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。     

联合信任度与信噪比的自适应协作频谱感知算法

为提高认知无线电的频谱感知性能,提出一种联合信任度与信噪比的自适应协作频谱感知算法。该算法通过信噪比估计和信噪比比较获取各认知用户的初始信任度值,自适应地调整信任度、参与度、判决门限等参数以实现算法最优,并采用周期性初始化策略以满足时变信道的要求。仿真结果表明,与传统K秩协作频谱感知算法和自适应合作频谱检测算法相比,该算法不仅提高了协作检测性能和稳定性,而且具有更好的实时性和抗恶意用户性能。     

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。     

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。     

一种基于信任度的自适应合作频谱感知方法

由于认知网络内用户物理分布具有非均匀特性,各认知用户与相同主用户之间的距离及其信道环境存在较大差异,导致不同用户判决结果的可靠性程度不同。传统的硬融合算法往往忽视用户检测可靠性差异,同等对待所有本地判决,使得合作检测性能达不到最优。针对该问题,提出一种改进的基于K秩硬判决的多用户合作频谱感知算法。融合中心执行融合算法时,引入信任度区别对待各认知用户的本地判决,采用迭代方法,不断根据用户局部判决相对总判决的正确度,自适应更新信任度,并适时调整全局判决门限。算法简单有效,开销小。实验结果表明,该算法相比传统的K秩硬判决算法,具有更好的合作检测性能。     

基于动态SNR门限的CoMP反馈开销优化

多点协作(CoMP)系统需要用户反馈大量的信道信息,以满足系统的性能增益,但系统的能耗会随着反馈开销的提升而增大。为此,设计基于动态SNR门限的反馈算法,从绿色无线系统的观点出发,尽量降低系统的性能损失,并通过减少不必要的反馈信息,避免协作节点间不必要的交互信息,在系统性能和能耗之间取得较好平衡,提高系统的能量效率。仿真结果表明,与固定SNR门限反馈算法和不采用选择性反馈的情况相比,该算法能在满足系统性能要求的前提下,有效降低系统的反馈开销,实现降低系统能耗的目标。     

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。     

基于高效协作感知算法的认知无线电研究*

针对协作频谱感知中感知开销过高问题,提出了一种联合考虑选择最佳的感知节点数以及感知的信道数来降低协作感知开销的方法。该算法分析了协作感知算法中感知节点数、感知的授权信道数与协作感知精度以及感知开销之间的关系。仿真结果表明,与其他算法相比,该算法能够有效地降低感知开销并提高系统的感知性能,验证了该算法的有效性。     

基于1‑bit压缩感知的高效无线联邦学习算法

在无线联邦学习（FL）的架构中,用户端与服务器端之间需要持续交换模型参数数据来实现模型的更新,因此会对用户端造成较大的通信开销和功率消耗。目前已经有多种通过数据量化以及数据稀疏化来降低通信开销的方法。为了进一步降低通信开销,提出了一种基于1?bit压缩感知的无线FL算法。在无线FL架构的上行链路中,这种算法首先在用户端记录其本地模型数据的更新参数,包括更新幅值和趋势;接着对幅值和趋势信息进行稀疏化,并确定更新所需的阈值;最后对更新趋势信息进行1?bit压缩感知,从而压缩上行数据。在此基础上,通过设置动态阈值的方法进一步压缩数据大小。在MNIST数据集上的实验结果表明：引入动态阈值的1?bit压缩感知过程能够获得与无损传输过程相同的效果,在FL应用的上行通信过程中能将用户端需要传输的模型参数数据量降低至不采用该方法的标准FL过程的1/25;而在全局模型训练到相同水平时,能将用户上传数据总大小降低至原来的2/11,将传输能耗降低至原来的1/10。     

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...     

Multinode sensing with forward error correction and differential evolution algorithms for noisy cognitive radio networks

Spectrum sensing is a vital phase in Cognitive Radio (CR) to identify the unutilized spectrum for dynamic spectrum access (DSA). Cooperative/multinode sensing is being used for signal detection to achieve spatial diversity gains. In cooperative sensing, the sensing channels are assumed to be noisy. However, the reporting/control channels (channels between CR and fusion center) are also contaminate with the noise, which degrades the cooperative detection accuracy. In this paper, (i) effect of reporting channels are studied and used forward error correction technique (convolutional encoder) to mitigate the effect of reporting channel noise, (ii) differential evolution algorithm is used to evaluate the optimum weights for cooperative users to maximize the sensing performance. Three different detection methods are considered for performance analysis. The simulations are carried out with different signal-to-noise ratio in control channel with and without error correction. The results reveal that, detection probability and accuracy of the system can be improved with convolutional coding together with differential evolution algorithm.