CN113242610B - 基于累积量的通信信号关联方法 - Google Patents
基于累积量的通信信号关联方法 Download PDFInfo
- Publication number
- CN113242610B CN113242610B CN202110521063.1A CN202110521063A CN113242610B CN 113242610 B CN113242610 B CN 113242610B CN 202110521063 A CN202110521063 A CN 202110521063A CN 113242610 B CN113242610 B CN 113242610B
- Authority
- CN
- China
- Prior art keywords
- node
- signal
- rts
- time
- cts
- 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.)
- Active
Links
- 238000004891 communication Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013507 mapping Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000004088 simulation Methods 0.000 abstract description 5
- 238000012098 association analyses Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0808—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA]
- H04W74/0816—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA] with collision avoidance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于通信技术领域，具体是涉及一种基于累积量的通信信号关联方法。本发明针对Ad‑hoc通信系统的节点关联关系分析，本发明给出了在连续通信假设下利用权重累积量获取长时间跨度关联信息的方法。在设定的情况下，本方法可以从获取的RTS和CTS的TOA流中挖掘出关联关系信息，仿真中，无噪声情况下可以获得90％以上的关联准确度，在存在测量噪声时也具有较强的鲁棒性。
Description
技术领域
本发明属于通信技术领域，具体是涉及一种基于累积量的通信信号关联方法。
背景技术
在针对Ad-hoc通信系统的侦察中，作为非合作方，侦收中只能知道信号来自于哪个节点，并不能获知该信号时发给哪个节点的，因此获得对方通信系统节点和节点之间的通信关联关系往往是比较难的，关联关系分析关系求解就变成一个欠定问题。为了求解这样的问题，不仅仅需要TOA和TOE，还需要需要补充新的约束条件。此外，作为非合作方获得侦收到的每个脉冲所对应的确切关联关系是没有必要的，而且也可靠性也不高，更多的是希望获取某段时间内节点和节点的长期通联关系。
发明内容
本发明针对Ad-Hoc通信系统，提出了一种基于累积量的通信信号关联方法。本方法减少了对脉冲间时序关系的依赖，为了解决对多节点同时通信关联关系分析时的模糊问题，补充了更上层的连续通信的假设，从而提出了有效的关联关系分析模型获取长时间内的节点通信关联关系。
本方法需要的先验信息如下：
(1)通信系统存在RTS/CTS机制。Ad-hoc网络中广泛存在RTS/CTS对以解决隐藏节点和暴露节点问题。此外，RTS/CTS帧之间的时间间隔满足一定的概率分布也是一种合理假设，本方法依然利用这些先验进行TOA信息的处理。本方法不需要确切的时序约束信息，只需要能够从脉冲流中分离出RTS帧和CTS帧，并假设对应的RTS帧和CTS帧之间的间隔满足某种概率分布。
(2)连续通信假设。不妨假设在某种通信场景下，通信的节点双方在一次通信中会频繁地互相发送信息，这时，RTS/CTS对可能在某个时间段内频繁出现，这就是本方法需要的连续通信假设。本方法引入新的连续通信的应用层先验以弥补MAC层和物理层的时序先验的不足，从而从更大时间尺度进行关联信息挖掘。
首先基于这两点先验信息，建立方法模型。假设组成的Ad-hoc网络的考虑N个节点集合
在一段时间$T$内帧收到来自这些节点的Mr个RTS信号
以及Mc个CTS信号
对应信号的TOA信息用映射算子
表示为
或者
对应信号所对应的节点用映射算子
表示为
或者
且每个RTS和CTS信号之间的时间间隔的概率分布函数为f(t)。模型的目标是获得第m(1≤m≤N)个节点和第n(1≤n≤N)个节点之间在任意时间t(0≤t≤T)的关联关系分析关系
其值为0则表示在t时刻节点pm和节点pn无关联关系分析关系，其值为1则表示在t时刻节点pm和节点pn有关联关系分析关系。
