一种面向非合作无线网络的拓扑感知方法及装置、系统制造方法及图纸

本发明专利技术公开了一种面向非合作无线网络的拓扑感知方法及装置、系统，方法包括：通过信号检测机理获取目标网络一段时间内发送数据的节点序列号和发送时刻，组成数据矩阵；将数据矩阵两两进行格兰杰因果假设检验，利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合；依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，利用时间窗的方法求出条件格兰杰因果零分布的均值，作为阈值筛选得到节点的最终邻居集合，实现拓扑感知。通过本发明专利技术的基于条件格兰杰因果的拓扑感知算法，可以在不解码数据包的情况下，依据信号发送数据矩阵推断联通关系，准确地推理出网络拓扑信息，能够利用感知信息进行拓扑推理。

【技术实现步骤摘要】
一种面向非合作无线网络的拓扑感知方法及装置、系统
本专利技术属于通信
，具体涉及一种面向非合作无线网络的拓扑感知方法及装置、系统。
技术介绍
拓扑感知是指通过对目标网络的频谱数据、通信时序等信息的感知，推理该网络的拓扑结构，从而指导后续的战场决策。网络拓扑信息是极为重要的网络高层语义推理，在战场上准确识别敌方的网络拓扑，可以了解敌方网络的总体情况，有利于战略性决策的实施；同时可以在网络拓扑的基础上进一步识别网络的关键节点和关键链路，从而可以对其进行精准干扰，或者辅助战场资源管理决策。然而，面向非合作方的无线网络拓扑感知又存在着很大的挑战。推理非合作方的网络拓扑和推理己方网络拓扑不同且难度更大。这是因为非合作方导致感知方可获取的信息有限且不可靠，无法控制目标网络数据流也意味着基于网络协议的相关方法无法工作。因此，找到一种有效的面向非合作无线网络的拓扑感知方法迫在眉睫。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种面向非合作无线网络的拓扑感知方法及装置、系统。为实现上述技术目的，本专利技术采取的技术方案为：一种面向非合作无线网络的拓扑感知方法，根据信号的发送时间和发送节点序列号，对节点进行相关性检测，分析目标网络的通联关系，从而得到拓扑结构，具体包括：步骤1：通过信号检测机理获取目标网络一段时间内发送数据的节点序列号和发送时刻，组成数据矩阵P；步骤2：将数据矩阵两两进行格兰杰因果假设检验，利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合；步骤3：依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，利用时间窗的方法求出条件格兰杰因果零分布的均值，作为阈值筛选得到节点的最终邻居集合，实现拓扑感知。为优化上述技术方案，采取的具体措施还包括：上述的步骤1具体为：传感器通过采样将接收到的信号能量值和信号检测阈值比较，确定是否存在信号：若存在信号，则将信号依据时隙，以信号下降沿作为标准进行离散化，如下式，其中xi,l表示第i个节点第l个时隙的数据值，Ts表示时隙时间长度，ti表示第i个节点信号达到时间；从而得到预处理好的数据矩阵P上述的步骤2所述将数据矩阵中的数据按行两两进行格兰杰因果假设检验，包括零假设和备择假设设置、以及计算统计检验量，具体步骤为：步骤2.1.1：将数据建模为格兰杰因果假设：对于变量X和Y，零假设H0：假设在没有变量Y的先验信息的前提下，X的信息可以被很好地预测，即Y不能格兰杰引起X；备择假设H1：假设，Y的先验信息对于X的信息的预测有所帮助，即Y格兰杰引起X，用式子表示如下：其中X[n]是X在第n个时隙的值，ai和bi是线性回归的参数，量化了过去的值对现在的值的影响程度，k是模型的阶数，ε[n]和η[n]分别是H0和H1的误差；步骤2.1.2：计算统计检验量G：其中表示零假设H0的残差平方和,表示备择假设H1的残差平方和。