短波通信接入網(wǎng)廣域協(xié)作資源分配算法

李國軍，侯旭，葉昌榮,3，羅一平

（1.重慶郵電大學光電工程學院/重慶國際半導體學院，重慶 400065；2.重慶郵電大學超視距可信信息傳輸研究所，重慶 400065；3.重慶郵電大學光電信息感測與傳輸技術重慶市重點實驗室博士后科研工作站，重慶 400065）

0 引言

自然災害發(fā)生時，由于各種公共設施被摧毀，傳統(tǒng)的通信手段幾乎失效。如何快速掌握災區(qū)情況并發(fā)布救災信息至關重要。短波通信是一種成本低、靈活性高的遠距離通信手段，其主要的傳播手段——天波傳輸一跳通信距離可達100 km 以上，廣泛應用于大型災害救援等領域。由于天波依靠電離層反射進行傳播，而電離層具有多變性，導致短波信道變化快、通信質量難以保障，因此如何提高短波通信的可靠性是當前亟待解決的問題。

近年來，短波通信逐漸網(wǎng)絡化。通過將短波通信與互聯(lián)網(wǎng)相結合，組成短波通信接入網(wǎng)[1-2]，接入基站之間并通過互聯(lián)網(wǎng)進行連接，接入基站與用戶之間并通過短波進行通信。短波通信接入網(wǎng)可以充分利用互聯(lián)網(wǎng)的高速性和可靠性實現(xiàn)接入基站之間的信息互通和資源共享，同時可以充分利用分集接收[3]技術來提高短波通信的可靠性。

傳統(tǒng)的短波點對點通信方式通常是結合質量信息選擇一條最優(yōu)的信道或鏈路進行通信。文獻[4]結合長期預測模型，給出了在加權算法下的信道質量排序的方案，并進行了最優(yōu)信道的選擇。文獻[5]結合當前各個鏈路的參數(shù)，選擇最優(yōu)的站點接入，提高了網(wǎng)絡的成功率和吞吐量。文獻[6]利用頻率預測軟件分別比較了不同的發(fā)送站臺與接收站臺之間的鏈路質量，并以接收端場強中值為依據(jù)進行鏈路選擇。但以上方法評判依據(jù)的參數(shù)較為單一，沒有充分考慮當前網(wǎng)絡的實際情況。并且當信道質量較差時，點對點的通信方式往往難以保障通信的可靠性。為了保障短波通信的可靠性，在信道質量較差時可以調(diào)用多個站臺對用戶進行協(xié)同保障。

針對短波點對點通信成功率低、網(wǎng)絡資源分配困難的問題，本文提出了一種基于短波通信接入網(wǎng)的資源分配算法。該算法綜合考慮網(wǎng)絡情況及業(yè)務需求，通過調(diào)用多個發(fā)射端的多個站臺進行協(xié)作通信，分別從不同信道對用戶進行協(xié)同保障，有效提高了短波通信的成功率。

1 短波通信接入網(wǎng)資源分配算法

為了適應現(xiàn)代應急救援等需要，傳統(tǒng)短波點對點通信方式已經(jīng)難以滿足實際需求。因此，需要將短波通信[7-8]與互聯(lián)網(wǎng)相結合，組建短波通信接入網(wǎng)。

短波通信接入網(wǎng)將多個短波接入站臺合成一個虛擬的接入節(jié)點。對于該虛擬節(jié)點，相當于配置了多個分布式的接收天線對用戶上行信息進行接收，并將接收的信息遞交到融合中心進行融合。同時，對于下行信息，融合中心可以結合業(yè)務需求以及當前的信道質量，調(diào)用多個站臺通過不同的信道對用戶進行保障。短波通信接入網(wǎng)充分利用互聯(lián)網(wǎng)速度快、可靠性高的特點實現(xiàn)多個分布式的短波接入站臺之間的信息共享和資源共享，將傳統(tǒng)的短波點對點模式轉變?yōu)辄c對網(wǎng)、網(wǎng)對點的接入網(wǎng)模式，分布式短波通信接入網(wǎng)示意如圖1 所示。

