面向航空集群云网络的航空数据链 MAC协议

吕　娜，陈柯帆

（空军工程大学信息与导航学院，陕西　西安 710077）

面向航空集群云网络的航空数据链MAC协议

吕娜，陈柯帆

（空军工程大学信息与导航学院，陕西西安 710077）

针对未来航空集群作战的全新网络需求，提出了“航空集群云网络”的概念，设计了网络通信层面与任务需求层面耦合机制，为航空集群网络的具体通信技术研究提供了参考，并在此基础上结合基于正交频分多址（orthogonal frequency division multiple access，OFDMA）的可变带宽信道分配技术设计了一种面向航空集群云网络的媒体接入控制协议（aeronautic swarm cloud network oriented media access control protocol，ASCN-MAC）。详细设计了协议的任务需求认知机制，为智能化任务规划决策提供了通信支撑，并从需求出发，基于OFDMA的特点，提出了面向任务需求的层次化信道资源预约方式和信道资源贪婪预约算法。仿真结果表明，ASCN-MAC协议在任务规划决策的通信支撑能力、吞吐量性能和实时性上均具备较强的优势，可以满足新的作战样式下大量面向任务需求信息的可靠低时延传输。对全新作战样式下新一代航空数据链的研究具有一定的参考、借鉴意义。

航空集群；云网络；数据链；媒体接入控制协议；可变带宽信道分配；正交频分多址

网址：www.sys-ele.com

0　引　言

随着数字化战场的不断深化，作战场景、态势、对象等战场环境更加复杂多变，使得仅依靠少数的有人或无人航空作战平台执行作战任务的作战方式无法灵活地适应复杂多变的战场环境，无法确保作战任务的高效完成［1］。为了使航空作战平台在复杂多变的战场环境中能依据任务需求动态组织，实现平台自身能力及作战效能的优化，近年来，研究人员受生物集群行为启发，将集群的概念应用到了航空作战领域［2-3］，提出了航空集群的概念。

航空集群存在两个重要特征：一是指挥控制的智能化［2，4］；二是深层次的协同。这些特征对航空数据链网络产生了全新的网络需求。一方面要求航空数据链网络能为航空集群快速高效地进行任务动态规划决策提供通信支撑；另一方面，则要求其与任务规划决策联动，满足航空作战平台间深层次协同的信息传输需求。这就需要航空数据链网络与作战过程中实际任务需求具备强耦合关系，能以较高传输速率和较低时延可靠地传输任务需求的大量信息。目前有关航空集群的研究侧重于集群概念描述、行为建模和仿真验证［5-7］，对具体航空集群网络特征和网络通信机制少有研究。需要针对航空集群的网络特征和网络通信技术展开研究。

现有航空数据链网络研究基于传统作战样式与开放式系统互连（open system interconnect，OSI）分层模型定义网络特征，对下层网络信息传输与上层任务需求的耦合性以及航空作战平台间深层次的协同需求考虑不足，使得网络通信层面一方面不能很好地支撑智能化指挥控制决策，另一方面不能充分发挥指挥控制智能化带来的决策优势。媒体接入控制（media access control，MAC）协议作为直接影响航空数据链网络性能的关键技术，受现阶段航空作战样式与研究思路的影响，导致其在设计过程中，同样缺乏与任务需求的耦合性以及深层次协同需求的考虑，无法较好地满足航空集群作战的信息传输需求。目前对于数据链网络MAC协议的研究一般分为基于随机接入、基于固定接入和基于预约接入［8］。随机接入类MAC协议如载波侦听多路访问冲突避免协议（carrier sense multiple access with collision avoidance，CSMACA），由于报文碰撞不可避免，对于网络规模和业务量较大的网络通信环境传输性能较差；固定接入类MAC协议如Link-16采用的时分多址（time division multiple access，TDMA）协议［9］，针对业务多样化的战场通信环境容易产生信道资源的浪费，信道利用率较低，传输性能依然不理想；预约接入类MAC协议在分配信道资源之前由网络用户根据自身业务需求先进行预约，以解决固定接入类MAC协议信道利用率低的问题，并且具备固定接入类MAC协议的优势，但对于网络规模较大的网络通信环境，现有预约接入类MAC协议如Link-22采用的动态时分多址（dynamic time division multiple access，DTDMA）协议以及快速动态时隙分配（fast dynamic slot assignment，F-DSA）协议［10］预约时延较大，使得系统所传输信息的实时性依然不高。

本文以航空作战平台在智能化指挥控制模式下进行网络化集群作战为应用背景，在充分研究其网络特征的基础上，提出了航空集群云网络的概念，设计面向航空集群云网络的MAC协议（aeronautic swarm cloud network oriented MAC protocol，ASCN-MAC）。

1　航空集群云网络概念描述

云网络是通过网络虚拟化和自管理技术，将云计算的技术和思想应用到未来网络的设计之中，促进网络中计算、存储和传输资源按需管理控制的新型网络架构［11-12］。本文将云网络的思想与新的作战背景结合，提出了航空集群云网络的概念。

如图1所示，航空集群云网络是将航空集群中所有航空作战平台所具有的传感器资源，武器资源等作战资源按任务需求通过数据链链接起来进行管理调度的高效信息交互网络。其不同于一般意义上的云网络［13］以及“战术云”［14］的概念，航空集群云网络将当前任务需求的各类作战资源作为其网络链接的对象，航空集群中任意航空作战平台既是服务提供者也是服务的获取者，对于作战资源的调度，并不存在严格定义的“服务端”进行统一管理，而是依据复杂多变战场环境下的实际任务需求，在信息交互的基础上，利用各航空作战平台的智能化任务规划决策系统，在统一任务需求认知的前提下协商完成。

