復雜氣象環(huán)境海上無線通信信道衰落估計模型

戴亞盛，馬柏林，樂光學

復雜氣象環(huán)境海上無線通信信道衰落估計模型

戴亞盛1,2，馬柏林1，樂光學1

（1. 嘉興學院信息科學與工程學院，浙江 嘉興 314001；2. 上海大學計算機工程與科學學院，上海 200444）

海洋表面受電磁波稀疏散射、海浪陰影衰落、艦船擺動、晴霧雨雪等復雜環(huán)境因素影響，海上無線通信信道衰落建模極其復雜。通過分析直射、鏡面反射、漫反射和復雜氣象環(huán)境對信道衰落的影響，提出了復雜氣象環(huán)境海上無線通信信道衰落估計模型。設計改進蜂群算法對該信道衰落估計模型求解，構建以sin(·)函數(shù)為算子引導跟隨蜂進行搜索，降低搜索空間，提高求解效率和精度。引領蜂以概率接收偵查蜂解進行更新，抑制求解算法陷入局部最優(yōu)的問題。實驗結果表明，提出的模型與波動雙射線模型和地球曲率模型相比，精度平均提升13.58%和11.43%；與布谷鳥搜索、遺傳算法、模擬退火算法等對比分析，搜索時間分別減少60.48%、45.18%、43.23%。

海洋環(huán)境；無線通信；蜂群算法；信道衰落

0 引言

海上無線通信信道衰落受海浪陰影效應、發(fā)射機接收機相對運動、海洋表面電磁波稀疏散射、海上氣象環(huán)境損耗等諸多復雜因素影響，具有稀疏性、多徑不穩(wěn)定性、氣象環(huán)境影響大等區(qū)別于陸地通信信道獨特特性，傳統(tǒng)基于陸地城市環(huán)境構建的瑞利、高斯分布通信信道衰落模型不能有效表征其變化[1]。海上無線通信信道衰落模型是研究海上無線通信信道精確辨識、估計、均衡、解調(diào)和解碼，在接收端準確恢復發(fā)射信息，實現(xiàn)端到端的聯(lián)合優(yōu)化的基礎工作，因此，對于海上無線通信系統(tǒng)研究具有重要意義[2-3]。海上無線通信信道衰落建模已成為突破海上無線通信信道研究的關鍵，是產(chǎn)業(yè)界關注的重點問題之一。

為有效構建海上無線通信信道衰落模型，本文提出一種復雜氣象環(huán)境下海上無線通信信道衰落估計模型（estimation of wireless channel fading model in maritime communication for complex meteorological environment，EWCFM-CME）。本文通過分析晴、霧、雨、雪和雨雪混合復雜氣象環(huán)境對海上無線通信信道衰落影響，融合直射、鏡面反射和漫反射路徑無線通信信道衰落模型，構建復雜氣象環(huán)境下海上無線通信信道衰落估計模型，設計改進蜂群算法對海上無線通信信道衰落估計求解。在衰落參數(shù)值域隨機生成個初始蜂群，以引領蜂為中心，通過構建以sin(·)函數(shù)為算子引導跟隨蜂進行搜索，降低搜索空間，提高求解效率和精度。運用貪婪策略選擇個適應度最優(yōu)的跟隨蜂，由偵查蜂標記構建偵查蜂集。以偵查蜂解集的均方差判斷其解的準確度，避免因求解誤差導致的算法抖動。引領蜂以概率接收偵查蜂解，將該偵查蜂更新為新的引領蜂，抑制引領蜂更新時容易陷入局部最優(yōu)的問題?；谥凵胶Ｓ驓庀髷?shù)據(jù)，模擬四季不同海況環(huán)境以仿真分析EWCFM-CME性能。