圖1 分布式短波通信接入網(wǎng)示意

固定站臺與機動用戶之間的通信通常是非對稱的。固定站臺擁有更好的天線配置以及更靈活的功率配置，而機動用戶的天線通常更加偏向于靈活機動性能上不如固定站臺的天線，同時機動用戶還需要考慮能量消耗等因素，功率配置不如固定站臺靈活。因此，相對于固定站臺到用戶的下行信息，用戶到站臺的上行信息保障更困難。在實際通信場景中，用戶難以實時掌握當前網(wǎng)絡的情況，而接入站臺間可以利用有線網(wǎng)絡實現(xiàn)高效的信息互通和資源共享，從而實現(xiàn)高效的網(wǎng)絡資源的分配和協(xié)同。因此，為了合理調(diào)用資源對用戶進行保障并引導用戶在優(yōu)選頻率上發(fā)送信息，可以調(diào)度多個站臺，分別在不同的信道上給用戶發(fā)送相同的保障信息，用戶接收到不同信道到達的信息后進行融合處理，通過頻率分集的方式提高下行信息的可靠性。用戶在收到信息后評估各個信道的質量，將各個信道按照接收質量的高低進行排序，并依次在對應的信道上發(fā)送信息。接入基站通過將用戶在各個信道上發(fā)送的信息進行整合，充分利用頻率分集、時間分集、空間分集的方式最大限度地保障用戶上行信息的可靠性。最后，固定站臺發(fā)送一次確認信息即可完成信息的交互。因此，如何合理調(diào)用網(wǎng)絡中的資源對業(yè)務進行保障是決定整個系統(tǒng)性能的關鍵。本文算法將接入網(wǎng)資源分配問題分解為信道與站臺的匹配[9]和站臺分配2 個子問題。當需要對用戶進行保障時，首先將可用信道與接入站臺之間按照最大期望成功率進行匹配，匹配完成后將分配到信道的站臺組合為不同的待選方案，并分別采用模糊層次分析（FAHP,fuzzy analytic hierarchy process）法和熵權法（EWM,entropy weight method）計算出各個方案組合的主客觀置信度，然后通過證據(jù)推理對主客觀得到的結論進行融合得到綜合置信度，最終選擇綜合評估最優(yōu)的方案進行通信。

本文的短波通信接入網(wǎng)結構中所有預先建立的節(jié)點均通過網(wǎng)絡進行連接，整個網(wǎng)絡由若干固定短波接入站臺和若干機動用戶組成。其中，短波固定站臺通過有線網(wǎng)絡進行互聯(lián)，內(nèi)部采用網(wǎng)絡模塊化方式進行連接。通過有線網(wǎng)絡實現(xiàn)網(wǎng)內(nèi)站臺之間的高效信息互通和資源共享。

1.1 接入站臺信道分配

在進行方案組合前，首先需要為各個接入站臺分配可用信道，建立最大期望成功率匹配模型，通過整合網(wǎng)絡可用資源，將接入網(wǎng)中的可用站臺構建為待匹配站臺集Z= {z1,z2,…,zn}，并將可用信道構建為待選信道集F= {f1,f2,…,fn}。信道匹配步驟如下。

步驟1信道預匹配。各個待匹配站臺集中的站臺根據(jù)歷史實測信息從待選信道集中預選出期望成功率最高的信道，若沒有實測信息，可以采用文獻[10]的方法，根據(jù)頻率預測軟件[11]預測對應頻率的信噪比（SNR,signal-to-noise ratio），并繪制信道模型誤碼率曲線，通過誤碼率分別計算對應信道上行和下行的期望成功率，從而得到該信道整體的期望成功率。

步驟2沖突化解。若出現(xiàn)多個站臺預選同一個信道的情況，則將預選信道相同的站臺進行比較，并將信道分配給其中期望成功率最高的站臺，若期望成功率相同，則分配給其中時延最小的站臺。將分配到信道的站臺從待匹配站臺集中去除，對應的信道從待選信道集中去除，剩余站臺清除預選信道結果準備進行下一輪匹配。若所有站臺選擇的信道無沖突，則直接將站臺與對應的預選信道進行匹配。

步驟3完成分配。重復步驟1 和步驟2，直到所有接入站臺完成信道匹配或待選信道集為空。然后將完成信道分配的接入站臺構建為待選站臺集，作為后續(xù)方案組合的來源。

1.2 決策參數(shù)計算

為了合理調(diào)度多個站臺對用戶進行協(xié)同保障，需要對不同站臺的協(xié)同效果做出評估。因此，將待選站臺集中的站臺組合為不同的待決策方案，并根據(jù)決策參數(shù)進行比較判決。本文采用的決策參數(shù)為方案最大站臺包含數(shù)、方案期望成功率、方案代價、期望偏差、用戶滿意度以及方案時延，決策參數(shù)計算方式如下所述。

