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

呂釗

(安徽大學計算智能與信號處理教育部重點實驗室，安徽合肥230039)

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

呂釗

(安徽大學計算智能與信號處理教育部重點實驗室，安徽合肥230039)

為了減少數(shù)據(jù)鏈終端在高速運動時遲滯電平切換(HYH)算法的乒乓效應及駐留時間切換(DWH)算法切換閾值過低所引發(fā)的問題，提出一種基于模糊神經(jīng)網(wǎng)絡的中繼切換(FNNH)算法.該算法利用模糊神經(jīng)網(wǎng)絡理論，建立中繼切換判斷機制，動態(tài)調(diào)整切換閾值.在OPNET仿真條件下，進行通信終端以不同的速率、路徑在中繼站區(qū)域邊界往返運動的實驗.實驗結(jié)果表明，相對于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得到顯著改善.

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

數(shù)據(jù)鏈是鏈接數(shù)字化戰(zhàn)場上的傳感器、指揮中心、武器平臺、作戰(zhàn)部隊的一種信息處理、交換和分發(fā)系統(tǒng).其中，VHF/UHF航空型數(shù)據(jù)鏈給軍用升空平臺提供了與中繼站進行數(shù)據(jù)通信的手段，使得所傳輸?shù)男畔⒏訉崟r、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行中繼通信.當飛機離開一個中繼站覆蓋范圍并進入另一個中繼站覆蓋范圍時就需要進行中繼切換，那么采用何種中繼切換機制、何時觸發(fā)切換是航空型數(shù)據(jù)鏈通信的基礎(chǔ)，是戰(zhàn)時通信暢通的保障.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.目前國內(nèi)外關(guān)于數(shù)據(jù)鏈中繼切換問題的研究多是在結(jié)合數(shù)據(jù)鏈的協(xié)議以及應用的基礎(chǔ)上，對算法作適當?shù)男薷幕蚋倪M，使其適用于數(shù)據(jù)鏈系統(tǒng).文［1－2］對數(shù)據(jù)鏈越區(qū)切換問題進行了研究，但是它沒有提到具體的切換算法，同時也未考慮到飛機在中繼站覆蓋范圍邊界隨機往返運動時，產(chǎn)生的乒乓效應問題.文［3］針對如何有效地選取中繼站進行了研究，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，提出一種新的數(shù)據(jù)鏈中繼切換算法，并對該算法進行仿真驗證.

1 遲滯電平切換算法和駐留時間切換算法

在無線通信中，信號質(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強度［4］(received signal strength，簡稱RSS)的切換觸發(fā)模型，且進行了相關(guān)分析.假定空中飛機與中繼站之間位置關(guān)系如圖1所示.

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

飛機與中繼站RS1和中繼站RS2之間的距離分別為d1和d2.飛機接收到RS1和RS2的信號強度分別為

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

常見的切換算法是根據(jù)信號強度差值來判斷:當DRSS＞0時，說明RS2信號較強，因此可以觸發(fā)飛機從RS1到RS2的切換;同理，當DRSS＜0時，說明RS1信號較強，因此可以觸發(fā)飛機從RS2到RS1的切換.但是，當飛機在RS1和RS2之間來回運動時，通信鏈路在兩個中繼站之間不斷切換，則意味著發(fā)生了乒乓效應，就會使系統(tǒng)容量下降，影響飛機的正常通信.為了避免切換過程中出現(xiàn)乒乓效應，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):

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

駐留時間DW算法則是根據(jù)節(jié)點在某一區(qū)域內(nèi)的停留時間來判斷是否觸發(fā)算法，能有效地降低乒乓效應，但是由于駐留時間閾值固定不變，當飛機運動速度較快時，接收到的RSS較低不能觸發(fā)切換，嚴重時影響通信質(zhì)量.

2 基于模糊神經(jīng)網(wǎng)絡的切換算法

在任務開始時，該飛機根據(jù)飛行航跡是固定的還是隨機的，確定之后執(zhí)行的具體切換算法.若飛機按照固定航線飛行，在任務執(zhí)行之前就已經(jīng)根據(jù)規(guī)定的航線計算出了切換時間和目標切換隊列，只要在到達規(guī)定的切換時間之后切換到計算好的目標中繼站即可.若飛機飛行航線是隨機的，則切換算法實時根據(jù)更新后的當前航跡信息判斷是否需要切換到目標中繼站點.但是，無論是固定航跡還是隨機航跡，切換算法是一樣的，不同的是固定航跡要提前計算出切換時間點，而隨機航跡要實時計算切換時間點.另外，為了降低空中中繼站的數(shù)據(jù)處理量，當候選中繼站中同時有地面中繼站和空中中繼站時，優(yōu)選地面中繼站.

作者提出基于模糊神經(jīng)網(wǎng)絡的中繼切換(the relay handoff based on fuzzy neural network，簡稱FNNH)算法由3部分組成，即預處理、模糊神經(jīng)網(wǎng)絡和切換判決，其中模糊神經(jīng)網(wǎng)絡［11－13］(fuzzy neural network，簡稱FNN)階段又由模糊化、模糊推理、去模糊和訓練學習組成.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，當有多個候選中繼站時，優(yōu)選地面中繼站作為目標中繼站并輸出RSS2;預處理為模糊神經(jīng)網(wǎng)絡準備輸入數(shù)據(jù)，根據(jù)飛機當前飛行的航跡狀態(tài)，得到飛機的航速v和航向，并由航向判斷出飛機的運動趨勢:是向著目標中繼站飛行(用dir(k)表示運動趨勢，此時令dir(k)=1 )，還是遠離目標中繼站飛行(令dir(k)=－1)，或者運動趨勢不明確(令dir(k)=0)，再計算出飛機接收到當前中繼站和目標中繼站兩站點信號強度的差值DRSS(k).

