增進(jìn)健康、提高戰(zhàn)斗力等目的的對策和措施，為學(xué)生提供今后從事海軍臨床醫(yī)學(xué)、海軍衛(wèi)生管理等各領(lǐng)域工作必備的基本理論知識及專業(yè)技能。授課內(nèi)容主要包括海軍環(huán)境衛(wèi)生學(xué)、海軍營養(yǎng)與食品衛(wèi)生學(xué)以及海軍勞動(dòng)衛(wèi)生學(xué)3部分。

完成數(shù)據(jù)整理后，需要對數(shù)據(jù)進(jìn)行規(guī)范化和特征提取。規(guī)范化是指數(shù)據(jù)具有統(tǒng)一的量綱，例如：信息傳輸速率單位換算1 024 kB=1 MB，1 024 MB=1 GB，如果使用不同量綱數(shù)據(jù)進(jìn)行運(yùn)算會(huì)導(dǎo)致錯(cuò)誤的結(jié)果，規(guī)范化即是將單位換算一致。但由于不同指標(biāo)要求的量綱會(huì)有不同，例如話音通信情況要求指標(biāo)為呼通率、呼損率等，因此無法將所有指標(biāo)換算為統(tǒng)一量綱，需要分門別類，對不同類別指標(biāo)分別進(jìn)行規(guī)范化。如果指標(biāo)為離散型，則對照指標(biāo)體系的枚舉數(shù)值定義和數(shù)據(jù)源的定義進(jìn)行轉(zhuǎn)換；如果指標(biāo)為連續(xù)型，則對照指標(biāo)體系的默認(rèn)采用單位和數(shù)據(jù)源采用的單位進(jìn)行計(jì)算轉(zhuǎn)換；如果指標(biāo)為指標(biāo)體系定義的數(shù)據(jù)模型，則對指標(biāo)的語義進(jìn)行轉(zhuǎn)換。

對于規(guī)范化的數(shù)據(jù)樣本，常采用概率統(tǒng)計(jì)的模式識別方法、規(guī)則推理方法等來進(jìn)行特征提取。其中，概率統(tǒng)計(jì)的模式識別方法是對歷史數(shù)據(jù)等先驗(yàn)知識進(jìn)行訓(xùn)練，得出數(shù)據(jù)特征，對數(shù)據(jù)信息進(jìn)行分類或者預(yù)測，雖然原理簡單，但需要非常豐富的先驗(yàn)知識，工作量較大。規(guī)則方法是運(yùn)用邏輯規(guī)則對復(fù)雜不確定性的信息進(jìn)行模糊量化處理，但對數(shù)據(jù)樣本質(zhì)量要求較高，易受噪聲等錯(cuò)誤數(shù)據(jù)影響。

在對多衛(wèi)星通信系統(tǒng)運(yùn)行態(tài)勢數(shù)據(jù)進(jìn)行特征提取后，可基于數(shù)據(jù)特征進(jìn)行板卡、設(shè)備、節(jié)點(diǎn)、網(wǎng)絡(luò)、應(yīng)用各層級的故障定位、態(tài)勢預(yù)測等，例如通過對節(jié)點(diǎn)下所有設(shè)備關(guān)鍵數(shù)據(jù)的特征進(jìn)行提取，可以找到節(jié)點(diǎn)故障的問題根源。節(jié)點(diǎn)級的數(shù)據(jù)融合與關(guān)聯(lián)可指導(dǎo)衛(wèi)星和地球站故障的快速定位；或者話音業(yè)務(wù)呼通率下降問題，原因可能有：用戶的業(yè)務(wù)需求突然增加、通信鏈路受到干擾、衛(wèi)星資源帶寬或功率資源不足、網(wǎng)控中心處理能力飽和、衛(wèi)星有效載荷故障、關(guān)口站設(shè)備故障等，需要對各指標(biāo)進(jìn)行聯(lián)合分類，找出一個(gè)或多個(gè)制約因素，進(jìn)而制定應(yīng)對措施；在態(tài)勢預(yù)測方面，如對歷史通信流量數(shù)據(jù)進(jìn)行模式識別，擬合出回歸曲線，預(yù)測未來的通信流量與業(yè)務(wù)增長，指導(dǎo)衛(wèi)星通信系統(tǒng)網(wǎng)絡(luò)容量規(guī)劃設(shè)計(jì)。

