基于Agent的协作频谱感知算法

为了提高认知无线电频谱感知技术的性能, 提出一种新的基于Agent的协作频谱感知算法。该算法在本地检测中使用多门限能量检测,同时将认知节点估计的信噪比的值发送到Agent控制中心,在控制中心根据每一个认知节点发送的信噪比的值和该节点与发射机的距离进行权衡,选取可靠性和有效性较高的认知节点参与判决融合。仿真结果表明,该算法能够很好地提高认知无线电网络的协作频谱感知能力,同时在一定程度上减少了原有协作感知算法中参与感知节点的数目。     

衰落信道下提高协作频谱感知能力的方法

由于协作频谱感知能够更准确地确定主用户的存在与否,因此,它被认为是认知无线电技术中的一个重要研究分支.在协作频谱感知中,各认知用户需要通过报告信道发送其本地判决结果(0或1)到融合中心(FC).然而,在实际中,报告信道通常受衰落的影响,这将降低频谱感知的检测性能.针对这个问题,首先,文中提出一种基于认知用户选择的协作频谱感知算法.该算法通过减小由衰落信道引入的误码概率来提高协作频谱感知的检测性能.其基本思想为:只有具有较好瞬时信道增益报告信道的认知用户才将其本地二进制判决结果发送到FC,否则,该认知用户不发送其本地检测结果到FC.其次,提出一种基于空时编码的协作频谱感知方法.通过在CR网络中,利用空间分集增益来降低由衰落型报告信道引入的误码概率,从而提高检测性能.最后,对提出的这两种协作频谱感知方法的检测性能进行理论分析研究,并对其进行数值仿真.仿真结果表明:相比于传统的协作频谱感知,本文提出的这两种协作频谱感知算法都能提高对主用户的检测性能.     

基于可信度的加权协作频谱检测算法

协作频谱检测技术可以有效解决认知无线网络本地检测存在的信道衰落、隐藏终端等问题。论文研究了加权协作频谱检测技术,提出一种基于可信度的协作频谱检测算法。每个感知节点基于最大最小值特征值检测完成本地频谱检测,并与融合中心的全局检测结果进行比较估计各自感知节点的频谱检测可信度;融合中心利用切尾平均法计算参与频谱协作检测的可信度门限,并选择可信度大于门限的感知节点参与协作频谱检测。该算法有效降低了认知网络协作检测的复杂性,提高了频谱检测性能,在噪声波动环境下具有良好的鲁棒性。仿真结果表明,算法频谱检测性能要优于其它加权算法1~3 dB,节省系统开销43.75%左右。     

一种鲁棒的协作式认知无线电频谱感知方案

在协作式认知无线电频谱感知中,恶意节点会通过向数据融合中心传送虚假的感知信息来降低整个网络的频谱感知性能.为了提高协作感知对虚假感知信息攻击的免疫力,提出一种基于加权序贯似然比检测技术的鲁棒协作式频谱感知方案.通过采用信誉记录,权值分配和多线程检测三种机制,能够做到有效判别和剔除恶意节点,提高了协作式频谱感知的鲁棒性.     

基于能量分类器的抗SSDF攻击协作频谱感知算法

频谱感知是认知无线电通信的重要环节,SSDF(Spectrum Sensing Data Falsification)是协作频谱感知面临的严重安全威胁。SSDF攻击方式逐渐呈现动态化的趋势,传统防御算法因假定攻击强度保持不变而难以识别动态的篡改数据。针对动态化的SSDF攻击,提出一种基于能量分类器的抗SSDF攻击协作频谱感知算法。该算法首先通过分析动态SSDF攻击的特性,结合距离判别法将邻居节点能量分类,通过将分类结果与本地结果进行对比来识别恶意邻居节点;然后本地节点在滑动时间窗内根据历史频谱判决信息和当前频谱判决信息建立信誉模型,并由此更新各邻居节点的信誉值;最后,本地节点实施加权协作频谱感知。仿真结果表明:相比LDCSS(Largest Deviation-based distributed Cooperative Spectrum Sensing)算法和RBCSS(Reputation-based Cooperative Spectrum Sensing)算法,所提算法在动态SSDF攻击的攻击强度接近阈值时频谱检测概率分别提高了15%和16%,显著增加了认知网络的协作频谱感知性能,提升了频谱共享的效率。     

