周向軍

(廣東省外語(yǔ)藝術(shù)職業(yè)學(xué)院 信息學(xué)院,廣州 510507)

1 引言

隨著網(wǎng)絡(luò)技術(shù)、通信技術(shù)以及無(wú)線電技術(shù)的不斷發(fā)展,出現(xiàn)無(wú)線網(wǎng)絡(luò)通信系統(tǒng),其在許多領(lǐng)域得到了成功的應(yīng)用[1,2].在無(wú)線網(wǎng)絡(luò)的通信過(guò)程中,一些非法用戶會(huì)假裝成為合法用戶對(duì)數(shù)據(jù)進(jìn)行竊取,占用信道,造成網(wǎng)絡(luò)資源的嚴(yán)重浪費(fèi),而無(wú)線網(wǎng)絡(luò)信道檢測(cè)是一種保證網(wǎng)絡(luò)正常通信的一項(xiàng)關(guān)鍵技術(shù),因此對(duì)無(wú)線網(wǎng)絡(luò)信道檢測(cè)進(jìn)行研究具有十分重要的意義[3,4].

針對(duì)無(wú)線網(wǎng)絡(luò)信道檢測(cè)問(wèn)題,學(xué)者進(jìn)行了大量、深入的研究,提出一些無(wú)線網(wǎng)絡(luò)信道的檢測(cè)機(jī)制.最初無(wú)線網(wǎng)絡(luò)通信機(jī)制沿用有線網(wǎng)絡(luò)的信道檢測(cè)機(jī)制,由于無(wú)線網(wǎng)絡(luò)的開(kāi)放性、隨機(jī)性,信道具有強(qiáng)烈的時(shí)變性等特殊性,導(dǎo)致有線網(wǎng)絡(luò)信道檢測(cè)機(jī)制的檢測(cè)效果差[5,6].隨后學(xué)者采用密鑰對(duì)信道進(jìn)行加密實(shí)現(xiàn)網(wǎng)絡(luò)通信安全保證,該機(jī)制可以保證無(wú)線網(wǎng)絡(luò)信道的安全性,但密鑰的產(chǎn)生、分配目前還沒(méi)有統(tǒng)一的指導(dǎo),全憑經(jīng)驗(yàn)進(jìn)行設(shè)置,無(wú)法正確有效識(shí)別一些非法用戶,無(wú)線網(wǎng)絡(luò)信道檢測(cè)的缺陷明顯[7].有學(xué)者提出了基于身份證的無(wú)線網(wǎng)絡(luò)信道檢測(cè)機(jī)制,該機(jī)制與密鑰機(jī)制沒(méi)有本質(zhì)區(qū)別,同樣無(wú)法有效保證無(wú)線網(wǎng)絡(luò)通信的安全性[8].近幾年,隨著機(jī)器學(xué)習(xí)算法的不斷成熟,有學(xué)者提出基于BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等的無(wú)線網(wǎng)絡(luò)信道檢測(cè)機(jī)制[9,10],其中BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)復(fù)雜,基于“大數(shù)定理”,要求無(wú)線網(wǎng)絡(luò)信道檢測(cè)的樣本多,導(dǎo)致信道檢測(cè)成本高,支持向量機(jī)沒(méi)有訓(xùn)練樣本數(shù)量的限制,具有良好的信道檢測(cè)效果,但訓(xùn)練時(shí)間長(zhǎng),導(dǎo)致信道檢測(cè)的時(shí)間復(fù)雜度高,無(wú)線網(wǎng)絡(luò)信道檢測(cè)實(shí)時(shí)性差[11].最小二乘支持向量機(jī) (Least Squares Support Vector Machines,LSSVM)對(duì)支持向量機(jī)的學(xué)習(xí)過(guò)程進(jìn)行簡(jiǎn)化,大幅度縮短了建模時(shí)間,而且具有良好的泛化能力,為無(wú)線網(wǎng)絡(luò)信道檢測(cè)提供了一種新的工具[12].

