新型协作频谱感知系统检测性能优化策略

为了减小隐蔽终端对感知系统性能的影响和降低感知系统的错误率,提出方法:在考虑无线信道为瑞利信道和报道信道带有一定错误率的条件下,对带有p次方检测器的协作频谱感知系统,联合优化p次方检测器的次方数p和感知门限λ,并研究优化协作用户数K,使系统总错误率最小.理论分析与仿真结果表明,在给定初始条件下,协作频谱感知系统存在最佳指数p~*和最佳感知门限λ~*,同时在选择融合准则后,可以适当选择协作用户数K以提高感知系统可靠性.     

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...     

协作感知门限自适应优化

 在频谱感知过程中,采用协作感知的方式对空间内多个节点的感知结果进行融合,可以消除路径阴影和深度衰落情况的影响,有效提高结果的准确性和可靠性。基于加权融合的协作判决准则,为了保证融合结果的检测概率和虚警概率达到标准,需要使每个节点的感知结果均达到相应的标准。因此提出通过对每个感知节点设定合适的感知门限进行优化。首先对各感知节点的进行分析,可以得到每个节点在检测概率和虚警概率一定的条件下,感知门限与节点权值的关系,其次通过遗传算法对权值的优化实现权值优化--感知门限优化的自适应优化过程。最后通过仿真验证该方法可以高效准确地实现感知门限的自适应优化,从而保证了协作频谱感知的实际性能。     

基于数据融合的协作频谱感知算法

协作的频谱感知使认知无线电(CR)网络对主用户进行可靠的检测,并避免了对主用户通信的干扰.数据融合是协作的频谱感知的关键技术.对基于"与"准则、"或"准则、最大后验概率准则和贝叶斯准则的数据融合算法进行了研究,采用这4种融合方法在认知无线电网络中进行协作频谱感知,并比较了它们的频谱检测性能.仿真结果显示最大后验概率准则和贝叶斯准则在认知无线电的环境中有优越的感知性能.     

基于改进杂草优化算法的最优线性协作频谱感知

线性加权协作频谱感知模型下,针对虚警概率最大化检测概率的问题,提出了一种基于改进入侵性杂草优化算法的协作频谱感知方案。算法中的可行解与频谱协作感知模型中的权重向量相对应,通过寻求最优权重向量,来达到最大化检测概率的目的。同时将改进后的杂草算法与传统的杂草算法及基于修正偏差因子方法性能进行对比。结果表明,改进后的杂草算法可根据当前噪声环境合理分配系统的权重系数,以较小的迭代次数找到更优的权重向量,在虚警概率一定的前提下,获得高的检测概率,其性能优于原始MDC算法。     

认知网中多时隙联合频谱感知和功率分配

为了降低认知无线网中认知用户对主用户的干扰,并为了最大化系统的认知吞吐量,提出了一种多时隙频谱感知和功率分配的联合优化方案。该方案将系统的每个帧分为若干个时隙,每个时隙分别进行频谱感知,通过合并每个时隙的感知结果,有效的提高了系统的检测精度,降低了系统的干扰概率。同时理论分析了感知时间与传输功率分配方案,发现两者都存在最优分配解,在约束认知用户检测概率与传输功率的基础上,将吞吐量描述为关于感知时间与功率的多约束优化问题,通过设计联合迭代算法对认知吞吐量进行了联合优化并获得了最优感知时间与最优传输功率分配。仿真结果表明,所提联合优化方案吞吐量性能最接近理论最优方案,并可通过牺牲部分吞吐量性能降低系统干扰概率,且复杂度较低。     

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。     

基于阈值优化的频谱感知算法

协方差绝对值(Covariance Absolute Value,CAV)感知算法使用固定阈值和固定虚警概率的频谱感知策略,无法保证在任何时候都能使频谱感知性能达到最优。提高频谱感知性能包括降低对主用户的干扰概率并提高空闲频谱的利用率,即最大限度地降低漏检概率与虚警概率。为此,本文对协方差绝对值感知算法进行改进,提出了不同信噪比下自适应阈值的优化方法使频谱感知误差(漏检概率与虚警概率的代数和)达到最小。实验结果表明,本文算法有效降低了频谱感知误差,提高了检测概率,特别是在信噪比较低的情况下性能改善较为明显。     

基于遗传算法抵御SSDF攻击的算法研究

协作频谱感知(cooperative spectrum sensing,CSS)可以有效消除频谱感知过程中路径阴影和衰落对单节点频谱感知的影响,但是此感知方式中却有很多潜在的安全问题.针对CSS中较为常见的频谱感知数据篡改(spectrum sensing data falsification,SSDF)攻击,利用感知用户的本地能量检测值和频谱分割技术得到的信道状态值作为数据集进行训练,采用遗传算法优化加权协作中的加权系数,通过改变SSDF攻击者加权系数的方式降低SSDF攻击对系统检测性能的影响.仿真结果表明,加权系数经过遗传算法进化15代左右会趋于稳定值,检测概率明显提高,克服了SSDF攻击对系统造成的危害,更有利于实现认知无线电网络快速及高效的检测要求.     

