[发明专利]认知无线电中基于SOM神经网络的恶意用户判别方法

摘要

本发明公开了一种认知无线电中基于自组织映射神经网络的恶意用户判别方法，本发明利用自组织映射(简称SOM)神经网络学习输入能量矩阵的分布特征，并根据学习结果对输入量进行有效的分类。首先引入“可疑度”的概念，其大小根据每次训练后每种类别所包含的次级用户的个数进行分配。为了消除传统的SOM神经网络的缺陷，本发明进一步提出了“平均可疑度”的概念。具体步骤包括：获得能量矩阵，利用SOM神经网络算法对能量矩阵进行训练得到分类矩阵，计算每个次级用户的“可疑度”，构造索引矩阵并重复训练过程，并将每次得到的“可疑度”取平均值，即“平均可疑度”，并利用“平均可疑度”对次级用户进行分类，识别出恶意用户或是正常用户。

主权项

1.认知无线电中基于SOM神经网络的恶意用户判别方法，其特征在于：该方法包括如下步骤：(1)建立能量矩阵并进行归一化，所述能量矩阵的行数为待判决的主用户最大状态数，列数为次级用户总数，矩阵元素为次级用户发送给融合中心的能量值；(2)构建SOM神经网络，对归一化的能量矩阵进行训练并测试得到分类结果矩阵，所述分类结果矩阵的行数为最大训练次数，列数为次级用户总数，矩阵元素为次级用户所属神经元的序号；(3)根据分类结果矩阵计算每一个次级用户的“可疑度”，“可疑度”大小根据每个神经元所包含的次级用户的个数进行分配，对于每一行的分类结果向量，降低包含次级用户个数最多的神经元对应的次级用户的“可疑度”，增加包含次级用户个数最少的神经元对应的次级用户的“可疑度”；(4)依据索引矩阵对能量矩阵的列的排列顺序进行调整，重复步骤(2)、(3)至设定的最大训练次数，计算每个次级用户的“可疑度”均值得到“平均可疑度”，并利用“平均可疑度”对次级用户进行分类；所述索引矩阵是一个行数与列数都等于J的方阵，方阵的每一行为一个从1到J随机排列的正整数序列，每次依据索引矩阵的一行数字序列对初始能量矩阵的列进行调整，J为次级用户的总数；所述步骤(2)中包括：(2.1)构建一个随机的SOM神经网络，该网络为一行T列的一维拓扑结构，T为竞争层的神经元的个数，构建并初始化分类结果矩阵，记为Y_c，令训练次数m＝1；(2.2)对归一化的能量矩阵进行训练；(2.3)利用训练之后的神经网络进行测试，并得到能量矩阵的分类结果，该结果为一个一行J列的分类结果向量，记为Y′，J为次级用户总数；(2.4)将矩阵Y_c的第m行替换为Y′，之后将Y′清零；(2.5)判断m是否达到最大训练次数M，如达到则退出并输出分类结果矩阵Y_c，否则令m＝m+1并转入步骤(2.2)；所述步骤(3)中计算次级用户“可疑度”的步骤包括：(3.1)输入分类结果矩阵Y_c，次级用户的总数J，最大训练次数M以及竞争层的神经元最大个数T，令训练次数m，神经元序号t与列数j的初值均为1；(3.2)构建一个包含J个元素的“可疑度”向量，记为(3.3)构建一个两行T列的空矩阵，记为temp；(3.4)将矩阵Y_c的第m行出现过的神经元的序号赋给矩阵temp的第一行；(3.5)将矩阵Y_c的第m行中每一个神经元对应的次级用户个数赋给矩阵temp的第二行；(3.6)判断temp第二行第t列的值是否为该行的最大值，是则用‑1替换，否则判断该值是否为该行的最小值，是则用1替换，否则用0替换；(3.7)判断t是否不小于T，是则进入步骤(3.8)，否则令t＝t+1并返回步骤(3.6)；(3.8)将Y_c第m行的值用在temp中对应值所在列的第二行的值进行替换；(3.9)判断m是否不小于M，是则进入步骤(3.10)，否则令m＝m+1并返回步骤(3.3)；(3.10)将Y_c的第j列的每一行的值进行求和，求和的结果赋给的第j个元素；(3.11)判断j是否不小于J，是则退出并输出向量否则令j＝j+1并返回步骤(3.10)。