基于异步时钟序列的分布式认知跳频算法

刘杰 龚广伟 辜方林 李伦辉

摘 要：为了解决传统跳频算法对动态、复杂电磁干扰环境适应能力不足的难题，以及克服现有跳频算法在分布式通信环境下对公共控制信道和统一时钟源的依赖，提出了一种基于异步时钟序列的分布式认知跳频算法。该算法通过建立认知跳频通信系統模型，分析其通信过程中面临的关键问题，设计了一种应用于分布式跳频通信环境的异步时钟结构序列。基于该序列的分布式认知跳频算法不依赖于任何公共控制信道和统一时钟源，能够在复杂电磁干扰环境下达到高效抗干扰通信的效果。验证实验结果表明，针对典型的窄带、宽带噪声干扰、部分频段干扰以及随机干扰，所提算法的抗干扰性能均显著优于传统的跳频通信算法以及现有的公用控制信道认知跳频算法。

关键词：认知跳频；抗干扰；分布式；异步时钟序列

中图分类号：TP393   文献标志码：A   文章编号：1001-3695（2024）01-036-0231-06

doi：10.19734/j.issn.1001-3695.2023.04.0224

Distributed cognitive frequency hopping algorithm based on asynchronous clock sequence

Abstract：Aiming at the problem that traditional frequency hopping communication has insufficient adaptability to dynamic and complex electromagnetic interference environment，and in order to overcome the dependence of existing frequency hopping algorithms on common control channels and a unified clock source in distributed communication environment，this paper proposed a distributed cognitive frequency hopping algorithm based on an asymmetric clock sequence.This algorithm established a cognitive frequency hopping communication system model，analyzed the key problems in its communication process，and designed an asynchronous clock structure sequence for distributed frequency hopping communication environment.The distributed cognitive frequency hopping algorithm based on this sequence did not rely on any common control channel and unified clock source，and could achieve the effect of efficient communication anti-interference in complex electromagnetic interference environment.The experimental results show that the anti-interference performance of this algorithm is significantly better than the traditional frequency hopping communication algorithm and the existing common control channel cognitive frequency hopping algorithm for typical narrowband，broadband noise interference，partial frequency band interference and random interference.

Key words：cognitive frequency hopping；anti-interference；distributed；asynchronous clock sequence

0 引言

跳频通信是目前无线通信系统中提升可靠性的一种有效手段，具备抗干扰能力强、组网灵活等优点［1，2］。但是，随着用频设备海量增加导致频谱日益复杂，跳频系统在面对复杂多样的电磁干扰环境时以下两方面的问题越来越突出：a）传统跳频系统存在盲跳缺陷，由于传统跳频在源节点与目的节点之间采用事先约定的跳频图案进行跳频通信，所以即使跳频频点存在干扰也不能及时地进行干扰规避，导致系统性能恶化［3］；b）传统跳频系统受时钟同步系统制约严重，在时钟同步性能遭到干扰破坏的情况下，系统的跳频频点容易发生碰撞。上述问题严重制约了跳频系统在复杂电磁干扰环境下抗干扰能力的提升［4］。认知跳频系统是高效解决复杂电磁干扰环境下无线通信系统可靠传输的有效手段［5］。它的核心思想是：通信节点通过认知周围的电磁环境，自主地根据认知结果决策频点进行通信，动态控制节点实现主动干扰规避以最大化地利用网络资源进行通信，被认为是解决传统跳频通信面临困境的有效途径之一［6，7］。但是，认知跳频系统在实际的抗干扰通信网络环境中面临着以下挑战：a）在干扰发生变化时，跳频通信系统的目的节点不能及时、准确地将当前自己面临的干扰信息反馈给源节点，导致源节点丢失与目的节点的跳频同步，即存在信息不对称问题［8］；b）节点间分布式组网和时钟异步是实现跳频通信系统鲁棒性的关键，而这要求源节点与目的节点基于自身的决策信息达成快速频点汇聚［9］。因此如何在源节点、目的节点相互工作频点确定但未知的条件下高效、可靠建立连接是研究认知跳频系统抗干扰系统中需要解决的核心问题，也是本文的重点工作。

