CN109104307B - 一种动态数据链网络的关键节点感知方法 - Google Patents
一种动态数据链网络的关键节点感知方法 Download PDFInfo
- Publication number
- CN109104307B CN109104307B CN201810843396.4A CN201810843396A CN109104307B CN 109104307 B CN109104307 B CN 109104307B CN 201810843396 A CN201810843396 A CN 201810843396A CN 109104307 B CN109104307 B CN 109104307B
- Authority
- CN
- China
- Prior art keywords
- network
- node
- communication
- data link
- nodes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 58
- 230000008447 perception Effects 0.000 claims abstract description 5
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0882—Utilisation of link capacity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0894—Packet rate
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于网络通信领域,涉及一种动态数据链网络的关键节点感知方法。本发明的方法首先将数据链网络建模为无向网络,考虑网络中每条路径的赋权情况,计算网络中节点的最小通信权值,加权得到数据链网络的关键节点重要性排序结果,根据排序结果感知到关键节点。随着观测流量信息的不断更新,数据链网络拓扑结构动态变化的情况下,利用本发明提出的数据链网络关键节点感知方法,可以实时挖掘出该数据链网络的关键节点,即指挥节点。仿真中加入观测误差的影响,挖掘关键节点,方法简单,计算量小,效果良好。
Description
技术领域
本发明属于网络通信领域,涉及一种动态数据链网络的关键节点感知方法。
背景技术
数据链通过采用标准化消息格式、高效组网协议、保密抗干扰的数字信道,将地理上分散的指挥控制平台、传感探测平台和打击对抗平台联系在一起,构成统一的信息处理平台。根据先验,在整个数据链网络中,总有一个设备或多个占有非常重要的位置。即在数据链网络中每个网络参与组(NPG)的重要程度不同,用定量的方法寻找哪个NPG最重要,或者NPG之间的相对重要性,对于捣毁对方指挥中心具有重要意义,这也是复杂网络研究的一个基本问题。在实际场景中,一个数据链网络都会有一个最重要的网络节点,向下继续拓展会有次级网络节点直到普通的网络节点。八个节点的数据链拓扑图如图1所示。
研究希望在一个大型数据链网络中找到哪个点是数据链拓扑图的A点、B点,即所谓的关键节点。由于已有的关键节点识别算法都从邻接矩阵分析,对于数据链网络每条通信链路信息不一样的情形并不适用,鉴于此,本文提出一种基于动态数据链网络的关键节点感知方法。
发明内容
本发明针对复杂数据链网络的拓扑结构,提出一种基于动态数据链网络的关键节点感知方法。本发明的方法首先将数据链网络建模为无向网络,考虑网络中每条路径的赋权情况,计算网络中每个节点的最小通信权值,加权得到数据链网络的关键节点重要性排序结果,并结合实例仿真了关键节点感知和可靠性评估。
数据链网络中通信协议众多,信息格式各不相同,调制、扩频等通信手段复杂多变,故对观测站观测到的信息流量作如下假设:
1)对于研究的数据链网络,节点的数量是明确的,其研究内容属于目标识别领域,这里假设已知;
2)发送和接收消息是时序的,观测时间是周期的,将观测站在某一时隙内观测到的流量信息作为赋权矩阵的元素;
3)对于采集的各个网络节点的时域信号都是同步的,即忽略时延差异;
4)通信设备(或平台)不存在跨级通信,即消息和命令是按层次逐步下达实施的。
本发明为解决上述技术问题所提供的技术方案包含如下步骤:
1、构建数据链网络模型:
假设数据链网络中有n个通信设备(或平台),将各个设备模型为网络中的节点,设备间传输流量模型为网络的边。考虑到实际情形中,通信设备之间存在发送和应答,即通信是双向的,故网络模型为无向网络G(V,E),其中V={v1,v2,…,vn}是数据链的节点集,E是数据链的链路集;
2、定义t时刻数据链网络的连通性:
观测站一旦观测到两个设备之间有通信流量,即判定为通信。
3、观测得到t时刻对应的赋权矩阵A':
由于网络中同一层次非节点对之间存在传输误差,由传输得到有误差的赋权矩阵A'=A+误差,A为理想情况下没有误差的赋权矩阵,A'中每个元素wij为设备之间的通信流量;wij定义为:
4、计算网络中每个节点vi到其他节点的最小通信权值dij:
5、最小通信权值矩阵:
由于在观察时隙内数据链网络是连通网络,故不存在无穷大的通信链路,即网络节点之间总是直接或间接可达。
6、定义WCC(i)表示节点vi的重要性指标,节点的WCC越大,该节点越重要:
