CN116668306B

CN116668306B - 一种基于三视角的机动通信网网络工程化规划方法及系统

Info

Publication number: CN116668306B
Application number: CN202310677280.9A
Authority: CN
Inventors: 王会涛; 杨若鹏; 吴帆; 熊涛; 李官敏; 申新楼
Original assignee: National University of Defense Technology
Current assignee: National University of Defense Technology
Priority date: 2023-06-08
Filing date: 2023-06-08
Publication date: 2024-02-23
Anticipated expiration: 2043-06-08
Also published as: CN116668306A

Abstract

本发明属于网络规划技术领域，具体提供了一种基于三视角的机动通信网网络工程化规划方法及系统，其中方法包括：对当前网络结构分别进行基于装备特性、组网模式及应用场景的不同视角下的共性分析，得到各不同视角下对应的共性参数及约束关系，建立对应的网络结构组织模型；将基于应用场景网络结构组织模型的影响参数传导至基于装备特性网络结构组织模型中；以网络干线上节点的最少部署数量为求解目标，对基于装备特性的网络结构组织模型进行模型计算得到网络成员数量及部署位置，对基于组网模式的网络结构组织模型进行模型计算得到网络类型及数量。本方案可以实现机动通信网络网络的自动部署，提高了网络规划的效率，降低了网络规划难度。

Description

一种基于三视角的机动通信网网络工程化规划方法及系统

技术领域

本发明涉及网络规划技术领域，更具体地，涉及一种基于三视角的机动通信网网络工程化规划方法及系统。

背景技术

机动通信网络通常指特殊领域保障大规模特殊任务所使用的一种机动通信网络，通常由微波、移动、电台、卫星、接力等多种设备组成的子网所构成。机动通信网网络规划是通信网络组织中耗时最长、最为复杂的环节。

网络规划，是指网络规划人员或技术保障人员充分利用现有的系统设备，平衡现实矛盾和需求，根据保障当前通信任务完成而针对机动通信网网络结构的筹划和组织工作。

当前，网络规划主要采取分层分类的网络规划模式，即首先针对某种典型样式下的网络组织需求进行分析；尔后根据机动通信网网络组织典型架构，按照骨干网、接入网和用户网三层架构进行网络结构组织；最后，在每层网络具体组织时，再根据不同设备类型，分别对其进行组织。

现有网络规划技术方案，具有思路清晰、简单明了的优点，但还存在如下不足：一是随着网络规模的不断增大，采用人工方式对网络类型和设备特性逐一进行分析，组网效率较低；二是对网络组织人员提出较高要求，需要网络组织人员对设备技术性能指标和组网模式非常熟悉，组网难度较大；三是网络结构动态响应慢。一旦外部环境或任务发生变化，网络重新组织耗时较长，不能满足复杂多变的任务环境要求。

针对上述技术的缺陷，国内外学者采取了很多的方法和技术进行研究，但是还存在以下缺陷：一是现有方法主要还是基于人工规划，规划效率偏低；二是一些基于机器学习的网络拓扑规划方法研究，然而缺乏大数据的支撑，且对规划设备计算算力要求较高，距实用化应用的条件还不成熟；三是民用移动网络拓扑规划采用的一些启发式的优化方法尚不能直接运用于机动通信网网络规划中来。由此可见，完全依靠相关人员的经验临机进行机动通信网网络是不科学的，迫切需要一种能够根据用户需求及保障任务进行自动规划的网络结构规划方法和装置。

发明内容

本发明针对现有技术中存在的依靠相关人员的经验临机进行机动通信网网络导致效率偏低的技术问题。

本发明提供了一种基于三视角的机动通信网网络工程化规划方法，包括以下步骤：

S1，对当前网络结构分别进行基于装备特性、组网模式及应用场景的不同视角下的共性分析，得到各不同视角下对应的共性参数及约束关系，建立对应的网络结构组织模型；

S2，将基于应用场景网络结构组织模型的影响参数传导至基于装备特性网络结构组织模型中；

S3，以网络干线上节点的最少部署数量为求解目标，对基于装备特性的网络结构组织模型进行模型计算得到网络成员数量及部署位置，对基于组网模式的网络结构组织模型进行模型计算得到网络类型及数量。