目前，国内外基于认知跳频涌现出了很多研究热点［10～15］，这些研究热点主要以信道交汇和智能决策为主要方向，并且大多假设通信节点在任意时刻都能够基于认知结果建立可靠的通信链路，但实际通信过程中通信节点如果要实现组网通信，则需要涉及具体的信道接入算法，而稳定的信道接入是实现可靠通信的前提［10］。目前，认知跳频方面的研究普遍忽略了信道接入的问题，在研究认知跳频的信道交汇时，如Ring-Walk策略［11］、Jump-Stay策略［13］以及多天线的 AMRR交汇策略［15］，研究者们都假设存在理想中的公共控制信道能够消除节点间信息不对称所带来的影响，而实际中的公共控制信道存在易被干扰、控制信道流量饱和等问题。此外，文献［16，17］虽然采用了信道接入算法进行认知跳频的组网优化研究，但都基于最简单的时隙ALOHA协议作为基本接入方式用来减少信道冲突，然而S-ALOHA机制存在自适应能力差、要求时槽边界对齐等缺陷，未考虑异步时钟下的抗干扰通信效果。在认知跳频同步方面，目前国内外主流算法主要分为三类：a）参考时钟法（传统跳频方式），该方法要求全网拥有统一基准时钟进行收发频点对准；b）独立信道法，该方法要求系统具备单独的信道传输同步信息；c）同步字头法，该方法根据发端认知将同步信息放在同步字头中，要求收端进行解析，因此在收发频点信息不对称的情况下同步字头将难以捕获［18，19］。

本文通过采用认知跳频技术克服传统跳频通信面临的困境，在充分考虑分布式组网环境下存在收发频点信息不对称以及异步时钟限制等因素的基础上，通过建立认知跳频抗干扰通信的系统模型，分析组网通信过程中出现的关键问题，构建了一种基于异步时钟序列的认知跳频算法。该算法基于异步时钟序列（属于同步字头算法，但充分考虑收发频点信息不对称情况进行设计），不依赖于任何公共控制信道，且相邻认知节点无须了解彼此的跳频序列信息，实现了异步时钟下的跳频接入，且接入时延小、实现复杂度低，在实现主动规避干扰的前提下最大化地利用网络资源进行通信。

1 系统模型

1.1 场景描述

如图1所示区域中存在N个节点采用跳频的方式进行组网通信，系统通过跳频图案的方式组织节点进行跳频，其中每个跳频图案包含M个可跳频点形成跳频频率集F{f1，f2，…，fM}、S个可跳时隙Ti形成跳频时帧。

由图1可知，跳频通信系统是以跳频时隙为基本时间单元、跳频集合中的频点为基本频率单元的动态通信系统，其通过时间、频率域动态变化的方式达到抗干扰通信的目的。由于其时间、频率域的动态特性，所以跳频通信系统在通信过程需要解决以下两个方面的核心关键问题：

a）跳频频率集合的确定。在传统跳频方式中通过随机或约定的方式形成跳频频率集，在认知跳频方式中通过认知决策出跳频频率集。

b）跳频频点的同步（源、目的节点在基本时间单元上进行跳频频点对准）。传统跳频系统通过全网同步时钟源以及指定跳频图案进行频点同步，现有认知跳频系统一般通过全网同步时钟源以及公共控制信道进行认知跳频频点同步。

本章先从传统跳频系统、认知跳频系统的角度出发，分别建立各系统在通信过程中获取跳频频率集以及跳频频点同步的跳频模型。

1.2 传统跳频系统模型

如图2所示区域中存在N个节点采用传统跳频的方式进行组网通信，传统跳频系统通过约定的方式产生跳频频点以达到统计上通信抗干扰的目的，在此基础上，其通过全网统一时钟源，在通信源节点与目的节点之间通过事先约定的跳频图案进行跳频通信。