1 相關研究

文獻[1]提出一種綜合考慮反射、陰影、發(fā)散和繞射等因素的路徑損耗模型。在挪威離岸距離為45 km的平靜、寒冷的公海上進行頻率為2 GHz的信道衰落測量實驗驗證，結果表明其均方根誤差較小。文獻[4]分析海上大氣折射、海浪運動、海水表面散射、發(fā)射機/接收機相對運動、海上氣象環(huán)境損耗等對海上無線通信信道的影響，綜述了海上無線通信信道建模方法，指出稀疏性和位置依賴性是海上無線信道建模重要特性。文獻[5]提出一種具有隨機相位的鏡面反射和漫反射兩個分量構成的波動雙射線（fluctuating two-ray，F(xiàn)TR）模型，頻率為28 GHz的室外信道實測結果表明，F(xiàn)TR模型能夠有效擬合不同的衰落分布。文獻[6]通過在碼頭和海岸巡邏艇的窄帶信道測量系統(tǒng)，研究實測2.4 GHz頻段的大尺度和小尺度衰落特性，指出在大尺度衰落上，考慮海浪高度的雙射線模型能夠較好地擬合實測數(shù)據(jù)集，對于小尺度衰落，分析了萊斯（Rician）、Nakagami、瑞利（Rayleigh）分布的適用性和精度。文獻[7]通過在海上進行VHF/UHF（very high frequency/ultra high frequency）頻段的一系列通信信道試驗，分析指出華為海上傳播模型、雙射線模型、遠距離萊斯模型分別適用于視距路徑、臨界視距路徑和超視距路徑傳播損耗。文獻[8]提出一種船舶在內(nèi)海水道航行的半確定性的路徑損失模型。該模型結合國際電信聯(lián)盟的經(jīng)驗路徑損耗模型和幾何計算方案，建模反射和附近建筑的繞射路徑，通過與信道測量數(shù)據(jù)的比較，驗證了該模型的有效性。文獻[9]提出了一種基于-分布的離群值魯棒三分位參數(shù)估計方法，通過利用模擬數(shù)據(jù)和實測數(shù)據(jù)對三分位估計器進行了評估，結果表明，該估計器對原始海雜波數(shù)據(jù)中的異常值具有較強的魯棒性。文獻[10]在中國黃海海域進行了信道測試，根據(jù)海況參數(shù)和接收信號的功率時延譜等特征判斷實驗環(huán)境下海上蒸發(fā)波導的存在性；提出潮汐因子修正的兩徑時變信道模型，并驗證信道小尺度衰落符合萊斯分布。文獻[11]研究海浪對無線電傳播和通信鏈路質(zhì)量的影響，通過建模海浪波動模型和信道衰弱，推導直射通信的條件，并仿真評估其模型中海浪參數(shù)與信道衰落的相關性。

文獻[12]針對高速信道的雙選衰落和非平穩(wěn)特性，提出一種基于基擴展模型（basis expansion model，BEM）的貝葉斯濾波的信道估計方法，仿真分析表明，所提方法有效提升了估計精度性能。文獻[13]提出一種非平穩(wěn)性快速時變通信信道建模仿真方法，通過引入積分項和隨機偏移，有效復現(xiàn)時變散射的非平穩(wěn)信道且保證了散射支路的獨立性。數(shù)值仿真結果表明，改進方法模擬信道的概率密度函數(shù)、自相關函數(shù)和多普勒功率譜密度與理論值吻合良好。文獻[14]通過數(shù)值積分方程構建熱帶氣候地面微波通信鏈路雨衰預測模型，并在頻率為15 GHz的信道環(huán)境中進行仿真測試，結果表明能夠比國際電信聯(lián)盟無線電通信局（International Telecommunication Union-Radio Communications Sector，ITU-R）標準模型和經(jīng)典雨衰預測模型更準確。文獻[15]研究了降雪環(huán)境下頻率為2.425 GHz的通信路徑損耗，提出了一種經(jīng)驗路徑損耗模型，并在不同降雪強度的環(huán)境中驗證了其準確性。文獻[16]研究港口環(huán)境下信道慢衰落和快衰落效應的分布模型，以頻率、基站天線高度等為約束參數(shù)，建模信道多元線性回歸估計問題，通過實測結果發(fā)現(xiàn)對數(shù)正態(tài)分布可以擬合慢衰弱，Nakagami分布可以有效擬合快衰落。文獻[17]對無人機?艦船的空?海6G信道進行了研究，推導研究其時?空自相關函數(shù)、多普勒功率譜密度、時延、角度、平穩(wěn)間隔和均方根延遲擴展等特征，基于實測數(shù)據(jù)的比較，驗證了所提出的信道模型的準確性。文獻[18]研究了萊斯衰落信道，鏡面反射、散射分量的發(fā)射/接收波束信道狀態(tài)信息（channel state information，CSI）形成情況。在多輸入多輸出（multipleinput multipleoutput，MIMO）系統(tǒng)測試結果發(fā)現(xiàn)，當兩個天線數(shù)相乘而減小時，遍歷最高速率保持不變，同時提高了估計的精確度。文獻[19]提出了一種淺海信道彈性結構聲輻射快速預報的聯(lián)合波疊加法，該方法結合了淺海信道傳輸函數(shù)、多物理場耦合數(shù)值計算法和波疊加法理論，可快速預報淺海信道下彈性結構輻射場。文獻[20]提出快速貝葉斯匹配海上通信信道估計算法，通過基于奇異值分解信道矩陣，估計稀疏信道，有效提高了信道估計準確性。

