基于 ITS 与 W6ELProp 模型的短波频率预测方法及应用研究

周思捷，张海勇，徐 池

(海军大连舰艇学院，辽宁 大连 116018)

基于 ITS 与 W6ELProp 模型的短波频率预测方法及应用研究

周思捷，张海勇，徐 池

(海军大连舰艇学院，辽宁 大连 116018)

频率预测技术的出现为通信链路的选频提供了依据，然而传统的频率预测模型需要通过复杂的链路计算对短波通信频率进行预测。在解决链路的选频问题上，基于 ITS 与 W6ELProp 模型的预测方法省去了人工计算过程，实现选频过程的程序化。本文在分析传统预测方法适用性的基础上，结合仿真结果，进行 ITS 与 W6ELProp模型在应用方面的研究。对短波通信保障具有参考价值。

选频；频率预测技术；预测模型

0 引 言

短波天波传播利用电离层折射的方式可以完成远距离通信，但由于电离层这一媒介具有时变色散的特点，传播过程中的时延散布、路径损耗、干扰以及噪声都随着时间、地点和天文气象不断变化，这些因素和限制给通信链路的选频造成了很大困难。在短波通信中，对于工作频率的选择非常严格，正确的选频是建立通信链路的关键因素，不恰当地选频不但严重影响通信的质量并且无法及时建立正常的通信链路；若工作频率选的高于最高可用频率（MUF），大部分电波能量将穿透电离层；若工作频率选的低于最低可用频率（LUF），大部分电波能量将被电离层吸收。随着短波技术不断发展，对选频的高效性以及准确性也提出了更高的要求。频率预测技术的出现能够提前预测电离层情况，为信道预置提供了依据，然而传统的预测手段在链路计算方面耗时耗力。频率预测软件将原本复杂繁琐的链路计算简单化、程序化[1]，省去了人工计算的过程，减少了建立通信链路时的选频时间，在一定程度上提高了短波通信设备在战时的快速响应能力。

1 短波频率预测方法概述

频率预测的实现原理一般是通过构建信道相关参数模型，结合数学算法和长期总结出的规律实现频率优选。根据预测的时效性不同，频率预测一般分为长期预测、中期预测以及短期预测。频率预测技术保证了建立通信链路的有效性和可靠性，同时也为区域内的频率管理创造了先决条件[2]。频率预测技术在一定程度上解决了选频难的问题，这一措施为通信组织者恰当地为各条通信链路分配最佳可用频率提供辅助信息。

1.1 传统短波频率预测方法

传统短波频率预测方法主要有 2 种，即 CCIR 推荐方法（340 报告）以及中国电波传播研究所提出的亚大预测方法[3]。下面将对比两者在频率预测中的适用性。

1）二者的实质就是根据长期的历史底层数据来进行中长期的电离层参数预测。“340报告”只用了一些观测站 1954 ～ 1958 年的数据，只在少部分没有这几年数据的区域才使用其他年份的数据补充，仅结合这些数据进行频率预测显然无法得到精确的预测结果。而亚大方法依据国内外共 39 个观测站给出的数据进行频率预测，预测精度得到保证。

2）“340 报告”是由国际电信联盟推荐，适合在全球范围内对电离层参量进行预测的方法。亚大方法预测的依据是亚大地区（包括大洋洲、亚洲、太平洋和印度洋的部分海域，东经 60° ～ 150°，北纬 65° ～ 南纬 40°）多个电离层观测站多年积累的该地区电离层的历史观测数据，因此其适用范围有一定的局限性，4 000 km以上的远距离通信，需要经过电离层的多次跳变，现有方法对于多跳、多模式不适用或者精度低。

3）在预测电离层某参量时，“340 报告”需要输入 2 858 个数据，“亚大预测”需要输入 1 200 个数据。这个工作量很大，不易于决策者快速建立短波通信链路，并且其中引入的人为因素较多，对预测的精确度也有较大影响。

总体而言，2 种传统预测方法的预测精度有限，适用范围有限，并且工作量较大，无法满足目前远距离通信的需求。

1.2 基于现代算法的频率预测方法

随着信息化的不断推进，对短波通信保障的要求也越来越高。传统的预测方法已经难以胜任保障远程通信的任务。因此，国外学者结合现代算法对频率预测方法进行了大量研究。较为典型的有：

1）基于 Lyapunov 指数的混沌预测方法：该方法的原理是基于短波通信最高可用频率的混沌特性，利用混沌理论对其进行短期预测[4]；

2）电离层同化短期预报方法：该方法提出了一种基于卡尔曼同化技术的电离层特征参数短期预报方法，为短波频率的预测提供精度较高的电离层参量[5];

