[發明專利]一種基于物理層數據的戰術通信網關鍵節點識別方法

有效

• 申請號: 202010185194.2
• 申請日: 2020-03-17
• 公開（公告）號: CN111355616B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 范敏;邵懷宗;王沙飛;林靜然;利強;潘曄;胡全
• 申請（專利權）人: 電子科技大學;鵬城實驗室
• 主分類號: H04L41/14
• 分類號: H04L41/14;H04L41/12;H04L69/22
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 劉方正

1.一種基于物理層數據的戰術通信網關鍵節點識別方法，其特征在于，包括以下步驟：

S1、從戰術通信網采集物理層數據，所述物理層數據包括單一輻射源數據以及組網數據；

S2、利用能量檢測算法，對單一輻射源數據進行有效信號幀端點檢測，獲得其有效信號幀，從其每段有效信號幀中抽取若干時序片段構成樣本數據Ⅰ；

S3、利用樣本數據Ⅰ訓練全連接BP神經網絡；

S4、選取若干競爭類MAC協議，對MAC協議進行仿真，獲取各MAC協議的仿真時序信號；

S5、對仿真時序信號進行調制、加噪后，從中提取由幀類比參數和占空比參數構成的特征參數集Ⅰ；

S6、利用特征參數集Ⅰ中的參數組成特征向量，訓練支持向量機；

S7、從所述組網數據中提取由幀類比參數和占空比參數構成的特征參數集Ⅱ，將特征參數集Ⅱ中的參數組成特征向量，并輸入訓練好的支持向量機中，識別戰術通信網所使用的MAC協議；

S8、對所述組網數據進行有效信號幀端點檢測，獲得其有效信號幀，從其每段有效信號幀中抽取若干時序片段構成樣本數據Ⅱ，將樣本數據Ⅱ輸入訓練好的全連接BP神經網絡進行識別，根據樣本數據Ⅱ識別結果標識組網數據中有效信號幀的網絡節點來源；

S9、根據步驟S7中識別出的MAC協議和步驟S8中對組網數據中有效信號幀的標識結果，對組網數據進行模式匹配，并識別戰術通信網的拓撲結構；

S10、根據戰術通信網的拓撲結構，識別出其關鍵的網絡節點，完成戰術通信網關鍵節點的識別。

2.根據權利要求1所述基于物理層數據的戰術通信網關鍵節點識別方法，其特征在于，所述步驟S1具體包括以下步驟：

S11、配置戰術通信網絡電臺參數；

S12、分配網絡節點，布置接收機的信號采集天線的位置，所述信號采集天線能夠采集到分配的所有網絡節點發送的信號；

S13、利用發送機按照所分配的網絡節點識別信號需求發送信號；

S14、利用接收機采集所發送的信號，獲取物理層數據。

3.根據權利要求2所述基于物理層數據的戰術通信網關鍵節點識別方法，其特征在于，所述步驟S11中，戰術通信網絡電臺參數配置包括節點傳輸協議配置以及物理層的通信參數配置；所述節點傳輸協議包括路由協議和鏈路層協議，鏈路層的接入控制協議需配置為競爭類協議；所述物理層的通信參數包括信號帶寬、采樣頻率、信號傳輸速率、發送機及接收機功率、接收機帶寬。

4.根據權利要求3所述基于物理層數據的戰術通信網關鍵節點識別方法，其特征在于，所述步驟S12中，信號采集天線為全向天線，且在網絡節點的通信覆蓋范圍內，至少布置有四個信號采集天線，網絡節點之間保持一定距離以使整個網絡為非全聯通網絡。

5.根據權利要求1所述基于物理層數據的戰術通信網關鍵節點識別方法，其特征在于，所述全連接BP神經網絡的代價函數是交叉熵，優化算法為梯度下降算法，神經元的激活函數為ReLu函數，且在輸出層使用Softmax將結果概率化，每個隱層節點的神經元都加入了dropout。

6.根據權利要求1所述基于物理層數據的戰術通信網關鍵節點識別方法，其特征在于，所述步驟S4中，采用網絡仿真軟件OPNET對所述MAC協議進行仿真，所述MAC協議包括MACA協議、CSMA/CA協議、MACA_BI協議、FAMA_NCS協議。

7.根據權利要求1所述基于物理層數據的戰術通信網關鍵節點識別方法，其特征在于，所述步驟S5具體包括以下步驟：

S51、對仿真時序信號進行BPSK調制，并加入噪聲信號，得到仿真數據信號；

S52、利用能量檢測算法，對仿真數據信號進行有效信號幀端點檢測，獲取仿真有效信號幀的長度及數量，仿真有效信號幀包括仿真數據幀和仿真控制幀；

S53、根據仿真數據幀和仿真控制幀的數量計算得到特征參數仿真幀類比；

S54、根據仿真數據信號總時長、仿真有效信號幀的長度計算得到特征參數仿真占空比；

S55、利用仿真幀類比和仿真占空比構成所述特征參數集Ⅰ。