海洋無線通信信道衰落相關文獻檢索結果發(fā)現(xiàn)，現(xiàn)有研究均針對特定的海洋環(huán)境進行建模和衰落參數(shù)估計，其結果適用于其實驗仿真環(huán)境且效果顯著，但海洋環(huán)境復雜，不同的地理位置和氣象環(huán)境均會影響海上無線信道衰落，導致現(xiàn)有模型精度不高，不能普遍適用。綜合考慮海洋復雜氣象環(huán)境對無線通信多徑信道衰落估計模型及如何高效準確求解研究較少?；跀?shù)據(jù)驅(qū)動模式，綜合分析海上通信信道稀疏路徑損耗、海洋表面電磁波散射、海浪陰影衰落、雨雪霧等復雜海況氣象環(huán)境對海上無線通信信道衰落的影響，構建復雜氣象環(huán)境下海上無線通信信道衰落估計模型。基于舟山海域氣象數(shù)據(jù)，模擬四季不同海況環(huán)境下仿真分析EWCFM- CME模型的精度和適應性。

2 海上無線通信信道衰落建模

圖1 海上無線信道衰落建模

2.1 海上無線通信信道模型

根據(jù)文獻[5-10]對海上無線信道實測數(shù)據(jù)分析研究，在發(fā)射機到接收機的海上無線多徑信道中，直射、鏡面反射和漫反射路徑傳輸?shù)男盘柲軌蚺c噪聲相互獨立。假設發(fā)射波為()，在時刻，構建海上無線通信信道合成波()為：

其中，DP、SR、DR分別為直射路徑、鏡面反射路徑和漫反射路徑的幅值，DP、SR、DR分別為其到達時延，(σ)為復合高斯分布函數(shù)。根據(jù)通信原理，對于任一路徑信號到幅值與衰落關系如式（2）所示[16]。

其中，()為發(fā)送信號的調(diào)制幅值，為信道時延，是電磁波傳播距離，PL()為信道衰落模型。PL()衰落模型需要根據(jù)直射、鏡面反射和漫反射路徑信道的變化性質(zhì)和特征構建。

2.2 海上無線通信信道衰落模型

海上無線通信信道大尺度衰落描述信道衰落的總體變化趨勢，主要指因傳輸距離產(chǎn)生的路徑損耗以及障礙物產(chǎn)生的陰影衰落；小尺度衰落是在小范圍內(nèi)的快速波動，主要由海浪、發(fā)射機與接收機相對運動產(chǎn)生，具有隨機性。海上無線信道衰落建模如圖1所示。

構建直射路徑信道衰落模型表征路徑損耗和陰影衰落的大尺度特征，鏡面反射、漫反射路徑信道衰落模型表征海洋表面反射、海浪陰影效應、發(fā)射機與接收機的相對運動特征，實現(xiàn)衰落估計參數(shù)解耦，提升衰落建模參數(shù)估計效率。

根據(jù)Friis公式結合信道衰落定義，在給定距離下信道衰落模型PL()表示為[21]：

其中，接收天線、發(fā)射天線增益r、t單位為dBi，工作頻率單位為Hz，距離單位為m，c為光速。由于Friis公式在理想環(huán)境中測得，實際環(huán)境信道衰弱變化復雜，需要對其進行改進。

（1）直射路徑信道衰落模型

考慮海上大氣傳輸損耗，對于海上無線信道直射路徑衰落建模為：

其中，為海上稀疏信道衰落因子。

（2）鏡面反射路徑信道衰落模型

鏡面反射路徑衰落建模主要考慮海上稀疏信道路徑損耗、海洋表面反射損耗和浪面反射陰影衰落效應。直射路徑、鏡面反射路徑、漫反射路徑無線傳播模型如圖2所示。

圖2 直射路徑、鏡面反射路徑、漫反射路徑無線傳播模型

海洋表面反射電磁波功率滿足Fresnel公式，則海洋表面反射路徑損耗為：

其中，H為水平極化波反射系數(shù)，V為垂直極化波的反射系數(shù)，為海水的相對介電常數(shù)，為無線電波入射角。鏡面反射入射角表示為：

由式（7）解得：

聯(lián)立式（5）、式（6）、式（8），求解。

海浪運動導致鏡面反射信號廣域散射，形成海浪局部陰影衰落效應。這種變化產(chǎn)生了反射信道衰落周期性波動。設計sin2(·)函數(shù)進行擬合，PLSR()為：

其中，SR為鏡面反射路徑損耗系數(shù)，h為海浪高度均方根，為海浪陰影衰落指數(shù)，為衰落周期。

（3）漫反射路徑信道衰落模型

根據(jù)文獻[8]對漫反射路徑和鏡面反射路徑下的測量結果，漫反射路徑和鏡面反射路徑功率比服從高斯分布。根據(jù)該性質(zhì)，構建漫反射路徑衰落模型PLDR()為：

