一种复杂气象环境海上无线通信信道衰落估计方法与流程

1.本发明涉及海上无线通信技术领域，具体是一种复杂气象环境海上无线通信信道衰落估计方法。


背景技术：

2.海上无线通信信道衰落受海浪阴影效应、发射机接收机摆动、海洋表面电磁波稀疏散射、海上气象环境损耗等诸多复杂因素影响，特别是由于海洋面电磁波稀疏散射和稀疏用户分布，导致无线电波在海上传播时具有高度稀疏性；稀疏散射、海浪运动、收发机因海浪等引起的摆动等，使得到达接收端的多径信道随着海况发生变化，导致多径信道的不稳定性；云、雨、雪、雾等气象环境，导致无线信道衰落难以估计。由于海洋地理与气象环境复杂，在陆地先进的无线通信技术不能完全满足海上无线通信系统要求，综合考虑海上无线通信环境影响因素，通过建模海上无线通信信道衰落特征模型，对于海上无线通信系统研究具有重要意义。构建海上无线通信信道衰落参数估计模型，对其信道进行精确辨识、估计、均衡、解调和解码，在接收端准确恢复出发射信息，实现端到端的联合优化具有重要意义，海上无线通信信道衰落估计研究已成为业界关注的重点问题之一。


技术实现要素：

3.本发明的目的在于克服现有技术的不足，而提供一种复杂气象环境海上无线通信信道衰落估计方法(estimation of wireless channel fading model in maritime communication for complex meteorological environment，y&d
‑
ewcfm)，引入复杂气象环境对海上无线通信信道衰落影响，构建直射、镜面反射和漫反射无线通信信道衰落函数，建立复杂气象环境海上无线通信信道衰落估计模型；设计改进蜂群算法对海上无线通信信道衰落估计求解，以引领蜂为中心，通过构建以sin(
·
)函数为算子引导跟随蜂进行搜索，降低搜索空间，提高求解效率和精度；运用贪婪策略选择m个适应度最优的跟随蜂，由侦查蜂标记并入侦查蜂集，构建新的侦查蜂集；以侦查蜂解集的均方差判断其解的准确度，避免因求解误差导致的算法抖动；引领蜂以概率p接收侦查蜂解，将该侦查蜂更新为新的引领蜂，抑制引领蜂更新时容易陷入局部最优的问题.基于舟山海域气象数据，模拟四季不同海况环境下仿真分析y&d
‑
ewcfm模型性能。
4.实现本发明目的的技术方案是：
5.一种复杂气象环境海上无线通信信道衰落估计方法，其特征在于，引入复杂气象环境对海上无线通信信道衰落影响，构建直射、镜面反射和漫反射无线通信信道衰落函数，建立复杂气象环境海上无线通信信道衰落估计模型；设计改进蜂群算法对海上无线通信信道衰落估计进行求解，具体包括如下步骤：
6.1)假设以海上智能通信基站为发射机，以舰船无线通信终端为接收端进行无线通信，包含舰船静止与基站位置、舰船离开基站方向航行和舰船向基站方向航行三种运动状态，具体步骤如下：
[0007]1‑
1)舰船以6节的恒定速度线性航行，衰落数据采样分为2组，一组为向基站方向航行，另一组为离开基站方向航行，通过海上智能通信基站发射心跳射频信号至舰船接收端，在舰船接收端进行信道衰落数据采样，构建海上无线通信信道数据集；
[0008]1‑
2)海上智能通信基站和舰船位置相对固定，通过海上智能通信基站发射固定的心跳射频信号至舰船接收端，在舰船接收端进行信道衰落数据采样，构建海上无线通信信道数据集；
[0009]