具体的信号关联方法包括：
步骤一：提取权值
方法第一件事情利用RTS/CTS的间隔关系，提取局部的关联关系分析信息，信息将包含RTS帧周围所有在可能出现范围内的CTS帧与RTS帧的关联可能性。模型的输入为TOA流
以及归属节点流
设某个RTS信号ri与周围某个CTS信号cj直接的时间间隔
对应的
越大，表示这两个信号所对应的节点
与
越有可能在
时刻存在通信关系。利用这样的RTS和CTS的时间间隔概率分布对输入的TOA流进行关联信息的初步提取，得到如下初步的每个时刻每两个节点之间通信的权重，权重定义如下：
进一步，可以获取归一化权重如下：
步骤二：累积量提取
前一步提出了初步的关联关系信息，但是当某段时间内多对节点同时通信，这将同时出现这些节点的RTS和CTS信号，这些节点两两配对的权重序列将都会出现有效信号。为了解决这个问题，本方法借鉴信号检测中通过累积从噪声中提取信号的方法。
假设某段时间，节点A和节点B在通信，节点C和节点D在通信，则对于权重序列WAB和WCD，自然会出现有效信号，但是考虑权重序列WAC，这段时间同时存在A的RTS和CTS以及C的RTS和CTS，A和C的信号TOA分布虽然是独立的，在密集通信的情况下，依然会出现A的RTS周围出现C的CTS的情况，从而导致WAC权重序列中出现假信号，干扰关联关系分析。
为了解决这种多对节点同时出现造成的关联关系分析模糊问题，可以利用前面的连续通信的假设。节点A和节点B通信，则节点A和节点B的RTS与CTS信号会有更高的相关性，而此时出现的节点C的信号虽然也会出现，但是和节点A信号的相关性会弱一些。从几个时间点的WAB以及WAC虽然不能很好地分辨出这种模糊的关联关系分析关系，但是可以利用连续通信的假设，这种相关性的差异可以通过一定时间的累积后显现出差异，从而从模糊关联关系分析节点中发现真正关联关系分析的节点对。
RTS和CTS的TOA是在时间上是连续的，为了方法实现的方便，权值的累积量将进行时间离散化，假设将时间窗内分为L段，每一段的时间长度为
累积窗半径为Sw，则权值累积量为：
步骤三：关联关系分析关系获得
由前面分析可知提取的权值累积量
在节点pm和节点pn通信的时间段内将会出现较强的信号，在其他时间段虽然有其他节点的通信造成干扰，累积量值会低一些，据此，可以设置有效的阈值Th进行比较，从而获得最终的关联关系：
至此，完成基于累积量的关联关系获得。
本发明的有益效果为，本方法可以从获取的RTS和CTS的TOA流中挖掘出关联关系信息，仿真中，无噪声情况下可以获得90％以上的关联准确度，在存在测量噪声时也具有较强的鲁棒性。
附图说明
图1为5000us时间窗的通信仿真结果，(a)为模型输入的每个节点的RTS帧和CTS帧的TOA信息，(b)4节点系统真实通信关联关系；
图2为模型关联模型的求解过程；
图3为模型在不同测量噪声水平下的最佳性能。
具体实施方式
下面结合附图及实施例，详细描述本发明的技术方案：
实施例
本例中的通信网络采用的参数如下：设节点数N为4，则系统中可以出现
一共6种节点通信可能。设置时间窗口为5000us，每次连续通信的间隔时间取值为[128us,1000us]内均匀分布，每次通信出现的RTS/CTS对数取值范围在[30,40]内均匀分布，一次通信内，前后RTS/CTS对间隔范围在[6us，10us]内均匀分布，配对的RTS与CTS的时间间隔服从三角形分布，低限为1us，上限为5us，众数为3us。
设置关联关系分析方法参数，累积量将整个时间窗分隔L＝400段，累积量窗口半径Sw为100us，阈值Th先设为固定值。
模型输出为不同节点对的关联关系，关联关系的挖掘不仅要全，还要准。因此为了评价模型的效果，设置两种指标对方法关联关系分析结果进行评价，假设正确的关联关系结果为
首先定义查全指标召回率R：
还要定义查准率P，表征关联关系挖掘的准确性：
阈值Th提高则查准率P增加，召回率R减小，良好的关联关系分析需要保证两者都处于较高水平，因此定义R(Th)＝P(Th)时，对应的R值或者P值为模型的最佳性能Pm。
图1中给出了根据参数仿真的RTS帧和CTS帧的TOA流以及真实的通信关联关系图，对比两个子图，发现很难直接从RTS和CTS的TOA流中直接获得通信关联关系，说明了方法的价值。
图2中给出了当阈值选择为0.38时的关联模型求解过程。图中可以看到归一化权重已经可以一定程度体现节点间关联关联，经过累积处理后，二值化的权重累积量后获得的关联关系与真实结果重合程度很高，召回率R为91％，查准率P为90％，整体可以到达90％的关联准确率。
图3给出了不同测量噪声下最佳性能Pm的变化。最佳性能衡量了当前环境下模型的关联关系求解能力，如图所示随着测量噪声方差σ的增加，Pm随之下降，但是在较高噪声水平下依然可以保持85％以上的关联准确率，表明模型具有较好的鲁棒性。
针对Ad-hoc通信系统的节点关联关系分析，本发明给出了在连续通信假设下利用权重累积量获取长时间跨度关联信息的方法。在设定的情况下，本方法可以从获取的RTS和CTS的TOA流中挖掘出关联关系信息，仿真中，无噪声情况下可以获得90％以上的关联准确度，在存在测量噪声时也具有较强的鲁棒性。