其中，服從高斯分布(,σ2)，為漫反射強度離散程度因子，DR為漫反射反射路徑損耗系數(shù)。

2.3 復雜氣象環(huán)境下的海上無線通信信道衰落模型

氣象環(huán)境對無線信道衰落影響不可忽略。文獻[14-15, 21]對晴、霧、雪和雨氣象環(huán)境下的通信信道路徑損耗因子進行測定，結果表明不同的氣象環(huán)境具有不同的衰落特征。根據(jù)文獻[21]構建不同氣象環(huán)境下海上無線信道衰落模型如式（11）所示。

其中，()為不同海上氣象環(huán)境衰落系數(shù)，為天氣類型標識，=0、1、2、3、4分別代表當前天氣為晴、霧、雨、雪、雨雪混合氣象環(huán)境，構建其衰落系數(shù)模型。

根據(jù)文獻[14-15, 21]得到，無線電波傳播頻率越高，其電波傳輸能量越高，越容易被海上大氣、雨、雪、霧等吸收造成信號衰落，氣象環(huán)境衰落與頻率因子成正比；通信頻段會受到太陽電磁輻射干擾，呈現(xiàn)晝夜周期變化；由于日光照射使得溫度變高，導致更多的海水蒸發(fā)引起無線電波折射損耗，使白天衰落強度高于夜晚。海洋氣象環(huán)境構建其衰落系數(shù)模型如下：

當有雨雪混合環(huán)境時，由于雨雪衰落影響并非平均，而是以其中的主要氣象環(huán)境衰落影響為主導，采用其系數(shù)均方中值進行估計。

將不同氣象環(huán)境下的衰落系數(shù)代入式（11）求解海上氣象環(huán)境無線衰落，并融合直射、鏡面反射、漫反射衰落模型，構建海上無線通信信道衰落模型為：

海上無線通信信道衰落模型仿真算法描述如下所示。

步驟1 系統(tǒng)初始化，設置迭代步長，根據(jù)歷史當月海域氣象數(shù)據(jù)創(chuàng)建哈希隊列{}，為氣象標識，?{0, 1, 2, 3, 4}。

圖3 海上無線通信信道衰落模型仿真結構

步驟2 若氣象隊列未滿，以時間為種子，通過哈希散列函數(shù)生成映射=Hashlist(Rand())，進入氣象隊列；否則，重新選擇。

步驟3 當隨機時間觸發(fā)器觸發(fā)氣象狀態(tài)改變事件時，從氣象隊列獲取氣象狀態(tài)，根據(jù)其氣象環(huán)境參數(shù)代入式（12）求解()|=j，將()|=j代入式（11）、式（13）求解海上無線通信信道衰落模型。

步驟4 判斷仿真測試是否結束：否，轉到步驟（2）；是，輸出海上無線通信信道衰落模型PL()。

3 改進蜂群算法估計海上無線通信信道衰落

3.1 問題描述

構建優(yōu)化目標函為：

3.2 基于正弦函數(shù)算子的改進蜂群搜索求解算法設計

采用基于正弦函數(shù)算子的改進蜂群搜索算法求解海上無線通信信道衰落估計問題。蜂群搜索算法以引領蜂的解為中心，采取深度或廣度優(yōu)先搜索策略，以局部隨機搜索或梯度搜索求解，該方法對求解參數(shù)量少、時空復雜度低的問題很有效，但不適合于復雜、規(guī)模大的多維參數(shù)優(yōu)化問題求解。為提高求解效率和精度，降低搜索空間，構建以sin(·)函數(shù)為算子的迭代函數(shù)替換傳統(tǒng)的線性迭代函數(shù)。運用貪婪策略選擇個適應度最優(yōu)的跟隨蜂，由偵查蜂標記并入偵查蜂集，構建新的偵查蜂集。以偵查蜂解集的均方差判斷其解的準確度，避免因求解誤差導致的算法抖動。引領蜂以概率接收偵查蜂解，將該偵查蜂更新為新的引領蜂，抑制引領蜂更新時容易陷入局部最優(yōu)的問題。

其中，0為初始引領峰距離閾值。每個引領蜂生成搜索種群，以引領蜂為中心，派出個跟隨蜂搜索。跟隨蜂解的生成函數(shù)如式（18）所示。

將跟隨蜂解集以適應度降序排列，選擇前個由偵查蜂標記，<，構建偵查蜂集為；每次迭代完成，引領蜂從偵查蜂集中以概率接收偵查蜂解，概率為：

基于正弦函數(shù)算子的改進蜂群求解算法過程如圖4所示。通過二分法確定參數(shù)的取值，設置蜂群搜索區(qū)域；在搜索區(qū)域中隨機生成個初始蜂群，設置每個蜂群中的局部最優(yōu)解為初始引領蜂位置。以引領蜂為中心，跟隨蜂以式（18）進行迭代搜索發(fā)現(xiàn)可行解，計算可行解的適應度。運用貪婪策略選擇個適應度最優(yōu)的跟隨蜂，由偵查蜂標記并入偵查蜂集，構建新的偵查蜂集。引領蜂分析當前偵查蜂集的狀態(tài)，以式（20）概率接收偵查蜂解，將該偵查蜂更新為新的引領蜂；輸出全局最優(yōu)的搜索結果。