7、对所有节点的WCC进行排序即得到节点重要性结果;
8、每隔时间T重新观测一次,得到新的赋权矩阵A'和最小通信权值矩阵dw,返回第二步,重新刷新结果。图7给出了6个时间步的关键节点识别结果,可以看到由于每个时刻观测数据流量的不同,结果在变化,但节点10、11基本不变,所以节点10、11是数据链网络的指挥中心。
本发明的有益效果为,随着观测流量的不断更新,数据链网络拓扑结构动态变化的情况下,利用本发明提出的数据链网络关键节点感知方法,可以实时挖掘出该数据链网络的关键节点,即指挥节点。仿真中加入观测误差的影响,得到关键节点,方法简单,计算量小,效果良好。
附图说明
图1:数据链层次拓扑示意图
图2:本发明方法流程图
图3:某次观测示意图
图4:在某个时刻t观测得到的小规模数据链流量矩阵
图5:仿真的小规模数据链网络拓扑示意图,将通信设备模型为网络的节点,通信关系模型为边。其中(a)为数据链流量网络,(b)为简单的拓扑结构
图6:t时刻关键节点识别结果
图7:6个时间步的关键节点识别结果
具体实施方式
下面结合附图和实施例说明本发明的实际效果。
实施例:本例为一个小规模11维度的数据链网络。
按照本发明的方法步骤,有:
(1)节点对之间的流量传输按照TDMA方式,观测站每间隔周期T观测一次,观测得到的发送接受消息序列和观测示意图见图3所示。图3(a)是观测得到的设备1与网络中某一设备的通信消息序列,由于各种干扰的存在,消息波动较大。图3(b)给出了通信设备1的消息序列,可以看出设备1与其他五个设备在通信,从前三条曲线可以看到,设备1与它们通信流量较大,分别是100,60,50上下波动,曲线的起伏表示收到的干扰。设备1与另外两个设备通信流量较小。
(2)t时刻观测,判定数据链网络的连通性:一旦观察到有通信流量,即判定为通信。即使噪声很小,但事先并未知道噪声门限,也判定为两个设备在通信。
(3)得到t时刻对应的赋权矩阵A':由t时刻观测得到数据链流量矩阵见图4。例如对于设备1,某一时刻t观测得到其和设备2的通信流量为10.6316Mbit/s,和设备10的通信流量为100.8908Mbit/s,和设备3的通信流量为50.3782Mbit/s,和设备4的通信流量为60.8874Mbit/s,和设备6的通信流量为8.4265Mbit/s,……依次,建立相应的赋权矩阵A'。
(4)相应的数据链网络拓扑示意图见图5,(a)为数据链流量网络,网络中每条边上的数据为t时刻观测到的流量信息,(b)为由(a)得到的简化的拓扑结构。
(5)计算网络中每个节点vi到其他10个节点的最小通信权值dij:
节点vi和节点vj之间的最小通信权值 其中v0,v1……vk表示从节点vi到节点vj的通信链路上的中介设备,是节点vi到节点v0通信权值,是节点vi和节点vj的最小通信权值。例如虽然设备1与设备5进行通信有多种方式,可以经过设备3再到设备5,也可以经过设备2再到设备5,但最小通信权值链路为经由设备2再到设备5,故其余依次计算。
(6)最小通信权值矩阵:
(7)计算节点的重要性指标WCC:
对所有节点的WCC排序,WCC越大表明该节点越重要。t时刻的计算结果如图6,可以看到节点11的WCC指标最大,其次为节点10,其他节点的WCC指标差距不大。
(8)间隔时间T重新观测一次,得到新的赋权矩阵A'和最短路径矩阵dw,返回第二步,重新计算结果,持续观测得到动态数据链网络的关键节点识别结果。仿真给出观测六个时间步的动态变化结果如图7所示。从图中看到,节点11和节点10的重要性远远高于其他节点,其余节点在每个时刻重要性有所不同,但数据链网络中的节点11和10已经被很好的挖掘出来。
以上例子应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明记载的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (1)
1.一种动态数据链网络的关键节点感知方法,设定动态数据链网络中网络节点的数量已知,网络节点之间发送和接收消息是时序的,且节点之间不存在跨级通信,其特征在于,所述关键节点感知方法包括以下步骤:
S1、构建数据链网络模型:
假设动态数据链网络中有n个通信设备,将各个设备模型作为网络中的节点,设备间传输流量模型为网络的边,设备之间的通信是双向的,构建网络模型为无向网络G(V,E),其中V={v1,v2,…,vn}是数据链的节点集,E是数据链的链路集;
S2、定义t时刻数据链网络的连通性:
观测站一旦观测到两个设备之间有通信流量,即判定为通信,并进入步骤S3,否则重复步骤S2;
S3、观测得到t时刻对应的赋权矩阵A':
由于网络中同一层次非节点对之间存在传输误差,由传输得到有误差的赋权矩阵为A'=A+误差,A为理想情况下没有误差的赋权矩阵,A'中每个元素wij为设备之间的通信流量,即将观测站在某一时隙内观测到的流量信息作为赋权矩阵的元素;wij定义为:
S4、计算网络中每个节点vi到其他节点的最小通信权值dij:
S5、设定在观测时隙内数据链网络是连通网络,故不存在无穷大的通信链路,即通信设备之间总是直接或间接可达,建立最小通信权值矩阵:
S6、定义WCC(i)表示节点vi的重要性指标,节点的WCC越大,该节点越重要:
