一种认知无线电中基于支持向量机的mac协议识别方法
【技术领域】
[0001] 本发明设及的是一种认知无线电中基于支持向量机的MAC协议识别方法，属于认 知无线电技术领域。
【背景技术】
[0002] 认知无线电（Cognitive Radio ,CR)是一种智能无线通信系统，它能够感知外界环 境，利用人工智能技术从环境中学习，通过实时改变某些操作参数，使其内部状态适应接收 到的无线信号的统计性变化。认知无线电主要包括W下=个方面的内容:无线环境分析、信 道状态估计与预测建模、发射功率控制和动态频谱管理。实现认知无线电的两个最主要的 目标是:任何时间、任何地点的高度可靠通信W及对频谱资源的有效利用。
[0003] 认知无线电作为一种智能频谱共享技术，通过感知外部无线电环境W动态地改变 无线电参数及协议标准来接入主用户（PrimaiT User ,PU)的频谱空桐（Spectrum Hole， SP)，从而达到充分利用宝贵的频谱资源的目的。为了能够在不对主用户产生干扰的情况下 充分利用频谱资源，次用户（Second User，SU)需要提取主用户的物理层和MAC层信息，包括 位置、传输功率、MAC协议及网络流量等。因此，对媒体接入控制(Media Access Control， MAC)协议的感知是其关键技术之一。
[0004] 在认知无线电中，对MAC协议的研究分成两类，其一是为无线网络设计一种特殊的 MAC协议;其二是准确的感知到当前网络正在使用的MAC协议。为了能够准确的判断频谱空 桐的频段范围及其时间长度，W避免对主用户产生干扰，次用户需要考虑其所要接入的网 络使用的MAC协议。因此，为了让次用户能够接入当前的无线网络而不改变网络协议，提出 使用机器学习的方法动态感知当前网络使用的MAC协议的方法。
[0005] 传统认知无线电中MAC协议识别可W分为W下几个阶段：
[0006] 第一阶段:次用户感知并记录主用户网络的传输信号，W固定频率对信号进行采 样。
[0007] 第二阶段:根据采样信号，提取信号的功率特征，包括功率均值和功率方差。
[000引第=阶段:利用提取的信号特征构建特征空间，并W具有特征属性的特征集合表 示，对特征集合中不同协议的数据成员进行标识，用于训练SVM(suppcxrt vector machine) 分类器。
[0009] 第四阶段:利用训练好的分类器，对另一组特征数据集进行分类，得到不同协议数 据的标签，即完成对不同MC协议的识别。
[0010] 由于传统的MAC协议识别方法只提取功率特征作为特征参数，只能识别开基于竞 争的MAC协议(如slotted ALOHA)和基于控制的MAC协议(如TDMA)，而无法对每类中的MAC协 议进一步区分。另外，传统的MAC协议识别方法是在理想的网络环境中对信号进行采样和特 征提取，并未考虑到无线信道的衰落特性和噪声的不确定性，因此无法应用到实际的认知 无线电网络中。
[0011] 本发明针对传统MAC协议识别方法的缺点，进行相应改进，并据此提出一种基于支 持向量机的MAC协议识别方法。
【发明内容】
[0012] 发明目的:针对传统MAC协议识别方法中特征提取的不足，本发明考虑无线信道的 衰落特性W及噪声的不确定性，设计了一种认知无线电中基于支持向量机的MAC协议识别 方法。
[0013] 技术方案:本发明提出的认知无线电中基于支持向量机的MAC协议识别方法，主要 包括W下几个阶段。
[0014] 第一阶段:次用户感知并记录主用户网络的传输信号，W固定频率对信号进行采 样，且采样间隔时间远小于信道忙碌时间和信道空闲时间。由于考虑到无线信号的衰落特 性，在时间i采样到的信号功率Pi服从指数分布，均值功率为Pm,则其概率密度函数为
Cl)
[0016]当多个主用户接入信道同时传输数据时，可W得到W下的联合概率密度分布函 数：
口）
[0018] 所W，在时刻i采样到的功率就是所有主用户信号功率之和，即
[0019] R = Yj)' -1 (3)
[0020] 考虑到实际无线信道的噪声问题，在传输信号上加入高斯噪声，m为时刻i采样到 的即时噪声功率，那么在时刻i采样到的总的即时信号功率即为
[0021] Pni=Pi+m (4)
[0022] 第二阶段:根据采样信号提取时间特征和功率特征。由于次用户感知并记录当前 信道状态，若信道从信道空闲状态转为信道忙碌状态，则记录信道空闲时间Ti(n)，反之则 记录信道忙碌时间Tb(n)。当收集到足够的功率样本时，进行功率特征的提取。定义N作为功 率样本数，当收集到N个功率样本时，可W得到功率均值换和功率方差请分别如下：
(5) (6)
