随着无线通信组网技术的发展,采用无线通信技术建立舰船通信网络,提高舰船数据准确收发转换能力。然而,在舰船通信中,节点之前的干扰和误码等因素,导致舰船通信异常,需要结合舰船通信网络异常特征分析方法,建立舰船通信网络异常行为检测模型,分析舰船通信网络异常行为导致舰船通信中断和失效的原因,提高舰船通信网络异常检测能力。构建优化的舰船通信网络异常行为检测模型,在舰船军用通信方面具有重要意义[1]。
对舰船通信网络异常行为检测建立在对网络通信节点的优化覆盖基础上,通过组网节点的效能参数分析,结合网络节点的覆盖参数分析和可靠性节点分析,实现对舰船通信网络特征分析和行为参数分析[2]。传统方法中,对舰船通信网络异常行为检测方法主要有基于波比特分块检测的舰船通信网络异常检测方法[3]、增益调节控制方法等[4]。采用基于电磁耦合调制的舰船通信网络异常检测方法,结合多径干扰抑制,采用载波调制技术实现通信信道分布式融合,根据信道均衡调度能力,实现对舰船网络节点异常检测。但当前方法对舰船通信网络异常行为检测误差较大,实时通信能力不好。针对上述问题,本文提出基于数据驱动的舰船通信网络异常行为检测方法。首先构建舰船通信网络的节点覆盖模型,然后采用谱分量融合和融合聚类处理方法,实现对舰船网络异常行为的数据驱动控制。最后,通过仿真测试进行性能验证。
1 舰船无线通信组网节点部署和行为参数采集 1.1 舰船无线通信组网节点部署为了实现基于数据驱动的舰船通信网络异常行为检测,采用最短路径和最大覆盖范围寻优方法构建舰船通信网络的节点覆盖模型[5],构建节点分布模型如图1所示。
![]() |
图 1 舰船通信网络的节点覆盖模型 Fig. 1 Node coverage model of ship communication network |
在图1所示的节点分布模型中,采用无线传感节点采集,分析舰船编队节点移动性特征,结合通信组网节点的优化部署设计,通过自组网的形式交互状态特征分析,得到通信拓扑控制支配点集在
Rw(l)=E[w(k)wH(k+l)]=∫π−π[δl.1Δ√2πe−(θ−θ0)2/−(θ−θ0)22Δ22Δ2]a(θ)aH(θ)dθ。 | (1) |
式中:
x(t)=Re{an(t)e−j2πfcτn(t)sl(t−τn(t))e−j2πfct}。 | (2) |
式中:
利用星型和链路型的组网方式方法,得到通信节点效用函数如下:
c(τ,t)=∑nan(t)e−j2πfcτn(t)δ(t−τn(t))。 | (3) |
式中,
链路长度和相位表示为:
L=√(¯p0s′)2+(¯p0sj)2−2(¯p0s′)×(¯p0sj)×cos∠sjp0s′, | (4) |
φ=arccos((¯p0sj)2+(¯sjs′)2−(¯p0s′)22(¯sjs′)×(¯p0sj))。 | (5) |
式中:
采用最短路径和最大覆盖范围寻优方法构建舰船通信网络的节点覆盖模型,通过最小间隔均衡控制方法,得到通信网络的异常动态分布集为:
(¯ps′)2+(¯pp1)2−2(¯ps′)×(¯pp1)×cos∠s′pp′=(¯p1s′)2。 | (6) |
舰船编队信息交互拓扑图模型中,转发区域集为
¯ps′=¯pp1×cos∠s′pp′+√(¯p1s′)2+(¯pp1)2×sin2∠s′pp′。 | (7) |
¯p0s′=¯ps′+¯p0p。 | (8) |
将整个编队视为单个整体,在有限的网络拓扑结构中,得到舰船通信组网节点之间的几何测度距离,其计算公式如下:
d(i,j)=√(xi−xj)2+(yi−yj)2。 | (9) |
式中:
zik=hik(xk,uk)+vik,i=1,2,...,M。 | (10) |
式中:
x(k+1)=A(k)x(k)+Γ(k)w(k), | (11) |
zi(k)=Hi(k)x(k)+ui(k),i=1,2,⋯,N。 | (12) |
式中:
采用异构模型动态分配的方法,利用
ˆx+k+1=ˆx−k+1+Kk+1(zk+1−ˆx−k+1)。 | (13) |
通过双向链路
基于周围相邻节点的位置信息参数,分析整个编队组成的网络拓扑图的连通性,分析目标点信息或路径信息等任务信息分配模型,通过舰基无线通信组网分布式组合序列重组,进行通信信道均衡配置,节点间的移动特征分布函数为
