本申请涉及无线通信技术领域，特别是涉及一种无人机网络中基于认知的欺骗式抗干扰方法及装置。
背景技术
无人机由于具有机动性高、成本低、无人员伤亡风险等诸多优点，在民用及军用领域有广泛的应用前景，美中不足的是无人机网络容易受到外界电磁干扰的威胁，产生通信稳定性不好，通信效率不高等问题。因此无人机抗干扰技术作为研究热点，得到了国内外学者的广泛关注。
传统的无人机抗干扰方法有跳频法和传输功率分配法。使用传输功率分配法进行抗干扰的具体过程包括：无人机网络中的第一无人机，使用某一传输信道传输采集数据。当第一无人机通过预先存储的频谱感知模块探测到，当前无人机网络中有相应干扰信道的干扰信号存在时，第一无人机通过预先存储的分析判决模块和博弈算法，计算使用当前传输信道继续传输采集数据所需的信号发射功率和传输收益。根据传输收益，决定是增大信号发射功率到所需的信号发射功率，继续传输采集数据；还是暂时停止传输，直至第一无人机受到的干扰信号减弱，或者第一无人机所处的网络环境变好。
然而当第一无人机的最大可用信号发射功率不足以达到所需的信号发射功率要求，或者第一无人机受到的干扰信号一直未减弱，导致第一无人机所处的网络环境一直不变时，使用传输功率分配法仍然无法实现有效的信息传输，无人机抗干扰效果差。
技术实现要素：
本申请实施例的目的在于提供一种无人机网络中基于认知的欺骗式抗干扰方法及装置，以提高无人机抗干扰效果。具体技术方案如下：
第一方面，提供了一种无人机网络中基于认知的欺骗式抗干扰方法，所述方法应用于无人机网络中的欺骗节点，所述无人机网络还包括多个其他无人机，所述方法包括：
判断所述无人机网络中，是否存在第一无人机进行中的数据传输，以及所述数据传输是否受到第一干扰信号的干扰；
如果所述数据传输存在且受到所述第一干扰信号的干扰，获取所述无人机网络的网络参数，其中，所述网络参数至少包括所述欺骗节点内各欺骗信道的欺骗信道系数，以及对应于所述各欺骗信道的各干扰信道的干扰信道系数；
根据所述网络参数和预先存储的欺骗信道选择算法确定最佳欺骗信道；
根据所述网络参数和预先存储的欺骗功率分配策略，确定所述最佳欺骗信道的最佳欺骗收益功率；
如果所述最佳欺骗收益功率大于预设的收益阈值，则基于所述最佳欺骗收益功率，通过所述最佳欺骗信道发送预先存储的欺骗信号至所述无人机网络中的第二无人机，其中，所述第二无人机为接收所述数据传输对应的采集数据的无人机。
可选的，所述根据所述网络参数和预先存储的欺骗信道选择算法确定最佳欺骗信道，包括：
获取所述各欺骗信道的欺骗信道系数，以及对应于所述各欺骗信道的所述各干扰信道的所述干扰信道系数；
针对每个欺骗信道，根据该欺骗信道的欺骗信道系数、以及该欺骗信道对应的所述干扰信道系数，确定该欺骗信道的信道系数比；
比较所述各欺骗信道的信道系数比，确定最大信道系数比；
如果具有所述最大信道系数比的所述欺骗信道唯一，将具有所述最大信道系数比的所述欺骗信道作为最佳欺骗信道；
如果具有所述最大信道系数比的所述欺骗信道不唯一，确定具有最大信道系数比的各所述欺骗信道对应的干扰信道，在确定出的干扰信道中，确定干扰信道系数最大的目标干扰信道，将所述目标干扰信道对应的欺骗信道作为最佳欺骗信道。
可选的，所述根据所述网络参数和预先存储的欺骗功率分配策略，确定所述最佳欺骗信道的最佳欺骗收益功率，包括：
根据所述网络参数，建立所述欺骗节点的欺骗收益函数、以及干扰源的干扰收益函数，其中，所述欺骗收益函数用于表示所述欺骗节点进行欺骗可获得的收益，所述干扰收益函数用于表示所述干扰源对所述欺骗节点进行干扰，可获得的收益；
根据所述欺骗收益函数、所述干扰收益函数和预先存储的斯坦博格博弈算法，计算最佳欺骗收益功率。
可选的，所述判断所述无人机网络中，是否存在第一无人机进行中的数据传输，以及所述数据传输是否受到第一干扰信号的干扰，包括：
检测所述欺骗节点对应的第一频谱检测信息，其中，所述第一频谱检测信息包括所述欺骗节点预定范围内，网络环境的频谱信息和功率分布信息；
发送所述第一频谱检测信息至所述无人机网络中的其他无人机；
接收所述其他无人机发送的第二频谱检测信息，其中，所述第二频谱检测信息包括所述其他无人机预定范围内，网络环境的频谱信息和功率分布信息；
根据所述第一频谱检测信息和所述第二频谱检测信息，以及预先存储的频谱检测信息处理算法，判断所述无人机网络中，所述第一无人机是否在进行数据传输，以及所述数据传输是否受到所述第一干扰信号的干扰。
可选的，所述判断所述无人机网络中，是否存在第一无人机进行中的数据传输，以及所述数据传输是否受到第一干扰信号的干扰之前，还包括：
