[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

说明书

本发明提供了一种基于隐马尔科夫模型的可信协作干扰节点选取方法。该方法包括：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，利用隐马尔可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。本发明实施例设计了一种新的基于隐马尔科夫模型的可信协作干扰节点选取机制，能够更加动态地分析协作干扰节点的行为，选取一个可信的协作干扰节点，有效保障无线通信信道的安全性能。

技术领域

本发明涉及无线通信网络技术领域，尤其涉及一种基于隐马尔科夫模型的可信协作干扰节点选取方法。

背景技术

随着无线通信网络的发展，人们对于无线网络的依赖逐渐加深，无线网络的安全问题从而引起了人们的重视。传统的高层加密技术需要强大的计算能力支撑，这对于能量受限的无线节点较为吃力。因此，研究者着手研究物理层安全技术用于提高无线通信的安全性。一种主流的物理层安全技术是协作干扰技术，选择一个协作干扰者，协助发送人工噪声降低窃听者信噪比，达到安全通信的目的。然而，考虑到用户之间的社交属性，协作干扰者出于保存能量用于自身传输的目的，有一定概率拒绝发送人工噪声，这样会导致网络安全性能得不到保障。因此，设计一种信任度模型用于选取可信的协作干扰节点是非常必要的。

传统的信任模型大多是贝叶斯信任模型。在贝叶斯信任模型中存在以下假设：根据概率分布描述节点的行为，信任度是概率分布期望值的函数，该期望值将根据贝叶斯定理随着收到的每个新评级而更新。隐马尔可夫模型是一种统计马尔可夫模型，其中假设正在建模的系统是具有未观察(隐藏)状态的马尔可夫过程，该状态控制着每个选择的分量。因此，每个隐马尔可夫模型都具有来自有限状态集的隐藏状态序列及其对应的观察序列。隐马尔科夫模型模型比贝叶斯信任模型有更多的参数，因此可以进行微调，以适应动态环境。

目前，现有技术中还没有一种有效的基于隐马尔可夫模型的可信协作干扰节点的选取方法。

发明内容

本发明的实施例提供了一种基于隐马尔科夫模型的可信协作干扰节点选取方法，以实现选取有效的可信协作干扰节点。

为了实现上述目的，本发明采取了如下技术方案。

一种基于隐马尔科夫模型的可信协作干扰节点选取方法，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y_c(t)，通过噪声预滤波器对y_c(t)进行噪声滤波处理，再通过能量运作器对y_c(t)进行放大处理，再通过积分器对放大处理后的y_c(t)进行积分处理，得到检测信号Y_p；

设置∈是检测门限，当检测信号Y_p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；