為了獲理想的無(wú)線網(wǎng)絡(luò)信息檢測(cè)結(jié)果,結(jié)合無(wú)線網(wǎng)絡(luò)信道的時(shí)變性等變化特點(diǎn),提出了最小二乘支持向量機(jī)的無(wú)線網(wǎng)絡(luò)信道機(jī)制.首先建立無(wú)線網(wǎng)絡(luò)信道檢測(cè)的假說(shuō)模型,然后采用最小二乘支持向量機(jī)構(gòu)建無(wú)線網(wǎng)絡(luò)信道檢測(cè)模型,最后在Matlab 2014平臺(tái)上的仿真實(shí)驗(yàn)結(jié)果表明,最小二乘支持向量機(jī)獲得了高精度的無(wú)線網(wǎng)絡(luò)信道檢測(cè)結(jié)果,大幅度降低了數(shù)據(jù)傳輸?shù)恼`碼率,檢測(cè)結(jié)果明顯成于當(dāng)前經(jīng)典檢測(cè)機(jī)制.

2 無(wú)線網(wǎng)絡(luò)通信模型及相關(guān)假說(shuō)

2.1 無(wú)線網(wǎng)絡(luò)的通信模型

在無(wú)線網(wǎng)絡(luò)中,由于經(jīng)常有一些非法用戶的入侵,在通信過(guò)程加入了發(fā)送者身份識(shí)別技術(shù),減少高層認(rèn)證緩存負(fù)載,以提高無(wú)線網(wǎng)絡(luò)通信的安全,無(wú)線網(wǎng)絡(luò)通信模型結(jié)構(gòu)如圖1所示[13].在圖1中,全部實(shí)體處于其它實(shí)體的有效通信范圍內(nèi),共包括3類實(shí)體,其中Alice 和 Bob 表示合法的實(shí)體,Eve 表示非法實(shí)體,當(dāng)Alice和Bob之間的相互通信時(shí),Eve會(huì)偽裝合法實(shí)體給Alice和Bob發(fā)送消息,那么Alice和Bob就要通過(guò)信道檢測(cè)機(jī)制辨識(shí)消息來(lái)源合法性.

圖1 無(wú)線網(wǎng)絡(luò)通信模型結(jié)構(gòu)

無(wú)線網(wǎng)絡(luò)信道受到多種因素的綜合影響,信道具有一定的時(shí)變特性,主要表現(xiàn)在小尺度效應(yīng)和大尺度效應(yīng)兩個(gè)方面.尤其在室內(nèi)環(huán)境,信道變化十分顯著,這給信道檢測(cè)帶來(lái)一定的困難,本文主要針對(duì)室內(nèi)低速移動(dòng)場(chǎng)景的信道進(jìn)行檢測(cè).

2.2 信道檢驗(yàn)假設(shè)

無(wú)線網(wǎng)絡(luò)實(shí)際是一種多輸入多輸出系統(tǒng),將用戶劃分為兩種: 主用戶和普通用戶,主用戶對(duì)信道使用具有優(yōu)先權(quán),普通用戶只能使用主用戶不使用的空閑信道,一旦主用戶要使用某信道,普通用戶必須馬上停止使用該信道,為此無(wú)線網(wǎng)絡(luò)通信系統(tǒng)采用頻譜分配的信道使用方式.無(wú)線網(wǎng)絡(luò)采用分層通信機(jī)制,實(shí)現(xiàn)雙向通信認(rèn)證,傳輸信息中含有身份認(rèn)證信號(hào),Bob接收來(lái)自Alice的身份認(rèn)證信號(hào),Bob通過(guò)身份認(rèn)證信號(hào)估計(jì)得到信道響應(yīng),信道檢驗(yàn)假說(shuō)模型具體如下:

無(wú)線通信通信信道的檢測(cè)檢測(cè)問(wèn)題為: 給定一個(gè)合法用戶的信道向量判斷下一個(gè)連續(xù)的信道向量是否來(lái)自于Alice,并且滿足最優(yōu)信道選擇原則,結(jié)合無(wú)線網(wǎng)絡(luò)信道變化特點(diǎn),選擇最小二乘支持向量機(jī)實(shí)現(xiàn)無(wú)線網(wǎng)絡(luò)信道的檢測(cè).

