[发明专利]基于频谱监测数据的通信网络拓扑发现方法

说明书

本发明公开了一种基于频谱监测数据的通信网络拓扑发现方法，包括以下步骤：对采集到的电磁频谱数据进行预处理得到信号的基本物理特征；结合聚类分析和电磁分析，发现通信信号的统计规律，判断通联关系，获得通信网络逻辑拓扑结构；根据通信关系配对情况，将属于同一信号源的通信数据进行归类，再利用遗传算法获得信号源位置并将该位置坐标作为fminsearch函数初始值，重新搜索初始值附近的局部最优解，从而获得更高精度的信号源坐标；结合通信网络逻辑拓扑和通信节点定位情况，获得其物理拓扑结构。本发明面对电磁环境异常复杂情况具有较好的效果和鲁棒性。

技术领域

本发明属于数据挖掘领域，特别是一种基于频谱监测数据的通信网络拓扑发现方法。

背景技术

对频谱数据分析技术和信号识别技术方面，目前已经有很多研究，例如基于深度神经网络的新型复杂无线信号识别方法，该方法能够从简单的无线信号中自动学习特性；基于发射机能够提供不同传输参数，利用不同天线接收到的信号之间的关系而提出的一种有效的空间复用和Alamouti编码正交频分复用信号识别算法；基于与候选调制类型的接收信号的相位或幅度相关联的已知概率分布来选择使对数似然函数最大化的调制类型，提出的一种基于似然的QAM和PSK信号盲识别算法；还有基于跳频(FH)信号时频(TF)稀疏性，引入欠定盲源分离算法，将FH信号分选问题转化成基于稀疏TF表示的欠定盲源分离问题的方法。然而这些方法大多需要调制信号或是获取发射机的属性等，对加密电磁环境并不适用。

对信号源定位技术方面，目前的方法主要是基于信号到达时间差(TDOA)，信号到达角度(AOA)，信号接收强度(RSSI)等，例如先对混合信号进行短时傅里叶变换，然后利用k-均值聚类算法对混合矩阵进行估计得到源信号的到达方向的方法。或者利用多分接收器处接收的信号的到达时间差和到达频率差测量值，提出的一种有效的约束加权最小二乘算法来估计运动源的位置和速度，可以在牛顿法的基础上得到一个数值迭代解。还有在多个不相交源的TDOA测量受到相同的接收器位置位移和同步时钟偏差的情况下考虑TDOA源定位问题，提出的二维降阶泰勒级数定位方法和基于最大似然的闭环形式的时钟偏置解决方案。然而这些方法也多是基于针对同源信号数据进行定位分析，对具有多个信号源的电磁环境并不完全适用。

上述方法对于具有多个信号源的加密电磁环境进行通信网络结构分析并不适用，主要理由如下：1)加密的电磁环境中，信号的发射机属性和通信内容破解难度高、代价大。2)由于环境中具有多个未知信号源，监测站采集的监听信号数据没有标识，导致无法区分属于同一个信号源的数据，从而对信号源定位分析产生影响。

发明内容

为解决上述问题，本发明提出了一种基于频谱监测数据的通信网络拓扑发现方法。该方法能够在该方法能在不破译加密信号内容的前提下，快速有效的发现目标区域的通信网络拓扑结构，面对海量的频谱监测数据具有较好的效果和鲁棒性。

为实现上述目的，实现本发明的技术解决方案为：

一种基于频谱监测数据的通信网络拓扑发现方法，包括以下步骤：

S1、对采集到的电磁频谱数据进行预处理得到信号的基本物理特征；

处理后获得的信号的基本物理特征包括：信号中心频率f，信号带宽B，信号电平dbm，信号起始时间t₁和信号结束时间t₂。编号为i的监测站获得的频谱数据集为X_i，n_i为第i个监测站接收到频谱数据的数量。x_k表示第k个频谱，用信号的特征参数表示为x_k＝{f_k,B_k,dbm_k,t_1,k,t_2,k}。

S2、结合聚类分析和电磁分析，发现通信信号的统计规律，判断通联关系，获得通信网络逻辑拓扑结构；