如图2所示，系统的跳频图案在包含M个可跳频点的频率集F{f1，f2，…，fM}、S个可跳时隙Ti时可形成的跳频图案数量Q为

Q∈Ms（1）

其中：第q组跳频图案中第t个时隙的频点F（q，t）为

F（q，t）=Fun（qS+t）（2）

其中：q∈［1，Q］；t∈［1，S］；Fun（）为约定跳频图案产生方式且需满足

0

由于跳频图案具有唯一性，所以对于式（2）存在任意整数q1！=q2且q1，q2∈［1，Q］，满足

系统在采用传统跳频通信过程中通过在源节点与目的节点之间采用事先约定的跳频图案（即每个节点对应的F（q，t）映射关系一致）进行跳频通信，其在当前时隙时刻T获取的跳频图案序号q为

其中：T0为基础时隙时间长度。当前时隙时刻T计算的跳频时隙号t为

t=Mod（T，ST0）（6）

其中：Mod（）为取余函数。因此根据当前时隙时刻T获取节点发送接收频点F*为

F*=F（q，t）（7）

传统跳频算法步骤如下：a）满足式（3）（4）的情况下采用约定的式（2）产生跳频图案；b）获取同步时钟Ti；c）根据Ti计算当前时间对应的跳频图案序列q，如式（5）；d）根据Ti计算当前跳频图案序列对应的时隙t，如式（6）；e）根据q，t计算当前的跳频频点F*，如式（7）；f）跳转步骤b）继续产生跳频频点。

1.3 认知跳频系统模型

認知跳频系统通过认知周围的电磁环境，自主地根据认知结果决策频点进行通信，从而达到动态控制节点频点实现主动干扰规避。如图3所示区域中存在N个节点采用认知跳频的方式进行组网通信。

与传统跳频类似地在具备全网同步时钟的前提下，认知跳频也能够通过约定的方式产生跳频图案，但其在跳频前需要在包含M个可跳频率集F{f1，f2，…，fM}的基础上通过认知的方式实时调整认知可跳频率集Fc{f1，f2，…，fMc }，其中认知可跳频率集Fc通过认知频谱环境、剔除出干扰频点得到结果。

在Mc个认知跳频频点、S个可跳时隙时可形成的跳频图案Fp，其中第q组跳频图案中第t个时隙的频点Fp（q，t）为

Fp（q，t）=Funp（qS+t）（8）

0＜Funp（x）≤Mc（9）

其中：Funp（）为认知跳频中约定跳频图案产生方式。式（8）同样需满足任意两组跳频图案唯一性，即存在任意整数q1！=q2且q1，q2∈［1，Q］，满足

基于此，认知跳频算法步骤如下：a）通过认知将干扰频点剔除出可跳频率集形成认知可跳频率集Fc，通过公共控制信道将Fc下发到网络；b）各节点通过式（8）产生跳频图案；c）获取同步时钟T；d）根据T计算当前时间对应的跳频图案序列q，如式（5）；e）根据T计算当前跳频图案序列对应的时隙t，如式（6）；f）根据q，t计算当前的跳频频点F*，如式（7）；g）跳转步骤a）继续产生跳频频点。

2 异步时钟序列认知跳频算法

本章在上文建立的认知跳频系统模型基础上，进一步考虑分布式通信环境下存在的收发频点信息不对称、异步时钟以及公共控制信道易被干扰等限制因素，提出一种适用于分布式通信环境下的异步时钟序列认知跳频算法。该算法无须系统存在全网统一时钟源和公共控制信道，只需通过认知的方式实时决策出认知可跳频点，然后通过异步时钟序列进行跳频频点同步，从而达到分布式跳频通信和实时认知抗干扰的目的。

