CN108683526A - 一种识别竞争类mac协议的方法 - Google Patents
一种识别竞争类mac协议的方法 Download PDFInfo
- Publication number
- CN108683526A CN108683526A CN201810380772.0A CN201810380772A CN108683526A CN 108683526 A CN108683526 A CN 108683526A CN 201810380772 A CN201810380772 A CN 201810380772A CN 108683526 A CN108683526 A CN 108683526A
- Authority
- CN
- China
- Prior art keywords
- signal
- frame
- mac protocol
- class mac
- emulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0078—Avoidance of errors by organising the transmitted data in a format specifically designed to deal with errors, e.g. location
- H04L1/0083—Formatting with frames or packets; Protocol or part of protocol for error control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/30—Definitions, standards or architectural aspects of layered protocol stacks
- H04L69/32—Architecture of open systems interconnection [OSI] 7-layer type protocol stacks, e.g. the interfaces between the data link level and the physical level
- H04L69/322—Intralayer communication protocols among peer entities or protocol data unit [PDU] definitions
- H04L69/323—Intralayer communication protocols among peer entities or protocol data unit [PDU] definitions in the physical layer [OSI layer 1]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Small-Scale Networks (AREA)
Abstract
本发明公开了一种识别竞争类MAC协议的方法包括以下步骤:获取基于各种仿真竞争类MAC协议的仿真信号;对信号进行能量检测;根据能量检测结果与能量门限来统计帧长度,分别得到控制帧和数据帧;根据数据帧数量和控制帧数量得到信号帧类比;根据属于同一信号的帧长度总和得到信号占空比;将各仿真信号的信号帧类比和信号占空比作为训练数据训练支持向量机;通过训练后的支持向量机对属于同一待识别信号的信号帧类比和信号帧占空比进行分类,进而得到竞争类MAC协议的类型。本发明将检测到的控制帧与数据帧的数量之比作为MAC层的特征参数,可以从协议本身的数据交互机制来识别不同的竞争类MAC协议,因此本发明具有很好的识别效果。
Description
技术领域
本发明涉及通信领域,具体涉及一种识别竞争类MAC协议的方法。
背景技术
SANQING HU、YU-DONG YAO、ZHUO YANG在论文“MAC Protocol IdentificationUsing Support Vector Machines for Cognitive Radio Networks”中利用支持向量机基于信号的能量特征和时间特征对ALOHA、CSMA、TDMA等基本MAC协议进行了识别。他们的工作主要是竞争类MAC协议和分配类的MAC协议的识别,实验结果显示利用信号的能量特征和时间特征能够有效地对CSMA、Pure ALOHA、Slotted ALOHA及TDMA进行分类。但是他们的方案只能对于区分区别较大的协议。对于常用于实际的网络系统的MACA、MACA-BI、FAMA-NCS等协议则不适用。另一方面,能量特征对噪声极为敏感,在噪声不确定的情况下表现糟糕。
发明内容
针对现有技术中的上述不足,本发明提供的一种识别竞争类MAC协议的方法解决了现有竞争类MAC协议识别方法识别效果差的问题。
为了达到上述发明目的,本发明采用的技术方案为:
提供一种识别竞争类MAC协议的方法,其包括以下步骤:
