0 引　言

无人船的通信环境复杂，异构通信网络已经成为无人船通信领域的研究热点。异构通信网络结合了不同的通信网络，不同通信网络的通信链路可以充分发挥自身长处。将异构通信网络应用于无人船中，满足无人船的通信需求，对于异构通信网络的进一步发展具有重要意义^[1]。无人船的运行环境恶劣，无人船航行范围较广，采用单一的通信网络以及单一的组网协议，无法满足无人船的通信需求。Wi-Fi、ZigBee、蓝牙等技术是无人船的重要通信方式，不同通信方式存在的覆盖区域以及组网协议不同，将多个异构网络有效融合^[2]，满足无人船多变复杂的通信环境，以及无人船运行过程中频繁并发的业务访问需求。通过无人船异构通信网络切换，提升无人船的通信性能^[3]。

近年来众多学者针对通信网络的信道切换进行研究。王磊等^[4]通过对通信网络多径信道中包含的冗余节点实施调度，实现通信网络信道的良好切换，提升通信网络的通信可靠性。刘炜等^[5]利用粒子群优化算法实现通信网络信道的有效分配，为应急通信网络的信道切换提供良好依据。以上研究方法虽然可以实现通信网络信道的有效切换，但是并未考虑异构通信网络中，众多通信方式存在的差异，应用性较差。针对通信网络切换实际应用中存在的问题，本文研究决策树算法在无人船异构通信网络切换中的应用。利用决策树算法，实现无人船异构通信网络的有效切换。

1 无人船异构通信网络切换 1.1 无人船异构通信网络结构

无人船航行信息交互、环境信息传输等应用，均需要通过通信网络实现。利用无人船异构通信网络，承担无人船航行过程中的数据传输功能。无人船异构通信网络的总体结构图如图1所示。通过图1可知，异构网络利用Wi-Fi、蓝牙和ZigBee通信网络，实现多个无人船与岸基主控中心的数据传输。Wi-Fi通信网络接入了高速网关，有效连接无人船的控制指令，实现无人船探测数据与异构通信网络后台的通信。异构网络利用ZigBee通信网络，通过主从式无线指令实现异构通信网络通信。异构通信网络利用蓝牙通信网络，实现无人船端与岸基自组网结构的数据高效共享，蓝牙通信网络适用于大数据量、短距离的无人船数据传输。无人船异构通信网络具有组网灵活的特点，通过多种通信网络，实现数据的高效联通。

无人船异构通信网络中的多个通信网络，均可以通过自身协议实现多终端组网，共同完成无人船航行工作。异构通信网络中的模式开关单元，依据无人船岸基主控中心，利用决策树算法，选择合适的网络切换策略，自动选择以及切换通信网络。模式开关单元选择合适的网络接口实现组网通信，在无人船端形成相应网络接口的标志位，异构通信网络中的网络切换单元，依据网络接口标志位，从切换的通信网络接口接收数据，实现无人船数据存储与传输。异构通信网络利用岸基主控中心，通过高效的网络切换方式，充分发挥无人船异构通信网络的优势，完成无人船的探测等应用。

1.2 无人船异构通信网络属性分析

无人船异构通信网络选取信号强度、误码率和最大传输速率等指标，作为无人船异构通信网络切换的网络属性。

1）信号强度

无人船异构通信网络的信号强度，是触发无人船异构通信网络的基本条件，通过信号强度，可以体现无人船异构通信网络的信道质量。无人船异构通信网络的信号强度表达式如下：

$ RSS = G - K\lg \left( d \right) + v\left( x \right) 。$

(1)

式中： $ G $ 与 $ K $ 分别为无人船异构通信网络的发送功率以及通信路径损失因子； $ v\left( x \right) $ 与 $ d $ 分别为高斯随机分布函数以及无人船终端与通信网络接入点的距离。

基于信号强度的无人船异构通信网络切换概率表达式如下：

$ {P_1} = P\left( {RS{S_B} > \varphi } \right)。$

(2)

式中： $ RS{S_B} $ 为预切换网络信号强度； $ \varphi $ 为信号强度阈值； $ P $ 为网络切换概率。

2）误码率

无人船异构通信网络的误码率高于一定阈值时，表示网络通信性能较差。设无人船异构通信网络中，存在服从高斯随机分布的噪声。网络信噪比计算公式如下：

$ SNR = RSS/I，$

(3)

式中， $ I $ 为无人船异构通信网络的干扰信号强度。

依据式(3)的信噪比计算结果，获取网络误码率计算公式如下：

$ BER = Q\sqrt {SNR}，$

(4)

式中，高斯函数 $ Q $ 计算公式如下：

$ Q\left( x \right) = \dfrac{1}{{\sqrt {2 \text{π} } }}\int\nolimits_x^\infty {\exp \left( { - {t^2}/2} \right){\rm{d}}t} $

(5)

式中， $ t $ 为通信时间。

基于误码率的无人船异构通信网络切换概率表达式如下：

$ {P_2} = P\left( {BER' < \delta } \right)。$

(6)

式中： $ \delta $ 为无人船异构通信网络所需满足的最大误码率； $ BER' $ 为待切换通信网络的误码率。

3）最大传输速率

传输速率是无人船异构通信网络质量的重要衡量指标。无人船异构通信网络的最大传输速率，决定了无人船终端的通信质量。依据香农定理，确定无人船异构通信网络的最大传输速率表达式如下：

$ L = W\left( {1 + SNR} \right)，$

(7)

式中， $ W $ 为无人船异构通信网络的频带宽度。

基于传输速率的无人船异构通信网络的切换概率表达式如下：

$ {P_3} = P\left( {L' > L} \right)。$

(8)

式中， $ L $ 与 $ L' $ 分别为当前网络以及预切换网络的最大传输速率。

1.3 基于C4.5决策树算法的候选网络集生成

采集无人船异构通信网络中各通信网络的实时通信参数，将所采集网络通信参数作为决策树算法的输入样本。将网络属性作为决策树的决策节点，C4.5决策树算法选取信息增益率作为属性分类标准。决策树算法决策过程如下：

1）计算样本熵值

设无人船异构通信网络中各通信网络的实时通信参数集 $ B $ 中，包含类别数量为 $ C $ ，该数据集的熵值计算公式如下：

$ e\left( B \right) = - \sum\limits_{j = 1}^{\left| C \right|} {Pr \left( {{c_j}} \right){{\log }_2}} Pr \left( {{c_j}} \right) 。$

(9)

式中， $ {c_j} $ 与 $ \Pr \left( {{c_j}} \right) $ 分别为第 $ j $ 个类别以及数据集 $ B $ 中，类别 $ {c_j} $ 的发生概率。

2）计算信息增益值

设实时通信参数集 $ B $ 的属性为 $ A $ ，对数据集进行划分后，实时通信参数集 $ B $ 的信息熵转化如下：

$ e\left( {A,B} \right) = \sum\limits_{j = 1}^v {\frac{{\left| {{B_j}} \right|}}{B}} \times e\left( {{B_j}} \right)，$

(10)

属性 $ A $ 的信息增益计算公式如下：

$ Gain\left( {B,A} \right) = e\left( B \right) - e\left( {A,B} \right)。$

(11)

3）计算信息增益比

实时通信参数集 $ B $ 的信息增益比计算公式如下：

$ GainRadio\left( {B,A} \right) = \frac{{Gain\left( {B,A} \right)}}{{ - \displaystyle\sum\limits_{j = 1}^s {\left( {\frac{{{B_j}}}{B} \times {{\log }_2}\frac{{\left| {{B_j}} \right|}}{{\left| B \right|}}} \right)} }}。$

(12)

计算实时通信参数集 $ B $ 中，各属性的信息增益比。将具有最高信息增益比的属性，作为数据集 $ B $ 的测试属性，利用该属性创建决策树节点，划分无人船异构通信网络中的样本，构建候选网络集。