图1　航空集群云网络概念

参考现有航空数据链网络体系结构并结合新的设计思路［15-16］，航空集群云网络共分为3个主要层面，分别是战场信息感知层面，智能化任务规划决策层面以及网络链路层面。战场信息感知层是航空集群与复杂战场环境的交互接口，各航空作战平台利用机载设备获取目标信息、自身状态信息等战场环境信息，通过对各类信息进行过滤与融合处理，实现对复杂战场环境的综合信息感知。智能化任务规划决策层依据当前战场环境信息，明确当前任务需求，规划调度作战资源，为网络链路层面提供上层任务规划决策信息。网络链路层根据上层任务规划决策信息，调整链路链接对象，协议等网络参数，建立作战资源间面向任务需求的交互链路。

2　耦合机制设计

本节对航空集群云网络的相关信息概念进行了定义，并参考认知网络认知引擎给出了智能化任务规划决策系统的简单架构，在此基础上设计了网络通信层面与任务需求层面的耦合机制。

2.1相关信息概念定义

基于航空集群云网络的信息交互需求，融合应用效能与通信性能，提出了源信息、交感信息、任务信息等信息概念，相关定义如下：

定义1源信息：航空作战平台各类机载设备产生的战场环境感知信息。设备不同，产生的源信息类型也不同。

定义2交感信息：航空作战平台间及航空作战平台自身机载设备间交互的战场环境感知信息。是通过对源信息进行信息处理，标准化信息格式后生成的。

定义3控制信息：对航空集群云网络各层面进行管理和协调的信息。

定义4任务需求信息：航空作战平台在任务执行过程中针对当前任务需求和自身使命而通过航空集群云网络进行传输的具有较高信息价值的交感信息和语音、指令、视频等非交感信息。

定义5任务信息：承载任务类型，能力需求，任务规划方案等任务关联因素的信息。

定义6任务匹配信息组：可使航空作战平台智能化任务规划决策系统产生不同于之前的任务需求认知，并生成新任务信息的交感信息组合。任务匹配信息组存在如下特点：①整体性。令M表示任务匹配信息组，其中i表示组成该任务匹配信息组的交感信息，令Analysis（M）表示智能化任务规划决策系统对M进行分析推理的结果，若∀M′≠M，Analysis（M）≠Analysis（M′）。②高效性。由任务匹配信息组的定义可以知道任务匹配信息组必须具备高效性，即基于某任务匹配信息组所做出的任务需求认知在一段时间内不会失效，以保证任务需求认知不会被频繁更新。

2.2智能化任务规划决策系统架构

各航空作战平台利用各自智能化任务规划决策系统实现认知域到控制域的转换。如图2所示，智能化任务规划决策系统由战场环境信息库、智能行为规则库、任务想定模型库、推理机、学习引擎、行动引擎、推理结果存储单元和各执行单元组成［17-18］。

图2　智能化任务规划决策系统架构

战场环境信息库中存储着表征当前战场环境的交感信息，并不断进行更新；智能行为规则库存储着管理各类信息及指导推理机如何做出决策的行为规则；任务想定模型库存储着大量的任务想定模型，便于推理机结合当前战场环境信息量化当前任务需求；推理结果存储单元存储着自身推理机推理结果及航空集群云网络中其他航空作战平台的推理结果，便于统一网络成员对当前任务需求的认知；推理机按照一定的推理方法，结合数据库提供的信息，对大量信息数据进行搜索、匹配和优化计算，量化当前任务需求，将所得结果映射为适当的行动方案，指导行动引擎为各执行单元规划具体的行为策略；学习引擎会在推理过程中对于历史数据的处理进行学习，然后实时更新智能行为规则库中存储的规则，利用这样的反馈过程保证推理结果的最优化，避免对相同情况进行计算量巨大的重复推理。

2.3机制设计

作战任务需求属于认知域范畴，而认知的过程是对战场环境信息进行分析推理的过程，通过分析推理，量化抽象的任务需求，作为网络通信层面的参考，指导其动态调整［19］。根据这一自顶向下的思路，本文设计了网络通信层面与任务需求层面的耦合机制，如图3所示。

图3　耦合机制

耦合过程主要分为5个步骤，具体描述如下：

步骤1源信息标准化：源信息类型与具体设备类型相关，使得不同机载设备间及不同航空作战平台间无法直接进行信息共享，需对不同类型的源信息进行标准化处理，转化为交感信息，实现源信息的按需透明化传输。

步骤2智能化任务规划决策系统对大量信息数据进行筛选，明确是否生成任务匹配信息组，若生成则迅速提取，一方面作为自身任务规划决策的信息输入，另一方面将其通过航空集群云网络进行交互。

步骤3任务匹配信息组交互：任务匹配信息组将导致产生新的任务需求认知，航空作战平台受平台类型、信息感知能力以及当前坐标位置等因素影响，在一段时间内，航空集群中能够提取出相应任务匹配信息组的航空作战平台有限，需通过任务匹配信息组的交互实现整个航空集群对当前任务需求的认知。

步骤4任务需求认知统一：航空集群中任意航空作战平台将通过任务匹配信息组和自身当前状态确定的任务信息进行交互，完成航空集群所有成员对任务需求认知的统一，使得能实现分布式的任务申请。

