呂釗

(安徽大學(xué)計(jì)算智能與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室，安徽合肥230039)

模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)鏈中繼切換算法研究

呂釗

(安徽大學(xué)計(jì)算智能與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室，安徽合肥230039)

為了減少數(shù)據(jù)鏈終端在高速運(yùn)動(dòng)時(shí)遲滯電平切換(HYH)算法的乒乓效應(yīng)及駐留時(shí)間切換(DWH)算法切換閾值過(guò)低所引發(fā)的問(wèn)題，提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的中繼切換(FNNH)算法.該算法利用模糊神經(jīng)網(wǎng)絡(luò)理論，建立中繼切換判斷機(jī)制，動(dòng)態(tài)調(diào)整切換閾值.在OPNET仿真條件下，進(jìn)行通信終端以不同的速率、路徑在中繼站區(qū)域邊界往返運(yùn)動(dòng)的實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明，相對(duì)于HYH算法和DWH算法，F(xiàn)NNH算法的切換次數(shù)明顯減少和乒乓效應(yīng)得到顯著改善.

數(shù)據(jù)鏈;切換;模糊神經(jīng)網(wǎng)絡(luò);遲滯電平;駐留時(shí)間

數(shù)據(jù)鏈?zhǔn)擎溄訑?shù)字化戰(zhàn)場(chǎng)上的傳感器、指揮中心、武器平臺(tái)、作戰(zhàn)部隊(duì)的一種信息處理、交換和分發(fā)系統(tǒng).其中，VHF/UHF航空型數(shù)據(jù)鏈給軍用升空平臺(tái)提供了與中繼站進(jìn)行數(shù)據(jù)通信的手段，使得所傳輸?shù)男畔⒏訉?shí)時(shí)、高效.但是，由于受地球半徑曲率的影響，工作在V/U頻段的航空型數(shù)據(jù)鏈為視距通信，其通信距離有限，往往需要地面或空中中繼站進(jìn)行中繼通信.當(dāng)飛機(jī)離開(kāi)一個(gè)中繼站覆蓋范圍并進(jìn)入另一個(gè)中繼站覆蓋范圍時(shí)就需要進(jìn)行中繼切換，那么采用何種中繼切換機(jī)制、何時(shí)觸發(fā)切換是航空型數(shù)據(jù)鏈通信的基礎(chǔ)，是戰(zhàn)時(shí)通信暢通的保障.因此，航空型數(shù)據(jù)鏈的中繼切換技術(shù)是值得深入研究的課題.目前國(guó)內(nèi)外關(guān)于數(shù)據(jù)鏈中繼切換問(wèn)題的研究多是在結(jié)合數(shù)據(jù)鏈的協(xié)議以及應(yīng)用的基礎(chǔ)上，對(duì)算法作適當(dāng)?shù)男薷幕蚋倪M(jìn)，使其適用于數(shù)據(jù)鏈系統(tǒng).文［1－2］對(duì)數(shù)據(jù)鏈越區(qū)切換問(wèn)題進(jìn)行了研究，但是它沒(méi)有提到具體的切換算法，同時(shí)也未考慮到飛機(jī)在中繼站覆蓋范圍邊界隨機(jī)往返運(yùn)動(dòng)時(shí)，產(chǎn)生的乒乓效應(yīng)問(wèn)題.文［3］針對(duì)如何有效地選取中繼站進(jìn)行了研究，但未考慮切換算法.作者根據(jù)航空型戰(zhàn)術(shù)數(shù)據(jù)鏈的特點(diǎn)，提出一種新的數(shù)據(jù)鏈中繼切換算法，并對(duì)該算法進(jìn)行仿真驗(yàn)證.

1 遲滯電平切換算法和駐留時(shí)間切換算法

在無(wú)線通信中，信號(hào)質(zhì)量及其相關(guān)信息在切換觸發(fā)中有著重要的意義，因此研究人員提出了大量基于接收信號(hào)強(qiáng)度［4］(received signal strength，簡(jiǎn)稱RSS)的切換觸發(fā)模型，且進(jìn)行了相關(guān)分析.假定空中飛機(jī)與中繼站之間位置關(guān)系如圖1所示.