S1、搭建网络仿真模型,获取基于各种仿真竞争类MAC协议的仿真信号;
S2、对各仿真信号进行能量检测,得到各仿真信号的能量检测结果;
对待识别信号进行能量检测,得到待识别信号的能量检测结果;
S3、根据能量检测结果与能量门限来统计帧长度,将帧长度大于长度门限的帧作为该仿真信号的数据帧,将小于长度门限的帧作为该仿真信号的控制帧;将待识别信号中帧长度大于长度门限的帧作为待识别信号的数据帧,将待识别信号中帧长度小于长度门限的帧作为待识别信号的控制帧;
S4、根据一段时间T内收到的属于同一信号的数据帧数量和控制帧数量分别得到该仿真信号的信号帧类比和待识别信号的信号帧类比;根据一段时间T内收到的属于同一信号的帧长度总和分别得到该仿真信号的信号占空比和待识别信号的信号占空比;
S5、将各仿真信号的信号帧类比和信号占空比作为训练数据训练支持向量机,得到基于支持向量机的竞争类MAC协议分类模型;
S6、通过基于支持向量机的竞争类MAC协议分类模型对属于同一待识别信号的信号帧类比和信号帧占空比进行分类,进而得到该待识别信号中竞争类MAC协议的类型。
进一步地,步骤S1的具体方法为:
基于OPNET平台搭建网络仿真模型,每种竞争类MAC协议至少仿真于一个信号内,且每个仿真信号只采用一种竞争类MAC协议。
进一步地,步骤S2中对信号进行能量检测的具体方法为:
根据滑动的时间窗截取信号,并根据公式
进行能量检测,得到能量检测后的输出yi(m);其中为γ(·)窗函数;N为窗函数每次滑动的步长;n为离散序列下标;si(n)为天线接收到的信号;i为第i根接收到信号的天线;m为大于等于1的整数;
将能量检测后的输出yi(m)进行二值化,得到能量检测结果。
进一步地,步骤S4中信号帧类比和信号占空比的计算公式分别为:
进一步地,步骤S5中基于支持向量机的竞争类MAC协议分类模型为:
其中(xj,yj)是训练数据,xj为信号帧类比和信号占空比组成的特征向量;yj为训练样本标签;ω为支持向量机待训练的权值;ξj为支持向量机的松弛变量;b为支持向量机待训练的偏置;C为大于0的正则化常数;φ(x)为表示x映射后的特征向量。
本发明的有益效果为:本发明利用能量检测算法估计信号的帧长,并根据信号的帧长度将帧分为控制帧与数据帧,将在信道上检测到的控制帧与数据帧的数量之比作为MAC层的特征参数信号帧类比。信号帧类比可以从协议本身的数据交互机制来识别不同的竞争类MAC协议,因此具有很好的识别效果。
附图说明
图1为本发明的流程示意图;
图2为仿真数据获取模型示意图;
图3为信噪比为20db时特征参数分布示意图;
图4为信噪比为10db时特征参数分布示意图;
图5为信噪比为3db时特征参数分布示意图;
图6为信噪比为1db时特征参数分布示意图;
图7为支持向量机的竞争类MAC协议识别率示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,该识别竞争类MAC协议的方法包括以下步骤:
S1、搭建网络仿真模型,获取基于各种仿真竞争类MAC协议的仿真信号;
S2、对各仿真信号进行能量检测,得到各仿真信号的能量检测结果;
对待识别信号进行能量检测,得到待识别信号的能量检测结果;
S3、根据能量检测结果与能量门限来统计帧长度,将帧长度大于长度门限的帧作为该仿真信号的数据帧,将小于长度门限的帧作为该仿真信号的控制帧;将待识别信号中帧长度大于长度门限的帧作为待识别信号的数据帧,将待识别信号中帧长度小于长度门限的帧作为待识别信号的控制帧;
S4、根据一段时间T内收到的属于同一信号的数据帧数量和控制帧数量分别得到该仿真信号的信号帧类比和待识别信号的信号帧类比;根据一段时间T内收到的属于同一信号的帧长度总和分别得到该仿真信号的信号占空比和待识别信号的信号占空比;
S5、将各仿真信号的信号帧类比和信号占空比作为训练数据训练并测试支持向量机,若测试合格,则得到基于支持向量机的竞争类MAC协议分类模型;若测试不合格,则返回步骤S1;
S6、通过基于支持向量机的竞争类MAC协议分类模型对属于同一待识别信号的信号帧类比和信号帧占空比进行分类,进而得到该待识别信号中竞争类MAC协议的类型。
步骤S1的具体方法为:
基于OPNET平台搭建网络仿真模型,每种竞争类MAC协议至少仿真于一个信号内,且每个仿真信号只采用一种竞争类MAC协议。
步骤S2中对信号进行能量检测的具体方法为:
根据滑动的时间窗截取信号,并根据公式
进行能量检测,得到能量检测后的输出yi(m);其中为γ(·)窗函数;N为窗函数每次滑动的步长;n为离散序列下标;si(n)为天线接收到的信号;i为第i根接收到信号的天线;m为大于等于1的整数;
将能量检测后的输出yi(m)进行二值化,得到能量检测结果。
步骤S5中基于支持向量机的竞争类MAC协议分类模型为:
其中(xj,yj)是训练数据,xj为信号帧类比和信号占空比组成的特征向量;yj为训练样本标签;ω为支持向量机待训练的权值;ξj为支持向量机的松弛变量;b为支持向量机待训练的偏置;C为大于0的正则化常数;φ(x)为表示x映射后的特征向量。
