信号级协同计算平台架构及应用思考 *
贾明权 **，钟 瑜，潘 灵，陈 颖
(中国西南电子技术研究所，成都 610036)
摘 要： 针对智能化作战对军事电子信息系统计算能力提升的迫切需求，结合云计算的资源虚拟化、大数据的分布式计算等技术，提出了基于嵌入式CPU+ALL(DSP、FPGA、PPC、GPU、AI处理器等)的异构处理的信号级协同计算平台架构，包括弹性、轻量级异构资源虚拟化模型、分布式实时计算框架和智能计算框架等，形成了一套架构统一、资源共用、使用简便的协同计算和智能计算环境。通过战术级无线电认知和智能信号与信息处理两个典型应用场景，探讨了该信号级协同计算平台可能带来的颠覆性效用。
关键词： 军事电子装备；嵌入式异构处理；协同计算；实时计算框架
1 引 言
在信息化、网络化和智能化背景下，现代作战装备从追求功能的合成转变到更加强调能力的合成，从追求单一装备先进性转变到网络信息体系跨平台跨域协同的整体效能的提升。随着移动互联网的发展，移动边缘计算(Mobile Edge Computing,MEC)通过在移动网络边缘实现云计算能力和IT服务环境，在更贴近移动用户端创造出一个高性能、低延迟与高带宽的电信级服务。在军事环境中，美军提出的“战术云”与之类似，在靠近战术终端用户的地方提供灵活、弹性的信号级服务[1]。
传统以实现某一或某类功能为目标的信号处理平台越来越难以满足复杂多变的战场环境对计算能力的需求。随着计算服务正从以云计算为基础的中心计算模式向着以边缘计算基础的前端计算模式延伸，本文将云计算技术和装备战术特点相结合，形成战术云技术并提供高效和稳定的作战服务支撑能力，以解决前线作战服务的“最后一公里”问题，正成为各军事强国研究重点[2]。目前，美国陆海空军正各自投入巨资发展相应的战术云计算。
本文将云技术与战术环境相结合，以提高战术环境下云计算服务保障能力，根据商业云环境云-网-端特征[3]，结合移动边缘计算的发展，提出了战术条件下端-边-云的组织架构。该架构需优先解决以边缘和端设备为核心的战术云计算架构及战术环境下的新质应用等问题。本文试图通过战术边缘环境下云智能计算平台架构和典型应用的思考，为端-边-云组织架构的发展和实现规划提供一定的参考。
2 技术发展及需求分析
目前电子装备平台计算形态大多采用联合式架构，这种架构下的传感器信号/信息处理模式均在指定的平台以指定的功能模式运行，形成信息/情报后再转发给相对固定的信息情报处理中心汇集，属于“孤岛式”或“烟囱式”处理架构；虽然部分平台已过渡到更加先进的模块化综合集成(Integrated Modular Avionics,IMA)架构[3]，但仍局限在单平台功能级综合层面，这类架构存在平台功能相对固定，平台资源未开放共享，无法在跨平台层面对数据进行收集、处理和存储，在通用性、灵活性、扩展性方面都难以满足分布式云协同处理的需求[4]。
互联网时代以数据为中心的计算模式实现了计算和数据存储均在云端进行，用户终端或直接获取计算或数据服务，或成为数据采集提供者，属于“云计算”或“大数据”处理架构[5]，但存在对处理中心计算和存储性能要求高、数据传输带宽要求高、网络延时较大的不足，难以满足战场条件下的信号级协同实时处理的需求[6-7]。因此，现代军事电子装备系统集成结构正从传统“以平台为中心，面向功能部署”向着“以网络为中心，面向智能计算”的方向发展。
从需求来看，目前当地尿素需求一般，冬储缓慢进行。自去年开始，新疆地区提倡绿色环保，今年前三季度，农业用水利用率提升。环保压力对新疆化肥行业来说是个不小的打击。何腾飞告诉记者，化肥总使用量、单位面积施肥量都呈现负增长趋势。因此，何腾飞并不看好今年冬储，估计又是草草了事。价格方面，预计将呈稳定趋势，不会有太大变化。