步骤5网络链路层面调整：在量化的任务需求指导下对网络链路层面进行适应性调整，保证面向任务需求的高效信息共享。

3　系统模型

航空作战平台具有较远的通信距离，在一般情况下其通信范围可覆盖航空集群中其他成员。本文考虑航空集群各成员间组成通信范围为1跳的全连通网络进行信息交互的网络场景。

3.1基于OFDMA的可变带宽信道分配技术

随着硬件技术的发展，目前即使是商用设备也可以很方便地自适应地调整它所工作的频率中心点和信道宽度，并且开销很低，于是研究人员提出了可变带宽信道分配技术［20］。传统的可变带宽信道分配技术存在如下问题：①信道带宽可调整范围有限，以802.11为例，调整范围仅限于所提供的5、10、20、40 M Hz可选带宽；②传输链路所占用带宽必须连续［21］。

文献［22］采用了OFDMA技术进行可变带宽信道分配，利用OFDMA技术进行可变带宽信道分配具有以下优势：①可通过选择不同数量的子载波灵活地调整信道带宽，且信道带宽的调整步长和子载波带宽相同；②传输链路所占用信道带宽可以不连续；③可实现传输节点同时维持多条传输链路。可以看出基于OFDMA的可变带宽信道分配技术具备较强的灵活性。

3.2同步方式

卫星同步实现简单，且同步精度高，GPS同步时钟在保持模式下其授时精度可达15 ns。假定采用卫星授时实现全网时间同步，且忽略同步误差。

3.3信息收发模型

任意航空作战平台具有2个工作方式为半双工的信息收发设备，其中收发设备1占用较宽的频谱传输3.1节定义的相关信息，收发设备2占用固定较窄的频谱传输如集群成员位置、航迹等基本态势信息。相关协议设计主要针对收发设备1。

3.4航空作战平台使命状态与相关信息交互

对组成航空集群的航空作战平台，存在3种使命状态：①空闲状态（idle）。表明该航空作战平台没有被赋予具体的任务使命，处于idle状态的航空作战平台非特殊情况下使用信息收发设备2发送或接受基本态势信息，收发设备1仅接收信息不主动传输信息，目的是为具有任务使命的航空作战平台预留足够的信道资源。②任务执行状态（mission）。表明该航空作战平台正参与任务执行，有具体的任务使命，处于mission状态的航空作战平台间交互控制信息和任务需求信息。③协商状态（negotiation）。negotiation状态为航空作战平台间面向实际任务需求进行任务协商，任务分配规划和网络调整时所处的状态，处于negotiation状态的航空作战平台主要交互任务匹配信息组、任务信息和控制信息。negotiation状态为mission状态和idle状态之间相互转换的过度状态。

3.5航空作战平台网络状态

航空集群中任意航空作战平台，存在2种网络状态：①在网状态（in_net）。在in_net状态下，航空作战平台按照航空集群的信道资源占用策略占用相应信道资源进行信息的传输。②退网状态（out_net）。在out_net状态下，航空作战平台对于收发设备1没有被分配信道资源，非特殊情况下需保持对信道的持续侦听。在稳定状态下，处于in_net状态的航空作战平台其使命状态为mission，处于out_net状态的航空作战平台，其使命状态为idle。

3.6任务分配规划模型

航空集群遂行作战任务，需要针对不同任务目标完成多机多目标任务分配。本文采用如图4所示的任务分配规划模型［19，23 25］。

图4　任务分配模型

航空集群的任务分配规划以集中式的方式在统一的任务需求认知的基础上由任务主节点完成。一般选择最近发送任务匹配信息组的航空作战平台作为任务主节点。任务主节点主要负责统一任务需求认知和集群任务分配规划，确定各子任务主节点及子任务参与者，明确信道资源的使用权限。子任务主节点代表子任务参与者预约信道资源，子任务参与者需向子任务主节点报告自身信息传输需求和信息内容需求，同时，子任务主节点需帮助子任务参与者转发控制信息，使其控制信息可被全网感知。为防止任务主节点失效且又没有新节点发送任务匹配信息组的情况出现，任务主节点存在多个备用节点，切换到备用节点的方法不是本文研究的重点，故不做详细描述。

4　ASCN-MAC协议

本节结合航空集群云网络的网络特征以及第3节的耦合机制思想，以第4节的系统模型为基础，设计了面向航空集群云网络的MAC协议ASCN-MAC。

在描述具体协议之前，先对下文提到的相关术语进行说明：

（1）模式切换控制指令（mode change control，MCC）：控制收到MCC的航空作战平台使命状态转为negotiation，网络状态转为out_net。同时，MCC包含临时时帧结构信息。

（2）确认报文（acknowledgement，ACK）：航空作战平台通过ACK确认报文告知MCC的发送方已收到MCC。

（3）发送完成标识报文（transmission complete identification，TCI）：告知全网任务匹配信息组已发送完成，并告知集群中所有航空作战平台对临时时帧的时隙占用情况。

（4）任务申请（mission request，MR）：满足任务执行条件的航空作战平台需发送任务申请来申请参与任务。

（5）使命状态确认（mission status affirm，MSA）：明确各航空作战平台使命状态，并告知全网ASCN-MAC帧中时隙占用情况。

（6）信道资源预约报文（channel resource reservation，CRR）：子任务主节点利用CRR代表该子任务所有参与者预约信道资源。

4.1协议帧结构

ASCN-MAC以时帧为循环周期，时帧结构如图5所示，其时帧长度的基本组成单元是时间长度为的微时隙（mini slot，MS），时帧长度Tf可变。每1时帧共分为2个部分：①集群控制部分。该部分由要求（request，REQ）时隙和回复（reply，REP）时隙组成，REQ时隙用于需发送任务匹配信息组的使命状态为idle的航空作战平台发送MCC，REP时隙用于任务主节点周期发送MSA。②mission状态航空作战平台信息交互部分。该部分又由2个子部分组成，分别是控制信息传输部分和任务需求信息传输部分。前者由n个时间长度相同的时隙（slot）组成，且slot也由MS组成，n等于航空集群中子任务主节点数量且可依据任务需求动态变化，任意子任务主节点占用1个slot，所传输控制信息包括CRR和MCC，MCC较CRR具有更高的优先级，需优先保证MCC的传输，MCC包括自身生成的或帮子任务参与者转发的。任务需求信息传输部分将可用频谱分为w个子载波，以MS作为基本时间单元。

