基于载波聚合的卫星重叠隐蔽通信方法研究

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:lastkaixin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于卫星通信系统具有广覆盖的特点,因此在海洋、沙漠、山区等偏远地理环境作为长距离无线通信主要解决方案。但由于下行波束广覆盖的特性,卫星通信技术在作为特种长距离通信手段时存在安全性问题。对方在卫星下行波束范围内可以通过电子侦察设备对使用该卫星转发器的无线通信系统完成信息侦听,严重影响终端无线通信信息的安全性能。随着电子侦测技术以及终端安全通信性能需求的发展,传统方式的扩频通信、重叠通信等技术难以满足卫星隐蔽通信的需求,尤其是在卫星转发器中单个掩护信号带宽和干扰容限不足的情况下。针对上述问题,本文提出了一种基于载波聚合的卫星重叠隐蔽通信方案,研究了通信信号在频域的分割和聚合方法,探索多个掩护信号下通信信号的分割方案、功率分配策略、掩护信号的适配方法,在保证终端通信性能的同时,尽可能的降低通信信号被敌对方侦测的概率,提升通信信号在物理层安全传输的性能。具体的研究内容包括:(1)针对卫星通信系统广覆盖导致难以实现通信信息在物理层安全传输问题,本文提出了一种基于载波聚合的卫星重叠隐蔽通信方法,终端侧探索了通信信号的频域分割方法,设计了不同分割方法下对应的分割滤波器组参数;信关站侧研究了基于导频方式和盲相位估计方式的两种不同的分割信号载波聚合方法。利用本文提出的隐蔽通信方法,可以使得通信信号分块隐藏到当前卫星转发器电磁频谱环境中,即使对方电子侦察设备发现部分分割的子频谱信号也无法从中解调出有用的通信信息。(2)针对传统卫星重叠通信中单个掩护信号带宽以及功率容限不够的问题,利用卫星转发器频谱环境中多个掩护信号提出了一种频域分割-子谱功率控制联合优化的多掩护信号重叠通信方法,建立了隐蔽通信信号传输性能和隐蔽性能的双目标优化问题,信关站侧采用感知的历史频谱数据训练生成SVM回归预测模型,用来预测不同转发器频谱环境下隐蔽信号的通信性能和隐蔽性能,并将训练好的预测模型下载到通信终端;终端侧利用双目标背包算法将SVM回归预测模型预测的隐蔽信号的通信性能和隐蔽性能作为价值因素、掩护信号个数作为背包重量来选择转发器频谱环境中的掩护信号,并且求解出隐蔽信号的频域分割和子频谱的功率控制参数,从而实现终端通信信号隐藏在卫星转发器的频谱环境中的目的。
其他文献
大数据时代,由于数据量的飞速增长和算力的不断提升,深度学习方法的性能得到了巨大提升。但深度学习模型依赖大量的数据标注,往往需要人工参与,耗时耗力。为此,迁移学习(Transfer Learning,TL)应运而生。迁移学习旨在借助标注丰富的源域知识帮助标注稀缺的目标域学习,无监督领域自适应(Unsupervised Domain Adaptation,UDA)是迁移学习中的重要研究方向。在UDA中
学位
自然场景中的文字往往包含着丰富的语义信息,准确提取图像中的文字对机器场景理解、人工智能发展及工业自动化生产等行业都有着重要的作用。因此,对场景文字检测技术的研究非常重要。与通用目标不同,场景图像中的文本不仅具有更多的尺度,而且容易受到复杂背景的干扰。随着深度学习的飞速发展,基于深度学习的文本检测方法也层出不穷。目前基于深度学习的场景文本检测算法大体上可分为三类:基于回归、基于分割和回归与分割混合的
学位
伴随着用户对移动通信需求的快速增长和移动互联网及物联网所带来的指数级的数据交换,5G技术已经成为当今世界高端技术领域的竞争焦点,而作为基础的天线系统更是5G技术的重点。而介质谐振器天线(Dielectric Resonator Antenna,DRA)凭借其小尺寸、低损耗、宽带宽、高辐射、设计灵活等优点而成为5G天线的重要候选。另外,环形多极子作为多极子电动力学内的第三族,在核物理、粒子物理等研究
学位
变异测试是一种评估测试用例有效性的常用方法。在变异测试的过程中,会在自动生成的大量变异体上执行测试用例,并计算这些测试用例对变异体的杀死率。由于变异体数量多、测试用例执行开销大,变异测试被认为是一种成本很高的技术。为了降低变异测试的开销,人们一方面尝试将多个一阶变异合并为高阶变异从而降低变异体数量,另一方面尝试使用只关注程序内部状态的弱变异测试来代替传统变异测试。作为一种常用的弱变异测试技术,基于
学位
在传统的无线传感器网络(Wireless Sensor Network,简记为WSNs)中,节点电池容量有限,从而极易产生“能量空洞”现象。针对该现象,目前大多数学者主要从节约能量、能量收集和无线充电这三个方面展开研究。其中,无线充电技术的引入,使得无线可充电传感器网络(Wireless Rechargeable Sensor Network,简记为WRSNs)成为现实,并且很好地缓解了“能量空洞
学位
随着网上信息量的急剧增加,信息过载问题成为了制约网络发展的一个重要因素。推荐系统作为解决该问题的有效方法,得到了工业界和学术界越来越多地关注和研究。图作为一种重要的数据结构,可以表示一组对象之间的复杂关系。而推荐系统中的大部分数据本质上具有图结构,将图神经网络应用于推荐系统,可以更有效的从各种数据中了解用户的偏好和需求。因此基于图神经网络的推荐系统成为推荐系统领域的一个重要研究方向。本文提出了两种
学位
在大数据时代,随着数据量以及数据种类的快速增长,数据挖掘技术在各行各业(例如移动轨迹预测、广告投递、医疗诊断等方面)中都得到了广泛的运用。频繁序列挖掘是数据挖掘领域中一个重要方向,但是在挖掘过程中和发布序列数据时很有可能会泄露一些用户的隐私信息,产生严重的安全隐患。Dwork等人提出的差分隐私模型可以为数据挖掘的隐私保护提供安全保证,与传统的隐私保护方法(基于k-匿名及其扩展分组模型)相比,该模型
学位
<正>"80后",成长在改革开放新时代的这一批独生子女,渐渐成为幼儿园家长的主要群体。而在幼儿园内,大批"80后"正逐渐成为一线教师的主力军。这两拨"80后"的年轻人,以各自不同的身份——老师和家长,因为促进孩子发展的共同目标而走到了一起。年轻教师,带着教学成长中的青涩;年轻家长,有着初为父母的稚拙,而这一代受过高等教育的年轻人,他们思想活跃,个性独立,敢想敢
期刊
报纸
报纸