短波通信技术研究进展与发展需求

王金龙， 陈 瑾， 徐煜华

(陆军工程大学， 江苏 南京 210007)

短波通信(3～30 MHz)通过电离层反射可实现几百乃至上万千米通信，是唯一不受网络枢纽和有源中继制约的中远程通信方式[1]，具有通信距离远、开通迅速、机动灵活、网络重构便捷等优点。在军用领域，短波通信具有全球覆盖、通联便捷、组网灵活、抗毁性强，可全球覆盖，是军事行动中的重要通信手段，在极端情况下甚至是唯一的通信手段。在民用领域，短波通信开通迅速、携带方便、供电容易，不需要建设枢纽站和中继站，成为海洋渔业、远洋运输、科学考察等领域的主要通信手段。此外，短波通信能够在恶劣自然环境下第一时间恢复通信顺畅，成为完善国家应急通信体系建设的关键环节。

由于电离层易受太阳辐射、太阳黑子、地磁活动等影响而不断变化，造成短波信道传输条件复杂多变，是最恶劣无线信道之一[2]。具体表现在短波信道具有多径传播、时变色散、衰落严重、干扰复杂等特点，而且可用频率窗口剧烈变化，导致可靠短波通信技术复杂，实现难度大。此外，短波通信具有全球性、开放性的传输特征，用户共用不到30 MHz带宽的通信信道，互扰非常严重，面临的恶意人为干扰现象更为严峻。针对这些难题，世界各国开展了大量研究。近年来，人工智能技术的迅猛发展，催生了无线通信范式、模型和机理的巨大革新。因此，研究以智能化为鲜明特征的下一代短波通信系统，具有十分重要的理论价值和实践意义。本文总结当前短波通信的研究进展，面向未来智能化通信需求，探讨短波通信的下一步技术发展趋势。

1 短波技术研究进展

针对短波复杂的时变色散信道，研究如何提升其信息传输有效性和可靠性一直是全球面对的共同难题。国内外针对短波通信的数据传输、链路建立、抗干扰和综合组网等方面开展了大量的研究工作[3-4]。

1.1 短波数据传输

短波信道是一个典型的多径衰落信道，实现可靠的数据传输是短波通信系统的难点。当前，代表性的短波数据传输技术包括多载波并行数据传输、单载波串行数据传输和宽带高速数据传输。

多载波并行数据传输是第一种实用化的短波高速数据传输体制，美军1991年颁布的短波调制解调器标准MIL-STD-188-110A[5]定义了39音并行波形，成为代表性的短波多载波数据传输体制，其数据速率为75～2 400 b/s。为了克服多载波并行数据传输存在的峰平比较高、功率效率低的不足，又进一步提出了单载波串行数据传输波形，在接收端通过信道估计和均衡技术来克服多径衰落的影响。为了提高传输速率，美军在2000年又颁布了MIL-STD-188-110B[6]标准，在110A的基础上增加3.2～12.8 kb/s高速波形。

上述短波数据传输波形均基于3 kHz带宽。为进一步提高短波数据传输能力，美军于2012年颁布了MIL-STD-188-110C[7]标准，带宽可扩展到6～24 kHz，最高速率可达120 kb/s。2017年，美军又颁布了MIL-STD-188-110D[8]标准，补充了30～48 kHz宽带波形，最高速率可达240 kb/s。此外，考虑到实际系统中难以找到连续可用的短波宽带信道，可通过信道聚合的方式在多个离散的3 kHz信道上实现宽带通信[9]。

1.2 短波自动链路建立

由于依靠不稳定的电离层反射进行电波传播，短波可用频率窗口随时间变化而变化，因此如何选频是短波中远距离通信面临的主要技术难点之一。为了保持短波通信畅通，操作人员只能通过手动操作选择、更换频率，过程繁琐且时效性低，为此出现了短波自动链路建立(Automatic link establishment, ALE)技术，在预置频率组内对各频率通信质量进行动态评估和频率优选，并自动建立通信链路。

1988年，美军颁布了MIL-STD-188-141A[10]标准，规定了第二代短波自动链路建立技术(2G-ALE)所采用的波形、信号结构和协议，支持链路质量分析、自动扫描接收、自动链路建立以及信道自动切换等功能。为了克服2G-ALE存在的建链时间偏长、建链波形与数据传输波形不一致等问题，美军于1999年颁布了MIL-STD-188-141B[11]标准，对第三代短波自动链路建立技术(3G-ALE)进行了详细地规范。与2G-ALE技术相比，3G-ALE采用了PSK调制方式、呼叫信道与业务信道分离、同步扫描建链和带有呼叫优先权的多时隙信道接入等关键技术，加快了链路建立速度，降低了建链信噪比要求，进一步提升了短波通信系统的网络规模和业务容量。为了支持短波宽带传输，美军在2011年颁布了MIL-STD-188-141C[12]标准，对6～24 kHz的宽带信号特性进行了描述，但尚未给出具体的建链规范。直到2017年，美军颁布了MIL-STD-188-141D[13]标准，首次提出了宽带自动链路建立(WALE)规范，支持预设频率集内的可变带宽信道优选，并兼容3G-ALE的信号接收。