接收所述无人机网络中的控制台发送的身份设置指令，其中，所述身份设置指令用于设置所述无人机网络中的欺骗节点；
根据所述身份设置指令，将自身的身份信息设置为欺骗节点。
第二方面，提供了一种无人机网络中基于认知的欺骗式抗干扰装置，所述装置应用于无人机网络中的欺骗节点，所述无人机网络还包括多个其他无人机，所述装置包括：
判断模块，用于判断所述无人机网络中，是否存在第一无人机进行中的数据传输，以及所述数据传输是否受到第一干扰信号的干扰；
获取模块，用于在所述数据传输存在且受到所述第一干扰信号的干扰时，获取所述无人机网络的网络参数，其中，所述网络参数至少包括所述欺骗节点内各欺骗信道的欺骗信道系数，以及对应于所述各欺骗信道的各干扰信道的干扰信道系数；
第一确定模块，用于根据所述网络参数和预先存储的欺骗信道选择算法确定最佳欺骗信道；
第二确定模块，用于根据所述网络参数和预先存储的欺骗功率分配策略，确定所述最佳欺骗信道的最佳欺骗收益功率；
发送模块，用于在所述最佳欺骗收益功率大于预设的收益阈值时，基于所述最佳欺骗收益功率，通过所述最佳欺骗信道发送预先存储的欺骗信号至所述无人机网络中的第二无人机，其中，所述第二无人机为接收所述数据传输对应的采集数据的无人机。
可选的，所述第一确定模块，包括：
获取子模块，用于获取所述各欺骗信道的欺骗信道系数，以及对应于所述各欺骗信道的所述各干扰信道的所述干扰信道系数；
确定子模块，用于针对每个欺骗信道，根据该欺骗信道的欺骗信道系数、以及该欺骗信道对应的所述干扰信道系数，确定该欺骗信道的信道系数比；
比较子模块，用于比较所述各欺骗信道的信道系数比，确定最大信道系数比；
选择子模块，用于在具有所述最大信道系数比的所述欺骗信道唯一时，将具有所述最大信道系数比的所述欺骗信道作为最佳欺骗信道；
所述选择子模块，还用于在具有所述最大信道系数比的所述欺骗信道不唯一时，确定具有最大信道系数比的各所述欺骗信道对应的干扰信道，在确定出的干扰信道中，确定干扰信道系数最大的目标干扰信道，将所述目标干扰信道对应的欺骗信道作为最佳欺骗信道。
可选的，所述第二确定模块，包括：
建立子模块，用于根据所述网络参数，建立所述欺骗节点的欺骗收益函数、以及干扰源的干扰收益函数，其中，所述欺骗收益函数用于表示所述欺骗节点进行欺骗可获得的收益，所述干扰收益函数用于表示所述干扰源对所述欺骗节点进行干扰可获得的收益；
计算子模块，用于根据所述欺骗收益函数、所述干扰收益函数和预先存储的斯坦博格博弈算法，计算最佳欺骗收益功率。
可选的，所述判断模块，包括：
检测子模块，用于检测所述欺骗节点对应的第一频谱检测信息，其中，所述第一频谱检测信息包括所述欺骗节点预定范围内，网络环境的频谱信息和功率分布信息；
发送子模块，用于发送所述第一频谱检测信息至所述无人机网络中的其他无人机；
接收子模块，用于接收所述其他无人机发送的第二频谱检测信息，其中，所述第二频谱检测信息包括所述其他无人机预定范围内，网络环境的频谱信息和功率分布信息；
判断子模块，用于根据所述第一频谱检测信息和所述第二频谱检测信息，以及预先存储的频谱检测信息处理算法，判断所述无人机网络中，所述第一无人机是否在进行数据传输，以及所述数据传输否受到所述第一干扰信号的干扰。
可选的，所述装置还包括：
接收模块，用于接收所述无人机网络中的控制台发送的身份设置指令，其中，所述身份设置指令用于设置所述无人机网络中的欺骗节点；
设置模块，用于根据所述身份设置指令，将自身的身份信息设置为欺骗节点。
第三方面，提供了一种通信设备，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器被所述机器可执行指令促使：实现一种无人机网络中基于认知的欺骗式抗干扰方法中任一所述的方法步骤。
第四方面，提供了一种机器可读存储介质，存储有机器可执行指令，在被处理器调用和执行时，所述机器可执行指令促使所述处理器：实现一种无人机网络中基于认知的欺骗式抗干扰方法中任一所述的方法步骤。
本发明实施例提供了一种无人机网络中基于认知的欺骗式抗干扰方法及装置，欺骗节点在无人机网络中的第一无人机进行数据传输，且数据传输受到第一干扰信号的干扰时，确定最佳欺骗信道以及最佳欺骗收益功率。当最佳欺骗收益功率大于预设的收益阈值时，欺骗节点基于最佳欺骗信道按照最佳欺骗收益功率，发送欺骗信号至接收数据传输对应的采集数据的第二无人机。由于干扰源总发射功率固定不变，欺骗节点通过诱导干扰源发出干扰欺骗信号的第二干扰信号，降低第一干扰信号的发射功率，改善第一无人机的网络环境。基于本方案，可以提高无人机的抗干扰效果。