3 最小二乘支持向量機(jī)的無(wú)線網(wǎng)絡(luò)信道檢測(cè)機(jī)制

3.1 最小二乘支持向量機(jī)

設(shè)的樣本集合: (xi,yi),i=1,2,…,n,其中xi表示輸入,yi表示類別,那么可以得到這樣的函數(shù)形式:

根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理,最小二乘支持向量機(jī)可以得到:

式中,γ表示LSSVM的正則化參數(shù).

引入拉格朗日乘子αi,得到:

基于KKT理論可以得到:

同時(shí)滿足如下條件:

根據(jù)徑向基函數(shù)作為L(zhǎng)SSVM核函數(shù),徑向基函數(shù)具體為:

式中,σ為徑向基函數(shù)的寬度.

由于無(wú)線網(wǎng)絡(luò)信道檢測(cè)是一種分類問(wèn)題,因此最后最小二乘支持向量機(jī)的分類函數(shù)為:

3.2 粒子群算法優(yōu)化分類器的參數(shù)

無(wú)線網(wǎng)絡(luò)信道檢測(cè)中,分類器的參數(shù)γ和σ對(duì)檢測(cè)結(jié)果影響十分嚴(yán)重,為此本文選擇粒子群算法優(yōu)化參數(shù)γ和σ以獲得更優(yōu)的無(wú)線網(wǎng)絡(luò)信道檢測(cè)結(jié)果.粒子群算法對(duì)鳥(niǎo)群覓食行為進(jìn)行模擬,通過(guò)個(gè)體和種群協(xié)作與競(jìng)爭(zhēng)機(jī)制模擬問(wèn)題的求解過(guò)程,找到問(wèn)題的最優(yōu)解.

設(shè)共有M個(gè)粒子,在第t代、的最優(yōu)位置為第t代速度和位置為:粒子群的最好位置為粒子速度和位置更新方式為:

式中,c1為認(rèn)知項(xiàng)系數(shù),c2表示社會(huì)項(xiàng)系數(shù).

為了更加有效好搜索問(wèn)題的最優(yōu)解,強(qiáng)入慣性權(quán)重w,式 (9)變?yōu)?

w值越大時(shí),全局搜索能力強(qiáng),w值越越小,局部搜索能力強(qiáng),為平均全局搜索能力和局搜索能力,采用動(dòng)態(tài)方式對(duì)w進(jìn)行調(diào)整,具體如下:

3.3 最小二乘支持向量機(jī)的信道檢測(cè)流程

在無(wú)線網(wǎng)絡(luò)信道檢測(cè)過(guò)程中,首先提取信號(hào)檢測(cè)參數(shù)向量,然后通過(guò)最小二乘支持向量機(jī)進(jìn)行信道檢測(cè)和分類,得出檢測(cè)結(jié)果,具體流程如圖2所示.

圖2 最小二乘支持向量機(jī)的信道檢測(cè)流程

4 無(wú)線網(wǎng)絡(luò)信道檢測(cè)的實(shí)例分析

4.1 測(cè)試環(huán)境

為了客觀、全面分析基于最小二乘支持向量機(jī)的無(wú)線網(wǎng)絡(luò)通信檢測(cè)機(jī)制的有效性,在Maltab 2014平臺(tái)進(jìn)行了無(wú)線網(wǎng)絡(luò)通信檢測(cè)仿真實(shí)驗(yàn),為了使本文機(jī)制的檢測(cè)結(jié)果具有可比性,在相同實(shí)驗(yàn)條件,選擇支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)的無(wú)線信道檢測(cè)機(jī)制進(jìn)行對(duì)比測(cè)試,無(wú)線網(wǎng)絡(luò)通信系統(tǒng)的驗(yàn)參數(shù)見(jiàn)表1.

