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。     

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.     

一种鲁棒的协作式认知无线电频谱感知方案

在协作式认知无线电频谱感知中,恶意节点会通过向数据融合中心传送虚假的感知信息来降低整个网络的频谱感知性能.为了提高协作感知对虚假感知信息攻击的免疫力,提出一种基于加权序贯似然比检测技术的鲁棒协作式频谱感知方案.通过采用信誉记录,权值分配和多线程检测三种机制,能够做到有效判别和剔除恶意节点,提高了协作式频谱感知的鲁棒性.     

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。     

基于时序马尔可夫链的分布式频谱检测

针对无线传感网络中的合作谱检测问题,提出一种基于时序马尔可夫链的分布式频谱检测算法。假定单节点对频谱的感知是一个马尔可夫过程,本地序列检测采用序列概率比测试进行频谱探测,得到本地序列检测值。各个感知节点将检测结果发送到数据融合中心,根据设定门限确定最终检测结果。通过Matlab仿真验证了该算法的时序检测性能。     

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。     

一种基于信任度分簇处理协作感知算法

针对恶劣环境下能量感知算法感知性能差的问题, 提出了一种基于信任度分簇处理协作感知算法。在双门限能量检查算法基础上给出一种由采样信号均值、信噪比、采样信号相对误差组成的新信任度系数;并根据新信任度系数对双门限之间认知节点可靠性进行评定、修正后参与传统单门限能量感知得到本地感知结果;同时为不同可靠度认知节点对协作感知判决分配不同贡献,给出由采样信号方差和信噪比方差组成新权重值加权协作判决。实验仿真表明,本文算法感知性能较传统双门限协作感知算法和信任度加权融合算法有一定改善。     

基于信号可信度的压缩感知协作频谱检测算法

压缩感知为认知无线电的宽频谱感知提供了一种新的方法和思路。基于压缩感知的原理,提出了一种多认知用户协作场景下,基于信号可信度的协作频谱检测算法。该算法根据不同认知用户接收信号的优劣判定用户感知结果的可信度,并利用正交匹配协作追踪算法获得认知区域内的频谱占用情况。仿真结果表明,该算法在不同信噪比范围下其检测性能均优于传统算法,以较小的复杂度代价改善了检测性能。     

Cooperative spectrum sensing against noise uncertainty using Neyman–Pearson lemma on fuzzy hypothesis test

In this paper, we consider the problem of cooperative spectrum sensing in the presence of the noise power uncertainty. We propose a new spectrum sensing method based on the fuzzy hypothesis test (FHT) that utilizes membership functions as hypotheses for the modeling and analyzing such uncertainty. In particular, we apply the Neyman–Pearson lemma on the FHT and propose a threshold-based local detector at each secondary user (SU) in which the threshold depends on the noise power uncertainty. In the proposed scheme, a centralized manner in the cooperative spectrum sensing is deployed in which each SU sends its one bit decision to a fusion center. The fusion center makes a final decision about the absence/presence of a primary user (PU). The performance of the PU's signal detection is evaluated by the probability of signal detection for a specific signal to noise ratio when the probability of false alarm is set to a fixed value. The performance of the proposed algorithm is compared numerically with two classical threshold-based energy detectors. Simulation results show that the proposed algorithm considerably outperforms the methods with a bi-thresholds energy detector and a simple energy detector in the presence of the noise power uncertainty.     

基于动态阈值的可信度加权协作频谱感知

为了提升受阴影衰落等因素影响下的协作频谱感知性能, 采取了一种改进的基于动态阈值和可信度相结合的协作频谱感知方法。该方法利用各认知用户的检测信噪比对检测可信度较低的认知用户进行过滤, 各认知用户根据检测信噪比设定一个适合自身的动态阈值进行能量感知, 融合中心结合各单节点感知结果和分配的传输可信度作出最终判决。仿真结果表明, 在检测信道和传输信道均受到阴影衰落等因素严重影响下, 与单纯的动态阈值协作感知和传统的可信任度协作感知方法相比, 该方法能获得较高的检测概率。     

基于BP神经网络的协作频谱感知技术

认知无线电技术可以利用主用户未使用的频谱资源来有效地提高频谱利用率。单用户感知技术虽然简单但可靠性较低,协作频谱感知技术可以显著地提高频谱感知的性能。现有的大部分协作感知都是在假设各认知用户的信噪比相同的前提下进行研究。然而在实际环境中,由于每个认知用户所处的环境不同,其信噪比不同,对融合中心判决的影响也不同。如何在提升检测性能的同时提升系统的能量效率是关键问题。提出一种基于BP(Back Propagation)神经网络的协作频谱感知技术,它利用频谱环境的历史信息,通过BP神经网络提高频谱感知性能。仿真结果表明,该算法可以在保证协作感知性能的同时减少参与协作的认知用户数,从而减少能量消耗。     

A weighted cooperative spectrum sensing framework for infrastructure-based cognitive radio networks

Spectrum sensing plays a critical role in cognitive radio networks. A good sensing scheme can reduce the false alarm probability and the miss detection probability, and thus improves spectrum utilization. This paper presents a weighted cooperative spectrum sensing framework for infrastructure-based cognitive radio networks, to increase the spectrum sensing accuracy. The framework contains two modules. In the first module, each cognitive radio performs local spectrum sensing and computes the total error probability, which combines the false alarm probability and the miss detection probability. The total error probability and the energy signal from the primary user are then sent to the base station. In the second module, the base station makes a final decision after combining the weighted energy signals from all cognitive radios. The final decision is then broadcasted back to all cognitive radios. To reduce the computation complexity and communication overhead, the base station also instructs the cognitive radios that have large total error probabilities not to report their local sensing results. We have developed a theoretical model for the proposed framework, and derived the optimal detection threshold, as well as the minimum number of cognitive radios required to participate in cooperative sensing, subject to a given total error probability. Numerical results verify that the proposed weighted cooperative spectrum sensing framework significantly improves the sensing accuracy.     

基于最优计数准则的合作频谱感知

为了使基于计数准则判决融合的合作频谱感知达到最优性能,从理论上研究了本地判决包含的信息量与次用户(SU)接收信噪比的关系,并指出了达到最优计数准则融合的条件。在此基础上,提出了一个基于最优计数融合准则的算法,能够将SU按照信噪比排序,并排除会降低合作感知性能的SU。计算结果和仿真数据表明理论分析是正确的,所提算法也能够很好地筛选接收信噪比高的节点,达到实现提高合作感知性能的目的。     

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。     

基于位置预测的认知车联网协作频谱感知算法

针对认知车联网中由地形起伏或密集城市结构而引起的频谱感知性能低、延时大等问题,提出了一种基于位置预测的协作频谱感知算法。首先,采用能量检测法进行本地频谱感知,通过将次用户接收到的信号能量大小和预先设定的阈值进行比较,初步判定频谱是否被主用户占用。然后,利用认知车联网中车辆位置预测技术,计算车辆位置和信道状态信息,并据此设置置信值,删除置信值低的次用户。最后,在融合中心采用加入置信值的似然比融合规则得到最终判决结果。仿真结果表明,与传统算法相比,所提算法能有效提高频谱感知性能并缩短感知时间,尤其适用于对实时性要求较高的车联网系统。     

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。