一种通信系统中面向导频攻击的信道方向盲分离方法
专利汇可以提供一种通信系统中面向导频攻击的信道方向盲分离方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种通信系统中面向导频攻击的信道方向盲分离方法，属于无线通信技术领域。本发明能够应用在含有导频攻击的无线通信系统中，能够分离出用户和攻击者的信道方向，本发明的优点是其实施不依赖于攻击者符号的先验知识，同时允许攻击符号与合法符号之间存在一定程度的统计关联。在比较了传统独立主成分分析的LDPR性能后可以看到，在中高 信噪比 下，本发明方法优于已有的独立主成分分析 算法 ，贴近最优性能。，下面是一种通信系统中面向导频攻击的信道方向盲分离方法专利的具体信息内容。
1.一种通信系统中面向导频攻击的信道方向盲分离方法，其特征在于该方法包括以下步骤：
(1)通信系统中的基站接收来自合法用户和攻击者的n个时刻的信号，提取信号的子空间，并将信号投影到子空间，具体包含以下步骤：
(1-1)合法用户和攻击者分别向通信系统的基站以P1和P2的发送功率发送信号Ai和Bi，Ai和Bi来自符号集 和 i为信号发送时刻，基站接收合法用户和攻击者的信号，将接收信号记为yi： 其中h表示合法用户到基站的M×1信
道矢量，g表示攻击者到基站的M×1信道矢量，M是基站配置的天线数目，Wi表示第i个时刻信道的叠加噪声，叠加噪声Wi里的每个元素变量服从均值为0、方差为σ2的复高斯分布；
(1-2)通信系统基站重复步骤(1-1)，接收合法用户和攻击者的发送信号，得到接收矢量y1,…yi,…yn,组成一个接收信号矩阵Y，Y＝[y1,y2,…,yn]，Y的表达式为：
其中，i＝1,...n，W＝[w1,w2,...,wn]是叠加噪声矩阵，A＝[A1,A2,...,An]是合法用户的发送符号序列，B＝[B1,B2,...,Bn]是攻击者的发送符号序列；
对上述接收信号矩阵Y进行特征值分解，得到Y＝UΣVT，其中U为特征值分解中的左奇异矩阵，V为特征值分解中的右奇异矩阵，Σ是特征值分解中的对角阵，上标T为矩阵转置；
(1-3)取上述矩阵U最左侧的两个列向量，将该两个列向量组成矩阵S，利用S得到接收信号矩阵Y在矩阵S上投影
其中，M是基站配置的天线数目，N为叠加噪声矩阵W在矩阵S上的投影， 是一个2×n矩阵，记作
将投影 的实部和虚部拆开，得到一个4×n的矩阵Z，Z＝[z1,...,zn]，其中，＝1,...n， 和 分别表示对矢量取实部和取虚部操作，将上述 中
的 记为有用信息 同理将 的实部和虚部拆开，得到
(2)对投影以后的矩阵Z＝[z1,...,zn]进行量化，将zi表示为 i＝1,
...n，对zi中的每个元素进行m级量化，m的取值为64或者128，量化区间和量化区间的端点分别表示如下：
其中，α为上述步骤(1)中通信系统基站接收信号的最大值， 表示量化区间的间隔，该间隔为定值，j为量化区间的编号,j＝1,2,...,m；
按照如下方法，分别将上述zi,1、zi,2、zi,3和zi,4量化为
4
其中，1{·}表示示性函数，则zi被量化为 i＝1,...n， 包含m个元素，
记作
(3)利用上述步骤(2)的量化结果，求解上述 的经验分布函数，包括
以下步骤：
(3-1)利用下式求解 ＝1,...n的经验分布函数
根据经验分布函数，得到经验分布函数 的特征函数
其中W是四维频率矢量，w＝[ω1,ω2,ω3,
ω4]；
(3-2)对上述四维频率矢量W进行离散化，得到一个四维离散集合W'：
其中，m为zi中每个元素的量化级数，根据特征函数 分别取W'中的离散值，得到离散值集合 根据通信系统中信号噪声的特征函数
将离散值集合 中的每一个数值除以对应的 得到有用信
息Z′的特征函数估计 其中，σ2为叠加噪声Wi中每个元素的
方差；
(3-3)对上述特征函数的估计进行特征函数反变换，以求得有用信息Z′的经验分布函数
其中， 是一个四元函数，记作 k1、k2、k3、k4的取值范围均为1,
2,...,m；
(4)根据上述经验分布函数 求解 的符号表，
包括以下步骤：
(4-1)建立一个初始值为空集的集合 设定一个判断阈值ε，将k1、k2、k3、k4的初始值均设置为1；
(4-2)根据阈值ε进行判断，若 则执行步骤(4-5)，若