为了支撑战术边缘环境的云智能作战，实现战术边缘分布式计算资源共享，结合互联网时代以数据为中心计算服务的优点和军事电子装备高速信号/信息处理的特征，本文提出了一种大数据+边缘计算的战术级资源协同计算模式，如图1所示。
图1 当前计算模式向战术级云协同处理演进
该模式将终端平台抽象为虚拟资源池，云端数据进行分布式存储，云端通过向终端发送计算(程序)而非终端向云端传输数据，实现不同级别(信号级、信息级)的、相互协同的数据处理，处理结果根据数据传输等级的不同传输到统一的分布式存储中。该模式属于大数据+边缘计算的分布式“资源池”处理架构，将战场各类雷达、电子战、通信等数据高速实时接入战术边缘高性能计算平台，不仅有利于实现战术环境下协同模式进一步由“信息级”协同向“信号级”协同的跨越，而且有利于满足机器学习等智能计算需求。
分布式协同及智能计算框架层主要分为支撑并行计算的分布式协同计算框架和支撑深度学习网络的智能计算框架两种，对不同应用的实现提供简便、友好、可视化的开发运行环境。
相较于传统综合化电子信息系统，信号级协同计算平台更强调系统级的协同，作战区域内每个移动或固定平台均作为一个分布式节点，在系统的统一调度下进行更加灵活、可靠的操作，单个平台对外不仅表现为传感器节点，还表现为系统中的计算资源和实时数据资源节点。该架构可为平台间资源协同、分布式并行计算和智能应用提供一整套运行环境。
3 信号级协同计算平台
信号级协同计算平台是指在战术环境条件下为多源传感器数据提供实时、智能、高性能、高可靠等计算能力的嵌入式计算平台。下面分为平台总体架构、基础硬件组成和软件运行环境三个方面讨论信号级协同计算平台的基本形态。
3.1 平台总体架构
信号级协同计算平台基于“一切皆资源”的理念，通过一套统一的平台架构，将CPU、DSP、FPGA、PPC、GPU、AI处理器等各类计算资源有机整合，形成通用的计算资源池和软件运行环境，满足移动、动态、流变作战区域内各种应用的实时计算需求。信号级协同计算平台如图2所示。
图2 信号级协同计算平台架构示意图
信号级协同计算平台由物理平台层、计算资源虚拟化层、智能计算框架层和智能计算应用层四层结构，以及由平台提供的异构资源池化服务和分布式协同计算服务，加上对应的资源集群管理、功能运行管理和任务运行监控等可视化用户接口组成。
(2)针对战场环境下的多种网络、数据链资源，对SDR装备可接入的有效业务进行学习，选择有效协议进行交互，达到多种网络资源的交互和优化管理；
物理平台层包括DSP、FPGA、PPC等各种嵌入式硬件计算资源，物理上依据陆、海、空装备形态要求，一般是由标准可更换模块配置形成不同规模和类型的标准机箱，形式上可以是集中布设在一个平台或分布在相互连接各资源池化节点上。
计算资源虚拟化层主要完成对物理平台层各种嵌入式异构处理资源的虚拟化以及虚拟化后的资源管理。考虑到嵌入式轻量级资源虚拟化的需求，本架构推荐基于容器虚拟化技术，实现嵌入式异构资源的管理，应用程序在虚拟化资源上表现为不同的容器虚拟化镜像。
智能计算框架层是在计算资源虚拟化层构建的资源池基础上，通过分布式计算框架、深度学习等智能计算框架，面向应用算法所需的大规模并行计算需求，构建为诸如Map/Reduce、Controller/Agent、Executor/Worker等算法实体运行的计算流图，形成对应用所需计算资源的分布式协同计算服务能力。
The linear RICs Δn(1)(ω)/nr and third-order nonlinear RICs Δn(3)(I, ω)/nr can be written as[22, 23]