随着短波通信技术的飞速发展和认知无线电研究的兴起，在ALE系统中引入频谱感知和频谱预测等技术成为下一代自动链路建立技术的发展方向之一。一方面，可将基于频谱感知的信道实时探测与自动链路建立结合，最大限度发挥实时选频的优势；另一方面，可利用短波信道状态的相关性，结合深度学习等人工智能方法在时域、频域、空域多角度预测频谱可用性[14]，并据此优选信道接入。

1.3 短波通信抗干扰

短波通信受天电干扰、工业干扰等自然干扰的影响大，并且频段拥挤、互扰严重；此外，短波传输距离远，容易受到恶意侦听和攻击。因此，抗干扰技术是提高短波通信质量的关键技术之一[15-16]。

从抗干扰策略上看，可分为跳频、扩频、广域协同、综合组网等方式。其中，跳频方式在预设频率集中快速切换，具有一定的抗跟踪干扰能力；扩频方式采用频谱扩展方法，具有难以截获、抗干扰能力强的特点；广域协同方式通过多点联合接收获取抗干扰增益，同时采用远距离异地收发机制增加干扰难度；综合组网采用动态选频、异构组网和迂回路由等多种手段，实现以网抗扰，提高系统抗干扰能力。

从抗干扰技术处理上看，可分为时域滤波、频域抑制、干扰抵消、时变波形设计和智能天线等技术路线。其中，时域滤波和频域抑制可以消除相对静态和特征明显的窄带干扰；干扰抵消对干扰信号进行参量估计，重构干扰信号，在时域进行抵消；时变波形设计可以有效对抗回放欺骗干扰；智能天线利用阵列天线和信号处理技术有效降低干扰信号影响。

1.4 短波组网

短波通信可用频率随时间、空间变化剧烈，同时因全球多用户竞争信道冲突严重，导致选频难、组网难。传统短波通信一般采用点对点或一点对多点的组网方式，根据组网的用途、规模和运行环境，短波网络拓扑结构有所不同，主要有星形、自组织、分层自组织等结构形式。

自20世纪60年代开始，短波通信组网就已经成为一个重要研究方向，各国都开展了相关研究，形成了包括短波舰/岸网络系统(HFSS)、自动化数字网络(ADNS)、现代化短波通信系统(MHFCS)在内的众多短波综合网络[1]。近年来，随着短波通信系统的发展，又提出了一些新的短波综合组网形式，如美军的短波全球通信系统(HFGCS)、加拿大的综合短波无线电系统(IHFRSP)、澳大利亚的LONGFISH网络、瑞典基于HF2000的短波通信网等。以HFGCS为例，该系统通过分布在全球的多个大功率固定台站，在全球范围内提供IP语音、电子邮件及数据广播业务。通过短波综合组网技术，可提高短波通信的有效性和可通率。

尽管现有研究在数据传输、自动链路建立、抗干扰通信和组网方面取得了一定的突破，但短波通信仍面临以下诸多问题亟待解决：

(1)不同于陆地移动通信场景，短波信道在时间、空间和频率等方面呈现巨大的差异性和动态性，现有短波信道模型通常局限于对特定时间区域的分析，存在精度低、场景适用性差等问题。

(2)短波信号传播过程受到电离层不稳定性、地形地貌和噪声等多种因素的影响，可用频率窗口不断动态变化，导致通信极易中断且难以恢复。

(3)迅猛发展的认知电子战系统具备智能学习和动态对抗能力，而传统短波抗干扰方法大多被动调整工作模式和参数，将处于劣势甚至被完全压制。

(4)随着多域作战、无人集群作战、马赛克作战等智能化作战概念的演进发展，单一的通信手段难以提供广域异构的通信服务。

2 下一步的技术发展需求

面向未来智能化通信需求，针对现有短波通信系统瓶颈问题，综合运用机器学习和博弈论等人工智能方法[17]，发展以“环境认知、自主决策、博弈对抗和跨域协同”为典型特征的短波智能通信系统，是短波通信的下一步技术发展需求，其技术内涵如图1所示。

图1 短波智能通信的技术内涵

2.1 短波信道大数据建模与频率预测

针对短波通信的可用频率窗口随位置、距离、时间、太阳辐射和地磁活动剧烈变化的特点[18]，利用多源协同数据探测对短波信道传播特性进行大数据分析，进而研究短波传输特性机理，有效获取短波信道传播的时间、频率、空间多域特性，为可用频率实时优选提供数据基础，如图2所示。

