【技术实现步骤摘要】
本专利技术属于认知无线电，尤其涉及一种基于信息熵的通信网络拓扑推理方法及系统。
技术介绍
1、随着无人机技术的发展，特别是无人机的集群化控制技术，让无人机群能够完成许多以前所不能完成的任务。因此，无论是从管理还是对抗的角度，掌握网络拓扑结构对管理或预测无人机集群行为是必不可少的。目前的网络拓扑推理主要基于格兰杰因果，转移熵以及多维霍克斯方法。通过探测设备间发送的数据帧(data帧)，确认帧(ack帧)以及两者间的收发间隔再计算概率或转移熵来推断设备间的网络拓扑结构。
2、上述方法都是针对csma/ca协议，且采用的信号分析方法都是离散化的。随着无人机技术的发展，多址通信技术已广泛应用，在一个周期中检测到1个以上的data帧或ack帧。所以将原本的离散信号转化为连续信号，并将网络拓扑的推理问题转化为关于信息熵的凸优化问题。
3、通过上述分析，现有技术存在的问题及缺陷为：1.离散化的信号分析无法满足高精度的要求。2.传统技术无法处理多址通信场景。3.无法对动态网络拓扑结构进行分析。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种基于信息熵的通信网络拓扑推理方法及系统，目的在于在非合作场景下进行网络拓扑推理，便于后续对多智体设备集群(如无人机群)进行干扰，预判等操作。
2、本专利技术是这样实现的，一种基于信息熵的通信网络拓扑推理方法，首先，对接收到的信号进行辐射源识别，并记录设备号、信号类型和起始时间。然后，将观测到的离散信号转化为连续
3、进一步，所述基于信息熵的通信网络拓扑推理方法包括以下步骤：
4、步骤一，对接收到的信号，做辐射源识别，记录下设备号，信号类型和起始时间；
5、步骤二，将观测到的离散信号转化为连续的方波信号，使用连续熵的定义，找到一种信息熵的下限，建立关于这种信息熵的凸优化问题；
6、步骤三，将data信号与ack信号一一组合，并按预估的时延平移，转化成新的组合信号；
7、步骤四，计算各个平移后的信号在时域上的信息熵，选择熵值最小的组合方式为因果信号，并将实际熵值与理论熵值下限做比较，按学习率实时更新预估的时延。
8、进一步，步骤一针对通信网络协议层建模，对于接收的信号根据持续时间和能量大小分为data信号和ack信号，并通过射频指纹技术分类出信号的来源设备。
9、进一步，当预估的时延与实测时延越接近，data信号与ack信号在时域上的重合度越高，此时信息熵值越小。当预估的时延与实测时延相等时，可知data信号与ack信号在时域上完全重合，信息熵达到最小值。
10、进一步，即使初始预估的时延与实际时延相差很大，步骤四的凸优化梯度下降算法按一定的学习率，几次迭代后，可对信号做出准确估计。
11、本专利技术的另一目的在于提供一种基于信息熵的通信网络拓扑推理方法的基于信息熵的通信网络拓扑推理系统，该系统包括：
12、信号分类模块，用于对接收到的信号，做辐射源识别，记录下设备号，信号类型和起始时间；
13、信号转化模块，将观测到的离散信号转化为连续的方波信号，使用连续熵的定义，找到一种信息熵的下限，建立关于这种信息熵的凸优化问题；
14、信号合并模块，用于将data信号与ack信号一一组合，并按预估的时延平移，转化成新的组合信号，设共观测到n对data和ack信号，则有n！种组合；
15、信息熵计算模块，用于计算平移后的信号在时域上的信息熵，选择熵值最小的组合方式为因果信号，并将实际熵值与理论熵值下限做比较，按学习率实时更新预估的时延。
16、结合上述的技术方案和解决的技术问题，本专利技术所要保护的技术方案所具备的优点及积极效果为：
17、第一，本专利技术适用于各类无线通信，且可以对观测到的信号实时判决，可对动态网络进行实时追踪，而传统方法(如转移熵方法)只针对csma/ca协议，并需要较长的观测周期。本专利技术找到一个信息熵下限，无需先验知识，通过与熵值下限的比较可以实时优化，亦能对非平稳的过程做出反应，而传统最大似然方法依赖概率模型和参数估计。仿真程序中本方法比最大似然方法的准确率更高。
18、本技术方案适用于各类通信场景，不依赖先验知识，在采集少量数据后，通过算法的迭代即可准确判断出网络拓扑结构，且准确率高于传统方法。
19、第二，本专利技术的技术方案应用面广且不依赖先验知识，可应用于各类非合作场景下的无线网络拓扑感知，用以分析无线网络中的关键节点。
20、本专利技术基于传统转移熵的概念提出一种新的连续熵概念，用连续熵替代原来的离散熵，并给出一个熵值的判决下限，提高了判断准确率。
21、第三，本专利技术提供的基于信息熵的通信网络拓扑推理方法所带来的显著技术进步可以概括为以下几点：
