0 引　言

海上移动通信包括卫星通信、GPRS通信和短波通信等，其中，短波移动通信是指通信频率段在300 MHz以内的近距离通信，短波通信往往发生在船舶之间、船舶与海岸之间，在这种近距离场景中，对通信质量有较高的要求。随着船联网和信息技术的不断发展，船舶移动通信的数据传输业务迅速增加。一方面，数据量的飙升对于带宽分配、通信资源的需求更高；另一方面，不同的船舶通信业务对于通信的传输速率、误比特率也有不同的要求，这对船舶近距离短波通信系统提出了更高的挑战。

本文针对海上短波通信的功率衰减等问题，结合遗传算法优化海上短波通信的链路设计和功率控制，提高短波通信带宽的利用率。通过建立系统模型，仿真测试验证了基于遗传算法的短波通信功率控制技术的有效性。

1 海上移动短波通信技术的发展和研究现状 1.1 海上短波通信预约带宽分配技术研究

针对海上船舶移动短波通信的带宽资源分配问题，介绍预约带宽分配技术。

预约带宽分配是针对数据在短期迅速增加的场景，这种带宽分配策略主要有带宽申请、分配、执行等多个阶段。

短波通信的预约带宽分配管理模型如图1所示。

短波通信的预约带宽管理流程如下：

1）在海上船舶短波通信建立的初期，船舶信号发射端将通信请求发送至资源管理器，通信请求包含数据传输的类型、船舶移动通信所需要的带宽、时间要求等，通信请求的建立过程所需时间低于10 ms。

2）短波通信系统的资源管理器在接收到来自船舶终端的通信请求后进行判断，判断的依据是资源管理器的控制算法。当通信系统经过判断后允许船舶终端的通信请求，那么短波通信会进入预约带宽分配阶段；如果通信系统没有接受船舶请求，则系统会自动读取下一条请求数据并进行判断^[1]。

3）预约带宽分配阶段

在该阶段，船舶会根据自身的通信需求，将需要传递的数据，比如业务的类型、数据所占缓冲区的内存、带宽需求等发送给通信系统的资源管理器。资源管理器统筹兼顾不同船舶终端的通信需求，利用内部的资源分配模块对不同的需求进行分析和判断，结合分配算法为船舶短波通信分配带宽。

4）船舶通信终端接收到来自资源管理器的带宽分配信息，根据分配的带宽发送和接收短波通信数据。

2 海上短波通信系统的信号功率衰减研究

海上短波移动通信的信号载体为电磁波，电磁波在传输过程中不可避免会发生信号衰减。因此，通过链路设计和功率控制技术降低短波通信信号的衰减很有必要。

定义海上短波通信天线的信号发送功率为 $ {P_0} $ ，信号的方向系数为D，建立距短波天线 $ {r_0} $ 处的短波能量模型为：

$ S = \frac{{{P_0}D}}{{4{\text π} {r_0}^2}}\left( {{\raise0.7ex\hbox{$w$} \mathord{\left/ {\vphantom {w {{m^2}}}}\right.} \lower0.7ex\hbox{${{m^2}}$}}} \right) \text{，} $

短波能量密度 $ {S_1} $ 为：

$ {S_1} = {E_t}{H_t}{\left( {w/m} \right)^2} \text{。} $

其中： $ {E_t} $ ， $ {H_t} $ 分别为短波通信过程的电场和磁场强度，距短波天线 $ {r_0} $ 处的短波能量模型 $ {S_{{r_0}}} $ 为：

$ {S_{{r_0}}} = \frac{{\sqrt {30{P_0}D} }}{{{r_0}}}\left( {{\raise0.7ex\hbox{$v$} \mathord{\left/ {\vphantom {v m}}\right.} \lower0.7ex\hbox{$m$}}} \right) \text{，} $

其有效值表示为：

$ \vec S = \frac{{173\sqrt {{P_0}\left( {KW} \right)D} }}{{{r_0}\left( {Km} \right)}}\left( {{{{mv}} \mathord{\left/ {\vphantom {{mv} m}}\right.} {m}}} \right) 。$

图2为海上移动短波通信的信号衰减特性曲线。

3 基于遗传算法的功率与速率联合控制技术 3.1 遗传算法

遗传算法是一种智能仿生算法，其基本环节如下：

1）初始种群编码

初始种群编码是将遗传算法的输入信号进行编码^[2]，成为系统可识别的数据类型，常用的种群编码方式包括二进制编码、浮点编码等。

2）适应度计算

适应度函数的作用是进行种群个体粒子的判断，在形成的初始化种群中，符合适应度函数的个体将被保留下来，组建成新的种群；不符合适应度函数的个体会被筛选掉。

适应度函数模型可表示为：

$ {f_i} = \frac{{{c_1} + {c_2}}}{{{w_t}}}\sqrt {\frac{1}{{N - 1}}{{\left( {\sum\limits_{i = 1}^n {\left( {{y_{best}} - y\left( i \right)} \right)} } \right)}^2}} \text{。} $