图2 短波信道大数据建模与频率预测

2.1.1 多源协同数据探测

通过多节点协同探测，优势互补，形成电离层大数据，提升对电离层时变特性的精准感知并适应不同应用场景。融合地基、空基和天基等电离层探测设备，以及Chirp探测、垂直探测、斜向探测和斜向返回探测等技术体制的探测结果，获取可靠性更高的短波信道数据。然而，随着协同探测节点和技术体制的增多，信息冗余度、协同探测开销和数据融合难度也随之增大。因此，在保证探测数据准确性的同时，还需综合考虑实时性、复杂度和信息交互开销，针对不同应用场景进行多源协同探测优化。相关技术内容包括探测节点部署优化、探测任务分配、数据高效融合和安全稳健探测等。

2.1.2 模型和数据双驱动的短波信道特性分析

传统短波信道建模主要运用统计理论，定量分析信道噪声、多径、多普勒频移等因素对短波通信的影响。然而，由于短波信道复杂多变，传统统计信道模型存在精度低、场景适用性差的问题。因此，需要研究模型和数据双驱动的短波信道建模方法。首先，利用具有强大函数拟合能力的生成对抗网络等网络结构，构建短波信道的逼近拟合模型；其次，将统计信道模型嵌入神经网络，克服传统机器学习方法依赖大量训练数据导致效率低下的问题，构建模型和数据双驱动的短波信道建模框架，提升信道估计的时效性。

2.1.3 基于数据增强的短波通信频率预测

现有电离层预报/预测的时间、空间和频率分辨率较低，无法为特定时间、地点的短波通信提供精确的可用频率，尤其是在长途机动、远程通信和突发情况下，难以满足短波实时通信需求。利用数据增强技术实现短波通信频率的时空预测，为高效实时确定可用频率集提供信息支撑。空域上，通过已知地理位置信息的历史探测数据，利用张量补全等方法构建短波信道传播特性的空间补全网络，预测未知地理位置的短波信道传播特性；时域上，通过部分探测数据生成片段信道传播序列，结合短波信道长时统计规律，利用机器学习方法生成完整的时频二维信道传播特性。

2.2 复杂电磁环境下的短波自主通信

由于短波可用频率不断变化，通信双方需根据电磁频谱环境动态调整工作频率。现有系统大都采用预设工作频率集或传递频率捷变信息来实现这一目的，通联能力十分脆弱。具体来说，对于预设工作频率集的方式，电磁环境的动态变化导致通信极易中断且难以恢复；对于传递频率捷变信息的方式，一旦该信息传递失败，整个通信将无法建立链接。这个问题一直是国际公认的难题，始终制约短波通信的效能发挥。因此，可在短波全频段实时频谱感知的基础上，构建短波宽带智能选频和分布式协同组网模型，突破多智能体冲突避免和分布式协同等关键技术，实现复杂电磁环境下的稳健通联，如图3所示。

图3 复杂电磁环境下的短波自主通信

2.2.1 短波宽带智能选频

为了克服传统短波通信预设工作频率集的局限，基于实时频谱感知的短波宽带智能选频是一种有效的方法。运用分层深度强化学习挖掘短波信道的演化规律，快速优选工作频段和可用频率，自主调整通信带宽、调制波形、编码方式、发射功率等工作参数；突破宽带频段感知、链路质量实时评估和动态频谱接入等关键技术，实现无须预置频率集的稳健通信，有效提升系统在复杂电磁地理环境下的快速通联和自动恢复能力。

2.2.2 短波分布式协同组网

传统短波通信网络频率使用采用预先规划、固定分配的方式，难以实现多子网共存和互联互通。尽管短波宽带智能选频能实现频率资源的自主征用和动态释放，但在分布式组网条件下，大规模用户智能用频决策会导致严重的竞争冲突。为此，基于博弈论和图论等理论方法，构建多智能体冲突避免和分布式协同等博弈组网模型，对发射机、天线、频率、功率等资源进行自主协同优化，实现多子网间资源协调利用和快捷网络规划，满足大规模用户的通信组网需求。

2.3 强对抗条件下的短波通信主动防御

近年来，人工智能技术赋能的认知电子战系统迅猛发展，对传统短波通信系统产生新的威胁。传统系统的“硬抗”和认知无线电的“躲避”方式都属于被动防御，在对抗中一直处于劣势。究其本质而言，通信和对抗都是在电磁空间范围内发挥作用，既有交叉，又有不同，但两者的物理实现基础类似，可在技术上进行高度融合。因此，下一步研究短波通信主动防御体系，将突破短波通信多维抗干扰、智能博弈抗干扰、通信对抗一体化等技术，提升强对抗条件下的短波通信保障能力，如图4所示。