图5　ASCN-MAC协议帧结构

4.2协议总体流程框架

图6给出了ASCN-MAC协议的总体流程框架，协议所涉及的具体机制和算法将依据此框架在后文进行描述。

在初始化状态下，航空集群中各航空作战平台按照事先规划占用和预约相应的信道资源传输信息。

步骤1航空集群中各航空作战平台在当前网络通信状态下保持时间同步。

步骤2当收到MCC时，转入步骤5。若未收到MCC，转入步骤3。

步骤3判断是否生成任务匹配信息组：若未生成，则按相应策略占用和预约信道资源发送信息或接收信息，转入步骤1；若有任务匹配信息组生成，则转入步骤4。

图6　协议总体流程

步骤4发送MCC，转入步骤5。

步骤5完成对任务需求的统一认知和任务分配规划，按任务需求进行网络调整，转入步骤1。

4.3任务需求认知机制

ASCN-MAC协议的任务需求认知机制的具体流程如图7所示。

图7没有考虑控制信息交互失败的情况，对控制信息交互失败情况的处理方法将在4.4节进行描述。航空集群中任意航空作战平台无论是否生成任务匹配信息组，都需要先判断是否收到MCC，目的是为了使集群生成的任务匹配信息组能尽快的被传输。下面分生成任务匹配信息组且未收到MCC和收到MCC两个方面对图7进行描述。

（1）当航空作战平台生成任务匹配信息组且未收到MCC

步骤1判断自身是否可在当前时隙发送，若是则转入步骤2，否则等待自身可发送时隙到来后转入步骤2。若在等待过程中收到MCC，需优先保证此MCC发送方任务匹配信息组的传输，并以该任务匹配信息组为基础进行任务需求的认知，完成网络调整，再根据新的任务需求认知决定是否发送自身任务匹配信息组。

步骤2标记自身为当前任务主节点，使命状态转为negotiation，网络状态转为in_net，发送MCC，转入步骤3。MCC所含临时时帧结构如图8所示，时帧长度为T′f，分为m个slot，其中m等于当前航空集群所有航空作战平台数量。

步骤3在下一个时帧接收子任务主节点发送的ACK确认报文，转入步骤4。这里的子任务主节点是基于之前的任务需求认知确定的。

步骤4完成子任务主节点ACK确认报文的接收，并在当前时帧周期结束后按临时时帧结构占用全部slot发送任务匹配信息组，并在发送完成后发送TCI，转入步骤5。

步骤5保留1个发送时隙释放其余占用时隙，接收航空集群中除任务主节点外其他成员的MR和任务信息，对任务信息进行整合，得出统一的任务需求认知。若满足任务需求，转入步骤6。若超过规定时间仍未满足任务需求，直接转入步骤6，目的是为了尽量满足任务需求。

图7　任务需求认知

图8　临时时帧结构

步骤6以自身发送slot为起始点，利用1个临时时帧周期发送MCC和接收ACK确认报文，1个临时时帧周期后转入步骤7。

步骤7占用全部slot，按当前统一的任务需求认知发送任务信息，发送完成后转入步骤8。

步骤8发送MSA，使命状态转为mission，采用新时帧结构，按任务需求和自身任务角色进行网络调整。

（2）当航空作战平台收到MCC

步骤1若自身为之前任务需求认知确定的子任务主节点，并且该MCC由子任务参与者发送，则在下一时帧自身发送slot转发该MCC，否则仅发送ACK确认报文，转入步骤2。若自身当前使命状态为idle，直接转入步骤2。

步骤2使命状态转为negotiation，网络状态转为out_ net，转入步骤3。

步骤3侦听信道，接收任务匹配信息组，若收到TCI，转入步骤4。若未收到TCI且任务匹配信息组仍在发送，则转入步骤3。

步骤4按TCI置临时时隙表，自身智能化任务规划决策系统依据任务匹配信息组得出任务信息，并判断自身是否满足任务执行条件，若满足转入步骤5，不满足转入步骤6。

步骤5在自身发送slot发送MR和任务信息，并在任务主节点发送slot判断是否收到MCC。若收到MCC转入步骤7。若未收且自身MR或任务信息未发送完成，转入步骤5。

步骤6在任务主节点发送slot判断是否收到MCC，若收到转入步骤7，若未收到保持继续侦听。

步骤7在自身发送slot发送ACK确认报文，发送完成后网络状态转为out_net，转入步骤8。

步骤8接收任务需求信息，若收到MSA转入步骤9，若未收到且任务需求信息仍在发送，则转入步骤8。

步骤9采用新时帧结构，按任务需求和自身任务角色进行网络调整。

4.4控制信息交互失败问题及处理

航空作战平台在复杂多变的战场环境下受机身遮挡，多普勒效应，通信干扰等诸多因素影响，无法确保信息交互的绝对可靠。在网络通信层面面向任务需求进行调整时，控制信息的不可靠交互会使得航空集群成员的网络通信状态混乱，故需进一步考虑在任务需求认知过程中控制信息交互失败的问题。

（1）MCC接收失败。没有正确接收MCC的子任务主节点无法完成模式切换，若仍按原信道占用情况预约和传输信息，将干扰MCC发送方传输任务匹配信息组，同时在网络调整完成后干扰新网络状态下的信息传输。

