本发明涉及移动终端数量识别,尤其是一种基于上行信号极化状态差异的移动终端数量识别方法。
背景技术:
1、近些年来通信技术在网络架构、信任模型、密码算法、完整性保护和用户隐私保护等方面都有巨大改进。诸多安全策略的提出虽然可以降低通信系统被攻破的概率,但仍然无法避免无线通信的最大弊端,即空口数据可以被任何一台无线电接收设备嗅探并进行流量分析。
2、以往的研究工作多是通过提取设备流量指纹实现对终端数目进行检测,但基于指纹的检测方法的最大问题是指纹的更新,通过离线学习和模式较为固定的指纹提取方法很难捕获长期稳定的设备指纹。且通过提取设备指纹实现设备数目识别过于复杂,对数目的识别只需要捕获一段时间内设备之前某种特征的差异性,而不需要保持这种差异性的稳定存在。因此,本申请通过构建短时间内可分的特征来实现一定范围内移动终端数目的检测识别。
技术实现思路
1、本发明是为了避免上述现有技术所存在的不足之处,提供一种基于时频资源占用的移动通信干扰检测方法,该方法在没有任何运营商先验知识的前提下准确实现当前检测范围内的移动终端数目的检测。
2、为了实现本发明目的,本发明采用的技术方案是:一种基于上行信号极化状态差异的移动终端数量识别方法,包括以下步骤:
3、s1、获取移动通信空口iq数据,并对预定时间段内的iq数据进行缓存;
4、s2、对缓存的iq数据进行时频分析,恢复移动通信物理资源块时频分布状态;
5、s3、根据物理资源块时频分布状态获取准确的物理资源块分布位置并提取该位置附近的极化状态,并做降噪处理;
6、s4、利用聚类算法对提取的极化状态信息做聚类学习,并通过聚类算法获得聚类数目,完成对检测范围内的移动通信设备数目的检测。
7、优选的,所述步骤s1中对iq数据的采集步骤包括:
8、先设定采样中心频点、带宽和采样频率,对上述参数下的iq数据进行采集;
9、选择截断时间,对采集的iq数据在截断时间处截断;
10、根据采样频率和时间间隔计算所需物理空间并对iq数据进行申请、存储、传输和释放,其中,iq数据分开存储,分为i路数据和q路数据。
11、优选的,所述步骤s2包括以下步骤:
12、读取i路数据和q路数据,并将i路数据和q路数据组合成复数数据;
13、通过时域滑窗或傅里叶变换对复数数据做时频分析,并根据超参数计算时频资源矩阵中一个物理资源块的大小;
14、对时频资源矩阵做粗粒度滤波降噪,获取第一阶段时频资源矩阵。
15、优选的,所述步骤s3包括以下步骤:
16、根据物理资源块的大小在时频资源矩阵中截取处pucch的确切数据;
17、找到物理资源块位置索引之后,根据物理资源块覆盖范围,在时频资源矩阵中截取出用户终端发送的物理资源块;
18、提取截取物理资源块的极化状态;
19、通过判别幅度比范围来做极化状态层面的噪声滤波处理。
20、优选的,所述聚类算法包括但不限于dbscan算法。
21、优选的,一种基于上行信号极化状态差异的移动终端数量识别系统,包括数据采集单元、数据处理单元、特征提取单元和数目检测单元;
22、所述数据采集单元,用于接收移动通信空口iq数据,并缓存预定时间段内的iq数据用于数据处理;
23、所述数据处理单元,用于处理数据采集单元缓存的预定时间段内的iq数据,并对iq数据做时频分析,恢复移动通信物理资源块时频分布状态;
24、所述特征提取单元,用于从时频分析结果中提取部分物理资源块的分布位置,截取中心点对应的物理资源块并提取其极化状态;
25、所述数目检测单元,用于对提取的极化状态信息做聚类学习,通过聚类算法获得聚类数目。
26、优选的,所述数据采集单元包括超参数确定模块、iq数据截断模块和物理资源请求与存储模块,所述超参数确定模块用于选择超参数,所述超参数包括采样频率、采样中心频点和宽带;所述iq数据截断模块用于选择时间间隔,并在时间间隔内采集的iq数据进行截取;所述物理资源请求与存储模块用于存储iq数据。
27、优选的,所述数据处理单元包括已缓存iq数据读取模块、iq数据组合模块、组合数据时频分析模块和时频滤波降噪模块,所述已缓存iq数据读取模块用于读取存储的iq数据;所述iq数据组合模块用于将i路数据和q路数据组合成为复数数据;所述组合数据时频分析模块用于选择时频分析方法和超参数;所述时频滤波降噪模块基于噪声信号低功率和高频跳变特征进行第一阶段的粗粒度滤波。