2.2 決策融合分析

對提取特征后的數(shù)據(jù)進(jìn)行分析的算法有很多，常用的有層次分析法、BP神經(jīng)網(wǎng)絡(luò)等。因?yàn)闆]有一種算法可以解決所有問題，不同算法往往善于分析不同的數(shù)據(jù)樣本，不存在所謂的最好算法、最差算法，在解決復(fù)雜系統(tǒng)中的問題時(shí)，多算法間能夠取長補(bǔ)短。在對各算法的適用范圍、優(yōu)缺點(diǎn)、運(yùn)行機(jī)制進(jìn)行分析的基礎(chǔ)上，將各算法對不同指標(biāo)主題的評估結(jié)果基于可信度進(jìn)行決策融合，生成全面、精確的分析結(jié)果。決策融合分析過程如圖4所示。

圖4 決策融合分析過程Fig.4 Decision fusion analysis process

傳統(tǒng)的決策融合算法是對態(tài)勢評估結(jié)果取平均值，但這種方式忽略了不同算法針對某些方面訓(xùn)練不足或?qū)＜抑饔^經(jīng)驗(yàn)設(shè)定待完善，給出的結(jié)果可能與實(shí)際偏差較大，在求平均值的過程中會(huì)影響整個(gè)結(jié)果的可信度。針對該問題提出基于決策融合的態(tài)勢評估，如果指標(biāo)之間的好壞關(guān)系比較直觀容易確定時(shí)，AHP算法的結(jié)果可信度較高，如果指標(biāo)對上層準(zhǔn)則的影響度比較模糊時(shí)，BP神經(jīng)網(wǎng)絡(luò)算法結(jié)果可信度較高[16-17]。

不同算法針對不同指標(biāo)主題得出的分析結(jié)果的可信度確定過程如下。

1)設(shè)有m種算法，對n個(gè)主題進(jìn)行評估，第i(i=1,2,…，m)個(gè)算法得出的結(jié)果向量為

Wi=(wi1,wi2,…,win)。

(1)

3)統(tǒng)計(jì)第i種算法的結(jié)果，如果全部結(jié)果都在置信區(qū)間以外，則可以判定該算法在本次分析中結(jié)果偏差較大，放棄該算法；如果在置信區(qū)間以外存在部分結(jié)果，若在置信空間外的結(jié)果大于50%，則丟棄結(jié)果，反之保留結(jié)果；如果所有的結(jié)果都在置信區(qū)間以內(nèi)，認(rèn)為該算法為優(yōu)質(zhì)算法，可進(jìn)行后續(xù)計(jì)算。

4)假定篩選得到m種算法，算法的可信度通過對不同指標(biāo)主題的歷史數(shù)據(jù)進(jìn)行訓(xùn)練確定。計(jì)算第i種算法相對于第j種指標(biāo)主題的歷史Kj次分析結(jié)果與歷史融合分析結(jié)果的標(biāo)準(zhǔn)差σij，算法歷史分析結(jié)果與融合后的結(jié)果的標(biāo)準(zhǔn)差σij越小，算法的可信度越高，計(jì)算第i種算法相對n個(gè)指標(biāo)主題的標(biāo)準(zhǔn)差σi：

(2)

5)考慮標(biāo)準(zhǔn)差可能為0的情況，計(jì)算第i種算法可信度：

(3)

(4)

6)設(shè)篩選共得到m種算法，則第j個(gè)指標(biāo)主題的分析結(jié)果為

(5)

決策融合分析方法兼顧了不同算法分析結(jié)果的范圍性、優(yōu)勢性和準(zhǔn)確性，并且具有可擴(kuò)展性，支持任意其他分析算法的擴(kuò)展。

3 實(shí)驗(yàn)結(jié)果

以某真實(shí)多衛(wèi)星通信系統(tǒng)為例，驗(yàn)證決策融合分析方法的可行性。6項(xiàng)指標(biāo)主題在4種算法分析下的初步分析結(jié)果見表1。