能量效率和碰撞概率联合优化的协作频谱感知算法

协作频谱感知能提高认知无线电网络的感知性能。随着认知网络频谱感知性能的提高,一方面感知网络将会消耗更多的能量;另一方面次用户拥有更多的机会接入授权频谱,次用户的吞吐量不断增加,同时在通信过程中主用户与次用户发生碰撞的概率也不断增大。本文提出了一种联合优化能量效率和碰撞概率的协作频谱感知算法,通过最优感知检测点判断节点所处信道状态,融合中心舍弃信道状态不好的节点使其不参与数据融合,既消除了信道状态不好的节点对全局判决的不良影响,又提高了能量利用率。仿真结果表明,该算法提高了网络的频谱检测性能,并延长了感知网络的生命周期。     

认知无线电网络中安全的协作频谱检测算法

在认知无线电网络中,当认知用户存在虚假感知信息SSDF时,协作频谱感知的性能会受到巨大影响。为了确保频谱感知的鲁棒性,提出了一种基于信誉度加权序贯频谱检测算法来识别恶意用户并减轻他们造成的影响。该算法通过使用认知用户的近期感知信息计算本地信誉度函数,再综合考虑其信誉值与感知过程中表现的稳定程度以消除恶意用户对主用户的传输效率带来的影响。仿真结果表明,在恶意攻击环境下,新算法优于现有典型协作频谱感知算法。     

基于双门限的多天线分级融合协作频谱感知

针对当前协作频谱感知检测性能和协作开销的矛盾,提出了一种基于双门限能量检测的多天线认知用户分级融合协作频谱感知机制。通过引入多天线平方律合并技术,利用空间分集增益提高了认知节点的本地感知性能,并设置门限将本地感知结果划分为1 bit、2 bit两种,通过融合中心限制参与融合认知节点的最小个数,认知用户分级上传感知结果,融合中心根据上传结果分级融合感知信息。仿真结果表明,该机制较好地实现了感知性能和通信开销的折衷,同时对双门限区间的取值有较好的鲁棒性;当大部分感知数据落入双门限之间时,明显降低了有故障节点时感知失败的概率。     

一种用于变电站内频谱感知的双门限加权序贯检测方法

频谱资源是限制变电站内的传感终端发展的重要因素,嵌入认知无线电的无线终端可动态检测空闲频谱并进行数据传输。变电站内复杂的无线环境给频谱感知带来麻烦,快速准确的频谱感知意义重大。本文研究恶意节点对协作频谱感知性能的影响,给出一种基于声望值的双门限加权的序贯检测方法,该方法通过对融合数据进行加权来提高感知性能,缩短感知时间,减少判决样本,能够进行恶意节点的判断。仿真结果验证了本方法具有很好的性能。     

基于辅助节点的安全协作频谱感知

在认知无线电网络中,恶意用户会占用授权频段,模仿主用户的信号特征发送信号,导致其他认知用户误认为主用户存在。针对该问题,提出一种基于辅助节点的安全感知机制,在网络中部署若干辅助节点,利用链路特征和加密机制对主用户的活动情况进行识别。设计适用于该机制的融合判决算法,不对授权网络做任何形式的改动即能有效识别恶意用户,并在融合时采用信任节点的感知数据,从而提高融合结果的鲁棒性。仿真结果表明,与K秩、And和Or算法相比,在恶意环境下该算法具有较好的检测性能。     

基于熵权法的CRSN软决策协作频谱感知方法

在实际的无线环境中,阴影和衰落的影响会导致传感节点接收到的信号具有不同的特征。因此,深度衰落中的一些协作节点会出现严重的漏检,这将影响融合操作的最终结果。针对上述问题,提出一种基于熵权法的认知无线传感网（cognitive radio sensor network,CRSN）软决策协作频谱感知方法。该方法将传感器节点组织成逻辑组,以获得能源效率和传感性能的提高,在接收到来自所有成员节点的软传感信息后,簇头采用等增益的软融合来进行簇间融合,然后将局部决策转发给融合中心,在最终决策过程中,采用熵权法为相应的聚类局部决策分配最优权值。仿真结果表明,该方法检测概率和总误差概率方面均优于典型的协作频谱感知分簇方案。     