2)基于步骤1
‑
1)或1
‑
2)构建的海上无线通信信道数据集，融合海上稀疏信道衰落因子、菲涅尔茨海洋表面电磁波散射、海浪阴影衰落因子，以对数路径损耗模型为基础，构建直射、镜面反射和漫反射路径无线通信信道衰落函数；
[0010]
3)引入晴、雾、雨、雪和雨雪雾混合海上气象环境对无线信道衰落的影响，构建综合气象环境无线信道衰落函数，融合步骤2)构建的直射、镜面反射和漫反射路径信道衰落函数，构建复杂气象环境综合海上无线信道衰落估计模型；
[0011]
4)设计改进蜂群算法对海上无线通信信道衰落估计求解，以引领蜂为中心，通过构建以sin(
·
)函数为算子引导跟随蜂进行搜索；运用贪婪策略选择m个适应度最优的跟随蜂，由侦查蜂标记并入侦查蜂集，构建新的侦查蜂集；以侦查蜂解集的均方差判断其解的准确度，避免因求解误差导致的算法抖动；引领蜂以概率p接收侦查蜂解，将该侦查蜂更新为新的引领蜂，抑制引领蜂更新时容易陷入局部最优的问题；
[0012]
5)输出海上无线信道衰落估计结果，以平均绝对误差mae、均方根误差rmse、迭代次数和运行时间为评价指标对模型的精度和运行效率进行评价。
[0013]
步骤2)中，构建的直射路径、反射路径和漫反射路径无线通信信道衰落函数，具体包括如下步骤：
[0014]2‑
1)根据frris公式，引入海上稀疏信道路径损耗因子k，建模海上无线信道的直射路径无线通信信道衰落函数pl
dp
(d)为：
[0015][0016]
其中，f为电磁波频率，d为直射路径长度，c为光速，g
t
、g
r
分别为无线通信发射天线增益、接收天线增益，k为海上稀疏信道路径损耗因子；
[0017]2‑
2)根据菲涅尔茨电磁波反射公式，结合直射、镜面反射、漫反射多径传播效应，构建海洋表面反射路径损耗系数ε的求解函数如下：
[0018][0019]
其中r
h
为水平极化波反射系数，r
v
为垂直极化波的反射系数，η为海水的相对介电常数，θ为无线电波入射角，h
t
、h
r
分别为发射天线、接收天线高度，d
sr
为镜面反射
路径长度，d
dp
为直射路径长度，τ为直射路径与反射路径电磁波到达延迟差；
[0020]
设计sin2(
·
)函数拟合因海浪运动导致反射路径阴影衰落波动效应，构建镜面反射无线通信信道衰落函数pl
sr
(d)为：
[0021][0022]
其中l
sr
为镜面反射路径损耗系数，h
σ
为海浪高度均方根，a为海浪阴影衰落指数，ω为衰落周期；
[0023]2‑
3)以镜面反射的高斯分布构建漫反射路径无线通信信道衰落函数pl
dr
(d)为：
[0024][0025]
其中γ服从高斯分布n(δ，σ2)，σ为漫反射强度离散程度因子，l
dr
为漫反射反射路径损耗系数。
[0026]
步骤3)中，所述的复杂气象环境综合海上无线信道衰落估计模型，构建步骤具体如下：
[0027]3‑
1)由于晴、雾、降雪和降雨气象环境下的通信信道路径损耗因子具有不同的衰落特征，构建海上气象环境无线通信信道衰落函数如下：
[0028][0029]
其中pl
meteo
为海上气象环境损耗模型，x
i
(t)为不同海上气象环境的衰落系数函数，i为天气类型标识，i＝0，1，2，3，4，分别代表当前天气为晴、雾、降雨、降雪、雨雪雾混合气象环境；
[0030]3‑
2)根据不同海上气象环境构建其衰落系数函数如下：