圖1 空中飛機(jī)與中斷站的位置圖Fig.1 Relation position of the aircraft and relay stations

飛機(jī)與中繼站RS1和中繼站RS2之間的距離分別為d1和d2.飛機(jī)接收到RS1和RS2的信號(hào)強(qiáng)度分別為

其中:K11、K12、K21和K22為路徑損耗參數(shù).飛機(jī)接收到RS1和RS2的信號(hào)強(qiáng)度差值為

常見(jiàn)的切換算法是根據(jù)信號(hào)強(qiáng)度差值來(lái)判斷:當(dāng)DRSS＞0時(shí)，說(shuō)明RS2信號(hào)較強(qiáng)，因此可以觸發(fā)飛機(jī)從RS1到RS2的切換;同理，當(dāng)DRSS＜0時(shí)，說(shuō)明RS1信號(hào)較強(qiáng)，因此可以觸發(fā)飛機(jī)從RS2到RS1的切換.但是，當(dāng)飛機(jī)在RS1和RS2之間來(lái)回運(yùn)動(dòng)時(shí)，通信鏈路在兩個(gè)中繼站之間不斷切換，則意味著發(fā)生了乒乓效應(yīng)，就會(huì)使系統(tǒng)容量下降，影響飛機(jī)的正常通信.為了避免切換過(guò)程中出現(xiàn)乒乓效應(yīng)，許多切換算法中引入了一些額外的參數(shù)，如:切換算法引入遲滯電平［4－6］(hysteresis)和駐留時(shí)間［7－9］(dwelling time)作為參數(shù).

文［4－6］中遲滯電平切換算法的基本思想為(將－h(huán)y作為切換的下限，hy作為切換的上限):

就實(shí)質(zhì)而言，遲滯電平HYH算法是根據(jù)節(jié)點(diǎn)的位置來(lái)判斷是否觸發(fā)切換(飛機(jī)與中繼站間的距離是決定RSS的唯一因素).在運(yùn)動(dòng)速度較低時(shí)，遲滯電平HYH算法能有效地降低乒乓效應(yīng);但戰(zhàn)斗機(jī)最大飛行速度為952 m·s－1，其運(yùn)動(dòng)速度較快，此時(shí)HYH算法降低乒乓效應(yīng)的能力明顯下降［10］.文［7］中駐留時(shí)間切換算法的基本思想為:

駐留時(shí)間DW算法則是根據(jù)節(jié)點(diǎn)在某一區(qū)域內(nèi)的停留時(shí)間來(lái)判斷是否觸發(fā)算法，能有效地降低乒乓效應(yīng)，但是由于駐留時(shí)間閾值固定不變，當(dāng)飛機(jī)運(yùn)動(dòng)速度較快時(shí)，接收到的RSS較低不能觸發(fā)切換，嚴(yán)重時(shí)影響通信質(zhì)量.

2 基于模糊神經(jīng)網(wǎng)絡(luò)的切換算法

在任務(wù)開(kāi)始時(shí)，該飛機(jī)根據(jù)飛行航跡是固定的還是隨機(jī)的，確定之后執(zhí)行的具體切換算法.若飛機(jī)按照固定航線飛行，在任務(wù)執(zhí)行之前就已經(jīng)根據(jù)規(guī)定的航線計(jì)算出了切換時(shí)間和目標(biāo)切換隊(duì)列，只要在到達(dá)規(guī)定的切換時(shí)間之后切換到計(jì)算好的目標(biāo)中繼站即可.若飛機(jī)飛行航線是隨機(jī)的，則切換算法實(shí)時(shí)根據(jù)更新后的當(dāng)前航跡信息判斷是否需要切換到目標(biāo)中繼站點(diǎn).但是，無(wú)論是固定航跡還是隨機(jī)航跡，切換算法是一樣的，不同的是固定航跡要提前計(jì)算出切換時(shí)間點(diǎn)，而隨機(jī)航跡要實(shí)時(shí)計(jì)算切換時(shí)間點(diǎn).另外，為了降低空中中繼站的數(shù)據(jù)處理量，當(dāng)候選中繼站中同時(shí)有地面中繼站和空中中繼站時(shí)，優(yōu)選地面中繼站.

作者提出基于模糊神經(jīng)網(wǎng)絡(luò)的中繼切換(the relay handoff based on fuzzy neural network，簡(jiǎn)稱FNNH)算法由3部分組成，即預(yù)處理、模糊神經(jīng)網(wǎng)絡(luò)和切換判決，其中模糊神經(jīng)網(wǎng)絡(luò)［11－13］(fuzzy neural network，簡(jiǎn)稱FNN)階段又由模糊化、模糊推理、去模糊和訓(xùn)練學(xué)習(xí)組成.算法的結(jié)構(gòu)框圖如圖2所示.