优选地，所述S1具体包括基于装备特性的共性分析建立基于装备特性的网络结构组织模型，具体包含：

在地域S中各类用户集合为N，地域S中可用于设备或节点部署位置集合为M，需部署的节点或设备数量为n，X_j为是否在M_j点部署节点或设备；

构建由若干点、边组成的网络结构，每个点根据实际情况又具有不同的节点度；其中，点代表网络结构中的设备或节点，边代表设备或节点之间建立的物理通信链路，节点度代表每个节点或设备对外通信链路的数量。

优选地，所述基于装备特性的网络结构组织模型的网络规划约束包括：

(1)在某地域，采用最少的设备数量达到满足所述某地域网络对保障对象的覆盖范围要求；

(2)所述某地域网络中任意节点或设备之间至少存在一条通路；

(3)部署的节点或设备能够满足用户或对象接入需求；

(4)根据实际业务及抗毁性需要，对网络中每个节点或设备建立链路的数量约束；

(5)频谱资源约束；

(6)冗余性约束；

(7)装备最大数量约束。

优选地，所述S1具体包括基于组网特性的共性分析建立基于组网模式的网络结构组织模型，所述基于组网模式的网络结构组织模型的网络规划约束包括：

用户对网络覆盖面积需求、用户对网络信道容量需求、用户对网络业务种类需求、用户对网络保障形式需求、用户对网络成员数量需求以及用户对网络手段数量需求。

优选地，所述S1具体包括基于应用场景特性的共性分析建立基于应用场景的网络结构组织模型，所述基于应用场景的网络结构组织模型的网络规划约束包括：

任务环境对装备有效传输距离及可用于部署装备的任务地域的约束、保证不同行动所需网络类型和数量的约束、保障规模约束。

优选地，所述S3具体包括：

S31，模型训练阶段，通过基于值函数构建的深度卷积神经网络来评估通信节点的部署和位置选择；

S32，在线实时应用阶段，利用MCTS估计每个通信节点部署位置的值函数情况，并与完成训练的模型策略网络、价值网络共同作用，精确预测通信节点的部署位置。

优选地，所述S31中模型训练阶段具体包括：

第一阶段，根据任务环境和任务力量分布情况，通信节点随机进行部署，直到出现满足符合要求的网络拓扑生成结果；抽取该生成结果中每个通信节点部署时任务布局态势，不断重新开始直到满足最大训练次数；

第二阶段，复制当前深度神经网络参数并作为当前最优模型，从抽样空间中随机抽取样本训练神经网络，定期进行模型更新分析，对比当前最优模型和随机抽取样本训练后模型在多次网络拓扑规划中生成满足条件结果次数，以次数数值最大的模型作为当前模型；

继续迭代直到达到最大训练次数。

本发明还提供了一种基于三视角的机动通信网网络工程化规划系统，所述系统用于实现基于三视角的机动通信网网络工程化规划方法，包括：

三视角共性分析建模模块，用于对当前网络结构分别进行基于装备特性、组网模式及应用场景的不同视角下的共性分析，得到各不同视角下对应的共性参数及约束关系，建立对应的网络结构组织模型；

影响参数传导模块，用于将基于应用场景网络结构组织模型的影响参数传导至基于装备特性网络结构组织模型中；

模型求解模块，用于以网络干线上节点的最少部署数量为求解目标，对基于装备特性的网络结构组织模型进行模型计算得到网络成员数量及部署位置，对基于组网模式的网络结构组织模型进行模型计算得到网络类型及数量。

本发明还提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现基于三视角的机动通信网网络工程化规划方法的步骤。

本发明还提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现基于三视角的机动通信网网络工程化规划方法的步骤。