22、1)准确性提高：通过使用信息熵作为衡量信号关联性的核心指标，该方法能够更准确地推断通信网络中的因果关系和设备之间的相互作用。这种基于信息论的方法相比传统的信号分析技术，可以更精确地识别和推理网络中的拓扑结构。
23、2)动态时延调整：该方法通过实时更新预估时延来适应网络状况的变化，这种动态调整机制增强了方法的适应性和灵活性，使其能够在不同的网络环境和条件下有效工作。
24、3)优化问题的构建：将信号处理问题转化为凸优化问题，为找到信息熵的下限提供了数学上的严谨性和高效性。这种方法能够更系统和科学地处理信号数据，提高了推理过程的效率。
25、4)信号处理的创新：通过将离散信号转化为连续方波信号，该方法在信号处理领域展示了创新性，这种转换使得信号的分析和处理更加高效和直观。
26、5)通信网络管理的改善：这种方法为通信网络管理提供了一种新的工具，有助于更好地理解和优化网络的性能和行为，特别是在复杂和动态变化的网络环境中。
27、6)自动化和智能化：自动化的信号处理和智能的时延调整机制显著提高了网络分析和管理的自动化程度，减少了人为干预的需要，提高了整体的效率和可靠性。
28、综上所述，本专利技术提供的基于信息熵的通信网络拓扑推理方法不仅提高了推理的准确性和效率，而且在信号处理和网络管理方面展示了显著的技术进步，为通信网络分析和优化提供了新的视角和工具。
本文档来自技高网...【技术保护点】
1.一种基于信息熵的通信网络拓扑推理方法，其特征在于，首先，对接收到的信号进行辐射源识别，并记录设备号、信号类型和起始时间。然后，将观测到的离散信号转化为连续方波信号，并使用连续熵的定义找到信息熵的下限，以此建立关于信息熵的凸优化问题；接着，将DATA信号与ACK信号一一组合，并按预估的时延平移，转化成新的组合信号；最后，计算平移后的信号在时域上的信息熵，选择熵值最小的组合作为因果信号，然后将实际熵值与理论熵值下限进行比较，根据学习率实时更新预估的时延。
2.如权利要求1所述的基于信息熵的通信网络拓扑推理方法，其特征在于，包括以下步骤：
3.如权利要求2所述的基于信息熵的通信网络拓扑推理方法，其特征在于，步骤一针对通信网络协议层建模，对于接收的信号根据持续时间和能量大小分为DATA信号和ACK信号，并通过射频指纹技术分类出信号的来源设备。
4.如权利要求2所述的基于信息熵的通信网络拓扑推理方法，其特征在于，当预估的时延与实测时延越接近，DATA信号与ACK信号在时域上的重合度越高，此时信息熵值越小；当预估的时延与实测时延相等时，可知DATA信号
5.如权利要求2所述的基于信息熵的通信网络拓扑推理方法，其特征在于，即使初始预估的时延与实际时延相差很大，步骤四的凸优化梯度下降算法按一定的学习率，几次迭代后，可对信号做出准确估计。
6.如权利要求1～5任一项所述的一种基于信息熵的通信网络拓扑推理方法的基于信息熵的通信网络拓扑推理系统，其特征在于，该系统包括：
7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-5任意一项所述基于信息熵的通信网络拓扑推理方法的步骤。
8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-5任意一项所述基于信息熵的通信网络拓扑推理方法的步骤。
9.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求6所述基于信息熵的通信网络拓扑推理系统。
...【技术特征摘要】
1.一种基于信息熵的通信网络拓扑推理方法，其特征在于，首先，对接收到的信号进行辐射源识别，并记录设备号、信号类型和起始时间。然后，将观测到的离散信号转化为连续方波信号，并使用连续熵的定义找到信息熵的下限，以此建立关于信息熵的凸优化问题；接着，将data信号与ack信号一一组合，并按预估的时延平移，转化成新的组合信号；最后，计算平移后的信号在时域上的信息熵，选择熵值最小的组合作为因果信号，然后将实际熵值与理论熵值下限进行比较，根据学习率实时更新预估的时延。
2.如权利要求1所述的基于信息熵的通信网络拓扑推理方法，其特征在于，包括以下步骤：
3.如权利要求2所述的基于信息熵的通信网络拓扑推理方法，其特征在于，步骤一针对通信网络协议层建模，对于接收的信号根据持续时间和能量大小分为data信号和ack信号，并通过射频指纹技术分类出信号的来源设备。
4.如权利要求2所述的基于信息熵的通信网络拓扑推理方法，其特征在于，当预估的时延与实测时延越接近，data信号与ack信号在时域上的重合度越高，此时信息熵值越小；当预估的时...
【专利技术属性】
技术研发人员：陆圣麟，史治平，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。