0 引言

    移动通信车辆是一种特殊的受供电车辆，如今随着科学技术的发展，社会对交通运输的需求持续增长，移动通信车辆动态组网应运而生^[1-2]，且因其方便性、开放性等优点被广泛应用在各个领域通信工作方面。但随着使用环境的增加，其抗干扰性能受到了前所未有的挑战，也成为了该领域亟待解决的问题，并受到广大学者的关注，出现了很多好的解决方法^[3-5]。

    其中，文献[6]提出基于自组织方法的移动通信车辆动态组网抗干扰性评估方法，通过将抗干扰性能分为有限和无限两种，分别进行针对性的分析，实现对抗干扰性的评估。该方法对大量噪声环境下的移动通信车辆动态组网性能评估不准确，不适合大范围使用。文献[7]提出基于信息隐藏的移动通信车辆动态组网抗干扰性能评估方法，采用置乱技术对隐蔽信息置乱度进行衡量，增加隐蔽信息的特征，实现性能评估。但是该方法实现过程复杂。文献[8]提出基于物联网的移动通信车辆动态组网抗干扰性评估方法，该方法通过对动态组网存在的噪声进行滤波处理，增加通信性能的基础上，采用物联网技术，对抗干扰性能进行评估。但存在所需时间较长的问题。

    针对上述问题的产生，提出一种新的移动通信车辆动态组网抗干扰效能评估建模方法。实验结果证明，采用改进的评估方法时，其评估相对误差较小，抗干扰效能评估性能好，具有一定的优势。

1 移动通信车辆动态组网结构与评估指标分析及预处理

1.1 移动通信车辆动态组网结构分析

    移动通信车辆的动态组网拥有两种构造，即树状和网状^[9-11]。树状构造图如图1所示，在一个单独的移动通信网络车辆数据的数据融合中心，可通过数据融合中心实现对所有数据的处理。网状结构可以实现移动通信车辆数据转换和共享，移动通信车辆动态组网在大范围可以从其他移动车辆获取所需数据,并将其与测量数据融合在一起。网状构造比树构造更为复杂,但非常灵活,有良好的抗毁性，单个节点的破坏不会干扰整个网络系统的正常运行，网状构造如图2所示。

    由图1和图2可知，移动通信车辆以组网的形式，可以使通信车辆数据得到共享，同时控制中心能够对每个移动通信车辆进行控制，增加移动通信车辆的可靠性，并且移动通信车辆还可以从多角度进行通信。

1.2 移动通信车辆动态组网评估指标分析

    在移动通信车辆组网抗干扰效能评估时，将与移动通信车辆动态组网有关的指标组成为移动通信车辆动态组网的评估指标体系。构建所需的评估体系，能选取评估目标和评估方向，而移动通信车辆动态组网的抗干扰性能评价体系的构建，能够从预警能力、覆盖能力和融合治理等3方面进行展开分析。

1.2.1 覆盖性能分析

    覆盖性能主要是指移动通信车辆动态网络的影响,对于一个给定目标在动态网络中的覆盖程度。相关指标获取如下所示：

式中：M、N均为常数。

    (2)频域覆盖系数：若组网有M个频段，移动通信车俩数为N，那么动态组网的频段交错比是：

式中：0≤R_f≤1，频率越大，针对移动通信车辆动态组网干扰机频率范围更大，很大程度上通信车辆动态网干扰机频率干扰效果更好，移动通信车辆动态组网抗干扰性越差。

1.2.2 预测能力分析

    (1)探测时间比：探测时间比率表示移动车辆动态网络目标探测的连续性,能用下式进行表示：

式中：T_f为移动通信车辆动态网络在满足一定条件下的网络区域探测到目标的时间；T_g为在动态网络领域里，发现一个目标所需时间；T_b为在网络领域中，一个目标在盲区出现的时间。

    (2)发现概率：目标发现概率是一个动态网络在电子干扰情况下发现目标的概率。动态网络中的车辆在受到电子干扰后,各车辆目标检测概率在任一地点,动态网络发现目标的概率能根据下式进行计算：

式中，P_i是第i部车辆的发现的概率，P为组网发现概率，n为常数。

1.3 移动通信车辆动态组网信息预处理

    移动通信车辆动态组网信息因存在偏差性和相对的紊乱性，在分析移动通信车辆动态组网结构及评估指标的基础上，对移动通信车辆动态组网信息进行预处理，增加信息准确度。在动态网络中,假如一个移动车辆在干扰环境下,且其他移动通信车辆的传感器数据能够经过信息融合处理中心,让移动通信车辆动态网络依然可以维持全部性能。

    若移动通信车辆动态组网辆移动通信车辆为N，移动通信车辆有N_j因干扰而失效，定义动态组网失效比为：

    综上所述，通过对移动通信车辆动态组网抗干扰效能评估指标进行分析，以及对移动通信车辆动态组网信息的预处理，可为之后建立移动通信车辆动态组网抗干扰效能评估模型的建立提供基础依据。