有益效果：本发明提供的一种基于三视角的机动通信网网络工程化规划方法及系统，其中方法包括：对当前网络结构分别进行基于装备特性、组网模式及应用场景的不同视角下的共性分析，得到各不同视角下对应的共性参数及约束关系，建立对应的网络结构组织模型；将基于应用场景网络结构组织模型的影响参数传导至基于装备特性网络结构组织模型中；以网络干线上节点的最少部署数量为求解目标，对基于装备特性的网络结构组织模型进行模型计算得到网络成员数量及部署位置，对基于组网模式的网络结构组织模型进行模型计算得到网络类型及数量。本方案可以在综合考虑用户需求、不同设备特性和不同应用场景等多因素的前提下，实现机动通信网络网络的自动部署，提高了网络规划的效率，降低了网络规划难度，实现了机动通信网网络的自动规划。相比现有网络规划方法，具有操作简单、时效性高，降低人员要求等特点，且规划结果符合网络规划实际，可应用于机动通信网网络规划辅助设备。还可以应用于其他机动通信网的网络规划，能够针对不同机动通信网络和设备实际特点，实现快速的网络自动部署和规划，大大提高网络规划效率。

此外，基于本方法开发一个网络规划系统，结合实际机动通信网络网络需求和任务，将该方法应用到网络规划，在实现快速、准确网络规划的同时，也提高了效益。

附图说明

图1为本发明提供的一种基于三视角的机动通信网网络工程化规划方法流程图；

图2为本发明提供的一种可能的电子设备的硬件结构示意图；

图3为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图；

图4为本发明提供的网络结构定义图；

图5为本发明提供的模型算法设计图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1为本发明提供的一种基于三视角的机动通信网网络工程化规划方法，包括以下步骤：

针对传统的分层分阶段网络规划方法，操作难度大、规划时间长的缺点，通过设计基于三视角的网络规划模型，达到针对不同任务和设备特点，实现网络的自动规划。最后，给出网络规划模型的算法实现，与传统的网络规划方法相比，该方法和模型具有较高的时效性，操作简便，降低了人员要求，为网络规划人员提供了方法和手段。

具体地，通过不同视角下对应的共性参数及约束关系，从而建立对应的网络结构组织模型包括三个模型：基于装备特性的网络规划模型、基于组网模式的网络规划模型及基于应用场景的网络规划模型。

1.基于装备特性的网络规划模型

设某地域为S，地域中的各类用户集合为N，地域S中可用于装备或节点部署位置集合为M，需部署的节点或装备数量为n，X_j为是否在M_j点部署节点或装备。其中，

N＝{N₁,N₂......N_k}

M＝{M₁,M₂......M_L}

上述问题可转化为在一定地域范围内，根据已知的用户位置，按照一定的约束关系，在给定地域范围内选择合适的装备或节点，使之满足用户对于通信联络的要求。

针对该问题，结合装备运用特点，对其进行了适当改进，将图中的点、边、节点度、连通性概念引入装备网络结构形式分析中，定义网络的基本属性，并赋予其新的含义。将网络结构定义如图4所示。

图4中，网络结构形式均由若干点、边组成，每个点根据实际情况又具有不同的节点度。结合机动通信网网络结构，网络中点、边、节点度的含义如下：

点：代表网络结构中的装备或节点；

边：代表装备或节点之间建立的物理通信链路；

节点度：代表每个节点或装备对外通信链路的数量。

通过对网络进行抽象后，接下来建立网络结构组织各类约束关系集。根据前面分析可知，影响装备部署位置和数量的主要因素为装备战技术指标和典型运用，这里，以某一类装备为例，建立基于装备特性的网络规划约束关系如下：

约束1：网络覆盖范围约束

网络覆盖范围约束是指在某地域中，采用最少的装备数量达到满足某地域网络对保障对象的覆盖范围要求。假设装备有效覆盖面积为S_装备，则理论上可得满足网络覆盖地域的装备数量N_节点应满足：