基于正弦函數(shù)算子的改進蜂群求解算法方案如下。

步驟3 初始化種群，初始化蜂群數(shù)量、參數(shù)SR/DR，的迭代增量ΔSR/ΔDR/Δ、最大迭代搜索次數(shù)、偵查蜂環(huán)形搜索最大次數(shù)max。

步驟5 當

以式（20）的概率接收偵查蜂的解，更新引領蜂位置，++。

圖4 基于正弦函數(shù)算子的改進蜂群求解算法過程

4 實驗仿真分析

4.1 實驗1 海上無線通信信道衷落模型性能分析

以基站為中心，討論艦船向基站運動、艦船離開基站運動、艦船與基站相對靜止3種狀態(tài)，仿真分析其海上無線通信信道衰落變化特征，以平均絕對誤差（mean absolute error，MAE）、均方根誤差（root mean squared error，RMSE）、迭代次數(shù)、時間開銷等為評價指標，將EWCFM-CME模型與FTR模型[1]、地球曲率路徑損耗（round earth loss，REL）模型[5]進行對比分析。

設海上智能通信基站為發(fā)射機，與艦船為接收端進行無線通信，艦船搭載雙頻無線接收機S-IR680進行無線電信號采樣，包括信號的振幅、頻率、相位等特征參數(shù)?；靖?2.1 m，發(fā)射天線長2.7 m；艦船高11.4 m，接收天線長1.1 m；仿真實驗采樣包含兩個階段，海上無線通信信道衰落仿真實驗狀態(tài)如圖5所示，共4組采樣數(shù)據(jù)，海上無線通信環(huán)境仿真和數(shù)據(jù)集參數(shù)見表1。

圖5 海上無線通信信道衰落仿真實驗狀態(tài)

艦船以11 km/h的恒定速度線性航行，實驗采樣分為兩組，一組為向基站方向航行，另一組為離開基站方向航行。在平均氣溫11～26℃晴天微風平靜海面環(huán)境下，通過海上智能通信基站發(fā)射固定的心跳射頻信號至艦船接收進行采樣，采樣間隔為5 s，采樣時間為5 h。

海上智能通信基站和艦船位置相對固定，艦船距離基站29 km。實驗采樣分為2組，分別在清晨6點氣溫11℃和下午1點氣溫26℃的晴天微風平靜海面環(huán)境下，通過海上智能通信基站發(fā)射固定的心跳射頻信號至艦船接收進行采樣，采樣間隔均為1 s，每次采樣時間為1 h。

4.1.1 海上無線通信信道特征分析

艦船靜止艦船與通信基站相對位置固定時，基站發(fā)射信號和艦船接收信號仿真實驗結果如圖6所示。

● 固定位置數(shù)據(jù)集，接收平均丟失率為12.10%，丟失信號具有時空隨機性。

● 信道頻率隨海上環(huán)境變化而改變，這是海浪變化引起無線電信號頻率變化。

● 信號強度衰減具有頻率選擇性和時空隨機性。

表1 海上無線通信環(huán)境仿真和數(shù)據(jù)集參數(shù)

4.1.2 EWCFM-CME模型性能分析

（1）艦船相對基站移動無線通信信道衰落模型性能分析

艦船相對基站移動海上無線通信信道衰落模型如圖7所示，艦船相對基站移動海上無線通信信道衰落模型性能參數(shù)見表2。

艦船相對基站移動海上無線通信信道衰落模型仿真實驗結果表明如下。

● lg對數(shù)－距離路徑損耗模型反映了海上無線通信信道在距離上平均衰落變化。

● 向基站方向航行時，EWCFM-CME與FTR、REL相比，MAE分別提升10.39%、15.33%，RMSE分別提升10.28%、15.15%；離開基站方向航行時，EWCFM- CME與FTR、REL相比，MAE分別提升11.79%、14.67%，RMSE分別提升11.78%、14.63%。

圖6 基站發(fā)射信號和艦船接收信號仿真實驗結果

圖7 艦船相對基站移動海上無線通信信道衰落模型

表2 艦船相對基站移動海上無線通信信道衰落模型性能參數(shù)

● 向基站方向航行時，EWCFM-CME與FTR、REL相比，MAE>0.9即能夠有效估計的距離均提升2.5倍；離開基站方向航行時，EWCFM-CME與FTR、REL相比，有效估計的距離均提升5.3倍。