在本发明的一个实施例中,可以基于OPNET软件平台搭建网络仿真建模环境,包括网络模型、节点模型、进程模型。对MACA、MACA-BI、CSMA/CA、FAMA-NCS等协议进行了详细地仿真和分析。根据MAC协议下网络节点的数据发送情况,结合物理层BPSK调制信号完成了竞争类MAC协议的网络计算机建模与仿真数据获取。网络仿真模型中包含十个节点,各节点之间可以相互发送数据。网络仿真模型分别给仿真信号配置MACA、MACA-BI、CSMA/CA、FAMA-NCS等竞争类MAC协议。用表示节点发送忙闲的统计量来统计网络中各节点的数据发送情况,节点发送数据时该统计量为高电平,节点未发送数据时该统计量为低电平。原始采样数据样本要加入不同强度的噪声用于训练支持向量机在未知噪声强度的情况下具有良好的泛化能力,提高竞争类MAC协议的识别率。
如图2所示,本发明采用多条定向天线分别接收网络节点发送的数据,为了获得这样的数据,首先完成基于OPNET平台对竞争类MAC协议进行仿真,并获取到网络中用于表示每个节点发送情况的节点发送时序图。然后再对信号物理层进行仿真,物理层上信号采用BPSK技术。结合这两部分的数据来模拟外部检测天线接收到的数据。
在一个很短时间片内运用能量检测算法来确定该时间片是否含有信号,如果该时间片内积累的能量高于一定的能量门限就说明有信号存在,反之亦然。对不同的时间片内的信号运用能量检测算法,就可以得到信号的时变特性,获取到节点数据的发送情况。能量检测算法有两个重要的参数,即窗宽度和滑动步长。能量检测的目的是获得信号的时序图,从而设计信号链路层的特征。具体地,首先从信号的开始位置计算一个窗宽内的能量,然后该窗滑动一个步长的长度,再计算窗内的信号能量,重复该过程,直到窗滑动到信号的结束位置。经过能量检测后得到的能量信息通过比较能量检测门限就可以得到信号的时序图。最后根据一定的长度门限将帧分为控制帧和数据帧,并据此来设计信号在MAC层上的特征参数。
如图3、图4、图5和图6所示,信号帧类比在较高的信噪比(SNR)下的分布是在理论值附近的,也就说明帧长检测效果良好。当信噪比在3db左右时,有少量数据样本就开始远离它的理论值了,出现了轻微的偏差。说明帧长检测算法在3db左右时,其性能开始出现瓶颈。当信噪比在1db时,大量的数据样本偏离了其理论值,此时说明帧长检测算法在较低信噪比下几乎失效了。总的来说,信号帧类比具有不错的抗噪能力,物理层上的统计参数如能量均值、能量方差在不同强度的噪声下分布是紊乱而不确定的。当未知噪声强度时,物理层参数几乎不可用,而MAC层参数是反映着MAC协议本身的区别,有着不错的抗噪能力。
如图7所示,在训练数据和待识别信号均包含了不同噪声强度,支持向量机采用高斯核函数情况下,仿真结果表明,在信噪比高于4db时,基于支持向量机的MAC协议识别具有良好的性能。
综上所述,本发明利用能量检测算法估计信号的帧长,并根据信号的帧长度将帧分为控制帧与数据帧,将在信道上检测到的控制帧与数据帧的数量之比作为MAC层的特征参数信号帧类比。信号帧类比可以从协议本身的数据交互机制来识别不同的竞争类MAC协议,因此本发明具有很好的识别效果。
Claims (5)
1.一种识别竞争类MAC协议的方法,其特征在于:包括以下步骤:
S1、搭建网络仿真模型,获取基于各种仿真竞争类MAC协议的仿真信号;
S2、对各仿真信号进行能量检测,得到各仿真信号的能量检测结果;
对待识别信号进行能量检测,得到待识别信号的能量检测结果;
S3、根据能量检测结果与能量门限来统计帧长度,将帧长度大于长度门限的帧作为该仿真信号的数据帧,将小于长度门限的帧作为该仿真信号的控制帧;将待识别信号中帧长度大于长度门限的帧作为待识别信号的数据帧,将待识别信号中帧长度小于长度门限的帧作为待识别信号的控制帧;
S4、根据一段时间T内收到的属于同一信号的数据帧数量和控制帧数量分别得到该仿真信号的信号帧类比和待识别信号的信号帧类比;根据一段时间T内收到的属于同一信号的帧长度总和分别得到该仿真信号的信号占空比和待识别信号的信号占空比;
S5、将各仿真信号的信号帧类比和信号占空比作为训练数据训练支持向量机,得到基于支持向量机的竞争类MAC协议分类模型;
S6、通过基于支持向量机的竞争类MAC协议分类模型对属于同一待识别信号的信号帧类比和信号帧占空比进行分类,进而得到该待识别信号中竞争类MAC协议的类型。
2.根据权利要求1所述的识别竞争类MAC协议的方法,其特征在于:所述步骤S1的具体方法为:
基于OPNET平台搭建网络仿真模型,每种竞争类MAC协议至少仿真于一个信号内,且每个仿真信号只采用一种竞争类MAC协议。
3.根据权利要求2所述的识别竞争类MAC协议的方法,其特征在于:所述步骤S2中对信号进行能量检测的具体方法为:
根据滑动的时间窗截取信号,并根据公式
进行能量检测,得到能量检测后的输出yi(m);其中为γ(·)窗函数;N为窗函数每次滑动的步长;n为离散序列下标;si(n)为天线接收到的信号;i为第i根接收到信号的天线;m为大于等于1的整数;
将能量检测后的输出yi(m)进行二值化,得到能量检测结果。