智能计算应用层主要由实现战术环境下不同作战任务所需的应用，以及实现这些应用所需的任务管理、接口管理、任务编排及资源调度等组成。
异构资源池化服务包括对虚拟化资源的动态调度、动态加载、实时网络管理、参数配置、日志健康管理等，并提供可视化的异构资源集群管理接口。分布式协同计算服务包括任务部署、全IP化网络管理、数据处理流编排、实时调度及交互、任务数据集管理等，并提供可视化的分布式协同计算任务编排和框架运行管理接口。其中，资源集群管理、分布式框架运行管理和任务编排等均支持通过通用化、IP化的网络接口，为用户提供灵活、易用的GUI操作界面。
本次点评病历136份，其中男性72例，女性64例，平均年龄（57.48±17.3）岁；平均住院时间 11.32天；伏立康唑片平均用药6.16天。经治疗，127例好转，1例未愈，3例死亡，5例不详。
(1) 实测高温后方钢管再生混凝土柱的峰值荷载与屈服荷载比值在1.19～1.29之间，表明方钢管再生混凝土柱高温后仍具有良好的安全储备。
当法兰盘上的摄像窗及光源照射窗受筒形密闭容器内多相物料沾染模糊不清时，打开喷水清洗管的阀门，对摄像窗及光源照射窗进行喷水清洗，喷水清洗结束后，启动驱动电机，驱动电机带动磁力驱动盘旋转，磁力驱动盘利用磁力带动清洗盘旋转，通过清洗盘上的橡胶清洗条对法兰盘上的摄像窗及光源照射窗进行清刷.
3.2 基础硬件组成
基于平台总体架构，提出信号级协同计算平台的基础硬件为嵌入式CPU+ALL以及监控网络+实时网络的组成模式，如图3所示。
图3 信号级协同计算平台基础硬件组成示意图
图3中，CPU主要以嵌入式ARM架构的处理器为主，同时也兼容x86架构，ALL包括DSP、FPGA、PPC、GPU、AI芯片等嵌入式异构处理器；监控网络主要以IP网络传输为基础，数据网络主要以RapidIO高速传输网络为基础，同时兼容PCIE等总线网络。
他还想就午餐的内容跟那人探讨下去，可人家却从他脑满肠肥的呵欠中闻到了口臭，觉得和他的交情仅限于打个哈哈，点了点头，笑了笑，那人就迅速进屋了。
图中，模块内不同颜色表示不同的计算资源，通过配置不同类型的模块满足不同应用对计算资源类型和数量的需求。在嵌入式系统中，三类典型的计算资源为以FPGA为核心的信号预处理资源、以DSP为核心的信号处理资源，以及以GPP为核心的数据处理资源。平台基础硬件在物理形态上，不同的资源均采用同样的模块化设计；针对不同的应用场景，可以根据不同模块的配置形成不同规格的设备，满足各类应用场景的设备形态需求。
应用开发者通过发现、认证和选择各种平台的计算资源、RF资源和波形资源，就能够构建一个可以工作在战术环境下的高级服务系统，包括各种SDR装备和多层级的动态无线电认知网络。无线电认知应用开发者根据频谱监视、网络运营和目标用户的需求进行服务能力建模，无线电认知主要包括三类服务能力：
3.3 软件运行环境
基于通用处理器+嵌入式异构处理器的基础硬件组成，信号级协同计算平台的软件运行环境主要由嵌入式异构处理资源虚拟化和调动相关的平台软件组件，其软件层次结构如图4所示。
图4 信号级协同计算平台软件层次结构图
(3)为战术终端提供全局电磁实时感知能力，辅助战术终端用户的行动。
嵌入式异构处理基础平台软件层包括嵌入式硬件驱动、操作系统、通信中间件等，为不同的异构处理器件提供基础支撑和运行环境。