1) 方案最大站臺包含數(shù)

在進行方案組合前，首先需要確定最多調(diào)用多少站臺對用戶進行保障，即方案組合中最多能包含的站臺數(shù)。假設每條信道完全獨立，當采用多個站臺分別從不同信道上對用戶進行協(xié)同保障時，用戶只要能正確接收其中任意一條信道的信息則接收成功。因此方案中多個站臺協(xié)同保障的成功率可由方案中所包含的每個站臺單獨的成功率組合計算得到。假設當前所有待選站臺對應信道的平均期望成功率為Pv，當前業(yè)務需求的成功率為Pn，滿足需求所需要的站臺數(shù)為N，可得

在調(diào)用多個站臺對用戶進行保障時，每多調(diào)用一個站臺，最終的成功率都會提高，但同時也占用了更多資源。為了衡量收益，以每多調(diào)用一個站臺提高的成功率與多占用的資源之間的比值作為收益比，令當前調(diào)用的站臺數(shù)為l，則調(diào)用第l個站臺的收益比rl的計算式為

由式(2)可得，當l=5 時，在任意信道條件下，調(diào)用第5 個站臺的收益比小于0.09。因此，建議每個方案中所包含的站臺數(shù)不超過5 個，本文采用5 個站臺作為方案組合的上限值。在實際的應用場景中，可以根據(jù)需要進行調(diào)整。

合理的方案組合需要綜合考慮網(wǎng)絡負載和可用信道情況。因此，方案包含的最大站臺數(shù)Lmax計算方法如下。令當前滿足業(yè)務需求所需的站臺數(shù)為N，待選站臺集中站臺數(shù)為Na，其中，空閑的站臺資源為Nk，網(wǎng)絡平均負載率為α，則方案包含最大站臺數(shù)Lmax的計算式為

其中，Nk=Na(1 -α)。

計算出Lmax后，將1.1 節(jié)所選出的待選站臺組合為包含1～Lmax個站臺的待決策方案。例如，當前待選站臺集中包含2 個站臺A 和B，且方案最大包含站臺數(shù)為 2，則所有的方案組合為{{ A},{ B},{ A,B} }3 種。

2) 方案期望成功率

方案成功率是對方案中站臺的組合效果進行整體性的評估。由于在通信過程采用3 次交互，并且用戶需要在所有接收到信息的信道上依次進行回復，因此為了更加準確地評估方案的成功率，需要結合上行成功率和下行成功率分別進行計算。設用戶在方案中站臺所使用的信道上依次回復時各個站臺接收到的上行信息的成功率為Puij，站臺發(fā)送給用戶的下行信息的成功率為Pdi，當前方案包含的站臺數(shù)為Nd，則方案的期望成功率Pz為

其中，i,j=1,…,Nd。

3) 方案代價

方案代價反映的是方案執(zhí)行時調(diào)用網(wǎng)絡中資源的情況，這里假設調(diào)用單個站臺的代價為1，則方案總代價K=Nd。

4) 期望偏差

期望偏差反映了當前方案與預期調(diào)用站臺數(shù)的偏差程度。令當前業(yè)務期望調(diào)用的站臺數(shù)為Nq，當前方案包含的站臺數(shù)為Nd，綜合考慮業(yè)務需求及網(wǎng)絡負載，Nq的計算式為

其中，Lq=(1 -a)Lmax表示在當前負載和方案組合條件下的站臺資源余量；α表示當前網(wǎng)絡平均負載率，當負載率較低時，應當傾向于滿足業(yè)務的需求，當業(yè)務量較高時，應當傾向于考慮網(wǎng)絡的負載情況。因此期望偏差Q的計算式為

5) 用戶滿意度

用戶滿意度反映了用戶對當前方案的滿意程度。令當前業(yè)務需求成功率為Rs，當前組合方案成功率為Pz，用戶滿意度Ri的計算式為

6) 方案時延

為了反映多個站臺組合方案的整體時延，本文采用方案中所包含站臺平均時延作為衡量的標準。令方案中各個站臺對應的時延為dyi，則方案時延dy 為

通過上述方法，可以對各個方案的決策參數(shù)進行計算。若當前有n個決策因素和m個待選方案，則決策參數(shù)矩陣為D=[dij]m×n。

1.3 基于FAHP 的主觀判決算法

傳統(tǒng)的層次分析法[12-13]是由專家根據(jù)對應的比較標度將用于決策的因素進行兩兩比較，得到?jīng)Q策因素之間的相對重要性，并構建判決矩陣計算權值向量，從而比較方案之間的優(yōu)劣。但這種方法沒有考慮專家判斷的主觀性與模糊性，導致結果存在偏差。因此需要引入三角模糊數(shù)（TFN,triangular fuzzy number）代替原方法中的實數(shù)矩陣，充分考慮專家將因素進行兩兩比較時的模糊性。三角模糊數(shù)的重要性比較尺度如表1 所示。