[0025]第=阶段:完成信号特征提取后，将功率均值、功率方差、信道忙碌时间和信道空 闲时间组成一个四维特征空间，即特征集合中的每个样本拥有运四个属性特征。为了能够 用收集到的特征数据集对SVM分类器进行训练，需要对每种协议的数据样本进行标识。本发 明中主要用TDMA、slotted AL0HA、pure ALOHAW及CSMA/CA协议作为待识别对象，其中TDMA 和CSMA/CA是基于控制类的，而slotted ALOHA和pure ALOHA是基于竞争类的。标识TDMA协 议数据样本为I ,slotted ALOHA的数据样本为2,pure ALOHA的数据样本为3,CSMA/CA为数 据样本为4。
[0026] 第四阶段:利用训练好的分类器，对另一组未标识的特征数据集进行分类，得到不 同协议数据的标签，即完成对MAC协议的识别。
[0027] 有益效果:与传统的MAC协议识别方法相比，本发明采用的认知无线电中基于支持 向量机的MC协议识别方法，在加入时间特征W提高特征提取维数的同时，又考虑了实际无 线信道的衰落特性W及噪声的不确定性。运不仅可W区分更多种类的MAC协议，也更符合实 际的无线通信环境。
【附图说明】
[00%]图1为方法流程示意图。
[00巧]图2为功率特征图（图2a为slotted ALOHA和TDMA功率特征图；图2b为CSMA/CA和 pure ALOHA的功率特征图。）
[0030] 图3为时间特征图（图3a为CSMA/CA和TDMA时间特征图，图3b为slotted ALOHA和 pure ALOHA的时间特征图。）
[0031] 图4为识别结果图。
【具体实施方式】
[0032] 如图1所示，对认知无线电中基于支持向量机的MAC协议识别方法，具体流程如下：
[0033] (1)首先产生具有瑞利衰落并含有高斯噪声四种MAC协议信号，并W固定频率对信 号进行采样，其采样间隔时间远小于信道忙碌时间和信道空闲时间，收集信号的功率样本 和时间样本。若采样得到当前信道状态从信道空闲状态转为信道忙碌状态，记录信道空闲 时间Ti(n)，反之则记录信道忙碌时间Tb(n)。
[0034] (2)当收集到足够的样本，提取功率特征和时间特征，其中功率特征包括功率均值 和功率方差，时间特征包括信道忙碌时间和信道空闲时间。
[0035] (3)完成特征提取之后，建立具有四维属性特征的特征集合。接着，对不同协议的 数据样本进行标识，TDMA协议的标签为1 ,slotted ALOHA协议的标签为2，pure ALOHA协议 的标签为3，CSMA/CA协议的标签为4，用该带有标签的特征集合，训练SVM分类器，并根据测 试结果优化模型参数。
[0036] (4)利用训练好的分类器，对未进行标签的特征数据集进行分类，即完成对不同 MC协议的识别。
[0037] 仿真结果表明，本发明提出的认知无线电中基于支持向量机的MAC协议识别方法 可W有效识别当前网络使用的MAC协议，与传统的MAC协议识别方法相比，可W识别更多种 类的协议，而且随着网络的流量G的增大，协议的识别准确度越高；当引入噪声时，识别效果 波动较大，所W在实际应用中首先需要进行去噪处理，然后再进行识别。
【主权项】
1. 一种认知无线电中基于支持向量机的MAC协议识别方法，其特征在于:认知网络中的 次用户通过监听并记录主用户网络的传输信号，以固定频率对信号采样，提取信号的功率 特征和时间特征，建立四维特征空间，并利用支持向量机识别出主用户网络中使用的MAC协 议。2. 如权利要求1所述的认知无线电中基于支持向量机的MAC协议识别方法，其特征在 于:考虑实际网络中无线信道的衰落特性并加入噪声干扰，提取出信号的及时功率和信道 占用时间，计算出功率均值和方差作为功率特征，选择信道忙碌时间和信道空闲时间作为 时间特征，从而建立四维特征空间，并以具有四个特征属性的特征集合表示。3. 如权利要求1所述的认知无线电中基于支持向量机的MAC协议识别方法，其特征在 于:完成不同协议信号的特征提取之后，产生两组维数相同的特征集合。选其一对不同协议 的数据进行标识，其中TDMA协议的标签为1，slotted Aloha协议的标签为2，pure Aloha协 议的标签为3，CSMA/CA的标签为4,将其作为SVM的分类器的训练数据集。4. 如权利要求1所述的认知无线电中基于支持向量机的M A C协议识别方法，其特征在 于:利用训练好的分类器，对另一组未标识的特征数据集进行分类，得到不同协议数据的标 签，即完成对不同MAC协议的识别。
【专利摘要】本发明公开了一种认知无线电中基于支持向量机的MAC协议识别方法，实现了对四种MAC协议的识别。本发明从产生主用户网络使用的MAC协议信号出发，以固定频率对信号进行采样，提取信号的功率特征和时间特征，建立特征空间，并利用支持向量机识别出主用户网络使用的MAC协议。实践表明该MAC协议识别具有实用性、可靠性等特点。
【IPC分类】H04B17/00
【公开号】CN105553574
【申请号】CN201510243566
【发明人】吴碧霞, 钱玉文, 桂林卿, 董琳滨, 蒋雪, 张 成, 孙婷
【申请人】南京理工大学
【公开日】2016年5月4日
【申请日】2015年5月13日