基于數(shù)據(jù)驅動的艦船通信網絡異常行為檢測方法

莫凡，梁麗莎

(湛江科技學院 智能制造學院,廣東 湛江 524094)

0 引言

隨著無線通信組網技術的發(fā)展，采用無線通信技術建立艦船通信網絡，提高艦船數(shù)據(jù)準確收發(fā)轉換能力。然而，在艦船通信中，節(jié)點之前的干擾和誤碼等因素，導致艦船通信異常，需要結合艦船通信網絡異常特征分析方法，建立艦船通信網絡異常行為檢測模型，分析艦船通信網絡異常行為導致艦船通信中斷和失效的原因，提高艦船通信網絡異常檢測能力。構建優(yōu)化的艦船通信網絡異常行為檢測模型，在艦船軍用通信方面具有重要意義[1]。

對艦船通信網絡異常行為檢測建立在對網絡通信節(jié)點的優(yōu)化覆蓋基礎上，通過組網節(jié)點的效能參數(shù)分析，結合網絡節(jié)點的覆蓋參數(shù)分析和可靠性節(jié)點分析，實現(xiàn)對艦船通信網絡特征分析和行為參數(shù)分析[2]。傳統(tǒng)方法中，對艦船通信網絡異常行為檢測方法主要有基于波比特分塊檢測的艦船通信網絡異常檢測方法[3]、增益調節(jié)控制方法等[4]。采用基于電磁耦合調制的艦船通信網絡異常檢測方法，結合多徑干擾抑制，采用載波調制技術實現(xiàn)通信信道分布式融合，根據(jù)信道均衡調度能力，實現(xiàn)對艦船網絡節(jié)點異常檢測。但當前方法對艦船通信網絡異常行為檢測誤差較大，實時通信能力不好。針對上述問題，本文提出基于數(shù)據(jù)驅動的艦船通信網絡異常行為檢測方法。首先構建艦船通信網絡的節(jié)點覆蓋模型，然后采用譜分量融合和融合聚類處理方法，實現(xiàn)對艦船網絡異常行為的數(shù)據(jù)驅動控制。最后，通過仿真測試進行性能驗證。

1 艦船無線通信組網節(jié)點部署和行為參數(shù)采集

1.1 艦船無線通信組網節(jié)點部署

為了實現(xiàn)基于數(shù)據(jù)驅動的艦船通信網絡異常行為檢測，采用最短路徑和最大覆蓋范圍尋優(yōu)方法構建艦船通信網絡的節(jié)點覆蓋模型[5]，構建節(jié)點分布模型如圖1 所示。

圖1 艦船通信網絡的節(jié)點覆蓋模型Fig.1 Node coverage model of ship communication network

在圖1 所示的節(jié)點分布模型中，采用無線傳感節(jié)點采集，分析艦船編隊節(jié)點移動性特征，結合通信組網節(jié)點的優(yōu)化部署設計，通過自組網的形式交互狀態(tài)特征分析，得到通信拓撲控制支配點集在m個終端鏈路的傳輸鏈路分配函數(shù)為：

式中：θ0和?兩個參數(shù)分別表示艦船編隊拓撲總代價系數(shù)和偏移；w(k)為學習權重；k為編隊跟隨的航向分量；l為艦船網絡通信的帶寬；a(θ)為艦船網絡通信的加權通信鏈路拓撲；aH(θ)為a(θ)的酉矩陣；δl為動態(tài)分量，加權通信鏈路拓撲圖模型為：

式中：an(t)為終端通信接入網中的核心站點的增益幅值；τn(t)為艦船終端通信接入的時延；fc為聯(lián)合自相關匹配特征值；sl為單點失效函數(shù)。

利用星型和鏈路型的組網方式方法，得到通信節(jié)點效用函數(shù)如下：

式中，an(t)為SDH 設備通過 GE 口進行互聯(lián)的覆蓋度幅值。

鏈路長度和相位表示為：

式中：p0為鏈路組成的通信圖模型分布功率譜；sj為通信距離；s′為通信開銷。由此建立艦船無線通信組網節(jié)點部署模型，根據(jù)節(jié)點部署進行組網通信的異常特征分析。

1.2 艦船無線通信組網節(jié)點定位

采用最短路徑和最大覆蓋范圍尋優(yōu)方法構建艦船通信網絡的節(jié)點覆蓋模型，通過最小間隔均衡控制方法，得到通信網絡的異常動態(tài)分布集為：

艦船編隊信息交互拓撲圖模型中，轉發(fā)區(qū)域集為?A1=GFA1,?B1=GFB1，由于通信鏈路的選擇不同，得到空間分配的均衡控制模型參數(shù)可表示為：

將整個編隊視為單個整體，在有限的網絡拓撲結構中，得到艦船通信組網節(jié)點之間的幾何測度距離，其計算公式如下：

式中：xi,yi,xjyj分別自組網編隊的動力學模型參數(shù)和幾何跟蹤參數(shù)；d(i,j)為總勢能最小的狀態(tài)分布聚類，得到異常行為特征分布的穩(wěn)態(tài)增益為：