国内储罐火灾情况下不对油品进行导出处理，只是停止一切收发油品作业，防止油蒸气遇到明火发生更大火情。一般方法是将着火油罐的收油和发油阀门关闭，隔断事故储罐与相连工艺设施，断绝着火罐的油量补充，为集中力量扑灭着火油罐创造良好条件。在火势熄灭和罐体冷却后将油品导出，在检测剩余油品是否可回收再利用后，转至其他油罐或将油品注入管道输送。
嵌入式资源虚拟化层通过轻量级的虚拟化技术(如容器技术)实现对硬件资源虚拟化以及资源集群管理，对下屏蔽底层不同异构处理器及节点之间的差异，对上为大规模分布式协同计算和智能计算提供统一的计算资源。
该模式既支持传统单平台内部，又可以通过通信数据链和互联网技术有效融合，为战术部队提供增强的计算、存储和网络能力，在靠近战术终端用户的地方提供高性能、低延迟与高带宽的弹性计算服务。
协同计算及智能算法应用层主要包括计算密集型科学计算、大数据并行计算、流数据实时计算、典型深度学习神经网络如卷积神经网络、循环神经网络和分布式循环神经网络等，在不同的应用场景满足各种应用需求。
4 典型应用场景
信号级协同计算平台作为战术级作战区域提供高性能实时计算服务的基础平台，在网络化、智能化战争中有着广阔而深厚的应用前景[8]。下面就战术级无线电认知和智能信号与信息处理两个典型的应用场景进行简要描述。
4.1 无线电认知应用场景
在战术级应用中，需要集中各类平台的软件无线电装备资源优势，相互协同形成更加强大灵活的跨平台无线电认知能力。信号级协同计算平台服务于诸如手持、背负、车载、机载、舰载等多种类型的软件无线电终端设备，形成典型的无线电认知应用场景，如图5所示。
图5 基于信号级协同计算平台的无线电认知应用场景
以信号级协同计算平台为中心的无线电认知应用采用独立部署、灵活转换的原则，主要由部署在中心的资源及波形搜索配置引擎，以及部署在SDR无线电终端的无线电波形和资源配置响应API接口组成。在统一的战术接入网络中，单个认知波形可以同时控制并获取多个灵活的分布式无线电通信波形，形成战术级的无线电认知应用，通过可以将认知结果实时分发给任意战术接入网络的平台。
计算资源池在硬件上主要以IP网络为基础的监控网络形成[5]，以支持基于容器的嵌入式异构资源虚拟化和资源集群管理，数据网络用于实现不同计算节点之间的高速信号实时传输，以满足信号级数据处理对实时性的应用需求。
(1)通过监视频谱，选择通信干扰最小的频率进行通信，或发现敌方通信频谱进行自适应干扰，达到频谱管理、优化和控制目的；
冬季肥水有许多好处，一是冬季温度低，投肥后不易导致病害发生；二是促进浮游动植物生长，为虾苗提供丰富的开口饵料；三是可防止第二年青苔泛滥；四是可增加养殖水体中有益藻类的数量，既增加水中溶氧，又可以提高水体的保温能力。
图中，信号级协同计算平台软件层次为四层结构，即嵌入式异构处理基础平台软件层、嵌入式资源虚拟化层、分布式协同及智能计算框架层、协同计算及智能算法应用层。
（1）重视手段忽视内在教学内容的改革。近年城乡规划相关学科的课程设置与教学模式上更多的是强调教学手段的信息化，如微博信息平台互动教学的利用、微课教学形式的增加等，而对信息化时代大数据对本学科发展的积极作用以及对今后城乡规划职业的影响探讨较少。
因此，以信号级协同计算平台为中心的战术应用中心，通过软件定义和全局智能重组在战术边缘形成跨平台的无线电认知应用服务。
4.2 智能信号与信息处理应用
具有高动态特征的战术级应用中，多种传感器信号和数据高速接入后，需要在战术环境直接完成信息级乃至信号级的实时智能计算任务，如智能调制识别、信号特征判别、威胁评估、行为预警等，这对于传统“以平台为中心，面向功能部署”的系统是难以胜任的，这正是“以网络为中心，面向智能计算”的信号级协同计算平台的典型应用之一。一个典型的基于信号级协同计算平台的智能信号与信息处理应用实例如图6所示。
