基于侦收价值的短波协同侦收资源调度算法

刘 洋，王伦文

(国防科技大学电子对抗学院，安徽 合肥 230037)

0 引言

短波协同侦收资源调度问题要求在符合任务时序约束和资源约束的条件下，安排每一侦收设备的任务开始时间和侦收目标从而达到侦收效能最大。而在实际情况当中，短波波段信号密集，信号属性不尽相同，如何利用好相对有限的侦收资源获取侦收价值较高的敌方通信信号，是现有侦收模式需要解决的首要问题。因此，研究基于侦收价值的短波协同侦收资源调度方法，提高侦收效益十分必要。

基于价值优先的资源调度问题是智能信息处理领域研究的热点难点。目前，国内外学者已相继展开了研究并取得了一定成果。文献[1]提出了一种优先考虑拓扑结构的资源调度策略，解决了系统资源性能下降的问题，但系统拓扑数和节点较低。文献[2]提出了一种节能的动态卸载和资源调度策略，减少了能源消耗,但算法过于复杂。文献[3]提出了一种改进型资源调度算法，有效降低了丢包率，但没有考虑系统能耗问题。文献[4]提出了一种针对不同优先级的性能分配算法，有效地隐藏了内存延迟并提高了系统性能，却忽略了系统自身性能。文献[5]实现了一种半固定优先级资源调度算法，减少了资源争夺，但调度不具有全局性。文献[6]设计了一种基于多目标优先的资源调度算法，调度更全面，更加符合实际需求，但算法计算量巨大。

上述所提方法虽在某种程度上提升了系统资源调度效率，并没有充分利用目标先验信息，也未能解决调度目标的人为因素影响，在某些场景下，难以适用。因此，本文提出基于侦收价值的短波协同侦收资源调度算法。

1 信号侦收价值

侦收价值评估是专属研究领域，要评估搜索频段内信号的侦收价值，需要提取信号的相关属性作为信号评估的输入。为简化起见，本文拟从信号的时域、频域、空间域和能量域等方面的特征入手，评估信号的侦收价值。

1.1 通联时间

通联时间是信号的时域特征，信号Si的通联时间为ti是指侦收机首次侦收到信号Si的时间点为ti。对于侦收方来说，距离当前时刻越近的信号研究价值越大。假定参照通联时间为t0，最大通联时间为tb。信号Si通联时间归一化参数αit表达式为式(1)所示：

(1)

在其他条件固定不变的情况下，αit越大，信号侦收价值越大。

1.2 通信频率

通信频率是信号的频域特征，目标信号的通信频率点遵循一定的通联规则。侦收过程中使用频率越高的频段侦收价值越大。假设信号Si的通联频率为fi，中心频点为f0，通信频段为[fmin,fmax]。则信号Si的通信频率归一化参数αif表达式如式(2)所示：

(2)

在其他条件固定不变的情况下，αif越大，信号侦收价值越大。

1.3 信号方位与功率

信号方位是信号的空间域特征。信号方位符合侦收方向的频率点侦收价值比较大。假设信号Si的方位为θi，中心方向为θ0，通信区域为[θmin,θmax]。则信号Si的信号方位归一化参数αiθ如式3所示：

(3)

在其他条件固定不变的情况下，αiθ越大，信号侦收价值就越大。

1.4 归一化幅值

归一化幅值是信号的能量域特征。信号功率与平均幅值之间的差距越大，信号侦收价值就越大。假设信号Si的归一化幅值为pi，平均归一化幅值为p0，幅度范围为[pmin,pmax]。则信号Si的信号功率归一化参数αip表达式如式(4)所示：

(4)

在其他条件固定不变的情况下，αip越大，信号侦收价值就越大。

对上述特征函数同时优化，得出基于信号先验信息的价值评估模型为：

prim=λ1·αit+λ2·αif+λ3·αiθ+λ4·αip

(5)

式(5)中，λ1≥0表示通联时间侦收价值评价指标的系数，λ2≥0表示通信频率侦收价值评价指标的系数，λ3≥0表示信号方位侦收价值评价指标的系数，λ4≥0表示归一化幅值侦收价值评价指标的系数，并且λ1+λ2+λ3+λ4=1。

2 短波协同侦收资源调度算法

2.1 基本原理

由于模拟侦收天线覆盖范围和目标信号覆盖范围较为困难，本文对仿真实验模型进行了一定简化，假定目标信号都在各个侦收单元天线可覆盖范围内。短波侦收效益是指各侦收单元对目标信号侦收效果与侦收价值收益的结合，具体表达如式(6)所示：