处理方式：当收到其他子任务主节点发送的ACK确认报文，若自身发送slot未到来，则当自身发送slot到来时发送ACK确认报文，使命状态转为negotiation，网络状态转为out_net，否则直接将使命状态转为negotiation，网络状态转为out_net。当未收到其他航空作战平台发送的ACK确认报文且在1个时帧周期内未收到任何CRR，则将自身使命状态转为idle，网络状态转为out_net。对于参与各子任务的航空作战平台，若未收到自身所属子任务的子任务主节点发送的CRR，则将自身使命状态转为idle，网络状态转为out_net。

（2）TCI接收失败。未正确接收TCI的航空作战平台无法获知任务匹配信息组是否发送完成并按规定占用临时时帧结构相应时隙发送自身任务申请和任务信息。

处理方式：对未正确接收TCI的航空作战平台，当收到其他航空作战平台发送的任务申请和任务信息即可获知TCI接收失败，于是放弃任务执行，将自身使命状态转为idle，网络状态转为out_net。

（3）MSA接收失败。未正确接收MSA的航空作战平台将不能明确自身当前使命状态、网络状态以及对信道资源的占用情况。

处理方式：若航空作战平台未正确接收MSA，则默认自身使命状态为idle，网络状态为out_net。由于MSA是周期发送，若某次正确接收，则根据接收到的MSA进行调整。

（4）REQ时隙MCC发送冲突。若多个处于idle状态的航空作战平台在一个时帧内生成任务匹配信息组，则都会在在下一时帧REQ时隙发送MCC，造成MCC冲突。

处理方式：感知到MCC冲突的MCC发送方采用退避或概率发送机制，避免MCC的持续冲突。

在以上处理方式下，ACK确认报文和MR接收失败的情况不会造成网络通信状态混乱，故不考虑。

4.5面向任务需求的层次化信道资源预约方式及贪婪预约算法

与现有预约接入类MAC协议的预约方式不同，ASCNMAC在任务需求认知的基础上采用集中式与分布式相结合的层次化预约方式。各子任务参与者在当前时帧的任务需求信息传输部分的最后采用基于link的方式占用信道资源向子任务主节点报告信息传输和信息内容需求，各子任务主节点在下一时帧的控制信息传输部分发送CRR预约相应信道资源。各子任务参与者能够依据当前时帧子任务主节点发送的CRR确定当前时帧中传输任务需求信息占用的时帧长度，同时由于报告报文的长度固定，可依据子任务主节点ID号大小和自身ID号大小，分布式的依次占用相应的信道资源报告需求。报告报文的发送方各不相同，使得同一MS中最多可支持w个成员进行报告。

面向任务需求进行信道资源预约的主要思想是：在预约信道资源时，CRR不仅包括对信道资源占用的声明，同时也包括所占用信道资源传输的信息内容的声明，以便于航空集群中所有航空作战平台建立起信道资源与其所乘载信息内容的映射关系表。航空集群中任意航空作战平台可依据该映射关系表按自身任务需求选择性的接收信息，目的在于提高信道利用率与所获取信息的信息价值。

本文依航空作战平台所传输信息是否存在已知的接收方，将所传输信息分为有向信息和无向信息，原因在于：对于有向信息，信息发送方已知该信息的接收方，信息接收方通过填写在报头的目的地址可以判断是否为发送给自身的信息；对于无向信息，由于发送方不知道航空集群中其他航空作战平台对该信息的需求，但依据自身任务角色与任务使命又必须不断向航空集群云网络上传，所以无法给出具体的接收方。无向信息的接收方由需求该信息的航空作战平台根据映射关系表自身决定，并依靠子任务主节点发送的CRR向全网声明。

考虑到任务需求信息传输部分的帧结构，本文以（s，f）作为任务需求信息传输部分信道资源的基本组成单位，其中s表示MS编号，f表示子载波频率中心点。有向信息分为点对点（point to point，PP）和点对多点（point to multipoint，PMP），对于任意发送方i，用D（i，k）表示信息内容k的所有接收方的集合。同时，用（i，j）表示发送方i和接收方j之间的传输链路，用demand（i，s，f）表示信息发送方i在该（s，f）是否有需求的信息内容，C（i，j，s，f）表示有向信息传输链路（i，j）对该（s，f）的占用情况，C′（i，s，f）表示无向信息发送方i对该（s，f）的占用情况，n（i，j）表示满足传输链路（i，j）传输当前有向信息所需的信道资源，n′（i）表示i传输当前无向信息所需的信道资源。可以得到：

对任意航空作战平台，其在发送信息时无法同时接收信息，于是可推出如下约束条件：

式中，in（i）表示向i发送信息的航空作战平台的集合；out（j）表示从j接收信息的航空作战平台的集合。同时，所占用信道资源必须满足信息传输需求，故可得另一约束条件：

