[发明专利]基于交叉熵迭代学习的物联网设备用户特征码识别方法

说明书

基于交叉熵迭代学习的物联网终端设备用户特征码识别方法，它属于无线通信技术领域。本发明解决了现有缓解RACH拥塞方案的计算复杂度高、可实现性差的问题。本发明通过迭代分析接收信号的收敛性，逐步学习来获取活跃用户检测和数据接收的近似最优估计，本发明通过物理层算法设计来进行认证，分别针对单活跃用户和多活跃用户给出了基于交叉熵的迭代更新规则，保证了算法的计算可行性。在较低的计算复杂度下，可以获得近似的最优性能，具有较好的鲁棒性，增强了无线通信系统的物理层认证能力。本发明可以应用于物联网终端设备用户特征码识别。

技术领域

本发明属于无线通信技术领域，具体涉及一种基于交叉熵迭代学习的物联网终端设备用户特征码识别方法。

背景技术

随着物联网(IoT)的普及，人们越来越关注利用IoT技术进行工业创新。作为信息物理交互的关键促成因素，机器类型通信(MTC)设备在IoT网络中占据着重要的地位。然而多用途MTC设备的大量访问可能导致工业物联网(IIoT)网络拥塞，这阻碍了其应用业务的增长。为解决传统无线网络在支持大规模随机接入方面的不足，缓解随机接入信道(RACH)拥塞问题得到了学术界和工业界的极大关注。

现有的缓解RACH拥塞方法主要可以分为两类。一类方法是协调MAC层协议，通过执行精心设计的握手和信道分配方案来实现高效的随机访问，例如退避机制设计、接入类限制、RACH资源动态分配等。另一类方法是采用前同步码作为用户签名和扩展码用于用户数据传输的无授权传输方法，这类方案无需握手，也可以取得较好的认证效果。

然而，现有缓解RACH拥塞方案仍存在一定的缺陷，协调随机访问协议受到高控制开销的影响且可能需要频繁的重传，这不适用于复杂度高和能源资源有限的IIoT设备。此外，用户检测和解码的复杂性随着前导码的数量呈指数增长，尤其是针对IIoT接入设备数目众多、发起数据传输请求的设备随机的应用场景，导致传统数据库查询匹配用户码确定消息传输请求用户方案实现复杂度高、可实现性差。

综上，由于现有缓解RACH拥塞方案的计算复杂度高、可实现性差，因此，现有物理层用户码识别方案的性能仍需要进一步提升。为了克服RACH拥塞问题，同时降低信令和控制开销，设计一种低复杂度、鲁棒的用户签名获取算法来可靠地完成用户识别和用户数据恢复任务具有重要意义。

发明内容

本发明的目的是为解决现有缓解RACH拥塞方案的计算复杂度高、可实现性差的问题，而提出一种基于交叉熵迭代学习的物联网终端设备用户特征码识别方法。

本发明为解决上述技术问题所采取的技术方案是：

基于本发明的一个方面，一种基于交叉熵迭代学习的物联网终端设备用户特征码识别方法，所述方法具体包括以下步骤：

步骤一、通过天线从信道中接收信号y；

步骤二、参数初始化

设置初始状态p_i表示p中的第i个元素，i＝1,2，…，M，设置临时变量ρ，被选取的二进制序列集合设置迭代指标s＝0，阈值Γ_L；

步骤三、根据p生成T个二进制序列并分别计算每个序列的交叉熵L(X_t)，其中，X_t表示根据p生成的T个二进制序列中的第t个序列，t＝1,2,…,T；

步骤四、将集合中的元素按降序排列，并令门限值其中，为Δ中第个序列的交叉熵，是向下取整函数；

步骤五、根据集合Δ中每个序列的交叉熵和Γ来更新p，将更新后的p记为p′＝{p₁,p₂,...p_M}；

步骤六、根据集合Δ更新被选取的二进制序列集合，将更新后的Λ记为Λ′中的序列为Δ中的前个序列；