4.根据权利要求3所述的识别竞争类MAC协议的方法,其特征在于:所述步骤S4中信号帧类比和信号占空比的计算公式分别为:
5.根据权利要求4所述的识别竞争类MAC协议的方法,其特征在于:所述步骤S5中基于支持向量机的竞争类MAC协议分类模型为:
其中(xj,yj)是训练数据,xj为信号帧类比和信号占空比组成的特征向量;yj为训练样本标签;ω为支持向量机待训练的权值;ξj为支持向量机的松弛变量;b为支持向量机待训练的偏置;C为大于0的正则化常数;φ(x)为表示x映射后的特征向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810380772.0A CN108683526B (zh) | 2018-04-25 | 2018-04-25 | 一种识别竞争类mac协议的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810380772.0A CN108683526B (zh) | 2018-04-25 | 2018-04-25 | 一种识别竞争类mac协议的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108683526A true CN108683526A (zh) | 2018-10-19 |
CN108683526B CN108683526B (zh) | 2020-11-24 |
Family
ID=63802063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810380772.0A Active CN108683526B (zh) | 2018-04-25 | 2018-04-25 | 一种识别竞争类mac协议的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108683526B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635864A (zh) * | 2018-12-06 | 2019-04-16 | 佛山科学技术学院 | 一种基于数据的容错控制方法及装置 |
CN109818811A (zh) * | 2019-03-25 | 2019-05-28 | 电子科技大学 | 一种识别分配类及混合类mac协议的方法 |
CN111355616A (zh) * | 2020-03-17 | 2020-06-30 | 电子科技大学 | 一种基于物理层数据的战术通信网关键节点识别方法 |
CN113365366A (zh) * | 2021-05-19 | 2021-09-07 | 电子科技大学 | 一种基于握手的竞争类mac协议区分方法 |
CN115277513A (zh) * | 2022-03-23 | 2022-11-01 | 电子科技大学 | 一种基于数据时序特征的mac层协议识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426835A (zh) * | 2011-08-30 | 2012-04-25 | 华南理工大学 | 一种基于支持向量机模型的开关柜局部放电信号识别方法 |
US20120238301A1 (en) * | 2010-07-22 | 2012-09-20 | Shipsin Llc | Systems and methods for networked radio systems and coordinated broadcasting |
CN102695265A (zh) * | 2012-01-09 | 2012-09-26 | 河南科技大学 | 一种基于无线传感器网络的混合机制mac协议通信方法 |
-
2018
- 2018-04-25 CN CN201810380772.0A patent/CN108683526B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120238301A1 (en) * | 2010-07-22 | 2012-09-20 | Shipsin Llc | Systems and methods for networked radio systems and coordinated broadcasting |
CN102426835A (zh) * | 2011-08-30 | 2012-04-25 | 华南理工大学 | 一种基于支持向量机模型的开关柜局部放电信号识别方法 |
CN102695265A (zh) * | 2012-01-09 | 2012-09-26 | 河南科技大学 | 一种基于无线传感器网络的混合机制mac协议通信方法 |
Non-Patent Citations (1)
Title |
---|
