基于D-S证据理论的加权协作频谱检测算法

提出了一种基于D-S证据理论的加权协作频谱检测算法（DS-WCSS）。该算法使用能量检测进行本地检测,利用2种假设检验条件下检验统计量的方差和均值来评估各认知用户可信度的差异性,进而给出各认知用户可信度的权重,最后使用D-S证据理论进行数据融合和判决。仿真结果表明,与基于D-S证据理论和传统硬判决的协作频谱检测算法相比,DS-WCSS可以有效地提高检测性能。     

认知无线电差分协作压缩频谱估计算法

在分布式认知无线网络场景下,针对传统协作压缩频谱估计收敛速度慢、计算复杂度高的问题,提出了一种差分协作压缩频谱估计算法用于宽带频谱感知。算法通过利用不同认知用户感知的宽带信号所满足的相同频谱支撑集特征,实现了在邻居节点感知先验信息条件下,本地认知用户基于压缩测量向量差值的宽带频谱迭代估计。仿真分析结果表明,所提算法在频谱估计精度、检测性能与计算复杂度方面均获得了明显改善。     

一种基于子空间追踪的宽带压缩频谱感知方法

频谱感知是认知无线电进行动态频谱管理的首要任务。为了克服传统频谱感知算法对采样速率的过高要求,本文将压缩感知理论中的子空间追踪(SP)重构算法应用于协作式宽带压缩频谱感知中,提出了基于SP的宽带压缩频谱感知方法。该方法首先通过SP重构算法恢复出信号频谱,然后根据所恢复的频谱确定认知用户的能量判决门限,进而利用能量检测算法最终判决出可利用的频谱空穴。仿真结果表明,该方法在低压缩比下具有良好的频谱检测能力,且计算复杂度降低。     

基于压缩感知信道能量观测的协作频谱感知算法

压缩感知为认知无线电宽带频谱感知提供了一种新思路。基于压缩感知原理,该文提出一种不需要重构宽带频谱本身,而是直接重构各信道能量的协作频谱感知方法。多个次用户使用宽带随机滤波器组获取信道能量的观测值。融合中心同步接收多个用户的能量观测,并利用同步稀疏自适应匹配追踪协作重构算法重构所有次用户的信道能量。仿真结果表明加性高斯白噪声环境下该协作感知方法所需的滤波器数目仅为传统方法的20%左右,瑞利衰落信道下也仅需传统方法的40%,有效降低了系统复杂度并改善感知性能。同时,该文提出的同步稀疏自适应匹配追踪算法对比经典的同步正交匹配追踪算法在重构精度及算法复杂度两方面都有所提升。     

最优认知用户配对与协作感知算法研究

针对协作算法频谱感知和时隙消耗方面的不足,提出一种最优用户配对与协作感知算法。采用接收信噪比最优的认知用户为感知用户且以接收信噪比次优的认知用户为其中继的配对准则,获得最佳频谱感知性能。通过优化设置协作门限,选择性地采用非协作或协作模式,获得更低的时隙消耗。同时,推导了在瑞利平坦衰落环境下该算法的频谱检测概率下界与时隙消耗。数值计算结果表明,与原有算法相比,该算法不仅检测概率更高且时隙消耗更低。     

基于SNR比较的协作频谱感知研究

频谱感知是认知无线电中通过发现可用频率资源提高频谱利用率的关键技术。协作频谱感知能一定程度上消除多径和阴影的影响,为了进一步提高频谱检测性能,提出了一种基于SNR比较的协作频谱感知算法。在此算法中,各个认知用户将各自的本地判决结果和自身的SNR值发送到数据融合中心,通过SNR比较,对各CR用户进行筛选,选出符合算法要求的CR用户参加协作检测,进行数据融合。计算机仿真表明,该算法能有效提高检测性能,并减少判决融合的节点数量。     

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。     

提高认知无线电频谱检测方案的研究

认知无线电的关键是快速且准确的频谱感知,协作频谱检测技术由于其良好的检测性能越来越受到人们的关注。由于无线通信信道中的多径衰落,阴影相关性制约着协作性能的提高,门限电平的选取也与协作用户的本地频谱检测结果有者密切关系。通过研究不同门限电平和阴影相关性对认知用户检测性能的影响,提出了一种多检测结果融合算法,仿真结果表明该方案具有良好的检测性能。     

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。     

一种应用于电力无线专网的基于信任度的协作频谱感知算法

新型电力无线宽带系统是为满足智能配用电系统的通信需求,在电力专用230 MHz频谱资源上研究开发的电力无线专网,该系统在应用过程中可能会存在与230数传电台共用同一段频谱的情况.为保证两个系统同时稳定、高效地运行,提出一种基于信任度的协作频谱感知算法.根据用户行为特点将感知用户分为受信感知用户、失效用户和干扰用户,并对非受信用户给出相应的判定方法;分析受信用户本地检测结果与参与协作的感知用户及其通信信道信噪比之间的关系,进而定义出各感知用户可信度的权重,并在此基础上提出一种基于信任度的协作频谱感知算法.仿真结果表明,相比传统的硬判决协作频谱检测方法,基于感知用户信任度的协作感知算法能获得更高的检测性能.     