其次，將DRSS(k)、飛機的運動趨勢dir(k)和飛機的飛行速度v等信息送入模糊神經(jīng)網(wǎng)絡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層是模糊化過程;第3、4層是模糊邏輯推理過程，其中第3層由45個節(jié)點構(gòu)成(FNNH算法共有45條推理規(guī)則);第5層是去模糊過程;圖3中e(t)表示訓練誤差函數(shù)，它是用來調(diào)整各個參量隸屬函數(shù)的中心位置和寬度的.FNN根據(jù)輸入的多個參考因素綜合考慮系統(tǒng)的當前狀態(tài)，產(chǎn)生合適的遲滯電平hy和駐留時間tDW，記錄這組新的輸入及對應輸出，用于更新樣本數(shù)據(jù)庫中的樣本數(shù)據(jù)，作為再次啟動的訓練數(shù)據(jù).

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

其中:HO_Threshold為切換門限，其初始值為1.為了進一步確保乒乓效應不發(fā)生，若當前的切換間隔HO_Interval不大于預設(shè)的乒乓效應時間間隔PP_Interval時，HO_Threshold增加STEP;若HO_ Interval＞PP_Interval并且Q≥HO_Threshold時，執(zhí)行切換，令HO_Threshold=1.這樣就可以防止乒乓效應的產(chǎn)生，從而使飛機選擇最優(yōu)中繼接入點.

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，仿真場景如圖4所示.當飛機飛行高度在中繼站通信能力范圍內(nèi)時，是否進行切換主要受飛機與中繼站之間的直線距離決定.為了驗證該算法的可行性和比較其性能，采用OPNETModeler仿真軟件對切換算法進行仿真驗證.設(shè)計了如下幾個仿真場景.

圖4 仿真場景Fig.4 Simulation scenarios

仿真場景1:飛機以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)更新飛機航跡的時間間隔取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沿AB路徑運動時的切換位置離RS的距離.

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

仿真場景2:飛機以不同速度在RS1和RS2重疊覆蓋范圍沿隨機曲線CD(見圖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顯示了飛機以不同速度做隨機運動時的切換次數(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)受飛機飛行速度的影響很小，切換的次數(shù)較多，但是隨著運動速度的增加，HYH算法發(fā)生乒乓效應的次數(shù)也迅速增加，這主要是因為HYH算法的門限是固定的值，只與飛機接收到的信號強度有關(guān)，而與運動速度無關(guān);DWH算法的切換次數(shù)隨著飛機飛行速度的增加而減小，這是由于速度較快時，運行某段路徑的時間相對較短，在還未滿足tDW門限時系統(tǒng)已經(jīng)進入下一個tDW計算時間，所以切換次數(shù)減少，相應發(fā)生乒乓效應的次數(shù)變化也不大;FNNH算法的切換次數(shù)隨飛機飛行速度增加有一定的減小，這主要是因為該算法切換因子Q中含有駐留時間tDW，使得飛機在高速運動時盡管速度增加也可以在一定程度內(nèi)降低切換次數(shù).

仿真場景3:圖7為系統(tǒng)在不同算法下所承受的負載.

圖7 系統(tǒng)在不同算法下所承受的負載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)啟動速度較快，但是采用FNNH算法的系統(tǒng)啟動速度較慢.這是因為HYH和DWH算法簡單，系統(tǒng)初始化速度快，而FNNH算法的初始化要訓練模糊神經(jīng)網(wǎng)絡，所以需要耗費一定的時間來啟動程序.當FNNH算法的模糊神經(jīng)網(wǎng)絡訓練成功以后，3種算法的移動終端的負載能力基本差不多.

由于FNNH算法采用動態(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，降低了乒乓效應發(fā)生的次數(shù)，但與HYH和DWH相比，F(xiàn)NNH算法復雜，系統(tǒng)初始化速度慢.

4 結(jié)束語

作者提出了FNNH算法并通過仿真，分析了其切換點、切換次數(shù)、乒乓效應以及啟動速度等問題，驗證了該算法的優(yōu)越性.中繼技術(shù)可以擴展數(shù)據(jù)鏈的覆蓋范圍、增加系統(tǒng)容量，因此進一步改進切換機制、提高系統(tǒng)無縫通信能力是今后研究工作的重點.

［1］李瑩.空地數(shù)據(jù)鏈系統(tǒng)中越區(qū)切換技術(shù)研究［D］.成都:西南交通大學信息科學與技術(shù)學院，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梅治觯跩］.小型微型計算機系統(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，過曉冰，等.異構(gòu)無線網(wǎng)絡中垂直切換算法的評測和改進［J］.計算機學報，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

安徽大學校學術(shù)與技術(shù)帶頭人引進工程資助項目(02303203);安徽大學計算智能與信號處理教育部重點實驗室開放課題基金資助項目

呂釗(1979—)，男，安徽宿州人，安徽大學講師，博士.