2 移动通信车辆动态组网抗干扰效能评估模型的建立

    由于移动通信车辆动态组网抗干扰效能评估各指标具备不一样的量纲，且类型不一样，所以指标具备非共用性，难以进行直接对比。为了减少指标间的不同量纲的干扰，需要对输入向量进行标准化转换，引入基于最大离差法与支持向量机法相互结合，在计算出最大离差法权重系数基础下，运用支持向量机移动通信车辆动态组网抗干扰效能进行评估。将支持向量机应用到抗干扰效能评估中，在抗干扰效能评估体系基础上，构建移动通信车辆动态组网抗干扰效能评估模型。假设有n个样本数据、P个指标，可得最大离差法权重系数X：

    综上所述，引入基于最大离差法权重系数的支持向量机评估方法，构建移动通信车辆动态组网抗干扰效能评估模型，并采取多种技术措施，实现抗干扰效能评估模型的构建。

3 实验结果分析

    为了证明改进方法在动态网络移动通信抗干扰性能评价的可行性,比较两种方法的最佳差异的同时,以4个不同的移动通信车辆动态网络模式为训练样本,测试在干扰环境中各种指标的相应值。指标为：频域覆盖系数C2、探测时间比C4、空域覆盖系数C1、信息融合能力C6、频域瞄准度C3、目标发现概率C5。采用模糊物元分析法，得到预测样本测量值如表1所示。

    根据覆盖性能，使用 MATLAB 语言对基于最大离差法权重系数的支持向量机评估方法建模，编写相应的函数库；然后使用MATLAB 设计界面并调用相应的库函数，在设置不同干扰环境的参数下进行效能评估。其仿真方案如图3所示。

    在抗干扰效能评估软件方案设计的基础之上，采用TOTU评估模型与本文的评估模型进行实验对比，分别测试两种建模准确度，其对比结果如图4所示。

    使用支持向量机、神经网络法、模糊综合评估、模糊物元分析法与改进方法这5种方法对比，对移动通信车辆动态组网抗干扰效能进行建模评估，结果能反映动态组网的抗干扰效能，如图5所示。

    从图5中可知，除了改进方法，其余4种方法得到的曲线解释几乎相同，4种评价方法评价的动态网络抗干扰效果的关系本质上也一样。同时4种算法本身的评估结果差异在不同的大小与人为干扰因素。模糊综合评估方法评估结果很小,这主要是因为模糊物元分析方法的反应可以客观地评价结果，所以一般的评估实验中都选择其作为训练的期望值，而改进方法因为其做了预处理，使得效能评估结果要优于其他4种评估方法，具有一定优势。以模糊物元法的评估结果作为标准，采用剩余4种算法的评估相对误差结果如图6所示。

    由图6可知，模糊综合评价方法能够从多个指标综合判断、评估对象隶属度,能够考虑到评价对象的层次结构、评价标准。影响因素的模糊性与模糊综合评价可以定性和定量因素的结合,扩大信息量,提高评价的可靠性。模糊综合评价方法由于坚实的理论基础及系统性强，可用于解决新领域中的新问题,评估结果可以作为其他方法的参考。其参数设置和评价方法可以考虑每个样本之间的差异参数值及权重的不确定性,减少该指数权重设置在主观因素的影响,增加了移动通信车辆动态网络抗干扰性能的准确评估。

4 结束语

    本文针对传统的评估方法非移动通信车辆动态组网抗干扰效能评估不准确的问题，提出一种新的移动通信车辆动态组网抗干扰效能评估方法，对移动通信车辆动态组网信息进行预处理，增加信息的准确度，再通过专家评估方法获取移动通信车辆动态组网抗干扰因子评估模型，引入多种评估技术措施建立移动通信车辆动态组网抗干扰效能评估模型，实现抗干扰效能的评估。实验结果证明，采用改进的评估方法时，其评估相对误差较小，抗干扰效能评估性能好，具有一定的优势。

参考文献

[1] 丁若婷，孙越，汪毅雄，等.基于4G移动通信的实时车辆监控管理系统[J].信息通信技术，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.高速移动错位下的车辆通信参数精确检测[J].计算机测量与控制，2015，23(2)：389-391.

[4] 隋毅，邵峰晶，孙仁诚，等.基于向量空间的多子网复合复杂网络模型动态组网运算的形式描述[J].软件学报，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] 张宇，王鹏，刘澄澄，等.基于HLA的无线通信网络抗干扰仿真系统研究[J].北京理工大学学报，2015，34(1)：79-85.

[7] 侍财源，乐燕芬，黄喆，等.ZigBee网络拓扑对WLAN抗干扰性能影响[J].信息技术，2015，15(5)：165-168.

[8] 张建军，曲宏宇，赵栋华.基于神经网络的雷达抗干扰效能评估方法[J].海军航空工程学院学报，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，李卫平2

(1.中原工学院信息商务学院 信息技术系，河南 郑州451191；2.铁道警察学院 公安技术系，河南 郑州450053)