3）基于人工神经网络的短波频率预测方法：近年来，人工神经网络在短波频率预测方面取得了较好的效果。由于神经网络中神经元之间的传输函数是一个非线性函数，通过隐藏层以及输入输出层之间的非线性关系，它可以很好地逼近一个非线性过程[2]，这一特点正好契合电离层信道的时变色散性。利用历史数据训练神经网络，训练后的网络能显示出电离层的一般变化趋势，省去了复杂的电离层方程。结合了神经网络的预测方法不需要对电离层做出任何人为假定，较传统预测方法预测精度也有所提高，但是神经网络结构复杂，一旦训练完成，不易调整，也有很多基于神经网络的新理论、新方法一经提出，便束之高阁，难以工程化。基于人工神经网络的预测方法很难适用于信道起伏特性较大的远距离通信保障，从工程上也难以实现较完整的网络拓扑结构。

总体而言，传统的短波频率预测模型与基于现代算法的频率预测方法在一定程度上都提高了建立通信链路的效率，但都存在着各自的不足：传统的短波频率预测方法工作量大，引入了人为因素，无法保证预测精度；而基于现代算法的短波频率预测方法虽然在预测精度上有所提高，但仍然存在结构复杂、不易工程实现等问题。在实际运用中，这两类频率预测方法适用性都有局限，将频率管理智能化和简单化已然成为目前短波通信中亟需解决的问题，而频率预测软件的问世实现了频率预测程序化，既没有人为的干扰因素，也不存在结构复杂不易工程实现等问题。

2 ITS 与 W6ELProp 模型及应用介绍

目前常用的 2 款频率预测模型分别是由美国 Institute for Telecommunication Science 开发的 ITS，以及由Sheldon C.Shallon 发布在国际业余无线电联盟 IARU 网站的 W6ELProp。基于这 2 个模型的预测方法都能预报2～30 MHz 频段内短波通信性能，它们的可靠性已经在实际运用中得到证明。下面将分别介绍 2 个模型在应用中的优点：

1）ITS 模型。以该模型为基础开发的预测软件依据短波信道传播特性来进行短波通信链路规划，并且可以做到提前 1 个月甚至更长时间预测出短波的传播

模式、链路的最高可用频率以及接收点信号强度等参数的月中值，预测结果显示在电子地图上，更方便使用者拟定频率规划方案。根据通信保障的质量要求，根据这些信道参数和数据的月中值，又可以对整个链路的系统性能参数进行估算，包括天线增益、天线发射功率等。在通信链路能力已定的情况下，可以得到该信道的最高可用频率，根据最高可用频率通常可以确定最佳工作频率。对于一般的通信链路而言，最佳工作频率通常选为最高可用频率的 80%～90%。相对于传统的短波频率预测方法，这一手段不仅能得到精确度较高的结果，并且也省去了复杂的链路计算，被广泛应用于短波通信电路的设计。

2）W6ELProp 模型。该模型的研发者 Sheldon C.Shallon 以实际的无线电电磁环境为基础，建立了这款电波传播的预测模型。该模型算法考虑了大部分天文现象对短波通信的影响，如：太阳黑子数和 K 指数（K 指数反映了前 3 h 的地磁条件，取值在 0～9 之间）。以 W6ELProp 模型为基础开发的预测软件最显著的一个特点是它允许使用者通过输入经纬度，任意指定一个通信端点，输入当天的 K 指数和太阳黑子数(这 2 个参数分别可以在文献[6]和文献[7]上查到，并且每天都有更新)，就可以得到该通信端点与地球上任意一点任意时刻的 Frequency Map（频率图）[8]，从频率图上，可以得到此时此刻的最高可用频率。这里需要注意的是，图上的最高可用频率都随时间一直发生变化，在保障通信时选定最佳通信频率也需要随时间变化作出相应调整。

3 仿真分析

以 ITS 和 W6ELProp 模型开发的预测软件为仿真平台，分别预测 2011 年 8 月 19 日 A 地（N36.4、E116.2）和 B 地（N26.3、E109.2）之间的通信频率，分析 ITS 与 W6ELProp 模型在实际应用中的适用性。通过互联网查得 8 月 19 日前后几日的太阳黑子数和 K指数，如表 1 所示。

3.1 基于 ITS 模型的频率预测

利用 ITS 软件包中的 REC533 模块对 A、B 两地的短波可用频段进行预测，REC533 的用户界面如图 1 所示。

其参数设置：年（Year）、月（Month）、太阳黑子数（SSN）、干扰噪声（Noise）、最小发射角（Min Angle）、信道可靠度（Req.Rel）、信噪比（Req.SNR）、带宽（Bandwidth）等参数如表 2 所示。