式中：

A：为网络覆盖宽度；

B：为网络覆盖纵深；

S_设备：单个装备理论覆盖面积；

β(x)：环境影响因子，取值范围为0～1。

N_节点：节点数量。

约束2：连通性约束

连通性约束是指网络中任意节点或装备之间至少存在一条通路。假设D₁为节点i和节点j之间的有效通信距离，d_ij代表节点i和节点j之间存在链路。则d_ij满足：

其中，dis(M_i,M_j)表示区域中第i个节点位置和第j个节点位置的距离。

当d_ij＝1时，代表节点i和节点j之间连通；当d_ij＝1时，代表节点i和节点j之间不连通或者节点i和节点j为同一节点。

为确保网络中任意两个节点或装备之间均连通，应满足：

约束3：用户接入约束

用户接入约束是指部署的节点或装备能够满足用户或对象接入需求。设D_ij代表用户N_i是否在M_j节点上装备的覆盖范围内，D_接入代表用户N_i的有效接入距离。则D_ij满足：

其中，dis(N_i,M_j)：表示地域中第i个用户位置和第j个节点间的距离。

为确保每个用户均能够接入网络，应满足：

约束4：节点度约束

节点度约束指网络中每个节点或装备建立链路的数量。通常根据实际业务及抗毁性需要，对网络中节点或装备的节点度进行约束。设第i个节点的节点度为N，且满足：K₁≤N≤K₂。

假设Q_ij表示节点i和节点j之间是否在通信距离范围内，则满足：

根据公式(5-1)和(5-8)可得N应满足：

根据公式(5-8)和(5-9)可得：

约束5：频谱资源约束

网络结构组织时，随着装备数量增加，带来频谱资源需求的增多，受频谱资源总量约束，网络规模和装备数量不能无限增多，存在装备数量的上限。因此，在进行网络结构组织时，对于装备数量应受装备数量上限的约束，设容纳最大装备数量为N_频谱，对于N_频谱的测算方法为现有技术。

约束6：冗余性约束

冗余性约束是指为保障网络在各种复杂情况下，均能处于正常运行状态，对于装备数量按照比正常需求量多α的要求进行部署，其中，α为冗余系数。

num1＝(1+α)×num (5-11)

约束7：装备最大数量约束

装备最大数量约束是对模型求解的一种约束，由于网络结构组织模型是NP困难问题，在模型求解过程中，所得到的可行解中会存在装备或节点数量远超装备数量上限情况，通过装备最大数量约束，使得可行解控制在合理范围内，确保结果的科学性。

设网络结构组织中装备最大数量为NUM，NUM的大小主要由两方面确定：一是根据网络覆盖计算出的最大装备数量；二是根据频谱资源总量计算出的最大装备数量。即

NUM＝Min(N_频谱，N_节点) (5-12)

通过以上对网络结构的约束，建立基于装备特性的网络结构组织模型目标为：

num1＝(1+α)×num

num1≤NUM

NUM＝min(N_节点,N_频谱)

根据上述模型参数和相应约束关系，可知基于装备特性的网络规划模型的已知、输入、输出参数分别如表1至表3所示：

表1网络规划已知参数

表2网络规划输入参数

表3网络规划输出参数

2.基于组网模式的网络规划模型

假设某条件下，用户对网络特性的需求为R＝{R₁，R₂，R₃，R₄，R₅,R₆}，Q为组网模式中符合用户需求数量，N_j为第j种组网模式。其中，R₁为网络覆盖范围需求；R₂为信道容量需求；R₃为业务种类需求；R₄为保障方式需求；R₅为用户数量需求；R₆为保障手段需求。

