基于隐马尔科夫模型的可信协作干扰节点选取方法技术

本发明专利技术提供了一种基于隐马尔科夫模型的可信协作干扰节点选取方法。该方法包括：利用能量检测器对协作干扰节点的行为进行检测，根据检测结果判断协作干扰节点是否发送了干扰信号；根据能量检测器的判断结果，利用隐马尔可夫信任模型对发送了干扰信号的协作干扰节点的信誉值进行更新；根据更新后的协作干扰节点的信誉值，判断该协作干扰节点是否满足系统需求，如果满足，则继续使用该协作干扰节点；否则，选取其他节点作为协作干扰节点。本发明专利技术实施例设计了一种新的基于隐马尔科夫模型的可信协作干扰节点选取机制，能够更加动态地分析协作干扰节点的行为，选取一个可信的协作干扰节点，有效保障无线通信信道的安全性能。

Selection of trusted cooperative jamming nodes based on Hidden Markov model

【技术实现步骤摘要】
基于隐马尔科夫模型的可信协作干扰节点选取方法
本专利技术涉及无线通信网络
，尤其涉及一种基于隐马尔科夫模型的可信协作干扰节点选取方法。
技术介绍
随着无线通信网络的发展，人们对于无线网络的依赖逐渐加深，无线网络的安全问题从而引起了人们的重视。传统的高层加密技术需要强大的计算能力支撑，这对于能量受限的无线节点较为吃力。因此，研究者着手研究物理层安全技术用于提高无线通信的安全性。一种主流的物理层安全技术是协作干扰技术，选择一个协作干扰者，协助发送人工噪声降低窃听者信噪比，达到安全通信的目的。然而，考虑到用户之间的社交属性，协作干扰者出于保存能量用于自身传输的目的，有一定概率拒绝发送人工噪声，这样会导致网络安全性能得不到保障。因此，设计一种信任度模型用于选取可信的协作干扰节点是非常必要的。传统的信任模型大多是贝叶斯信任模型。在贝叶斯信任模型中存在以下假设：根据概率分布描述节点的行为，信任度是概率分布期望值的函数，该期望值将根据贝叶斯定理随着收到的每个新评级而更新。隐马尔可夫模型是一种统计马尔可夫模型，其中假设正在建模的系统是具有未观察(隐藏)状态的马尔可夫过程，该状态控制着每个选择的分量。因此，每个隐马尔可夫模型都具有来自有限状态集的隐藏状态序列及其对应的观察序列。隐马尔科夫模型模型比贝叶斯信任模型有更多的参数，因此可以进行微调，以适应动态环境。目前，现有技术中还没有一种有效的基于隐马尔可夫模型的可信协作干扰节点的选取方法。
技术实现思路
本专利技术的实施例提供了一种基于隐马尔科夫模型的可信协作干扰节点选取方法，以实现选取有效的可信协作干扰节点。为了实现上述目的，本专利技术采取了如下技术方案。一种基于隐马尔科夫模型的可信协作干扰节点选取方法，包括：利用能量检测器对协作干扰节点的行为进行检测，根据检测结果判断协作干扰节点是否发送了干扰信号；根据能量检测器的判断结果，利用隐马尔可夫信任模型对发送了干扰信号的协作干扰节点的信誉值进行更新；根据更新后的协作干扰节点的信誉值，判断该协作干扰节点是否满足系统需求，如果满足，则继续使用该协作干扰节点；否则，选取其他节点作为协作干扰节点。优选地，所述的利用能量检测器对协作干扰节点的行为进行检测，根据检测结果判断协作干扰节点是否发送了干扰信号，包括：能量检测器包含噪声预滤波器、能量运作器和积分器，能量检测器接收待检测的协作干扰节点的输出信号yc(t)，通过噪声预滤波器对yc(t)进行噪声滤波处理，再通过能量运作器对yc(t)进行放大处理，再通过积分器对放大处理后的yc(t)进行积分处理，得到检测信号Yp；设置∈是检测门限，当检测信号Yp大于检测门限∈时，则判定协作干扰节点发送了干扰信号，否则，判定协作干扰节点没有发送干扰信号；发送了干扰信号的协作干扰节点用表示，没有发送干扰信号的协作干扰节点用表示；优选地，所述的利用能量检测器对协作干扰节点的行为进行检测，根据检测结果判断协作干扰节点是否发送了干扰信号，包括：隐马尔科夫模型由N个隐藏状态S＝{s1，...，sN}的有限集合组成，其中包括两个隐藏状态S＝{s1(可信状态)，s2(不可信状态)}，并具有每个隐藏状态相关的概率分布，各个隐藏状态的初始概率分布由π＝πi表示，描述了能量检测开始时系统的状态，被检测的协作干扰节点的状态由离散时间马尔可夫链xk＝{x1，x2，...xk，...}描述，其中xk∈S是协作干扰节点在采样时刻k的隐藏状态；被检测的协作干扰节点的检测信号的观测值yk＝{y1，y2，…yk，…}，其中yk∈V是在采样时刻k处的观测值，xk和yk之间的关系由概率分布矩阵Q＝{qi(m)}描述，其中qi(m)＝P(yk＝vm|xk＝si)，1≤i≤N，1≤m≤M，是在系统处于状态si的情况下观测到观测符号vm的概率；假定是被检测的协作干扰节点的状态转移概率的集合，其中协作干扰节点的输出等级通过检测符号集V＝{v1，...，vM}分类，系统的动态性由转换速率矩阵Λ＝{λij}描述，如下所示：其中，λij是转换速率矩阵，P(x(t+dt)＝j|x(t)＝i)是状态转移概率，表示t时刻为状态i，t+Δt的时刻为状态j的转移概率；分别对状态占用时间建模，转换矩阵中没有自转换，状态占用时间表示为H＝(h1，h2)，其中h1表示协作干扰节点受信任的平均时间，h2表示协作干扰节点不受信任的平均时间，根据柯尔莫哥洛夫方程得出动态转移概率矩阵的表达式如下：表示k时刻的状态转移概率，δk是本次采样和上次采样的时间间隔，hi表示i状态的平均占用时间；检测结果表示为yk，将获得检测结果的时间表示为tk，检测结果k-1和检测结果k之间的时间表示为σk＝tk-tk-1，x(t)表示系统在t时刻采样时的隐藏状态，令xk＝x(tk)，协作干扰节点的状态分布表示为该值针对每个新的检测结果进行更新，表示当前状态分布，n表示第n个协作干扰节点，y＝yk是当前检测结果，δk表示当前检测与上次检测之间的时间；将被检测的协作干扰节点在当前时刻处于可信状态S1的概率作为协作干扰节点的当前的信誉值，将处于可信状态S1的概率作为协作干扰节点的信誉值。优选地，所述的根据更新后的协作干扰节点的信誉值，判断该协作干扰节点是否满足系统需求，如果满足，则继续使用该协作干扰节点；否则，选取其他节点作为协作干扰节点，包括：设置协作干扰节点的信誉值门限值，当协作干扰节点的当前的信誉值大于信誉值门限值时，则判断该协作干扰节点满足系统需求，继续使用该协作干扰节点；否则，选取其他节点作为协作干扰节点。由上述本专利技术的实施例提供的技术方案可以看出，本专利技术实施例设计了一种新的基于隐马尔科夫模型的可信协作干扰节点选取机制，能够更加动态地分析协作干扰节点的行为，选取一个可信的协作干扰节点，有效保障无线通信信道的安全性能。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提出的一种基于隐马尔可夫模型的可信协作干扰节点的选取方法的处理流程图；图2为本专利技术实施例提供的一种能量检测器的处理流程图；图3为本专利技术实施例提供的一种马尔科夫转换过程及观测值的示意图；图4为本专利技术实施例提供的一种检测概率是协作干扰节点接收功率与接入节点接收功率不同的函数仿真结果示意图；图5为本专利技术实施例提供的一种针对不同检测持续时间的常规能量检测器和改进的能量检测器的接收器工作特性(ROC)曲线示意图；图6为本专利技术实施例提供的一种具有不同检测概率的隐马尔可夫的信任模型示本文档来自技高网...