当然，实施本申请的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种无人机网络中基于认知的欺骗式抗干扰的方法流程图；
图2为本发明实施例提供的一种无人机网络中基于认知的欺骗式抗干扰的方法流程图；
图3为本发明实施例提供的一种无人机网络中基于认知的欺骗式抗干扰的方法流程图；
图4为本发明实施例提供的一种无人机网络中基于认知的欺骗式抗干扰的装置结构示意图；
图5为本发明实施例提供的一种无人机网络中基于认知的欺骗式抗干扰的装置结构示意图；
图6为本发明实施例提供的一种无人机网络中基于认知的欺骗式抗干扰的装置结构示意图；
图7为本发明实施例提供的一种无人机网络中基于认知的欺骗式抗干扰的装置结构示意图；
图8为本发明实施例提供的一种无人机网络中基于认知的欺骗式抗干扰的装置结构示意图；
图9为本发明实施例提供的一种通信设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明实施例提供了一种无人机网络中基于认知的欺骗式抗干扰方法，该方法应用于无人机网络中的欺骗节点，无人机网络还包括多个其他无人机。无人机是可以获取无人机网络当前网络环境的频谱状态，并判断当前无人机网络中是否存在干扰信号的无人机，比如用于战场地形侦查的无人机，用于通信中继的无人机等。
本发明实施例中，无人机网络中的任一无人机均可作为欺骗节点，欺骗节点内预先存储有检测感知系统、频谱信息交换系统、分析判决系统、欺骗选择系统、发送系统以及接收系统。
如图1所示，该方法的具体流程为：
步骤101，判断无人机网络中，是否存在第一无人机进行中的数据传输，以及数据传输是否受到第一干扰信号的干扰。
在实施中，无人机网络包含由多个无人机组成的无人机组，在每次任务中，无人机组中包括一个被选定为欺骗节点的无人机，一个被选定为控制台的无人机，以及其他用于执行任务的无人机。无人机执行的任务包括地形侦查、兵力部署侦查等。在执行任务的过程中，第一无人机接收到控制台的传输信息指令后，将存储的采集数据发送至无人机组中的第二无人机，即进行数据传输。需要说明的是，第一无人机是无人机组中某一执行任务的无人机，第二无人机是无人机组中另一执行任务的无人机或控制台。采集数据包括第一无人机拍摄的照片或者视频等。
无人机网络中可能存在干扰源，干扰源实时检测预设范围内的当前网络环境中，是否存在无人机进行中的数据传输。干扰源进行干扰的目的是，在兼顾自身的功率限制与可持续有效干扰条件的前提下，通过破坏无人机网络的网络环境，降低无人机进行数据传输的传输质量，比如第二无人机接收采集数据的准确性。当干扰源检测到第一无人机进行中的数据传输时，分析采集数据的信息，生成并发送对应采集数据的第一干扰信号，进行干扰。
欺骗节点可以在接收到控制台的工作指令时，开始执行任务，即定时地根据检测感知系统、频谱信息交换系统以及分析判决系统，判断无人机网络中，是否存在第一无人机进行中的数据传输，以及数据传输是否受到第一干扰信号的干扰。需要说明的是，欺骗节点可通过自身的计时器，预先设置检测周期，周期性地发出检测感知指令以实现定时检测。
本发明实施例中，欺骗节点对干扰源进行欺骗的目的是，在兼顾自身的功率限制与续航条件的前提下，提高第一无人机传输采集数据的传输质量。
步骤102，如果数据传输存在且受到第一干扰信号的干扰，获取无人机网络的网络参数，其中，网络参数至少包括欺骗节点内各欺骗信道的欺骗信道系数，以及对应于各欺骗信道的各干扰信道的干扰信道系数。
在实施中，欺骗节点确定无人机网络中存在第一无人机进行中的数据传输，以及干扰源针对数据传输发送的第一干扰信号后，通过分析判决系统，根据预先存储的信道估计算法、第一频谱检测信息以及第二频谱检测信息，计算无人机网络的网络参数，并存储网络参数。欺骗节点通过欺骗选择系统获取网络参数。其中，欺骗节点预先存储有干扰信息经验统计表，干扰信息经验统计表包括无人机历次受到干扰时，对应的干扰源及对应的干扰信号网络参数的相关信息。欺骗节点通过分析判决系统，根据信道估计算法得到第一干扰信号的网络参数的估计值后，根据干扰信息经验统计表对估计值进行修正，得到较为准确的第一干扰信号的网络参数。
需要说明的是，网络参数包括欺骗节点内的n个可用的欺骗信道的欺骗信道系数hp，hp的n个取值集合为{h1,h2,h3...hn}，以及对应于n个欺骗信道的n个干扰信道的干扰信道系数hjp，hjp的n个取值集合为{hj1,hj2,hj3...hjn}，对应于第一无人机传输信道的传输信道系数ht，对应传输信道的第一干扰信道的干扰信道系数hjt，环境噪声功率n，第一无人机传输采集数据的发射功率pt，干扰源的总发射功率pj，第一干扰信号的实际发射功率pjt，欺骗节点的最大功率p，欺骗节点的发射功率pp，欺骗节点功率损耗因子c，干扰源的功率损耗因子cj等。需要说明的是，n为自然数，代表欺骗节点可用的欺骗信道的个数。
