[发明专利]一种基于物理层数据的战术通信网关键节点识别方法有效

专利信息
申请号: 202010185194.2 申请日: 2020-03-17
公开(公告)号: CN111355616B 公开(公告)日: 2022-10-14
发明(设计)人: 范敏;邵怀宗;王沙飞;林静然;利强;潘晔;胡全 申请(专利权)人: 电子科技大学;鹏城实验室
主分类号: H04L41/14 分类号: H04L41/14;H04L41/12;H04L69/22
代理公司: 北京正华智诚专利代理事务所(普通合伙) 11870 代理人: 刘方正
地址: 611731 四川省成*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 物理层 数据 战术 通信网 关键 节点 识别 方法
【权利要求书】:

1.一种基于物理层数据的战术通信网关键节点识别方法,其特征在于,包括以下步骤:

S1、从战术通信网采集物理层数据,所述物理层数据包括单一辐射源数据以及组网数据;

S2、利用能量检测算法,对单一辐射源数据进行有效信号帧端点检测,获得其有效信号帧,从其每段有效信号帧中抽取若干时序片段构成样本数据Ⅰ;

S3、利用样本数据Ⅰ训练全连接BP神经网络;

S4、选取若干竞争类MAC协议,对MAC协议进行仿真,获取各MAC协议的仿真时序信号;

S5、对仿真时序信号进行调制、加噪后,从中提取由帧类比参数和占空比参数构成的特征参数集Ⅰ;

S6、利用特征参数集Ⅰ中的参数组成特征向量,训练支持向量机;

S7、从所述组网数据中提取由帧类比参数和占空比参数构成的特征参数集Ⅱ,将特征参数集Ⅱ中的参数组成特征向量,并输入训练好的支持向量机中,识别战术通信网所使用的MAC协议;

S8、对所述组网数据进行有效信号帧端点检测,获得其有效信号帧,从其每段有效信号帧中抽取若干时序片段构成样本数据Ⅱ,将样本数据Ⅱ输入训练好的全连接BP神经网络进行识别,根据样本数据Ⅱ识别结果标识组网数据中有效信号帧的网络节点来源;

S9、根据步骤S7中识别出的MAC协议和步骤S8中对组网数据中有效信号帧的标识结果,对组网数据进行模式匹配,并识别战术通信网的拓扑结构;

S10、根据战术通信网的拓扑结构,识别出其关键的网络节点,完成战术通信网关键节点的识别。

2.根据权利要求1所述基于物理层数据的战术通信网关键节点识别方法,其特征在于,所述步骤S1具体包括以下步骤:

S11、配置战术通信网络电台参数;

S12、分配网络节点,布置接收机的信号采集天线的位置,所述信号采集天线能够采集到分配的所有网络节点发送的信号;

S13、利用发送机按照所分配的网络节点识别信号需求发送信号;

S14、利用接收机采集所发送的信号,获取物理层数据。

3.根据权利要求2所述基于物理层数据的战术通信网关键节点识别方法,其特征在于,所述步骤S11中,战术通信网络电台参数配置包括节点传输协议配置以及物理层的通信参数配置;所述节点传输协议包括路由协议和链路层协议,链路层的接入控制协议需配置为竞争类协议;所述物理层的通信参数包括信号带宽、采样频率、信号传输速率、发送机及接收机功率、接收机带宽。

4.根据权利要求3所述基于物理层数据的战术通信网关键节点识别方法,其特征在于,所述步骤S12中,信号采集天线为全向天线,且在网络节点的通信覆盖范围内,至少布置有四个信号采集天线,网络节点之间保持一定距离以使整个网络为非全联通网络。

5.根据权利要求1所述基于物理层数据的战术通信网关键节点识别方法,其特征在于,所述全连接BP神经网络的代价函数是交叉熵,优化算法为梯度下降算法,神经元的激活函数为ReLu函数,且在输出层使用Softmax将结果概率化,每个隐层节点的神经元都加入了dropout。

6.根据权利要求1所述基于物理层数据的战术通信网关键节点识别方法,其特征在于,所述步骤S4中,采用网络仿真软件OPNET对所述MAC协议进行仿真,所述MAC协议包括MACA协议、CSMA/CA协议、MACA_BI协议、FAMA_NCS协议。

7.根据权利要求1所述基于物理层数据的战术通信网关键节点识别方法,其特征在于,所述步骤S5具体包括以下步骤:

S51、对仿真时序信号进行BPSK调制,并加入噪声信号,得到仿真数据信号;

S52、利用能量检测算法,对仿真数据信号进行有效信号帧端点检测,获取仿真有效信号帧的长度及数量,仿真有效信号帧包括仿真数据帧和仿真控制帧;

S53、根据仿真数据帧和仿真控制帧的数量计算得到特征参数仿真帧类比;

S54、根据仿真数据信号总时长、仿真有效信号帧的长度计算得到特征参数仿真占空比;

S55、利用仿真帧类比和仿真占空比构成所述特征参数集Ⅰ。

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电子科技大学;鹏城实验室,未经电子科技大学;鹏城实验室许可,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/202010185194.2/1.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