0 引　言

船舶协同通信是指船舶在执行任务过程中，与其他船舶、岸基设施（如港口、海事管理机构等）之间进行的协调、配合和通信活动^[1]。这种通信不仅包括语音通话和数据传输，还涉及信息共享、指令传达、协同作业等多个方面^[2]。为保证船舶协同通信不出现异常中断或网络堵塞问题，需研究适用的船舶协同通信资源配置优化算法，为此，陈立家等^[3]将无人船网络中的路由选择问题转化为多约束最短路径问题，考虑带宽、时延以及数据流大小等多种约束条件，通过SDN控制器获取网络链路中的状态信息，从而选择最优路由节点进行数据传输。但在实际应用中，无人船网络环境高度动态性和不确定性，海况变化、网络拓扑结构变化等都可能影响算法准确性和稳定性。曾骏杰等^[4]考虑信道变化、服务体验多样性和公平性，通过优化资源分配来提升用户QoE。将问题简化为最大化时间平均的QoE公平效用，利用李雅普诺夫优化将复杂的动态问题，转化为可处理的瞬时优化问题。此策略在增强整体QoE的同时，确保资源分配公平性。然而，由于网络信道和服务需求实时变化，该策略对系统实时性有较高要求，响应速度不足可能影响资源分配效果和用户体验。

本文研究新的船舶协同通信资源配置优化算法，此算法主要考虑业务优先级，设计可保证协同通信网络吞吐量最大化的协同通信频谱资源配置优化方案，提升协同通信性能。

1 船舶协同通信资源配置优化研究 1.1 基于空天地海通信的船舶协同通信网络架构

船舶协同通信网络架构主要融合空天地海多维度通信，“空天地海”通信模式是一种综合空间（VDES卫星）、空中（无人机、飞行器）、地面（岸基设施、VDES卫星地面站）和海上（船载终端、浮标等）多种通信手段的全方位、立体化通信网络。该模式能够克服单一通信手段在覆盖范围、通信容量、可靠性等方面的局限性，实现更广泛、更高效、更可靠的通信服务^[5]。图1为基于空天地海通信的船舶协同通信网络架构。

1.2 基于优先级的协同通信频谱资源配置优化模型

针对船舶协同通信网络结构，构建基于优先级的协同通信频谱资源配置优化模型，主要探索如何通过精细化的频谱资源分配机制，动态调整频谱资源配置状态，最大化整个协同通信的下行链路总吞吐量，主要为多个船载终端的通信网络吞吐量。这一过程不仅考虑频谱资源的高效利用，还兼顾下行链路不同船载终端需求的差异性，深度优化协同通信性能。

1.2.1 业务优先级模型

本文构建船舶协同通信网络业务优先级模型，依据实时需求划分用户（指代船舶终端）优先级，提出优先级导向的频谱分配策略，确保高优先级用户优先且优质获频。设置用于军事卫星通信船舶终端，其优先级别为1级，级别最高，其级别设成Y₁，民用通信船舶终端包含2级与3级，分别设成Y₂、Y₃。则优先级业务集合是$ Y = \left\{ {{Y_1},{Y_2},{Y_3}} \right\} $，第$ n $个船舶终端优先级是X(n)：

$ X\left( n \right) = {Y_j} 。$

(1)

为$ Y = \left\{ {{Y_1},{Y_2},{Y_3}} \right\} $设置不同权重，以此控制多种优先级的船舶终端，分配频谱的先后次序。权重数值越大，表示其分配的信道频谱资源越优。

1.2.2 频谱资源配置优化方案

频谱资源配置优化目的是吞吐量最大化，假如频谱资源配置优化的矩阵是$ B = \left[ {{b_1},{b_2},...,{b_h},...,{b_H}} \right] $，矩阵中，元素$ {b_h} $代表第$ h $个列向量，$ H $为列向量总数量。如果b_h中第$ n $行元素是1，代表第$ h $列描述的第$ h $个频谱分配至第$ n $行船舶终端，这时，此列剩下元素数值是0。假如矩阵$ X = {\left[ {{X_1},...,{X_N}} \right]^{\rm T}} $表示船舶终端优先级矩阵，X_n代表存在$ H $个元素的行向量；则：