[0031][0032]
其中k为晴天衰落系数，为日照循环周期，θ是相位平移值，u为雾密度，ψ为雾衰落系数，i为降雨强度，δ为降雨衰落系数，γ为抖动幅度，v为降雪强度，p为降雪衰落系数；
[0033]3‑
3)根据公式(5)的解，融合直射、镜面反射、漫反射衰落函数，构建综合海上无线通信信道衰落估计模型：
[0034][0035]
步骤4)中，所述的设计改进蜂群算法求解海上无线信道衰落估计问题，具体是：
[0036]
引领蜂：负责蜂巢的建设和迁移，是蜂群的核心；代表局部最优解；
[0037]
跟随蜂：负责搜索蜂巢周边的食物源；代表搜索算法发现的可行解；
[0038]
侦查蜂：负责标记蜂巢周边质量较优的食物源，帮助引领蜂进行筑巢和迁移决策；代表搜索算法发现的优解；
[0039]
算法核心思路是以引领蜂为中心，派出跟随蜂根据搜索策略发现可行解，计算可
行解的适应度，基于贪婪策略选择部分可行解由侦查蜂占领；引领蜂分析当前解的适应值和侦查蜂的解的适应值，以一定概率选择侦查蜂的解替换成为引领蜂；设置该概率随着迭代次数的增加，可容忍的解的适应度差越来越小，保证搜索结果的收敛性；输出全局最优的搜索结果，具体包括如下步骤：
[0040]
假设海上无线信道衰落数据集为e＝{(d
i
,l
i
)|1≤i≤n，x＝(d1，d2，
…
，d
n
)，y＝(l1，l2，
…
，l
n
)}，n为样本容量，x、y分别为距离向量和对应的衰落强度，参数集为θ＝(k，l
sr
，l
dr
，ω)，0≤k≤1，l
sr
>l
dr
>0，0≤k≤2π，
[0041]4‑
1)由于解空间log函数关于k是线性关系，则以为初始解，通过二分搜索确定最优
[0042]4‑
2)确定完成，则在搜索区域内随机生成n个引领蜂，
[0043][0044]
为提高搜索效率，初始引领蜂的距离不能过近，
[0045][0046][0047]
其中，g0为初始引领峰距离阈值；
[0048]4‑
3)每个引领蜂生成搜索种群，以引领蜂为中心，派出r个跟随蜂搜索，
[0049][0050]
其中q为迭代次数，δθ＝(0，δl
sr
，δl
dr
，δω)；以均方误差σ为解的适应度评价，
[0051][0052]
设适应度最大值为将满足的跟随蜂解构建跟随蜂解集；
[0053]4‑
4)将跟随蜂解集以适应度降序排列，选择前m个由侦查蜂标记，m<r，构建侦查蜂集为l；每次迭代完成，引领蜂从侦查蜂集l中以概率p接收侦查蜂解，
[0054][0055]
接收该解，则该侦查蜂成为新的引领蜂，同时原引领蜂退化为侦查蜂，加入侦查蜂集l；
[0056]4‑
5)若发现跟随蜂无可行解或解适应度均值随迭代次数增加而不断增加，则修改搜索方向，令δθ＝
‑
δθ，进行反向重新搜索；
[0057]4‑
6)计算侦查蜂集l的均方差ε，
[0058][0059]
其中表示侦查蜂解参数平均值，若ε
q
‑1‑
ε
q
≤δθ，且该解集中不存在全局最优解，
则判断已到达搜索边界，舍弃；重新生成引领蜂，跳转至步骤4
‑
2)重新搜索；
[0060]4‑
7)若某个蜂群的侦查蜂、引领蜂在迭代q
max
之后一直未改变，该解已收敛，判断该蜂群是否为全局最优解，若不是，则该解为局部最优解，舍弃；重新生成引领蜂，跳转步骤4
‑
2)重新搜索。
[0061]
所述步骤4
‑
3)，具体包括如下步骤：
[0062]4‑3‑
1)输入距离向量x＝{d1，d2，
…
，d
n
}，对应衰落强度y＝{l1，l2，
…
，l
n
}；设置为初始解，基于2分法搜索，确定最优
[0063]4‑3‑
2)初始化种群，初始化蜂群数量n，参数l
sr
，l
dr
，ω的迭代增量δl
sr
，δl
dr
，δω，令δθ＝(0，δl
sr
，δl
dr
，δω)最大迭代搜索次数q
max
，侦查蜂环形搜索最大次数q
max
；
[0064]4‑3‑
3)随机生成n个引领蜂，满足任意两个引领蜂距离大于阈值构建引领蜂集计算引领蜂解的适应度
[0065]4‑3‑
4)当q<q
max
时，循环如下操作：
[0066]
若q<q
max
，则以引领蜂为中心，根据公式(9)进行侦查蜂搜索，搜索次数q 1，记录侦查蜂最优解的适应度以公式(11)计算概率，接收侦查蜂的解，更新引领蜂位置，q 1；
[0067]4‑3‑
5)选择全局最优解令输出最优估计结果
[0068]
本发明的有益效果：由于海洋表面电磁波稀疏散射、海浪阴影衰落、舰船摆动、晴、雾、雨、雪、雨雪雾混合等动态多变的复杂环境因素影响，使得海上无线通信信道衰落建模极其复杂，基于瑞利衰落、高斯噪声等构建的陆地无线通信信道衰落模型不能完全适用于海上无线通信信道衰落建模，针对现有技术的不足，本技术提出复杂气象环境下海上无线通信信道衰落估计模型y&d
‑
ewcfm，引入复杂气象环境对海上无线通信信道衰落影响，构建直射、镜面反射和漫反射无线通信信道衰落函数，建立复杂气象环境海上无线通信信道衰落估计模型；设计改进蜂群算法对海上无线通信信道衰落估计求解，以引领蜂为中心，通过构建以sin(
·
)函数为算子引导跟随蜂进行搜索，降低搜索空间，提高求解效率和精度；运用贪婪策略选择m个适应度最优的跟随蜂，由侦查蜂标记并入侦查蜂集，构建新的侦查蜂集；以侦查蜂解集的均方差判断其解的准确度，避免因求解误差导致的算法抖动；引领蜂以概率p接收侦查蜂解，将该侦查蜂更新为新的引领蜂，抑制引领蜂更新时容易陷入局部最优的问题.基于舟山海域气象数据，模拟四季不同海况环境下仿真分析y&d
‑
ewcfm的变化，并与ftr和rel对比分析，实验结果表明，y&d
‑
ewcfm模型mae平均提升13.58％和11.43％；y&d
‑
ewcfm与布谷鸟搜索、遗传算法、模拟退火算法等对比分析，y&d
‑
ewcfm模型mae平均提升10.32％、15.15％、11.57％，搜索时间减少60.48％，45.18％、43.23％.y&d
‑
ewcfm模型能有效表征海上无线通信信道衰落特征.
附图说明
[0069]
图1为海上无线通信信道衰落仿真实验场景示意图；
[0070]
图2为改进蜂群求解算法示意图；
[0071]
图3为海上无线通信发射接收信号仿真实验结果图；
[0072]
图4为舰船相对基站移动海上无线通信信道衰落模型仿真实验结果图；
[0073]
图5为舰船基站固定位置海上无线通信信道衰落模型仿真实验结果图；
[0074]
图6为y&d
‑
ewcfm与经典搜索算法最优解仿真实验结果图；
[0075]
图7为不同海上气象环境无线通信信道衰落模型仿真实验结果图；
具体实施方式
[0076]
下面结合附图和实施例对本发明做进一步阐述，但不是对本发明的限定.
