求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。

聲東擊西反客為主檢視原始碼討論檢視歷史

事實揭露 揭密真相
前往: 導覽搜尋

來自 搜狐網 的圖片

聲東擊西反客為主在現代無線通信領域,隨着無線通信技術的發展和各種無線設備的增加,大部分頻譜資源被分給授權用戶使用,但是可用無線電頻譜範圍只從幾百 KHz 到十幾 GHz,導致了可用無線頻譜資源比較緊張,使得無論是來自通信系統的外部干擾還是系統用戶之間的互擾都變得日益嚴重。而隨着軟件無線電技術[1]的不斷發展,干擾攻擊的成本也越來越低,例如HackRF 軟件無線電設備,其工作頻段可達 6GHz,而且具有體積小,操作簡易等特點,使得利用此類設備很容易發動惡意干擾,且難以定位。

因此,未來干擾環境將呈現出「干擾智能」、「構成複雜」等典型特徵。「干擾智能」是指干擾具有智能性,即能夠通過學習用戶的用頻策略,從而實施更有效的干擾打擊。「構成複雜」是指干擾形式多樣,包括掃頻,寬頻反應式干擾等多種干擾。因此,為保證無線通信的可靠傳輸,研究新型干擾環境中的智能抗干擾技術意義重大。為了提高通信系統傳輸的可靠性,對抗各種形式的干擾,需要採用合適的抗干擾方法來保證通信系統正常運作。

傳統的抗干擾技術主要有干擾躲避技術和干擾消除技術。干擾躲避技術即利用躲避的方式應對干擾的攻擊,如頻域的跳頻、時域的跳時等。而傳統的頻域抗干擾方法如跳頻、擴頻、被動感知接入頻譜等存在諸多局限,已無法滿足對抗新型干擾技術的要求,主要表現為:1)傳統的跳頻、擴頻技術變化樣式固定,對抗模式單一,很容易被敵方學習到規律進而實施針對性干擾,頻譜利用率低;2)基於感知的動態頻譜接入技術難以應對高速變化的頻譜環境,特別是無法對抗不斷升級的智能干擾樣式。干擾消除技術即利用信號處理的方式將接收信號中的干擾儘可能消除,如自適應濾波、盲源分離抗干擾技術等。然而,傳統的抗干擾技術缺乏對干擾智能性的研究,且在抗干擾決策方面智能性不足,在新型干擾環境中其性能難以保證。因此,需要新的頻域抗干擾技術。

為此,在動態頻譜抗干擾背景下,本項目選擇基於智能學習的動態頻譜抗干擾方法研究與 USRP 平台(Universal Software Radio Peripheral)實現作為研究方向。方法層面的研究對實際系統的平台驗證具有指導作用,只有在理論上能夠收斂且具有較好抗干擾能力的算法才具有實現價值;實際系統的平台驗證能夠檢驗算法的抗干擾能力,還可以根據系統性能的影響因素,為算法的改進提供經驗指導。通過使用本項目中的抗干擾技術,經硬件平台驗證可以有效解決通信系統中的干擾問題,從而應用到不同的抗干擾領域。

內容和技術

本項目的內容主要分為三個方面,內容一是基於 USRP 的通信系統網絡搭建及干擾模塊實現。其中設計了無線傳輸子系統、寬帶頻譜感知子系統、兩級交互子系統和智能決策子系統,這些子系統模塊共同組成了智能通信網絡[2]。內容二是干擾系統,可實現定頻干擾、掃頻干擾、寬頻干擾及更具智能性的反應式干擾。內容三是抗干擾子系統,包括智能算法決策模塊、頻譜管控模塊及誘餌信號釋放模塊,分別用於對抗上述的不同干擾形式。下面對項目內容進行詳細說明。

1. 基於 USRP 的通信系統模塊

使用 USRP 搭建了用於傳輸圖片數據的無線通信系統,該系統數據傳輸所占帶寬為 2MHz,可在5 個不同信道上進行頻點切換。其中通信系統包括前向數據傳輸鏈路與反向 ACK 控制鏈路,數據傳輸鏈路用於由發射端向接收端發送業務信息,ACK 控制鏈路用於接收端向發射端反饋頻點協調消息,實現動態頻譜接入。

2. 干擾系統實現模塊

干擾攻擊按照持續時間的不同可分為持續性干擾攻擊和反應式干擾攻擊。通常來說 MAC 層協議要求通信設備只能夠在信道空閒或是對其他用戶的干擾低於某些閾值的情況下才能在信道中發送消息。持續性干擾攻擊源能夠在選定信道後不間斷的向干擾信道發送信號,使得被干擾信道一直處於擁塞狀態。我們設計的定頻干擾即屬於持續性干擾,但其只能對一個信道施加干擾,局限性較強。在此基礎上設計了掃頻干擾及寬頻干擾,掃頻干擾能夠在一段時間內對所有信道進行一遍干擾,而寬頻干擾一次能夠覆蓋所有信道,但其能量消耗較大且在實際應用中容易暴露。上述的干擾在選擇干擾信道時並不會去關注用戶的信道選擇,與之形成對比的是反應式干擾,其會一直處於監聽狀態,一旦某信道處於活躍狀態就會立刻在該信道施加干擾;反之當信道處於空閒狀態時反應式干擾源則保持緘默狀態。因此反應式干擾是一種更加智能的攻擊方式,在更有效的利用能量的同時具有更好的隱蔽性。

3. 智能算法設計與抗干擾策略實現

作為強化學習的一種,Q 學習是一種經典的無模型強化學習技術,無需事先對交互環境建立模型,通過權衡當前可獲得的收益與未來狀態的收益,對長期效益進行優化。但未知環境下,Q 學習由於沒有系統參數的先驗知識,需要隨機探索狀態,利用大規模的經驗進行採樣學習。而遷移學習技術可有效提升對歷史經驗樣本的利用率,能夠更高效的決策,從而提高網絡的抗干擾效率。

以上所提的智能算法在應對窄帶規律性干擾時效果顯著,但在面臨智能性更強的反應式干擾及壓制性更強的寬頻干擾時無法有效應對。針對該類干擾,在通信網絡中加入誘餌信號及兩級交互機制,即當面對反應式干擾時,利用誘餌信號吸引其注意,保障數據傳輸鏈路不被破壞;當面對寬頻壓制干擾時,用戶向頻譜管控中心發送請求,通過中心管控的方式為用戶分配另一未受干擾的頻段。

技術方案

無線通信環境中存在各種形式的干擾,影響設備之間的互聯互通。本項目設計了包括定頻、掃頻、寬頻以及反應式干擾在內的混合干擾環境,並針對不同的干擾形式設計了不同的抗干擾策略,最後在 USRP 硬件平台驗證了其有效性。具體如圖 1 所示。

參考文獻