圖2 FNNH算法結(jié)構(gòu)框圖Fig.2 Block diagram of the FNNH algorithm

FNNH算法的思路為:首先，當(dāng)有多個(gè)候選中繼站時(shí)，優(yōu)選地面中繼站作為目標(biāo)中繼站并輸出RSS2;預(yù)處理為模糊神經(jīng)網(wǎng)絡(luò)準(zhǔn)備輸入數(shù)據(jù)，根據(jù)飛機(jī)當(dāng)前飛行的航跡狀態(tài)，得到飛機(jī)的航速v和航向，并由航向判斷出飛機(jī)的運(yùn)動(dòng)趨勢(shì):是向著目標(biāo)中繼站飛行(用dir(k)表示運(yùn)動(dòng)趨勢(shì)，此時(shí)令dir(k)=1 )，還是遠(yuǎn)離目標(biāo)中繼站飛行(令dir(k)=－1)，或者運(yùn)動(dòng)趨勢(shì)不明確(令dir(k)=0)，再計(jì)算出飛機(jī)接收到當(dāng)前中繼站和目標(biāo)中繼站兩站點(diǎn)信號(hào)強(qiáng)度的差值DRSS(k).

其次，將DRSS(k)、飛機(jī)的運(yùn)動(dòng)趨勢(shì)dir(k)和飛機(jī)的飛行速度v等信息送入模糊神經(jīng)網(wǎng)絡(luò)FNN，如圖3所示.從圖3可看出，該算法中FNN共由5層組成，第1、2層是模糊化過(guò)程;第3、4層是模糊邏輯推理過(guò)程，其中第3層由45個(gè)節(jié)點(diǎn)構(gòu)成(FNNH算法共有45條推理規(guī)則);第5層是去模糊過(guò)程;圖3中e(t)表示訓(xùn)練誤差函數(shù)，它是用來(lái)調(diào)整各個(gè)參量隸屬函數(shù)的中心位置和寬度的.FNN根據(jù)輸入的多個(gè)參考因素綜合考慮系統(tǒng)的當(dāng)前狀態(tài)，產(chǎn)生合適的遲滯電平hy和駐留時(shí)間tDW，記錄這組新的輸入及對(duì)應(yīng)輸出，用于更新樣本數(shù)據(jù)庫(kù)中的樣本數(shù)據(jù)，作為再次啟動(dòng)的訓(xùn)練數(shù)據(jù).

圖3 FNNH算法中模糊神經(jīng)網(wǎng)絡(luò)層結(jié)構(gòu)圖Fig.3 Layer structure of the fuzzy neural network in the FNNH algorithm

其中:HO_Threshold為切換門(mén)限，其初始值為1.為了進(jìn)一步確保乒乓效應(yīng)不發(fā)生，若當(dāng)前的切換間隔HO_Interval不大于預(yù)設(shè)的乒乓效應(yīng)時(shí)間間隔PP_Interval時(shí)，HO_Threshold增加STEP;若HO_ Interval＞PP_Interval并且Q≥HO_Threshold時(shí)，執(zhí)行切換，令HO_Threshold=1.這樣就可以防止乒乓效應(yīng)的產(chǎn)生，從而使飛機(jī)選擇最優(yōu)中繼接入點(diǎn).

3 仿真分析

假設(shè)中繼站的覆蓋半徑為350 km，中繼站1和中繼站2間的距離為600 km，仿真場(chǎng)景如圖4所示.當(dāng)飛機(jī)飛行高度在中繼站通信能力范圍內(nèi)時(shí)，是否進(jìn)行切換主要受飛機(jī)與中繼站之間的直線距離決定.為了驗(yàn)證該算法的可行性和比較其性能，采用OPNETModeler仿真軟件對(duì)切換算法進(jìn)行仿真驗(yàn)證.設(shè)計(jì)了如下幾個(gè)仿真場(chǎng)景.

圖4 仿真場(chǎng)景Fig.4 Simulation scenarios

仿真場(chǎng)景1:飛機(jī)以400 km·h－1到2 000 km·h－1的不同速度沿曲線AB從中繼站RS1覆蓋范圍一次性飛到中繼站RS2覆蓋范圍，系統(tǒng)更新飛機(jī)航跡的時(shí)間間隔取1 s.這里取20次仿真的平均值作為最終結(jié)果.圖5為不同速度情況下飛機(jī)沿AB路徑運(yùn)動(dòng)時(shí)的切換位置離RS的距離.