2.1 异步时钟序列设计

异步时钟序列是分布式认知跳频网络中节点进行跳频频点同步的一种序列同步方式，其核心设计目标是为了解决异步时钟状态下分布式通信环境中存在的收发频点信息不对称的问题，其理论来源于OFDM系统的定时同步估计算法，在OFDM系统中通过定时同步估计的训练序列相关算法能够消除收发端发送时刻不对称导致的丢帧问题。本文则通过扩展定时同步估计的训练序列到多个频点，通过频点扫描的方式捕获异步时钟序列频点相关峰最大的值对应的频点，通过此种方式能够消除通信过程中收发频点信息不对称的问题。设计的异步时钟序列如图4所示。当跳频过程中出现发送节点与目的节点决策的跳频频点不一致时，通过在跳频时隙之前增加异步时钟序列的方式，能够在异步时钟的情况下进行收发频点的同步。

如图4所示的异步时钟序列结构中，序列由M个序列Ym组成，代表M个频点（其中F1对应Y1，…，FM对应YM），其中每个序列为W个采样点的walsh序列Y：

Ym=［y1y2…yw］（11）

产生的M个序列之间满足自相关很大互相关为0的特性，即满足

在异步序列跳频同步过程中，发送端以一定周期Tw以认知决策的频点Fs发送异步时钟序列X1，其中X1重复2M次序列Ys，即发送端的异步时钟序列X1为

X1（m）=［YmYm…Ym］ s∈［1，M］（14）

接收端在确定的频率集内进行异步时钟序列X2接收，且在每个频点上的驻留时间是发送端跳频同步序列时间的2倍，即2Tw，其中 X2重复2次M种序列。

X2=［Y1Y1Y2Y2…YMYM］（15）

由于接收端是一种以X2为周期进行循环接收的状态，令CYCw（X2，W·s）函数为：序列X循环移位W·s点且取序列的前w个采样点，通过循环移位可以代表接收端在任意时刻接收到发送序列，由于序列Y满足式（12）（13），所以必然存在

即在任意情况下接收序列总能够与发送序列进行相关，从而在接收端可以采用式（17）获取到发送端的认知c决策频点进行接收，即在接收端只有在s与m相等时才能取得最大值，此时s为发送频点序号。

2.2 认知跳频算法实现

上一节设计的异步时钟序列能够在分布式异步时钟状态下实现发送节点与接收节点的认知跳频同步，本节在节点能够提供认知跳频同步的前提下进一步实现认知跳频算法，主要基于以下三个阶段进行认知跳频：a）生成认知可跳频率集Fc：发送节点根据认知实时调整认知可跳频率集Fc；b）决策最佳跳频频点Fc*，发送节点在认知可跳频率集Fc中决策下一时隙时刻Ti+1的最佳跳频频点Fc*；c）跳频同步，发送节点和接收节点基于异步时钟序列进行跳频频点同步，并基于最佳跳频频点Fc*进行发送接收。

阶段a）中，认知可跳频率集决策过程是与跳频发送接收过程并行的动态调整过程，在包含M个可跳频率集F{f1，f2，…，fM}的基础上通过认知的方式实时调整认知可跳频率集Fc{f1，f2，…，fMc}：

Fc=CogntiveDecision（F）（18）

其中：CognitiveDecision（）为认知决策函数，其根据实时认知的频率集数据生成可跳频率集Fc。本文重点不在认知频点决策，因此在实验验证过程中仅采用最基础的能量检测法进行认知频点决策。