基于位置预测的认知车联网协作频谱感知算法

针对认知车联网中由地形起伏或密集城市结构而引起的频谱感知性能低、延时大等问题,提出了一种基于位置预测的协作频谱感知算法。首先,采用能量检测法进行本地频谱感知,通过将次用户接收到的信号能量大小和预先设定的阈值进行比较,初步判定频谱是否被主用户占用。然后,利用认知车联网中车辆位置预测技术,计算车辆位置和信道状态信息,并据此设置置信值,删除置信值低的次用户。最后,在融合中心采用加入置信值的似然比融合规则得到最终判决结果。仿真结果表明,与传统算法相比,所提算法能有效提高频谱感知性能并缩短感知时间,尤其适用于对实时性要求较高的车联网系统。     

基于指数信任度函数的频谱感知改进算法

从多个用户合作感知的角度出发,针对目前的融合规则没有考虑感知结果的信任度,对现有的分布式感知算法进行改进,提出基于指数信任度的频谱感知算法;在认知无线电网络安全方面,将异常点感知引入到感知融合规则中,在指数信任度算法的基础上提出一种基于异常点的频谱感知算法,能抵御认知无线网络中出现故障的或者恶意认知用户;在提高感知速度和可靠性方面,结合指数信任度算法和异常点感知算法,将对感知信息的审核引入到频谱感知算法中,提出一种基于审核的频谱感知算法,该算法在提高感知速度的基础上能获得更好的感知性能。     

认知无线电中一种改进的两步协作感知算法

针对同时使用硬合并和软合并的两步协作频谱感知方法在第二步的软融合时仍需向融合中心发送大量不必要数据的问题,引入了接收信噪比估计,提出了一种改进的两步协作感知算法。改进算法在低信噪比情况下使用传统的两步协作检测提升检测性能,在较高信噪比情况下则采用硬融合策略来减少发往融合中心的信息量。仿真结果表明,改进算法和传统的两步协作检测算法相比,能在几乎不损失检测性能的情况下,显著减少不必要的数据传送。     

Cooperative spectrum sensing against noise uncertainty using Neyman–Pearson lemma on fuzzy hypothesis test

In this paper, we consider the problem of cooperative spectrum sensing in the presence of the noise power uncertainty. We propose a new spectrum sensing method based on the fuzzy hypothesis test (FHT) that utilizes membership functions as hypotheses for the modeling and analyzing such uncertainty. In particular, we apply the Neyman–Pearson lemma on the FHT and propose a threshold-based local detector at each secondary user (SU) in which the threshold depends on the noise power uncertainty. In the proposed scheme, a centralized manner in the cooperative spectrum sensing is deployed in which each SU sends its one bit decision to a fusion center. The fusion center makes a final decision about the absence/presence of a primary user (PU). The performance of the PU's signal detection is evaluated by the probability of signal detection for a specific signal to noise ratio when the probability of false alarm is set to a fixed value. The performance of the proposed algorithm is compared numerically with two classical threshold-based energy detectors. Simulation results show that the proposed algorithm considerably outperforms the methods with a bi-thresholds energy detector and a simple energy detector in the presence of the noise power uncertainty.     

Optimal MAC based cooperative spectrum sensing in cognitive radio networks

This paper considers a cognitive radio (CR) system in non-ideal fading wireless channels and pro-poses cooperative spectrum sensing schemes based on coherent multiple access channels (MAC),serving as an alternative way to improve the cooperative spectrum sensing performance and provide space diversity for spec-trum sensing.Sufficient statistics are transmitted using a common channel from the secondary users (SUs) to a fusion center (FC) where the global decision is obtained.The optimal scaling factors of the proposed schemes are obtained by maximizing the detection probability under a target false alarm probability and a transmit power constraint.Because the proposed optimal MAC scheme has high computational complexity,a sub-optimal solu-tion based on maximization of the deflection coefficient (DC) is also proposed.Simulation results show that the proposed algorithms can significantly improve the spectrum sensing performance and approach the detection baseline.