Consensus-based decentralized clustering for cooperative spectrum sensing in cognitive radio networks

A large number of previous works have demonstrated that cooperative spectrum sensing(CSS) among multiple users can greatly improve detection performance.However,when the number of secondary users(SUs;i.e.,spectrum sensors) is large,the sensing overheads(e.g.,time and energy consumption) will likely be intolerable if all SUs participate in CSS.In this paper,we proposed a fully decentralized CSS scheme based on recent advances in consensus theory and unsupervised learning technology.Relying only on iteratively information exchanges among one-hop neighbors,the SUs with potentially best detection performance form a cluster in an ad hoc manner.These SUs take charge of CSS according to an average consensus protocol and other SUs outside the cluster simply overhear the sensing outcomes.For comparison,we also provide a decentralized implementation of the existing centralized optimal soft combination(OSC) scheme.Numerical results show that the proposed scheme has detection performance comparable to that of the OSC scheme and outperforms the equal gain combination scheme and location-awareness scheme.Meanwhile,compared with the OSC scheme,the proposed scheme significantly reduces the sensing overheads and does not require a priori knowledge of the local received signal-to-noise ratio at each SU.     

基于迭代用户选择的合作频谱感知算法

针对认知无线电中经典频谱感知算法 (能量检测、算术几何平均、信号特征值子空间、最大特征值检测)存在不同程度缺陷的问题,为了进一步提高频谱感知算法的检测性能,提出了基于迭代用户选择(iterative user selection, IUS)的合作频谱感知算法。该算法先对参与合作感知的全部认知用户进行选择,然后在选出的部分用户频谱观测数据的基础上,生成全局检验统计量(global decision statistic, GTS),以此做出授权用户(primary user, PU)信号是否存在的全局判决。仿真结果显示,在虚警概率保持不变的情况下,进行迭代用户选择后,合作频谱感知的检测概率要优于未进行用户选择时的算法。与经典频谱感知算法相比较, IUS的合作频谱感知算法不需要任何先验信息,且以较少的频谱观测数据达到较好的检测性能。     

Cooperative Compressive Spectrum Sensing in Cognitive Underw ater Acoustic Communication Networks

Because of the specific of underwater acoustic channel,spectrum sensing entails many difficulties in cognitive underwater acoustic communication( CUAC) networks, such as severe frequency-dependent attenuation and low signal-to-noise ratios. To overcome these problems, two cooperative compressive spectrum sensing( CCSS) schemes are proposed for different scenarios( with and without channel state information). To strengthen collaboration among secondary users( SUs),cognitive central node( CCN) is provided to collect data from SUs. Thus,the proposed schemes can obtain spatial diversity gains and exploit joint sparse structure to improve the performance of spectrum sensing. Since the channel occupancy is sparse,we formulate the spectrum sensing problems into sparse vector recovery problems,and then present two CCSS algorithms based on path-wise coordinate optimization( PCO) and multi-task Bayesian compressive sensing( MT-BCS),respectively.Simulation results corroborate the effectiveness of the proposed methods in detecting the spectrum holes in underwater acoustic environment.     

基于卷积神经网络的宽带合作频谱感知

利用认知无线电网络中的多个次用户所能提供的大量频谱观测数据,提出一种基于卷积神经网络（convolutional neural network,CNN）的宽带合作频谱感知方案。宽带频谱感知旨在灵活地检测跟踪目标宽带授权频段上的可供使用的频谱空穴,该方案考虑利用宽带频谱上被占用的子带与未被占用的子带之间在信号能量及占用位置方面所体现出的类别差异,通过设计一种CNN模型并基于此对频谱观测数据进行训练学习,得到频带占用模式分类模型,从而实现宽带合作频谱感知。仿真结果证明,与传统的基于能量检测技术和典型机器学习（machine learning,ML）分类算法的宽带合作频谱感知方案相比,该方案在检测性能上具有较大的优势,特别是在低信噪比环境下的检测性能。     