剩余的参数设置依照系统设置的缺省值。参考频率为 6.075，7.200，9.700，11.850，13.700，15.350，17.725，21.650 和 25.885（MHz）。运行 REC533，得到如图 2 所示结果。

表1 太阳黑子数及 K 指数一览表Tab.1 Sunspot number and K index list

图1 REC533 软件的用户界面Fig.1 The user interface of the REC533 software

表2 REC533 参数设置Tab.2 REC533 parameter settings

图2 A、B 两地间不同时段的可用频率图Fig.2 REC533 parameter settings

从图可看出，信噪比大于 70 dB 的，都为可选用频率。图中的 2 根粗黑线分别给出了当天最高可用频率和最低可用频率的趋势。从图中还可看出，在 00:00 ～

16:00（UT）与 21:00 ～ 24:00（UT）时间段内，MUF 与LUF 之间存在白色区域，说明在这 2 个时间段内，电离层变化较平缓，可以获得较好的通信质量。在选用最佳通信频率时，通常选最高可用频率的 80%～90%。以 12:00（UT）为例，此时的 MUF 是 14.45 MHz，则选定的最佳通信频率为 12.28 MHz。下一步将利用REC533 来验证该频率是否适合用于保障通信。

参数设置只需要将频率设置改为 12.28 MHz，其余参数不变，得到如图 3 所示结果。从图中可以直观地看到，该频率点时间与信噪比的关系曲线图：深色区域表示传播模式为 1F2；浅色区域表示传播模式为1E。在 19 日当天，频率 12.28 MHz 的信噪比最高为100.15 dB，最低为 72.65 dB，符合所设置信噪比要求。因此，可以选择 12.28 MHz 作为 A、B 两地间的通信频率。

图3 12.28 MHz 频率的时间-信噪比图Fig.3 Available frequency graphs for different time periods between A and B

3.2 基于 W6ELProp 模型的频率预测

W6ELProp 软件的用户界面如图 4 所示。

图4 W6ELProp 软件的参数设置界面Fig.4 W6ELProp software parameter setting interface

参数设置如下：A 地的经纬度（N36.4、E116.2），日期 2011 年 8 月 19 日，时间 1 200（UT），太阳黑子数为 31，K 指数为 2，其余参数采用系统设置的缺省值，得到如图 5 所示的结果。

从图中可以很清楚地获得 2011 年 8 月 11 日地球上任意一点在 12：00（UT）与 A 地的短波通信链路的最高可用频率。利用该软件，使用者可以准确地获得任意一点在不同时间与 A 站之间通信链路的最高可用频率，省去了大量的链路计算时间，提高了建立通信链路时选频的效率。从图中可以看出，B 地（N26.3、E109.2）所在的区域在 12：00（UT）的 MUF 是 14.2 MHz，这与之前基于 ITS 模型的预测结果 14.45 MHZ 基本吻合（其中存在的差异是由 2 款软件中系统默认的噪声类型以及天线类型不同造成的）。通过以上对仿真的分析，可以得出以下结论：

图5 W6ELProp 软件预测结果Fig.5 W6ELProp software forecast results

1）基于 ITS 与 W6ELProp 模型的频率预测软件将复杂的链路计算简单化、程序化，节约了大量时间，并且没有任何人为因素的影响，可以获得较为精确的结果；

2）基于 ITS 模型的预测方法将固定台站的通信链路之间各频点的参数以图形的方式表现出来，将参数随时间变化的趋势非常直观地展示给用户，适用于详细地制定和修改通信计划；

3）基于 W6ELProp 模型的预测方法适用于移动通信站与固定台站之间的通信，能实时预测出全球各地与固定台站通信链路之间的可用频率，适用于海上通信保障。

4）基于 ITS 模型的预测方法将 2 个固定台站之间通信链路的最高可用频率（MUF）、辐射角（ANGL）、接收机信号强度中值（DBU）、接收机信号功率中值（dBpW）、信噪比（S/N）等电离层参数以及系统参数与时间的关系直观地展现出来，为制定中长期的通信计划提供依据。但 ITS 软件对输入的系统参数要求比较苛刻，在缺失某项参数时，无法精确地完成预测。并且当接收端发生变化时，需要重新输入地理位置，重新进行频率预测。相比之下，基于W6ELProp 模型的预测方法虽然功能较单一，只能完成简单地预测工作，但对系统输入参数的要求很低并且能实现移动通信站与固定台站间的实时选频，对保障

