融合通信及多業(yè)務(wù)的網(wǎng)絡(luò)抗干擾研究

摘要：海上作業(yè)面臨環(huán)境復(fù)雜、信號被嚴重干擾等問題。而微波傳輸過程中的多徑干擾、同頻干擾和環(huán)境干擾可能導(dǎo)致通信質(zhì)量下降，增加數(shù)據(jù)傳輸中的誤碼率。通過使用抗干擾模型，可以減小各類干擾對通信系統(tǒng)的影響，提高通信的可靠性，確保數(shù)據(jù)的準確傳輸。為此，本文通過構(gòu)建協(xié)同網(wǎng)絡(luò)結(jié)構(gòu)，并采用BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建抗干擾算法，以提高網(wǎng)絡(luò)的抗干擾能力。

關(guān)鍵詞：通信網(wǎng)絡(luò)；網(wǎng)絡(luò)抗干擾；BP神經(jīng)網(wǎng)絡(luò)

一、引言

南海東部海域的油田開發(fā)面臨諸多挑戰(zhàn)，存在站點遠離岸基、海上環(huán)境多變等情況?？朔h距離高帶寬通信傳輸問題以及處理多路徑干擾一直是海上作業(yè)網(wǎng)絡(luò)健壯性面臨的主要挑戰(zhàn)。在海上油田開發(fā)過程中，通信網(wǎng)絡(luò)須具有一定的抗干擾能力，以確保通信系統(tǒng)能夠在極端環(huán)境下可靠運行，保障數(shù)據(jù)傳輸和信息交流的順暢，提高油田開發(fā)的安全性和效率，保證遠程監(jiān)控和應(yīng)急響應(yīng)的順利實施。

在這一背景下，本文設(shè)計了一個網(wǎng)絡(luò)抗干擾模型，旨在降低微波傳輸過程中的多徑干擾、同頻干擾和環(huán)境干擾。該模型的應(yīng)用有助于提高微波通信的可靠性和性能。通過組網(wǎng)技術(shù)，對無線網(wǎng)絡(luò)傳輸質(zhì)量進行實時監(jiān)測和調(diào)優(yōu)，進一步增加微波通信的傳輸距離和帶寬，提升通信鏈路的可靠性，為海上作業(yè)的遠距離通信提供有效的保障。

二、協(xié)同網(wǎng)絡(luò)構(gòu)建

激光星間鏈路構(gòu)成的激光網(wǎng)絡(luò)在通信領(lǐng)域具有重要特點，如穩(wěn)定的連通性、低延遲和強大的數(shù)據(jù)傳輸能力。然而，考慮到通信網(wǎng)絡(luò)的復(fù)雜性和多樣性，將微波星間鏈路與激光網(wǎng)絡(luò)融合具有重要意義，能夠進一步提升通信網(wǎng)絡(luò)的性能和多功能性。

首先，將微波星間鏈路與激光網(wǎng)絡(luò)整合可以在多個領(lǐng)域帶來顯著改進，包括提高原本由微波星間鏈路構(gòu)成的網(wǎng)絡(luò)連通性和數(shù)據(jù)傳輸能力。微波星間鏈路具有廣泛的通信覆蓋范圍和傳輸能力，可以彌補激光網(wǎng)絡(luò)在某些情況下的局限性，例如在不透明障礙物或惡劣天氣條件下進行通信時微波網(wǎng)絡(luò)容易被干擾。整合不同的網(wǎng)絡(luò)能夠確保在各種環(huán)境下都能保持高度可靠的連通性。

其次，通過網(wǎng)絡(luò)整合能夠發(fā)揮激光網(wǎng)絡(luò)的數(shù)據(jù)傳輸能力。激光網(wǎng)絡(luò)本身在數(shù)據(jù)傳輸方面表現(xiàn)出色，引入微波星間鏈路可以提供額外的帶寬和冗余性，提升數(shù)據(jù)傳輸?shù)耐掏铝亢涂煽啃裕瑢τ趥鬏敶笠?guī)模數(shù)據(jù)、高清視頻、遠程傳感和應(yīng)急通信等方面具有巨大幫助。