CRSNs中基于传感器选择的高能效频谱感知算法

协同频谱感知(cooperative spectrum sensing, CSS)是认知无线电传感器网络中解决频谱资源稀缺的主要手段,针对现有频谱感知方法在降低能耗方面存在的不足,考虑一种从主要用户接收的具有不同的信噪比值的传感器所组成的真实网络场景,提出一种基于传感器选择的高能效频谱感知算法。该算法将可被传感器用来传输数据的信道按时间分成相等的框架,每框架中包含3个阶段：频谱感知、报告和数据传输;通过聚类得到所有能够满足CSS所需精度的传感器子集,并计算在每次协同频谱感知中这些传感器的平均能耗;在考虑传感器剩余能量的基础上,将每个框架中使用最少数量的传感器参与CSS过程建模为面向能耗的优化问题,并提出一种启发式算法进行求解。仿真实验结果表明,与现有的其他频谱感知方法相比,提出的算法在能量利用方面具有更好的性能。     

基于压缩感知的联合协作频谱感知算法

基于压缩感知的联合协作频谱感知方法实现动态频谱感知,通过融合各次用户(SU)采集的感知数据,寻找超参数,并与判决门限值进行比较,以获得最终的频谱判决结果.基于压缩感知的联合协作频谱感知算法减少了单个SU对压缩感知数据的不确定性,归一化均方误差（MSE）性能较好,并且该算法能够有效利用SU压缩感知数据信息,与其他典型算法相比,能获得更高的正确检测概率和较小的虚警概率.     

基于频谱池边界检测的宽带压缩频谱感知方法

频谱感知是认知无线电的一项重要内容,引入频谱池策略能够有效降低其复杂度,由于频谱池具有内在稀疏性,利用压缩感知技术能够进一步减少频谱感知的实现开支。提出一种基于频谱池边界检测的宽带压缩频谱感知方法,该方法能够利用较少的采样数据恢复出频谱池子带功率在边界发生跳变的程度并据此完成频谱感知。分析了压缩采样信号和频谱池边界的数学联系,并在此基础上建立了基于频谱池边界检测的宽带频谱感知的压缩感知模型。分析和仿真表明,该方法在不同虚警概率和压缩比下,相对基于边界检测的压缩频谱感知方法具有更优的检测性能和更低的计算复杂度。     

多用户协作频谱感知的性能分析

实际的无线信号传输会受到阴影效应、噪声等因素的影响,单个认知用户的频谱感知性能会下降。因此,采用硬合并协作方案,分析了多用户协作感知在高斯、瑞利和莱斯信道下的检测性能。同时,对控制信道由于衰落和噪声影响而产生误码情况下的系统检测性能进行探讨。结果表明,多用户协作检测可以提高系统的检测概率,但虚警概率会随着参与协作的用户数的增多而上升,当控制信道不理想时,协作检测会导致虚警概率下限的出现,造成频谱利用率低下。     

基于CP-ABE的自定义读写策略的云数据共享方案

为解决现有研究中用户权限分类的云存储数据共享的研究少,且已存研究算法复杂、通信开销大、安全漏洞多等问题,提出一种去中心化的用户自定义读写权限的数据安全共享方案.本文采用密文政策的基于属性的加密算法与短群签名相结合,使数据拥有者自定义只读用户和修改用户的属性条件,并将条件绑定密文托管至云服务器中,使得符合条件的用户能够自行解密数据.实验结果表明,所提云数据共享方案保证数据读写机密性,算法简单、计算量通信量小、参数少、签名长度短并且能弥补同类方案的安全漏洞.      

基于异步分布式检测的协作频谱感知研究

构建了一种基于异步分布式检测的协作频谱感知(CSS)模型,推导了此模型在贝叶斯准则下的最优融合方案,并提出了一种不需要主用户先验信息的次优方案——最大后验概率(MAP)检测-K/N规则融合方案.分别对采用这两种方案时,协作频谱检测的虚警概率和检测(漏检)概率性能进行了理论分析和仿真,仿真结果显示两种方案都能有效提高频谱...     