● 向基站方向航行時，EWCFM-CME與FTR、REL相比，迭代次數(shù)分別減少75.35%、39.54%，算法運行時間分別減少60.48%、79.18%；離開基站方向航行時，EWCFM-CME與FTR、REL相比，迭代次數(shù)分別減少79.06%、20.56%，算法運行時間分別減少69.49%、77.35%。

（2）艦船相對基站靜止海上無線通信信道衰落模型性能分析

艦船基站固定位置海上無線通信信道衰落模型如圖8所示，艦船－基站固定位置海上無線通信信道衰落模型性能見表3。

圖8 艦船基站固定位置海上無線通信信道衰落模型

艦船基站固定位置海上無線通信信道衰落仿真實驗結果表明如下。

● 艦船位置固定時，影響海上無線信道衰落的因素主要是氣象環(huán)境、海浪運動等，lg對數(shù)－距離路徑損耗模型反映了由傳輸距離導致的基本損耗。

表3 艦船－基站固定位置海上無線通信信道衰落模型性能

● 對于固定位置海上無線通信信道衰落，EWCFM-CME與FTR、REL相比，MAE分別提升47.74%、46.22%，RMSE分別提升47.01%、45.51%；離開基站方向航行時，EWCFM-CME與FTR、REL相比，MAE分別提升69.11%、62.18%，RMSE分別提升67.86%、61.11%。

● 對于固定位置海上無線通信信道衰落，EWCFM-CME與FTR、REL相比，迭代次數(shù)分別減少81.71%、56.56%，算法運行時間分別減少81.46%、67.80%；離開基站方向航行時，EWCFM-CME與FTR、REL相比，迭代次數(shù)分別減少81.23%、57.38%，算法運行時間分別減少81.24%、65.65%。

基于艦船基站固定位置海上無線通信信道衰落數(shù)據(jù)集，采用Rayleigh、Rician、Nakagami、韋伯（Weibull）、雙波擴散功率（two-wave with diffuse-power，TWDP）、高斯（Gaussian）不同概率分布函數(shù)生成測試數(shù)據(jù)，不同概率分布模型與海上無線通信信道衰落相似性見表4。

仿真實驗結果表明如下。

● Rayleigh和Gaussian分布模型在海上無線通信信道衰落分布相似性較低。

● 在不同分布衰落環(huán)境中，Rician分布MAE達到0.645，比Nakagami、Weibull和TWDP分別提高10.26%、20.56%、14.36%；Rician分布RMSE達到0.735，比Nakagami、Weibull、TWDP分別提高8.89%、13.95%、12.56%。

● 海上無線通信信道衰落在小尺度上的分布是以Rician為主導，Nakagami、Weibull和TWDP多種分布共存的狀態(tài)。

表4 不同概率分布模型與海上無線通信信道衰落相似性

4.2 EWCFM-CME與經(jīng)典搜索算法性能分析

基于實驗1中艦船與基站相對靜止仿真實驗數(shù)據(jù)，以最優(yōu)解平均MAE、優(yōu)解獲得概率、解空間搜索覆蓋率、收斂時間等為評價指標，將EWCFM-CME模型求解算法與布谷鳥搜索、遺傳搜索、貝葉斯概率估計、梯度下降、模擬退火算法進行對比分析，EWCFM-CME與經(jīng)典搜索算法最優(yōu)解適應度如圖9所示，海上無線衰落模型參數(shù)見表5。

圖9 EWCFM-CME與經(jīng)典搜索算法最優(yōu)解適應度

表5 海上無線衰落模型參數(shù)

仿真實驗結果表明如下。

● 貝葉斯概率估計和梯度下降為線性空間搜索，較大概率不能獲得最優(yōu)解。

● EWCFM-CME與布谷鳥搜索、遺傳算法、模擬退火相比，最優(yōu)解平均MAE分別提升10.39%、15.33%、11.56%，MAE達到0.9概

率分別提升10.28%、15.15%、11.57%。

● EWCFM-CME與布谷鳥搜索、遺傳算法、模擬退火相比，收斂時間分別減少75.35%、39.54%、43.50%，算法運行時間分別減少60.48%、45.18%、43.23%；解空間搜索覆蓋率分別提升79.06%、20.56%、43.23%，測試運行時間分別減少69.49%、77.35%、63.23%。

● 解空間具有周期性的波峰和波谷，傳送布谷鳥搜索、遺傳算法、模擬退火算法采用了線性步長進行搜索，容易導致特征消失或局部最優(yōu)，搜索效率降低；采用改進蜂群求解算法的EWCFM-CME模型使用sin(·)函數(shù)為算子替換了線性步長，允許在步長間隔內(nèi)隨機取值，避免了因解空間的周期性導致特征消失和陷入局部最優(yōu)的問題，提高了搜索效率。

綜上，EWCFM-CME與布谷鳥搜索、遺傳算法、模擬退火相比，精度平均分別提升10.32%、15.15%、11.57%，搜索時間分別減少60.48%、45.18%、43.23%。

