聂 浩，蔡晓霞，陈 红，姜 丽

（国防科技大学电子对抗学院，合肥 230037）

0 引言

网络作战是当今军事斗争的最主要斗争形式，是信息化条件下“敢打必胜”的保证。战术互联网的“无中心、自组织、无需基础设施支持”的特点［1］，奠定了它在当今军事斗争中的战略意义。在当代局部战争中，战术电台网的运用更是战术互联网运用的典型代表，其中通信网络的效能评估是为指战员提供作战准备的一个重要环节，往往决定了战争的胜负。

1 战术电台网

1.1 组网结构

战术电台网是战术互联网的重要组成部分，主要由UHF电台网、超短波电台网、单兵通信系统组成，是机动中各作战要素主要的通信保障网络，既可与上级骨干网相互融合构成完整的战术互联网，也可独立组网应用。

美军旅和旅以下战术电台网主要由近代数字电台（NTDR）、增强型位置定位报告系统（EPLRS）和单信道地面和机载无线电系统（战术电台）等构成［2］。图1给出了美军战术互联网结构层次图。

图1 美军战术互联网结构层次图

1.2 指标体系

战术电台网作为战时的通信网络，通信干扰实施前后，网络的效能变化直接影响其系统功能。从业务角度来看，主要从响应能力和有效性两类指标入手进行分析。与此同时，结合战术电台网的战术特性，增加抗毁性和战场环境这两个指标，将能更好地反映干扰前后战术电台网的效能变化。

响应能力主要从时延、路由开销、吞吐量和丢包率来进一步表示，反映了战术电台网络固有的结构属性和处理通信业务数量与质量的能力；有效性反映了网络合理利用资源能力，主要包括信道利用和节点利用两个方面；抗毁性实质是研究网络拓扑结构的可靠性，主要体现在隐蔽性能和机动性能两方面；战场环境主要考虑到地理和气象对评估体系的影响。具体的干扰效能评估指标体系如图2所示。

图2 干扰效能评估指标体系图

2 云模型的介绍与分析

在战场环境下，不同的战时任务，对网络的效能属性和通信能力有不同的要求，这就要求在同一评估模型下，对大量复杂的指标进行数据集成，实现定性定量转化的同时，形成最终的效果评估。本文给出云模型下战术电台网的干扰效能评估模型，解决不确定条件下数据集成和综合评估问题。

2.1 云模型发展的历程

云模型在1995年，由中国工程院李德毅院士提出，主要用来处理定性概念与定量描述的不确定转换模型［3］。期间主要经历了理论形成、理论完善和应用拓展3个阶段，如表1所示。

表1 云模型发展历程表

2.2 云模型的基本概念

云模型中，普通集合，是精确数据值表示的定量论域，C是U上的定性概念，若定量值，且x是C的一次随机实现，x对C的隶属度［4］是具有稳定倾向的随机数，则x在论域U上的分布称为云，每个x称为一个云滴。

云是用语言值来反映自然语言中概念的不确定性，反映了随机性和模糊性的关联性，构成定量与定性之间的映射。概念的整体特性用云的数字特征来反映，分别为期望 Ex、熵 En和超熵 He，即（Ex，En，He）。期望Ex是论域在空间分布的期望，表示最能够代表定性概念的点；熵En主要用于度量不确定的程度，反映了模糊性与随机性的关联性［5］；超熵He是熵的不确定性度量，反映了数据的凝聚性。

2.3 云方法在通信干扰中的应用

为了评估通信干扰系统的效能，必须采用某种定量尺度去度量通信干扰系统的效能，这种定量尺度称为效能指标或效能度量［6］。干扰效能评估指标通过分级表示，一级指标有响应能力A1、有效性A2、抗毁性A3以及战场环境A44个要素组成。进而对一级指标进行了分类归纳，建立了10个对应的二级指标。本文对响应能力下的4个指标作进一步研究。

时延［7］：一个报文或分组从一个网络的一端传送到另一个端所需要的时间。它包括了发送时延、传播时延、处理时延、排队时延。

路由开销［8］：节点受扰后，数据重传会导致节点间频繁查找路由，网络中路由消息洪泛会使网络产生拥堵。统计的路由消息总数（NOC）主要包括请求消息（NREQ）、回复消息（NREP）以及错误消息（NERR）的总和。路由开销统计方式如下：

吞吐量［9］：吞吐量是指对网络、设备、端口、虚电路或其他设施，单位时间内成功地传送数据的数量（以比特、字节、分组等测量）。

丢包率［10］：丢包率是指测试中所丢失数据包数量占所发送数据组的比率。计算方法如下：

RPL指丢包率，SIN表示输入报文，SOUT表示输出报文。

3 云模型下的效能综合评估模型

3.1 云发生器

云发生器由正向云和逆向云两种发生器组成，前者由定性描述转化为定量分析，后者由定量分析转化为定性描述。

图3 云发生器计算流程图

正向云发生器，通过计算期望、熵和超熵3个数字特征［7］，生成N个云滴，组成一个完整的云，进而将定性描述转化成定量的分析。逆向云发生器，利用现有的N个云滴，通过逆向计算得到3个数字特征。如图3所示，分别给出了正向云发生器和逆向云发生器的计算流程图。

3.2 建模步骤

3.2.1 初始化云模型

在网络性能指标体系中，有通过数据定量分析的，也有用语言定性描述的。提取n组相关数据指标组成决策矩阵［7］B，那么定量分析的相关指标可以组成一个云模型。其中：

当然，定性描述的相关指标也可以组成一个云模型。其中：

3.2.2 拟定系统状态

战术电台网往往用多维综合云进行表征，其中指标系统状态的个数对应着综合云的维数。其中重心是一个关键的指标，假设在m维综合云中，重心一般表示为反映其位置，bi反映其高度。在战时干扰环境下，系统状态的变化，必然导致综合云形状的变化，进而反映在云的重心发生偏移，一般表示为。

