基于功率检测和选择性集成的无线MAC协议识别技术

发布时间：2021-06-09 22:30

　　通过检测无线网络的功率变化识别介质访问控制（Medium access control,MAC）协议在认知无线电和认知电子战领域具有重要意义。为提高识别能力,本文在现有特征的基础上,提出碰撞概率估计特征和Fisher统计量特征。针对识别目标的网络配置与训练样本不同时识别效果较差的问题,提出利用基于Q学习的选择性集成方法,从训练的多个基分类器中选择一部分组成分类系统,提高算法的泛化能力。利用OPNET仿真软件采集4种MAC协议的功率变化数据进行验证。实验结果表明,所提特征能够提升对不同MAC协议的区分度,当目标网络与训练网络的配置不同时,选择性集成方法的识别效果优于单分类器和全部集成方法。 

【文章来源】：数据采集与处理. 2020,35(01)北大核心CSCD

【文章页数】：10 页

【部分图文】：

功率序列

为了区分4种MAC协议，根据功率信息提取的特征，需要体现两方面特性：碰撞概率特性和发送时间周期性。如图3所示，TDMA和CSMA/CA协议分别采用时隙分配方式和RTS/CTS预约机制以保证传输过程中不发生碰撞，ALO-HA和S-ALOHA协议采用随机接入的方式，传输过程中容易发生碰撞；TDMA和S-ALOHA协议采用分时机制，其数据包发送时间存在一定的周期性，CSMA/CA和ALOHA协议的数据包发送时间较为随机。根据碰撞概率和发送时间周期特性的不同，可以有效区分4种协议。1.2.1 碰撞概率特征

除功率统计特性外，本文提出根据序列{pm}直接估计目标网络中发生碰撞的数据包比例RC。记RC=NC/N，其中N为{pm}中的数据包个数估计，NC为{pm}中发生碰撞的数据包个数估计。按照如下方式统计N和NC:pm-pm-1>e时记为一次数据包传输，如图2中m=6,15,25,36时满足条件，此时N=4;pm-pm-1>e且pm-1>e时记为一次数据包碰撞，如图2中m=25时满足条件，此时NC=1，得到图2所示{pm}的RC=NC/N=0.25。1.2.2 发送时间周期性特征


本文编号：3221440