基于上述约束条件，本文给出了子任务主节点预约信道资源的贪婪预约算法：

输入

子任务m参与者集合A（m）；

任意任务参与者信息接收方集合D（i），D（i，k）；

信道资源占用统计φ（i，j，s，f），φ′（i，s，f）；

收发约束情况统计φ（i，j，s），φ′（i，s）；

信息传输需求n（i，j），n′（i）；

有向信息队列queue_1，无向信息队列queue_2；子载波数量w。

子任务主节点依次为该子任务参与者预约信道资源，算法描述如下：

算法第2～24行是对有向信息的预约。第2～4行从任意子任务参与者i的有向信息队列queue_1中提取需要发送的信息，并对队列进行更新。第5～16行首先确定信息k的接收方j，并量化信息k的传输需求，明确i与j传输信息k所需的信道资源，判断收发约束统计φ（i，j，s）是否等于0，若等于0，则进一步遍历所有（s，f），能够对所遍历到的（s，f）进行占用的情况仅有2种，一是当前（s，f）没有被占用，二是占用当前（s，f）的是发送方i将同一信息k发往不同接收方q的传输链路，在满足信息传输需求前不断遍历与占用信道资源，更新信道资源占用统计φ（i，j，s，f）和收发约束统计φ（i，j，s），并将微时隙的最大编号值赋给t。算法第25～46行是对无向信息的预约，其主要流程思想与有向信息相似，故不再重复叙述。需注意算法所提到的收发约束情况统计，是由信道资源占用统计φ（i，j，s，f）和信息内容需求统计demand（i，s，f）共同得出的，其中

对于帧长Tf的确定，在预约完成后各任务参与者根据信道资源占用情况以最大的MS编号计算帧长。

5　仿真及性能分析

本文采用Exata网络仿真软件结合具体作战想定对所设计协议网络性能进行仿真，网络全局仿真参数设置如表1所示，仿真对象为CSMACA、TDMA、F-DSA、ASCN-MAC协议，其中TDMA的所有时隙长度均为5 ms，F-DSA和ASCN-MAC的各部分时隙长度均为1 ms。对于ASCN-MAC，信道被分为20个子载波，每个子载波占用带宽为5 M。为排除上层任务需求认知差异对仿真结果造成的影响，任意仿真对象均在相同的任务需求认知的条件下进行性能仿真。

表1　网络全局仿真参数

对于智能OODA（“探测—判断—决策—行动”）回路，任务匹配信息组是任务规划决策的决定性信息，传输任务匹配信息组的时延直接影响决策时间，故首先对协议传输任务匹配信息组的时延性能进行仿真分析。生成的任务匹配信息组大小设置为88 M，且仅有1个节点生成。仿真结果如图9所示（其中图9（b）的节点业务量为1.3 M/s）。

由图9可以看出，ASCN-MAC传输完成任务匹配信息组的时延无论是随集群业务量的变化还是集群网络规模变化均大大低于CSMACA和TDMA，并与F-DSA相似。主要是由于当任务匹配信息组生成后，ASCN-MAC在1个时帧后占用了全部的信道资源传输任务匹配信息组，其主要思想和F-DSA的预约方式相似，而对于CSMACA和TDMA，生成任务匹配信息组的航空作战平台只能与其他航空作战平台竞争或是占用固定分配的时隙传输任务匹配信息组，故性能较差。同时可以看出，TDMA、F-DSA和ASCN-MAC传输任务匹配信息组的时延基本不受业务量变化的影响，受网络规模变化的影响较小，而CSMACA受集群业务量和网络规模的变化影响较大，主要是由于预约或固定分配类MAC协议使得生成任务匹配信息组的航空作战平台占用了专门的信道资源进行传输，其时延稳定性较好，而CSMACA的随机接入机制使得航空作战平台之间必须竞争占用信道资源，时延受其他航空作战平台的影响较大。同时图9说明了在集群网络中采用类似于预约的思想传输任务匹配信息组等大数据量的且有实时性要求的重要信息是较为理想的选择。

图9　任务匹配信息组传输完成时延比较

本文考虑的作战想定如下：为完成既定作战目标T组建了航空作战平台数量为30的航空集群。作战过程按先后顺序分为3个阶段：阶段1由探测能力较强的航空作战平台对作战区域进行协同探测，并根据探测结果发送任务匹配信息组，完成任务需求认知和任务分配规划（任务分配规划时间忽略不计）；阶段2保持协同探测的同时，由干扰能力较强的航空作战平台对其他威胁目标进行协同干扰，且进行干扰的航空作战平台不需要与进行作战区域探测的航空作战平台进行深度协同；阶段3保持协同探测的同时，执行协同干扰任务的航空作战平台不再进行干扰，由攻击能力较强的航空作战平台分别对既定作战目标T和其他威胁目标进行攻击，其中攻击既定作战目标T的航空作战平台不需要与执行探测任务的航空作战平台进行深度协同，而攻击其他威胁目标的航空作战平台需要与执行探测任务的航空作战平台进行深度协同。利用任务匹配信息组所获取的任务需求认知设定为：航空集群使命状态为mission，网络状态为in_net的飞机数量为15，依节点ID号大小，其中4机完成协同探测子任务，4机完成协同干扰子任务，7机完成目标攻击子任务（4机攻击其他威胁目标，3机攻击既定任务目标）。

阶段1的仿真结果如图10所示，该阶段集群mission执行成员为4架执行协同探测任务的作战飞机。

图10表明，随着执行作战区域协同探测任务的航空作战平台的平均业务量增加，对于TDMA，由于其他不参与任务执行的航空作战平台占用了大量时隙，导致信道利用率严重受限，其吞吐量提升出现瓶颈，无法满足业务传输需求；对于CSM ACA，由于报文碰撞，使得执行探测任务的航空作战平台的平均吞吐量低于F-DSA和ASCN-MAC，但其随机接入的机制使得其实时性优于F-DSA和ASCN-MAC；对于F-DSA和ASCN-MAC，两者吞吐量性能相似，但ASCN-MAC的实时性优于F-DSA，主要是由于F-DSA的每一时帧的预约时隙较多，预约时延较大，而ASCN-MAC面向任务需求的层次化预约方式充分利用了带宽资源，预约时隙数量远小于F-DSA，故ASCN-MAC的时帧长度远小于F-DSA，从而使得ASCNMAC所传输信息的实时性优于F-DSA，说明了本文所提出的集中式与分布式相结合的层次化信道资源预约方法的优势。