從圖5可以看出，DWH切換算法受飛機(jī)飛行速度影響較為嚴(yán)重，而HYH算法和FNNH算法受飛機(jī)飛行速度影響不大.HYH算法是否進(jìn)行切換只與飛機(jī)接收到的信號(hào)強(qiáng)度有關(guān)，而飛機(jī)接收到的信號(hào)強(qiáng)度與飛機(jī)到中繼站的距離d緊密相連，HYH算法是否進(jìn)行切換與d有關(guān)，而與飛機(jī)的飛行速度無(wú)關(guān).FNNH算法雖然也考慮到了駐留時(shí)間因素，但是駐留時(shí)間是隨飛機(jī)移動(dòng)速度自適應(yīng)改變的，比如:飛機(jī)的飛行速度v較高時(shí)，F(xiàn)NNH輸出的駐留時(shí)間值tDW就較低，這樣就可以保證切換觸發(fā)的時(shí)間;另外切換因子Q中還包含有遲滯電平值hy，保留了HYH算法中飛機(jī)飛行速度對(duì)切換點(diǎn)影響較小的優(yōu)點(diǎn);綜合這兩個(gè)因素，可知FNNH算法的切換點(diǎn)受飛機(jī)飛行速度的影響不大.

仿真場(chǎng)景2:飛機(jī)以不同速度在RS1和RS2重疊覆蓋范圍沿隨機(jī)曲線CD(見(jiàn)圖4)往返飛行.這里取20次仿真的平均值作為最終結(jié)果.

圖6顯示了飛機(jī)以不同速度做隨機(jī)運(yùn)動(dòng)時(shí)的切換次數(shù).

圖6 不同速度情況下的切換次數(shù)Fig.6 The frequency of sw itching at differentmoving speeds

從圖6可以看出，HYH算法的切換次數(shù)受飛機(jī)飛行速度的影響很小，切換的次數(shù)較多，但是隨著運(yùn)動(dòng)速度的增加，HYH算法發(fā)生乒乓效應(yīng)的次數(shù)也迅速增加，這主要是因?yàn)镠YH算法的門(mén)限是固定的值，只與飛機(jī)接收到的信號(hào)強(qiáng)度有關(guān)，而與運(yùn)動(dòng)速度無(wú)關(guān);DWH算法的切換次數(shù)隨著飛機(jī)飛行速度的增加而減小，這是由于速度較快時(shí)，運(yùn)行某段路徑的時(shí)間相對(duì)較短，在還未滿足tDW門(mén)限時(shí)系統(tǒng)已經(jīng)進(jìn)入下一個(gè)tDW計(jì)算時(shí)間，所以切換次數(shù)減少，相應(yīng)發(fā)生乒乓效應(yīng)的次數(shù)變化也不大;FNNH算法的切換次數(shù)隨飛機(jī)飛行速度增加有一定的減小，這主要是因?yàn)樵撍惴ㄇ袚Q因子Q中含有駐留時(shí)間tDW，使得飛機(jī)在高速運(yùn)動(dòng)時(shí)盡管速度增加也可以在一定程度內(nèi)降低切換次數(shù).

仿真場(chǎng)景3:圖7為系統(tǒng)在不同算法下所承受的負(fù)載.

圖7 系統(tǒng)在不同算法下所承受的負(fù)載Fig.7 System load under different algorithm s

從圖7中可以看出，采用HYH和DWH算法的系統(tǒng)啟動(dòng)速度較快，但是采用FNNH算法的系統(tǒng)啟動(dòng)速度較慢.這是因?yàn)镠YH和DWH算法簡(jiǎn)單，系統(tǒng)初始化速度快，而FNNH算法的初始化要訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)，所以需要耗費(fèi)一定的時(shí)間來(lái)啟動(dòng)程序.當(dāng)FNNH算法的模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練成功以后，3種算法的移動(dòng)終端的負(fù)載能力基本差不多.

由于FNNH算法采用動(dòng)態(tài)改變hy和tDW的閾值以及調(diào)整PP_Interval的兩種措施，克服了HYH和DWH算法的缺點(diǎn)，降低了乒乓效應(yīng)發(fā)生的次數(shù)，但與HYH和DWH相比，F(xiàn)NNH算法復(fù)雜，系統(tǒng)初始化速度慢.