【技术保护点】
1.一种基于隐马尔科夫模型的可信协作干扰节点选取方法，其特征在于，包括：/n利用能量检测器对协作干扰节点的行为进行检测，根据检测结果判断协作干扰节点是否发送了干扰信号；/n根据能量检测器的判断结果，利用隐马尔可夫信任模型对发送了干扰信号的协作干扰节点的信誉值进行更新；/n根据更新后的协作干扰节点的信誉值，判断该协作干扰节点是否满足系统需求，如果满足，则继续使用该协作干扰节点；否则，选取其他节点作为协作干扰节点。/n

【技术特征摘要】
1.一种基于隐马尔科夫模型的可信协作干扰节点选取方法，其特征在于，包括：
利用能量检测器对协作干扰节点的行为进行检测，根据检测结果判断协作干扰节点是否发送了干扰信号；
根据能量检测器的判断结果，利用隐马尔可夫信任模型对发送了干扰信号的协作干扰节点的信誉值进行更新；
根据更新后的协作干扰节点的信誉值，判断该协作干扰节点是否满足系统需求，如果满足，则继续使用该协作干扰节点；否则，选取其他节点作为协作干扰节点。


2.根据权利要求1所述的方法，其特征在于，所述的利用能量检测器对协作干扰节点的行为进行检测，根据检测结果判断协作干扰节点是否发送了干扰信号，包括：
能量检测器包含噪声预滤波器、能量运作器和积分器，能量检测器接收待检测的协作干扰节点的输出信号yc(t)，通过噪声预滤波器对yc(t)进行噪声滤波处理，再通过能量运作器对yc(t)进行放大处理，再通过积分器对放大处理后的yc(t)进行积分处理，得到检测信号Yp；



设置∈是检测门限，当检测信号Yp大于检测门限∈时，则判定协作干扰节点发送了干扰信号，否则，判定协作干扰节点没有发送干扰信号；
发送了干扰信号的协作干扰节点用表示，没有发送干扰信号的协作干扰节点用表示；








3.根据权利要求1所述的方法，其特征在于，所述的利用能量检测器对协作干扰节点的行为进行检测，根据检测结果判断协作干扰节点是否发送了干扰信号，包括：
隐马尔科夫模型由N个隐藏状态S＝{s1，...，sN}的有限集合组成，其中包括两个隐藏状态S＝{s1(可信状态)，s2(不可信状态)}，并具有每个隐藏状态相关的概率分布，各个隐藏状态的初始概率分布由π＝πi表示，描述了能量检测开始时系统的状态，被检测的协作干扰节点的状态由离散时间马尔可夫链xk＝{x1，x2，...xk，...}描述，其中xk∈S是协作干扰节点在采样时刻k的隐藏状态；
被检测的协作干扰节点的检测信号的观测值yk＝{y1，y2，...yk，...}，其中yk∈...

【专利技术属性】
技术研发人员：荆涛，温营坤，高青鹤，霍炎，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11