图10　阶段1协议性能仿真结果

阶段2的仿真结果如图11所示，该阶段针对探测结果进行了任务需求认知，集群mission执行成员为4架执行协同探测子任务的作战飞机和4架执行协同干扰子任务的作战飞机，其中执行协同探测子任务的作战飞机均保持4.9 M/s的业务量，仿真变量为执行协同干扰子任务作战飞机的平均业务量。

图11　阶段2协议性能仿真结果

通过图11可以发现，由于阶段2又新增4架干扰机进行信息传输，令TDMA的信道利用率有所提高，使得其吞吐量性能有一定改善，但信道利用率不高的问题依然存在，并且网络规模和网络业务量的增加使得CSMACA产生报文碰撞加剧，总的来看，网络规模和网络业务量的增加使得F-DSA和ASCN-MAC的吞吐量性能优势更加明显。与此同时，随着集群mission状态干扰机平均业务量的增加，CSMACA的载波侦听与退避时延急剧增加，导致其实时性大幅降低，而ASCN-MAC利用其传输优势和层次化的信道资源预约方式，充分利用了信道带宽资源，较其他3种协议始终保持了较强的实时性。

阶段3的仿真结果如图12所示，该阶段集群mission执行成员为4架执行探测任务的作战飞机和7架执行攻击任务的作战飞机，其中执行探测任务的作战飞机均保持4.9 M/s的业务量，执行攻击任务的作战飞机中攻击其他威胁目标的作战飞机保持1.5 M/s的业务量，仿真变量执行攻击任务的作战飞机中攻击既定目标作战飞机的平均业务量。

图12　阶段3协议性能仿真结果

图12中ASCN-MAC（SD）表示协议仅考虑由信息发送方决定信息接收方的情况，同时由于CSMACA的端到端时延已达到200 ms以上，故在图12（b）中未对CSMACA的端到端时延进行描述。通过图12可以看出，与前几个阶段相同，ASCN-MAC的吞吐量性能和实时性优势依然较大，并且可以发现，当仅由信息发送方决定信息接收方时，ASCN-MAC（SD）的时延性能不如面向需求进行信道资源预约时好，主要是由于面向需求的信道资源预约算法使得不需要发送方信息的网络用户能在同一时隙占用未被占用的带宽资源而不受收发约束条件的影响，提升了信道利用率。

6　结束语

本文基于智能化指挥控制模式下进行网络化集群作战的作战背景开展数据链网络方面相关研究，提出了航空集群云网络的概念，并结合其网络特征设计了任务需求层面与网络通信层面的耦合机制。在此基础上，本文结合基于OFDMA的可变带宽信道分配技术进一步设计了面向航空集群云网络的MAC协议ASCN-MAC，设计了其帧结构，通过协议的任务需求认知机制实现了上层任务需求层面与数据链路层面的耦合，为智能化任务规划决策提供了通信支撑，也为航空集群的任务需求信息传输保留了足够的信道资源。同时，提出了面向任务需求的集中式与分布式相结合的层次化信道资源预约方法和信道资源贪婪预约算法，减少了预约时隙数量和时帧长度，在保证吞吐量性能的同时提高了协议的实时性。仿真结果表明，ASCN-MAC协议在任务规划决策的通信支撑能力、吞吐量性能和实时性上均具备较强的优势，可以满足新的作战样式下大量面向任务需求的信息的可靠低时延传输需求。下一步工作将把网络场景扩展到多跳进行协议改进，以及研究结合具体任务需求的协议理论建模与参数优化问题，算法优化问题，作战效能评估问题等。

［1］Huo D J.Operation of networked swarms［M］.Beijing：National Defence University Press，2013.（霍大军.网络化集群作战研究［M］.北京：国防大学出版社，2013.）

［2］Duan H B，Shao S，Su B W.New development thoughts on the bio-inspired intelligence based control for unmanned combat aerial vehicle［J］.Science China Technological Sciences，2010，53（8）：2025-2031.

［3］Headquarters.United states air force unmanned aircraft system flight plan 2009-2047［R］.Washington DC，2009.

［4］Wallar A，Plaku E，Sofga A D.A planner for autonomous risksensitive coverage（PARCov）by a team of unmanned aerial vehicles［C］//Proc.of the IEEE Symposium on Swarm Intelligence，2014：1-7.

［5］Dong S Y，Zhu X P，Long G Q.Cooperative planning method for UAVs based on hierarchical strategy［C］//Proc.of the IEEE International Conference on System，Science Engineering Design and Manufacturing Information，2012：304-307.

［6］Han J，Wang C H，Yi G X.Cooperative control of UAV based on multi-agent system［C］//Proc.of the IEEE Conference on Industrial Electronics and Applications，2013：96-101.

［7］Wei Y，Madey R G，Blake BM.Agent-based simulation for UAV swarm mission planning and execution［C］//Proc.of the Agent-Directed Simulation Symposium，2013：7-14.

［8］Kumar S，Raghavan S V.Medium access control protocols for ad hoc wireless networks：a survey［J］.Elseυier Ad Hoc Networks，2006，4（3）：326-358.

［9］Baek H，Ko S，Lim J.Enhanced MAC protocol with new packing for imagery transmission in link-16［C］//Proc.of the IEEE Military Communications Conference，2014：891-896.

［10］Lee J K，Lee K M，Lim J.Distributed dynamic slot assignment scheme for fast broadcast transmission in tactical ad hoc networks［C］//Proc.of the IEEE Military Communications Conference，2012：1-6.

