基于非理想感知的认知无线电系统感知时间与频谱分配联合优化算法

针对非理想感知情况下感知时间与频谱分配联合优化问题,同时考虑漏检与主用户重新占用频谱两种场景所造成的主次用户碰撞,并通过量化主用户对认知用户的干扰,给出有无主用户存在时认知系统可获得的吞吐量。在总传输功率约束以及对主用户的最大干扰功率约束两个限制条件下,以最大化系统平均吞吐量为优化目标,给出感知时间与频谱分配联合优化算法。算法首先通过折半法搜索最优感知时间,在既定的感知时间下,将子信道分配给能获得最大平均吞吐量的认知用户,在此基础上,利用凸优化相关理论求得最优功率分配。仿真结果表明,本文所提算法相比于传统频谱分配算法系统平均吞吐量性能提升了10%左右。     

无线传感器网络数据的迭代凸优化重构

为提高弱相关性网络数据压缩感知的可靠性和有效性,提出一种基于迭代凸优化的网络数据重构方法.该方法利用多次凸优化算法共同重构相关性较弱的网络数据,在每次运行凸优化算法后,对已重构出的数据向量元素进行加权以降低权值,而使其他的数据向量元素在下次凸优化中得到重构.与以往的压缩感知重构方法相比,迭代凸优化重构可在网络数据相关性较弱的情况下保证重构准确度.仿真实验验证了所提方法的正确性.     

最优线性认知无线电协作频谱感知技术研究

频谱感知是检测频谱空穴,实现动态频谱接入的前提和关键。单认知用户检测存在阴影效应和多径衰落等影响,检测效果较差。多用户协作频谱感知是目前频谱感知的主要手段。文中针对常用的协作频谱感知方法的不足,提出一种基于最优线性加权的协作频谱感知方法,对其检测模型与检测算法进行分析,并进行仿真。仿真结果表明,最优线性加权协作频谱感知在相同的条件下相比常用协作频谱感知具有更大的检测概率,更优良的检测性能。     

认知无线网络中动态双门限协作频谱感知性能的优化方案

频谱感知作为认知无线电的关键技术,得到广泛深入的研究。其中衡量协作频谱感知性能的主要参数为全局虚警概率和全局漏检概率,它们之和被定义为全局错误概率。本文研究基于双门限能量检测的协作频谱感知性能的优化方案,首先,固定双门限能量检测的检测门限值,对表决融合准则的投票门限进行优化,使得在该能量检测门限值条件下,协作频谱感知的全局错误概率最小;然后在表决融合准则的投票门限取最优值的前提下,对双门限能量检测的检测门限值进行了优化,在不同接收信噪比条件下,最优的检测门限值是动态的,所以要根据信噪比确定最优的检测门限值,使得协作频谱感知的全局错误概率在各信噪比条件下都达到最小值,从而提高了协作频谱感知的性能。仿真结果表明,表决融合准则的投票门限和双门限能量检测的检测门限值取得各自的最优值时,全局错误概率最低,检测性能最好。      

多天线感知无线电中的协作频谱感知算法

不同于以往单天线感知用户的频谱感知研究,该文提出多天线情形下基于最优功率分配和协作分集的频谱感知算法。根据信道条件利用奇异值分解(SVD)在每根天线上进行功率注水,并考虑多天线情况下两用户网络协作频谱感知授权用户的判决检测过程,利用基于指数衰减的路径损耗模型,分析多天线感知网络的各态历经容量和检测授权用户的概率及时间。理论分析及仿真结果表明,多天线感知用户通过最优功率分配和协作频谱感知不仅使感知网络具有最大的各态历经容量,同时改善系统的检测性能。     

基于拉普拉斯先验算法的多维度频谱感知

全双工认知无线电LAT（Listen-and-Talk）模型能够在次用户传输数据的同时进行频谱感知,这要求感知用户能在次用户自干扰的影响下检测当前是否存在主用户。利用全局功率谱模型的方法实现了对当前用户的使用频段、发射功率和位置坐标的多维度感知,以此辨别该用户的身份。在求解数学模型时,选取了拉普拉斯近似函数用作未知参数的先验概率密度函数,与现有方法相比,提升了算法收敛速度,并获得了准确性更高的结果。     

协作认知网络中基于融合准则与感知时间联合优化的策略

在协作频谱感知网络中,感知时间和数据融合准则均影响着感知性能.假设控制信道为二进制对称信道的前提下,基于“k秩准则”建立了协作感知网络吞吐量优化问题的数学模型,目的是在保护主用户利益的前提下联合优化感知时间和k值使认知网络吞吐量最大化.理论分析了最优感知时间和k值的存在性,并进行了相关的计算机仿真.仿真结果表明:所提议...     