S7、对所有节点的WCC进行排序即得到节点重要性结果;
S8、每隔时间T重新观测一次,得到新的赋权矩阵A'和最小通信权值矩阵dw,返回第二步,重新刷新结果,将持续观测过程中WCC指标最高的多个节点标记为关键节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810843396.4A CN109104307B (zh) | 2018-07-27 | 2018-07-27 | 一种动态数据链网络的关键节点感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810843396.4A CN109104307B (zh) | 2018-07-27 | 2018-07-27 | 一种动态数据链网络的关键节点感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109104307A CN109104307A (zh) | 2018-12-28 |
CN109104307B true CN109104307B (zh) | 2021-06-04 |
Family
ID=64847771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810843396.4A Active CN109104307B (zh) | 2018-07-27 | 2018-07-27 | 一种动态数据链网络的关键节点感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109104307B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111478854B (zh) * | 2020-04-01 | 2021-10-12 | 中国人民解放军国防科技大学 | 基于流量数据的实时网络节点重要性排序方法 |
CN113965400B (zh) * | 2021-11-01 | 2023-06-30 | 电子科技大学长三角研究院(衢州) | 一种通信网络中流量关键点的确定方法 |
CN113992535B (zh) * | 2021-12-28 | 2022-03-29 | 军事科学院***工程研究院网络信息研究所 | 一种网络可靠性评估方法、装置、电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1653380A1 (en) * | 2004-10-29 | 2006-05-03 | Microsoft Corporation | Web page ranking with hierarchical considerations |
CN102880799A (zh) * | 2012-09-24 | 2013-01-16 | 西北工业大学 | 一种基于多属性决策的复杂网络节点重要度综合评价方法 |
CN103476051A (zh) * | 2013-09-11 | 2013-12-25 | 华北电力大学(保定) | 一种通信网节点重要性评价方法 |
CN103906271A (zh) * | 2014-04-21 | 2014-07-02 | 西安电子科技大学 | Ad Hoc网络中关键节点测量方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976245A (zh) * | 2010-10-09 | 2011-02-16 | 吕琳媛 | 网络中节点重要性的排序方法 |
CN105045967B (zh) * | 2015-06-29 | 2018-08-07 | 电子科技大学 | 基于集团度的复杂网络重要节点排序方法及模型演化方法 |
CN105471637B (zh) * | 2015-11-20 | 2018-09-07 | 中国矿业大学 | 一种复杂网络节点重要性评估方法及*** |
-
2018
- 2018-07-27 CN CN201810843396.4A patent/CN109104307B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1653380A1 (en) * | 2004-10-29 | 2006-05-03 | Microsoft Corporation | Web page ranking with hierarchical considerations |
CN102880799A (zh) * | 2012-09-24 | 2013-01-16 | 西北工业大学 | 一种基于多属性决策的复杂网络节点重要度综合评价方法 |
CN103476051A (zh) * | 2013-09-11 | 2013-12-25 | 华北电力大学(保定) | 一种通信网节点重要性评价方法 |
CN103906271A (zh) * | 2014-04-21 | 2014-07-02 | 西安电子科技大学 | Ad Hoc网络中关键节点测量方法 |
Non-Patent Citations (1)
Title |
---|
