0 引言
　　Ad Hoc网络，又称多跳移动无线通信网，是一种由移动节点组成的且相互之间能够进行通信而无基站支持的多跳无线网络。它具有动态变化的拓扑结构，无中心和自组织的特点。节点可任意移动，每一个节点都兼备路由器和主机2种功能，在网络中搜寻、维护到另一节点的路由。可广泛应用于那些不能或者不必架设基础设施的场合，如战场、紧急救援现场、交互式的会议以及其他可以共享信息的商业场合等。Ad Hoc网络在军事上的应用主要体现在保障部队在战术上的指挥通信畅通。因此对Ad Hoc网络通信能力的评估就显得非常重要。本文利用BP神经网络对几种典型分簇算法构建网络的通信能力进行评估，为算法的改进及指挥员的指挥决策提供一定的参考依据。

1 效能评估指标体系的构建

通信能力指标主要用于衡量通信网络在给定时间内完成通信业务的能力。这些指标不但与网络的拓扑结构有关，而且还和网络的具体性能包括业务种类、业务大小、业务流向以及具体网络设备性能和通信协议等许多因素有关。本文借鉴了普通网络的业务性能指标，同时基于Ad Hoc网络本身的一些特点，构建了Ad Hoc网络业务性能指标(如图1所示)。

①响应时间：网络服务请求和响应该请求之间的时间。反映了网络根据传输优先级别及时交付信息的能力，是网络信息交付的实时性或准实时性的标志。网络对不同业务的响应能力可以很好地反映网络性能，指挥人员通常希望能更迅速、更精确地得到某一个感兴趣的指定区域的行动响应。

②延迟：包括路由寻找期间的缓存时延、接口排队时延、MAC层重传时延、空中传播时延及转换时间等所有可能的时延。

③吞吐量：单位时间内节点之间成功传输的无差错的数据量。它体现了Ad Hoc网络的通信能力，是网络的一个统计特征。可以从节点吞吐量、网络总吞吐量和业务(会话)吞吐量等方面进行比较分析。

④分组交付率：为目的节点正确接收到数据分组的数量与源节点原始发送的数据分组数量之比。

⑤呼损率：连接请求失败的数量占总请求数量的比例。

⑥资源利用率：它反映了网络资源的利用程度。可分为信道利用率和节点利用率。信道利用率为负载与带宽的比值。

2 基于BP神经网络模型评估的实现

2.1 基本设想

本文利用典型的BP神经网络，对Ad Hoc网络的通信能力进行评估。在Ad Hoc网络通信能力评估中，所需获取的数据是效能评估指标体系中一些底层的数据。评价方法的基本思想是利用神经网络的非线性映射与联想推理能力，通过反复学习，得到网络通信能力与客观参数的隐性关系式，达到形成评价方法的目的。而在原始数据和输出结果中间，会有许多复杂的过程，诸如网络的响应能力、处理能力等等。

典型的BP神经网络一般分为3层，即输入层、中间层(隐含层)和输出层。对通信能力的评估中，输入层的物理意义很明显，就是与Ad Hoc网络通信能力相关的一些原始数据，每一个底层指标代表一个神经元，这样神经网络的输入层共有7个节点(神经元)，即响应时间C1、延迟C2、呼损率C3、分组交付率C4、吞吐量C5、信道利用率C6及节点利用率C7。

中间层(或隐含层)使BP神经网络具有了识别非线性模式的能力，是输入模式的内部表示。根据神经网络的原理，中间层单元的个数应该是输人层单元个数的5～6倍，根据这条原则，本文将中间单元个数定为40。

输出层是对Ad Hoc网络通信能力描述，输出节点数为N1～N4，共4个，分别对应于优、良、中、差4个效能评估等级。评语集的确定是根据专家的意见而构建的(如表1所示)。

神经元输入与输出之间转移函数选取Sigmoid函数，即：

式中，outi是第i个神经元的输出，neti是第i个神经元的输入，a为权值。

通过上面的分析可构建一个7×40×4网络结构模型，如图2所示。

2.2 样本的录用和训练

(1) 选取训练样本

利用BP算法进行网络训练，样本的选取很重要，它直接关系到网络通信能力的可信度问题。为了使评估的结果符合实际，以真正反映网络的通信能力。因此本文以Ad Hoc网络现有装备的性能指标数据为神经网络输入值，并通过专家打分的方法，给出相应评定值，将其作为输出值。

(2) 归一化训练样本

在BP网络训练之前，首先应对原始样本做归一化处理，本文采用线性变换的方法将原始训练样本转换为可行的训练样本(各指标在[0，1]间取值)，分2种情况：

当指标值越大作战效能越好时(如分组交付率)，按式(2)进行归一化。

Y=(X-min)／(max-min)。 (2)

当指标值越小作战效能越好时(如响应时间)，按式(3)进行归一化。

Y=(max-X)／(max-min)。 (3)

式中，X是原始训练样本值，max(或min)是对同一指标而言目前反辐射导弹武器系统可能出现的最大值(或最小值)。

若7个指标值(C1～C7)归一化后的取值都在[0.8，1]上，则网络的通信能力为优；若取值都在[0.6，0.8]上，则网络的通信能力为良；若取值都为[0.4，0.6]，则网络的通信能力为中等；若在0.4以下，则网络的通信能力为差。

(3) 定义网络误差

在训练的过程中，必须度量网络收敛到期望值的程度即为网络误差。对于给定的训练集合来说，期望值是已知的。本文选取式(4)作为度量函数，当Ep<0.000 1时，神经网络满足精度要求。此时神经网络具备了识别能力。

                                                                                       【1】 【2】