图6 基于信号级协同计算平台的智能信号与信息处理应用
图6中，信号级协同计算平台根据任务分配，直接接收来自不同传感器端的信号输入，平台任务根据是否在线学习分为两类：一类为非在线学习的智能计算任务，即根据任务类型在智能算法库提取所需的算法模型，加载到由硬件加速资源池提供的计算加速节点，形成并运行起已训练好的智能算法模型，完成对各种信号特征的实时任务执行，最后根据执行结果估计置信度输出反馈给上一级用户；另一类为在线学习的智能计算任务，即结合未知信号，在数据库中提取可能与之相关的历史数据，作为智能模型的训练数据级输入，通过一定时间和一定收敛程度地获得新的训练模型，对模型评估有效后，一方面直接输出任务执行结果，另一方面将通过训练的模型保存到智能算法库中，为下一次或其他设备的任务执行提供模型支撑。
以2009、2012年土地利用数据为基础，根据InVEST模型，对研究区2009、2012年的生境质量进行评价，其结果如图1a与图1b所示。由图可知：总体上来看，研究区域生境质量呈现中间低、两边高的空间格局，有较为明显的聚集现象，以湘江为界，南边生境质量低的区域高于北边；在研究区域边缘区域、水系及林地分布的区域，都保持了比较高的生境质量；研究区域三个时间段的生境质量存在差异，生境质量高的区域和质量低的区域均有所变化。
桃花翻高家的衣柜时，发现那件绣有竹子的的确良衬衫。桃花愣了半晌，又把白衬衫塞回去，给梨花换了灰色的长衫长裤；就开门出来叫高木。高木到房里抱起梨花，搬到灵床上。高木在灵床边坐了下来，低着头，双手捂着脸，一声不吭地坐在那儿。桃花坐到灵床的那边，隔着灵床，注视着这个沉默不语的男人，和方竹完全两样的。
一般地，非在线学习类所需的计算资源量较在线学习类少得多，或在一定资源规模下，在线学习所需的模型训练时间较长。因此，非在线学习类任务主要适合于中小型战术装备，而在线学习类任务需要大中型战术装备且具备较强计算能力的系统。
5 结束语
传统军事电子装备“以平台为中心，面向功能部署”的嵌入式计算平台基于开放式系统架构设计和软硬件解耦技术，基本实现了多功能、多任务在同一平台上高度综合化的系统集成。“以网络为中心，面向智能计算”就是要突破平台对资源和应用的限制，从一个更高的层面思考，将整个作战域的资源协同、整合，从而实现从功能综合向能力合成的提升。
本文提出的信号级协同计算平台架构正是基于这样一种思考，通过对未来智能化作战对计算能力的需求分析，结合军事电子装备和云计算大数据技术发展现状，作出了未来计算模式是向着大数据+边缘计算的战术级资源协同的发展趋势的判断；进而基于该计算模式判断，提出了信号级协同计算平台架构，并详细描述了平台总体架构、基础硬件组成和软件运行环境；最后在智能化作战条件下，探讨了信号级协同计算平台在战术级无线电认知和智能信号与信息处理两个典型应用场景中的效用。
目前云计算、大数据与人工智能的深度结合，已在语音、图像、视频的识别、认知、生成等民用领域都取得了令人瞩目的进步，随着智能化电子装备的发展，必将能在复杂多变战场环境发挥颠覆性赋能作用。本文只是对这种多学科、多领域深度结合可能带来的赋能作用的初步探索，随着相关研究及应用的深入开展，必将挖掘出更多更好的应用范式。
参考文献：
[1] SIMANTAS,LEWIS G A,MORRIS E.Cloud computing at the tactical edge:CMU/SEI-2012-TN-015[R].Pittsburgh:Software Engineering Institute of Carnegie Mellon University,2012:56-58.
