基于POMDP模型的分布式机会频谱接入算法

针对认知无线电（cognitive radio,CR）信道的动态特性,以部分可观测马尔科夫决策过程（POMDP）为模型对认知无线电网络用户的频谱感知和频谱接入过程进行研究,提出了基于POMDP模型的分布式机会频谱接入算法.该算法利用网络信道的历史频谱感知信息对主用户接入信道的状况作出估计,以认知用户吞吐量最大化为目标进行频谱接入.同时,通过贪心算法得到此优化策略的次优解,降低了最优策略的计算复杂度.论文分析了认知用户接入吞吐量与网络中信道数目以及信道状态转移概率之间的关系,将贪心算法与随机检测接入算法进行了仿真比较.仿真结果显示,该算法获得的吞吐量比随机检测接入算法提高了约25％,能够更有效地做出接入策略.     

基于极大独立集的协作竞价频谱分配算法

将认知无线电中的动态频谱分配归结为图论中的着色问题.针对目前基于系统吞吐量的分布式贪婪算法和基于复杂度的分布式随机算法效率不高的问题,提出了一种改进的基于极大独立集(MIS)的协作竞价算法.根据MIS中协作用户出价高于集外认知用户最大效用,可以获得授权用户的效用曲线,从而最大化系统总效用,达到充分利用频谱资源的目的.此外,协作竞价算法还能在一定程度上抑制用户之间的共谋.     

非对称认知网络中分布式多用户频谱共享算法

为解决多用户冲突导致非对称认知网络吞吐量降低的问题,根据网络中用户信道收益矩阵的特点,提出了一种分布式多用户联合频谱共享方法.首先,基于Gale-Shapley理论实现认知用户和信道之间的"一对一"频谱分配,以避免认知用户之间的竞争冲突;其次,在未知信道先验知识或者认知用户仅有部分信道感知能力时,通过顺序最优学习算法获取信道收益信息;同时设置接入定时器,实现分布式机会频谱共享.仿真结果表明:所提方法的平均网络吞吐量明显优于随机等分布式算法,且复杂度比最优算法大大降低,收敛速度较快,适于感知带宽受限和用户地理位置分散的非对称认知网络.     

认知无线电IoT中动态协作频谱感知和分割算法

针对认知无线电物联网(Cognitive Radio Internet of Things, CR-IoT)网络中传感器节点能耗大、频谱资源稀缺的问题,本文提出一种动态协作频谱感知和分割(Dynamic Collaborative Spectrum Sensing and Splitting,DCSSS)算法.该算法通过使用双向信息交换技术增强频谱感知时间,并采用合并技术实现次级用户(Secondary User,SU)间的相互协作;为降低低信噪比下的频谱感知时间,采用频谱分割技术,每个SUs在预定的时间对信道选择和路由做出决策.实验结果表明,相较于现存的机制,本文所提算法具有更高的吞吐量、更少的能源消耗和更高的信道利用率.     

认知异构网络中基于非理想频谱感知的凸优化资源分配算法

当前认知异构网络中无线频谱日益紧缺,而传统固定频谱分配模式日益成为限制无线通信性能的重要瓶颈,在非理想频谱感知情况下资源分配的问题尤为突出。为实现非理想频谱感知情况下无线资源的高效分配,提出一种基于认知异构网络的凸优化资源分配算法。该算法首先构建了基于主用户活跃度的用户到达模型,以精确描述认知网络中主用户的频谱使用状态,为认知用户分配资源提供依据;并通过认知异构网络干扰分析构建非理想频谱感知条件下的干扰容限条件,最后通过凸优化算法实现对认知网络中频谱资源的优化分配。仿真结果表明,在非理想频谱感知条件下,该算法能够有效降低系统平均时延,提升认知异构网络的传输速率和系统吞吐量。     

一种高效利用资源的协作感知方法

在频谱资源日渐紧缺的背景下,认知无线电技术成为无线通信领域新的研究热点,而频谱感知是认知无线电研究的重要内容.为了提高感知结果可靠性并且对抗隐藏节点问题,协作频谱感知被提出,但传统的协作感知策略往往需要大量感知节点的参与,从而消耗了较多的资源.为此,我们从节约资源的角度出发,提出了一种迭代式协作感知方法,该方法可以在感知精度满足一定要求的同时,最小化参与感知的节点数目,从而降低系统的资源消耗.仿真结果表明,本方法能够有效地保证检测概率和虚警概率的目标,同时使得参与感知的节点数目和系统的资源消耗最小化.     