[0077]
实施例：
[0078]
设海上智能通信基站为发射机，与舰船为接收端进行无线通信，舰船搭载双频无线接收机s
‑
ir680进行无线电信号采样，包括信号的振幅、频率、相位等特征参数.基站高度22.1m，tx天线长度2.7m；舰船高度11.4m，rx天线长度1.1m；仿真实验采样包含两个阶段，共4组采样数据，实验参数如表1所示。
[0079]
舰船以6节的恒定速度线性航行，实验采样分为2组，1组为向基站方向航行，另一组为离开基站方向航行.在平均气温11～26℃晴天微风平静海面环境下，通过海上智能通信基站发射固定的心跳射频信号至舰船接收进行采样，采样间隔为5s，采样时间为5小时；
[0080]
海上智能通信基站和舰船位置相对固定，舰船距离基站29km.实验采样分为2组，分别在清晨6点气温11℃和下午1点气温26℃的晴天微风平静海面环境下，通过海上智能通信基站发射固定的心跳射频信号至舰船接收进行采样，采样间隔均为1s，每次采样时间为1小时；
[0081]
一种复杂气象环境海上无线通信信道衰落估计方法，其特征在于，引入复杂气象环境对海上无线通信信道衰落影响，构建直射、镜面反射和漫反射无线通信信道衰落函数，建立复杂气象环境海上无线通信信道衰落估计模型；设计改进蜂群算法对海上无线通信信道衰落估计进行求解，具体包括如下步骤：
[0082]
1)假设以海上智能通信基站为发射机，以舰船无线通信终端为接收端进行无线通信，包含舰船静止与基站位置、舰船离开基站方向航行和舰船向基站方向航行三种运动状态，如图1所示，具体步骤如下：
[0083]1‑
1)舰船以6节的恒定速度线性航行，衰落数据采样分为2组，一组为向基站方向航行，另一组为离开基站方向航行，通过海上智能通信基站发射心跳射频信号至舰船接收端，在舰船接收端进行信道衰落数据采样，构建海上无线通信信道数据集；
[0084]1‑
2)海上智能通信基站和舰船位置相对固定，通过海上智能通信基站发射固定的心跳射频信号至舰船接收端，在舰船接收端进行信道衰落数据采样，构建海上无线通信信道数据集；
[0085]
2)基于步骤1
‑
1)或1
‑
2)构建的海上无线通信信道数据集，融合海上稀疏信道衰落因子、菲涅尔茨海洋表面电磁波散射、海浪阴影衰落因子，以对数路径损耗模型为基础，构建直射、镜面反射和漫反射路径无线通信信道衰落函数；
[0086]
3)引入晴、雾、雨、雪和雨雪雾混合海上气象环境对无线信道衰落的影响，构建综合气象环境无线信道衰落函数，融合步骤2)构建的直射、镜面反射和漫反射路径信道衰落函数，构建复杂气象环境综合海上无线信道衰落估计模型；
[0087]
4)设计改进蜂群算法对海上无线通信信道衰落估计求解，以引领蜂为中心，通过构建以sin(
·
)函数为算子引导跟随蜂进行搜索；运用贪婪策略选择m个适应度最优的跟随
蜂，由侦查蜂标记并入侦查蜂集，构建新的侦查蜂集；以侦查蜂解集的均方差判断其解的准确度，避免因求解误差导致的算法抖动；引领蜂以概率p接收侦查蜂解，将该侦查蜂更新为新的引领蜂，抑制引领蜂更新时容易陷入局部最优的问题；
[0088]
5)输出海上无线信道衰落估计结果，以平均绝对误差mae、均方根误差rmse、迭代次数和运行时间为评价指标对模型的精度和运行效率进行评价。
[0089]
步骤2)中，构建的直射路径、反射路径和漫反射路径无线通信信道衰落函数，具体包括如下步骤：
[0090]2‑
1)根据frris公式，引入海上稀疏信道路径损耗因子k，建模海上无线信道的直射路径无线通信信道衰落函数pl
dp
(d)为：
[0091][0092]
其中，f为电磁波频率，d为直射路径长度，c为光速，g
t
、g
r
分别为无线通信发射天线增益、接收天线增益，k为海上稀疏信道路径损耗因子；
[0093]2‑
2)根据菲涅尔茨电磁波反射公式，结合直射、镜面反射、漫反射多径传播效应，构建海洋表面反射路径损耗系数ε的求解函数如下：
[0094][0095]
其中r
h
为水平极化波反射系数，r
v
为垂直极化波的反射系数，η为海水的相对介电常数，θ为无线电波入射角，h
t
、h
r
分别为发射天线、接收天线高度，d
sr
为镜面反射路径长度，d
dp
为直射路径长度，τ为直射路径与反射路径电磁波到达延迟差；
[0096]
设计sin2(
·