步骤103，根据网络参数和预先存储的欺骗信道选择算法确定最佳欺骗信道。
在实施中，欺骗节点通过欺骗选择系统，将获取的网络参数作为输入量，输入到预先存储的欺骗信道选择算法中。欺骗节点通过欺骗信道选择算法，计算欺骗节点可用的各欺骗信道的信道系数比，比较各信道系数比，确定最大信道系数比。如果最大信道系数比对应的欺骗信道只有一个，欺骗节点通过欺骗信道选择算法，将最大信道系数比对应的欺骗信道作为最佳欺骗信道。如果最大信道系数比对应的欺骗信道为多个，欺骗节点通过欺骗信道选择算法，比较各具有最大信道系数比的欺骗信道对应的各干扰信道的信道系数，将具有最大干扰信道系数的干扰信道为目标干扰信道，选择目标干扰信道对应的欺骗信道为最佳欺骗信道。
其中，网络参数包括欺骗节点可用的n个欺骗信道的欺骗信道系数{h1,h2,h3...hn}，以及对应于n个欺骗信道的n个干扰信道的干扰信道系数{hj1,hj2,hj3...hjn}。信道系数比由
本发明实施例中，在欺骗节点可用的n个欺骗信道中，欺骗节点通过最佳欺骗信道对干扰源进行欺骗可获得的欺骗收益最高。欺骗收益指的是，基于干扰源的总发射功率是受限的这一特性，欺骗节点通过诱导干扰源发出干扰欺骗信号的第二干扰信号，降低第一干扰信号的发射功率，改善第一无人机的网络环境。
步骤104，根据网络参数和预先存储的欺骗功率分配策略，确定最佳欺骗信道的最佳欺骗收益功率。
在实施中，欺骗节点通过欺骗选择系统，获取分析判决系统计算出的网络参数，并作为输入量，输入到预先存储的欺骗功率分配策略中，将欺骗功率分配策略的输出作为最佳欺骗收益功率。其中，最佳欺骗收益功率指的是欺骗节点兼顾自身的功率限制和续航条件的情况下，获得最佳欺骗收益时，欺骗信号的发射功率。最佳欺骗收益指的是，欺骗节点通过诱导干扰源发出干扰欺骗信号的第二干扰信号，得到对应第一干扰信号的发射功率下降的最大值。
步骤105，如果最佳欺骗收益功率大于预设的收益阈值，则基于最佳欺骗收益功率，通过最佳欺骗信道发送预先存储的欺骗信号至无人机网络中的第二无人机，其中，第二无人机为接收数据传输对应的采集数据的无人机。
在实施中，欺骗节点通过欺骗选择系统，比较计算得到的最佳欺骗收益功率和预设的收益阈值，当最佳欺骗收益功率大于收益阈值时，欺骗节点通过发送系统和最佳欺骗信道，以最佳欺骗收益功率发射预先存储的欺骗信号，至无人机网络中的第二无人机。需要说明的是，收益阈值由欺骗节点设定，欺骗节点可根据自身的可用发射功率和续航情况进行更改；欺骗信号包括没有意义的编码信息；无人机网络中的第二无人机，为接收第一无人机进行数据传输对应的采集数据的无人机。
可选的，如图2所示，步骤101的具体过程为：
步骤201，检测欺骗节点对应的第一频谱检测信息，其中，第一频谱检测信息包括欺骗节点预定范围内，网络环境的频谱信息和功率分布信息。
在实施中，欺骗节点按照预设的检测时间间隔，定时通过检测感知系统，对欺骗节点预定范围内的网络环境进行检测，获取预定范围内网络环境的频谱状态，然后根据检测感知系统，提取预定范围内的网络环境频谱状态的时域以及频域特征，作为第一频谱检测信息。需要说明的是，第一频谱检测信息包括对应于欺骗节点预定范围内的网络环境的频谱信息和频谱功率分布信息。预定范围可以由检测感知系统的最大可检测感知半径确定，或者由欺骗节点预设的检测感知半径确定。
步骤202，发送第一频谱检测信息至无人机网络中的其他无人机。
在实施中，欺骗节点通过检测感知系统将第一频谱检测信息，发送至频谱信息交换系统，欺骗节点通过频谱信息交换系统和发送系统，发送第一频谱检测信息至无人机网络中的其他无人机。
步骤203，接收其他无人机发送的第二频谱检测信息，其中，第二频谱检测信息包括其他无人机预定范围内，网络环境的频谱信息和功率分布信息。
在实施中，欺骗节点通过接收系统，接收其他无人机发送的第二频谱检测信息，并将接收到的第二频谱检测信息发送至频谱信息交换系统。需要说明的是，第二频谱检测信息由其他无人机通过自身的检测感知系统提取，包括对应于其他无人机预定范围内的网络环境的频谱信息和功率分布信息。欺骗节点的预定范围与其他无人机的预定范围可以相同，也可以不同。
步骤204，根据第一频谱检测信息和第二频谱检测信息，以及预先存储的频谱检测信息处理算法，判断无人机网络中，第一无人机是否在进行数据传输，以及数据传输是否受到第一干扰信号的干扰。
