基于AdaBoost提升学习的次优中继选择安全传输方案

来源：电子测量技术杂志2023年第19期北京时间：

作者：石岩，赵冬青，武岳

单位：1.中北大学仪器与电子学院 太原 030051; 2.安徽财经大学管理科学与工程学院 蚌埠 233030

摘要：针对无线通信协作技术中多跳中继和子信道分配等复杂应用场景下系统时效性差和复杂度大的问题，在级联中继系统中提出了一种利用AdaBoost算法集成学习选择次优中继的安全传输方案。将合法信道和窃听信道的信道CSI作为训练模型的输入，使系统安全容量达到一定值的中继节点索引作为输出，把级联中继系统的次优中继选择问题转化为一个多类分类问题，并用基于AdaBoost加权表决的支持向量机求解。级联中继系统的次优中继选择方案可分为生成数据集、集成模型训练和结果预测3个阶段。在模型训练阶段，绘制分类准确率和查准率查全率曲线，对比集成学习较个体学习在准确率方面具有更佳的性能。最后，通过仿真AdaBoost算法分类的中继索引，验证了集成学习方法进行次优中继选择具有更高的准确率，能有效降低系统时延和复杂度，提高中继协作系统的安全性能。

关键词：物理层安全;集成学习;机器学习;中继选择;支持向量机

基金资助：国家自然科学基金面上项目（62075199）、安徽省高校科研计划项目重点项目（2022AH050591）、安徽财经大学科研项目重点项目（ACKYB22022）资助