［11］Huang T，Liu J，Huo R，et al.Survey of research on future network architectures［J］.Journal on Communications，2014，35（8）：184-197.（黄韬，刘江，霍如，等.未来网络体系架构研究综述［J］.通信学报，2014，35（8）：184-197.）

［12］Develder C，De L M.Optical networks for grid and cloud computing applications［J］.The Eυolution of Optical Networking，2012，100（5）：1149-1167.

［13］Khan MK，Shaheen M.Empowering users of cloud computing on data confidentiality［C］//Proc.of the IEEE International Conference on Cloud Networking，2014：272-274.

［14］Gao X G，Wan K F，Li B，et al.Design of networking antistealth fire control system based on cloud cooperating technology［J］.Systems Engineering and Electronics，2013，35（11）：2320-2328.（高晓光，万开方，李波，等.基于云协同的网络集群反隐身火控系统设计［J］.系统工程与电子技术，2013，35（11）：2320-2328.）

［15］Luo G M.Data link-the shortcut of information system to weapon system［M］.Beijing：National Defense Industry Press，2008.（骆光明.数据链信息系统连接武器系统的捷径［M］.北京：国防工业出版社，2008.）

［16］Tu X J，Li Q，Kou M Y，et al.Management of dynamic airborne network using cloud computing［C］//Proc.of the IEEE/ AIAA Digital Aυionics Systems Conference，2012：4D6-1 4D6-8.

［17］Yilmaz H B，Tugcu T，Alagoz F.Radio environment map as enabler for practical cognitive radio networks［J］.IEEE Communications Magazine，2013，51（12）：162-169.

［18］Mahdi H A，Ansar Z，Mwanje S，et al.Q-CE：self-organized cognitive engine based on Q-learning［C］//Proc.of the Wireless Communications and Networking Conference Workshops，2014：202-207.

［19］Kou M Y，Xiong H G，Li Q，et al.Mission capacity oriented self-organized networks architecture［J］.Systems Engineering and Electronics，2013，35（5）：980-986.（寇明延，熊华钢，李峭，等.面向任务能力的自组织网络体系结构［J］.系统工程与电子技术，2013，35（5）：980-986.）

［20］Yuan W，Wang P，Liu W，et al.Variable-width channel allocation for access points：a game-theoretic perspective［J］.IEEE Trans.on Mobile Computing，2013，12（7）：1428-1442.

［21］Huang T P，Chen HM，Zhang Z L，et al.Variable-width channel allocation based on game theory in 802.11 networks［J］.Journal of Computer Research and Deυelopment，2013，50（10）：2059 2069.（黄庭培，陈海明，张招亮，等.802.11网络中基于博弈理论的可变带宽信道分配研究［J］.计算机研究与发展，2013，50（10）：2059-2069.）

［22］Wang X D，Huang P F，Xie J，et al.OFDMA-based channelwidth adaptation in wireless mesh networks［J］.IEEE Trans. on Vehicular Technology，2014，63（8）：4039-4052.

［23］Jiang Y C.Task allocation in networked multiagent systems［J］. Pattern Recognition and Artificial Intelligence，2012，25（2）：262-272.（蒋嶷川.网络结构化多Agent系统的任务分配［J］.模式识别与人工智能，2012，25（2）：262-272.）

［24］Shen L C，Chen J，Wang N.Overview of air vehicle mission planning techniques［J］.Acta Aeronautica et Astronautica Sinica，2014，35（3）：593-606.（沈林成，陈璟，王楠.飞行器任务规划技术综述［J］.航空学报，2014，35（3）：593-606.）

［25］Wan L J，Yao P Y，Sun P.Distributed task allocation method of manned/unmanned combat agents［J］.Systems Engineering and Electronics，2013，35（2）：310-316.（万路军，姚佩阳，孙鹏.有人/无人作战智能体分布式任务分配方法［J］.系统工程与电子技术，2013，35（2）：310-316.）

Aeronautic swarm cloud network oriented MAC protocol for aviation data link

LÜNa，CHEN Ke-fan
（School of Information and Naυigation，Air Force Engineering Uniυersity，Xi'an 710077，China）

To meet the new network demand of aeronautic swarm operation in the future，a new concept named as“aeronautic swarm cloud network”is proposed，and the coupling mechanism between the communication and mission demand is designed which provides the reference for the concrete technique of aeronautic swarm network.Based on the concept and mechanism，a media access control（MAC）protocol combined with orthogonal frequency division multiple access（OFDMA）-based variable-width channel allocation is designed.The mission demand cognitive mechanism for the proposed protocol is designed in detail，which provides transmission support for intelligent mission planning and decision，the mission demand oriented hierarchical reservation method for channel resource and the greedy reservation algorithm are put forward based on the characteristic of OFDMA and the thinking of mission demand.Simulation results show that the aeronautic swarm cloud network oriented MAC protocol（ASCN-MAC）has a strong advantage in transmission support ability for intelligent mission planning and decision，throughput and real-time.The research has a certain referential significance or value for the new generation of aviation data link research for the new form of operation.

aeronautic swarm；cloud network；data link；media access control（MAC）protocol；variablewidth channel allocation；orthogonal frequency division multiple access（OFDMA）

TP 393

A

10.3969/j.issn.1001-506X.2016.05.30

1001-506X（2016）05-1164-12

2015-05-20；

2015-11-19；网络优先出版日期：2015-12-09。

网络优先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20151209.1417.006.html

国家自然科学基金（61302153，61472443）资助课题

吕娜（1970-），女，教授，博士，主要研究方向为军事航空通信。

E-mail：lvnn2007@163.com

陈柯帆（1990-），男，硕士研究生，主要研究方向为航空数据链。

E-mail：1148180199@qq.com