k表示模型的阶数，M表示观测总时隙数，F(d1,d2)表示F分布，d1＝k，d2＝M-2k-1。上述的步骤2所述利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合，具体如下：步骤2.2.1：选取合适的时间窗数nw，将数据用时间窗分为nw份，然后计算格兰杰因果检验统计量G；步骤2.2.2：计算所有节点的检验统计量之后求出均值，对检验统计量进行筛选，大于该阈值认为两个变量相关，否则认为无关；然后将相关的变量放置在一起作为节点的潜在邻居集合。上述的步骤3所述依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，具体步骤如下：步骤3.1.1：在节点X的邻居集合K中，分别检验每一个节点对X的信息预测是否有特殊作用；零假设S0：在已知K集合中除Y以外的所有节点信息，对节点X信息的预测有作用，即Y对X并无特殊作用；备择假设S1：相比零假设，Y的先验信息对X信息的预测有作用，即Y对X有特殊作用，用式子表示如下：其中X[n]是X在第n个时隙的值，ai,bi和ei是线性回归的参数，从而量化过去的值对现在的值的影响程度，k是模型的阶数，ε[n]和η[n]分别是H0和H1的误差；步骤3.1.2：计算统计检验量Gc：其中表示零假设H0的残差平方和,表示备择假设H1的残差平方和。k表示模型的阶数，M表示观测总时隙数，F(d1,d2)表示F分布，d1＝k，d2＝M-2k-1。上述的步骤3所述利用时间窗的方法求出条件格兰杰因果零分布的均值，作为阈值筛选得到节点的最终邻居集合，具体步骤如下：步骤3.2.1：选取合适的时间窗数，如nw＝2，将数据用时间窗分为两份，然后计算条件格兰杰因果检验统计量Gc。如对于变量X和Y，将其分为X1，X2，Y1，Y2，然后分别计算X2对Y1、Y2对X1的检验统计量Gc；步骤3.2.2：计算所有节点的检验统计量之后求出均值，对检验统计量进行筛选，大于该阈值认为两个变量相关，否则认为无关；然后将相关的变量放置在一起作为节点的潜在邻居集合。一种面向非合作无线网络的拓扑感知装置，其特征在于，包括：数据预处理模块：用于对感知到的数据进行预处理，从而获得数据矩阵P，作为拓扑推理的初始数据；潜在邻居识别模块：利用数据预处理模块提供的数据，进行格兰杰因果假设检验，计算检验统计量，并将零分布的均值作为阈值进行潜在邻居筛选；最终邻居识别模块：利用潜在邻居识别模块的处理结果，进行条件格兰杰因果假设检验，计算统计量，并将零分布的均值作为阈值进行最终邻居筛选。上述的数据预处理模块包括：初始化单元：用于初始化装置，清空上一时间段的数据；感知单元：用于感知信号，获得信号发送时刻和节点序列号；处理单元：用于以信号下降沿为标准，对信号进行离散化；存储单元：用于将处理后的数据进行存储；输出单元：用于将处理好的数据输出到潜在邻居识别模块和最终邻居识别模块。上述的潜在邻居识别模块和最终邻居识别模块，均包括：统计量计算单元：用于计算格兰杰因果假设检验的检验统计量；零分布计算单元：用于计算格兰杰因果零分布的均值；潜在邻居识别模块还包括：潜在邻居筛选单元：用于筛选潜在邻居集合；最终邻居识别模块还包括：最终邻居筛选单元：用于筛选最终邻居集合。一种面向非合作无线网络的拓扑感知系统，其特征在于，包括：存储器，用于存储指令和数据；处理器，与所述存储器耦合，所述处理器被配置为调用并执行存储在存储器中的指令与数据，具体为：处理器，用于对感知到的数据进行预处理，从而获得数据矩阵P，作为拓扑推理的初始数据；用于进行格兰杰因果假设检验，计算检验统计量，并将零分布的均值作为阈值进行潜在邻本文档来自技高网...