Si∩Sj=φ,∀i≠j, | (14) |
∪Li=1Si=V−{MIS}。 | (15) |
式中:
采用图2所示的模型结构,进行信道均衡配置,提高通信网络的异常特征检测识别能力。
![]() |
图 2 舰船无线通信组网的信道配置模型 Fig. 2 Channel configuration model for ship wireless communication networking |
根据图2所示的舰船无线通信组网的信道配置模型,采用数据驱动控制,得到输入通信传递模型分布的功率因素为
r(t)=12log(1+p(t))。 | (16) |
式中,
通过对舰船通信网络的行为特征参数分析,结合谱分量融合和融合聚类处理方法进行特征检测。
2.2 通信信道均衡处理及异常检测采用可重构智能链路拓扑结构组合控制的方法,建立舰船通信网络的信道传输层次化分析模型,采用结构化调度和扩频处理,得到舰船通信网络的异常行为分布在邻域
i1={i−1,i≠1,CL,i=1,i2={i+1,i≠CL,1,i=CL。 | (17) |
考虑舰船通信网络中电磁场空间分布特性,信息加载在集合码组内的扩频序列为
根据上述分析,实现对舰船无线通信组网的异常行为检测,实现流程如图3所示。
![]() |
图 3 舰船无线通信网络异常检测实现流程 Fig. 3 Implementation process for anomaly detection in ship wireless communication network |
在进行舰船通信网络数据传输仿真测试中,对舰船通信网络的数据采样的阵元数为38,舰船通信网络的无线通信结的配置的周期为24 ms,阵元传输带宽为1.5 dB,接收器中心位于(1.4 m, 2.4 m, 2.5 m),通信节点的拓扑个数为200,根据上述参数设定,得到舰船通信网络行为特征分布如图4所示。
![]() |
图 4 舰船通信网络行为特征提取 Fig. 4 Feature extraction of ship communication network behavior |
以图4的舰船通信网络行为特征监测结果为测试对象,进行异常检测,结合谱分量融合和融合聚类结果,得到异常行为检测结果如图5所示。
![]() |
图 5 异常行为检测结果 Fig. 5 Abnormal behavior detection results |
分析可知,本文方法对舰船通信网络异常行为检测的聚类性较好,测试异常检测后输出的误码率,得到对比结果见表1。分析得知,本文方法提高了舰船通信的准确性,降低输出误码率。
![]() |
表 1 误码率测试 Tab.1 Error rate test |
建立舰船通信网络异常行为检测模型,分析舰船通信网络异常行为导致舰船通信中断和失效的原因,提高舰船通信网络异常检测能力。本文提出基于数据驱动的舰船通信网络异常行为检测方法,采用最短路径和最大覆盖范围寻优方法构建舰船通信网络的节点覆盖模型,结合谱分量融合和融合聚类处理方法进行特征检测。研究得知,本文方法提高了通信的可靠性,降低误码率。
[1] |
马志峰, 于俊洋, 王龙葛. 多样性表示的深度子空间聚类算法[J]. 计算机应用, 2023, 43(2): 407–412.
|
[2] |
肖振宇, 刘珂, 朱立鹏. 无人机机间毫米波阵列通信技术[J]. 通信学报, 2022, 43(10): 196-209. |
[3] |
苏燕, 黄小华. 基于MPC 8247的舰载火控计算机串行通信模块设计[J]. 舰船科学技术, 2022, 44(8): 131-134. DOI:10.3404/j.issn.1672-7649.2022.08.027 |
[4] |
秦宁宁, 余颖华, 吴德恩. 移动混合传感网中节点自主部署算法[J]. 电子与信息学报, 2016, 38(7): 1838–1842.
|
[5] |
娄柯, 崔宝同, 李纹. 基于蜂拥控制的移动传感器网络目标跟踪算法[J] 控制与决策, 2013, 28(11): 1637–1642.
|