在实施中，欺骗节点通过检测感知系统，将提取到的第一频谱检测信息发送至分析判决系统，通过频谱信息交换系统将接收到的第二频谱检测信息发送至分析判决系统。
欺骗节点根据分析判决系统中预先存储的频谱检测信息处理算法，对第一频谱检测信息以及第二频谱检测信息进行处理，得到整个无人机网络的频谱功率分布信息。欺骗节点根据分析判决系统中预先存储的频谱检测信息处理算法，筛选频谱功率分布信息中超过预设传输功率阈值的目标信号。如果存在超过预设传输功率阈值的目标信号，欺骗节点判定无人机网络中，第一无人机在进行数据传输。如果不存在超过预设传输功率阈值的目标信号，欺骗节点判定无人机网络中，没有无人机在进行数据传输。当第一无人机在进行数据传输时，欺骗节点根据频谱检测信息处理算法，分析频谱功率分布信息中，目标信号的功率是否被强功率噪声覆盖，判断数据传输是否受到干扰源发送的第一干扰信号的干扰。其中，频谱检测信息处理算法为本领域的常用算法，此处不作具体介绍。
可选的，如图3所示，步骤103的具体处理过程包括：
步骤301，获取各欺骗信道的欺骗信道系数，以及对应于各欺骗信道的各干扰信道的干扰信道系数。
在实施中，欺骗节点通过欺骗选择系统，获取各欺骗信道的欺骗信道系数，以及对应于欺骗信道的各干扰信道的干扰信道系数。需要说明的是，欺骗节点可用的信道为欺骗信道，对应欺骗信道的干扰源所用信道作为干扰信道，欺骗信道及对应的欺骗信道参数，干扰信道及对应的干扰信道参数由欺骗节点通过分析判决系统计算网络参数时确定。
步骤302，针对每个欺骗信道，根据该欺骗信道的欺骗信道系数、以及该欺骗信道对应的干扰信道系数，确定该欺骗信道的信道系数比。
在实施中，欺骗节点有n个可使用的欺骗信道，欺骗节点针对每个欺骗信道，使用欺骗选择系统，对该欺骗信道的欺骗信道系数hp和该欺骗信道对应的干扰信道系数hjp进行计算，确定该欺骗信道的信道系数比
步骤303，比较欺骗信道的信道系数比，确定最大信道系数比。
在实施中，欺骗节点通过欺骗选择系统，比较各欺骗信道的信道系数比，确定最大值，将最大值作为最大信道系数比。
步骤304，如果具有最大信道系数比的欺骗信道唯一，将具有最大信道系数比的欺骗信道作为最佳欺骗信道。
在实施中，如果各欺骗信道中，具有最大信道系数比的欺骗信道只有一个，欺骗节点将该欺骗信道作为最佳欺骗信道。
步骤305，如果具有最大信道系数比的欺骗信道不唯一，确定具有最大信道系数比的各欺骗信道对应的干扰信道，在确定出的干扰信道中，确定干扰信道系数最大的目标干扰信道，将目标干扰信道对应的欺骗信道作为最佳欺骗信道。
在实施中，如果各欺骗信道中，具有最大信道系数比的欺骗信道为多个，欺骗节点先确定具有最大信道系数比的各欺骗信道对应的干扰信道，然后在确定出的各干扰信道中，比较各干扰信道的干扰信道系数，将具有最大干扰信道系数的干扰信道作为目标干扰信道，最后将目标干扰信道对应的欺骗信道作为最佳欺骗信道。
可选的，步骤104的具体处理过程，包括：
步骤一，根据网络参数，建立欺骗节点的欺骗收益函数、以及干扰源的干扰收益函数，其中，欺骗收益函数用于表示欺骗节点进行欺骗可获得的收益，干扰收益函数用于表示干扰源对欺骗节点进行干扰可获得的收益。
在实施中，欺骗节点通过欺骗选择系统，获取通过分析判决系统计算得到的网络参数，基于网络参数，建立欺骗节点的欺骗收益函数、以及干扰源的干扰收益函数。其中，欺骗收益函数用于表示欺骗节点进行欺骗可获得的收益，干扰收益函数用于表示干扰源对欺骗节点进行干扰可获得的收益。
本发明实施例提供了欺骗节点的欺骗收益函数的计算公式：
其中，up代表欺骗节点的欺骗收益，θ为第一无人机的传输状态参数，θ的取值有0和1两种情况，分别对应第一无人机未传输与正在进行数据传输两种情况；
n代表环境噪声功率，c代表欺骗节点的功率损耗因子，ht代表第一无人机的信道系数，pt代表第一无人机传输采集数据的实际发射功率，pp代表欺骗节点发送欺骗信号的实际发射功率，pjt代表第一干扰信号的实际发射功率，以及hjt代表干扰源对第一无人机的传输信道的第一干扰信道系数。
本发明实施例还提供了干扰源的干扰收益函数的计算公式：
其中，uj代表干扰源的干扰收益，hp代表欺骗节点所选定可用欺骗信道的欺骗信道系数，hp＝hi,1≤i≤n，hjp代表干扰源针对欺骗节点所选可用欺骗信道hp而选定的可用第二干扰信道的第二干扰信道系数，hjp＝hji,1≤i≤n，pjp代表干扰源对欺骗节点发送的第二干扰信号的实际发射功率，cj代表干扰源的功率损耗因子。