则得到一个中间变量k：
k＝k1+m(k2-1)+m2(k3-1)+m3(k4-1)；
(4-3)根据上述步骤(4-2)中的k值，从上述步骤(2)的集合 中获取第k个矢量 记作 根据 得到复数矢量V：
将V存入到上述步骤(4-1)的集合 中；
(4-4)将k1的数值加1，若k1＞m，则执行步骤(4-5)，若k1≤m，则重复步骤(4-2)和(4-3)；
(4-5)将k1设置为1，将k2的数值加1，若k2＞m，则执行步骤(4-6)，若k2≤m，则重复步骤(4-2)和(4-3)；
(4-6)将k2设置为1，将k3的数值加1，若k3＞m，则执行步骤(4-7)，若k3≤m，则重复步骤(4-2)和(4-3)；
(4-7)将k3设置为1，将k4的数值加1，若k4≤m，则重复步骤(4-2)和(4-3)，若k4＞m，则完成步骤(4)，得到最终的集合
(5)利用上述步骤(4)的集合 实现通信系统中面向导频攻击的信道方向盲分离，具体包括以下步骤：
(5-1)将 中的各元素任意两两取差值，得到差值集合
从上述差值集合 中选择一个子集 将差值集合
切分为T个子集，切分时满足条件 对任意s≠t，
的子集即为 其中，d为集合 中的一个元素，上标H为矢量d的共轭转置；
(5-2)计算集合 中元素d1的权重。具体计算方法为，先设置一个空集记作 然后将步骤(4)的集合 中的各矢量两两组合，记作 其中l1＜l2 如
果 满足条件 则将 和 存入集合 遍历完所有可能的
以后，集合 里所包含的矢量个数即为d1的权重，记作W(d1)；
同理，按照上述步骤依次计算集合 中的d2,d3,...dT各矢量的权重，
最后从 中选择权重最大的两个矢量作为z1,z2的估计，记为
(5-3)利用步骤(1-3)中的矩阵S，对上述 进行投影，得到信道
对 进行归一化处理，得到信道方向 实现通信系统中
面向导频攻击的信道方向盲分离。
一种通信系统中面向导频攻击的信道方向盲分离方法
技术领域
背景技术
发明内容
到基站的M×1信道矢量，g表示攻击者到基站的M×1信道矢量，M是基站配置的天线数目，Wi表示第i个时刻信道的叠加噪声，叠加噪声Wi里的每个元素变量服从均值为0、方差为σ2的复高斯分布；
Z′的特征函数估计 其中，σ2为叠加噪声Wi中每个元素的方差；
的子集即为 其中，d为集合 中的一个元素，上标H为矢量d的共轭转置；
遍历完所有可能的 以后，集合 里所包含的矢量个数即为d1的权重，记作W(d1)；
信系统中面向导频攻击的信道方向盲分离。
具体实施方式
到基站的M×1信道矢量，g表示攻击者到基站的M×1信道矢量，M是基站配置的天线数目，Wi表示第i个时刻信道的叠加噪声，叠加噪声Wi里的每个元素变量服从均值为0、方差为σ2的复高斯分布；
息Z′的特征函数估计 其中，σ2为叠加噪声Wi中每个元素的
方差；
子集即为 其中，d为集合 中的一个元素，上标H为矢量d的共轭转置；
以后，集合 里所包含的矢量个数即为d1的权重，记作W(d1)；
系统中面向导频攻击的信道方向盲分离。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 视锥视杆复用式仿生视觉传感器 | 2020-05-08 | 724 |
| 一种相位相关的共享深度卷积神经网络语音增强方法 | 2020-05-08 | 426 |
| 一种基于嵌套式法拉第筒的高场非对称波形离子迁移谱仪 | 2020-05-08 | 806 |
| 基于CDN和MEC的车联网移动性管理方法 | 2020-05-08 | 289 |
| 一种基于MDM-SDM的量子与经典融合通信系统及传输方法 | 2020-05-08 | 756 |
| 一种快速响应的高精度光散射浊度计测量装置 | 2020-05-08 | 250 |
| 基于瞬时频率的带静默间断信号的端点识别方法及应用 | 2020-05-08 | 651 |
| 一种窃听环境下轮流中继网络的安全传输方法 | 2020-05-08 | 435 |
| 一种语音识别方法、装置、设备和存储介质 | 2020-05-08 | 664 |
| 一种基于图像质量的人脸防伪方法 | 2020-05-11 | 75 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