4 結(jié)束語(yǔ)

作者提出了FNNH算法并通過(guò)仿真，分析了其切換點(diǎn)、切換次數(shù)、乒乓效應(yīng)以及啟動(dòng)速度等問(wèn)題，驗(yàn)證了該算法的優(yōu)越性.中繼技術(shù)可以擴(kuò)展數(shù)據(jù)鏈的覆蓋范圍、增加系統(tǒng)容量，因此進(jìn)一步改進(jìn)切換機(jī)制、提高系統(tǒng)無(wú)縫通信能力是今后研究工作的重點(diǎn).

［1］李瑩.空地?cái)?shù)據(jù)鏈系統(tǒng)中越區(qū)切換技術(shù)研究［D］.成都:西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院，2008.

［2］Ayaz S，Hoffmann F，Epple U，et al.Performance evaluation of network mobility handover over future aeronautical data link［J］.Computer Communications，2012，35(3):334－343.

［3］曾向榮，楊光，羅鵬程.數(shù)據(jù)鏈中面向可靠傳輸?shù)姆汉樗惴皯?yīng)用分析［J］.小型微型計(jì)算機(jī)系統(tǒng)，2010(3): 430－435.

［4］Vijayan R，Holtzman JM.A model for analyzing handoff algorithms［cellular radio］［J］.Vehicular Technology，IEEE Transactions on，1993，42(3):351－356.

［5］Zahran A H，Liang B，Saleh A.Signal threshold adaptation for vertical handoff in heterogeneous wireless networks［J］.Mobile Networks and Applications，2006，11(4):625－640.

［6］Yan X，?ekerciogˇlu Y，Narayanan S.A survey of vertical handover decision algorithms in fourth generation heterogeneouswireless networks［J］.Computer Networks，2010，54(11):1848－1863.

［7］Kaveh P.Handoff in hybrid mobile data networks［J］.IEEE Personal Communications，IEEE，2000，7(2):34－47.

［8］Zahran A H，Liang B，Saleh A.Signal threshold adaptation for vertical handoff in heterogeneous wireless networks［J］.Mobile Networks and Applications，2006，11(4):625－640.

［9］Singhrova A，Prakash N.Vertical handoff decision algorithm for improved quality of service in heterogeneouswireless networks［J］.Communications，IET，2012，6(2):211－223.

［10］劉敏，李忠誠(chéng)，過(guò)曉冰，等.異構(gòu)無(wú)線網(wǎng)絡(luò)中垂直切換算法的評(píng)測(cè)和改進(jìn)［J］.計(jì)算機(jī)學(xué)報(bào)，2007，18(6):1652－1659.

［11］Giupponi L，Agusti R，Perez－Romero J，et al.A novel approach for joint radio resource management based on fuzzy neuralmethodology［J］.Vehicular Technology，IEEE Transactions on，2008，57(3):1789－1805.

［12］Lee SC，Lee E T.Fuzzy neural networks［J］.Mathematical Biosciences，1975，23(1):151－177.

［13］Leng G，McGinnity TM，Prasad G.An approach for on－line extraction of fuzzy rules using a self－organising fuzzy neural network［J］.Fuzzy Sets and Systems，2005，150(2):211－243.

(責(zé)任編輯 鄭小虎)

Research on the data link handoff algorithm based on fuzzy neural network

LV Zhao
(Key Laboratory of Intelligent Computing＆Signal Processing，Ministry of Education，Anhui University，Hefei 230039，China)

To reduce the ping－pong effect of hysteresis handoff(HYH)algorithm and overcome the problems caused by low handoff threshold of dwelling time handoff(DWH)algorithm when the terminal of data link motioned in high－speed，the relay handoff based on fuzzy neural network (FNNH)algorithm was proposed in this paper.The fuzzy neural network theory was used to establish the judgmentmechanism for relay handoff，as a result，a dynamic handoff threshold was acquired.Experiments of the communication terminals going across the boundary regions of relay stationswith different speeds and paths were carried out in OPNET simulation environment.The results showed that FNNH algorithm could significantly reduce the number of handoff and the pingpong effect compared with the conventional HYH algorithm and DWH algorithm.

data link;handoff;fuzzy neural network;hysteresis;dwelling time

TN919

A

1000－2162(2014)04－0066－07

10.3969/j.issn.1000－2162.2014.04.011

2013－08－28

安徽大學(xué)校學(xué)術(shù)與技術(shù)帶頭人引進(jìn)工程資助項(xiàng)目(02303203);安徽大學(xué)計(jì)算智能與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題基金資助項(xiàng)目

呂釗(1979—)，男，安徽宿州人，安徽大學(xué)講師，博士.