阶段b）中决策频点根据认知的具体结果进行跳频频点变化，Ti时刻更新跳频频率集Fc，其Ti+1时刻最佳跳频频点F*更新为

F*（Ti+1）=Fc（random（1，Mc））（19）

即最佳跳频频点F*都是从认知结果Fc中随机选取的，以此达到认知抗干扰与随机跳频的目的。

阶段c）则是如2.1节所述在最佳跳频频点F*发生改变时通过异步时钟序列算法进行跳频同步，获取发送频点并通知接收节点进行跳频接收。

基于上述三階段，具体的认知跳频算法步骤如下：

a）Ti时刻，发送节点采用式（18）决策出可跳频率集Fc；

b）Ti时刻，发送节点采用式（19）决策出Ti+1时隙最佳跳频频点Fc；

c）Ti+1时刻，发送节点采用异步跳频序列X1如式（14）进行发送，并采用最佳跳频频点Fc*进行跳频发送；

d）Ti+1时刻，接收端以异步跳频序列X2如式（15）进行接收，采用如式（17）获取接收频点Fc*进行数据接收，并更新发送端的Fc到接收端；

e）发送节点在Ti+2时隙重复步骤b）c）进行跳频，接收节点重复步骤d）进行接收。

发送节点和接收节点采用上述算法进行跳频发送和接收，其Fc的更新不仅仅局限于本节点的认知通道进行更新，也能接收全网中其他节点的信息帧进行更新，从而达到全网认知跳频通信的目的。

3 性能分析

如图5所示，从传统跳频、公共控制信道的认知跳频、异步时钟序列认知跳频三种跳频算法的时隙跳频图出发，分析各自的跳频开销以及抗干扰性能。

3.1 跳频开销

如图6所示，传统跳频方式由于通过采用GPS等外部时钟源的方式进行全网统一时钟以及通过事先约定跳频图案的方式进行跳频，所以其跳频开销可以认为几乎为0；公共控制信道的认知跳频方式通过公共控制信道进行全网时钟同步以及认知跳频图案同步，其跳频开销主要为时钟同步与认知跳频图案同步产生的开销。本文所提的异步时钟序列认知跳频算法由于无须全网统一时钟源以及公共控制信道，其通过异步时钟序列的方式进行认知跳频同步，所以其开销主要为引入的异步时钟序列开销，一般情况下异步时钟序列长度在远小于跳频帧长度时则已到达了较高跳频同步精度要求，其跳频开销与跳频帧长相比占比非常小。

3.2 抗干扰性能

如图5所示，传统跳频方式通过随机跳频的方式达到统计上躲避干扰的目的，因此在单一频点干扰的情况下其理论上被干扰的概率P1为

公共控制信道的认知跳频方式通过公共控制信道进行认知跳频图案同步，假设认知跳频图案能够及時下发且公共控制信道被干扰概率与跳频频点被干扰概率一致的情况下，其理论上被干扰只发生在公共控制信道被干扰的状况下，即

异步时钟序列认知跳频方式基于认知决策进行跳频，其通过异步时钟序列进行跳频同步，因此其被干扰的概率只有发生在当前跳频频点被干扰且只能干扰到当前时隙，其理论上被干扰的概率P3为

其中：Nr为干扰变化周期内的跳频时隙数。由式（20）～（22）可知，在Nr>1时，异步时钟序列算法理论上较其他两种跳频算法具有更好的抗干扰性能。

4 实验与分析

4.1 环境搭建

为了验证本文所提分布式认知跳频算法抗干扰组网通信的有效性，构建了如图6所示的完整软、硬件测实验证环境，验证传统跳频、专用控制信道认知跳频以及异步时钟序列认知跳频算法在不同干扰环境下的抗干扰能力。同时为了验证本文引入异步时钟序列带来一定程度上的跳频开销，在组网抗干扰能力中也会评估其带来的影响，具体可以反映在4.2节中的分组投递率指标。

1）硬件环境 硬件环境包括7个射频前端为1.35 GHz～1.50 GHz可调的软件无线电通信平台和1台由Keysight N5182B模拟的软件无线电干扰源，它们之间通过管理控制单元控制信道交换矩阵的连接关系实时生成各种干扰场景和网络拓扑。不失一般性，假设全网工作的频点集合为{1 350 MHz，1 360 MHz，1 365 MHz，…，1 445 MHz}等20组频点。

2）软件环境 以100 kHz信道带宽的GMSK调制波形，每个符号4个采样点，构建跳频波形，每一跳的持续时间Tw为1 ms，跳频帧的结构如图7所示。传统跳频工作模式下，基于上述跳频帧结构可以实现最高1 000 hop/s。

