[发明专利]基于隐马尔科夫模型的可信协作干扰节点选取方法有效
申请号: | 202010032461.2 | 申请日: | 2020-01-13 |
公开(公告)号: | CN111212423B | 公开(公告)日: | 2021-05-18 |
发明(设计)人: | 荆涛;温营坤;高青鹤;霍炎 | 申请(专利权)人: | 北京交通大学 |
主分类号: | H04B17/345 | 分类号: | H04B17/345;H04B17/391;H04W24/06 |
代理公司: | 北京市商泰律师事务所 11255 | 代理人: | 黄晓军 |
地址: | 100044 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 隐马尔科夫 模型 可信 协作 干扰 节点 选取 方法 | ||
1.一种基于隐马尔科夫模型的可信协作干扰节点选取方法,其特征在于,包括:
利用能量检测器对协作干扰节点的行为进行检测,根据检测结果判断协作干扰节点是否发送了干扰信号;
根据能量检测器的判断结果,利用隐马尔科夫科夫信任模型对发送了干扰信号的协作干扰节点的信誉值进行更新;
根据更新后的协作干扰节点的信誉值,判断该协作干扰节点是否满足系统需求,如果满足,则继续使用该协作干扰节点;否则,选取其他节点作为协作干扰节点;
所述的利用能量检测器对协作干扰节点的行为进行检测,根据检测结果判断协作干扰节点是否发送了干扰信号,包括:
能量检测器包含噪声预滤波器、能量运作器和积分器,能量检测器接收待检测的协作干扰节点的输出信号yc(t),通过噪声预滤波器对yc(t)进行噪声滤波处理,再通过能量运作器对yc(t)进行放大处理,再通过积分器对放大处理后的yc(t)进行积分处理,得到检测信号Yp;
设置∈是检测门限,当检测信号Yp大于检测门限∈时,则判定协作干扰节点发送了干扰信号,否则,判定协作干扰节点没有发送干扰信号;
发送了干扰信号的协作干扰节点用表示,没有发送干扰信号的协作干扰节点用表示;
所述的根据能量检测器的判断结果,利用隐马尔科夫信任模型对发送了干扰信号的协作干扰节点的信誉值进行更新,包括:
隐马尔科夫模型由N个隐藏状态S={s1,...,sN}的有限集合组成,在本文的模型中,N=2,该模型中有两个隐藏状态,其中s1为可信状态,s2为不可信状态,并具有每个隐藏状态相关的概率分布,各个隐藏状态的初始概率分布由π=πi表示,描述了能量检测开始时系统的状态,被检测的协作干扰节点的状态由离散时间马尔科夫链x={x1,x2,...xk,...}描述,其中xk∈S是协作干扰节点在采样时刻k的隐藏状态;
被检测的协作干扰节点的检测信号的观测值y={y1,y2,...yk,...},其中yk∈V是在采样时刻k处的观测值,xk和yk之间的关系由概率分布矩阵Q={qi(m)}描述,其中qi(m)=P(yk=vm|xk=si),1≤i≤N,1≤m≤M,是在系统处于状态si的情况下观测到观测符号vm的概率;假定是被检测的协作干扰节点的状态转移概率的集合,其中1≤i,j≤N,协作干扰节点的输出等级通过检测符号集V={v1,...,vM}分类,系统的动态性由转换速率矩阵Λ={λij}描述,如下所示:
P(x(t+dt)=j|x(t)=i)是状态转移概率,表示t时刻为状态i,t+Δt的时刻为状态j的转移概率;
分别对状态占用时间建模,转换矩阵中没有自转换,状态占用时间表示为H=(h1,h2),其中h1表示协作干扰节点受信任的平均时间,h2表示协作干扰节点不受信任的平均时间,根据柯尔莫哥洛夫方程得出动态转移概率矩阵的表达式如下:
表示k时刻的状态转移概率,δk是本次采样和上次采样的时间间隔,hi表示i状态的平均占用时间;
检测得到的观测值表示为yk,将获得观测值的时间表示为tk,观测值yk-1和观测值yk之间的时间表示为σk=tk-tk-1,x(t)表示系统在t时刻采样时的隐藏状态,令xk=x(tk),协作干扰节点的状态分布表示为该值针对每个新的检测结果进行更新,表示当前状态分布,n表示第n个协作干扰节点,y=yk是当前检测结果,δk表示当前检测与上次检测之间的时间;
将被检测的协作干扰节点在当前时刻处于可信状态S1的概率作为协作干扰节点的当前的信誉值;
所述的根据更新后的协作干扰节点的信誉值,判断该协作干扰节点是否满足系统需求,如果满足,则继续使用该协作干扰节点;否则,选取其他节点作为协作干扰节点,包括:
设置协作干扰节点的信誉值门限值,当协作干扰节点的当前的信誉值大于信誉值门限值时,则判断该协作干扰节点满足系统需求,继续使用该协作干扰节点;否则,选取其他节点作为协作干扰节点。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京交通大学,未经北京交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010032461.2/1.html,转载请声明来源钻瓜专利网。