5 結束語

針對海上無線通信信道在諸多復雜環(huán)境因素影響下，如何精確表征其衰落變化的問題，提出復雜氣象環(huán)境下海上無線通信信道衰落估計模型（EWCFM-CME）。通過構建直射、鏡面反射和漫反射路徑的衰落模型，融合晴雨雪霧和雨雪混合氣象環(huán)境因素影響，構建復雜氣象環(huán)境下海上無線通信信道衰落估計模型。設計改進蜂群算法對其求解，核心思想是以引領蜂為中心，通過構建以sin(·)函數(shù)為算子引導跟隨蜂進行搜索，降低搜索空間，提高求解效率和精度；以偵查蜂解集的均方差判斷其解的準確度，避免因求解誤差導致的算法抖動；引領蜂以概率接收偵查蜂解，將該偵查蜂更新為新的引領蜂，抑制引領蜂更新時容易陷入局部最優(yōu)的問題。仿真實驗結果表明，EWCFM-CME模型與FTR和REL相比，EWCFM-CME模型平均精度提升13.58%和11.43%；EWCFM-CME與布谷鳥搜索、遺傳算法、模擬退火相比，精度平均提升10.32%、15.15%、11.57%，搜索時間減少60.48%、45.18%、43.23%；EWCFM-CME模型能有效表征不同氣象環(huán)境海上無線通信信道衰落特征。EWCFM-CME模型可應用于對不同海上無線通信信道衰落環(huán)境的仿真，提供了一種有效的海上無線通信信道衰落建模與估計方法。

[1] YANG K, MOLISCH A F, EKMAN T, et al. A round earth loss model and small-scale channel properties for open-sea radio propagation[J]. IEEE Transactions on Vehicular Technology, 2019, 68(9): 8449-8460.

[2] 陳真佳. 海上電磁頻譜感知與預測方法研究[D]. 海口: 海南大學, 2020.

CHEN Z J. Research on offshore electromagnetic spectrum sensing and prediction methods[D]. Haikou: Hainan University, 2020.

[3] 陳燦彬. 海上寬帶移動無線信道建模研究[D]. 廈門: 廈門大學, 2017.

CHEN C B. Research on broadband mobile wireless channel modeling at sea surface[D]. Xiamen: Xiamen University, 2017.

[4] WANG J, ZHOU H F, LI Y, et al. Wireless channel models for maritime communications[J]. IEEE Access, 2018(6): 68070-68088.

[5] ROMERO-JEREZ J M, LOPEZ-MARTINEZ F J, PARIS J F, et al. The fluctuating two-ray fading model: statistical characterization and performance analysis[J]. IEEE Transactions on Wireless Communications, 2017, 16(7): 4420-4432.

[6] LEE J H, CHOI J, LEE W H, et al. Measurement and analysis on land-to-ship offshore wireless channel in 2.4 GHz[J]. IEEE Wireless Communications Letters, 2017, 6(2): 222-225.

[7] 王峰, 吳畏, 彭茜, 等. 海上VHF/UHF頻段信道環(huán)境及其空時頻率選擇性[J]. 電子學報, 2017, 45(6): 1523-1529.

WANG F, WU W, PENG Q, et al. Maritime wireless channel environment at VHF/UHF bands and its space-time frequency selectivity[J]. Acta Electronica Sinica, 2017, 45(6): 1523-1529.

[8] WANG W, JOST T, RAULEFS R. A semi-deterministic path loss model for in-harbor LoS and NLoS environment[J]. IEEE Transactions on Antennas and Propagation, 2017, 65(12): 7399-7404.

[9] YU H, SHUI P L, LU K. Outlier-robust tri-percentile parameter estimation of K-distributions[J]. Signal Processing, 2021(181): 107906.

[10] 魏特, 王文浩, 陳軍, 等. 環(huán)境信息輔助的海上無線信道測量與建模[J]. 清華大學學報(自然科學版), 2021, 61(9): 1002-1007.

WEI T, WANG W H, CHEN J, et al. Environmental information-aided maritime wireless channel measurement and modelling[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(9): 1002-1007.

[11] HUO Y, DONG X, BEATTY S. Cellular communications in ocean waves for maritime internet of things[J]. IEEE Internet of Things Journal, 2020, 10(7): 9965-9979.

[12] 沈軒帆, 廖勇, 代學武, 等. 基于BEM的非平穩(wěn)雙選信道估計方法[J]. 電子學報, 2019, 47(1): 204-210.

SHEN X F, LIAO Y, DAI X W, et al. Non-stationary and doubly-selective channel estimation method based on basis expansion model[J]. Acta Electronica Sinica, 2019, 47(1): 204-210.