4.2 组网通信抗干扰能力验证分析

指标1：接入成功概率

信道接入是无线通信网络进行组网通信的首要步骤，因此接入成功概率是组网通信能力的关键指标。为了验证跳频系统在组网阶段的抗干扰能力，组网通信环境搭建完成后，在工作频点被干扰不同占比/不同干扰模式下（窄带、宽带、梳状、随机）条件下，计算节点成功接入的概率。验证统计共发送N0次接入网络中的节点，其中成功接入的次数Nsucces，计算成功接入的概率Psucces：

指标2：分组投递率

分组投递率可以衡量节点接入网络后具体的通信状况，为了测试跳频系统在组网过程中的抗干扰能力，同时也能一定程度上衡量系统的组网开销（包括跳频开销），在组网通信验证环境搭建完成后，在工作频点被干扰不同占比/不同干扰模式下（窄带、宽带、梳状、随机），计算节点的分组投递的成功概率。验证统计总共发送M0组数据，其中成功投递的数据为Msucces，计算分组投递率Psucces：

4.2.1 不同干扰占比的抗干扰能力测试

不同干扰占比的干扰信号属于压制式干扰中的部分频带干扰，其通过将干扰功率集中在特定频带上，可以是连续的也可以是不相邻的，其干扰占比越大，说明被干扰的频带越宽，即可供跳频系统传输的频点也越少，因此在不同干扰占比的测试环境下能够衡量跳频系统的抗干扰能力。

在验证过程中，通过采用10%、30%、60%、80%干扰占比时干扰信号对跳频通信系统进行干扰，经过测试分别得到10%、30%、60%、80%不同干扰占比下传统跳频、公共控制信道认知跳频以及异步时钟分布式认知跳频算法在干扰功率不断加大时，接入成功概率、分组投递率指标下的抗干扰能力，分别如图8、9所示。

图8所示（其中纵轴为接入成功率、分组到达率，横轴为干扰占整个跳频带宽的比例）为干扰占比10%、30%、60%、80%时，传统跳频、公共控制信道认知跳频以及异步时钟分布式认知跳频算法在干扰功率不断加大时接入成功概率、分组投递率的对比图。从图中可以看出，在干扰功率比较小时（小于20 dBm），干扰对常规跳频和认知跳频的影响都非常小，随着干扰功率的增加到门限值以上，常规跳频的接入成功概率与分组到达率出现急速下降，但随着功率继续增加，不再继续下降，公共控制信道认知跳频在不规律的时刻存在接入成功概率与分组到达率的下降，而认知跳频的接入成功概率受干扰功率影响很小，其分别维持在95%、95%、92%、87%以上，分组到达率均维持在97%以上。究其原因是传统跳频采用随机跳频图案进行通信，即使有频点被干扰也不能主动规避，因此统计意义上存在部分接入和分组被干扰的可能性，公共控制信道跳频则存在公共控制信道被干扰不能及时反馈的情况，而本文认知跳频采用认知与协作反馈的方式，能够最大限度地避开干扰，在认知交互过程中能够一直保持抗干扰交互传输的目的。

如图9所示，传统跳频随着干扰占比的增加其抗干扰能力呈线性下降的趋势，公共控制信道跳频同样存在公共控制信道被干扰而总体下降的趋势，而本文所提的认知跳频算法受干扰占比的影响较小，只要信道中存在可供传输的单个频点通道，本文所提的认知跳频算法则能够保持较高的接入成功概率与分组到达率。

4.2.2 不同干扰样式的抗干扰能力测试

不同干扰样式的干扰信号包括窄带干扰、宽带噪声干扰以及随机干扰，其中窄带、梳状干扰类似单音和多音干扰，将干扰功率集中在单个或多个频点上；宽带噪声干扰利用随机噪声产生干扰信号，然后将其施加在整个跳频频带内，而随机干扰以随机的方式干扰频带中的单个或多个频点，通过验证不同干扰样式下系统的跳频组网能力，能够衡量跳频系统在不同干扰环境下的抗干扰能力。