基于中国剩余定理和LU矩阵的传感器网络密钥预分配方案

针对典型分簇式传感器网络密钥预分配方案连通性和抗毁性差、节点开销大的问题,结合中国剩余定理和LU矩阵提出了一个密钥预分配方案.该方案簇头节点与簇内节点间的通信密钥运用中国剩余定理建立,而簇头节点之间以及簇头节点和基站间的通信密钥采用LU矩阵生成,这样既克服了运用中国剩余定理建立通信密钥的单一性问题,又克服了采用LU矩阵生成通信密钥节点开销大的缺陷.方案支持节点加入与撤销,簇内节点加入与撤销时方案分别满足后向和前向安全性.与典型密钥预分配方案相比,该方案以占用一个密钥存储空间的簇内节点开销和较少的簇头节点开销既实现了网络100%的连通性,又实现了网络完全抗毁性.     

一种优化的认知无线电网络分簇协作频谱感知算法

目前对于认知无线电分簇协作频谱感知算法的研究,大都认为每个簇均等地参与协作.没有考虑簇所经历的不同衰落对判决结果的影响.为有效解决这一问题,提出一种优化的认知无线电网络分簇协作频谱感知算法.该算法采用能量节省的分簇感知机制,充分考虑路径损耗与衰落对检测性能的影响.在满足虚警率和检测率的前提下,此方案不仅算法实现简单,而且在分簇结果上可以显著提高系统的稳定性,因此在信道环境复杂的情况下能有效提高频谱感知效率.     

一种基于支持向量机的认知无线电频谱感知方案

针对以能量检测为代表的传统频谱感知算法一般存在低信噪比下性能不足,容易面临隐藏节点效应,对检测灵敏度要求高等问题,提出一种新型的基于蜂窝认知用户位置定位的频谱认知方案。该方案以无线指纹数据库为基础,通过无线指纹定位驱动认知用户实现频谱认知功能。认知用户利用无线指纹对其自身进行定位,并根据指纹数据库确定其对于授权频段接入的可能性。针对网络中的主用户发射机位置存在已知和未知2种情况,可通过认知用户读取数据库来确定授权频段可用性,或将已收集获取的历史数据作为训练数据,引入支持向量机(support vector machine,SVM)算法对认知用户所处位置的授权频段可用状态进行预测。此外,针对单个用户频谱状态预测性能不足的缺陷,提出了联合地理位置相近的多个认知用户的合作预测机制。仿真实验验证了本方案相对于传统能量检测算法的性能优势以及能效优势。     

基于STBC方案的鲁棒性协作频谱感知技术

协作频谱感知技术可削弱认知无线电系统中衰落阴影等对检测信道的影响. 基于对空时分组编码(STBC)固定分组协作频谱感知技术的分析,提出了鲁棒性的动态分组方案以克服固定分组的局限性,最大限度地发挥STBC方案的优势,提升系统的检测性能. 该方案利用认知用户间的交互信道条件进行动态分组,以获得更小的虚警概率下界. 理论分析和仿真结果表明,本文所提出的方案在衰落信道环境下可显著提高系统的检测性能.      