28、优选的,所述特征提取单元包括时频资源块位置检索模块、时频资源块截取模块、截取数据的极化状态提取模块和噪声滤波模块,所述时频资源块位置检索模块用于获取物理资源块的位置;所述时频资源块截取模块用于在时频资源矩阵中截取用户终端发送的物理资源块块;所述截取数据的极化状态提取模块用于提取物理资源块内的极化状态;所述噪声滤波模块用于对极化状态层面的噪声滤波处理。
29、优选的,所述数目检测单元包括二维数据聚类模块和异常点、异常数目处理模块,所述二维数据聚类模块用于对扫描半径和最小点数的超参数选取;所述异常点、异常数目处理模块用于对极化状态异常点和识别结果异常的识别和修正。
30、本发明的有益效果是:(1)本发明从流量分析角度为移动设备数目识别提供了一个崭新的思路,该思路可以非合作地,不需要任何先验信息地完成对一定范围内移动通信设备的数目识别任务,且该实现方法避开了传统的设备指纹提取复杂性高,拓展能力差的缺点,避开了解析下行控制信息的解码解调和隐私泄露的问题。
31、(2)本发明通过天线极化状态寻找设备差异,天线制造工艺、移动终端摆放位置、移动终端移动等都会造成极化状态的差异,利用dbscan算法对极化状态进行聚类,可以有效完成对不同极化状态的聚类任务。
32、(3)本发明的方法数据处理复杂度较低,计算复杂度集中体现在资源块位置搜索,时频分析和极化状态聚类三个部分。资源块位置搜索可以通过限制采样带宽降低复杂度,时频分析采用滑窗式的快速傅里叶算法。
1.一种基于上行信号极化状态差异的移动终端数量识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于上行信号极化状态差异的移动终端数量识别方法,其特征在于:所述步骤s1中对iq数据的采集步骤包括:
3.根据权利要求1所述的基于上行信号极化状态差异的移动终端数量识别方法,其特征在于:所述步骤s2包括以下步骤:
4.根据权利要求3所述的基于上行信号极化状态差异的移动终端数量识别方法,其特征在于:所述步骤s3包括以下步骤:
5.根据权利要求3所述的基于上行信号极化状态差异的移动终端数量识别方法,其特征在于:所述聚类算法包括但不限于dbscan算法。
6.一种基于上行信号极化状态差异的移动终端数量识别系统,其特征在于:包括数据采集单元、数据处理单元、特征提取单元和数目检测单元;
7.根据权利要求6所述的基于上行信号极化状态差异的移动终端数量识别方法,其特征在于:所述数据采集单元包括超参数确定模块、iq数据截断模块和物理资源请求与存储模块,所述超参数确定模块用于选择超参数,所述超参数包括采样频率、采样中心频点和宽带;所述iq数据截断模块用于选择时间间隔,并在时间间隔内采集的iq数据进行截取;所述物理资源请求与存储模块用于存储iq数据。
8.根据权利要求7所述的基于上行信号极化状态差异的移动终端数量识别方法,其特征在于:所述数据处理单元包括已缓存iq数据读取模块、iq数据组合模块、组合数据时频分析模块和时频滤波降噪模块,所述已缓存iq数据读取模块用于读取存储的iq数据;所述iq数据组合模块用于将i路数据和q路数据组合成为复数数据;所述组合数据时频分析模块用于选择时频分析方法和超参数;所述时频滤波降噪模块基于噪声信号低功率和高频跳变特征进行第一阶段的粗粒度滤波。
9.根据权利要求8所述的基于上行信号极化状态差异的移动终端数量识别方法,其特征在于:所述特征提取单元包括时频资源块位置检索模块、时频资源块截取模块、截取数据的极化状态提取模块和噪声滤波模块,所述时频资源块位置检索模块用于获取物理资源块的位置;所述时频资源块截取模块用于在时频资源矩阵中截取用户终端发送的物理资源块块;所述截取数据的极化状态提取模块用于提取物理资源块内的极化状态;所述噪声滤波模块用于对极化状态层面的噪声滤波处理。
10.根据权利要求9所述的基于上行信号极化状态差异的移动终端数量识别方法,其特征在于:所述数目检测单元包括二维数据聚类模块和异常点、异常数目处理模块,所述二维数据聚类模块用于对扫描半径和最小点数的超参数选取;所述异常点、异常数目处理模块用于对极化状态异常点和识别结果异常的识别和修正。