SANQING HU;YU-DONG YAO;ZHUO YANG: "《MAC Protocol Identification Using Support Vector Machines for Cognitive Radio Networks》", 《IEEE》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635864A (zh) * | 2018-12-06 | 2019-04-16 | 佛山科学技术学院 | 一种基于数据的容错控制方法及装置 |
CN109635864B (zh) * | 2018-12-06 | 2023-06-02 | 佛山科学技术学院 | 一种基于数据的容错控制方法及装置 |
CN109818811A (zh) * | 2019-03-25 | 2019-05-28 | 电子科技大学 | 一种识别分配类及混合类mac协议的方法 |
CN111355616A (zh) * | 2020-03-17 | 2020-06-30 | 电子科技大学 | 一种基于物理层数据的战术通信网关键节点识别方法 |
CN111355616B (zh) * | 2020-03-17 | 2022-10-14 | 电子科技大学 | 一种基于物理层数据的战术通信网关键节点识别方法 |
CN113365366A (zh) * | 2021-05-19 | 2021-09-07 | 电子科技大学 | 一种基于握手的竞争类mac协议区分方法 |
CN115277513A (zh) * | 2022-03-23 | 2022-11-01 | 电子科技大学 | 一种基于数据时序特征的mac层协议识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108683526B (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108683526A (zh) | 一种识别竞争类mac协议的方法 | |
CN110855591B (zh) | 一种基于卷积神经网络结构的qam和psk信号类内调制分类方法 | |
CN103117820B (zh) | 基于可信度的加权协作频谱检测方法 | |
CN111245667A (zh) | 网络业务识别方法及装置 | |
CN110099019A (zh) | 基于深度学习的LoRa调制信号检测方法 | |
CN113315593A (zh) | 一种基于flom协方差矩阵和lstm神经网络的频谱感知算法 | |
CN114268981A (zh) | 网络故障检测与诊断方法及系统 | |
Bojovic et al. | A supervised learning approach to cognitive access point selection | |
CN113572708A (zh) | 一种dft信道估计改进方法 | |
CN108631817B (zh) | 一种基于时频分析和径向神经网络进行跳频信号频段预测的方法 | |
CN111510232B (zh) | 一种基于神经网络的车联网组合频谱感知方法及其应用 | |
CN108566255A (zh) | 基于多任务学习的时间相关mimo系统信道预测方法 | |
US11489560B2 (en) | Method of parameter estimation for a multi-input multi-output system | |
CN109818811B (zh) | 一种识别分配类及混合类mac协议的方法 | |
CN110944002A (zh) | 一种基于指数平均数据增强的物理层认证方法 | |
CN112350790A (zh) | 一种基于深度学习的频谱感知检测方法、装置及设备 | |
CN109429256A (zh) | 一种多用户多流测试方法、基站及移相器 | |
CN111612097B (zh) | 一种基于gru网络的主用户数目估计方法 | |
CN107682119A (zh) | 一种基于分组极值模型的mimo空时码识别方法 | |
CN114611550A (zh) | 基于复数卷积模块的多特征自动调制识别方法 | |
CN107454598A (zh) | 一种基于i/q不平衡的主用户仿真攻击检测方法 | |
Nagao et al. | A Study on Path Loss Modeling using ResNet and Pre-Training with Free Space Path Loss | |
CN113037411B (zh) | 一种基于深度学习的多用户信号检测方法及装置 | |
CN115334523B (zh) | 网络覆盖测算方法、装置、设备及计算机可读存储介质 | |
CN105262708B (zh) | 基于导频信道估计的mimo系统软检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |