基于集中式协作频谱感知的数据融合技术研究

针对单节点频谱感知中存在的隐蔽终端和多径衰落问题,协作频谱感知应运而生。协作频谱感知有集中式和分布式之分。主要研究了集中式频谱感知中的数据融合技术,通过MATLAB进行建模仿真。仿真结果表明,集中式协作感知模型下软判决比硬判决更好地改善了检测性能,而软判决准则中C-V准则在高信噪比下检测性能最好,EGC准则在低信噪比下检测性能最好。     

协作感知下基于双门限能量检测的融合方案研究*

将双门限能量检测作为本地感知算法,为在感知性能和系统开销之间取得合理折中,给出了三种将决策融合与数据融合相结合的综合融合方案。研究和比较了这三种新型融合方案的感知性能,分析了各自的优缺点及其适用范围,讨论了门限值系数、协作用户数、协作可信度、平均信噪比等参数的变化对感知性能的影响。蒙特卡洛仿真的结果表明,通过选择合适的系统参数,综合融合方案能在保证较低系统开销的前提下,具有明显优于传统硬融合方案的感知性能。     

基于噪声不确定性的双门限协作频谱感知算法

传统的双门限协作频谱感知算法忽略了两门限之间认知用户的本地感知信息,而利用这部分信息可以进一步提高认知无线电系统的感知性能。为此,在等增益合并的基础上,提出一种顺序自适应分步合并算法。两门限之间的认知用户根据接收信噪比分步上传本地感知信息,融合中心自适应地调整参与协作的认知用户数,以减小系统的上传数据开销。推导在Rayleigh衰落信道条件下,认知用户上传数据的平均比特数以及全局检测概率的闭式表达式。理论分析和仿真结果表明,该算法能以较小的数据开销获得较优的协作感知性能。     

基于分步融合的双门限协作频谱感知改进算法

针对在噪声不确定通信环境下,传统双门限协作频谱感知算法在同时提高频谱检测性能与降低数据传输量中的不足,提出一种基于分步融合的双门限协作频谱感知改进算法。该算法首先对所有认知用户进行过滤,剔除深度衰落用户对检测性能的不利影响;然后根据噪声不确定度自适应设置双门限值,增强感知系统对噪声不确定环境的适应性;最后在融合中心采取分步融合的策略,合理折中高检测性能与低数据传输量间的矛盾。理论分析与仿真结果表明,与传统双门限频谱感知算法相比,该算法可完全避免感知失败,在保证低数据传输量的同时可有效提升检测性能,当噪声不确定度较大时,提升效果更明显。     

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。     

非理想报告信道下协作频谱感知研究及性能分析

分析了理想报告信道下协作频谱感知性能,提出了基于改进的能量检测的协作频谱感知方案。改进的能量检测器通过对接收信号样本取任意正数p次方的和作为检测统计量,每一个认知用户将本地检测结果发送到数据融合中心,数据融合中心采用OR准则最终判断授权用户信号是否出现。针对非理想报告信道情况,推导了误检概率最小下参与协作的认知用户个数,并数值仿真得到了误检概率最小下的p值。数值仿真结果也表明协作频谱检测概率在低信噪比情况下随着p值的增大而提高。     

基于改进型能量检测的加权协作频谱感知算法

针对单节点能量检测法存在的“隐藏终端”和检测准确性低以及协作频谱感知算法大多采用等权重进行数据融合,未考虑不同节点所处的通信环境对检测性能的影响等问题,提出一种基于改进型能量检测的自适应加权协作频谱感知算法。该算法通过对单节点能量检测方法的改进,在单节点检测错误概率最小的条件下,导出了信噪比与判决门限的关系式,利用二分法求得不同信噪比下的动态门限值,得到相应的虚警概率和检测概率,以虚警概率和检测概率的函数作为加权因子进行数据融合。仿真结果表明,所提算法使协作感知系统在低信噪比条件下也能获得可靠的检测性能。     

基于截断型序贯检测的协作频谱感知算法

为了改善低信噪比情况下认知用户的频谱感知性能,提出了一种基于截断型序贯检测的协作频谱感知算法。协作认知用户首先对接收到的信号序列进行分段处理,然后统计各自段内采样点能量值大于预设门限值的个数,并将其作为本地检测统计量上传至融合中心,从而有效地减少了控制信道的传输开销。利用棣莫弗 拉普拉斯定理和中心极限定理的近似结论得出段内检测统计量服从高斯分布,大大简化了后续似然比函数的理论推导和计算过程。仿真结果表明,在认知用户平均信噪比〖AKγ-〗=－15dB且目标检测性能相同的条件下,相比现有的能量检测算法,所提算法在H0和H1两种情况下分别减少了55.86%和37.51%的平均样本数。     

基于可信度的双门限DMM协作频谱感知算法

针对已有的双门限特征值频谱感知算法存在忽略本地感知用户可靠性差异及融合判决方式开销大的缺点,提出了一种基于可信度的双门限DMM协作频谱感知算法(DT-CDMM),用于进一步提升协作感知性能。所提算法在最大最小特征值差(DMM)算法的基础上,建立了基于特征极限分布的双门限DMM算法作为本地感知,采用触发式的软、硬判决相结合的判决机制来减少系统开销,以本地感知性能与可信度加权的方式得到全局判决结果,并对硬判决进行自适应补偿。仿真结果表明, 较已有的双门限特征值算法以及双门限能量检测算法,DT-CDMM算法在噪声不确定的环境下提升了多用户协作检测的概率。     

基于截断型序贯检测的协作频谱感知算法

本文针对低信噪比情况下认知用户的频谱感知需求,提出了一种基于截断型序贯检测的协作频谱感知算法。协作认知用户对接收到的信号序列进行分段处理,统计各自段内采样点能量值大于预设门限值的个数并将其作为本地检测统计量上传至融合中心,有效的减少了控制信道的开销。棣莫弗—拉普拉斯定理和中心极限定理的引入,又使得段内检测统计量近似为高斯分布,从而大大简化了后续似然比函数的理论推导和计算过程。性能分析及仿真结果表明,在目标检测性能相同的条件下,相比现有的能量检测算法,所提算法大大降低了所需的频谱感知时间。     

Cooperative spectrum sensing based on stochastic resonance in cognitive radio networks

A new censoring cooperative spectrum sensing scheme based on stochastic resonance(SR)technique in cognitive radio(CR)network is proposed in this paper.The observations of the cooperative secondary users(SUs)whose statistics fall into the censoring interval are processed by SR system in the proposed scheme.The hard fusion and the soft fusion for the censoring cooperative spectrum sensing scheme are analyzed respectively.Theoretical analyses and simulation results show that the proposed censoring cooperative spectrum sensing scheme has the same detection performance as and lower computational complexity than the method that each cooperative SU performs spectrum sensing using SR-based energy detection,and its detection performance is superior to that of the conventional method that all the cooperative SUs perform spectrum sensing using energy detection in hard fusion.In soft fusion,the proposed censoring cooperative spectrum sensing based on equal gain combination can achieve the optimal sensing performance approximately.     

认知无线电网络多用户智能协作频谱感知算法

认知无线电网络中,单用户频谱感知容易受到阴影效应、多径衰落及隐蔽终端等不利因素的影响,造成感知结果的误判.为了提高系统的检测性能,并减少感知花销,提出了多用户智能协作频谱感知算法.各个认知用户根据估计信噪比自适应选择不同的感知策略,当估计信噪比高于选择阈值时采用双门限能量感知,低于选择阈值时则采用循环平稳特征检测,并在同一个感知周期内只进行一种较优的感知策略,从而在不明显增加计算复杂度的情况下,克服了能量感知在低信噪比条件下鲁棒性差的缺点,实现了智能检测.仿真结果表明,智能协作频谱感知有效提高了系统检测概率,缩短了平均感知时间,有较好的鲁棒性.     

基于信任度加权的合作频谱感知算法

为进一步提高认知无线电频谱感知性能,提出一种基于信任度加权的软合并感知算法TWCS(trustweighted cooperation sensing)。该算法首先定义一个模糊型指数信任度函数,对两认知用户间的信任程度进行量化处理,并通过信任度矩阵度量各认知用户测得数据的综合信任程度,以合理分配测得数据在融合过程中所占权重。仿真结果表明,与最大比合并和信噪比加权合并等算法相比,TWCS算法不仅具有更强的可靠性,而且使系统整体感知性能得到了较大提高。     

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。     

基于节点识别的协作频谱检测算法

在认知无线网络协作频谱感知过程中,感知节点所处的恶劣信道环境会导致本地频谱检测结果发生偏差,有时一些故障节点或恶意节点发送的误导信息来干扰认证网络融合中心的全局判决.根据认知网络感知节点的历史感知信息,将感知节点分为可信节点、不可信节点和故障或恶意节点,提出了一种基于节点识别的协作频谱检测算法.在该算法中,融合中心舍弃故障或恶意节点,使其不得参与数据融合,同时也不考虑不可信节点当前发送的本地检测结果.这样,一方面消除了故障或恶意节点对全局频谱判决的影响,另一方面降低了融合中心计算复杂度.仿真结果表明,该算法能有效克服故障或恶意节点的干扰,提高认证网络协作频谱检测性能.     

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。