一种基于聚类的电台通联关系发现方法

为保证反恐维稳等工作的顺利进行,识别无线通信个体的通联关系具有重要意义。现有研究是对频谱数据进行聚类得到各电台发出的频谱信号集,再依据时间分布对聚类簇进行基于规则的分析确认通联关系。此类方法需要确定聚类簇开始结束时间的差值,开始结束时间相近时难以得到准确结果。此外,该方法受噪声、干扰和测量误差等因素的影响较大。因此,提出在频谱数据聚类的基础上运用层次聚类对聚类簇再次聚类,从而发现通联关系,并在仿真数据集上验证了该方法的可行性和有效性。

无线通信网络节点间通联关系的发现与更新算法

无线通信网络的节点间通联关系发现问题是网络层面通信对抗的一个重要问题。由于很难直接获得无线通信网络中节点间的通联关系,利用各节点的通信行为数据来进行通联关系发现是一个有价值的方向。考虑到各节点间的通信行为的关联,利用数据挖掘中的关联规则挖掘方法可以有效地从通信行为数据库中发现节点间的通联关系,将通联关系的发现问题转为关联规则挖掘问题,但现有的算法都不能高效地解决通信行为数据库变化时的通联关系更新问题。提出了一种针对无线通信网络进行节点间通联关系发现和更新的新算法。算法主要基于增量式PCA算法和矩阵变换,能够有效地从变化的庞大通信行为数据库中进行通联关系发现和更新。仿真实验表明算法在时间复杂度和结果准确度上均具有优势。

基于通联关系的通信网络拓扑发现方法

现有的网络拓扑推断方法,通常需要破解通信信号内容,不但成本高,适应性也较差。针对此问题,提出不破解信号内容,仅通过频谱信号物理特征和统计规律来挖掘通信目标间的通联关系,从而分析并构建网络拓扑结构。基于周期、功率、信号起始时间等特征,利用聚类算法挖掘目标区域内的通联关系。此外,对频谱数据集进行划分,依次分析每个子集的通联关系,结合子集的质心位置,推断通信网络拓扑。最后,将所有子集对应的网络拓扑结构合并得到整个频谱数据集的通信网络拓扑。