基于Stackelberg博弈的多任务协作频谱感知算法

随着移动设备的增多,认知无线电技术诞生,而频谱感知是认知无线电技术中的重要一环。本文将群智感知和频谱感知结合,提出了一种基于Stackelberg博弈的多任务协作频谱感知算法。该算法将融合中心(平台)与次用户分别建模为Stackelberg博弈领导者和从属者。在领导者博弈中,平台给次用户发布最优的报酬值以获得最佳的效用;在从属者博弈中,本文着重考虑了剩余能量对次用户的影响,次用户在平台给的报酬下改变感知时间以获得最优的效用。仿真结果表明,该算法可以提高融合中心对频谱的检测概率。      

基于传输中断概率的认知无线电系统性能分析

如何设计最优的频谱感知与传输框架是认知无线电技术的重要环节。考虑频谱接入过程中数据传输中断对认知网络性能影响的问题,提出了一种新的基于传输中断概率的频谱感知与传输模型,联合优化频谱感知和数据传输两个阶段,将问题建模为对主用户的干扰量约束条件下的非凸优问题,以最大化认知网络吞吐量为目标联合优化感知时间、传输速率,并通过数值计算方法对其进行求解与仿真。数值分析表明,引入传输中断概率后,在满足上述约束条件的同时,在保护主用户和认知网络吞吐量、传输时延之间有了更好的权衡。     

一种基于感知信任度的加权协作感知算法

基于非协作感知的不确定性,协作频谱感知方法具有更高的可靠性.在传统的加权数据融合的基础上,根据无线电通信环境次用户(Secondary User,SU)的信任度不同,引入信任度函数及其信任度因子,提出了一种基于次用户信任度的自适应数据融合算法.仿真结果表明,该算法可以提高主用户(Primary User,PU)的检测概率,具有一定的可靠性和有效性,其检测性能优于传统的加权数据融合准则,同时还适应感知用户的拓扑变化.     

认知网络中的多用户MIMO线性协作频谱感知问题研究

研究了多用户MIMO的线性协作频谱感知问题以提高频谱检测的可靠性,推导了多用户MIMO线性协作感知系统的局部检测和全局检测策略,建立了在给定误警概率的情况下控制中心通过优化给各个用户的信号所分配的权值来最大化全局检测概率的优化模型。进一步,引入了遗传算法来求解上述全局检测优化问题的最优权值,期望能够有效降低算法在频谱感知过程中检测时间。仿真结果表明,多入多出能够明显提高协作频谱感知系统频谱检测可靠性,而遗传算法高效且稳定,相比较其他算法能够有效改善系统的检测性能。     

Optimization of Cluster-Based Cooperative Spectrum Sensing Scheme in Cognitive Radio Networks with Soft Data Fusion

This paper investigates cluster-based cooperative spectrum sensing issues in two-layer hierarchical cognitive radio networks with soft data fusion. We first define a two-phase reporting protocol in the paper. In the first phase, secondary users forward their soft sensing information to cluster heads (CHs) over large-scale fading. In the second phase, all CHs transmit the aggregated soft energy information to the fusion center (FC) with different weights. Thus we derive the network false alarm (FA) and the detection probabilities as functions of the FC decision threshold, the clustering algorithm and different weights. Given a target on the detection probability, minimizing the FA probability is then formulated as a constraint optimization problem within two scenarios including additive white Gaussian noise environment and Rayleigh fading environment. A close-form upper bound of the FA probability is derived and a novel clustering scheme is also proposed for each scenario. Numerical results show that the proposed schemes achieve a satisfying performance.     

Secure centralized spectrum sensing for cognitive radio networks

Spectrum utilization becomes more and more important while new communication techniques keep increasing and the spectrum bands remain finite. Cognitive radio is a revolutionary technology to make use of the spectrum more effectively. In order to avoid the interference to the primary user, spectrum sensing must be sensitive and reliable. Cooperative spectrum sensing (CSS) is one of the ways to increase the reliability of spectrum sensing. The information fusion technique is a key component of CSS. In this paper, we proposed a novel fusion scheme based on spatial correlation technique. We utilize geographical information with reputational weights to propose a two-level fusion scheme called secure centralized spectrum sensing (SCSS). The simulation results show that as the attackers present high density aggregation at some areas, the correct sensing ratio of SCSS is increasing as well even when the number of attackers is very large.     