式中：i(i=1,2,...,M)為艦船通信自組網交互編隊控制所需的時間；為總勢能最小的狀態(tài)參數(shù)；為自組網交互反饋系數(shù)，由此得到艦船通信的行為數(shù)據(jù)驅動模型描述為：

式中：x(k)∈Rn×1為期望編隊結構編碼序列；A(k)∈Rn×n為通信組網節(jié)點之間的碰撞檢測節(jié)點集；Γ(k)為損失特征分布集。

采用異構模型動態(tài)分配的方法，利用zk+1對估計進行更新得到：

通過雙向鏈路(k,i)進行艦船通信網絡的異常行為動態(tài)監(jiān)測。

2 艦船通信網絡異常行為檢測

2.1 艦船無線通信組網異常節(jié)點行為特征提取

基于周圍相鄰節(jié)點的位置信息參數(shù)，分析整個編隊組成的網絡拓撲圖的連通性，分析目標點信息或路徑信息等任務信息分配模型，通過艦基無線通信組網分布式組合序列重組，進行通信信道均衡配置，節(jié)點間的移動特征分布函數(shù)為Z，采用四元組表示為：{S1,S2,···,SL}，艦船通信網絡異常行為分布網絡拓撲圖的連通性用圖模型表示為G=(V,E)，設計艦船通信網絡異常行為分布無向圖G=(V,E,W)，用dG(u,v)表示圖G中從u到v最小跳數(shù)，連通圖G中，V表示編隊變化較大的情況下艦船通信組網的節(jié)點集，V2表示任意兩點邊集，得到網絡拓撲圖的連通性信息覆蓋集Si(i=1,2,···,L)滿足以下條件：

式中：MIS 為編隊控制對時延的動態(tài)學習參數(shù)；S產生的消息量的個數(shù)。

采用圖2 所示的模型結構，進行信道均衡配置，提高通信網絡的異常特征檢測識別能力。

圖2 艦船無線通信組網的信道配置模型Fig.2 Channel configuration model for ship wireless communication networking

根據(jù)圖2 所示的艦船無線通信組網的信道配置模型，采用數(shù)據(jù)驅動控制，得到輸入通信傳遞模型分布的功率因素為pi，pk和pk+1，異常行為特征檢測的聚類信息為ri，rk和rk+1，艦船通信網絡的異常鏈路分布的比特率：

式中，p(t)為節(jié)點鏈路分布的帶寬。

通過對艦船通信網絡的行為特征參數(shù)分析，結合譜分量融合和融合聚類處理方法進行特征檢測。

2.2 通信信道均衡處理及異常檢測

采用可重構智能鏈路拓撲結構組合控制的方法，建立艦船通信網絡的信道傳輸層次化分析模型，采用結構化調度和擴頻處理，得到艦船通信網絡的異常行為分布在鄰域neighbor(Li)={Li1，Li2}范圍內的特征量，根據(jù)前L層的子載波反饋結果，得到信道均衡配置輸出模型描述為：

式中，分別用c、C、sc和dc代表鏈路層傳輸信道特征分布集。

考慮艦船通信網絡中電磁場空間分布特性，信息加載在集合碼組內的擴頻序列為c′(t)，時間延遲為 τl，此時網絡異常行為特征點的衰減項滿足cjTc

根據(jù)上述分析，實現(xiàn)對艦船無線通信組網的異常行為檢測，實現(xiàn)流程如圖3 所示。

圖3 艦船無線通信網絡異常檢測實現(xiàn)流程Fig.3 Implementation process for anomaly detection in ship wireless communication network

3 仿真實驗與結果分析

在進行艦船通信網絡數(shù)據(jù)傳輸仿真測試中，對艦船通信網絡的數(shù)據(jù)采樣的陣元數(shù)為38，艦船通信網絡的無線通信結的配置的周期為24 ms，陣元傳輸帶寬為1.5 dB，接收器中心位于(1.4 m,2.4 m,2.5 m)，通信節(jié)點的拓撲個數(shù)為200，根據(jù)上述參數(shù)設定，得到艦船通信網絡行為特征分布如圖4 所示。

圖4 艦船通信網絡行為特征提取Fig.4 Feature extraction of ship communication network behavior

以圖4 的艦船通信網絡行為特征監(jiān)測結果為測試對象，進行異常檢測，結合譜分量融合和融合聚類結果，得到異常行為檢測結果如圖5 所示。

圖5 異常行為檢測結果Fig.5 Abnormal Behavior Detection Results

分析可知，本文方法對艦船通信網絡異常行為檢測的聚類性較好，測試異常檢測后輸出的誤碼率，得到對比結果見表1。分析得知，本文方法提高了艦船通信的準確性，降低輸出誤碼率。

表1 誤碼率測試Tab.1 Error Rate Test

4 結語

建立艦船通信網絡異常行為檢測模型，分析艦船通信網絡異常行為導致艦船通信中斷和失效的原因，提高艦船通信網絡異常檢測能力。本文提出基于數(shù)據(jù)驅動的艦船通信網絡異常行為檢測方法，采用最短路徑和最大覆蓋范圍尋優(yōu)方法構建艦船通信網絡的節(jié)點覆蓋模型，結合譜分量融合和融合聚類處理方法進行特征檢測。研究得知，本文方法提高了通信的可靠性，降低誤碼率。