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。     

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.     

一种基于信噪比(SNR)比较的感知节点数目优化算法

 协作频谱感知虽然可提高系统的感知性能,但随着感知节点数目的增加,系统资源的占用越来越多,系统传输效率下降.分析了协作频谱感知方法的感知性能,得到协作频谱感知的感知性能与感知节点数目和接收信噪比之间的关系,提出了一种新的次级用户节点的选择方法,该方法有效保证了所选择节点的感知性能,仿真验证了该算法的有效性和可靠性.     

协同频谱感知中的融合策略

在认知无线网络中,协作频谱感知从多个分布式认知用户中收集感知数据,有效地提高了检测的可靠性.如何利用多个认知用户的感知信息进行融合是协作频谱感知的关键技术.在当前的研究中,融合的方式可以分为两种:决策融合和数据融合,文中对基于决策融合和数据融合的5种融合准则算法进行了研究,采用这5种融合算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,5种融合算法都可改善性能不佳的单个次用户的检测情况,并随着协作节点数的增大性能得到显著提高.其中,数据融合由于较决策融合接收到的数据值更加完整以换得更优越的感知性能.     

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.     

基于协作频谱感知的多无人机通信网络谱效优化研究

针对无人机应用场景频谱效率较低的问题,提出一种结合认知无线电技术的多无人机通信网络谱效优化方案.首先基于协作频谱感知,建立空地信道下多机协作的认知无人机网络模型,设置无人机（unmanned air vehicle,UAV）数量、感知时间和判决门限等优化参数,在此基础上提出高谱效联合优化算法对构建的非凸优化问题求解,最后分析无人机飞行过程中谱效的变化情况.仿真结果表明,存在最优感知时间使系统谱效获得最大值,且UAV数量和判决门限等因素会影响该谱效最优值;提出的高谱效联合优化算法具有较好的收敛性,有效提高了UAV次级认知网络的频谱效率.      

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。     

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。     

主用户具有AF中继辅助的协作频谱感知及最佳用户数分析

将主用户具有放大转发（amplify-forword,AF）中继辅助的检测模型与多个感知用户进行协作频谱感知的模型相结合,得到主用户具有AF中继协作的新模型。为减少系统开销,综合参数的影响,推导出其检测概率与虚警概率表达式,并在分析报告信道衰落环境下,通过此模型的中继放大可适当缓解衰落所带来的性能损失;进一步验证最佳参与协作用户数的存在性,设计了基于用户取值区间的搜索算法,以探索中继放大增益及错误报告概率对最佳用户数的影响。通过仿真表明,该模型能有效提高检测性能,并能在给定虚警概率下最大化检测概率时,选择合适的参数对：中继放大增益和最佳参与用户数。     

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。     

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.     

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...     

认知多址接入系统中的能量消耗优化研究

考虑认知多址接入系统中的多个次用户与主用户同时共享多个信道的能量消耗问题,次用户能够同时感知和接入多个主用户信道并把对主用户的干扰维持在一定的范围内。为了减少能量消耗,需要对感知时间、信道以及功率进行合理的分配,同时,把干扰功率作为约束条件以保证主用户的服务质量。在基于多用户多信道感知的频谱共享方案中,所建立的初始优化问题为非凸整型组合分式规划问题,为了对感知时间、信道及功率进行联合优化,将其进行凸松弛并进一步转化为一个含参数的线性问题,从而提出一种最小化能量消耗的算法。通过实验仿真讨论次用户数量,信道数量及干扰功率对能量消耗和最优感知时间的影响,同时也验证了分析结果。