表1 無(wú)線網(wǎng)絡(luò)通信系統(tǒng)的相關(guān)參數(shù)

4.2 結(jié)果與分析

4.2.1 信道檢測(cè)結(jié)果測(cè)試

對(duì)采集到的無(wú)線網(wǎng)絡(luò)信道檢測(cè)數(shù)據(jù)進(jìn)行預(yù)處理,如去噪,歸一化操作等,然后按3:1的比例將數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù).訓(xùn)練數(shù)據(jù)用于訓(xùn)練最小二乘支持向量機(jī),構(gòu)建無(wú)線網(wǎng)絡(luò)信道檢測(cè)的分類器,并且采用粒子群算法對(duì)無(wú)線網(wǎng)絡(luò)信道檢測(cè)分類器的參數(shù)進(jìn)行優(yōu)化,最后根據(jù)無(wú)線網(wǎng)絡(luò)信道檢測(cè)分類器對(duì)測(cè)試進(jìn)行分類和檢測(cè),檢測(cè)結(jié)果見(jiàn)圖3.

圖3 不同無(wú)線網(wǎng)絡(luò)信道檢測(cè)機(jī)制的檢測(cè)結(jié)果

對(duì)圖3的無(wú)線網(wǎng)絡(luò)信道檢測(cè)的正確率進(jìn)行對(duì)比分析可知,BP神經(jīng)網(wǎng)絡(luò)的無(wú)線網(wǎng)絡(luò)信道檢測(cè)的正確率最低,支持向量機(jī)的和最小二乘支持向量機(jī)的無(wú)線網(wǎng)絡(luò)信道檢測(cè)的正確率相差不大,均獲得理想的無(wú)線網(wǎng)絡(luò)信道檢測(cè)結(jié)果,這是因?yàn)锽P神經(jīng)網(wǎng)絡(luò)是一種傳統(tǒng)機(jī)器學(xué)習(xí)算法,基于“大數(shù)定理”,要求無(wú)線網(wǎng)絡(luò)信道檢測(cè)的訓(xùn)練樣本數(shù)量相當(dāng)大的,而無(wú)線網(wǎng)絡(luò)信道檢測(cè)的訓(xùn)練樣本有限,無(wú)法滿足“大數(shù)定理”的要求,導(dǎo)致無(wú)線網(wǎng)絡(luò)信道檢測(cè)的虛警率高,無(wú)線網(wǎng)絡(luò)信道檢測(cè)結(jié)果的可信度低,實(shí)際應(yīng)用價(jià)值低.

4.2.2 數(shù)據(jù)傳輸誤碼率測(cè)試

對(duì)不同的無(wú)線網(wǎng)絡(luò)信道檢測(cè)機(jī)制,隨著仿真時(shí)間不斷變化,它們的數(shù)據(jù)傳輸累計(jì)誤碼率仿真結(jié)果見(jiàn)圖4.從圖4可知,無(wú)線網(wǎng)絡(luò)通信累計(jì)誤碼率隨著仿真時(shí)間的延長(zhǎng)而不斷攀升,這是因?yàn)榉抡鏁r(shí)間越長(zhǎng),數(shù)據(jù)傳輸?shù)臄?shù)量不斷增加,那么數(shù)據(jù)傳輸錯(cuò)誤不斷增加,導(dǎo)致數(shù)據(jù)重傳統(tǒng)的次數(shù)不斷增加,數(shù)據(jù)傳輸?shù)某晒β室蚕鄳?yīng)的下降,在相同仿真時(shí)間段內(nèi),BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)傳輸累計(jì)誤碼率最高,其次為支持向量機(jī),數(shù)據(jù)傳輸累計(jì)誤碼率最小者為最小二乘支持向量機(jī),這表明最小二乘支持向量機(jī)可以更好的對(duì)無(wú)線網(wǎng)絡(luò)信道進(jìn)行檢測(cè),使數(shù)據(jù)通過(guò)更加可靠信道進(jìn)行傳輸,增強(qiáng)了無(wú)線網(wǎng)絡(luò)通信的魯棒性.