表1 初步分析結(jié)果

經(jīng)正態(tài)分布統(tǒng)計(jì)，對于6個(gè)指標(biāo)，TOPSIS法對于抗干擾通信能力、全域互通能力、資源利用效率、快速組網(wǎng)能力4個(gè)指標(biāo)評估結(jié)果分別為0.473，0.371，0.510，0.290均在置信區(qū)間以外，超過了50%，因此丟棄TOPSIS法分析結(jié)果。

訓(xùn)練AHP算法、BP神經(jīng)網(wǎng)絡(luò)法、模糊綜合評估法相對于6個(gè)評估指標(biāo)的歷史評估結(jié)果與歷史融合評估結(jié)果的綜合標(biāo)準(zhǔn)差分別為0.027 9，0.001 9，0.004 8。

根據(jù)AHP算法、BP神經(jīng)網(wǎng)絡(luò)法、模糊綜合評估法綜合標(biāo)準(zhǔn)差計(jì)算各算法可信度為0.781 8，0.981 0，0.954 5，歸一化后分別為0.287 7，0.361 0，0.351 2。

按照決策融合方法進(jìn)行計(jì)算，結(jié)果如式(6)所示。

可以得出6個(gè)指標(biāo)主題的最終結(jié)果分別為抗干擾通信能力0.6526；全域互通能力0.2146；機(jī)動(dòng)傳

(6)

輸能力0.554 8；業(yè)務(wù)承載能力0.628 1；資源利用效率0.849 5；快速組網(wǎng)能力0.521 5。從實(shí)驗(yàn)過程可以看出：1)算法可以根據(jù)正態(tài)分布置信區(qū)間，在多個(gè)決策算法中篩選優(yōu)質(zhì)算法，剔除不善于處理該樣本數(shù)據(jù)的算法，減小對結(jié)果的負(fù)面影響，例如TOPSIS的4個(gè)指標(biāo)評估結(jié)果均在置信區(qū)間以外，屬于不善于處理該樣本數(shù)據(jù)的算法，被決策融合算法自動(dòng)剔除；2)能夠依靠歷史結(jié)果數(shù)據(jù)對算法進(jìn)行訓(xùn)練，確定可信度權(quán)重，表1中的結(jié)果即為依靠歷史數(shù)據(jù)對4種算法訓(xùn)練后的結(jié)果，之后再通過綜合標(biāo)準(zhǔn)差計(jì)算以及歸一化得到各算法的可信度，該可信度即可作為輸入，用于處理實(shí)時(shí)數(shù)據(jù)下的指標(biāo)主題分析結(jié)果；3)能夠通過決策融合分析方法，在保留各優(yōu)質(zhì)算法特征信息基礎(chǔ)上，通過將可信度作為權(quán)重，能夠平衡各算法結(jié)果。因?yàn)槊糠N算法可能善于處理特定的指標(biāo)，例如AHP算法在處理抗干擾通信能力指標(biāo)時(shí)結(jié)果最好，但處理全域互通能力時(shí)結(jié)果較差；BP神經(jīng)網(wǎng)絡(luò)算法在處理抗干擾通信能力時(shí)結(jié)果較差，但處理全域互通能力指標(biāo)時(shí)結(jié)果更優(yōu)；模糊綜合評價(jià)法在處理資源利用效率指標(biāo)時(shí)結(jié)果最好，但在處理抗干擾通信能力時(shí)效果最差。所以通過可信度的加權(quán)平均，兼顧了各算法評估結(jié)果的全面性、客觀性和準(zhǔn)確性，對不同的指標(biāo)主題均能得出較好的結(jié)果，使得最終結(jié)果更加客觀準(zhǔn)確，具有參考價(jià)值。綜上所述，通過實(shí)驗(yàn)分析證明了多衛(wèi)星通信系統(tǒng)融合運(yùn)行態(tài)勢分析技術(shù)的有效性。

4 結(jié) 語

本文結(jié)合衛(wèi)星通信系統(tǒng)發(fā)展趨勢，重點(diǎn)解決多衛(wèi)星通信系統(tǒng)融合運(yùn)行態(tài)勢不全面、不精確等問題。