)函数拟合因海浪运动导致反射路径阴影衰落波动效应，构建镜面反射无线通信信道衰落函数pl
sr
(d)为：
[0097][0098]
其中l
sr
为镜面反射路径损耗系数，h
σ
为海浪高度均方根，a为海浪阴影衰落指数，ω为衰落周期；
[0099]2‑
3)以镜面反射的高斯分布构建漫反射路径无线通信信道衰落函数pl
dr
(d)为：
[0100][0101]
其中γ服从高斯分布n(δ，σ2)，σ为漫反射强度离散程度因子，l
dr
为漫反射反射路径损耗系数。
[0102]
步骤3)中，所述的复杂气象环境综合海上无线信道衰落估计模型，构建步骤具体如下：
[0103]3‑
1)由于晴、雾、降雪和降雨气象环境下的通信信道路径损耗因子具有不同的衰落特征，构建海上气象环境无线通信信道衰落函数如下：
[0104][0105]
其中pl
meteo
为海上气象环境损耗模型，x
i
(t)为不同海上气象环境衰落系数函数，i为天气类型标识，i＝0，1，2，3，4，分别代表当前天气为晴、雾、降雨、降雪、雨雪雾混合气象环境；
[0106]3‑
2)根据不同海上气象环境构建其衰落系数函数如下：
[0107][0108]
其中k为晴天衰落系数，为日照循环周期，θ是相位平移值，u为雾密度，ψ为雾衰落系数，i为降雨强度，δ为降雨衰落系数，γ为抖动幅度，v为降雪强度，p为降雪衰落系数；
[0109]3‑
3)根据公式(5)的解，融合直射、镜面反射、漫反射衰落函数，构建综合海上无线通信信道衰落估计模型：
[0110][0111]
步骤4)中，所述的设计改进蜂群算法求解海上无线信道衰落估计问题，具体是：
[0112]
引领蜂：负责蜂巢的建设和迁移，是蜂群的核心；代表局部最优解；
[0113]
跟随蜂：负责搜索蜂巢周边的食物源；代表搜索算法发现的可行解；
[0114]
侦查蜂：负责标记蜂巢周边质量较优的食物源，帮助引领蜂进行筑巢和迁移决策；代表搜索算法发现的优解；
[0115]
算法核心思路是以引领蜂为中心，派出跟随蜂根据搜索策略发现可行解，计算可行解的适应度，基于贪婪策略选择部分可行解由侦查蜂占领；引领蜂分析当前解的适应值和侦查蜂的解的适应值，以一定概率选择侦查蜂的解替换成为引领蜂；设置该概率随着迭代次数的增加，可容忍的解的适应度差越来越小，保证搜索结果的收敛性；输出全局最优的搜索结果，如图2所示，具体包括如下步骤：
[0116]
假设海上无线信道衰落数据集为e＝{(d
i
,l
i
)|1≤i≤n，x＝(d1，d2，
…
，d
n
)，y＝(l1，l2，
…
，l
n
)}，n为样本容量，x、y分别为距离向量和对应的衰落强度，参数集为θ＝(k，l
sr
，l
dr
，ω)，0≤k≤1，l
sr
>l
dr
>0，0≤k≤2π，
[0117]4‑
1)由于解空间log函数关于k是线性关系，则以为初始解，通过二分搜索确定最优
[0118]4‑
2)确定完成，则在搜索区域内随机生成n个引领蜂，
[0119][0120]
为提高搜索效率，初始引领蜂的距离不能过近，
[0121][0122][0123]
其中，g0为初始引领峰距离阈值；
[0124]4‑
3)每个引领蜂生成搜索种群，以引领蜂为中心，派出r个跟随蜂搜索，
[0125][0126]
其中q为迭代次数，δθ＝(0，δl
sr
，δl
dr
，δω)；以均方误差σ为解的适应度评价，
[0127][0128]
设适应度最大值为将满足的跟随蜂解构建跟随蜂解集；
[0129]4‑
4)将跟随蜂解集以适应度降序排列，选择前m个由侦查蜂标记，m<r，构建侦查蜂集为l；每次迭代完成，引领蜂从侦查蜂集l中以概率p接收侦查蜂解，
[0130][0131]
接收该解，则该侦查蜂成为新的引领蜂，同时原引领蜂退化为侦查蜂，加入侦查蜂集l；
[0132]4‑
5)若发现跟随蜂无可行解或解适应度均值随迭代次数增加而不断增加，则修改搜索方向，令δθ＝
‑
δθ，进行反向重新搜索；
[0133]4‑
6)计算侦查蜂集l的均方差ε，
[0134][0135]
其中表示侦查蜂解参数平均值，若ε
q
‑1‑
ε
q
≤δθ，且该解集中不存在全局最优解，则判断已到达搜索边界，舍弃；重新生成引领蜂，跳转至步骤4
‑
2)重新搜索；
[0136]4‑
7)若某个蜂群的侦查蜂、引领蜂在迭代q
max