$ {X_n}\left( 1 \right) = {X_n}\left( 2 \right) = {X_n}\left( H \right) = {Y_j}\;\; \left( {j = 1,2,3} \right) 。$

(2)

Y_j数值较大，表示此优先级的船舶终端，优先分配频谱资源的权力越显著。优先级矩阵是：

$ X = \left( {\begin{array}{*{20}{c}} {{X_1}\left( 1 \right)}& \cdots &{{X_1}\left( H \right)} \\ \vdots & \ddots & \vdots \\ {{X_n}\left( 1 \right)}& \cdots &{{X_n}\left( H \right)} \end{array}} \right) 。$

(3)

分析船舶协同通信网络的核心指标为吞吐量，则第$ h $个信道运行时，第$ n $个船舶终端的吞吐量：

$ O\left( {n,h} \right) = B\left( {1 + {R_d}\left( {n,h} \right)} \right)。$

(4)

式中：$ {R_d}\left( {n,h} \right) $为船舶终端在接收信号时的信干噪比。吞吐量矩阵：

$ O\left( {n,h} \right) = \left( {\begin{array}{*{20}{c}} {O\left( {1,1} \right)}& \cdots &{O\left( {1,H} \right)} \\ \vdots & \ddots & \vdots \\ {O\left( {n,1} \right)}& \cdots &{O\left( {n,H} \right)} \end{array}} \right)。$

(5)

则频谱资源配置优化方案的设计目标：

$ S = \mathop {\max }\limits_B \left( {{{\left\| {B \odot O\left( {n,h} \right) \odot X} \right\|}_1}} \right) 。$

(6)

式中，$ \odot $为矩阵点乘^[6]。

1.2.3 基于萤火虫算法的频谱资源配置优化方案

在萤火虫算法中，设置$ m $只萤火虫随机分布在协同通信网络频谱资源配置优化方案的可行域中，此可行域是$ \left\{ {{A_1}\left( t \right),{A_2}\left( t \right),...,{A_m}\left( t \right)} \right\} $，萤火虫$ j $的位置是$ {A_j}\left( t \right) $，$ t $为迭代次数，萤火虫位置表示一个特定频谱配置优化方案。各只萤火虫荧光素是z_j，荧光素为每个频谱资源配置优化方案的性能指标，将其设成目标函数所指吞吐量；频谱配置优化方案决策域半径设成$ c_d^j $。算法的步骤如下：

步骤1　更新荧光素，萤火虫荧光素与其所代表的频谱资源配置方案的优劣程度相关。通常，荧光素由目标函数值决定，目标函数值越高（或越低，取决于问题的具体定义），萤火虫的亮荧光素度就越大，表示该方案越优。

$ {z_j}\left( {t + 1} \right) = \left( {1 - \beta } \right){z_j}\left( t \right) + \delta \cdot S\left( {{A_j}\left( {t + 1} \right)} \right)。$

(7)

式中：$ \beta $、$ \delta $分别为z_j的变化率以及萤火虫适应度函数变化率；S(A_j(t+1))表示适应度函数。适应度函数即为前文目标函数。

步骤2　更新位置，在萤火虫算法中，每个萤火虫的位置代表一个潜在的频谱资源配置方案。这个位置可以是多维的，每个维度对应频谱资源一个特定方面。在邻域半径区域中，第$ j $个萤火虫按照概率q_ij朝第$ i $个萤火虫移动。

$ {q_{ij}} = \frac{{{z_i}\left( t \right) - {z_j}\left( t \right)}}{{\displaystyle\sum\limits_{c_d^j} {{z_i}\left( t \right) - {z_j}\left( t \right)} }} 。$

(8)

