一种面向非合作无线网络的拓扑感知方法及装置、系统

技术领域

本发明属于通信技术领域，具体涉及一种面向非合作无线网络的拓扑感知方法及装置、系统。

背景技术

拓扑感知是指通过对目标网络的频谱数据、通信时序等信息的感知，推理该网络的拓扑结构，从而指导后续的战场决策。网络拓扑信息是极为重要的网络高层语义推理，在战场上准确识别敌方的网络拓扑，可以了解敌方网络的总体情况，有利于战略性决策的实施；同时可以在网络拓扑的基础上进一步识别网络的关键节点和关键链路，从而可以对其进行精准干扰，或者辅助战场资源管理决策。

然而，面向非合作方的无线网络拓扑感知又存在着很大的挑战。推理非合作方的网络拓扑和推理己方网络拓扑不同且难度更大。这是因为非合作方导致感知方可获取的信息有限且不可靠，无法控制目标网络数据流也意味着基于网络协议的相关方法无法工作。因此，找到一种有效的面向非合作无线网络的拓扑感知方法迫在眉睫。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种面向非合作无线网络的拓扑感知方法及装置、系统。

为实现上述技术目的，本发明采取的技术方案为：

一种面向非合作无线网络的拓扑感知方法，根据信号的发送时间和发送节点序列号，对节点进行相关性检测，分析目标网络的通联关系，从而得到拓扑结构，具体包括：

步骤1：通过信号检测机理获取目标网络一段时间内发送数据的节点序列号和发送时刻，组成数据矩阵P；

步骤2：将数据矩阵两两进行格兰杰因果假设检验，利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合；

步骤3：依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，利用时间窗的方法求出条件格兰杰因果零分布的均值，作为阈值筛选得到节点的最终邻居集合，实现拓扑感知。

为优化上述技术方案，采取的具体措施还包括：

上述的步骤1具体为：

传感器通过采样将接收到的信号能量值和信号检测阈值比较，确定是否存在信号：

若存在信号，则将信号依据时隙，以信号下降沿作为标准进行离散化，如下式，

其中x

从而得到预处理好的数据矩阵P

上述的步骤2所述将数据矩阵中的数据按行两两进行格兰杰因果假设检验，包括零假设和备择假设设置、以及计算统计检验量，具体步骤为：

步骤2.1.1：将数据建模为格兰杰因果假设：

对于变量X和Y，零假设H

假设在没有变量Y的先验信息的前提下，X的信息可以被很好地预测，即Y不能格兰杰引起X；

备择假设H

假设，Y的先验信息对于X的信息的预测有所帮助，即Y格兰杰引起X，用式子表示如下：

其中X[n]是X在第n个时隙的值，a

步骤2.1.2：计算统计检验量G：

其中

上述的步骤2所述利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合，具体如下：

步骤2.2.1：选取合适的时间窗数n

步骤2.2.2：计算所有节点的检验统计量之后求出均值，对检验统计量进行筛选，大于该阈值认为两个变量相关，否则认为无关；然后将相关的变量放置在一起作为节点的潜在邻居集合。

上述的步骤3所述依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，具体步骤如下：

步骤3.1.1：在节点X的邻居集合K中，分别检验每一个节点对X的信息预测是否有特殊作用；

零假设S

备择假设S

其中X[n]是X在第n个时隙的值，a

步骤3.1.2：计算统计检验量G

其中

上述的步骤3所述利用时间窗的方法求出条件格兰杰因果零分布的均值，作为阈值筛选得到节点的最终邻居集合，具体步骤如下：

步骤3.2.1：选取合适的时间窗数，如n

步骤3.2.2：计算所有节点的检验统计量之后求出均值，对检验统计量进行筛选，大于该阈值认为两个变量相关，否则认为无关；然后将相关的变量放置在一起作为节点的潜在邻居集合。

