0 引言

    移動通信車輛是一種特殊的受供電車輛，如今隨著科學技術的發展，社會對交通運輸的需求持續增長，移動通信車輛動態組網應運而生^[1-2]，且因其方便性、開放性等優點被廣泛應用在各個領域通信工作方面。但隨著使用環境的增加，其抗干擾性能受到了前所未有的挑戰，也成為了該領域亟待解決的問題，并受到廣大學者的關注，出現了很多好的解決方法^[3-5]。

    其中，文獻[6]提出基于自組織方法的移動通信車輛動態組網抗干擾性評估方法，通過將抗干擾性能分為有限和無限兩種，分別進行針對性的分析，實現對抗干擾性的評估。該方法對大量噪聲環境下的移動通信車輛動態組網性能評估不準確，不適合大范圍使用。文獻[7]提出基于信息隱藏的移動通信車輛動態組網抗干擾性能評估方法，采用置亂技術對隱蔽信息置亂度進行衡量，增加隱蔽信息的特征，實現性能評估。但是該方法實現過程復雜。文獻[8]提出基于物聯網的移動通信車輛動態組網抗干擾性評估方法，該方法通過對動態組網存在的噪聲進行濾波處理，增加通信性能的基礎上，采用物聯網技術，對抗干擾性能進行評估。但存在所需時間較長的問題。

    針對上述問題的產生，提出一種新的移動通信車輛動態組網抗干擾效能評估建模方法。實驗結果證明，采用改進的評估方法時，其評估相對誤差較小，抗干擾效能評估性能好，具有一定的優勢。

1 移動通信車輛動態組網結構與評估指標分析及預處理

1.1 移動通信車輛動態組網結構分析

    移動通信車輛的動態組網擁有兩種構造，即樹狀和網狀^[9-11]。樹狀構造圖如圖1所示，在一個單獨的移動通信網絡車輛數據的數據融合中心，可通過數據融合中心實現對所有數據的處理。網狀結構可以實現移動通信車輛數據轉換和共享，移動通信車輛動態組網在大范圍可以從其他移動車輛獲取所需數據,并將其與測量數據融合在一起。網狀構造比樹構造更為復雜,但非常靈活,有良好的抗毀性，單個節點的破壞不會干擾整個網絡系統的正常運行，網狀構造如圖2所示。

    由圖1和圖2可知，移動通信車輛以組網的形式，可以使通信車輛數據得到共享，同時控制中心能夠對每個移動通信車輛進行控制，增加移動通信車輛的可靠性，并且移動通信車輛還可以從多角度進行通信。

1.2 移動通信車輛動態組網評估指標分析

    在移動通信車輛組網抗干擾效能評估時，將與移動通信車輛動態組網有關的指標組成為移動通信車輛動態組網的評估指標體系。構建所需的評估體系，能選取評估目標和評估方向，而移動通信車輛動態組網的抗干擾性能評價體系的構建，能夠從預警能力、覆蓋能力和融合治理等3方面進行展開分析。

1.2.1 覆蓋性能分析

    覆蓋性能主要是指移動通信車輛動態網絡的影響,對于一個給定目標在動態網絡中的覆蓋程度。相關指標獲取如下所示：

式中：M、N均為常數。

    (2)頻域覆蓋系數：若組網有M個頻段，移動通信車倆數為N，那么動態組網的頻段交錯比是：

式中：0≤R_f≤1，頻率越大，針對移動通信車輛動態組網干擾機頻率范圍更大，很大程度上通信車輛動態網干擾機頻率干擾效果更好，移動通信車輛動態組網抗干擾性越差。

1.2.2 預測能力分析

    (1)探測時間比：探測時間比率表示移動車輛動態網絡目標探測的連續性,能用下式進行表示：

式中：T_f為移動通信車輛動態網絡在滿足一定條件下的網絡區域探測到目標的時間；T_g為在動態網絡領域里，發現一個目標所需時間；T_b為在網絡領域中，一個目標在盲區出現的時間。

    (2)發現概率：目標發現概率是一個動態網絡在電子干擾情況下發現目標的概率。動態網絡中的車輛在受到電子干擾后,各車輛目標檢測概率在任一地點,動態網絡發現目標的概率能根據下式進行計算：

式中，P_i是第i部車輛的發現的概率，P為組網發現概率，n為常數。

1.3 移動通信車輛動態組網信息預處理

    移動通信車輛動態組網信息因存在偏差性和相對的紊亂性，在分析移動通信車輛動態組網結構及評估指標的基礎上，對移動通信車輛動態組網信息進行預處理，增加信息準確度。在動態網絡中,假如一個移動車輛在干擾環境下,且其他移動通信車輛的傳感器數據能夠經過信息融合處理中心,讓移動通信車輛動態網絡依然可以維持全部性能。

    若移動通信車輛動態組網輛移動通信車輛為N，移動通信車輛有N_j因干擾而失效，定義動態組網失效比為：

    綜上所述，通過對移動通信車輛動態組網抗干擾效能評估指標進行分析，以及對移動通信車輛動態組網信息的預處理，可為之后建立移動通信車輛動態組網抗干擾效能評估模型的建立提供基礎依據。

2 移動通信車輛動態組網抗干擾效能評估模型的建立

    由于移動通信車輛動態組網抗干擾效能評估各指標具備不一樣的量綱，且類型不一樣，所以指標具備非共用性，難以進行直接對比。為了減少指標間的不同量綱的干擾，需要對輸入向量進行標準化轉換，引入基于最大離差法與支持向量機法相互結合，在計算出最大離差法權重系數基礎下，運用支持向量機移動通信車輛動態組網抗干擾效能進行評估。將支持向量機應用到抗干擾效能評估中，在抗干擾效能評估體系基礎上，構建移動通信車輛動態組網抗干擾效能評估模型。假設有n個樣本數據、P個指標，可得最大離差法權重系數X：