之后一直未改变，该解已收敛，判断该蜂群是否为全局最优解，若不是，则该解为局部最优解，舍弃；重新生成引领蜂，跳转步骤4
‑
2)重新搜索。
[0137]
所述步骤4
‑
3)，具体包括如下步骤：
[0138]4‑3‑
1)输入距离向量x＝{d1，d2，
…
，d
n
}，对应衰落强度y＝{l1，l2，
…
，l
n
}；设置为初始解，基于2分法搜索，确定最优
[0139]4‑3‑
2)初始化种群，初始化蜂群数量n，参数l
sr
，l
dr
，ω的迭代增量δl
sr
，δl
dr
，δω，令δθ＝(0，δl
sr
，δl
dr
，δω)最大迭代搜索次数q
max
，侦查蜂环形搜索最大次数q
max
；
[0140]4‑3‑
3)随机生成n个引领蜂，满足任意两个引领蜂距离大于阈值构建引领蜂集计算引领蜂解的适应度
[0141]4‑3‑
4)当q<q
max
时，循环如下操作：
[0142]
若q<q
max
，则以引领蜂为中心，根据公式(9)进行侦查蜂搜索，搜索次数q 1，记录侦查蜂最优解的适应度以公式(11)计算概率，接收侦查蜂的解，更新引领蜂位置，q 1；
[0143]4‑3‑
5)选择全局最优解令输出最优估计结果
[0144]
所述步骤5)，具体是以基站为中心，讨论舰船向基站运动、舰船离开基站运动、舰船与基站相对静止三种状态，仿真分析其海上无线通信信道衰落变化特征，以平均绝对误差(mean absolute error，mae)、均方根误差(root mean squared error，rmse)、迭代次数、时间开销等为评价指标，将y&d
‑
ewcfm模型与波动双射线(fluctuate two
‑
ray，ftr)模型、地球曲率路径损耗模型(round earth loss，rel)模型进行对比分析，具体包含如下步骤：
[0145]5‑
1)舰船静止舰船与通信基站相对位置固定时，基站发射信号和舰船接收信号仿真实验结果如图3所示，仿真实验结果表明：
[0146]
a)固定位置数据集，接收平均丢失率为12.10％，丢失信号具有时空随机性；
[0147]
b)信道频率随海上环境变化而改变，这是由于海浪变化引起无线电信号频率变化；
[0148]
c)信号强度衰减具有频率选择性和时空随机性；
[0149]5‑
2)舰船相对基站移动海上无线通信信道衰落模型仿真实验结果如图4及表2所示，舰船相对基站移动海上无线通信信道衰落模型仿真实验结果表明：
[0150]
a)log(d)对数
‑
距离路径损耗模型反映了海上无线通信信道在距离上平均衰落变化；
[0151]
b)向基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，mae分别提升10.39％、15.33％，rmse分别提升10.28％、15.15％；离开基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，mae分别提升11.79％、14.67％，rmse分别提升11.78％、14.63％；
[0152]
c)向基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，mae稳定距离提升2.5倍；离开基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，mae稳定距离提升5.3倍；
[0153]
d)向基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，迭代次数减少75.35％，39.54％，算法运行时间减少60.48％，79.18％；离开基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，迭代次数减少79.06％，20.56％，算法运行时间减少69.49％，77.35％；
[0154]5‑
3)舰船与基站相对静止海上无线通信信道衰落模型仿真实验结果如图5及表3所示，舰船基站固定位置海上无线通信信道衰落仿真实验结果表明：
[0155]
a)舰船位置固定时，影响海上无线信道衰落的因素主要是气象环境、海浪运动等，log(d)对数
‑
距离路径损耗模型反映了因距离导致的传输损耗；
[0156]
b)对于固定位置海上无线通信信道衰落a)，y&d
‑
