一种基于随机森林均匀量化特征提取的安全中继选择方法技术

本发明专利技术属于无线通信技术领域，涉及物理层安全技术领域，特别涉及一种基于随机森林均匀量化特征提取的安全中继选择方法，包括构建全双工多中继系统模型；分别获取中继节点、目的节点以及窃听节点的可达容量，计算在这些可达容量下系统的安全容量，并找出使系统安全性能最优的中继节点索引；基于均匀量化算法来提取RF集成学习算法所需信道状态信息的离散特征值；构建基于RF集成学习方法的全双工中继系统安全中继选择模型，并根据该模型选择中继节点；本发明专利技术在具有多个中继节点的全双工中继系统中,将安全中继选择建模为一个多类分类问题，通过构建随机森集成学习算法模型，选择最优中继以提升系统安全性能。

【技术实现步骤摘要】
一种基于随机森林均匀量化特征提取的安全中继选择方法
本专利技术属于无线通信
，涉及物理层安全
，特别涉及一种基于随机森林均匀量化特征提取的安全中继选择方法。
技术介绍
由于无线信号的开放性，保障数据的安全传输是无线通信系统应用的重要前提。Wyne于1975年首次提出一种新型的安全保障技术，物理层安全技术。如信息论和密码学表明，通过有效地利用无线信道内在的随机特性，如环境衰落、路径损耗以及环境噪声、用户间干扰等，可以降低恶意用户窃听到的信号质量，并通过信号设计和信号处理技术实现无密钥的信息安全传输。中继技术是最常用的物理层安全技术之一，它可以通过扩展通信范围来对抗衰落。在中继系统中，适当的中继选择方案可以提高主信道的可达容量，提高系统的安全性能。传统的中继选择方案主要依靠端到端最大化算法和精确信道状态信息实现，当系统环境更为复杂时，例如涉及多跳中继或快速变化的CSI环境时，传统的中继选择方案会导致较高资源消耗和处理延迟。机器学习(Machinelearning,ML)是一种高效的人工智能技术，它利用智能算法和经验提高系统性能。采用机器学习技术时，中继选择的训练阶段可以离线进行，可以减少实时决策的时延，快速适应信道变化。集成学习算法集成了多个个体分类算法，克服了个体分类算法精确度不高以及过度拟合的固有缺陷。随机森林(randomforest,RF)是由Breiman设计的一种有效的集成学习算法，该方法利用装袋法和随机子空间方法，形成多个不同的决策树模型，并通过组合和投票来确定最终的预测结果。<br>
技术实现思路
为了在中继选择时提升系统安全性能，本专利技术提出一种基于随机森林均匀量化特征提取的安全中继选择方法，包括以下步骤：S1、构建全双工多中继系统模型，其包括源节点S、目的节点D、窃听节点E和K个全双工中继节点R1,…,Ri,…,RK；S2、分别获取中继节点、目的节点以及窃听节点的可达容量，计算在这些可达容量下系统的安全容量，并找出使系统安全性能最优的中继节点索引k*；S3、基于均匀量化算法来提取RF集成学习算法所需的离散CSI特征值；S4、构建基于RF集成学习方法的全双工中继系统安全中继选择模型，并根据该模型选择中继节点。进一步的，在构建的全双工多中继系统模型的时隙t中，中继节点处Ri的接收信号表示为：目的节点处的接收信号表示为：窃听节点处的接收信号表示为：其中，PS为源节点的发射功率，为源节点到中继节点的信道系数，xs(t)表示时隙t时源节点传输到中继节点的数据，为中继节点处Ri的发射功率，为中继节点Ri残余自干扰系数，xs(t-1)表示时隙t-1时源节点传输到中继节点的数据，为中继节点上的噪声；为中继节点到目的节点的信道系数，nD(t)为目的节点上的噪声；hSE为源节点与窃听节点之间的信道系数，为中继节点与窃听节点之间的信道系数，nE(t)窃听节点上的噪声；nD(t)以及nE(t)为服从均值为0，方差依次为以及的高斯分布的噪声。进一步的，使系统安全性能最优的中继节点索引k*表示为：其中，K为中继节点数量；为中继节点Ri可达速率；CD为目的节点可达速率；CE为窃听节点可达速率。进一步的，基于均匀量化算法来提取随机森林集成学习算法所需的离散CSI特征值包括：将主信道和窃听信道的CSI集合表示为：若CSI量化后的特征值hq为1到N之间的整数，hx为集合Ω中原始的CSI值，则CSI量化后的特征值hq表示为：其中，为特征值j所在区间的下边界；为特征值j所在区间的上边界。进一步的，若CSI区间长度为[0,T]，将该区间均匀分成N个等长的间隔，则特征值j所在区间的下边界表示为：特征值j所在区间的上边界表示为：进一步的，构建基于RF集成学习方法的全双工中继系统安全中继选择模型时，其训练集数据集定义为：D＝{(H1,Y1),(H2,Y2),…,(HX,YX)}，(Hx,Yx)表示训练样本x，其输入值为Hx，表示为为第i个量化后的CSI离散值；输出值为Yx，Yx分类标签，赋值为最优中继索引k*。本专利技术其目的是在多个中继节点的全双工中继系统中,将安全中继选择建模为一个多类分类问题，通过构建RF集成学习算法模型，选择最优中继以提升系统安全性能。基于RF集成学习最优中继选择算法的实现分为三个阶段：训练数据准备、模型建立和选择结果预测。由于随机森林要求描述待分类对象的输入特征是离散值，进一步提出了基于均匀量化算法的CSI离散特征值提取方法。最后，通过仿真验证给出优化设计方案的性能。附图说明图1为本专利技术采用的算法流程图；图2为当N＝4,5,6时，CEP随量化上边界T变化的情况；图3为当T＝Max、T＝Med、T＝Mean时，CEP随着均匀量化间隔数N增加的变化情况；图4为CEP随量化间隔变化μ而变化的情况；图5为随机森林、支持向量机(SVM)、决策树算法CEP对比情况；图6为随机森林、支持向量机(SVM)、决策树算法系统安全容量对比情况。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。实施例1如图1所示，本专利技术采用的系统模型由源节点S、目的节点D、窃听节点E和具有多个全双工中继节点R1,…,Ri,…,RK组成，为源节点到中继节点的信道系数，为中继节点到目的节点的信道系数；hSE为源节点与窃听节点之间的信道系数；为中继节点与窃听节点之间的信道系数；全双工中继引起的自干扰可以通过采用自干扰抵消技术得到较大程度的抑制，但本专利技术仍然考虑中继节点有残余的自干扰，定义为G(0,δ2)表示为均值为0，方差为δ2的高斯分布，在节点E、Ri、D处的噪声定义为nE(t)、nD(t)，且PS为源节点的发射功率，为中继节点的发射功率。在时隙t，源节点S传输数据xs(t)到中继节点Ri，中继点Ri再解码转发到目的节点D。为更符合实际情况，考虑了一个时隙的延迟来进行中继节点的对接收信息解码和自干扰抑制处理。Ri点的接收信号可表示为：目的节点D处接收到的信息数据表示为：窃听节点在时隙t-1和t均能收到传输的信息，可表示为：其中，此外，假设所有信道系数在一个传输块内保持不变，W为一个传输块内数据包的数量,式(3)可以被重写为：YE＝HXs+NE(4)YE＝(yE[W+1],yE[W],…,yE[1])T(5)Xs＝(xs[W],…,xs[1])T(6)NE＝(nE[W+1],nE[W],…,nE[1])T(7)窃听节点的可达速率表示为：对矩阵HHH进行特征分解，式(9)可以被重写为：θw为矩阵HHH的第w个特征值，由于矩阵H是一个Toe本文档来自技高网...