"复杂网络关键节点识别技术研究";杨汀依;《中国优秀硕士学位论文全文数据库(电子期刊)》;20120115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109104307A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109104307B (zh) | 一种动态数据链网络的关键节点感知方法 | |
CN107370732A (zh) | 基于神经网络和最优推荐的工控***异常行为发现*** | |
CN113422695B (zh) | 一种提高物联网拓扑结构鲁棒性能的优化方法 | |
CN106982143A (zh) | 一种利用拓扑实现电信指标监控的方法 | |
CN113411766A (zh) | 智慧物联网综合感知***及方法 | |
Kiremire et al. | Using network motifs to investigate the influence of network topology on PPM-based IP traceback schemes | |
Seike et al. | Fork rate-based analysis of the longest chain growth time interval of a pow blockchain | |
CN105703957A (zh) | 一种航空电子网络***的鲁棒性计算方法 | |
KR20170048937A (ko) | Tsch 기반 산업 무선 네트워크의 슬롯프레임 가상화 장치 및 방법 | |
CN103984828A (zh) | 一种温度均衡的三维片上网络核映射方法与*** | |
Chen et al. | An efficient solution to locate sparsely congested links by network tomography | |
CN103402219B (zh) | 一种基于tdma数据链异构网的端到端时延的测量与优化方法 | |
CN116761194A (zh) | 一种无线通信网络中警务协同通信优化***及方法 | |
CN100422902C (zh) | 用于分散组织的网络的时间同步的方法 | |
CN115118610B (zh) | 一种基于网路层析成像的动态拓扑估计方法 | |
Hussein et al. | Analytical model of multi-hop IEEE 802.15. 4 with unslotted CA/CSMA | |
Bai et al. | A two-stage approach for network monitoring | |
CN114139688A (zh) | 基于马尔可夫链共识的工业物联网分布式联邦学习方法 | |
Fei et al. | Unicast-based inference of network link delay statistics | |
US10091069B2 (en) | Method for modelling information transmission network having hierarchical structure and apparatus thereof | |
CN107241778B (zh) | 基于数据溯源的wsn加权传输拓扑发现方法及*** | |
Barooah et al. | On the effect of asymmetric communication on distributed time synchronization | |
CN103716824B (zh) | 基于关联规则的无线传感网络报文挖掘***和挖掘方法 | |
Liu | Scalable synchronization of clocks in wireless sensor networks | |
Batabyal et al. | Analysis of social structure and routing in human based delay tolerant network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240307 Address after: No. 351 Tiyu Road, Xiaodian District, Taiyuan City, Shanxi Province 030000 Patentee after: NORTH AUTOMATIC CONTROL TECHNOLOGY INSTITUTE Country or region after: China Address before: 611731, No. 2006, West Avenue, hi tech West District, Sichuan, Chengdu Patentee before: University of Electronic Science and Technology of China Country or region before: China |