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.     

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。     

基于自选信任度的簇加权协作频谱感知算法

协作频谱感知技术可以有效地克服多径衰落、阴影及隐蔽终端等问题,但在协作频谱感知中,存在系统控制信道带宽消耗较大,计算复杂等问题。为了解决以上问题,对传统的指数加权和指数信任度函数中的权值系数做了修正,在传统簇加权协作频谱感知算法的基础上,提出了一种基于指数加权和互信任矩阵的自选信任度的簇加权协作频谱感知算法。仿真结果表明,该算法在保证较好检测概率的同时,能够有效地节省控制信道带宽,并保证系统的可靠性和有效性。     

降低时隙开销的增量式协作频谱感知

为降低时隙开销,提出一种增量式协作感知算法.在时隙1,若非授权用户获得的能量检测值大于上门限则全局判定授权用户存在,若小于检测门限则全局判定授权用户不存在;否则,进一步在时隙2与协作用户采用"与"融合规则协作感知.在满足目标虚警概率与检测概率的前提下,以最小化时隙开销为目标函数优化门限.模拟结果表明,与传统算法相比,当目标虚警概率与检测概率设为10%与90%且信噪比为10 dB时,增量算法时隙开销可降低90%左右而感知性能仅降低3%左右.     

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LDPC编码的协作HARQ对数似然比加权合并方法

协作混合自动重传请求（Hybrid Automatic Repeat Request,HARQ）机制选择信道状况最优的中继节点来执行重传,比传统HARQ更能适应无线信道的变化.为了同时解决HARQ合并方法的性能和适用性问题,提出了一种对数似然比加权合并译码方法,将各次接收信号的对应比特对数似然比按信道频域冲激响应功率进行加权合并译码,能显著降低系统误码率.仿真结果表明,对数似然比加权合并方法具有逼近最大比合并算法的性能,存储开销和计算复杂度相当,可以灵活用于各种类型的HARQ系统.     

高能效认知自适应两阶段协作频谱感知算法

针对协作频谱感知技术存在产生多余的传输开销和次用户能量消耗的不足,提出了结合双阈值能量检测模型和两步检测模型的自适应协作频谱感知(CATS)算法,在保证检测性能的前提下降低能量消耗.首先给出了CATS的数学模型,然后对CATS的检测概率和能量消耗进行了理论分析.CATS在第一阶段的检测结果不准确的情况下,才执行第二阶段的感知,并根据第一阶段的检测结果以及网络状况自适应调整两个阶段参与协作的次用户数目.仿真结果表明:与现有的两步检测协作模型相比,CATS算法在保证系统检测精度的同时能够有效减少系统的能量消耗.     

采用空时分组编码的动态分组加权合作频谱感知方案

针对认知无线电网络中存在的非理想反馈信道与用户间信道使合作频谱感知算法难以有效提高频谱检测性能的问题,提出了一种基于空时分组编码的动态分组加权合作频谱感知(DCWCSS)方案。首先将所有未分组认知用户中具有最高用户间信道平均信噪比的两个用户分为一组,并依此将剩余用户进行两两分组,然后根据各认知用户检测结果对系统检测性能的贡献对认知用户进行加权,赋予不同权重,最后采用空时分组编码(STBC)方案将用户检测结果传输给基站进行判决。DC-WCSS方案可依据用户间信道平均信噪比进行动态分组,并根据认知用户检测结果的可靠性设置用户权重,能有效降低反馈阶段的误码率,从而提高系统检测性能。仿真结果表明,与基于传输分集的合作频谱感知方案相比,在虚警概率为0.3时,DC-WCSS方案的一次加权和二次加权后的系统检测概率可分别提升至少20%和30%。     

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。     

一种自适应的协作频谱感知方法

在认知无线网络中,协作频谱感知技术可有效提高衰落信道下的检测性能,提高对主用户的保护程度以及认知用户的接入机会。在信道状态良好的情况下,参与协作的认知用户数越多,感知性能越好。而在实际的频谱感知过程中,如果感知信道条件较差的话,认知用户的本地感知结果并不准确,此时该认知用户的本地感知结果对于总的协作感知并不能起到积极的作用;其次,参与协作的认知用户数越多,发送本地决策值占用的系统带宽也越大。为了节约系统资源避免不必要的信令传输,本文提出一种自适应的协作频谱感知方法,只有当认知用户的感知信道条件较好时才将其本地感知结果发送到融合中心,否则不发送,以节约系统资源。最后,通过仿真验证了所提方法的有效性。结果表明,所提方法可有效节约系统开销。     

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。     

Cooperative Spectrum Sensing Algorithms Based on Correlation Matrix in Cognitive Radio Networks

Cooperative energy spectrum sensing has been widely applied in cognitive radio (CR) networks. In this paper, two cooperative sensing algorithms based on the received signals' correlation matrix were proposed. The first proposed algorithm made use of both diagonal elements and non-diagonal elements in the cooperative scheme. In the second algorithm, when the sensing station can obtain the information of the channel gains between the primary user and the sensing nodes, the weighted linear model can be adopted to improve the sensing performance. This paper analyzed the effectiveness of these two proposed cooperative algorithms and demonstrated that they can considerably improve the sensing performance compared with the traditional linear cooperative sensing algorithms. Simulation results showed that the sensing performance can be significantly enhanced by using the proposed algorithms, especially when the number of cooperative nodes is large.     

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。     

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.     

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。     

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.     

认知无线电中基于压缩感知的非重构频谱检测算法

基于压缩感知的频谱感知研究多是要重构出原始信号,而重构的精确度却直接影响到频谱检测的效果,为降低由此因素而造成的低检测率以及计算复杂度,提出一种在压缩感知框架下的非重构频谱检测算法,将信道划分为多个小信道,依次感知每个小信道,得出所划分信道组的采样协方差矩阵,再与能量检测算法结合分析最终得到每个小信道中的占用情况。对不同的压缩率、信噪比以及用户数分别进行仿真,仿真的结果表明,当压缩率在30%以上和信噪比在-6 d B以上时检测效果较为理想,且多用户的情况下检测概率更高。相对于重构算法,本算法的检测概率更高,计算复杂度更低,检测时间也更短。     

基于K-out-of-N融合准则的认知无线电网络优化

在认知无线电网络中,单个用户的感知很容易受到环境的影响,导致对目标频谱状态检测的误判。为提高系统频谱感知的准确性,引入了协作频谱感知机制。协作感知有效地降低了多径和阴影效应的影响,提高了系统检测精度。为了使协作频谱感知发挥出最优的性能,本文主要研究协作频谱感知中的数据融合方式,对K-out-of-N准则进行优化,考虑在漏检概率约束下,通过最小化错误概率从而求得K-out-of-N准则中的最优K值,降低协作遍历搜索K值所耗时间与能量,并在不同信道下进行仿真对比,验证优化后K-out-of-N准则的有效性。仿真结果表明,优化后的K-out-of-N准则可有效改善系统感知性能。