基于VHF频段的智能认知技术林国彪

基于VHF频段的智能认知技术林国彪

林国彪

（广州海格通信集团股份有限公司广东广州510663）

摘要：基于目前VHF设备只能采用自动降速来应对干扰和频点通信质量较差的问题，本文提出一种智能认知技术，该技术可以根据频谱等电磁通信环境的变化，生成与之相适应的频率，速率等通信参数，实现智能跳频，规避干扰和不利频谱，提升VHF设备的抗干扰能力和通信能力。

关键词：VHF；干扰；智能认知

1引言

VHF频段（30～88MHz）上的电磁波信号在传输过程中有着较好的衰落特性，成为了各国军队战术通信领域的一个重要的专用频段。在V段上军用技术的出发点是用来解决复杂电磁环境下高效通信问题。根据大量的测试数据，V段频谱的复杂性主要表现为2个方面：

1）背景噪声情况复杂：受干扰，地形和大气等多种因素综合影响，各个频点的噪声水平相差较大；

2）无线传输信道复杂：各个频点的衰落幅度相差较大。尤其在复杂地形特别是山区或丘陵地带进行通信时，路径数量不多（反射体数量不多）但不同路径的最大时延值比较大，导致在整个频段上显现出明显的频率衰落性特征。

2智能认知无线电技术

认知无线电技术是跨多门学科的新型综合通信技术，其三个基本环节为探测、决策、执行。基于上述电磁环境特征，本文研究的技术核心点包括：

2.1通信信道质量测量

通信信道的链路质量好坏取决于两个因素：信道衰落情况和背景噪声强度，因此信道探测也分为针对信道质量的主动探测和本地场强感知。高准确性的测量数据将有效提高决策结果的准确性。

2.2干扰识别

通信网络经过联合检测，能够快速的对恶意干扰进行识别和粗略定位。

2.3快速选频技术

由于在V段上的通信波形的带宽较窄，一般只有几十或数百kHz，因此可用信道的数量非常大，可以达到几百甚至一两千个。在数据积累和学习推理的前提下，通信双方经过探测和交互，可以快速找到信道质量较好的频点进行数据通信。

2.4低速波形设计

需要设计多种可以携带不同数据量的反馈或信令波形，速率较低，但传输可靠性高，译码复杂度低。

2.5具有学习能力通信波形智能决策

学习能力，顾名思义就是具备从过去的成功或失败的经验中总结规律，指导当前行为的能力。目的：从大量的通信数据中发掘潜在的规律，为当前的通信策略的选择提高指导。从相关性的角度上看，过去的通信环境必须跟当前的通信环境必须具备很强的相关性，这样历史经验数据才能适用于当前的通信过程。因此整个智能通信模型如下：

图1智能通信模型

通信案例或经验应该包括3个方面的内容：通信双方的环境或状态描述、通信策略描述、和通信效果记录。总结起来就是在什么情况下采用了什么方法，取得了什么样的通信效果。在位置和时间系统的支持下，一份理想情况下的通信数据案例或经验应该具备如下属性：收发双方的地理位置和移动状态；通信时间；收发双方的天线状态（注：人工输入）；噪声水平；信道探测波形；信道探测结果；发射功率、带宽、频点；业务种类；通信波形；通信效果。

2.5.1决策算法

为提高决策算法的可靠性，并减低决策过程的搜索时间，算法采用基于理论计算和案例匹配的混合决策机制：

1）理论计算：设计一个多元函数来大概计算采用何种通信波形，其中自变量包括通信双方的距离，噪声水平，带宽，信道多径向量估计值等。

2）案例匹配：数据库的认知引擎可以根据数据库的知识或经验(案例)，在外界无线环境变化时立即做出反应。设计一个多元函数来大概计算当前通信状态和数据库的案例之间匹配度。其中自变量包括通信双方的位置，业务类型，噪声水平，带宽，信道估计长度，信道多径向量估计值等。如果匹配度达到一定值，则采用该案例的通信策略。

2.5.2数据库的案例存储

案例匹配过程的本质就是从数据库的众多案例中找到一个当前通信环境十分接近的案例。随着数据库的案例的不断丰富，这个匹配过程所需的计算量越来越大，因此进行全局搜索变得越来有难度。为提高匹配速率，在数据库的存储和管理方面需要采用额外措施。

还有如可以把通信环境分为视距通信（有明显主径）和非视距通信（无明显主径）；或者是根据信道能量值的大小进行划分等。这样的话，案例在存储时就可以进行多种方式的分类，既大幅度减少数据量的数量等级，进行匹配时也可以进行多维的并行交叉搜索，复杂度大幅度降低。

2.5.3数据库的管理

数据库的数据积累是一个长期的过程，随着这个过程的推进，案例越来越丰富，为决策算法提高越精准的数据支持，从而使得决策准确率不断提升。

基于案例的决策过程的本质是一个搜索过程，因此对搜索过程的优化显得非常重要，这就要求在数据库的管理方面应该具备短期（数小时尺度）和长期知识管理能力（几天或数十天尺度）。

在短期方面，由于对军用地面通信而言，在数小时的时间内，通信设备的活动区域一般会集中在一个局部区域，通信地形和环境比较接近，因此当前环境和这段时间内的案例匹配的概率相对较高。因此数据库将支持这种短期数据或知识的管理能力。

而在长期方面，数据需要具备将庞大的数据自动进行整理，归纳和分类。举个例子，对系统支持的速率最高的传输波形而言，数据库可以自动从采用该波形的所有案例中总结一个规律，如在天线高度相同且使用最大发射功率情况下，一旦通信双方的距离小于某个值，就可以采用该通信波形。有或者是按照通信地域进行数据分类，总结出某个地域的通信规律，如某个地域的大部分通信案例都显示为视距通信，这表明该地区比较平坦，遮挡物较少，通信时导频信号可以进行优化。

通过上述类型的自学习过程，通信设备的智能化水平也可以随之变得越来越高。

3结束语

本文提出的智能认知无线电技术使VHF设备具备学习和推理能力，能够认知干扰、频谱等环境变化，生成与环境相适应的频率、速率等工作参数实现智能跳频、规避干扰和不利频谱，解决目前超短波电台只能采用自动降速应对干扰和不可用频点的问题，提升VHF设备的抗干扰能力。

参考文献

[1]路瑶.认知无线电中的分布式接入技术研究[D].成都：电子科技大学学位论文，2010：7-12.

[2]李红岩.认知无线电的若干关键技术研究[D].北京：北京邮电大学学位论文，2009：17-19.

[3]ZhaoQ，SadlerBS.ASurveyofDynamicSpectrumAccess[J].IEEESignalProcessingMagazine，2012，6(3)：3-8.

[4]FCC.FacilitatingOpportunitiesforFlexible，EfficientandReliableSpectrumUseEmployingCognitiveRadioTechnologied，ETDocketNo.03-322，2011.