海上目标与岸基之间的通信具有重要参考价值。

5）在通信设备条件允许的情况下，如岸基与岸基之间、岸基与岛礁之间的通信，使用 ITS 模型预测可以获得非常详细的信道参数、传播模式以及系统的性能参数等指标，为研究信道参数以及通信设备对通信频率的影响提供数据支撑。而在通信条件有限的情况下，如：舰艇与岸基之间的通信。凸显出 W6ELProp模型的优势：实时地频率预测不依赖详细的输入参数。W6ELProp 模型为海上短波通信保障提供了另一条途径。

4 结 语

从以上分析可知，结合 ITS 与 W6ELProp 模型来进行电离层参数的预测，进而实现对短波通信频率的定频预测，这一举措有效解决了传统预测方法存在的耗时长问题。ITS 与 W6ELProp 模型不断修正电离层模型，具有广泛的应用基础。利用 ITS 与 W6ELProp 模型能省去冗长的链路计算，提高通信设备的快速反应能力，这在建立通信链路的过程中不失为一种好途径。

[1]王林志, 谢绍斌. 基于ITS的短波链路频率指配与电磁计算[J].空军工程大学学报(自然科学版), 2006, 7(3): 77–81. WANG Lin-zhi, XIE Shao-bin. Frequency assignment and electromagnetism calculation in short-wave link calculation based on ITS[J]. Journal of Air Force Engineering University (Natural Science Edition), 2006, 7(3): 77–81.

[2]袁立明. 基于模糊小波神经网络的短波通信频率预测方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2008. YUAN Li-ming. Shortwave communication frequency prediction based on fuzzy wavelet neural network[D]. Harbin: Harbin Engineering University, 2008.

[3]李忠勤, 孙宪儒. 亚大预测与CCIR推荐方法(340报告)的比较[J]. 电波科学学报, 1992, 7(2): 17–29. LI Zhong-qin, SUN Xian-ru. A comparison between two F2-large prediction methods of Asia-oceania region and CCIR rep. 340[J]. Chinese Journal of Radio Science, 1992, 7(2): 17–29.

[4]徐池, 邱楚楚, 李梁, 等. 海上短波通信频率优选技术现状与分析[J]. 通信技术, 2015, 48(10): 1101–1105. XU Chi, QIU Chu-chu, LI Liang, et al. Status and analysis of optimum frequency selection for maritime HF communications[J]. Communications Technology, 2015, 48(10): 1101–1105.

[5]汤军, 姬云生, 王健, 等. 短波通信选频中的电离层同化短期预报方法[J]. 电波科学学报, 2013, 28(3): 498–504. TANG Jun, JI Yun-sheng, WANG Jian, et al. Assimilation methods of ionospheric short-term forecast for selecting frequency in short-wave communication[J]. Chinese Journal of Radio Science, 2013, 28(3): 498–504.

[6]Current conditions[EB/OL]. http://spaceweather.com.

[7]Current solar indicies from WWV[EB/OL]. http://dx.qsl.net/propagation.

[8]聂文化, 张晓敏, 庞和平. 基于W6ELPropTM和天波通信链路模型的固定台站短波通信频率预测[J]. 电信技术研究, 2012(5): 25–29. NIE Wen-hua, ZHANG Xiao-min, PANG He-ping. Frequency prediction based on fixed stations shortwave communication W6ELPropTMand HF communication link model[J]. Research on Telecommunication Technology, 2012(5): 25–29.

Based on the ITS and W6ELProp model HF feruencies prediction method and application research

ZHOU Si-jie, ZHANG Hai-yong, XU Chi
(Department of Information and Communication Engineering, Dalian Navy Academy, Dalian 116018, China)

The emergence of frequency prediction technology provides the communication link of frequency selective basis, however, the frequency of the traditional forecast model need to be calculated by complex link to forecast the HFcommunication frequency.To deal with the problem of link of frequency selective, based on the ITS and W6ELProp model to predict the method saves the process of artificial calculation, which realized the programmed in the process of frequency selective.The paper analyzes the applicability of the traditional forecast methods.Then it combined with the simulation results and did the research of the application of the ITS and W6ELProp model, which has reference value to the HF communication support.

frequency selection；frequency predicition technology；predicition model

TN917

A

1672 – 7619(2016)11 – 0143 – 05

10.3404/j.issn.1672 – 7619.2016.011.030

2016 – 03 – 30；

2016 – 05 – 16

周思捷(1992 – )，男，硕士研究生，研究方向为通信系统分析与应用。