Pi=Prioi·prij

(6)

由文献[7]可知，各单元对目标信号的有效侦收概率表达式如公式(7)：

(7)

式(7)表示达到或高于最小场强值Emin的时间百分率，E为接收点中值场强，Emin是侦收单元能正常接收处理信号所需的最小场强值，其计算公式为：

Emin=(S/N)min-Dr+20lgf+ONF+10lgB-97

(8)

式(8)中，(S/N)min是侦收接收机处理信号所需的最低信噪比；Dr为接收天线的方向系数；ONF为工作噪声系数；f为接收信号频率，B为接收信号带宽。

本文结合了现有理论成果和经验公式计算短波天波传播损耗和场强，采用了一个简洁有效的适用于仿真系统的适用模型，基于该模型计算接收点的中值场强，公式(7)中的E表示辐射源辐射的电磁波在某个时间内经过衰减后到达接收点的中值场强，按式(9)计算：

E=107.2+20lgf+Gt+Pt-Lb

(9)

式(9)中，f为信号频率；Pt为信号发射功率；Lb为传播损耗。信号频率可以直接获得，敌方发射机的装备参数也可以通过长期侦察经验和相关资料获得，而传输损耗也可以根据相关条件计算获得。

2.2 评估指标

在有限的侦收资源下，系统侦收效能指标在所有性能指标中最为重要，即实现有效侦收效益最大化为短波协同侦收资源调度目标。设定信号侦收任务集合为T={t1,t2,…,tN}，N为信号数目，侦收单元集合为U={u1,u2,…,uM}，M为侦收单元数目。为防止协同侦收占用过多资源，限制协同规模Rmax。Uilocation表示侦收单元i所在位置，Uiband表示侦收单元i处理带宽，即接收机带宽，Uiarea表示侦收单元i的覆盖范围。

当多个侦收单元对同一目标信号协同侦收时，对于一个目标信号j，侦收系统对其协同侦收概率如式(10)所示：

(10)

将信号侦收任务集合进行排序，得到的信号侦收价值序列：P1,P2,P3,…，Pn和侦收概率排序：R1，R2，R3，…，Rn，且满足P1≥P2≥P3≥…≥Pn和R1≥R2≥R3≥…≥Rn。Pi和Ri在两个序列中的位置分别为m，n。由文献[8]可知：m，n越小表示信号实际侦收价值越大，则价值序列表达式为：

prii=[η·m+(γ+2-η)·n/(γ+1)]

(11)

综上，短波协同侦收效益表达式为：

Prioi=prii+primμi

(12)

式中,η，γ为权系数，η的取值范围为[1,5]，γ为(n-2)/f向0取整的权系数。为方便计算，这里取η=1。

短波协同侦收最大效益和函数为：

(13)

为反映短波侦收资源调度情况，定义短波侦收资源调度成功率，表达式为：

(14)

在短波侦收过程中，资源调度应优先针对目标属性优先级的侦收任务，而任务的优先级是随目标属性变化而变化的，并不依赖于人为划分，因此本文引入实现价值率来反映调度算法对重要任务的调度性能，实现价值率越高，算法的性能越佳。表达式如式(15)所示：

(15)