步骤二，根据欺骗收益函数、干扰收益函数和预先存储的斯坦博格博弈算法，计算最佳欺骗收益功率。
在实施中，欺骗节点通过欺骗选择系统，将欺骗收益函数，干扰收益函数以及相关的网络参数作为输入量，输入预先存储的斯坦博格博弈算法进行计算。欺骗节点根据欺骗节点的发射功率、第一无人机传输采集数据的发射功率以及干扰收益函数，预测干扰源的最佳实际发射功率，然后根据干扰源的最佳实际发射功率和欺骗收益函数，计算得到欺骗节点的最大欺骗收益，以及最大欺骗收益对应的最佳欺骗收益功率。其中，干扰源的最佳实际发射功率，由欺骗节点根据干扰收益函数和网络参数计算得到。干扰收益指的是，干扰源通过发送第一干扰信号、以及第二干扰信号的方式，破坏网络环境，降低无人机网络中第一无人机进行数据传输的传输质量。
本发明实施例中，欺骗节点选择斯坦博格博弈算法，计算最佳欺骗收益功率的过程为：
欺骗节点在斯坦博格博弈算法中，将欺骗节点作为博弈的领导者，干扰源作为博弈的跟随者。
在博弈中，欺骗节点假设干扰源的工作流程为：检测感知第一无人机传输采集数据的发射功率和欺骗节点的发射功率后，通过干扰收益函数计算最大干扰收益，确定最大干扰收益对应的第一干扰信号、以及第二干扰信号的实际发射功率，作为最佳实际发射功率。
欺骗节点根据第一无人机传输采集数据的发射功率，及预测的干扰源的最佳实际发射功率，通过欺骗收益函数计算最大欺骗收益，确定最大欺骗收益对应的欺骗信号的发射功率作为最佳欺骗收益功率。
博弈的过程中，干扰源始终跟随欺骗节点的发射功率改变自身的实际发射功率，博弈的结果是，欺骗节点根据预计干扰源的最佳实际发射功率，通过计算确定自身的最佳欺骗收益功率。
本发明实施例提供了一种斯坦博格博弈算法的数学模型：
其中，
欺骗节点通过斯坦博格博弈算法进行计算的结果是，根据预测的干扰源的最佳实际发射功率，得到欺骗节点的最佳欺骗收益功率，最佳欺骗收益功率
其中，λ1、λ2、λ3、λ4分别为最佳欺骗收益功率取值的四种条件。
下面对四种条件进行具体说明：
1、当欺骗节点判断网络参数满足λ1的要求时，
2、当欺骗节点判断网络参数满足λ2的要求时，
3、当欺骗节点判断网络参数满足λ3的要求时，
4、当欺骗节点判断网络参数满足λ4的要求时，
其中，λ1、λ2、λ3、λ4具体表示如下：
λ1:π1orπ2,others
其中，π1代表了欺骗节点不能有效吸引干扰功率的条件，π2代表欺骗节点能有效吸引干扰功率的条件，有效吸引干扰功率指的是干扰源对欺骗节点进行干扰，导致第一干扰信号的发射功率下降的情况。others代表π1或π2中除λ2、λ3、λ4条件列举的情况之外的情况。π1和π2的具体表达方式为：
其中，αres、αlow、αup是斯坦博格博弈算法计算的中间量，无具体含义；result1、result2、result3分别代表欺骗节点在λ2、λ3、λ4条件下进行欺骗可获得的最大欺骗收益，pupb、plowb分别对应欺骗功率可有效吸引干扰功率的最大值和最小值，pm是欺骗节点的最大功率。αres、αlow、αup、result1、result2、result3以及pupb、plowb的表达方式如下：
可选的，实施本方法之前，欺骗节点执行以下操作：
步骤一、接收无人机网络中的控制台发送的身份设置指令，其中，身份设置指令用于设置无人机网络中的欺骗节点。
在实施中，无人机网络中的某一无人机可以在开始工作前，或者在工作的过程中，接收无人机网络中的控制台发送的身份设置指令。需要说明的是，身份设置指令包含欺骗节点身份信息的标识，用于设置无人机网络中的欺骗节点。
步骤二、根据身份设置指令，将自身的身份信息设置为欺骗节点。
在实施中，某一无人机根据接收到的身份设置指令，通过读取身份设置指令中的欺骗节点身份信息标识，在预先存储的身份信息表中，将自身的身份信息更换为欺骗节点身份信息的方式，将该无人机设置为欺骗节点。
本发明实施例提供了一种无人机网络中基于认知的欺骗式抗干扰方法及装置，欺骗节点在无人机网络中的第一无人机进行数据传输，且数据传输受到第一干扰信号的干扰时，确定最佳欺骗信道以及最佳欺骗收益功率。当最佳欺骗收益功率大于预设的收益阈值时，欺骗节点基于最佳欺骗信道按照最佳欺骗收益功率，发送欺骗信号至接收数据传输对应的采集数据的第二无人机。由于干扰源总发射功率固定不变，欺骗节点通过诱导干扰源发出干扰欺骗信号的第二干扰信号，降低第一干扰信号的发射功率，改善第一无人机的网络环境。基于本方案，可以提高无人机的抗干扰效果。
基于相同的技术构思，如图4所示，本发明实施例还提供了一种无人机网络中基于认知的欺骗式抗干扰装置，所述装置应用于无人机网络中的欺骗节点，所述无人机网络还包括多个其他无人机，所述装置包括：
