[发明专利]基于支持向量机的MAC协议识别方法有效

专利信息
申请号: 201710461969.2 申请日: 2017-06-19
公开(公告)号: CN107231427B 公开(公告)日: 2020-04-07
发明(设计)人: 董超;王蔚峻;李艾静;于卫波;王海 申请(专利权)人: 中国人民解放军理工大学
主分类号: H04L29/08 分类号: H04L29/08;H04L12/26
代理公司: 南京理工大学专利中心 32203 代理人: 吴茂杰
地址: 210007 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 支持 向量 mac 协议 识别 方法
【说明书】:

发明公开一种基于支持向量机的MAC协议识别方法,包括如下步骤:(10)采集物理层信号:调整采样频率,采集一次空间中的物理层信号,包括接收信号强度,构成时间‑信号强度序列;(20)自适应特征提取:根据时间‑信号强度序列,自适应提取信道特征;(30)支持向量机训练:将信道特征传入支持向量机,利用信道特征对支持向量机进行训练;(40)MAC协议识别:利用训练过的支持向量机进行MAC协议识别。本发明的MAC协议识别方法,在信号强度达不到数据包解调要求、信噪比等信道特征动态变化的强电磁干扰环境下正确识别MAC协议。

技术领域

本发明属于无人机无线网络通信技术领域,特别是一种在信号强度达不到数据包解调要求、信噪比等信道特征动态变化的强电磁干扰环境下正确识别MAC协议的基于支持向量机的MAC识别方法。

背景技术

与载人飞行器相比,无人机的特质使得它更适合执行一些对人身有较大威胁的任务,因此近年来无人机获得人们越来越多的关注,相关技术有了很大的发展。而相对于使用一架大型的无人机执行任务,小型无人机群模式有以下的优势:1、小型无人机的制造及维护费用更低;2、无人机群的任务达成率更高;3、无人机群系统有更高的可拓展性。

然而,无人机节点相比于无线自组织网络和车载自组织网络中的节点具有更强的移动性、更快的速度,所以无人机节点会更加频繁地进出网络。MAC协议在网络中主要负责为网络中各节点分配信道资源。由于不同MAC协议在不同网络环境中表现出的性能大相径庭,比如,CSMA协议适用于低竞争网络而在高竞争网络中性能很差,而TDMA协议则刚好相反,因此,为保证网络持续具有高性能,在完成不同的任务时无人机网络会使用不同的MAC协议,甚至在同一个任务的不同阶段使用的MAC协议也会有所不同。所以,无人机节点如何在入网时识别出网络中使用的MAC协议至关重要。

目前大部分MAC协议识别都是通过解调数据包的方式实现,即通过提取收到的数据包的协议字段来完成MAC协议的识别。然而,在某些强电磁干扰的复杂环境中,如战场环境,无人机节点有时无法解调收到的数据包,自然也不能通过提取数据包的协议字段识别MAC协议。例如,在战场环境中,一架无人机从指挥基地出发携带着命令消息飞往一个无人机编队,到达预定位置时该无人机准备发送命令消息和入网请求,但此时由于强烈的电磁干扰,导致所接收到的信号的信噪比无法满足解调门限,该无人机无法解析接收到的无人机编队发出的数据包,从而无法通过解析数据包的方式识别MAC协议,而此时识别出MAC协议并及时发出命令消息十分关键。再比如,无人机编队飞向敌军上空执行干扰任务。我们知道,没有先验信息的忙干扰效率十分有限,有针对性地进行MAC协议的干扰更为有效,所以通过某种方法在不知道敌军通信密钥,无法解调数据包的情况下如何识别出MAC协议进行MAC协议的识别很有必要。正因如此,无人机节点在强电磁干扰环境中或没有先验信息的情况下如何进行MAC协议的识别,是当前研究中亟待解决的问题。

更进一步地,由于在强电磁干扰的环境中,信噪比等信道特征处在不断变化之中,如果不能根据当前的信道特征自适应地调整MAC识别方式,那么就不能保证MAC协议的准确识别。

因此,现有技术存在的问题是:在强电磁干扰环境中,信号强度达不到数据包解调要求或信噪比等信道特征动态变化时,无法正确识别出MAC协议。

发明内容

本发明的目的在于提供一种基于支持向量机的MAC协议识别方法,在信号强度达不到数据包解调要求、信噪比等信道特征动态变化的强电磁干扰环境下正确识别MAC协议。

实现本发明目的的技术解决方案为:

一种基于支持向量机的MAC协议识别方法,包括如下步骤:

(10)采集物理层信号:调整采样频率,采集一次空间中的物理层信号,包括接收信号强度,构成时间-信号强度序列;

(20)自适应特征提取:根据时间-信号强度序列,自适应提取信道特征;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军理工大学,未经中国人民解放军理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710461969.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top