为第j种组网模式是否符合用户需求，/>为第j种组网模式是否满足第i条约束，NUM为联合战术通信系统总的组网模式数量，m为每种组网模式约束条件数量，则满足：

当时，代表第j种组网模式符合用户需求；当/>时，代表第j种组网模式不符合用户需求。

根据通信保障需求和组网模式特性分析，建立基于组网模式的网络结构组织约束集。

约束1：网络覆盖面积约束

设用户对网络覆盖面积需求为R₁，第j种组网模式下能提供的网络覆盖面积为W_j，为第j种组网模式是否满足覆盖面积的需求。则定义/>为：

约束2：信道容量约束

设用户对网络信道容量需求为R₂，第j种组网模式下能提供的信道容量为Q_j，为第j种组网模式是否满足信道容量需求。则定义/>为：

约束3：业务种类约束

设用户对网络业务种类需求为R₃，第j种组网模式下能提供的业务种类为E_j，为第j种组网模式是否满足用户业务需求。则/>满足：

约束4：保障形式约束

设用户对网络保障形式需求为R₄，第j种组网模式下能提供的网络保障形式为B_j，为第j种组网模式是否满足网络保障形式需求。则/>满足：

约束5：用户数量约束

设用户对网络成员数量需求为R₅，第j种组网模式下能提供网络成员数量为H_j，为第j种组网模式是否满足网络成员数量需求。则/>满足：

约束6：手段数量约束

设用户对网络手段数量需求为R₆，符合用户需求的组网模式数量为num，Q₆为符合用户需求的组网模式数量是否满足用户手段数量需求。其中，

根据上述约束条件，建立基于组网模式的网络结构组织模型如下：

建立目标函数：

3.基于应用场景的网络规划模型

(1)环境约束

任务环境对于网络结构组织的影响集中在装备战技术指标上，根据基于装备特性的网络结构组织模型输入输出参数，主要影响网络结构组织模型参数中的装备有效传输距离D及可用于部署装备的任务地域S_zz。下面以某装备A为例进行分析。

设装备A在理想情况下的传输距离为D_理想，在第i种任务环境下T_ij、F_ij、C_ij、R_ij对于装备传输距离的影响系数分别为其中，/>的取值范围为0～1。在上述影响中，天候、地形、电磁和人文环境对于传输距离的影响权重通常是不一样的，为更好反映和描述这种区别，设天候、地形、电磁和人文环境的影响权重分别为/>则满足：

根据上式，可得在第i种任务环境下装备A的实际传输距离D应满足：

对于取值，可以参考ITU-R中的相应传播模型、装备研制阶段的试验数据，以及在实际中的各类经验数据等确定，不同类型装备，其影响系数均不同，由于机动通信网涉及装备众多，这里仅给出具体的分析思路和方法。

任务环境影响网络结构组织的第二个方面就是任务地域，在某种任务环境下，会导致任务地域的部分地域为不可用，其直接影响了网络结构组织中装备的可部署位置。

设在任务地域S_zz中，由于任务环境的原因，使网络组织中不可用区域为：

S_j＝{S_j1、S_j2……S_jn}

装备部署位置为P＝{P₁、P₂...P_i...P_m}，L_i代表第i个部署位置是否可用。则，

其中，L_i为0时，代表位置不可用；L_i为1时，代表位置可用。

除此之外，任务环境中的电磁环境，还会影响到网络结构组织中装备的频谱资源分配问题，进而影响网络结构组织模型中的装备最大数量，这部分影响在频谱资源规划中会进行具体分析，这里不再赘述。

(2)保障行动约束

设第i阶段下第j种行动X_ij，其对应的网络结构组织需求为R_ij。根据前面可知，影响网络结构规划的需求主要集中在网络覆盖范围、信道容量、业务种类、保障方式、用户数量、保障手段等方面，分别设为R_ij1，R_ij2，R_ij3，R_ij4，R_ij5，R_ij6，即：

R_ij＝{R_ij1，R_ij2，R_ij3，R_ij4，R_ij5，R_ij6}

假设第i阶段共包含e种行动，可得第i阶段下的网络结构组织需求集R_i为：

根据基于组网模式的网络结构组织模型，确定好网络结构组织需求集，即可通过模型计算出此阶段下不同行动所需网络类型和数量。

(3)保障规模约束

设第i种应用场景下的任务规模为G_i，G_i规模下又由m个不同级别的单元组成，可表示为：

G_i＝{G_i1，G_i2...G_ij...G_im}

其中，G_i1，G_i2，...G_ij...G_im为不同类别的单元，如单元1、单元2等等。

设G_i规模下第j个类别的单元共有n_j个用户，即：

根据式(4-30)和(4-31)可得G_i规模下的用户为：

其中，Q_ijt为网络结构组织需要保障的一个用户，通常包括用户的位置信息，设Q_ijt的位置为则可得G_i规模下用户部署位置P为：

G_i规模下用户数量N为：

根据已建立的任务环境、任务行动及任务规模约束集，结合不同应用场景，建立基于应用场景的网络结构组织模型，其目标函数和前面基于装备特性和基于组网模式的网络结构组织模型是一致的，通过将影响参数传导至基于装备特性的网络结构组织模型中，实现网络结构组织，其目标函数为：