1)借鑒數(shù)字孿生理論技術(shù)，建立板卡級、設(shè)備級、節(jié)點(diǎn)級、網(wǎng)絡(luò)級、應(yīng)用級5個(gè)層級體系化數(shù)字空間模型。通過部署于板卡級的軟硬傳感部件，部署于設(shè)備級、節(jié)點(diǎn)級、網(wǎng)絡(luò)級和應(yīng)用級的智能感知代理、部署于節(jié)點(diǎn)級的網(wǎng)絡(luò)探針、以及部署于節(jié)點(diǎn)級、網(wǎng)絡(luò)級、應(yīng)用級的ICT融合器件共4型分布于不同層級的數(shù)據(jù)采集單元，以上報(bào)、采集、統(tǒng)計(jì)等方式將物理空間實(shí)體的信息體系化映射到數(shù)據(jù)空間。

2)運(yùn)用數(shù)據(jù)特征提取技術(shù)對數(shù)字空間數(shù)據(jù)樣本進(jìn)行優(yōu)化。首先對定性、定量數(shù)據(jù)進(jìn)行數(shù)據(jù)整理，避免錯(cuò)誤數(shù)據(jù)、不完整數(shù)據(jù)、非必要數(shù)據(jù)帶來的負(fù)面影響。其次對數(shù)據(jù)進(jìn)行規(guī)范化，使數(shù)據(jù)具備統(tǒng)一量綱。最后采用概率統(tǒng)計(jì)的模式識別方法、規(guī)則推理方法等來進(jìn)行特征提取，用于后續(xù)分析。

3)通過決策融合分析方法進(jìn)行數(shù)據(jù)分析得到評估結(jié)果。首先對數(shù)據(jù)樣本運(yùn)用多種算法進(jìn)行初步分析。其次剔除分析結(jié)果處于置信區(qū)間外的算法。最后結(jié)合各算法對不同指標(biāo)主題的歷史數(shù)據(jù)訓(xùn)練結(jié)果計(jì)算得出可信度權(quán)重，再對各算法進(jìn)行加權(quán)融合，生成全面、精確的分析結(jié)果。

4)實(shí)驗(yàn)結(jié)果表明，基于決策融合分析，一是算法可以根據(jù)正態(tài)分布置信區(qū)間，在多個(gè)決策算法中篩選優(yōu)質(zhì)算法，剔除不善于處理該樣本數(shù)據(jù)的算法，減小對結(jié)果的負(fù)面影響。二是能夠依靠歷史結(jié)果數(shù)據(jù)對算法進(jìn)行訓(xùn)練，確定可信度權(quán)重。三是能夠通過決策融合分析方法，在保留各優(yōu)質(zhì)算法特征信息基礎(chǔ)上，通過將可信度作為權(quán)重，平衡各算法結(jié)果，對不同的指標(biāo)主題均能得出較好的結(jié)果。

基于決策融合的多衛(wèi)星通信系統(tǒng)態(tài)勢分析技術(shù)在數(shù)據(jù)體系化采集、定量與定性數(shù)據(jù)優(yōu)化、基于可信度權(quán)重進(jìn)行加權(quán)融合等方面進(jìn)行了創(chuàng)新研究，通過決策融合得到的分析結(jié)果，可以幫助衛(wèi)星通信系統(tǒng)運(yùn)維人員更好的優(yōu)化多衛(wèi)星通信系統(tǒng)的運(yùn)行狀態(tài)。但是在數(shù)據(jù)采集分析等方面仍不夠完善，存在數(shù)據(jù)被動(dòng)式采集問題，數(shù)據(jù)采集單元缺少主動(dòng)信道測試類設(shè)備，對故障的主動(dòng)檢測評估能力弱。未來可以進(jìn)一步完善態(tài)勢融合方法，例如設(shè)計(jì)更加精細(xì)的數(shù)據(jù)采集設(shè)備，研究更加高效的數(shù)據(jù)特征提取方法，進(jìn)一步優(yōu)化可信度權(quán)重，以提供更為有效的態(tài)勢分析結(jié)果。