图4 强对抗条件下的短波通信主动防御关键技术

2.3.1 短波通信多维抗干扰

以时间、频率、空间、编码等多维资源为载体，运用深度学习、强化学习等智能决策方法，克服多维抗干扰中环境状态和决策空间巨大的挑战，突破干扰动态估计、短时突发波形设计、多域联合抗干扰等关键技术，对多维资源进行联合优化，在时域、频域主动寻找干扰间隙实现持续通信[17]。构建短波通信抗干扰效能评估模型，实时反馈和指导抗干扰方法的设计与优化，最终实现强对抗条件下的可靠通信。

2.3.2 短波通信智能博弈抗干扰

构建“以智能对抗智能”的短波通信智能博弈抗干扰模型。首先，针对智能干扰具有特征学习的特点，利用对抗机器学习理论主动攻击干扰认知算法的薄弱环节，破坏干扰学习认知过程，降低干扰效能甚至使其完全失效；其次，根据历史对抗数据，利用模仿学习构造干扰的策略网络，生成与真实干扰决策分布类似的模拟干扰，通过预先离线与模拟干扰进行虚拟对抗，提前得到最优的抗干扰策略；最后，针对通信先行、干扰跟随的特点，构建对抗博弈模型，分析对抗博弈均衡，预测干扰行为, 达到料敌先机、最优适配的效果，提升短波通信系统在对抗环境下的主动争夺频谱能力。

2.3.3 短波通信对抗一体化

从“侦察—判断—决策—行动”(OODA)认知环路的共性特征出发，探明通信和干扰矛盾双方相互对抗和相互转化的机理；构建综合共享的射频单元、软件定义的体系架构和认知环路驱动的智能处理引擎，将通信设备与电子对抗设备进行综合集成；突破面向通信对抗一体化的高效资源认知和智能调度方法，通过被动抗干扰和主动干扰的有机融合，实现对抗条件下的电磁频谱高效利用与智能控制。

2.4 广域异构一体化多域通信

为了向陆海空天多域大规模用户提供全域覆盖、随遇接入的通信服务，广域一体化信息网络是未来的发展趋势。短波通信需要与超短波通信、卫星通信、光通信等系统实现综合组网，发挥各自优势和特长，实现信息的高效顺畅传输。和单一通信网络相比，广域一体化多域通信网络面临诸多挑战：多种通信手段、多种子网路由和多种管控手段呈现高度耦合性和复杂性；网络覆盖范围广、节点动态性高，网络资源、干扰威胁和网络结构等态势信息难以精确获取；大规模、强异构的通信服务特点对网络管控方法的时效性和稳健性提出更高要求。因此，下一步需探索一体化多域通信机理，突破多域通信网络态势认知和多域通信网络智能管控等关键技术，提升全域通信覆盖能力，如图5所示。

图5 广域异构一体化多域通信体系

2.4.1 一体化多域通信机理与体系

构建一体化多域通信的功能参考模型，包括总体功能框架、各个功能实体的定义和接口信息关系；构建新型跨手段、跨频段、跨场景、跨业务的一体化通信架构，探索端边云智能协同的新型广域异构网络组织机理；构建多域柔性通信组网体系，为短波、超短波、卫星和光通信等多通信手段、多组网协议的融合提供统一框架；研究一体化多域通信能力需求与目标，提出通信效能评估模型、方法和指标体系。

2.4.2 多域通信网络态势认知

从网络资源、干扰威胁和网络结构等方面研究多域通信网络态势认知基础理论和关键技术，为多域网络智能管控提供信息支撑。从网络资源角度，研究网络资源可用性、网络功率资源空域分布和网络波束资源覆盖性等关键技术；从干扰威胁角度，研究干扰威胁类型识别、干扰威胁程度分析和干扰威胁演化趋势预测方法；从网络结构角度，研究网络拓扑结构挖掘、骨干节点识别、关键链路判定、网络数据流向分析等关键技术。

2.4.3 多域通信网络智能管控

以任务为中心，分析不同场景、阶段和要素等对通信保障的能力需求，将任务映射为通信体制、网络和通信服务要求，构建面向大规模异构用户的资源动态共享模型，为提高网络管控时效性和稳健性提供决策支撑；从组网方面，构建灵活使用多种信息传输手段、综合多种管控方式的网络；从网络控制方面，明晰智能网络接口，探索基于软硬件协同的跨层联合协议增强等关键技术；从多协议融合方面，研究多协议高速路由查找和基于网络资源切片的跨域服务业务保证等技术。

3 结束语

由于短波信道传播特性异常复杂，其理论与技术仍处于不断完善和发展的过程中。本文仅在短波信道建模与频率预测、自主通信、抗干扰通信和一体化通信等方面进行了初步思考，还有很多开放性问题有待深入探索。