/>

具体地方案，通过对机动通信网网络规划的组网规则和各类约束关系的建立，以网络覆盖度、抗毁抗扰、装备数量、装备链路、装备通信距离、地形通视、网络连通性等为约束条件，选取网络干线上节点的最少部署数量为求解目标，对机动通信网网络规划模型进行求解。

由于装备部署位置、动用装备最少数量等非独立，相互之间具有影响关系，其模型的求解是一个NP困难问题，必须寻找一种适当的优化求解方法来快速寻找可行解是机动通信网网络规划的关键。

针对上述求解问题，可以采取遗传算法或深度强化学习算法进行求解。其中，传统的进化算法采用单一的初始种群和进化控制参数，通常需要试验多次来确定合适的控制参数、运行多次来求得最优解。为尽量减少初始种群及遗传控制参数对求解结果的影响，快速求得可行的拓扑规划方案解，可设计多种群协同进化算法来求解机动通信网网络规划问题。也可以采取深度强化学习进行模型的求解，其流程图如图3所示。

(1)模型训练阶段，通过基于值函数构建的深度卷积神经网络来评估通信节点的部署和位置选择，同时，利用借鉴计算机视觉中关系推理技术形成领域知识，有目的性指导通信节点的位置部署和模型训练，模型算法设计如图5所示。

模型训练分为两个阶段：

第一阶段，根据任务环境和任务力量分布情况，通信节点随机进行部署直到出现满足符合要求的网络拓扑生成结果；抽取该生成结果中每个通信节点部署时任务布局态势，不断重新开始直到满足最大训练次数。

第二阶段，复制当前深度神经网络参数并作为当前最优模型，从抽样空间中随机抽取样本训练神经网络，定期进行模型更新分析，对比当前最优模型和随机抽取样本训练后模型在N次网络拓扑规划中生成满足条件结果次数，以次数数值较大的模型作为当前模型；继续迭代上述步骤，直到达到最大训练次数。

(2)在线实时应用阶段，借助MCTS来估计每个通信节点部署位置的值函数情况，并与完成训练的模型策略网络、价值网络共同作用，精确预测通信节点的部署位置。通过设置函数损失熵，最大化神经网络策略函数中通信保障单元部署位置概率与MCTS中预测概率相似度，最小化神经网络价值函数中规划生成结果期望值和MCTS评估值差值，加速迭代训练。

(三)结果输出

根据模型的输入输出参数，假设微波中继所提供的网络覆盖地域为100×100公里，微波中继传输距离D为25公里，为提高网络的抗毁性，节点度N满足：4≤N≤10，用户对象为用户1、用户2、用户3和用户4，其位置分别如图所示。各用户均以微波中继方式接入骨干网络。对于参数β的取值，这里假设环境对微波中继装备网络结构组织的影响为0，即β取值为1。

从以上分析可以看出，本文提出的一种机动通信网网络规划方法能够根据不同通信保障任务，实现网络结构的自动规划，大大降低了网络规划难度，减少了网络规划时间，提高了网络规划效率。

本发明实施例还提供了一种基于三视角的机动通信网网络工程化规划系统，所述系统用于实现如前所述的基于三视角的机动通信网网络工程化规划方法，包括：

请参阅图2为本发明实施例提供的电子设备的实施例示意图。如图2所示，本发明实施例提了一种电子设备，包括存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序1311，处理器1320执行计算机程序1311时实现以下步骤：S1，对当前网络结构分别进行基于装备特性、组网模式及应用场景的不同视角下的共性分析，得到各不同视角下对应的共性参数及约束关系，建立对应的网络结构组织模型；

