【技术实现步骤摘要】
一种主动连接终端的通信系统
[0001]本专利技术创造涉及通信
、
终端身份识别和数据传输领域,具体涉及一种主动连接终端的通信系统
。
技术介绍
[0002]随着移动通信的发展,无线通信技术成为主动连接终端的重要手段,通信系统中使用的网络协议是通信的基础,常见的网络协议包括
TCP/IP
协议与
UDP
协议,它们定义了数据在网络中的传输方式和规则,通信领域涉及网络协议
、
无线通信技术
、
传感器技术
、
数据压缩与编码技术
、
数据加密与安全技术
、
数据存储与处理技术
、
自适应传输技术
、
通信协议栈以及云计算与边缘计算,这些技术的应用与结合将有助于实现高效
、
安全和智能的主动连接终端通信系统
。
[0003]终端身份识别技术需要设计和实现各种身份认证协议,确保终端身份信息的安全传输和验证,涉及生物特征识别技术
、
智能卡技术
、
近场通信技术
、
二维码技术
、RFID
技术
、
身份认证协议
、
加密技术
、
人工智能与机器学习技术
、
大数据分析技术以及多模态识别技术,这些技术的应用与结合将有助于实现高效
、
准确和安全的终端身份识别,是主动连接终端的通信系统中非 ...
【技术保护点】
【技术特征摘要】
1.
一种主动连接终端的通信系统,其特征在于,包括主动连接控制模块
、
通信与连接管理模块
、
安全认证与错误处理模块和用户界面模块,主动连接控制模块包括主动连接控制单元和终端身份识别单元,主动连接控制单元用于向待连接终端设备主动发起连接请求,终端身份识别单元提出
SSC
‑
RA
算法对待连接终端的身份标识进行身份识别以确定要连接的目标终端,通信与连接管理模块包括数据传输单元和连接管理单元,数据传输单元提出
EDPIT
算法对通信过程中的数据进行数据传输,连接管理单元用于管理终端连接的建立与维护,安全认证与错误处理模块包括安全认证单元和错误处理单元,安全认证单元用于对终端连接进行安全认证以确保连接的安全性和可信度,错误处理单元用于处理通信过程中出现的错误与异常情况,用户界面模块用于提供用户与通信设备进行交互的界面,为用户提供安全可靠的服务
。2.
根据权利要求1所述的一种主动连接终端的通信系统,其特征在于,主动连接控制单元用于管理和控制主动连接的过程,发起与待连接终端的连接请求,根据设定的策略和条件,判断何时发起连接请求,并向目标终端发送连接请求信号
。3.
根据权利要求1所述的一种主动连接终端的通信系统,其特征在于,终端身份识别单元提出
SSC
‑
RA
算法对待连接终端的身份标识进行身份识别以确定要连接的目标终端
。4.