式中：z_i(t)、z_j(t)分别为第$ i $个萤火虫荧光素、第$ j $个萤火虫荧光素。

同伴$ i $选择完毕，使用下式更新萤火虫$ j $位置：

$ {A_j}\left( {t + 1} \right) = {A_j}\left( t \right) + \varepsilon \left( {\frac{{{A_i}\left( t \right) - {A_j}\left( t \right)}}{{\left\| {{A_i}\left( t \right) - {A_j}\left( t \right)} \right\|}}} \right)。$

(9)

式中：A_i(t)、A_j(t)分别为第$ i $个萤火虫位置、第$ j $个萤火虫位置；$ \varepsilon $为每个萤火虫的固定移动步长。

步骤3　位置更新完毕，每个萤火虫将在自己所在探索可行域中，结合同伴集合的数量，动态更新频谱配置优化方案决策域半径。

步骤4　重复上述步骤，直到达到最大迭代次数，输出当前找到的协同通信频谱资源配置优化最优解（即吞吐量最大的频谱资源配置方案）。

2 仿真实验 2.1 实验设计

为在保证实验便捷性的同时维持其合理性，本实验研究以VDES卫星的单一波束覆盖区域进行模拟分析。在数据选取方面，严格遵循国际电信联盟（ITU）发布的权威标准，并特别选用位于某区域的一个实际运行中的卫星系统作为参照，以确保仿真结果贴近实际应用场景。

2.2 结果与分析

1）不同优先级业务权重分析

结合优先级高低，理想的信道频谱资源配置优化结果是：优先级别是Y₁、Y₂的船载终端，均配置分配至信道频谱的概率是1，级别Y₃的船载终端被分配信道的概率是0。实验中，实验内容是将3个级别的船载终端通信业务，进行信道频谱资源配置优化，统计不同优先级业务的船载终端通信业务，被优先配置分配信道频谱资源的次数，分析次数数据，筛选合理权重参数，统计结果如表1所示。分析可知，当优先级权重参数分别是0.61、0.31、0.11时，Y₁业务优先分配次数达15次，Y₂业务优先分配次数达14次，说明存在1次出现更为关键的业务需要传输，为此Y₂级别业务需让其先传输，Y₃业务优先分配次数为0次。则此时可以保证优先级级别较高的用户优先分配获取信道频谱资源，优先级明确，分配结果满足本文前文方法需求，所以实验中采纳该权重设定结果。

2）吞吐量分析

设定表2所示实验情景。

则在可用信道有限的条件下，本文算法使用后，船载终端AIS、AIS+ASM的数据吞吐量变化如图2所示。可知，本文算法使用后，船载终端AIS、AIS+ASM的数据吞吐量变化均大于9500 bit/s，由此说明本文算法对船舶协同通信资源配置优化后，数据吞吐量确保船载终端能够稳定、快速地与其他船舶、岸基设施等进行通信，满足基本的船舶航行信息交换需求。大于9500 bit/s的吞吐量足以支持高清图像、视频流、实时定位数据等大量信息的快速传输，这对于提高船舶监控、安全预警和应急响应能力至关重要。

3）业务完成率

3种业务数据的通信传输完成率如图3所示。由图3数据显示，本文算法使用下，船舶协同通信的3种业务数据通信传输完成率接近于1，完成率数值接近理想状态，证实本文算法可保证不同业务数据的可靠、成功传输。

3 结　语

船舶协同通信的核心是信息共享。船舶之间以及船舶与岸基设施之间通过实时通信系统共享关键数据，如船舶位置、航速、航向、货物信息、装卸计划等。这些信息的共享有助于各方更好地了解彼此的状态和需求，从而作出更合理的决策和安排。为保证此类通信行为的可靠性与稳定性，本文提出新的船舶协同通信资源配置优化算法，在实验中证实，本文算法对船舶协同通信资源配置优化后，数据吞吐量确保了船载终端能够稳定、快速地与其他船舶、岸基设施等进行通信，满足基本的船舶航行信息交换需求，且能够保证不同业务数据的可靠、成功传输。