基于隐马尔可夫模型的协作频谱检测策略

频谱检测是认知无线电的基础和关键技术,将其建模为隐马尔可夫模型(hidden Markov model,HMM),并由此提出基于隐马尔可夫模型的协作频谱检测策略.该策略首先使用Baum-Welch法对HMM的系统参数进行最大似然估计;然后基于HMM模型,利用各次用户的检测信息以及过去信道状态的后验概率信息进行贝叶斯推理,更新当前时隙信道状态的后验概率;最后根据最大后验概率准则对当前时隙的信道状态进行最终判决.使用后验概率,该策略可进一步估计系统协作检测的性能,在满足系统协作检测性能要求的前提下,选择尽可能少的、检测性能较优的次用户来参与协作,以节约开销和降低复杂度.仿真实验表明,所提出的策略的系统检测性能优于基于大数判决、似然比和Chair-Varshney准则的协作频谱检测策略.     

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。     

华东某水库表层沉积物氨氮释放贡献量分析

通过对华东某水库进行现场水样采样, 并结合沉积物氨氮释放试验, 分析水库典型区域表层沉积物、上覆水和间隙水中总氮、氨氮含量, 揭示氮素组成的时空分布特征和表层沉积物对上覆水氨氮的影响. 结果表明: 库内氨氮和总氮呈现明显的季节变化, 且冬季明显高于夏季; 表层沉积物中总氮的质量浓度高于上覆水, 沉积物氨氮扩散通量为 0.18$\sim认知无线电中频谱感知方法的性能与感知场景高度相关. 研究表明, Nakagami-Gamma(KG)衰落信道模型能够可靠地描述无线通信信道. 针对采样点数、接收信噪比、地理位置等多种性能影响因素各不相同的一组异构节点在KG衰落信道下的感知场景, 提出了一种基于熵函数(based on entropy function, BEF)的合作感知方法. 首先, 根据异构节点的不同性能影响因素, 通过定义的熵函数计算各节点的综合评价得分; 然后, 筛选出得分较高的节点进行标准化能量检测; 最后, 采用逻辑或(OR)准则进行融合判决. 仿真结果表明, BEF方法有效地降低了系统的感知开销, 在各个节点的目标虚警概率较低($P_{\rm f}<0.1$)时, 显著提升了全局检测概率.     

基于注水原理的认知无线电协作频谱感知加权算法

协作频谱感知算法在提高频谱检测概率的同时也增加了控制信道开销,如何降低控制开销成为协作感知的关键技术之一.提出基于注水原理的加权协作检测算法,算法采用基于信噪比的能量检测器,根据检测信号的信噪比,用注水原理计算和分配权值,确定感知贡献,删除无效检测和传输.结果表明,提出的算法提高了检测概率,同时平均感知比特数下降,减少了控制信道开销.     

分布式非负矩阵分解的认知无线网络感知能力研究

针对传统的认知无线网络的频谱感知能力差、频谱感知的检测率低、频谱检测误差大的问题,提出一种分布式非负矩阵分解的认知无线网络频谱感知能力研究方法。该方法采用基于感知性能的非负矩阵分解进行频谱数据降维,降低数据处理的复杂度,提高运算速度和频谱感知准确率。采用频谱能量检测模型,通过采集到的信号能量来确定共同决策是否存在空闲频谱。通过对频谱感知误差分析,减少出错率,提高分布式频谱的感知能力。实验结果表明,该算法能提高频谱检测的准确率,降低频谱感知的能量消耗,具有较好的实用性。     

Optimized Parallel Cooperative Spectrum Sensing Strategy Based on Iterative Kuhn-Munkres Algorithm

Spectrum sensing is the key and premise of cognitive radio （ CR）. Current parallel cooperative spectrum sensing strategies have some problems, such as large number of cooperative secondary users and lack of consideration for the sensing overhead and the transmission gain. To solve those problems, an optimized parallel cooperative spectrum sensing strategy based on iterative Kuhn- Munkres （KM） algorithm was proposed. To maximize the total system profit, it considers the tradeoff between the sensing overhead and the transmission gain. Iterative KM algorithm was applied to obtaining the optimal assignment, which indicated when and which channels secondary users should sense. Furthermore, the required detection-probability was introduced to avoid unnecessary waste when the accuracy met the system requirement. Monte Carlo simulations show that the proposed strategy can obtain higher total system profit with fewer cooperative secondary users.     

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。