【技术保护点】
1.一种面向非合作无线网络的拓扑感知方法，其特征在于，根据信号的发送时间和发送节点序列号，对节点进行相关性检测，分析目标网络的通联关系，从而得到拓扑结构，具体包括：/n步骤1：通过信号检测机理获取目标网络一段时间内发送数据的节点序列号和发送时刻，组成数据矩阵；/n步骤2：将数据矩阵两两进行格兰杰因果假设检验，利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合；/n步骤3：依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，利用时间窗的方法求出条件格兰杰因果零分布的均值，作为阈值筛选得到节点的最终邻居集合，实现拓扑感知。/n

【技术特征摘要】
1.一种面向非合作无线网络的拓扑感知方法，其特征在于，根据信号的发送时间和发送节点序列号，对节点进行相关性检测，分析目标网络的通联关系，从而得到拓扑结构，具体包括：
步骤1：通过信号检测机理获取目标网络一段时间内发送数据的节点序列号和发送时刻，组成数据矩阵；
步骤2：将数据矩阵两两进行格兰杰因果假设检验，利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合；
步骤3：依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，利用时间窗的方法求出条件格兰杰因果零分布的均值，作为阈值筛选得到节点的最终邻居集合，实现拓扑感知。


2.根据权利要求1所述的一种面向非合作无线网络的拓扑感知方法，其特征在于，所述步骤1具体为：
传感器通过采样将接收到的信号能量值和信号检测阈值比较，确定是否存在信号：
若存在信号，则将信号依据时隙，以信号下降沿作为标准进行离散化，如下式，



其中xi,l表示第i个节点第l个时隙的数据值，Ts表示时隙时间长度，ti表示第i个节点信号达到时间；
从而得到预处理好的数据矩阵P





3.根据权利要求1所述的一种面向非合作无线网络的拓扑感知方法，其特征在于，步骤2所述将数据矩阵中的数据按行两两进行格兰杰因果假设检验，包括零假设和备择假设设置、以及计算统计检验量，具体步骤为：
步骤2.1.1：将数据建模为格兰杰因果假设：
对于变量X和Y，零假设H0：
假设在没有变量Y的先验信息的前提下，X的信息可以被很好地预测，即Y不能格兰杰引起X；
备择假设H1：
假设，Y的先验信息对于X的信息的预测有所帮助，即Y格兰杰引起X，用式子表示如下：






其中X[n]是X在第n个时隙的值，ai和bi是线性回归的参数，量化了过去的值对现在的值的影响程度，k是模型的阶数，ε[n]和η[n]分别是H0和H1的误差；
步骤2.1.2：计算统计检验量G：



其中表示零假设H0的残差平方和,表示备择假设H1的残差平方和。k表示模型的阶数，M表示观测总时隙数，F(d1,d2)表示F分布，d1＝k，d2＝M-2k-1。


4.根据权利要求3所述的一种面向非合作无线网络的拓扑感知方法，其特征在于，步骤2所述利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合，具体如下：
步骤2.2.1：选取合适的时间窗数nw，将数据用时间窗分为nw份，然后计算格兰杰因果检验统计量G；
步骤2.2.2：计算所有节点的检验统计量之后求出均值，对检验统计量进行筛选，大于该阈值认为两个变量相关，否则认为无关；然后将相关的变量放置在一起作为节点的潜在邻居集合。


5.根据权利要求1所述的一种面向非合作无线网络的拓扑感知方法，其特征在于，步骤3所述依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，具体步骤如下：
步骤3.1.1：在节点X的邻居集合K中，分别检验每一个节点对X的信息预测是否有特殊作用；
零假设S0：在已知K集合中除Y以外的所有节点信息，对节点X信息的预测有作用，即Y对X并无特殊作用；
备择假设S1：相比零假设，Y的先验...

【专利技术属性】
技术研发人员：刘子彤，王威，吴启晖，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32