根据权利要求3所述的一种主动连接终端的通信系统,其特征在于,
SSC
‑
RA
算法通过训练数据序列作为样本空间,测试序列中的待连接终端的身份标识由顺序更新的身份概率质量函数
PMF
来表征,对于每个测试样本,从样本空间中随机抽取样本,而每个身份的样本数量由身份概率质量函数
PMF
确定,根据绘制的样本对测试框架进行评估,以计算权重,并利用样本权重更新身份概率质量函数
PMF
,具体如下:假设有
N
个不同的待连接终端设备的身份标识数据库用于训练,将待连接终端
i
的身份表示为
I
i
,将待连接终端设备的训练数据的数量为
m
i
,数据库中训练数据的总数为总共有
T
个测试数据序列,即
Z
=
{z1,z2,
…
,z
T
}
,其中,
z1为检测到的第1个待连接终端设备数据序列,
z2为检测到的第2个待连接终端设备数据序列,
z
T
为检测到的第
T
个待连接终端设备数据序列,然后对待连接终端设备的身份
PMF
进行初始化,假设对于
K(K∈[1,N])
,恒等式,其中,
K
为一个未知常数,为整数集合,初始信念基于先验知识
E
获得,该先验知识的置信度为
P0(I
k
|E)
=
p
k
,
k
=
1,2,
…
,K
,其中,
P0(I
k
|E)
为在已有的先验知识
E
的条件下,对于不同的常数
K
取值的信念程度,
p
k
为先验知识
E
中对于常数
K
取值为
I
k
的置信度,设置
K
个恒等式的初始概率值后,其余恒等式的初始概率值为其中,
P0(I)
为在常数
K
取值为
I
的信念程度,在此先验知识上进行改进,将其改进为在身份概率质量函数
PMF
上的离散均匀分布,即其中,
P0(I
i
)
为在常数
K
取值为待连接终端
i
的身份
I
i
的信念程度,顺序更新过程如下:首先进行数据样例绘制,假设时间步长为
t
,根据先前的身份概率质量函数
PMF
从待连接终端设备的身份标识数据库中绘制数据样例,对于待连接终端
i
的身份
I
i
,从与身份
I
i
相关的数据库中的
m
i
样本中随机抽取总共
N
i
=
N
p
*P
t
(I
i
)
,其中,
N
i
为从数据库中随机抽取的样本数量,
N
p
为数据库中的样本总量的一个已知的常数,
P
t
(I
i
)
为待连接终端
i
的身份
I
i
的样本在数据库中出现的概率,然后进行样本评估,在时间步长
t
为每个样本分配似然值为
q
t
(i,j)
,其中,
i
为待连接终端身份样本,
j
为类别,
j
为待连接终端设备身份的
样本指数,计算所有选定样本到测试数据的距离
d
t
(i,j)
,应用核来计算相关联的权重,提出高斯核进行权重的计算,即其中,
a
,
b
,
c
均为零均值高斯分布的系数,且
b
=0,
c
=
σ
,其中,
σ
为方差,最后进行身份概率质量函数
PMF
的更新,将属于对于待连接终端
i
的身份
I
i
的似然值
q
t
(i,:)q
t
(i,:)
=
q
t
(i,j)
相加,其中,
q
t
(i,:)
为第
i
个待连接终端身份样本的似然值,
q
t
(i,j)
为第
i
个待连接终端身份样本对于第
j
个类别的似然值,得到未规范的身份权重为其中,为第
i
个身份样本的身份权重,对身份权重进行归一化,即其中,为归一化后的身份权重,权重分布被定义为临时身份概率质量函数
PMF
,即其中,
P'
t
(I
i
)
为临时身份概率质量函数
PMF
,定义平均似然
Q
t
为其修正系数为其修正系数为其中,
α
t
为平均似然
Q
t
的修正系数,
Q
Threshold
为平均似然
Q
t
的阈值,
PMF
的更新过程为
P
t+1
(I
i
)
=
(1
‑
α
t
)P
t
(I
i
)+
α
t
P
′
t
(I
i
)
,
i
=
0,1,
…
,N
‑1,其中,
P
t+1
(I
i
)
为更新后的下一个时间步长的身份概率质量函数
PMF
,为了使提出的
SSC
‑
RA
算法非参数化,在此将修正参数
α
t
改进为改进为其中,
α
'
t
为改进后的修正参数,再遵循
PMF
的更新过程,将改进的修正参数
α
'
t
进一步改进为一步改进为其中,
α
″
t
为进一步改进的修正参数,
q
max
为身份权重的最大值,
N
cons
为属于当前时刻具有一致身份的样本数量,为属于当前时刻具有一致身份的似然值,为属于其他时刻具有一致身份的似然值,
η
为调节修正参数的影响力的一个调节因子参数,且虽然进一步改进的修正参数
α
″
t
具有非参数的优点,但也使
PMF
的调谐更慢;因此接下来对
PMF
的调谐速率进行优化,当
α
″
t
=1时,提出的
SSC
‑
RA
算法的在时间...
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。