[2] 贾明权.基于分布式战术云的下一代通用信号处理平台架构[J].电讯技术,2017,57(7):789-794.
[3] 陈颖，苑仁亮，曾利.航空电子模块化综合系统集成技术[M].北京：国防工业出版社，2013:13-23.
[4] 杨小牛,杨志邦,赖兰剑.下一代信号情报侦察体系架构：大数据概念的应用[J].中国电子科学研究院学报,2013,8(1):1-7.
[5] 李荣宽,贲婷婷,汪敏,等.战术云环境服务支撑系统架构[J].指挥信息系统与技术,2017(3):33-37.
[6] 罗金亮,宿云波,张恒新.“作战云”体系构建初探[J].火控雷达技术,2015(3):26-30.
[7] 赵国宏.作战云体系结构研究[J].指挥与控制学报,2015,1(3):292-295.
[8] LEWIS G,ECHEVERRIA S,SIMANTA S,et al.Tactical cloudlets:moving cloud computing to the edge[C]//Proceedings of 2014 Military Communications Conference.Baltimore:IEEE,2014:1-6.
Signal Level Collaborative Computing Platform Architecture and Application Thinking
JIA Mingquan,ZHONG Yu,PAN Ling,CHEN Ying
(Southwest China Institute of Electronic Technology,Chengdu 610036,China)
Abstract ：For the urgent demand of improving computing power of intelligent operations for military electronic information system,by combining cloud computing resource virtualization,distributed computing technologies such as large data,this paper proposes a heterogeneous processing signal-level collaborative computing platform architecture based on the embedded CPU + ALL(DSP processor and FPGA,PPC,GPU,AI etc),including flexible,lightweight virtualization model,heterogeneous resources distributed real-time computing framework and intelligent computing framework,etc.,thus forming a set of unified architecture,resource sharing,simple use collaborative computing and intelligent computing environment.Through two typical application scenarios of tactical level radio cognition and intelligent signal and information processing,the potential disruptive effects of this signal-level cooperative computing platform are discussed.
Key words ：military electronic equipment;embedded heterogeneous processing;collaborative computing;real-time computing framework
开放科学(资源服务)标识码( OSID)： 
中图分类号： TN802
文献标志码： A
文章编号： 1001-893X( 2019) 06-0627-08
doi: 10.3969/ j.issn.1001-893x.2019.06.002
引用格式： 贾明权，钟瑜，潘灵，等.信号级协同计算平台架构及应用思考[J].电讯技术，2019,59(6):627-634.[JIA Mingquan,ZHONG Yu,PAN Ling,et al.Signal level collaborative computing platform architecture and application thinking[J].Telecommunication Engineering,2019,59(6):627-634.]
* 收稿日期： 2019-01-16；修回日期： 2019-04-02
** 通信作者： jiamingquan@163.com
作者简介：
贾明权 男，1982年生于四川合江，2013年获博士学位，现为高级工程师，主要研究方向为嵌入式信号处理平台、嵌入式智能计算架构。
通过多年培训、学习和实践，员工科学思维渐渐建立，工作流程不断改善。现在，六西格玛、精益医疗理念已融入恩泽员工工作方式中，定义问题、分析问题、寻找真因、持续改进，已成为恩泽员工工作和解决问题的科学思维方式，亦贯穿于恩泽集团的组织文化。
钟 瑜 男，1979年生于四川资中，2006年获硕士学位，现为高级工程师，主要研究方向为嵌入式信号处理平台、无线通信算法。
潘 灵 男，1981年生于四川仁寿，2008年获硕士学位，现为高级工程师，主要研究方向为嵌入式平台软件、分布式计算框架。
陈 颖 男，1973年生于江西临川，2003年获博士学位，现为研究员，主要研究方向为综合化电子装备。
标签：军事电子装备论文; 嵌入式异构处理论文; 协同计算论文; 实时计算框架论文; 中国西南电子技术研究所论文;