目录
[5.1 通信节点时序数据预处理与状态重构](#5.1 通信节点时序数据预处理与状态重构)
[5.2 全网节点对二元传输熵遍历计算](#5.2 全网节点对二元传输熵遍历计算)
[5.3 置换检验统计显著性筛选潜在通信链路](#5.3 置换检验统计显著性筛选潜在通信链路)
[5.4 多元条件传输熵剔除间接虚假链路](#5.4 多元条件传输熵剔除间接虚假链路)
[5.5 网络拓扑邻接矩阵构建与链路权重赋值](#5.5 网络拓扑邻接矩阵构建与链路权重赋值)
1.前言
在非协作通信场景中，网络拓扑属于未知先验信息，无法通过信令交互直接获取节点间的有向通信链路，只能采集各通信节点的流量、数据包收发、信道占用等时间序列观测数据完成拓扑逆向推理。传统相关系数、互信息仅能刻画无向统计关联，格兰杰因果仅适配线性耦合网络，而传输熵（Transfer Entropy, TE）作为信息论下的非参数有向因果度量方法，能够量化一个节点历史通信行为向另一节点传递的有效信息量，精准捕捉节点间非线性、时滞性的有向信息流向，以此还原通信网络的有向拓扑结构。
2.算法测试效果图预览
3.算法运行软件版本
matlab2024B
4.部分核心程序
if N==4
IDS={'A','B','C','D'};
end
if N==5
IDS={'A','B','C','D','E'};
end
if N==6
IDS={'A','B','C','D','E','F'};
end
if N==7
IDS={'A','B','C','D','E','F','G'};
end
if N==8
IDS={'A','B','C','D','E','F','G','H'};
end
if N==9
IDS={'A','B','C','D','E','F','G','H','I'};
end
if N==10
IDS={'A','B','C','D','E','F','G','H','I','J'};
end
if N==11
IDS={'A','B','C','D','E','F','G','H','I','J','K'};
end
if N==12
IDS={'A','B','C','D','E','F','G','H','I','J','K','L'};
end
if N==13
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M'};
end
if N==14
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N'};
end
if N==15
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O'};
end
if N==16
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P'};
end
if N==17
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q'};
end
if N==18
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R'};
end
if N==19
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S'};
end
if N==20
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T'};
end
if N==21
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U'};
end
if N==22
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V'};
end
if N==23
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W'};
end
if N==24
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X'};
end
if N==25
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y'};
end
if N==26
IDS={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z'};
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);5.算法理论概述
基于传输熵的通信网络拓扑推理分为五大核心步骤：通信节点时序数据预处理、二元传输熵遍历计算、置换统计显著性检验筛选潜在链路、多元条件传输熵剔除间接虚假链路、拓扑邻接矩阵构建与网络可视化，每一步均配套对应的数学约束与计算公式，从原始观测数据逐层收敛得到精准的有向通信拓扑结构，既规避随机噪声引发的误判链路，又剔除中转节点带来的间接因果关联，平衡拓扑推理的准确率与召回率。
5.1 通信节点时序数据预处理与状态重构
原始采集的节点通信时序存在量纲不统一、异常离群值、时序平稳性缺失问题，首先对所有节点观测序列做异常值剔除、标准化处理；其次基于时间延迟嵌入理论重构节点历史状态向量，确定目标节点历史嵌入阶数k、源节点历史嵌入阶数l两个超参数，将一维时序转化为高维状态向量，精准刻画通信行为的时序记忆性与时滞传输特征。通信网络数据包传输存在固定往返时延，可通过平均互信息极小化准则选取最优时延嵌入阶数，避免阶数过高引发维数灾难、阶数过低丢失时序依赖特征。
选取平均互信息第一次取极小值对应的τ作为最优时延，进而确定嵌入阶数，保证时序状态向量能够完整承载节点通信的历史依赖信息。
5.2 全网节点对二元传输熵遍历计算
遍历网络中所有N个节点构成的N(N−1)组有向节点对(j,i)，逐一计算从源节点j指向目标节点i的二元传输熵，量化每一组节点间单向信息流的大小。传输熵的计算依赖联合概率、边缘概率、条件概率的估计，通信离散时序常用直方图分箱法、核密度估计法拟合概率分布，将连续通信观测值离散化为有限状态符号，降低高维联合概率的计算复杂度。二元传输熵的物理含义为：仅依靠节点i自身历史状态预测下一时刻通信行为的不确定性，减去同时利用节点i、节点j历史状态共同预测的不确定性，差值即为节点j向节点i传递的有效信息量。
5.3 置换检验统计显著性筛选潜在通信链路
直接通过传输熵数值大小设定固定阈值极易将随机噪声、时序偶然相关性判定为有效通信链路，因此采用置换检验（随机打乱检验）构建传输熵零分布，完成显著性假设检验。对源节点j的时序序列做多次随机时序打乱，破坏节点间真实时序因果依赖关系，每次打乱后重新计算TEj→i，生成海量零假设下的传输熵样本分布；设定显著性水平α，求解零分布的上分位数临界阈值，只有原始计算的传输熵大于该临界值，才拒绝 "节点j与节点i条件独立、无信息传递" 的原假设，将该有向节点对划入潜在链路集合。
5.4 多元条件传输熵剔除间接虚假链路
二元传输熵仅考虑两个节点的成对依赖，在多跳通信网络中极易产生间接链路误判：若存在真实链路，节点j可通过中转节点k间接影响节点i，导致TEj→i通过显著性检验被误判为直接通信链路。为消除混杂节点带来的间接因果偏倚，对每一条潜在链路，引入网络中其余所有候选节点作为条件变量，计算多元条件传输熵，在控制其他节点信息流干扰的前提下，检验源节点j对目标节点i是否仍存在独立的信息贡献，仅保留条件传输熵通过显著性检验的直接链路。
5.5 网络拓扑邻接矩阵构建与链路权重赋值
遍历所有候选节点对，将通过二元传输熵筛选、多元条件传输熵校验的有向链路填入N阶邻接矩阵，同时使用归一化后的传输熵数值作为链路权重，表征通信链路的数据传输速率、信道耦合强度，最终完成有向加权通信网络拓扑的完整推理，可通过有向图可视化还原全网节点通信连接关系。
6.算法完整程序工程
OOOOO
OOO
O
关注GZH后输入回复：0055