圖4 無(wú)線網(wǎng)絡(luò)通信累計(jì)誤碼率

4.2.3 吞吐量測(cè)試

統(tǒng)計(jì)所有無(wú)線網(wǎng)絡(luò)通信檢測(cè)機(jī)制的吞吐量,結(jié)果如圖5所示,從圖5可以發(fā)現(xiàn),隨著無(wú)線網(wǎng)絡(luò)信號(hào)質(zhì)量的不斷改善,所有機(jī)制的吞吐量得到相應(yīng)改善,在信噪比條件下,相對(duì)于 BP 神經(jīng)網(wǎng)絡(luò),支持向量機(jī),最小二乘支持向量機(jī)的吞吐量得到不同程度的提升,這主要因?yàn)樽钚《酥С窒蛄繖C(jī)通過(guò)粒子群算法對(duì)分類器參數(shù)優(yōu)化,更加精確的實(shí)現(xiàn)無(wú)線網(wǎng)絡(luò)信道檢測(cè),降低了非法用戶對(duì)通信干擾和不利影響,數(shù)據(jù)保密性得到增強(qiáng),提高了無(wú)線網(wǎng)絡(luò)通信系統(tǒng)的安全性.

4.2.4 信道檢測(cè)的時(shí)間測(cè)試

在無(wú)線網(wǎng)絡(luò)通信系統(tǒng)的工作過(guò)程,實(shí)時(shí)性明顯得尤為重要,為此統(tǒng)計(jì)不同無(wú)線網(wǎng)絡(luò)信道檢測(cè)時(shí)間(s),結(jié)果如圖6所示,對(duì)圖6的無(wú)線網(wǎng)絡(luò)信道檢測(cè)時(shí)間進(jìn)行比較可以發(fā)現(xiàn),BP神經(jīng)網(wǎng)絡(luò)的無(wú)線網(wǎng)絡(luò)信道檢測(cè)時(shí)間最短,而支持向量機(jī)的無(wú)線網(wǎng)絡(luò)信道檢測(cè)時(shí)間顯著增加,而最小二乘支持向量機(jī)的無(wú)線網(wǎng)絡(luò)信道檢測(cè)時(shí)間處于中間,雖然BP神經(jīng)網(wǎng)絡(luò)的信道檢測(cè)速度快,但是其檢測(cè)正確率,沒(méi)有什么實(shí)際應(yīng)用價(jià)值,而支持向量機(jī)的檢測(cè)速度太慢,無(wú)法滿足無(wú)線網(wǎng)絡(luò)信道檢測(cè)實(shí)時(shí)性,而最小二乘支持向量機(jī)兼顧了檢測(cè)效果和檢測(cè)時(shí)間的平均,綜合性能具有比較顯著的優(yōu)越性.

圖5 無(wú)線網(wǎng)絡(luò)通信系統(tǒng)的保密吞吐量

圖6 無(wú)線網(wǎng)絡(luò)信道的平均檢測(cè)時(shí)間

5 結(jié)論

信道檢測(cè)是保證無(wú)線網(wǎng)絡(luò)通信安全的一種重要機(jī)制,為了提高無(wú)線網(wǎng)絡(luò)信道檢測(cè)的準(zhǔn)確性,提出了基于最小二乘支持向量機(jī)的無(wú)線網(wǎng)絡(luò)的信道檢測(cè)機(jī)制,并且通過(guò)仿真實(shí)驗(yàn)可以得到如下結(jié)論:

(1) 基于BP神經(jīng)網(wǎng)絡(luò)的無(wú)線網(wǎng)絡(luò)信道檢測(cè)機(jī)制的檢測(cè)效果差,這主要是由于BP神經(jīng)網(wǎng)絡(luò)基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最大化原理建模,無(wú)法準(zhǔn)確反映無(wú)線網(wǎng)絡(luò)信道的變化特點(diǎn),獲得了較高的數(shù)據(jù)傳輸誤差率,信道通信質(zhì)量差.

(2) 支持向量機(jī)以及最小二乘支持向量機(jī)基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理建模,可以對(duì)不同類型信道進(jìn)行分類和檢測(cè),提高了無(wú)線網(wǎng)絡(luò)信道的檢測(cè)精度,加快了數(shù)據(jù)傳輸速度,而且數(shù)據(jù)傳輸成功率也得以改善,具有比較明顯的優(yōu)勢(shì).