Claims (1)
1.基于累积量的通信信号关联方法，用于Ad-hoc通信系统，假设Ad-hoc通信系统包括N个节点集合
在一段时间$T$内帧收到来自这些节点的Mr个RTS信号
以及Mc个CTS信号
对应信号的TOA信息用映射算子
表示为
或者
对应信号所对应的节点用映射算子
表示为
或者
且每个RTS和CTS信号之间的时间间隔的概率分布函数为f(t)，其特征在于，信号关联方法包括：
设某个RTS信号ri与周围某个CTS信号cj直接的时间间隔
对应的f(tricj)越大，表示这两个信号所对应的节点
与
越有可能在
时刻存在通信关系，由此得到t时刻两个节点pm和节点pn之间通信的权重Wpmpn(t)为：
归一化权重如下：
假设RTS和CTS的TOA是在时间上是连续的，将时间窗内分为L段，每一段的时间长度为
累积窗半径为Sw，则权值累积量为：
通过设置阈值Th，获得节点pm和节点pn之间的关联关系：
其中，
值为0则表示在t时刻节点pm和节点pn无关联关系，值为1则表示在t时刻节点pm和节点pn有关联关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110521063.1A CN113242610B (zh) | 2021-05-13 | 2021-05-13 | 基于累积量的通信信号关联方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110521063.1A CN113242610B (zh) | 2021-05-13 | 2021-05-13 | 基于累积量的通信信号关联方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113242610A CN113242610A (zh) | 2021-08-10 |
| CN113242610B true CN113242610B (zh) | 2022-06-07 |
Family
ID=77134026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110521063.1A Active CN113242610B (zh) | 2021-05-13 | 2021-05-13 | 基于累积量的通信信号关联方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113242610B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103249166A (zh) * | 2012-02-01 | 2013-08-14 | 中兴通讯股份有限公司 | 一种rts/cts机制的启动方法及装置、系统 |
| CN108370588A (zh) * | 2015-08-25 | 2018-08-03 | 高通股份有限公司 | 接入点(ap)控制的上行链路rts/cts配置和禁用 |
| CN108966272A (zh) * | 2018-07-27 | 2018-12-07 | 电子科技大学 | 基于累积功率信息的无线网络通联关系识别方法 |
| CN112055419A (zh) * | 2020-09-21 | 2020-12-08 | 电子科技大学 | 基于统计的通信信号关联方法 |
| CN112105089A (zh) * | 2020-09-21 | 2020-12-18 | 电子科技大学 | 基于响应时间概率分布的通信信号关联方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200267766A1 (en) * | 2019-02-15 | 2020-08-20 | Yongho Seok | Signaling individualized transmission duration threshold for rts/cts |
-
2021
- 2021-05-13 CN CN202110521063.1A patent/CN113242610B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103249166A (zh) * | 2012-02-01 | 2013-08-14 | 中兴通讯股份有限公司 | 一种rts/cts机制的启动方法及装置、系统 |
| CN108370588A (zh) * | 2015-08-25 | 2018-08-03 | 高通股份有限公司 | 接入点(ap)控制的上行链路rts/cts配置和禁用 |
| CN108966272A (zh) * | 2018-07-27 | 2018-12-07 | 电子科技大学 | 基于累积功率信息的无线网络通联关系识别方法 |
| CN112055419A (zh) * | 2020-09-21 | 2020-12-08 | 电子科技大学 | 基于统计的通信信号关联方法 |