1.4 基于决策树的无人船异构通信网络切换

对候选网络集内的通信属性值，进行归一化处理，通过归一化处理后获取多属性判决值的表达式如下：

$ {F_i}\left( x \right) = \frac{{RS{S_i}}}{{{\xi _i}}}\left( {1 - {P_1}} \right)\left( {1 - {P_2}} \right)\left( {1 - {P_3}} \right) ，$

(13)

式中， $ {\xi _i} $ 为网络 $ i $ 的信号强度判决阈值。

无人船异构通信网络的切换执行阶段，依据式(14)，将无人船异构通信网络从现有网络切换至第 $ k $ 个网络。

$ {F_k}\left( x \right) = \max \left\{ {{F_1}\left( x \right),{F_2}\left( x \right), \cdots ,{F_n}\left( x \right)} \right\} ，$

(14)

式(14)为归一化无人船异构通信网络的多个属性指标后，判决值最大的网络。

利用决策树实现无人船异构通信网络切换，充分考虑误码率等网络属性，将网络属性作为决策树节点。基于决策树的无人船异构通信网络切换流程图如图2所示。可知，利用决策树算法构建候选网络集，计算候选网络集中各网络的多属性判决值。选择具有最大多属性判决值的网络，作为切换网络。所选择的切换网络，与当前网络相同时，保留该网络，无需进行网络切换。

由图2可知，利用决策树算法构建候选网络集，计算候选网络集中各网络的多属性判决值。选择具有最大多属性判决值的网络，作为切换网络。所选择的切换网络，与当前网络相同时，保留该网络，无需进行网络切换。

2 仿真测试与分析

为了验证所研究方法在无人船异构通信网络切换中的有效性，将该方法应用于某无人船通信网络中。构建该无人船的仿真实验场景，无人船仿真场景设置如图3所示。

图3的仿真实验场景中共包含1艘无人船，场景中的A、B、C、D四点坐标分别为[50,150],[150,150],[150,300],[300,300]。通信网络基站坐标为[0,0]。仿真过程中，设置无人船的移动速度为50 km/h。令无人船从A点移动至B点移动至C点，而后移动至D点。无人船从A点移动后200 s时，开始语音通话，通话时间为105 s。无人船异构通信网络中，各通信网络的仿真参数设置如表1所示。

无人船语音通话过程中，无人船通信网络3种通信网络的信号强度变化结果如图4所示。

以图4无人船通信网络中，不同通信网络的信号强度作为网络切换的基础。采用本文方法对无人船异构通信网络进行切换，切换内容如表2所示。可以看出，采用本文方法可以依据无人船异构通信网络中，各通信网络的实际情况，为无人船选取具有最佳通信性能的通信网络。

为了进一步验证采用本文方法切换无人船异构通信网络，无人船异构通信网络的通信质量变化，统计本文方法切换前后，无人船异构通信网络的吞吐量变化，统计结果如图5所示。可知，采用本文方法切换无人船异构网络，无人船异构网络的吞吐量高于50 Mbps，保持在较高状态。采用本文方法切换无人船异构网络，无人船异构网络的吞吐量波动较小，表明采用本文方法切换无人船异构网络，无人船并未出现网络切换容易出现的乒乓效应。采用本文方法切换无人船异构网络，通信网络的通信状态平稳，提升无人船异构通信网络的通信可靠性。

3 结　语

将决策树算法应用于无人船异构通信网络中，利用决策树算法具有的高效率决策性能，提升无人船异构通信网络的通信性能。该方法充分考虑了无人船异构通信网络的信号强度等性能指标，以无人船异构通信网络通信性能最佳，作为切换目标。通过实验验证，该方法可以利用决策树算法，实现无人船异构通信网络切换，适用于极高复杂航行环境的无人船实际通信应用中，保障网络稳定更新。在通信性能较差时，及时切换网络，令通信网络切换更加稳健。