最后，微波星間鏈路的靈活性和指向性對激光網(wǎng)絡(luò)的對外服務(wù)能力產(chǎn)生積極影響，可以更靈活地滿足不同海上區(qū)域的通信需求。將微波星間鏈路融合到激光網(wǎng)絡(luò)中，是一項具有發(fā)展前景的舉措，能夠提供更強大、更靈活的通信解決方案，有助于滿足未來通信網(wǎng)絡(luò)的多樣性需求。協(xié)同網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

首先，需要建立協(xié)同網(wǎng)絡(luò)的基本骨干，可以通過部署一部分衛(wèi)星通信來實現(xiàn)。這些衛(wèi)星構(gòu)成區(qū)域范圍內(nèi)的激光骨干網(wǎng)絡(luò)，為區(qū)域的通信用戶提供低時延和高帶寬的通信服務(wù)能力，這將顯著改善原有星間鏈路網(wǎng)絡(luò)的通信性能，確保通信的可靠性和質(zhì)量。其次，進一步提升微波衛(wèi)星的通信性能，并逐步替換原有的微波衛(wèi)星，允許更多衛(wèi)星加入激光網(wǎng)絡(luò)，逐漸增強協(xié)同網(wǎng)絡(luò)的全球覆蓋范圍和通信性能。持續(xù)更新網(wǎng)絡(luò)并最終將所有導(dǎo)航星座的衛(wèi)星納入激光網(wǎng)絡(luò)，拓展協(xié)同網(wǎng)絡(luò)規(guī)模并實現(xiàn)資源平衡。

通過微波衛(wèi)星網(wǎng)絡(luò)建設(shè)，提高通信質(zhì)量，改善通信網(wǎng)絡(luò)性能，滿足日益增長的海上作業(yè)通信需求。確保協(xié)同網(wǎng)絡(luò)覆蓋全球海域，降低海上作業(yè)中的通信風險，確保網(wǎng)絡(luò)可持續(xù)性和適應(yīng)性，推進微波衛(wèi)星通信技術(shù)的發(fā)展，以迎接未來海上作業(yè)中通信領(lǐng)域的新挑戰(zhàn)，為用戶提供更好的通信服務(wù)。

三、基于BP神經(jīng)網(wǎng)絡(luò)的抗干擾算法設(shè)計

BP神經(jīng)網(wǎng)絡(luò)是一種廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)。它以其優(yōu)越的學(xué)習能力和函數(shù)逼近能力在各種領(lǐng)域中得到應(yīng)用，主要包括模式識別、圖像處理、自然語言處理和預(yù)測分析等方面。BP神經(jīng)網(wǎng)絡(luò)的基本構(gòu)建單元是人工神經(jīng)元，也被稱為節(jié)點或神經(jīng)元。每個神經(jīng)元接收多個輸入，執(zhí)行計算，然后產(chǎn)生輸出。BP神經(jīng)網(wǎng)絡(luò)的核心過程包括前向傳播和反向傳播。

在前向傳播中，輸入信號從網(wǎng)絡(luò)的輸入層經(jīng)過權(quán)重和激活函數(shù)的計算傳播到輸出層。這一過程是從數(shù)據(jù)輸入到產(chǎn)生預(yù)測結(jié)果的階段。在反向傳播過程中，網(wǎng)絡(luò)通過迭代學(xué)習調(diào)整權(quán)重和結(jié)構(gòu)。學(xué)習率是BP神經(jīng)網(wǎng)絡(luò)模型中的重要參數(shù)，決定了權(quán)重更新的步長。過高的學(xué)習率可能導(dǎo)致網(wǎng)絡(luò)不穩(wěn)定，而太低的學(xué)習率可能使訓(xùn)練速度過慢。梯度下降是用來最小化誤差函數(shù)的優(yōu)化算法，通過計算誤差函數(shù)對權(quán)重的梯度來更新權(quán)重，朝著誤差最小化的方向不斷迭代。BP神經(jīng)網(wǎng)絡(luò)可以采用不同的拓撲結(jié)構(gòu)，包括單層前饋網(wǎng)絡(luò)、多層前饋網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)。