[13] 華博宇, 朱秋明, 何小祥, 等. 快速時變場景下非平穩(wěn)衰落信道建模仿真[J]. 電信科學, 2020, 36(5): 56-64.

HUA B Y, ZHU Q M, HE X X, et al. Modeling and simulation of the non-stationary fading channels under fast time-variant environment[J]. Telecommunications Science, 2020, 36(5): 56-64.

[14] ABDULRAHMAN A Y, RAHMAN T A, RAHIM S K A, et al. Rain attenuation predictions on terrestrial radio links: differential equations approach[J]. Transactions on Emerging Telecommunications Technologies, 2012, 23(3): 293-301.

[15] CHEFFENA M, MOHAMED M. Empirical path loss models for wireless sensor network deployment in snowy environments[J]. IEEE Antennas and Wireless Propagation Letters, 2017(16): 2877-2880.

[16] FERREIRA M M, AMBROZIAK S J, CARDOSO F D, et al. Fading modeling in maritime container terminal environments[J] IEEE Transactions on Vehicular Technology, 2018, 67(10): 9087-9096.

[17] LIU Y, WANG C X, CHANG H, et al. A novel non-stationary 6G UAV channel model for maritime communications[J]. IEEE Journal on Selected Areas in Communications, 2021, 39(10): 2992-3005.

[18] YUE D W, ZHANGY, JIA Y. Beamforming based on specular component for massive MIMO systems in ricean fading[J]. IEEE Wireless Communications Letters, 2015, 4(2): 197-200.

[19] 商德江, 錢治文, 何元安, 等. 基于聯(lián)合波疊加法的淺海信道下圓柱殼聲輻射研究[J]. 物理學報, 2018, 67(08):125-138.

SHANGD J, QIANZ W, HE Y A, et al. Sound radiation of cylinder in shallow water investigated by combined wave superposition method[J]. Chinese Journal of Physics, 2018, 67(8): 125-138.

[20] 張穎, 姚雨豐. 基于快速貝葉斯匹配追蹤優(yōu)化的海上稀疏信道估計方法[J]. 電子與信息學報, 2020, 42(2): 534-540.

ZHANG Y, YAO Y F. Channel estimation algorithm of maritime sparse channel based on fast bayesian matching pursuit optimization[J]. Journal of Electronics & Information Technology, 2020, 42(2):534-540.

[21] 樊昌信, 曹麗娜. 通信原理(第7版)[M]. 北京: 國防工業(yè)出版社, 2012.

FAN C X, CAO L N. Principles of communication (7th edition)[M]. Beijing: National Defense Industry Press, 2012.

Estimation of wireless channel fading model in maritime communication for complex meteorological environment

DAI Yasheng1,2, MA Bolin1, YUE Guangxue1

1. College of Information Science and Technology, Jiaxing University, Jiaxing 314001, China 2. School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China

Due to the influence of complex marine environmental factors such as sparse scattering of electromagnetic wave on the ocean surface, wave shadow fading, complex meteorological environment. It is extremely hard to model the fading of wireless channel in maritime communication environment. After analyzing the influence of meteorological environment and multipath channel fading via direct-path, specular-path and diffuse-path on marine wireless communication channel fading, the estimation of wireless channel fading model in maritime communication for complex meteorological environment (EWCFM-CME) was proposed. An improved bee colony algorithm was designed to estimation the parameter of EWCFM-CME. In order to improve the efficiency and accuracy of search algorithm, an iterative function with sin(·) function as operator was designed in search scheme of bee colonies. The leading bee received the detection bee solution to update itself with probability. It prevents the solution algorithm from falling into local optimization. The simulation results show that, compared with fluctuate two-ray (FTR) fading model and round earth loss (REL) model, the mean absolute error (MAE) of EWCFM-CME increased by 13.58% and 11.43% By comparing EWCFM-CME with cuckoo search, genetic algorithm and simulated annealing algorithm, the search time is reduced by 60.48%, 45.18% and 43.23%, respectively.

marine environment, wireless communication, bee colony algorithm, channel fading

TP393

A

10.11959/j.issn.1000?0801.2022061

2021?10?05；

2022?03?15

樂光學，gxyue@zjxu.edu.cn

國家自然科學基金資助項目（No.U19B2015）

The National Natural Science Foundation of China (No.U19B2015)

戴亞盛（1993? ），男，嘉興學院信息科學與工程學院博士生，主要研究方向為邊緣計算多云融合與協(xié)同服務。

馬柏林（1961? ），男，博士，嘉興學院信息科學與工程學院教授，主要研究方向為小波分析、調(diào)和分析、智能計算與數(shù)學建模。

樂光學（1963? ），男，博士，嘉興學院信息科學與工程學院教授，IEEE會員，CCF會員，主要研究方向為邊緣計算、多云融合與協(xié)同服務、無線Mesh網(wǎng)絡和移動云計算。