衰落信道下基于簇的协作频谱感知分析

在分布式协作频谱感知网络中,认知用户向融合中心上报本地检测的信道是带宽受限的,并且受各种衰落的影响。分析了衰落信道下认知用户通过"与"规则进行融合的协作感知策略,提出了认知用户间为Nakagami信道时基于簇理论的协作感知方案,推导得出了2种方法的检测概率和归一化平均感知比特数。仿真结果表明,基于簇理论的协作感知通过牺牲一定的信令开销得到较好的感知性能。     

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。     

基于三个认知用户的多分支频谱感知方法

为了在认知无线电网络中有效地感知出授权用户,通过在无线通信网络中对多分支协作分集方式的研究,提出了在3个认知用户组成的认知无线电网络中,2个认知用户作为1个认知用户的中继用户,采用多分支协作分集方式感知授权用户。对其检测性能进行了理论分析,表明该方法是一种有效的感知方法,并且在低信噪比环境下,也可以有效地提高检测概率和降低检测时间从而提高网络的敏捷度增益。实验仿真结果证明,在低信噪比的环境下,该方法也可以获得较好的性能。     

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。      

基于图像K-means聚类分析的频谱感知算法

近年来,基于能量检测的协作频谱感知算法被广泛应用于频谱感知领域。由于该方法在计算能量检测的判决门限受噪声影响较大以及受限于认知用户的数量等问题,导致其检测性能受到影响。为了解决这一问题,本文提出一种基于图像K-means聚类分析的频谱感知算法。这种方法利用主用户信号存在与否的两种认知信号状态映射成图像,经过调整图像强度和高斯滤波预处理之后利用提取图像像素分布直方图的方法提取出特征向量,然后利用改进的K均值聚类算法对这些特征向量进行训练得到分类模型。最后利用训练好的分类模型对未知信号进行检测,从而实现频谱感知。仿真结果表明,本文所提出的频谱感知算法,在检测性能上优于传统能量检测以及协作频谱感知算法,尤其在低虚警概率、低信噪比的环境下效果更加突出。      

协作频谱感知在认知网络中的应用

认知无线电能够灵敏感知周围环境的变化,通过频谱感知功能发现频谱空洞,使得认知无线电能够与周围通信环境相适应。在认知无线电网络中,认知用户（次用户）必须连续地监控频谱,检测主用户是否存在。如果主用户存在,次用户必须尽快地退出该频段,从而不影响主用户。在文中采用一种协作机制,即两用户进行协作频谱感知,从而提高主用户的检测率,减少了检测时间,并且得到捷变增益。我们用Matlab给出仿真结果。     

Optimization algorithm of periodical cooperative spectrum sensing in cognitive radio

To decrease the interference to the primary user (PU) and improve the detected performance of cognitive radio (CR), a single‐band sensing scheme wherein the CR periodically senses the PU by cooperative spectrum sensing is proposed in this paper. In this scheme, CR first senses and then transmits during each period, and after the presence of the PU is detected, CR has to vacate to search another idle channel. The joint optimization algorithm based on the double optimization is proposed to optimize the periodical cooperative spectrum sensing scheme. The maximal throughput and minimal search time can be respectively obtained through the joint optimization of the local sensing time and the number of the cooperative CRs. We also extend this scheme to the periodical wideband cooperative spectrum sensing, and the joint optimization algorithm of the numbers of the sensing time slots and cooperative CRs is also proposed to obtain the maximal throughput of CR. The simulation shows that the proposed algorithm has lower computational quantity, and compared with the previous algorithms, when SNR = 5 dB, the throughput and search time of the proposed algorithm can respectively improve 0.3 kB and decrease 0.4 s. The simulation also indicates that the wideband cooperative spectrum sensing can achieve higher throughput than the single‐band cooperative spectrum sensing. Copyright © 2012 John Wiley & Sons, Ltd.     

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。      

可信的反馈声誉保护协作频谱感知软判决算法

协作频谱感知中信任机制的引入,起到了抑制恶意用户频谱感知数据伪造( SSDF)攻击行为的作用。然而,数据融合中心不加区分地接收协作感知结束后的反馈信息,为恶意用户带来了实施“掺沙子”攻击的机会。恶意用户向数据融合中心反馈错误的主用户频谱状态,使信任机制不能得出准确的信任值。为此,提出了一种基于反馈声誉的信任机制,考虑反馈中的个体性特征,引入反馈声誉的思想来量化认知用户信任值。同时,将信任值量化结果用于权重经典软判决算法———序贯概率比检测( SPRT)算法,消除SSDF恶意用户参与软判决数据融合的影响,形成可信序贯概率比检测算法( FSPRT)。仿真结果表明FSPRT算法的性能优于传统SPRT算法,能有效降低网络信任值计算误差,并保持较好的感知性能。