表1 三角模糊數(shù)的重要性比較尺度

由于短波信道不穩(wěn)定、傳輸速率慢，在進行資源分配時需要綜合考慮當前網(wǎng)絡情況和信道的質量情況，充分恒量各個決策因素的影響。短波通信接入網(wǎng)資源分配是一個典型的多屬性決策[14]問題，在利用模糊層次分析法[15-16]進行決策時，每個影響因素的權重值決定了最終決策的準確性，因此，權重的計算至關重要。

為了充分反映決策者判斷的模糊性，模糊層次分析法將三角模糊數(shù)的概念引入矩陣的構建中。具體概念及計算步驟如下。

1) 三角模糊數(shù)定義

那么稱M為一個三角模糊數(shù)，記為M=(l,m,u)，其中，l為下限值，m為中值，u為上限值。

2) 三角模糊數(shù)基本運算法則

設 2 個三角模糊數(shù)為M1= (l1,m1,u1)與M2=(l2,m2,u2)，則這2 個三角模糊數(shù)之間滿足如下運算法則

3) 模糊判斷矩陣構建

假設一共有n個影響最終決策的參數(shù){a1,a2,…,an}，由k個決策者對決策屬性進行兩兩對比，即可獲得判決矩陣Ap為

綜合多位決策者，可以得到綜合三角模糊矩陣B。令bij為綜合三角模糊數(shù)，其值為

4) 指標綜合程度值計算

根據(jù)綜合三角模糊判斷矩陣，計算每個決策因素的綜合程度，計算式為

5) 模糊程度比較及權向量計算

模糊數(shù)之間的程度值為

對權向量進行歸一化，有

最終得到歸一化權向量用于后續(xù)計算。

1.4 基于熵權法的客觀判決算法

除去主觀因素外，還應該充分考慮客觀因素的影響。熵權法是一種根據(jù)各個決策因素所包含的信息量來確定決策因素權重的方法，即決策指標的離散程度越大，該決策指標在最終決策時所占的比重就越大。熵權法可以根據(jù)決策信息對權重進行修正，具有較高的適應性。本文利用熵權法給出客觀判決的權重，具體計算步驟如下。

1) 構建決策因素矩陣

假設有n個決策影響因素、m個待決策目標，則決策因素矩陣為

2) 歸一化處理

歸一化處理用于消除不同因素量綱的影響。

對于正向指標，有

對于負向指標，有

3) 熵值計算

4) 權重計算

最終得到客觀權重向量W′= [w1,w2,…,wn]。

1.5 權重融合

為了對每個方案進行綜合評價，采用簡單加權法的方式分別計算各個決策方案的主觀評分和客觀評分，將決策參數(shù)矩陣D進行歸一化處理。

對于正向指標，有

歸一化后得到矩陣R=(rij)m×n，然后分別計算每個方案的主觀評分和客觀評分。方案的主觀評分和客觀評分分別為

其中，i∈{Z,K}表示分別來自主觀和客觀的結果。

1.6 證據(jù)推理

為了對每個方案進行綜合評估，需要將主觀評價與客觀評價進行融合[17]。本文采用證據(jù)理論的方法，將主客觀結論進行決策融合[18]，獲得方案的融合置信度，并通過融合置信度對方案進行排序。根據(jù)各個方案組合，定義識別框架Θ= {1,2,…,m}，其中，1～m代表方案組合。將主客觀置信度作為概率賦值{mi(0),mi(1),…,mi(m) }。主客觀置信度計算式分別為