A Distance Based Reliable Cooperative Spectrum Sensing Algorithm in Cognitive Radio

Spectrum sensing is the most critical task in cognitive radio (CR) which needs to be performed very precisely in order to efficiently utilize the underutilized spectrum and to provide sufficient protection to the primary users (PUs). To improve the sensing performance under fading, shadowing and hidden terminal problems more than one CR users collaboratively perform the spectrum sensing called as cooperative spectrum sensing (CSS). In conventional CSS the decision of each CR is fused at fusion center with equal weights. But due to variable distance of each CR from the PU all decisions are not equally reliable and therefore should be assigned different weights according to their reliability. In this paper we propose a new weighting scheme for CSS under Rayleigh faded channel. In proposed weighting scheme, based on the distance of each CR from the PU reliability of CR nodes is determined and correspondingly appropriate weights are assigned to different users. The CSS algorithm using new weighting scheme gives better performance than conventional CSS algorithm.     

认知无线电最优线性协作宽带频谱感知

本文提出了基于最优线性协作的宽带频谱感知方案。通过次级用户之间的协作,为认知网络的频谱感知提供分集,利用融合中心融合多个次级用户的宽带频谱感知数据来获取最优权重,并生成全局判决统计量,最终使用全局阈值完成最后的检测判决。由于所提出的两种协作宽带感知方案或需要精确地估计授权用户的信号强度和噪声方差,或感知性能不足,因而,还提出一种更易实现的方案。理论分析和仿真结果表明,本文所提出的协作感知方案可以有效地提高频谱感知性能,并且性能优于传统等增益合并方案。      

基于表决融合的带宽受限的协作频谱感知算法

协作的频谱感知使认知无线电（CR）网络对主用户进行可靠的检测,并避免了对主用户通信的干扰。数据融合是协作的频谱感知的关键技术。但是当协作认知无线电用户较多时,它们向融合中心汇报的感知信息就会占用大量的带宽。本文提出了将表决融合准则与检查策略相结合的协作频谱感知的方法,来减少发往融合中心的平均感知比特数,从而有效节约传输带宽。推导分析了该算法在理想信道和非理想信道中的频谱感知性能,并给出了这两种情况检测概率的闭合式。仿真结果表明,此种基于表决融合准则的检查协作频谱感知算法的性能最优,即在较高的感知性能下有大量的感知比特的节约。      

双信任度加权的K秩准则频谱感知算法

基于信任度的协作频谱感知算法,可以很好地解决本地检测的隐藏终端和频谱衰落等问题。但其对于多用户的大量数据分析,缺乏高效的数据统计和融合算法,算法的检测性能有待提高。为此,提出了一种基于双信任度加权的K秩准则协作频谱感知算法。它在主用户存在与不存在两种情况下,分别采用不同的信任度加权的算法,并与K秩准则的融合策略相结合。仿真结果表明,算法在保证数据统计和融合能力的前提下,有效的提高了检测性能和感知能力。     

认知无线网络中的智能协作频谱感知机制研究

作为智能体,认知无线电应具有智能学习和智能判决的能力。为充分发掘认知用户的智能体特性,本文提出一种基于支持向量机和模糊积分的智能协作频谱感知机制。该机制将协作频谱感知模型转化成基于模糊积分的多分类器融合模型,其中每个认知用户均被看作一个独立的支持向量机分类器,单个感知周期内得到的采样数据作为分类器的输入,分类器的概率输出将被发送至融合中心,融合中心采用模糊积分算法将各分类器得到的结果进行融合并判决。该机制充分挖掘了认知用户在频谱感知阶段的“智能学习”能力和信息融合阶段的“智能判决”能力,仿真结果进一步表明,与单一的分类模型相比,本文提出的智能协作频谱感知机制具有更高的检测概率和更低的虚警概率。      

基于可靠次用户信息的协作频谱感知算法研究

对认知无线电系统最基本要求之一就是次用户必须有能力以高的精确率来确定主用户是否存在。而以前对认知无线电频谱感知的研究表明：在实际认知网络中次用户之间的相互协作可以提高其频谱检测性能。然而,对于协作频谱感知而言,随着协作次用户数目的增加,势必会增大用于传输本地检测结果到融合中心的专用控制信道带宽,从而增加系统开销。该文在控制信道带宽有限的约束条件下,提出一种通过考虑可靠次用户信息的协作频谱感知算法来进一步改善频谱检测的性能。该算法的基本思想：只有具有可靠的本地检测结果的次用户才发送自己的检测结果到融合中心,否则,该次用户不发送任何信息。同时,对提出的该算法在理论上进行了推导,通过仿真结果表明：在控制信道带宽受限的约束下,相比于传统的或门协作频谱感知算法,提出的算法能够大大改善对主用户的检测性能。