判断模块410，用于判断所述无人机网络中，是否存在第一无人机进行中的数据传输，以及所述数据传输否受到第一干扰信号的干扰；
获取模块420，用于在所述数据传输存在且受到所述第一干扰信号的干扰时，获取所述无人机网络的网络参数，其中，所述网络参数至少包括所述欺骗节点内各欺骗信道的欺骗信道系数，以及对应于所述各欺骗信道的各干扰信道的干扰信道系数；
第一确定模块430，用于根据所述网络参数和预先存储的欺骗信道选择算法确定最佳欺骗信道；
第二确定模块440，用于根据所述网络参数和预先存储的欺骗功率分配策略，确定所述最佳欺骗信道的最佳欺骗收益功率；
发送模块450，用于在所述最佳欺骗收益功率大于预设的收益阈值时，基于所述最佳欺骗收益功率，通过所述最佳欺骗信道发送预先存储的欺骗信号至所述无人机网络中的第二无人机，其中，所述第二无人机为接收所述数据传输对应的采集数据的无人机。
可选的，如图5所示，所述第一确定模块430，包括：
获取子模块431，用于获取所述各欺骗信道的欺骗信道系数，以及对应于所述各欺骗信道的所述各干扰信道的所述干扰信道系数；
确定子模块432，用于针对每个欺骗信道，根据该欺骗信道的欺骗信道系数、以及该欺骗信道对应的所述干扰信道系数，确定该欺骗信道的信道系数比；
比较子模块433，用于比较所述各欺骗信道的信道系数比，确定最大信道系数比；
选择子模块434，用于在具有所述最大信道系数比的所述欺骗信道唯一时，将具有所述最大信道系数比的所述欺骗信道作为最佳欺骗信道；
所述选择子模块434，还用于在具有所述最大信道系数比的所述欺骗信道不唯一时，确定具有最大信道系数比的各所述欺骗信道对应的干扰信道，在确定出的干扰信道中，确定干扰信道系数最大的目标干扰信道，将所述目标干扰信道对应的欺骗信道作为最佳欺骗信道。
可选的，如图6所示，所述第二确定模块440，包括：
建立子模块441，用于根据所述网络参数，建立所述欺骗节点的欺骗收益函数、以及干扰源的干扰收益函数，其中，所述欺骗收益函数用于表示所述欺骗节点进行欺骗可获得的收益，所述干扰收益函数用于表示所述干扰源对所述欺骗节点进行干扰可获得的收益；
计算子模块442，用于根据所述欺骗收益函数、所述干扰收益函数和预先存储的斯坦博格博弈算法，计算最佳欺骗收益功率。
可选的，如图7所示，所述判断模块410，包括：
检测子模块411，用于检测所述欺骗节点对应的第一频谱检测信息，其中，所述第一频谱检测信息包括所述欺骗节点预定范围内，网络环境的频谱信息和功率分布信息；
发送子模块412，用于发送所述第一频谱检测信息至所述无人机网络中的其他无人机；
接收子模块413，用于接收所述其他无人机发送的第二频谱检测信息，其中，所述第二频谱检测信息包括所述其他无人机预定范围内，网络环境的频谱信息和功率分布信息；
判断子模块414，用于根据所述第一频谱检测信息和所述第二频谱检测信息，以及预先存储的频谱检测信息处理算法，判断所述无人机网络中，所述第一无人机是否在进行数据传输，以及所述数据传输是否受到所述第一干扰信号的干扰。
可选的，如图8所示，所述装置还包括：
接收模块460，用于接收所述无人机网络中的控制台发送的身份设置指令，其中，所述身份设置指令用于设置所述无人机网络中的欺骗节点；
设置模块470，用于根据所述身份设置指令，将自身的身份信息设置为欺骗节点。
本发明实施例提供了一种无人机网络中基于认知的欺骗式抗干扰方法及装置，欺骗节点在无人机网络中的第一无人机进行数据传输，且数据传输受到第一干扰信号的干扰时，确定最佳欺骗信道以及最佳欺骗收益功率。当最佳欺骗收益功率大于预设的收益阈值时，欺骗节点基于最佳欺骗信道按照最佳欺骗收益功率，发送欺骗信号至接收数据传输对应的采集数据的第二无人机。由于干扰源总发射功率固定不变，欺骗节点通过诱导干扰源发出干扰欺骗信号的第二干扰信号，降低第一干扰信号的发射功率，改善第一无人机的网络环境。基于本方案，可以提高无人机的抗干扰效果。
本发明实施例还提供了一种通信设备，如图9所示，包括处理器901、通信接口902、存储器903和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信，
存储器903，用于存放计算机程序；
处理器901，用于执行存储器903上所存放的程序时，以使该节点设备执行如下步骤，该步骤包括：
判断所述无人机网络中，是否存在第一无人机进行中的数据传输，以及所述数据传输是否受到第一干扰信号的干扰；