針對2個證據(jù)源，采用Dempster規(guī)則進行融合。

綜合以上步驟，可以計算出各方案的主客觀融合置信度M={m(1),m(2),…,m(m)}，最終選擇融合置信度最高的方案。

1.7 資源分配步驟

綜合上文，本文算法評估步驟總結如下。

步驟1整合網(wǎng)絡資源，將可用信道與接入站臺之間按照最大期望成功率進行匹配，并將匹配到信道的接入站臺構建為待選站臺集。

步驟2結合業(yè)務需求以及網(wǎng)絡情況計算出方案最大站臺包含數(shù)，將待選站臺進行組合。根據(jù)組合情況，計算各個方案的決策參數(shù)，構建決策參數(shù)矩陣。

步驟3分別采用模糊層次分析法和熵權法計算出決策因素的主觀權重和客觀權重。

步驟4將決策參數(shù)矩陣進行歸一化，并分別與主客觀權重進行計算，得到各個方案的主客觀評分。

步驟5通過主客觀評分計算出各個方案的主客觀置信度，并采用證據(jù)推理的方式進行融合，獲得每個方案的綜合置信度。

步驟6根據(jù)綜合置信度對各個方案進行排序，并選擇綜合置信度最高的方案對業(yè)務進行保障。

2 仿真及實測結果與分析

2.1 仿真場景搭建

為了驗證本文算法的有效性和適應性，采用OPNET 三層建模機制搭建短波多站臺協(xié)同場景進行仿真驗證，場景包含5 個短波接入站臺和3 個用戶。假設時間為2020 年11 月5 日，仿真時間從上午10 點開始，通過設置業(yè)務量定時產(chǎn)生業(yè)務，并由5 個接入站臺對用戶進行保障，仿真采用多進制頻移鍵控（MFSK）波形，每個信息大小為8 B，傳輸速率為60 bit/s。短波協(xié)同保障仿真場景示意如圖2 所示。

圖2 短波協(xié)同保障仿真場景示意

仿真設置5 個可用信道對應的中心頻率，分別為7 MHz、8 MHz、9 MHz、10 MHz、11 MHz。通過將站臺和用戶對應的位置信息輸入國際電信研討會（ITS）軟件中的子軟件模塊 ICEPAC（ionospheric communication enhanced profile analysis and circuit）中，設置相應的頻率、地理坐標等信息，獲取對應頻率的質量預測信息，并作為后續(xù)算法的決策信息來源，具體的建模流程和參數(shù)獲取方法可以參考文獻[10]。

2.2 權向量計算

針對短波廣域協(xié)同場景的需求，選取方案期望成功率、方案代價、期望偏差、用戶滿意度、方案時延作為評估依據(jù)，并通過1.3 節(jié)所描述的方式進行計算。其中，方案期望成功率的影響最大，方案代價、期望偏差、用戶需求的影響次之，方案時延的影響最小，通過評估準則對上述因素進行兩兩比較，構建判決矩陣，判決矩陣如表2所示。通過式(17)～式(24)計算出權向量=[0.383,0.260,0.202,0.111,0.044]T，客觀權重可以根據(jù)決策矩陣進行計算。

表2 判決矩陣

2.3 仿真結果與分析

為了驗證本文算法的有效性，將采用本文算法的多站臺協(xié)同保障方案與最優(yōu)單站臺（選擇待選站臺中期望成功率最高的站臺）方案進行比較。假設每小時產(chǎn)生的業(yè)務量為500，用戶需求的成功率為0.95。每個業(yè)務進行3 次交互，即固定站臺發(fā)送呼叫信息，用戶回復應答信息，站臺再發(fā)送確認信息。每個信息大小為8 B，并且業(yè)務平均分配到每個用戶上，傳輸速率為60 bit/s，在2 種算法下，分別仿真1 h 并每隔5 min 統(tǒng)計一次業(yè)務成功率以及平均調(diào)用站臺數(shù)，結果如圖3 所示。

圖3 業(yè)務成功率以及平均調(diào)用站臺數(shù)比較

從圖3 中可以看出，多站臺協(xié)同保障方案通過調(diào)用多個站臺分別從不同的信道對業(yè)務進行保障，當平均調(diào)用站臺數(shù)為2.15（即20 min）左右時，最終的成功率達到了96%，比最優(yōu)單站臺方案成功率高出了20.4%，極大地提高了通信的成功率。

為了進一步分析算法的適應性，假設所有信道的誤碼率相同，調(diào)節(jié)誤碼率和每小時建鏈次數(shù)，觀察本文算法在不同業(yè)務量和不同信道質量情況下的成功率以及平均調(diào)用站臺數(shù)，結果分別如圖4 和圖5 所示。

