基于传输熵理论的通信网络拓扑结构推理算法matlab仿真

目录

1.程序功能描述

2.测试软件版本以及运行结果展示

3.部分程序

4.算法理论概述

步骤1：基于二元TE的潜在链路筛选

步骤2：基于多元条件TE的误报剔除

5.完整程序

---

1.程序功能描述

       传输熵（Transfer Entropy, TE）是度量两个随机过程间有向信息传递的非参数统计量，其核心思想是通过 “原因” 时间序列的历史信息降低 “结果” 时间序列未来状态的不确定性，适用于刻画通信网络中节点间数据包与 ACK 包的因果关联。

2.测试软件版本以及运行结果展示

MATLAB2022A/MATLAB2024B版本运行

3.部分程序

%进行算法1的检测
for i = 1:N-1
    for j = i+1:N
        X=A{i};
        Y=A{j};
        [TE1,TE2,L]=transfer_entropy(X,Y,pieces,Lens);
        if [(TE1 <=0.1 && TE2 <=0.1) || any(X) ==0 || any(Y) ==0]&L==0

        else
          if TE1>TE2
            cm(i,j)=1;
          else
            cm(j,i)=1;
          end
        end
    end
end


bg=biograph(cm,IDS);
set(bg.nodes,'shape','circle','color',[1,1,1],'lineColor',[0,0,0]);
set(bg,'layoutType','equilibrium');
bg.showWeights='on';
set(bg.nodes,'textColor',[0,0,0],'lineWidth',2,'fontsize',9); 
set(bg,'arrowSize',12,'edgeFontSize',9);
get(bg.nodes,'position')
view(bg);
012_075m

4.算法理论概述

       基于传输熵的拓扑推理分为“初步筛选”与“误报剔除”两步，通过二元TE与多元条件TE的结合，实现高精度链路识别。

步骤1：基于二元TE的潜在链路筛选

       该步骤通过计算所有节点对的二元传输熵，初步识别可能存在的通信链路，核心是统计显著性检验，避免随机噪声导致的虚假关联。

步骤2：基于多元条件TE的误报剔除

步骤1中高TE值可能源于间接链路（如j→k→i导致TEXiD →XjACK升高），需通过多元条件TE剔除误报，保留仅由直接链路贡献的因果关联。

相较于格兰杰因果（GC）、多维霍克斯过程（MHP），基于传输熵的算法具有以下优势：

推理方法	核心假设	适用场景	优势	劣势
传输熵（TE）	无模型假设，非参数	非线性、非高斯通信网络	无需线性自回归建模，能捕捉复杂因果关联	需较多样本量保证精度
格兰杰因果（GC）	线性自回归模型	线性高斯系统	计算复杂度低，样本需求少	无法处理非线性链路，误报率高
多维霍克斯过程（MHP）	事件自激 / 互激特性	稀疏事件型网络	能刻画事件触发延迟

5.完整程序

VVV

关注后手机上输入程序码：123