一种面向非合作无线网络的拓扑感知装置，其特征在于，包括：

数据预处理模块：用于对感知到的数据进行预处理，从而获得数据矩阵P，作为拓扑推理的初始数据；

潜在邻居识别模块：利用数据预处理模块提供的数据，进行格兰杰因果假设检验，计算检验统计量，并将零分布的均值作为阈值进行潜在邻居筛选；

最终邻居识别模块：利用潜在邻居识别模块的处理结果，进行条件格兰杰因果假设检验，计算统计量，并将零分布的均值作为阈值进行最终邻居筛选。

上述的数据预处理模块包括：

初始化单元：用于初始化装置，清空上一时间段的数据；

感知单元：用于感知信号，获得信号发送时刻和节点序列号；

处理单元：用于以信号下降沿为标准，对信号进行离散化；

存储单元：用于将处理后的数据进行存储；

输出单元：用于将处理好的数据输出到潜在邻居识别模块和最终邻居识别模块。

上述的潜在邻居识别模块和最终邻居识别模块，均包括：

统计量计算单元：用于计算格兰杰因果假设检验的检验统计量；

零分布计算单元：用于计算格兰杰因果零分布的均值；

潜在邻居识别模块还包括：潜在邻居筛选单元：用于筛选潜在邻居集合；

最终邻居识别模块还包括：最终邻居筛选单元：用于筛选最终邻居集合。

一种面向非合作无线网络的拓扑感知系统，其特征在于，包括：

存储器，用于存储指令和数据；

处理器，与所述存储器耦合，所述处理器被配置为调用并执行存储在存储器中的指令与数据，具体为：

处理器，用于对感知到的数据进行预处理，从而获得数据矩阵P，作为拓扑推理的初始数据；用于进行格兰杰因果假设检验，计算检验统计量，并将零分布的均值作为阈值进行潜在邻居筛选；用于进行条件格兰杰因果假设检验，计算统计量，并将零分布的均值作为阈值进行最终邻居筛选，并将其存储至存储器。

本发明具有以下有益效果：

通过本发明的基于条件格兰杰因果的拓扑感知算法，可以在不解码数据包的情况下，依据信号发送数据矩阵推断联通关系，准确地推理出网络拓扑信息；使得在网络对抗、军事侦查、网络管理等多项任务中，能够利用感知信息进行拓扑推理，从而为后续资源分配和决策制定提供依据。

附图说明

图1是本发明实施场景示意图；

图2是本发明一种面向非合作无线网络的拓扑感知方法的流程示意图；

图3是本发明基于条件格兰杰因果的拓扑感知算法的流程图；

图4是本发明一种面向非合作无线网络的拓扑感知装置的结构示意图；

图5是本发明面向非合作无线网络的拓扑感知系统的结构示意图。

具体实施方式

以下结合附图对本发明的实施例作进一步详细描述。

参见图1，本发明实施场景涉及目标网络和感知网络，其中目标网络由若干节点构成，有一定的拓扑但未知，感知网络由感知设备和分析设备构成，感知设备对目标网络进行感知并进行数据预处理，然后传输给分析设备进行拓扑推理。

参见图2，本发明的一种面向非合作无线网络的拓扑感知方法，根据信号的发送时间和发送节点序列号，对节点进行相关性检测，分析目标网络的通联关系，从而得到拓扑结构，具体包括：

步骤1：通过信号检测机理获取目标网络一段时间内发送数据的节点序列号和发送时刻，组成数据矩阵P；

步骤2：将数据矩阵两两进行格兰杰因果假设检验，利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合；

步骤3：依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，利用时间窗的方法求出条件格兰杰因果零分布的均值，作为阈值筛选得到节点的最终邻居集合，实现拓扑感知。