其中： $ {f_i}\left( {i = 1,2,3,..,N} \right) $ 为初始种群中个体的适应度值； $ y\left( i \right) $ 为第i个种群个体； $ {c_1},{c_2} $ 为学习因子； $ {\omega _t} $ 为惯性权重值^[4]；N为初始种群个体总数。

3）遗传、交叉和变异

遗传算法的遗传、交叉和变异^[3]是指从原始种群生成新种群的过程，可用函数描述如下：

$ {N_1} = N\frac{{{f_i}}}{{\sum\limits_{}^{} {{f_i}} }} 。$

遗传算法的基本原理如图3所示。

与其他智能算法相比，遗传算法具有以下特点：

1）全局优化能力

与普通的PID等算法不同，遗传算法具有多点搜索功能，利用多种群和适应度函数的筛选功能，遗传算法能够对整个搜索空间进行有效的检索，防止陷入局部最优的盲区。

2）应用范围广

与传统算法相比，遗传算法只需要在原来的评估机制上增加适应度函数评估和种群迭代的算法，这一特性使得遗传算法具有非常广泛的应用范围，在多种系统控制场景中均能使用。

3）可扩展性

遗传算法具有良好的扩展性，可从结构上与PID控制算法、神经网络控制算法进行结合和嵌套，提高控制系统的性能。

3.2 基于遗传算法的短波通信系统链路设计和功率控制技术

针对海上短波通信系统的链路和功率控制优化进行研究，结合遗传算法设计一套优化控制逻辑，在控制过程中，定义数据帧和中断率2个指标作为通信系统性能的评估标准。

1）数据帧

海上移动短波通信中，可以根据数据优先级别进行数据帧传输，数据帧形式如图4所示。

2）中断率

海上移动通信噪声干扰工况较多，因此，短波通信系统要求具有最小的通信中断率，即

$ {y_{{\text{min}}}} = \frac{1}{M}\sum\limits_{i = 1}^M {F_i^E} \text{。} $

式中： $ M $ 为通信链路的个数； $ F_i^E $ 为第i次通信定义的阈值函数，表示为：

$ F_i^E = \left\{ {\begin{array}{*{20}{c}} 1\text{，}&{{\text{if}}}&{{{\left( {\dfrac{{{E_b}}}{{{N_0}}}} \right)}_i} \geqslant \theta } \\ 0\text{，}&{{\text{otherwise}}}\text{。}&{} \end{array}} \right. \text{，} $

式中： $ \dfrac{{{E_b}}}{{{N_0}}} $ 为信号的中断； $ \theta $ 为概率。

3）发射功率

发射功率一方面影响短波通信系统的整体能耗，另一方面会影响系统的信号强度，基于遗传算法的短波通信优化中，最小发射功率指标为：

$ {p_{{\text{min}}}} = \frac{1}{M}\sum\limits_{i = 1}^M {F_i^p} \text{，} $

式中， $ F_i^p $ 为功率特性的阈值函数，表示为：

$ F_i^p = 1 - \frac{{{p_i}}}{{{p_{\max }}}} 。$

图5为基于遗传算法的短波通信系统功率优化流程图。

3.3 基于遗传算法的船舶短波通信功率控制仿真

针对本文提出的短波通信系统功率优化控制算法，在Matlab平台中进行算法的仿真，部分初始条件如下：

1）遗传算法的种群个数限制为100，交叉变异的概率为0.85；

2）学习因子为 $ {c_1},{c_2} $ 分别取值0.45和0.46，惯性权重值 $ {\omega _t} $ 取0.8；

3）短波通信系统的最大发射功率43 dBm^[4]，通信系统的带宽5 MHz；

4）短波通信发射天线的增益9 dBi，信号接收天线的增益8 dBi。

图6为仿真得到的短波通信信号中断率优化前后对比曲线，A为优化前的曲线，B为优化后的曲线，对比后发现，优化后短波信号中断率明显降低，优化效果非常明显。

4 结　语

海上短波通信是船舶进行移动数据收发的重要来源，本文结合遗传算法，针对海上短波通信的特性进行链路设计和功率控制的优化。Matlab仿真结果表明，本文基于遗传算法的短波通信控制技术具有较好的效果，能有效降低信号的中断率。