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...     

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。     

基于D—S理论的双门限频谱感知算法研究

针对传统双门限频谱感知算法不能充分利用2个门限之间感知用户信息的问题,提出了一种基于D-S理论的双门限频谱感知算法。当感知用户接收到的信号能量介于2个门限之间时,该算法不直接给出判决结果,而是进行本地判决,即采用D-S理论进行数据融合。仿真结果表明,与传统双门限频谱感知算法相比,基于D-S理论的双门限频谱感知算法的检测概率较高,提高了整体的频谱感知性能。     

认知无线电网络中基于信任度的频谱感知技术

提出了一种在认知无线网络控制信道带宽受限条件下基于信任度的双门限协同频谱感知算法。首先每个认知用户基于双检测门限独立进行频谱感知,但只有部分可靠的认知用户通过控制信道向认知无线网络基站发送本地感知结果。当所有的用户都不可靠时,选取信任度最高的认知用户发送本地感知结果进行判决。理论分析和仿真表明,同常规能量检测算法相比较,该算法能够在控制信道带宽受限条件下,以较少的网络开销获得更好的频谱感知性能。     

基于Strackelberg博弈论的煤矿井下频谱感知算法研究

针对煤矿井下频谱感知技术感知准确度低的问题,提出了基于Strackelberg博弈论的煤矿井下频谱感知算法。该算法根据认知节点感知性能的好坏,将认知节点分为领导节点和跟随节点,感知性能差的跟随节点采取感知性能好的领导节点的判决结果。Matlab仿真结果表明,该算法提高了煤矿井下频谱感知的性能。     

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。     

Rayleigh信道下双门限协作频谱感知研究

频谱感知是认知无线电系统有效通信的前提,其感知速度和准确性是衡量频谱感知性能的重要指标.现有算法仅考虑理想AWGN信道下双门限协作频谱感知,应用中衰落信道下的频谱感知作深入研究,具有实际意义.为了提高频谱感知在实际应用中的可靠性,将双门限多节点协作方法用于Rayleigh衰落信道仿真检测.仿真实验表明,Rayleigh衰落信道下双门限多节点协作检测方法的可靠性优于高单门限协作检测方法,其检测结果对Rayleigh信道环境下频谱感知系统的设计具有重要参考价值.     

基于双门限和证据理论的合作频谱感知算法

从提高合作频谱感知结果的可靠性以及减小网络开销和融合中心计算负担的角度出发,提出了一种新的基于双门限和证据理论的合作频谱感知算法。该算法在进行本地感知的时候,认知用户通过双门限能量检测直接得到本地判决结果,将认知用户感知到的能量值在两个门限之间的未能进行本地判决的结果的信任度函数发送给融合中心,这样大大减少了融合中心利用证据理论进行软融合的计算量以及传输感知结果带来的网络开销。理论分析和仿真表明,提出算法的检测概率比其他检测算法的检测概率性能提升30%,其接收机操作性能曲线（ROC）性能比性能较好的D-S证据理论提升3%。     

基于熵和多步马尔可夫特征的图像拼接检测

随着图形编辑软件的普及,数字图像篡改越来越容易,数字图像篡改检测已成为一个亟需解决的问题。为此,提出基于图片信息熵和多步马尔可夫特征的图像拼接检测方法。该方法将图像拼接检测问题转换为两分类模式识别问题,先从原图、3阶Haar离散小波变换(DWT)和多尺度分块离散余弦变换(DCT)中提取图片的信息熵,再从图像的分块DCT系数中提取多步马尔可夫转移概率矩阵,由信息熵和多步马尔可夫转移概率矩阵组成统计特征,利用支持向量机分类器进行分类得到判决结果。实验结果表明,该方法在哥伦比亚图片库上具有较高的拼接检测精度,达到89.91%。     

隐马尔可夫模型及其最新应用与发展①

隐马尔可夫模型是序列数据处理和统计学习的一种重要概率模型,已被成功应用于许多工程任务中。首先介绍了隐马尔可夫模型的基本原理,接着综述了其在人的行为分析、网络安全和信息抽取中的最新应用。最后对最近提出来的无限状态隐马尔可夫模型的原理及最新发展进行了总结。     