ewcfm与ftr、rel相比，mae分别提升10.39％、15.33％，rmse分别提升10.28％、15.15％；离开基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，mae分别提升11.79％、14.67％，rmse分别提升11.78％、14.63％；
[0157]
c)向基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，mae稳定距离提升2.5倍；离开基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，mae稳定距离提升5.3倍；
[0158]
d)向基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，迭代次数减少75.35％，39.54％，算法运行时间减少60.48％，79.18％；离开基站方向航行时，y&d
‑
ewcfm与ftr、rel相比，迭代次数减少79.06％，20.56％，算法运行时间减少69.49％，77.35％；
[0159]5‑
4)基于舰船基站固定位置海上无线通信信道衰落数据集，采用不同概率分布函数生成测试数据，以分析不同概率分布模型与海上无线通信信道衰落相似性如表4所示，仿真实验结果表明：
[0160]
a)在不同分布衰落环境中，weibull分布衰落环境精度达到0.90，rician、nakagami、rayleigh分布衰落环境精度分别为0.837、0.785、0.755；
[0161]5‑
5)基于实验1中舰船与基站相对静止仿真实验数据，以最优解平均mae、最优解获得概率、解空间搜索覆盖率、收敛时间等为评价指标，将y&d
‑
ewcfm模型求解算法与布谷鸟搜索、遗传搜索、贝叶斯概率估计、梯度下降、模拟退火算法进行对比分析，仿真实验结果如图6和表5所示，实验结果表明：
[0162]
a)贝叶斯概率估计和梯度下降为线性空间搜索，mae达到0.9的概率为0，不能有效获得最优解；
[0163]
b)y&d
‑
ewcfm与布谷鸟搜索、遗传算法、模拟退火相比，最优解平均mae分别提升10.39％、15.33％、11.56％，mae达到0.9概率分别提升10.28％、15.15％、11.57％；
[0164]
c)y&d
‑
ewcfm与布谷鸟搜索、遗传算法、模拟退火相比，收敛时间减少75.35％，39.54％、43.50％，算法运行时间减少60.48％，45.18％、43.23％；解空间搜索覆盖率提升79.06％，20.56％、43.23％，测试运行时间减少69.49％，77.35％、63.23％；
[0165]5‑
6)基于舟山海域气象环境数据集，构建海上气象环境触发器，模拟仿真海况环境下无线信道衰落模型性能.舟山海域数据集包含2020年1月～2021年5月每天的最高气温、最低气温、天气类型、降雨量等参数.统计每月不同天气、气温出现的概率，构建气象环境触发器，每隔1h根据概率仿真海上气象环境参数.设置码头岸基基站为发射源，以海上舰船为无线接收器，设置海上气象数据仿真器，生成晴、雨、雪、雾、雨雪雾混合等天气进行不同海上气象环境无线信道衰落模型性能仿真，仿真实验参数如表6所示.不同气象环境y&d
‑
ewcfm模型仿真实验结果如图7和表7所示：在不同气象环境仿真实验结果表明：
[0166]
a)不同气象环境下的平均衰落满足，晴天环境>雾环境>降雪环境>降雨环境，抖动幅值，晴天环境>雾环境>降雪环境>降雨环境；
[0167]
b)y&d
‑
ewcfm模型能够有效反映了海上无线通信信道在晴、雾、雨、雪、雨雪雾混合气象环境下的衰落，均方差<0.05。
[0168]
表1海上环境及无线接收机和发射机参数
[0169]
[0170][0171]
表2舰船相对基站移动海上无线通信信道衰落模型性能参数表
[0172][0173]
表3舰船
‑
基站固定位置海上无线通信信道衰落模型性能
[0174][0175]
表4不同概率分布模型与海上无线通信信道衰落相似性
[0176][0177]
表5海上无线衰落模型参数表
[0178][0179]
表6海上环境及无线收发射机参数
[0180][0181]
表7海上气象环境衰落系数表
[0182]