经过验证分别得到窄带、梳状、宽带噪声、随机等不同干扰样式下传统跳频、专用控制信道认知跳频以及本文所提的异步时钟序列认知跳频算法的接入成功概率、分组投递率指标下的抗干扰能力，分别如图10所示。

如图10所示，测试分别得到窄带、宽带噪声、梳状干扰样式下常规跳频系统与认知跳频系统接入成功概率、分组投递率，从图中可以看出，窄带、梳状干扰与4.2.1节中测试结果类似，即在固定干扰模式下随着干扰频点数增多，传统跳频的抗干扰能力呈线性下降的趋势，专用控制信道跳频受到干扰影响减少但也呈现下降的趋势，而本文所提的认知跳频系统则受干扰频点数影响较小，能将抗干扰能力维持在较高水平。宽带噪声干扰由于将干扰功率分布在整个频带，每个频点的干扰功率降低，所以所有跳频系统均受其影响较小。

如图11所示，测试分别得到在随机干扰（干扰20%频点）变化周期为100倍、10倍、5倍、2倍、1倍时传统跳频、专用控制信道认知跳频以及本文所提的异步时钟序列认知跳频算法在干扰功率为固定值时（50 dBm）的接入成功概率、分组投递率。从图中可以看出，传统跳频抗干扰能力受随机干扰变化周期影响较小，但总体上抗干扰能力较弱，专用控制信道跳频受随机干扰变化周期影响也较小，但抗干扰能力优于传统跳频，而本文跳频算法在随机干扰的变化周期较大时（大于10倍），其抗干扰能力完全优于前两者，而随着变化周期变小即干扰变化加快，由于认知跳频系统的认知与反馈跟不上干扰的变化周期，认知跳频系统抗干扰能力出现下降，但变化周期加快时认知跳频系统的频点选择则完全具有随机性，所以可与传统跳频以及公共控制信道跳频保持在相同水平。

综上所述，经过测试对比发现，传统跳频系统与专用控制信道跳频系统在固定干扰模式下受干扰功率的影响较大而且随着干扰频点数增多其抗干扰能力呈线性下降趋势，而在随机干扰模式下则受随机干扰变化周期影响较小。与之相比，本文异步时钟序列认知跳频算法不仅在固定干扰模式下受干扰功率的影响较小，且几乎不受干扰占比的影响，信道中只要存在可供发送的频点即可将系统的抗干扰能力维持在较高水平，虽然认知跳频系统在随机干扰模式下其抗干扰能力随着干扰的变化周期加快而有所降低，但在干扰快速变化的情况下依然能够保持较优的组网通信能力。

5 结束语

随着通信对抗技术的发展，电磁环境日益恶劣，干扰手段日趋多样，传统的跳频通信算法己无法完全满足组网通信抗干扰的需求。本文提出了一种基于异步时钟序列的分布式认知跳频算法，该算法无须额外的全网时钟源与公共控制信道，通过对通信频段进行实时检测形成动态的可用频谱集合，在此基础上进行分布式异步时钟序列跳频通信。相比于传统跳频通信算法与现有的公共控制信道认知跳频算法，本文算法的抗干扰性能大大提高。通过实验结果可以看出，针对典型的窄帶、宽带噪声干扰、部分频段干扰以及随机干扰，异步时钟序列的分布式认知跳频算法的抗干扰性能均显著优于传统跳频算法与公共控制信道认知跳频算法，尤其对于动态周期较大的随机干扰，其抗干扰能力能维持在与面对固定干扰时一致的较高水平。

参考文献：

［1］Shi Yunxin，An Kang，Li Yusheng.Index modulation based frequency hopping：anti-jamming design and analysis［J］.IEEE Trans on Vehicular Technology，2021，70（7）：6930-6942.

［2］王胜云.认知跳频系统抗干扰性能分析与设计实现［D］.西安：西安电子科技大学，2018.（Wang Shengyun.Analysis of anti-interference performance and design implementation of cognitive frequency hopping system［D］.Xi an：Xidian University，2018.）

［3］Sroka P，Kryszkiewicz P，Sybis M，et al.Distributed vehicular dynamic spectrum access for platooning environments［C］//Proc of the 91st IEEE Vehicular Technology Conference.Piscataway，NJ：IEEE Press，2020：1-5.

