[發明專利]一種基于卷積神經網絡的MAC協議識別方法

有效

• 申請號: 202110007441.4
• 申請日: 2021-01-05
• 公開（公告）號: CN112804119B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 張旭彤;王威;吳啟暉;陳慧超
• 申請（專利權）人: 南京航空航天大學
• 主分類號: H04L43/18
• 分類號: H04L43/18;G06N3/04
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王安琪

本發明公開了一種基于卷積神經網絡的MAC協議識別方法，包括如下步驟：(1)產生訓練數據：首先獲得已打標簽的原始采樣數據，數據形式為時間—功率值序列，然后將原始采樣數據轉換為時頻圖；(2)卷積神經網絡訓練：將所產生的時頻圖輸入到卷積神經網絡進行訓練，得到訓練好的卷積神經網絡模型；(3)MAC協議識別：對待識別網絡的信號進行數據采集并轉化為時頻圖，將時頻圖輸入訓練好的卷積神經網絡模型，實現協議的識別。本發明采用圖像化識別思路，將通信網絡的原始通信數據轉換成時頻圖，利用卷積神經網絡對時頻圖分類，實現對目標網絡MAC協議類型的識別。

技術領域

本發明涉及非合作通信網絡技術領域，尤其是一種基于卷積神經網絡的MAC協議識別方法。

背景技術

無線通信網絡中，介質訪問控制(medium access control，MAC)協議主要解決網絡中多個節點共用同一鏈路時如何進行信道資源的分配和劃分的問題。不同類型的通信網絡采用的MAC協議不同，而MAC協議的識別對獲取通信規律、估計頻譜空穴模式下的訪問參數和改變認知無線電訪問機制具有重要意義。具體來說，在認知無線電領域，認知用戶識別主用戶網絡的MAC協議類型后，可以獲取頻譜空穴模式下的訪問參數，如持續時間，進而自適應調整其自身訪問參數，提高頻譜利用率。此外，針對主用戶是有反應的網絡(如采用CSMA/CA協議的主用戶網絡，認知用戶的傳輸會導致主用戶的內部操作狀態比如回退窗的大小的改變)，認知用戶確定主用戶的MAC協議類型后，可以改變其訪問機制，從而避免對主用戶的干擾。

目前對MAC協議識別的研究大多采用的是機器學習中的支持向量機方法，該方法的識別性能受流量負載影響很大，當流量負載較低時，不能達到很高的協議識別準確率。此外，對協議的特征提取需要人工操作，需要依賴很強的專業技能同時花費很大的工作量。

發明內容

本發明所要解決的技術問題在于，提供一種基于卷積神經網絡的MAC協議識別方法，采用圖像化識別思路，將通信網絡的原始通信數據轉換成時頻圖，利用卷積神經網絡對時頻圖分類，實現對目標網絡MAC協議類型的識別，所研究MAC協議類型為以下四種：TDMA(time division multiple access)、CSMA/CA(carrier sense multiple access withcollision avoidance)、Slotted ALOHA和Pure ALOHA。

為解決上述技術問題，本發明提供一種基于卷積神經網絡的MAC協議識別方法，包括如下步驟：

(1)產生訓練數據：首先獲得已打標簽的原始采樣數據，數據形式為時間—功率值序列，然后將原始采樣數據轉換為時頻圖；

(2)卷積神經網絡訓練：將所產生的時頻圖輸入到卷積神經網絡進行訓練，得到訓練好的卷積神經網絡模型；

(3)MAC協議識別：對待識別網絡的信號進行數據采集并轉化為時頻圖，將時頻圖輸入訓練好的卷積神經網絡模型，實現協議的識別。

優選的，步驟(1)中，原始采樣數據的獲取是通過對一段時間內已知網絡(MAC協議類型)的通信數據進行采樣，從而獲取信號的時間序列和對應的功率值序列以及通信頻率；并根據已知網絡所采用的MAC協議類型對數據打標簽，四種MAC協議分別用0、1、2和3來表示。

優選的，步驟(1)中，基于原始數據，包括時間-功率值序列和通信頻率，進一步生成時頻圖。所述時頻圖的橫坐標和縱坐標分別代表時間域和頻率域，并以顏色深淺來表示功率值大小，其能體現原始數據的時間特征、功率特征及頻域信息。

優選的，步驟(2)中，用卷積神經網絡訓練數據時，將四種MAC協議對應的訓練樣本根據四種標簽歸類，在完成所設計卷積神經網絡模型的編譯后，將訓練數據輸入網絡對模型進行訓練，訓練輪次初值設置為30。