多層前饋網(wǎng)絡(luò)是最常見的形式，包括輸入層、隱藏層和輸出層。其中，隱藏層允許網(wǎng)絡(luò)學(xué)習復(fù)雜的非線性關(guān)系，使模型能夠適應(yīng)各種問題。

在協(xié)同網(wǎng)絡(luò)的基礎(chǔ)上，本文采用BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計了抗干擾算法，旨在提高通信網(wǎng)絡(luò)的抗干擾能力?；贐P神經(jīng)網(wǎng)絡(luò)的通信網(wǎng)絡(luò)抗干擾算法，是一種利用神經(jīng)網(wǎng)絡(luò)技術(shù)來提高通信系統(tǒng)抗干擾性能的重要方法。該算法的核心思想是使用BP神經(jīng)網(wǎng)絡(luò)自動學(xué)習和適應(yīng)不同干擾環(huán)境下的通信信號，從而實現(xiàn)更可靠的數(shù)據(jù)傳輸。

采用BP神經(jīng)網(wǎng)絡(luò)進行通信網(wǎng)絡(luò)抗干擾的主要流程如下：

（1）數(shù)據(jù)收集。收集具有不同干擾水平的通信信號數(shù)據(jù)，包括受到不同類型和程度干擾的信號樣本，以及無干擾的信號樣本。

（2）數(shù)據(jù)預(yù)處理。對數(shù)據(jù)進行預(yù)處理，包括去噪、降噪和信號特征提取，減小數(shù)據(jù)中的干擾成分，提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果。

（3）BP神經(jīng)網(wǎng)絡(luò)設(shè)計。通常包括輸入層、隱藏層和輸出層。其中，輸入層接收預(yù)處理后的信號特征，輸出層產(chǎn)生網(wǎng)絡(luò)的輸出，可以是信號的估計值或糾錯后的信號。其中，隱藏層的節(jié)點采用公式（1）進行計算。

其中，x與y分別為輸入及輸出層的神經(jīng)單元數(shù)量，z為常數(shù)，一般設(shè)置為1到10之間的整數(shù)。

（4）網(wǎng)絡(luò)訓(xùn)練。使用訓(xùn)練數(shù)據(jù)集對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。在訓(xùn)練過程中，網(wǎng)絡(luò)自動調(diào)整權(quán)重和偏置，以最小化預(yù)測信號與實際信號之間的誤差，以便網(wǎng)絡(luò)能夠適應(yīng)各種干擾條件下的信號。

（5）抗干擾性能測試。在訓(xùn)練后，將BP神經(jīng)網(wǎng)絡(luò)用于實際通信中，以測試其抗干擾性能。BP神經(jīng)網(wǎng)絡(luò)可以實時監(jiān)測和修復(fù)干擾引起的誤碼或信號衰減，提高通信的可靠性。

（6）反饋和優(yōu)化。根據(jù)實際應(yīng)用中的性能反饋，對BP神經(jīng)網(wǎng)絡(luò)進行進一步的優(yōu)化和改進，包括增加訓(xùn)練數(shù)據(jù)、調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)或更新網(wǎng)絡(luò)參數(shù)。

為驗證算法的效果，本文采用MATLAB對網(wǎng)絡(luò)的傳輸進行仿真，假設(shè)信道的數(shù)量為N，發(fā)射的總功率為PL，干擾功率為隨機變量PJ，分別采用FSK、BPSK以及QPSK等方式調(diào)制信號。