［4］Guan Lei，Li Zan，Hao Benjian，et al.Cognitive frequency hopping sequences［J］.Chinese Journal of Electronics，2016，25（1）：185-191.

［5］Li Gao，Wang Wei，Ding Guoru，et al.Frequency-hopping frequency reconnaissance and prediction for non-cooperative communication network［J］.China Communications，2021，18（12）：51-64.

［6］Wang Y H，Yang G C，Kwong W C.Asynchronous channel-hopping sequences with maximum rendezvous diversity and asymptotic optimal period for cognitive-radio wireless networks［J］.IEEE Trans on Communications，2022，70（9）：5853-5866.

［7］Sudha Y，Sarasvathi V.An intelligent anti-jamming mechanism against rule-based jammer in cognitive radio network［J］.International Journal of Advanced Computer Science and Applications，2022，13（3）：217-230.

［8］Chang G Y，Teng W H，Chen H Y，et al.Novel channel-hopping schemes for cognitive radio networks［J］.IEEE Trans on Mobile Computing，2014，13（2）：407-421.

［9］Akyildiz I F，Lee W Y，Chowdhury K R.CRAHNs：cognitive radio Ad hoc networks［J］.Ad hoc Networks，2009，7（5）：810-836.

［10］Kondareddy Y R，Agawal P.Synchronized MAC protocol for multi-hop cognitive radio networks［C］//Proc of IEEE International Conference on Communications.Piscataway，NJ：IEEE Press，2008：3198-3202.

［11］Mo J，So H，Walrand J.Comparison of multi-channel MAC protocols［J］.IEEE Trans on Mobile Computing，2008，7（1）：50-65.

［12］Liu Hai，Lin Zhiyong，Chu Xiaowen，et al.Ring-walk based channel-hopping algorithms with guaranteed rendezvous for cognitive radio networks［C］//Proc of IEEE/ACM International Conference on Green Computing and Communications & International Conference on Cyber，Physical and Social Computing.Piscataway，NJ：IEEE Press，2010：755-760.

［13］仇帥，陈西宏，王澈.认知无线电在跳频通信中的应用研究［J］.现代防御技术，2013，41（5）：64-65.（Qiu Shuai，Chen Xihong，Wang Che.Application of cognitive radio in frequency hopping communication［J］.Modern Defence Technology，2013，41（5）：64-65.）

［14］Lin Zhiyong，Liu Hai，Chu Xiaowen，et al.Jump-stay based channel-hopping algorithm with guaranteed rendezvous for cognitive radio net-works［C］//Proc of IEEE INFOCOM.Piscataway，NJ：IEEE Press，2011：2444-2452.

［15］Balamurugan G，Bhagyaveni M A.Anti-jamming communication for body area network using chaotic frequency hopping［J］.Healthcare Technology Letters，2017，4（6）：233-237.

［16］Yu Lu，Liu Hai，Leung Y W，et al.Adjustable rendezvous in multi-radio cognitive radio networks［C］//Proc of IEEE Global Communications Conference.Piscataway，NJ：IEEE Press，2015：1-7.

［17］Jiao Lei，Li F Y.A single radio based channel datarate-aware parallel rendezvous MAC protocol for cognitive radio networks［C］//Proc of the 34th IEEE Conference on Local Computer Networks.Piscataway，NJ：IEEE Press，2009：392-399.

［18］Strickland C J，Haddad R J.Predicting jamming systems frequency hopping sequences using artificial neural networks［C］//Proc of SoutheastCon.Piscataway，NJ：IEEE Press，2023：313-318.

［19］Valieva I，Shashidhar B，Bjrkman M，et al.Machine learning-based frequency bands classification for efficient frequency hopping spread spectrum applications［C］//Proc of IEEE Military Communications Conference.Piscataway，NJ：IEEE Press，2022：72-77.