3.2.3 确定指标权重

确定权重的方法，大致分为主观权重算法和客观赋权法［11］。主观赋权法如特征向量法、最小平方法、专家咨询等；客观赋权法如熵法、多目标最优化方法、主成分分析法等。本文采用结合战时场景下的专家咨询方法，确定各指标因素的权重wi。表2体现了战术电台网在战时主要面临的部分场景：

表2 场景分类表

本文在场景2下对数据进行处理，结合专家咨询的方法对指标进行评估，通过咨询专家，主要对响应能力下的4个指标分两步进行确定权重。如表3所示，对场景2下指标的重要性进行初步确定，此次进行专家评分，最终确定权重wi=（0.425，0.155，0.235，0.185）。

表3 指标重要性评判表

3.2.4 计算加权偏离度

在m维综合云模型中，重心向量，其中位置向量，高度向量。网络受到干扰后，重心向量变为，进一步分析处理，可得。其中：

最后对式（7）归一化后的指标值进行加权求和后再取均值，可得加权偏离度的值为：

3.2.5 确定评估模型评语集

构成云发生器，其中评语集V=（极弱，非常弱，弱，比较弱，一般，比较强，强，非常强，极强），如图4所示。

图4 评估模型评语集

4 仿真验证

通过对OPNET组网的研究，仿真建立如图5所示的战术电台网。由于战术电台网多数为手持式单兵电台，有效通信距离为3 km～5 km，所以设置网络大小为15 km*15 km。

图5中模拟20个节点，采取随机分布的方式分布于连排级范围区域内。进而对其中部分节点的性能进行抑制，以达到模拟受干扰的状态。如图6～图11所示，分别反映了响应能力下的时延、吞吐量、丢包率、请求信息、回复信息以及错误信息干扰前后的对比分析关系。

其中图6～下页图8分别单独反映正常网络和被干扰后该指标的变化；下页图9～图11分别显示了路由协议下请求信息量、回复信息量及错误信息量的对比情况。根据2.3节中，提到的式（1）可以分析路由开销装在干扰前后的变化。

通过对正常情况和干扰情况的分析，对两类数据做最直接的相比处理，得到4项指标在干扰前后变化的百分数，作为数据指标组成决策矩阵。

图5 战术电台网组网图

图6 时延对比分析图

图7 吞吐量对比分析图

图8 丢包率对比分析图

图9 路由请求信息对比分析图

图10 路由回复信息对比分析图

图11 路由错误信息对比分析图

整个模拟仿真时间为3600 s，以延时为例，对仿真结果每36 s取值一次，得到如表4的结果，其他指标类似。

表4 识别结果对比表

结合表4，其中的5个状态如表5所示，对其进行等时间间隔的抽取，并分别进行计算，得到期望和熵如表6所示。

表5 识别结果对比表

表6 识别结果对比表

由3.2节计算得出4个指标的权重wi=（0.425，0.155，0.235，0.185），则加权综合云重心向量T=（0.332775，0.098115，0.126195，0.120435），理想状态加权综合云重心向量T0=（0.425，0.155，0.235，0.185），归一化后得TG=（0.217，0.367，0.463，0.349）。再通过式（8）计算加权偏离度为0.32248，进而可得干扰效能值为0.67752。该值处于“强”和“比较强”两个指标之间，且更靠近于“强”这一指标。

5 结论

对于战术电台网的干扰效能评估，在运用OPNET组网软件进行组网的基础上，进而得到各指标的仿真数据，进而较好地结合云模型理论，对战术互联网中典型的电台网进行具体分析，实践证明了该方法的合理性和有效性。下一步将会在指标的选取和权重的确定上做进一步探究，并将云模型下的效能评估与其他方法的效能评估进行对比分析。

［1］王喜焱.美国陆军战术互联网的现状与发展［J］.火控雷达技术，2002，31（4）：25-28+43.

［2］阎瑾.美军战术互联网体系架构研究［J］.通信技术，2011，45（9）：105-107.

［3］叶琼，李绍稳，张友华，等.云模型及应用综述［J］.计算机工程与设计，2011，32（12）：4198-4201.

［4］李德毅，孟海军，史雪梅.隶属云和隶属云发生器［J］.计算机研究与发展，1995，38（6）：15-20.

［5］李德毅，刘常昱，杜鹢，等.不确定性人工智能［J］.软件学报，2004，15（11）：1583-1594.

［6］陈立新.防空导弹网络化体系效能评估［M］.北京：国防工业出版社，2007.

［7］张小恒.服务Overlay网络资源管理问题研究［D］.济南：山东师范大学，2010.

［8］陈植林，蔡晓霞，陈红，等.战术互联网子网干扰效果评估［J］.火力与指挥控制，2016，41（4）：126-130.

［9］何炜.混合波分时分复用无源光网络研究与技术实现［D］.武汉：华中科技大学，2010.

［10］张海东.无线Mesh网多重关联机制研究［D］.长沙：国防科学技术大学，2011.

［11］史军涛，周铭，张振坤，等.基于云模型的通信干扰系统效 能 评 估 ［J］.空 军 雷 达 学 院 学 报 ，2012，26（4）：266-268，272.

［12］魏书堤，姜小奇.一种利用信息熵确定属性权重的模糊单因素评价方法［J］.计算机工程与科学，2010，38（7）：93-94，107.