在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，采用了輸入?yún)?shù)以及對應(yīng)的最佳策略集作為訓(xùn)練數(shù)據(jù)。訓(xùn)練數(shù)據(jù)集包含在各種不同情境下的樣本，這些情境包括了不同的隨機數(shù)種子、信道數(shù)量、干擾功率水平和發(fā)射功率參數(shù)。樣本的多樣性確保了的BP神經(jīng)網(wǎng)絡(luò)可以在不同條件表現(xiàn)得更為穩(wěn)健。

將整個數(shù)據(jù)集分為兩部分。首先，用其中80%的數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，訓(xùn)練過程中，BP神經(jīng)網(wǎng)絡(luò)自動調(diào)整其權(quán)重和偏置，以適應(yīng)不同的輸入?yún)?shù)組合。通過訓(xùn)練，BP神經(jīng)網(wǎng)絡(luò)可以更好地適應(yīng)不同情境下的信號干擾。剩下的20%的數(shù)據(jù)集則用于驗證神經(jīng)網(wǎng)絡(luò)的預(yù)測效果。在驗證階段，將BP神經(jīng)網(wǎng)絡(luò)的輸出與實際的信號值進行比較，以評估BP神經(jīng)網(wǎng)絡(luò)處理干擾信號的性能。驗證過程有助于確定BP神經(jīng)網(wǎng)絡(luò)是否在不同情境下都能正確處理干擾信號，保障BP神經(jīng)網(wǎng)絡(luò)具有一定的可靠性和泛化能力，仿真的結(jié)果如圖2所示。

隨著發(fā)射總功率的逐漸增加，BP神經(jīng)網(wǎng)絡(luò)的相對誤差逐漸減小。通過增加發(fā)射功率可以提高系統(tǒng)的性能，能夠進一步減小BP神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差。通過仿真結(jié)果，可以看到BP神經(jīng)網(wǎng)絡(luò)具有一定的抗干擾能力。

四、結(jié)束語

本文構(gòu)建的協(xié)同網(wǎng)絡(luò)抗干擾模型以及BP神經(jīng)網(wǎng)絡(luò)算法在微波傳輸中能夠降低多徑干擾、同頻干擾和環(huán)境干擾。這種模型的價值不僅在于提高通信質(zhì)量和網(wǎng)絡(luò)性能，還有助于降低成本，支持數(shù)據(jù)挖掘在網(wǎng)絡(luò)通信抗干擾中的應(yīng)用。這對于通信系統(tǒng)的可持續(xù)發(fā)展和競爭力的提升具有重要的作用。

作者單位：林永昌 中海油信息科技有限公司

參考文獻

[1]何云，申敏，張夢.多載波超密集網(wǎng)絡(luò)的抗干擾分布式節(jié)能功率分配[J].電子與信息學(xué)報， 2021， 43（7）：7-12.

[2]丁丹，劉步花，薛乃陽.基于深度神經(jīng)網(wǎng)絡(luò)的OFDM抗干擾技術(shù)[J].現(xiàn)代電子技術(shù)， 2022，1（17）：45-51.

[3]陳志超.基于計算機神經(jīng)網(wǎng)絡(luò)的雷達自適應(yīng)抗干擾優(yōu)化算法研究[J].現(xiàn)代雷達， 2021， 43（11）：6-12.

[4]黃亦豪，余建波.基于抗干擾自適應(yīng)孿生網(wǎng)絡(luò)的運動軌跡檢測方法[J].電視技術(shù)， 2023， 47（2）：34-38.

[5]丁丹，劉步花，薛乃陽.基于深度神經(jīng)網(wǎng)絡(luò)的OFDM抗干擾技術(shù)[J].現(xiàn)代電子技術(shù)， 2022，1（17）：45-51.

[6]韓勇強，張路成，李利華.基于DFI一體化網(wǎng)絡(luò)的水下抗干擾目標跟蹤方法[J].中國慣性技術(shù)學(xué)報， 2022，1（2）：30-35.