共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
协作频谱感知可以提高频谱感知的可靠性,但易遭到篡改感知数据(Spectrum Sensing Data Falsification,SSDF)攻击。该文利用SSDF攻击特征,判断邻居节点发送值是否是恶意状态值,并提出一种加权分布式协作频谱感知算法。该算法根据状态值在本地节点网络中的偏离程度,设定其融合权值。仿真结果表明,所提算法在节点收敛率和鲁棒性两方面,比基于梯度的协作频谱感知算法和基于最大差值的协作频谱感知算法都有所提升,检测性能也因此显著提高。 相似文献
4.
5.
协作频谱感知是认知无线电中实现频谱有效利用的关键环节,但协作频谱感知由于其聚集感知数据的特点,为恶意用户提供了可乘之机。恶意用户可以通过实施频谱感知数据伪造(spectrum sensing data falsification,SSDF)攻击的方式,使认知无线电系统不能如实地根据外界环境进行动态的频谱切换。为深入理解SSDF攻击,掌握其防御对策的研究现状及发展趋势,从攻击手段、攻击形式和攻击策略3个角度细化出具体的SSDF攻击类型,总结了目前SSDF攻击的典型防御对策。同时,针对目前相关研究中所存在的问题,明确了一些有待继续研究的方向。 相似文献
6.
7.
8.
由于认知无线电网络(CRN)的特点,合作频谱感知容易遭受各种不同的安全威胁。针对CRN合作频谱感知中的感知数据错误化(SSDF)攻击,利用博弈论分析了SSDF攻击者和数据融合中心在不同条件下的行为与收益,并研究了双方基于博弈论的最佳策略。数据融合中心采用本文所述的策略可以有效对抗SSDF攻击,且SSDF攻击者无法通过自身策略的调整获得更大的收益。 相似文献
9.
通过模拟人群内部的信任和决策机制,针对多用户的频谱协作感知一致性问题,提出了一种分布式算法。该算法首先通过网络的历次协作过程预测出各感知用户的动态可信值,据此产生用户的相对可信值,并结合决策机制使得用户之间进行数据交互,随着数据的可信、迭代交互,所有用户状态将趋于一致,最后通过判定算法得出最终结果。算法充分考虑了实际环境中各用户频带感知能力的不平衡性,而且各次级用户只需要进行少量局部数据交换即可实现协作感知,与传统的OR-rule、1-out-of-N rule以及普通迭代法有较大区别。对3种数据篡改攻击进行了分析,并在预测算法的基础上提出了相应的安全策略。理论分析与仿真结果表明,新算法在准确性和安全性上均优于传统合作频谱感知算法,能显著提高频谱感知准确率,同时兼具较强的防攻击能力。 相似文献
10.
认知无线电技术通过感知频谱后进行动态频谱资源分配,极大地提高了频谱利用效率。频谱感知是实现认知无线电技术的前提和基础,文中针对频谱感知技术中单节点检测的局限性对能够改善频谱感知能力的协作感知技术进行了分析及讨论,重点分析了基于能量检测法的协作感知中的各种数据融合算法,并在此基础上提出了目前协作感知中存在的问题及未来的研究方向。 相似文献
11.
12.
基于数据融合理论的分布式协作频谱感知方法研究 总被引:1,自引:1,他引:0
频谱感知是认知无线电的一个独有特征,是认知无线电的两大核心技术之一.文中通过对比各种频谱感知方法论证了分布武协作感知方法的优越性,提出了基于数据融合理论的分布式协作频谱感知方法. 相似文献
13.
14.
15.
为提高次用户接入业务端到端传输性能,该文提出通过感知节点检测性能和业务类型的频谱检测与资源分配联合优化方法。首先,将上周期全局检测性能构造的有效检测指数作为调节权值,计算信道状态自适应协作门限,据此选择协作模式,以最大化有效检测区间,并根据频带稳定性和有效性特征构造可用频谱空间。随后,基于业务请求接入速率将接入业务分为时延敏感业务和可靠性敏感业务两类,通过业务属性匹配的频谱分配算法提高接入业务的端到端传输成功率。仿真显示,在不同信道状态下,所提算法通过自适应调整全局检测性能扩大了Rayleigh衰落信道的有效频谱检测区间,降低了时延敏感业务的中断概率。 相似文献
17.
18.
针对传统卷积神经网络(CNN)频谱感知方法提取特征能力受限于网络结构简单,增加网络结构又容易出现梯度消失等问题,该文通过在传统卷积神经网络中添加捷径连接,实现输入层恒等映射更深的网络,提出一种基于深度卷积神经网络(DCNN)的协作频谱感知方法。该方法将频谱感知问题转化为图像二分类问题,对正交相移键控(QPSK)信号的协方差矩阵进行归一化灰度处理,并作为深度卷积神经网络的输入,通过残差学习训练深度卷积神经网络模型,提取2维灰度图像的深层特征,将测试数据输入到训练好的模型中,完成基于图像分类的频谱感知。实验结果表明:与传统的频谱感知方法相比,在低信噪比(SNR)下、多用户协作感知时,所提方法具有更高的检测概率和更低的虚警概率。 相似文献
19.
针对传统卷积神经网络(CNN)频谱感知方法提取特征能力受限于网络结构简单,增加网络结构又容易出现梯度消失等问题,该文通过在传统卷积神经网络中添加捷径连接,实现输入层恒等映射更深的网络,提出一种基于深度卷积神经网络(DCNN)的协作频谱感知方法.该方法将频谱感知问题转化为图像二分类问题,对正交相移键控(QPSK)信号的协方差矩阵进行归一化灰度处理,并作为深度卷积神经网络的输入,通过残差学习训练深度卷积神经网络模型,提取2维灰度图像的深层特征,将测试数据输入到训练好的模型中,完成基于图像分类的频谱感知.实验结果表明:与传统的频谱感知方法相比,在低信噪比(SNR)下、多用户协作感知时,所提方法具有更高的检测概率和更低的虚警概率. 相似文献
20.
协方差矩阵频谱感知方法在天线相关性低时感知性能较差,该文针对这一问题提出一种基于Friedman检验的非参数协作频谱感知方法。分布式放置的感知节点具有空间分集的特性,因此在同一时刻感知节点上的信号功率不完全相同。利用这一特点,提出通过比较各感知节点的信号功率水平来实现频谱感知。由于采用了非参数化表示,该方法对噪声不确定性稳定,且适用于任意统计分布的噪声。另外,推导了所提方法判决门限的理论表达式,结果显示判决门限与采样点数无关,因此在采样点数变化的情况下无需重新设置判决门限。仿真结果验证了上述理论分析的有效性。 相似文献