请参阅图3为本发明提供的一种计算机可读存储介质的实施例示意图。如图3所示，本实施例提供了一种计算机可读存储介质1400，其上存储有计算机程序1411，该计算机程序1411被处理器执行时实现如下步骤：S1，对当前网络结构分别进行基于装备特性、组网模式及应用场景的不同视角下的共性分析，得到各不同视角下对应的共性参数及约束关系，建立对应的网络结构组织模型；

有益效果：

本方案可以在综合考虑用户需求、不同设备特性和不同应用场景等多因素的前提下，实现机动通信网络网络的自动部署，提高了网络规划的效率，降低了网络规划难度，实现了机动通信网网络的自动规划。相比现有网络规划方法，具有操作简单、时效性高，降低人员要求等特点，且规划结果符合网络规划实际，可应用于机动通信网网络规划辅助设备。还可以应用于其他机动通信网的网络规划，能够针对不同机动通信网络和设备实际特点，实现快速的网络自动部署和规划，大大提高网络规划效率。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims

1.一种基于三视角的机动通信网网络工程化规划方法，其特征在于，包括以下步骤：

S2，根据已建立的任务环境、任务行动及任务规模约束集，结合不同应用场景，建立基于应用场景的网络结构组织模型，将基于应用场景网络结构组织模型的影响参数传导至基于装备特性网络结构组织模型中；

S3，建立对机动通信网网络规划的组网规则和各类约束关系，以网络覆盖度、抗毁抗扰、装备数量、装备链路、装备通信距离、地形通视、网络连通性为约束条件，以网络干线上节点的最少部署数量为求解目标，对基于装备特性的网络结构组织模型进行模型计算得到网络成员数量及部署位置，对基于组网模式的网络结构组织模型进行模型计算得到网络类型及数量；具体包括：

2.根据权利要求1所述的基于三视角的机动通信网网络工程化规划方法，其特征在于，所述S1具体包括基于装备特性的共性分析建立基于装备特性的网络结构组织模型，具体包含：

3.根据权利要求2所述的基于三视角的机动通信网网络工程化规划方法，其特征在于，所述基于装备特性的网络结构组织模型的网络规划约束包括：

(3)部署的节点或设备能够满足用户或对象接入需求；

(5)频谱资源约束；

(6)冗余性约束；

(7)装备最大数量约束。

4.根据权利要求1所述的基于三视角的机动通信网网络工程化规划方法，其特征在于，所述S1具体包括基于组网特性的共性分析建立基于组网模式的网络结构组织模型，所述基于组网模式的网络结构组织模型的网络规划约束包括：

5.根据权利要求1所述的基于三视角的机动通信网网络工程化规划方法，其特征在于，所述S1具体包括基于应用场景特性的共性分析建立基于应用场景的网络结构组织模型，所述基于应用场景的网络结构组织模型的网络规划约束包括：

6.根据权利要求1所述的基于三视角的机动通信网网络工程化规划方法，其特征在于，所述S31中模型训练阶段具体包括：

继续迭代直到达到最大训练次数。

7.一种基于三视角的机动通信网网络工程化规划系统，其特征在于，所述系统用于实现如权利要求1-6任一项所述的基于三视角的机动通信网网络工程化规划方法，包括：

影响参数传导模块，用于根据已建立的任务环境、任务行动及任务规模约束集，结合不同应用场景，建立基于应用场景的网络结构组织模型，将基于应用场景网络结构组织模型的影响参数传导至基于装备特性网络结构组织模型中；

模型求解模块，用于建立对机动通信网网络规划的组网规则和各类约束关系，以网络覆盖度、抗毁抗扰、装备数量、装备链路、装备通信距离、地形通视、网络连通性为约束条件，以网络干线上节点的最少部署数量为求解目标，对基于装备特性的网络结构组织模型进行模型计算得到网络成员数量及部署位置，对基于组网模式的网络结构组织模型进行模型计算得到网络类型及数量；具体包括：

8.一种电子设备，其特征在于，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-6任一项所述的基于三视角的机动通信网网络工程化规划方法的步骤。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-6任一项所述的基于三视角的机动通信网网络工程化规划方法的步骤。