基于马尔科夫预测的多传感器故障检测与诊断机制

随着无线传感器网络应用规模的不断扩大,各类应用中传感器故障检测与诊断成为系统正常作业、安全可靠性保障的关键技术。针对多传感器系统与节点工作过程定义3种状态,基于故障检测信息建立状态转移矩阵,通过马尔科夫模型预测传感器故障信息,为故障检测与诊断提供决策依据。另外,拓展数据包信息字段包括故障类型、节点定位等,故障处理后节点转移至正常状态后将故障处理和诊断特征等信息存储到网关或者汇聚节点,为改善故障检测精度和诊断效率以及系统资源利用率提供依据。实验结果表明：所提故障检测与诊断算法与传统算法相比,具有更高的故障检测精度,更短的故障诊断时延、能够准确判断故障类型等性能。     

分布式多媒体服务组合中的异常预测算法

为提高分布式多媒体服务组合系统中路径的健壮性和可靠性,提出一种基于Markov链和加权朴素贝叶斯分类器(WNBC)的异常预测算法。该算法利用Markov模型预测系统节点的资源状态信息,使用WNBC对预测的节点状态进行分类,以判断节点是否可能发生异常。实验结果表明,该算法能根据节点的状态信息预测系统节点的不同异常状态,性能较同类算法有较大的改善。     

一种基于信噪比的动态门限协作感知方法

在协作频谱检测中,针对单用户进行信号检测时所处环境的不同会对联合检测性能产生很大影响。为此,根据认知节点不同的信噪比,提出一种可以动态调整判决门限的协作检测方法。仿真结果表明,在联合虚警概率一定的情况下,该方法可明显提高联合检测概率及频谱检测的可靠性。     

改进QGA在WSNs节点部署中的应用

对含有障碍区域的无线传感器网络（WSNs）节点部署问题进行研究。建立节点探测模型和网络覆盖率评价方法,基于概率传感器模型提出一种部署方式,即对障碍区域进行随机布撒节点,确定区域采用量子遗传算法（QGA）寻找最优节点部署位置,实现对同构WSNs节点构成的目标区域的高效覆盖。仿真结果与GA,QGA相比：改进QGA有效提高了算法整体的搜索能力和收敛速度。     

基于NACT和HMT模型的纹理图像检索

针对轮廓波变换方向子带中的频谱混叠现象及传统KLD方法度量隐马尔科夫模型间距离的局限性,提出结合改进KLD度量的抗混叠轮廓波隐马尔科夫树(HMT)纹理图像检索方法。利用抗混叠轮廓波变换抑制频谱混叠的特点对纹理进行分解,建立HMT模型并将其训练后的参数集视为纹理特征,利用改进KLD方法满足三角不等式的优点度量HMT模型间的距离,提高纹理图像检索精度。理论和实验结果表明,该算法的查准率比CT-HMT+传统KLD方法提高了2.81%。     

一种基于节点相似度的社团探测算法

文章借鉴节点密度等性质,提出了一种基于节点间相似度的复杂网络社团结构探测算法(BSTN)。在实际网络中进行验证,本文使用的是空手道俱乐部网络(Karate网络)和美国大学足球俱乐部网络(Football网络),实验结果与Newman算法进行了比较。本文提出的算法拥有更少的迭代次数,近似的模块度值,说明此算是有效的,并且对算法得出的社团结构进行了合理的解释,说明算法得出的结果是符合实际的、是合理的。     

基于改进MLN的人类活动识别新方法

针对人类活动识别中存在的检测不确定问题,改进了马尔可夫逻辑网络（MLN）中势函数的计算方法。即软化一阶逻辑中关系运算符,使特征函数的取值范围从布尔值扩展到[0,1]区间;计算传感器事件的可信度,来获取所对应闭原子为真的概率。将改进的MLN方法与本体结合,提出混合识别框架并实现了相应算法。仿真实验结果表明,在包含错误的数据集ADL-E下,改进的MLN仍能保持较高的准确率。     

基于动态SOFM的网络入侵检测

针对目前入侵检测系统误报率过高、检测率不高和对未知入侵检测能力有限的缺陷,提出一种动态SOFM的网络入侵检测方法,定义了聚类节点信任度,并根据竞争结果、信任度、中心相似度,制定节点的增删策略,提升聚类效果。使用KDD99数据集进行实验,结果表明系统在保持误报率低的情况下,入侵检测率有所提高。