    綜上所述，引入基于最大離差法權重系數的支持向量機評估方法，構建移動通信車輛動態組網抗干擾效能評估模型，并采取多種技術措施，實現抗干擾效能評估模型的構建。

3 實驗結果分析

    為了證明改進方法在動態網絡移動通信抗干擾性能評價的可行性,比較兩種方法的最佳差異的同時,以4個不同的移動通信車輛動態網絡模式為訓練樣本,測試在干擾環境中各種指標的相應值。指標為：頻域覆蓋系數C2、探測時間比C4、空域覆蓋系數C1、信息融合能力C6、頻域瞄準度C3、目標發現概率C5。采用模糊物元分析法，得到預測樣本測量值如表1所示。

    根據覆蓋性能，使用 MATLAB 語言對基于最大離差法權重系數的支持向量機評估方法建模，編寫相應的函數庫；然后使用MATLAB 設計界面并調用相應的庫函數，在設置不同干擾環境的參數下進行效能評估。其仿真方案如圖3所示。

    在抗干擾效能評估軟件方案設計的基礎之上，采用TOTU評估模型與本文的評估模型進行實驗對比，分別測試兩種建模準確度，其對比結果如圖4所示。

    使用支持向量機、神經網絡法、模糊綜合評估、模糊物元分析法與改進方法這5種方法對比，對移動通信車輛動態組網抗干擾效能進行建模評估，結果能反映動態組網的抗干擾效能，如圖5所示。

    從圖5中可知，除了改進方法，其余4種方法得到的曲線解釋幾乎相同，4種評價方法評價的動態網絡抗干擾效果的關系本質上也一樣。同時4種算法本身的評估結果差異在不同的大小與人為干擾因素。模糊綜合評估方法評估結果很小,這主要是因為模糊物元分析方法的反應可以客觀地評價結果，所以一般的評估實驗中都選擇其作為訓練的期望值，而改進方法因為其做了預處理，使得效能評估結果要優于其他4種評估方法，具有一定優勢。以模糊物元法的評估結果作為標準，采用剩余4種算法的評估相對誤差結果如圖6所示。

    由圖6可知，模糊綜合評價方法能夠從多個指標綜合判斷、評估對象隸屬度,能夠考慮到評價對象的層次結構、評價標準。影響因素的模糊性與模糊綜合評價可以定性和定量因素的結合,擴大信息量,提高評價的可靠性。模糊綜合評價方法由于堅實的理論基礎及系統性強，可用于解決新領域中的新問題,評估結果可以作為其他方法的參考。其參數設置和評價方法可以考慮每個樣本之間的差異參數值及權重的不確定性,減少該指數權重設置在主觀因素的影響,增加了移動通信車輛動態網絡抗干擾性能的準確評估。

4 結束語

    本文針對傳統的評估方法非移動通信車輛動態組網抗干擾效能評估不準確的問題，提出一種新的移動通信車輛動態組網抗干擾效能評估方法，對移動通信車輛動態組網信息進行預處理，增加信息的準確度，再通過專家評估方法獲取移動通信車輛動態組網抗干擾因子評估模型，引入多種評估技術措施建立移動通信車輛動態組網抗干擾效能評估模型，實現抗干擾效能的評估。實驗結果證明，采用改進的評估方法時，其評估相對誤差較小，抗干擾效能評估性能好，具有一定的優勢。

參考文獻

[1] 丁若婷，孫越，汪毅雄，等.基于4G移動通信的實時車輛監控管理系統[J].信息通信技術，2015，32(5)：27-32.

[2] BEATY R E，BENEDEK M，SILVIA P J，et al.Creative cognition and brain network dynamics[J].Trends in Cognitive Sciences，2015，20(2)：87-95.

[3] 郭彬.高速移動錯位下的車輛通信參數精確檢測[J].計算機測量與控制，2015，23(2)：389-391.

[4] 隋毅，邵峰晶，孫仁誠，等.基于向量空間的多子網復合復雜網絡模型動態組網運算的形式描述[J].軟件學報，2015，12(8)：2007-2019.

[5] Li Zhao，Shen Yao，Yao Bin，et al.OFScheduler：A dynamic network optimizer for MapReduce in heterogeneous cluster[J].International Journal of Parallel Programming，2015，43(3)：472-488.

[6] 張宇，王鵬，劉澄澄，等.基于HLA的無線通信網絡抗干擾仿真系統研究[J].北京理工大學學報，2015，34(1)：79-85.

[7] 侍財源，樂燕芬，黃喆，等.ZigBee網絡拓撲對WLAN抗干擾性能影響[J].信息技術，2015，15(5)：165-168.

[8] 張建軍，曲宏宇，趙棟華.基于神經網絡的雷達抗干擾效能評估方法[J].海軍航空工程學院學報，2015，30(1)：28-32.

[9] WU Q，COLE C，SUN M S Y Q.A review of dynamics modelling of friction wedge suspensions[J].Vehicle System Dynamics，2014，52(11)：1389-1415.

[10] ZHANG B，MA H，SUN X L，et al.Robust anti-jamming method for high dynamic global positioning system receiver[J].Iet Signal Processing，2016，10(4)：342-350.

[11] XIE H，HU J，YIN W Y.Anti-jamming performance simulation and analysis of tactical data link communication system[J].IEEE International Symposium on Electromagnetic Compatibility，2014，23（6）：1096-1101.

作者信息:

王淑娟1，李衛平2

(1.中原工學院信息商務學院 信息技術系，河南 鄭州451191；2.鐵道警察學院 公安技術系，河南 鄭州450053)