一种新的基于自适应用户协作的数据融合方案

频谱感知是认知无线电网络中的关键环节,针对次用户独立检测效果欠佳的实际问题,提出一种基于自适应用户协作的数据融合方案,通过利用认知无线网络中次用户间的自适应协作,实现相应的数据融合以改善对主用户的检测性能。在瑞利衰落环境下,理论推导了所提自适应协作数据融合方案的检测概率和检测时间。根据推导得到的性能解析表达式,对非协作方案和所提出的协作融合方案,进行了相应的数值实验和性能比较。结果表明:与非协作方案相比,自适应协作融合方案显著提高了系统检测概率,同时检测时间也明显减少。     

多信道认知网络的直观信道感知策略

为了提高频谱利用率,认知无线电技术可使非授权用户在不影响授权用户正常通信的情况下,利用瞬时的频谱空穴满足自身通信需求。如何通过感知频谱及时有效地发现频谱空穴是一个至关重要的问题,尤其是对于多信道认知无线电网络。针对多信道认知无线电网络,该文在连续时间Markov链的信道占用模型基础上,根据信道状态可能发生变化的概率,提出了一个动态的直观信道感知策略,并考虑了感知周期的影响。仿真结果表明:在感知周期合适的情况下,该策略能够有效地发现并利用频谱空穴,并且比周期感知和随机感知策略消耗更少的能量用于感知。     

基于步进拍卖的认知无线网络动态频谱分配

动态频谱分配是认知无线电网络的关键技术之一,主要关心频谱拥有者如何将其空闲频谱动态地分配给二级用户.提出了一种基于拍卖理论的动态频谱分配模型--多卖家步进拍卖模型,其中频谱拥有者作为拍卖人,二级用户作为竞买人,其基本过程为:每个拍卖人从底价逐步抬高自己的频谱价格,每个竞买人决定是否购买频谱以及购买哪个拍卖人的频谱.所提方法的特点是:①分布式执行,复杂度很低;②频谱拥有者之间不需要信息交互,二级用户之间也不需要信息交互,节省信令开销;③最终的频谱分配结果近似于全局最优.     

认知无人机网络中多机协作频谱感知研究

多无人机协同工作模式在未来通信中有着重要的应用前景。结合频谱资源短缺的问题,建立认知无人机网络模型,并研究多机协作频谱感知性能,提出一种最佳融合准则来优化检测性能。针对无人机数量较多的大型认知无人机网络,提出一种快速高效的协作频谱感知算法,并比较该算法在瑞利衰落以及Nakagami衰落2种信道环境下的性能。仿真结果表明:①采用最佳融合准则可以使协作频谱感知总错误率达到最小;②快速协作频谱感知算法可以利用较少的无人机来保证协作频谱感知的检测准确度,避免了不必要的感知过程,减少了参与协作频谱感知的次级用户数量,降低了协作感知时间,从而节省了感知过程开销,而且相比于瑞利衰落信道,该算法在Nakagami衰落信道环境下具有更好的性能。     

Traffic sensitive spectrum access scheme for cognitive radio networks

A traffic sensitive spectrum access scheme is proposed to satisfy the traffic load requirement of secondary users （SUs）. In the proposed design, SU only accesses available channels which can meet the traffic demand. To achieve this, the expected transmission time （E3W） of the SU is calcu- lated first based on the delivery ratio. Then, the channel idle time is estimated based on the activity of primary users （PUs）. Therefore, available channels with estimated idle time longer than ETr could be chosen. With high probability, the SU can finish transmission on these channels without disruption, thereby satisfying the traffic load demand of the SU. Finally, our method is extended to the multi-channel scenario where each SU can access multiple channels simultaneously. Performance analysis shows that our method satisfies the requirement of SUs while effectively improving the throughput.     

基于用户集合势估计的认知无线电合作频谱感知

频谱感知技术是认知无线电系统的基本功能,是实现已授权频段的次级动态接入和共享的前提。提出基于用户集合势估计的合作频谱感知方案,旨在通过GEEF（gerschgorin exponentially embedded families）,SPEEF（sam-pled power exponentially embedded families）等算法估计出用户的集合势,即适合参与合作频谱感知的最优用户个数,再从全部合作用户中筛选出相应的频谱观测数据生成全局检测统计量,通过与判决门限进行对比,最终对授权用户状态做出判决。理论分析与实验结果表明,提出的方案能够有效地提高频谱感知的性能。