圖4 不同業(yè)務量和不同信道質量情況下的成功率

圖5 不同業(yè)務量和不同信道質量情況下的平均調(diào)用站臺數(shù)

由圖4 可知，在誤碼率不變的情況下，隨著建鏈次數(shù)的增加，成功率逐漸降低，這是因為建鏈次數(shù)逐漸增加，為了防止網(wǎng)絡負載過高，算法對單個業(yè)務所選擇的信道數(shù)減少。在同等建鏈次數(shù)下，隨著誤碼率的降低，最終的成功率整體呈上升趨勢，局部出現(xiàn)下降的原因是隨著誤碼率的降低，算法調(diào)用的站臺數(shù)逐漸減少，從而導致局部成功率低的情況。

由圖5 可知，在每小時建鏈次數(shù)不變的情況下，隨著誤碼率的降低，對于支持單個業(yè)務所調(diào)用的站臺數(shù)逐漸減少。而在誤碼率不變的情況下，隨著建鏈次數(shù)的增加，為了防止網(wǎng)絡崩潰，調(diào)用的站臺數(shù)也逐漸減少。因此，算法能夠很好地根據(jù)信道質量和網(wǎng)絡負載情況做出動態(tài)的調(diào)整，在保障成功率的情況下合理調(diào)用資源。

2.4 實測結果與分析

為了驗證本文算法在實際場景中的有效性，本文采用實驗室已有短波接入站臺進行測試，采用萬州、酉陽、綦江3 個固定短波接入站臺對重慶郵電大學內(nèi)短波電臺進行保障，各個站臺的地理位置分布如圖6所示。

圖6 實測場景

測試時間從2022年1月11日0:00到2022年1 月11 日23:59，進行連續(xù)24 h 的測試，每小時各個站臺單獨發(fā)起30 次業(yè)務交互，再采用本文算法進行30次業(yè)務交互，通信采用MFSK 的傳輸方式，實際測試采用歷史測試結果作為依據(jù)，并按照2.1 節(jié)的方法為每個站臺分配信道，站臺各個時段使用信道所對應的中心頻率如圖7 所示。采用對應信道的歷史質量信息作為算法決策參數(shù)的來源。

圖7 站臺各個時段使用信道所對應的中心頻率

接收端分別統(tǒng)計各個站臺單獨的成功率和采用本文算法所對應的成功率。成功率以及每個時段根據(jù)本文算法所調(diào)用的站臺結果如圖8 所示。

圖8 成功率以及每個時段根據(jù)本文算法所調(diào)用的站臺結果

從圖8 中可以看出，相比于酉陽和萬州，綦江-重慶郵電大學電臺之間的通信質量最好，因此，根據(jù)本文算法選擇綦江站臺的次數(shù)最多。同時，采用本文算法可以在信道質量較差時調(diào)用多個站臺進行協(xié)同，以6 時和7 時為例，在這2 個時間段所有站臺通信效果都較差，此時算法通過調(diào)用3 個站臺進行協(xié)同保障，將成功率提升到了96.7%。而在0 時、3 時、8 時、12 時、14 時和15 時，綦江-重慶郵電大學電臺之間的通信質量較好，通過算法選擇通信效果最優(yōu)的綦江對業(yè)務進行保障。

由以上結果可以得出，本文算法能夠通過多站臺協(xié)同保障的方式將業(yè)務成功率提升到一個較高水平。在多站臺協(xié)作的實景測試中，以短波電臺增加一定的硬件所帶來的計算開銷為代價，在對短波通信有效性影響較低的情況下能夠獲得更高的通信成功率。同時，算法能夠根據(jù)實際情況做出動態(tài)的調(diào)整，當業(yè)務量較高時，能夠減少資源調(diào)用，減輕網(wǎng)絡壓力；當整體信道質量較差時，能夠調(diào)用更多資源，提高成功率，具有很好的適應性。

3 結束語

本文針對短波點對點通信可靠性保障低、資源分配難的問題提出了一種短波通信接入網(wǎng)資源分配算法。該算法能夠有效整合網(wǎng)絡中的可用資源，并根據(jù)網(wǎng)絡情況和業(yè)務需求合理地進行資源分配，在整體可用信道較差的情況下為業(yè)務提供相對可靠的保障。仿真與實測數(shù)據(jù)表明，本文算法能有效提高業(yè)務的成功率，很好地適應當前的實際情況并做出動態(tài)的調(diào)整。