2.3 约束条件

在短波侦收中，任务要求和装备性能之间也存在一定的约束条件，这些关系保证了任务执行的有效性和调度方案的合理性。短波协同侦收资源调度的约束条件为：

1) 由于xij为决策变量，只能取0或1；

i=1,2,…,M；j=1,2,…,N

2) 每个侦收单元最多能执行一个任务；

i=1,2,…,M；j=1,2,…,N

3) 每个信号最多被Rmax个侦收单元接收；

i=1,2,…,M；j=1,2,…,N

4) 侦收单元不能在短波通信盲区中；

5) 信号必须在侦收单元的可接收频段内，侦收单元接收机带宽可以处理该信号。

fUimin≤fTjmin,fUimax≥fTjmax,Uiband≥fTjmax-fTjmin

2.4 算法描述

步骤1：对调度序列进行判决，是否满足结束条件。若满足判决条件，则转到步骤7。

步骤2：取满足调度条件的任务集，条件为Ttask≤min{M,N}。Ttask为任务集的子集个数，M为侦收机数目，N为目标信号数量。

步骤3：判断任务集是否为空。若满足判决条件，则转到步骤1。

步骤4：对任务集进行优先级排序，依次取出任务，分析执行。

步骤5：若任务请求满足任务约束条件，送入执行序列；若不满足，送入延时序列。

步骤6：下一调度间隔内，将新的请求队列与上一调度间隔内的延时队列组成新的请求序列，转到步骤2。

步骤7：调度结束，得到结果，分析数据。

调度流程图如图1所示。

3 仿真实验与分析

实验采用的仿真平台为CPU为I5-4460，内存为4GB，操作系统为Windows-07，仿真工具是Matlab R2014a。算法仿真参数：iter=100，M=8，N=10，即假定某时刻侦收系统中有8个短波侦收单元，有10个侦收信号待侦收。为方便验证本文算法在短波协同侦收资源调度中的有效性，利用侦收资源和侦收信号较为简单的场景进行方法验证。采用并发侦收任务数量多于侦收资源的典型情况，由于模拟侦收天线和敌方信号的覆盖范围较为困难，本文对仿真实验进行了一定简化，并假设信号都在覆盖范围内，实验数据在合理范围内随机选取。

短波侦收单元和侦收信号的具体相关参数分别如表1，表2所示。

图1 调度流程图Fig.1 Operation flon chart

Tab.1 Parameters of short wave reconnaissance unit

UUlocationDrUfreqBUbandS/N1(116°24',39°54')3(3.5,25)(3.7,27)20102(112°42',33°06')4(4.1,27)(3.3,27)15123(120°18',33°06')5(5.5,21)(3.9,28)10154(109°42',25°06')2(3.6,23)(3.5,26)1595(131°12',44°24')3(4.7,17)(3.3,27)10116(121°30',31°18')4(5.7,19)(3.9,28)10107(113°18',23°12')2(3.6,30)(3.1,26)2088(119°18',26°06')3(3.7,26)(3.8,29)1513

表2 侦收信号相关参数

下面就本文提出基于综合优先级调度算法与基于文献[9]中算法的最大侦收概率和调度算法(MMPR)和基于文献[10]中算法的侦收概率调度算法(MPR)进行对比，算法求解的最佳调度方案如表3所示

表3 最佳调度方案对比

从表3结果中可以明显看出，MPR算法的调度方案中出现了信号5，7，10的重复侦收情况。为进一步验证所提算法的有效性，对比不同算法在各代中有效侦收效益和的最大值情况如图2所示。

图2 各算法侦收效益和对比Fig.2 Comparison of recommaissance effect

由图2可以看出，MPR算法过早地收敛，搜索到的最优值也并非全局最优，这主要是因为MPR算法的调度策略使得侦收资源各自追求侦收概率最大，导致某些信号的重复侦收和漏侦。而MMPR算法作为一种MPR算法的改进型，在最优值的求解上要明显优于MPR算法，出现这种情况的主要原因是MMPR算法采取了追求全局侦收概率和最大值的调度策略。而本文所提算法求解的有效侦收效益和最优值远大于另外两种算法，主要原因是算法不仅考虑了全局侦收概率，并对侦收信号进行了优先级评估，再根据优先级排序和侦收资源进行有效调度，给出全局异步与精英策略相结合的动态调度方式，不仅能够避免算法早熟收敛而陷入局部最优，而且增强了寻优能力。

各算法的调度成功率如图3所示。

图3 各算法调度成功率对比Fig.3 Success rate of different operations

由图3可以看出，随着目标数目的增加，MMPR和本文算法的调度成功率均不受影响，从始至终都保持100%的调度成功率，而MPR算法随目标数目增加出现了成功率明显下降的情况。

各算法的实现价值率如图4所示。

图4 各算法实现价值率对比Fig.4 Comparison of different hit value ratio

由图4可以看出，在实现价值率对比上，各算法随着目标数量增加都会下降，但本文算法在相同条件下要明显优于MPR算法和MMPR算法，这主要是由于本文算法对目标信号侦收价值的评估是动态的，信号处于动态优先级中，避免了重要信号的错漏失控问题，从而提高了实现价值率。

4 结论

本文提出了基于目标信号侦收价值的短波协同侦收资源调度算法。该算法根据目标信号属性构建侦收价值评估模型，以实现最大侦收效益和为调度目标，使资源调度具有全局性。实验表明所提方法在调度成功率和实现价值率上效率更高，具有更强的指导性，但协同侦收过程考虑的约束条件还不够充分，资源调度模型过于简化，应作为下一步研究的重点方向。