| CN112105089A (zh) * | 2020-09-21 | 2020-12-18 | 电子科技大学 | 基于响应时间概率分布的通信信号关联方法 |
Non-Patent Citations (2)
| Title |
|---|
| R1-152791 "Further details on PHY Layer Options for LAA".《3GPP TSG RAN WG1 #81》.2015, * |
| 基于802.11n的Ad-hoc无线通信终端设计与实现;段有楠;《中国优秀硕士学位论文全文数据库（电子期刊）》;20160515;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113242610A (zh) | 2021-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190261204A1 (en) | Method and system for abnormal value detection in lte network | |
| CN110213003B (zh) | 一种无线信道大尺度衰落建模方法及装置 | |
| CN109657937A (zh) | 一种基于退化数据的产品可靠性评估与寿命预测方法 | |
| CN107424441B (zh) | 基于Hotelling′s T2统计量的航空器航迹变点检测与估计方法 | |
| CN104168075B (zh) | 一种噪声方差未知情况下的频谱检测方法与装置 | |
| CN110730473A (zh) | 面向WiFi活动识别的信号特征提取方法 | |
| CN110287537A (zh) | 用于频标输出跳变检测的抗野值自适应卡尔曼滤波方法 | |
| CN102638290B (zh) | 一种基于信道测量的多径信号分量提取方法及装置 | |
| CN112055419B (zh) | 基于统计的通信信号关联方法 | |
| CN113242610B (zh) | 基于累积量的通信信号关联方法 | |
| CN109525339B (zh) | 认知无线电的频谱感知方法、装置、设备以及存储介质 | |
| CN113268730A (zh) | 一种基于强化学习的智能电网虚假数据注入攻击检测方法 | |
| CN110379143B (zh) | 一种用于机械设备的报警系统阈值确定方法 | |
| CN117054998A (zh) | 一种基于信息熵背景平稳度的集群目标检测方法和系统 | |
| CN109341650B (zh) | 一种基于最小检测代价的无人机高程误差双门限修正方法 | |
| CN109391812B (zh) | 一种基于dvb-s信号的循环平稳检测和相关检测联合检测方法 | |
| CN116299195A (zh) | 一种基于toa序列相关度的雷达信号处理方法 | |
| CN103199886A (zh) | 基于滑窗搜索的zcz序列初相位估算方法 | |
| CN114374450B (zh) | 一种基于过采样的最大特征值检测器 | |
| CN111313990B (zh) | 基于信号实时似然比的频谱感知方法 | |
| CN106788816A (zh) | 一种信道状态检测方法及装置 | |
| CN115297435B (zh) | 一种rssi自适应测距模型匹配方法 | |
| Kirubahini et al. | Optimal spectrum sensing in cognitive radio systems using signal segmentation algorithm | |
| CN114205012B (zh) | 一种基于过采样的能量检测频谱感知方法 | |
| CN110909312B (zh) | 一种应用于rbmcda跟踪算法的目标消亡判断方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240305 Address after: No. 351 Tiyu Road, Xiaodian District, Taiyuan City, Shanxi Province 030000 Patentee after: NORTH AUTOMATIC CONTROL TECHNOLOGY INSTITUTE Country or region after: China Address before: 611731, No. 2006, West Avenue, hi tech West District, Sichuan, Chengdu Patentee before: University of Electronic Science and Technology of China Country or region before: China |
|
| TR01 | Transfer of patent right |