(3) 采用粒子群算法對(duì)最小二乘支持向量機(jī)的參數(shù)優(yōu)化,可以改善無(wú)線網(wǎng)絡(luò)信道檢測(cè)的準(zhǔn)確性,防止了憑經(jīng)驗(yàn)確定最小二乘支持向量參數(shù)的局限性,降低了數(shù)據(jù)傳輸?shù)恼`碼率,提高了無(wú)線網(wǎng)絡(luò)的保密吞吐量,在保證無(wú)線網(wǎng)絡(luò)安全性方面具有廣泛的應(yīng)用前景.

參考文獻(xiàn)

1Pei CC,Zhang N,Shen XM,et al.Channel-based physical layer authentication.Proceedings of 2014 IEEE Global Communications Conference.Austin,TX,USA.2014.4114–4119.

2顏偉,蔡躍明,潘成康.雙向中繼信道中物理層網(wǎng)絡(luò)編碼的檢測(cè).通信學(xué)報(bào),2012,33(2): 82–86.

3朱亞?wèn)|,嚴(yán)錫君.基于非平穩(wěn)時(shí)頻分析的無(wú)線網(wǎng)絡(luò)信道均衡算法.計(jì)算機(jī)系統(tǒng)應(yīng)用,2017,26(2): 179–183.[doi: 10.15888/j.cnki.csa.005663]

4李敏樂(lè),畢大平,韓佳輝.適于動(dòng)態(tài)信道化接收機(jī)的信道檢測(cè)算法.現(xiàn)代雷達(dá),2017,39(5): 50–53.

5孫希延,劉健,紀(jì)元法,等.基于似然比檢驗(yàn)的超寬帶信道檢測(cè)與定位算法.電子與信息學(xué)報(bào),2017,39(3): 590–597.

6Marano S,Gifford WM,Wymeersch H,et al.NLOS identification and mitigation for localization based on UWB experimental data.IEEE Journal on Selected Areas in Communications,2010,28(7): 1026 –1035.[doi: 10.1109/JSAC.2010.100907]

7薛偉,宋成君,張東東.基于虛擬信道多路徑融合認(rèn)知無(wú)線網(wǎng)絡(luò)路由算法.計(jì)算機(jī)系統(tǒng)應(yīng)用,2015,24(10): 227–232.[doi: 10.3969/j.issn.1003-3254.2015.10.038]

8路璐,凌捷.尺度變換復(fù)雙樹(shù)小波網(wǎng)絡(luò)隱藏信道深度檢測(cè).計(jì)算機(jī)應(yīng)用研究,2017,34(1): 256–260.

9劉標(biāo),蘭少華,張晶,等.一種基于遞歸圖的網(wǎng)絡(luò)時(shí)間隱蔽信道檢測(cè)方法.計(jì)算機(jī)科學(xué),2015,42(2): 114–117,149.[doi: 10.11896/j.issn.1002-137X.2015.02.024]

10梁竣.網(wǎng)絡(luò)存儲(chǔ)隱蔽信道檢測(cè)的改進(jìn)與優(yōu)化仿真.計(jì)算機(jī)仿真,2017,34(2): 406–409.

11劉義,蘭少華.基于 One-class SVM 的網(wǎng)絡(luò)時(shí)間隱蔽信道檢測(cè)方法.計(jì)算機(jī)與現(xiàn)代化,2017,(6): 108–111,121.

12劉春.基于PSO-LSSVM的網(wǎng)絡(luò)流量預(yù)測(cè)模型.計(jì)算機(jī)系統(tǒng)應(yīng)用,2014,23(10): 147–151.[doi: 10.3969/j.issn.1003-3254.2014.10.025]

13楊建喜,戴楚屏,姜停停,等.基于支持向量機(jī)的 4G 室內(nèi)物理層認(rèn)證算法.計(jì)算機(jī)應(yīng)用,2016,36(11): 3103–3107,3112.[doi: 10.11772/j.issn.1001-9081.2016.11.3103]