如果所述数据传输存在且受到所述第一干扰信号的干扰，获取所述无人机网络的网络参数，其中，所述网络参数至少包括所述欺骗节点内各欺骗信道的欺骗信道系数，以及对应于所述各欺骗信道的各干扰信道的干扰信道系数；
根据所述网络参数和预先存储的欺骗信道选择算法确定最佳欺骗信道；
根据所述网络参数和预先存储的欺骗功率分配策略，确定所述最佳欺骗信道的最佳欺骗收益功率；
如果所述最佳欺骗收益功率大于预设的收益阈值，则基于所述最佳欺骗收益功率，通过所述最佳欺骗信道发送预先存储的欺骗信号至所述无人机网络中的第二无人机，其中，所述第二无人机为接收所述数据传输对应的采集数据的无人机。
可选的，所述根据所述网络参数和预先存储的、欺骗信道选择算法确定最佳欺骗信道，包括：
获取所述各欺骗信道的欺骗信道系数，以及对应于所述各欺骗信道的所述各干扰信道的所述干扰信道系数；
针对每个欺骗信道，根据该欺骗信道的欺骗信道系数、以及该欺骗信道对应的所述干扰信道系数，确定该欺骗信道的信道系数比；
比较所述各欺骗信道的信道系数比，确定最大信道系数比；
如果具有所述最大信道系数比的所述欺骗信道唯一，将具有所述最大信道系数比的所述欺骗信道作为最佳欺骗信道；
如果具有所述最大信道系数比的所述欺骗信道不唯一，确定具有最大信道系数比的各所述欺骗信道对应的干扰信道，在确定出的干扰信道中，确定干扰信道系数最大的目标干扰信道，将所述目标干扰信道对应的欺骗信道作为最佳欺骗信道。
可选的，所述根据所述网络参数和预先存储的欺骗功率分配策略，确定所述最佳欺骗信道的最佳欺骗收益功率，包括：
根据所述网络参数，建立所述欺骗节点的欺骗收益函数、以及干扰源的干扰收益函数，其中，所述欺骗收益函数用于表示所述欺骗节点进行欺骗可获得的收益，所述干扰收益函数用于表示所述干扰源对所述欺骗节点进行干扰可获得的收益；
根据所述欺骗收益函数、所述干扰收益函数和预先存储的斯坦博格博弈算法，计算最佳欺骗收益功率。
可选的，所述判断所述无人机网络中，是否存在第一无人机进行中的数据传输，以及所述数据传输是否受到第一干扰信号的干扰，包括：
检测所述欺骗节点对应的第一频谱检测信息，其中，所述第一频谱检测信息包括所述欺骗节点预定范围内，网络环境的频谱信息和功率分布信息；
发送所述第一频谱检测信息至所述无人机网络中的其他无人机；
接收所述其他无人机发送的第二频谱检测信息，其中，所述第二频谱检测信息包括所述其他无人机预定范围内，网络环境的频谱信息和功率分布信息；
根据所述第一频谱检测信息和所述第二频谱检测信息，以及预先存储的频谱检测信息处理算法，判断所述无人机网络中，所述第一无人机是否在进行数据传输，以及所述数据传输是否受到所述第一干扰信号的干扰。
可选的，所述判断所述无人机网络中，是否存在第一无人机进行中的数据传输，以及所述数据传输是否受到第一干扰信号的干扰之前，还包括：
接收所述无人机网络中的控制台发送的身份设置指令，其中，所述身份设置指令用于设置所述无人机网络中的欺骗节点；
根据所述身份设置指令，将自身的身份信息设置为欺骗节点。
机器可读存储介质可以包括ram(randomaccessmemory，随机存取存储器)，也可以包括nvm(non-volatilememory，非易失性存储器)，例如至少一个磁盘存储器。另外，机器可读存储介质还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括cpu(centralprocessingunit，中央处理器)、np(networkprocessor，网络处理器)等；还可以是dsp(digitalsignalprocessing，数字信号处理器)、asic(applicationspecificintegratedcircuit，专用集成电路)、fpga(field-programmablegatearray，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供了一种无人机网络中基于认知的欺骗式抗干扰方法及装置，欺骗节点在无人机网络中的第一无人机进行数据传输，且数据传输受到第一干扰信号的干扰时，确定最佳欺骗信道以及最佳欺骗收益功率。当最佳欺骗收益功率大于预设的收益阈值时，欺骗节点基于最佳欺骗信道按照最佳欺骗收益功率，发送欺骗信号至接收数据传输对应的采集数据的第二无人机。由于干扰源总发射功率固定不变，欺骗节点通过诱导干扰源发出干扰欺骗信号的第二干扰信号，降低第一干扰信号的发射功率，改善第一无人机的网络环境。基于本方案，可以提高无人机的抗干扰效果。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。