参见图3，所述步骤1具体为：

节点序列号和发送时刻体现在数据矩阵P中，这个数据矩阵是一个0、1矩阵。比如数据矩阵P中如果x

传感器通过采样将接收到的信号能量值和信号检测阈值比较，确定是否存在信号：

若存在信号，则将信号依据时隙，以信号下降沿作为标准进行离散化，如下式，

其中x

从而得到预处理好的数据矩阵P

步骤2所述将数据矩阵中的数据按行两两进行格兰杰因果假设检验，包括零假设和备择假设设置、以及计算统计检验量，具体步骤为：

数据矩阵P是步骤2.1.1-2.1.2中的所有变量的总和，P的每一行对应一个变量。

步骤2.1.1：将数据建模为格兰杰因果假设：

对于变量X和Y，零假设H

假设在没有变量Y的先验信息的前提下，X的信息可以被很好地预测，即Y不能格兰杰引起X；

备择假设H

假设，Y的先验信息对于X的信息的预测有所帮助，即Y格兰杰引起X，用式子表示如下：

其中X[n]是X在第n个时隙的值，a

步骤2.1.2：计算统计检验量G：

其中

步骤2所述利用时间窗的方法求出格兰杰因果零分布的均值，作为阈值筛选得到节点的潜在邻居集合，具体如下：

步骤2.2.1：选取合适的时间窗数n

如对于变量X和Y，将其分为X

步骤2.2.2：计算所有节点的检验统计量之后求出均值，对检验统计量进行筛选，大于该阈值认为两个变量相关，否则认为无关；然后将相关的变量放置在一起作为节点的潜在邻居集合。

步骤3所述依据数据矩阵和潜在邻居集合分组进行条件格兰杰因果假设检验，具体步骤如下：

数据矩阵的每一行数据对应一个变量，每个变量对应一个潜在邻居集合。在3.1.1的公式中，X就是从数据矩阵中取出的一个变量，L、Y就是从潜在邻居集合K中取出的变量，然后对他们进行条件格兰杰假设检验。

步骤3.1.1：在节点X的邻居集合K中，分别检验每一个节点对X的信息预测是否有特殊作用；

零假设S

备择假设S

其中X[n]是X在第n个时隙的值，a

步骤3.1.2：计算统计检验量G

其中

步骤3所述利用时间窗的方法求出条件格兰杰因果零分布的均值，作为阈值筛选得到节点的最终邻居集合，具体步骤如下：

步骤3.2.1：选取合适的时间窗数，如n

步骤3.2.2：计算所有节点的检验统计量之后求出均值，对检验统计量进行筛选，大于该阈值认为两个变量相关，否则认为无关；然后将相关的变量放置在一起作为节点的潜在邻居集合。参见图4，本发明一种面向非合作无线网络的拓扑感知装置，包括：

数据预处理模块：用于对感知到的数据进行预处理，从而获得数据矩阵P，作为拓扑推理的初始数据；

潜在邻居识别模块：利用数据预处理模块提供的数据，进行格兰杰因果假设检验，计算检验统计量，并将零分布的均值作为阈值进行潜在邻居筛选；

最终邻居识别模块：利用潜在邻居识别模块的处理结果，进行条件格兰杰因果假设检验，计算统计量，并将零分布的均值作为阈值进行最终邻居筛选。

所述数据预处理模块包括：

初始化单元：用于初始化装置，清空上一时间段的数据；

感知单元：用于感知信号，获得信号发送时刻和节点序列号；

处理单元：用于以信号下降沿为标准，对信号进行离散化；

存储单元：用于将处理后的数据进行存储；

输出单元：用于将处理好的数据输出到潜在邻居识别模块和最终邻居识别模块。

所述潜在邻居识别模块和最终邻居识别模块，均包括：

统计量计算单元：用于计算格兰杰因果假设检验的检验统计量；

零分布计算单元：用于计算格兰杰因果零分布的均值；

潜在邻居识别模块还包括：潜在邻居筛选单元：用于筛选潜在邻居集合；

最终邻居识别模块还包括：最终邻居筛选单元：用于筛选最终邻居集合。

参见图5，本发明一种面向非合作无线网络的拓扑感知系统，包括：

存储器，用于存储指令和数据；

处理器，与所述存储器耦合，所述处理器被配置为调用并执行存储在存储器中的指令与数据，具体为：

处理器，用于对感知到的数据进行预处理，从而获得数据矩阵P，作为拓扑推理的初始数据；用于进行格兰杰因果假设检验，计算检验统计量，并将零分布的均值作为阈值进行潜在邻居筛选；用于进行条件格兰杰因果假设检验，计算统计量，并将零分布的均值作为阈值进行最终邻居筛选，并将其存储至存储器。

本实施例的面向非合作网络的拓扑感知装置、系统可以执行图3所示方法的实施例的技术方案，其实现原理类似，在此不再赘述。

本发明中，通过所提的基于条件格兰杰因果的拓扑感知算法，对具有实施例背景和特点的非合作无线网络拓扑感知问题进行求解，从而得到目标未知网络的连通关系，推理其拓扑结构，为后续任务奠定基础。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。