【技术保护点】
1.一种基于随机森林均匀量化特征提取的安全中继选择方法，其特征在于，所述方法包括以下步骤：/nS1、构建全双工多中继系统模型，其包括源节点S、目的节点D、窃听节点E和K个全双工中继节点R

【技术特征摘要】
1.一种基于随机森林均匀量化特征提取的安全中继选择方法，其特征在于，所述方法包括以下步骤：
S1、构建全双工多中继系统模型，其包括源节点S、目的节点D、窃听节点E和K个全双工中继节点R1,…,Ri,…,RK；
S2、分别获取中继节点、目的节点以及窃听节点的可达容量，计算在这些可达容量下系统的安全容量，并找出使系统安全性能最优的中继节点索引k*；
S3、基于均匀量化算法来提取RF集成学习算法所需的离散CSI特征值；
S4、构建基于RF集成学习方法的全双工中继系统安全中继选择模型，并根据该模型选择中继节点。


2.根据权利要求1所述的一种基于随机森林均匀量化特征提取的安全中继选择方法，其特征在于，在构建的全双工多中继系统模型的时隙t中，中继节点处Ri的接收信号表示为：目的节点处的接收信号表示为：窃听节点处的接收信号表示为：
其中，PS为源节点的发射功率，为源节点到中继节点的信道系数，xs(t)表示时隙t时源节点传输到中继节点的数据，为中继节点处Ri的发射功率，为中继节点Ri残余自干扰系数，xs(t-1)表示时隙t-1时源节点传输到中继节点的数据，为中继节点上的噪声；为中继节点到目的节点的信道系数，nD(t)为目的节点上的噪声；hSE为源节点与窃听节点之间的信道系数，为中继节点与窃听节点之间的信道系数，nE(t)窃听节点上的噪声；nD(t)以及nE(t)为服从均值为0，方差依次为以及的高斯分布的噪声。


3.根据权利要求1所述一种基于随机森林均匀量化特征提取的安全中继选择方法，其特征在于，使系统安全性能最优的中继节点索引k*表示为：



其中，K为中继节点数量；为中继节点Ri可达速率；CD为目的节点可达速率；CE为窃听节点可达速率。


4.根据权利要求3所述的一种基于随机森林均匀量化特征提取的安全中继选择方法，其特征在于，中继节点Ri可达速率表示为：



其中，PS为源节点的发射功率，为源节点到中继节点的信道系数，为中继节点处Ri的发射功率，为中继节点Ri残余...

【专利技术属性】
技术研发人员：张梦，
申请(专利权)人：重庆工商大学融智学院，
类型：发明
国别省市：重庆;50