基于D—S理论的双门限频谱感知算法研究

针对传统双门限频谱感知算法不能充分利用2个门限之间感知用户信息的问题,提出了一种基于D-S理论的双门限频谱感知算法。当感知用户接收到的信号能量介于2个门限之间时,该算法不直接给出判决结果,而是进行本地判决,即采用D-S理论进行数据融合。仿真结果表明,与传统双门限频谱感知算法相比,基于D-S理论的双门限频谱感知算法的检测概率较高,提高了整体的频谱感知性能。     

认知OFDM系统中基于能耗受限的频谱感知方法

针对传统频谱感知方法没有考虑能耗受限对认知系统的影响,以认知正交频分复用(OFDM)系统为背景,提出一种基于能耗受限的联合优化频谱感知方法。该方法基于传统能量检测方法,以最大化吞吐量性能为目标,将频谱感知问题建模为一个优化问题,联合多个频带选取最优感知时间和判决门限参数,使其在能耗受限的情况下,总吞吐量达到最大。仿真结果表明,与传统使用能耗均分的检测方法相比,该方法具有更大的吞吐量,能够更好地节约能耗。     

认知无线网络非理想协作频谱感知节能策略

认知无线网络中非理想协作频谱感知的感知用户数或设备增多会导致系统能耗增大。针对该问题,建立系统优化模型,推导认知传输的感知时间及认知发射机传输功率与系统能效的关系。由于感知时间和传输功率的联合优化问题很难直接解决,因此将其分解为2个子问题分别求解,并基于此提出一种联合优化算法。仿真结果表明,该算法能有效提高认知无线网络中的能效,达到节能优化的目的。     

基于可信度的加权协作频谱检测算法

协作频谱检测技术可以有效解决认知无线网络本地检测存在的信道衰落、隐藏终端等问题。论文研究了加权协作频谱检测技术,提出一种基于可信度的协作频谱检测算法。每个感知节点基于最大最小值特征值检测完成本地频谱检测,并与融合中心的全局检测结果进行比较估计各自感知节点的频谱检测可信度;融合中心利用切尾平均法计算参与频谱协作检测的可信度门限,并选择可信度大于门限的感知节点参与协作频谱检测。该算法有效降低了认知网络协作检测的复杂性,提高了频谱检测性能,在噪声波动环境下具有良好的鲁棒性。仿真结果表明,算法频谱检测性能要优于其它加权算法1~3 dB,节省系统开销43.75%左右。     

基于特征值对数分布的频谱感知算法

利用样本协方差矩阵几何平均特征值的对数分布特性,提出了一种新的频谱感知算法。该算法基于样本协方差矩阵最大最小特征值之差与几何平均特征值的比值,通过比较该比值与门限的大小来判断主用户是否占用分配频谱,不需要知道主用户信号和噪声的先验信息,得到了十分简单的判决门限表达闭式。仿真结果表明,在低信噪比、低协作用户数以及低样本点数的条件下,所提算法能获得更优的感知性能;并且所提算法的感知性能较为稳定,受样本中极端值和虚警概率的影响均较小。     

基于Agent的协作频谱感知算法

为了提高认知无线电频谱感知技术的性能, 提出一种新的基于Agent的协作频谱感知算法。该算法在本地检测中使用多门限能量检测,同时将认知节点估计的信噪比的值发送到Agent控制中心,在控制中心根据每一个认知节点发送的信噪比的值和该节点与发射机的距离进行权衡,选取可靠性和有效性较高的认知节点参与判决融合。仿真结果表明,该算法能够很好地提高认知无线电网络的协作频谱感知能力,同时在一定程度上减少了原有协作感知算法中参与感知节点的数目。     

遗传算法在认知无线电频谱感知中的应用

针对基于OFDM系统的多带联合检测方法中门限向量选取问题,在一定的主用户干扰限制下,充分考虑各子信道特征,建立了门限向量优化模型。将遗传算法应用其中求解最优门限向量,使认知系统吞吐量得到了优化。仿真结果表明,这种方法比传统未使用优化而取一致门限的频谱感知方法对吞吐量的提高更有效。     

协作频谱感知安全问题研究

针对认知无线电网络中协作频谱感知中安全问题,分析了模拟"主用户"PUE和篡改感知数据SSDF两种攻击方式,重点研究了SSDF攻击下的协作频谱感知安全方案。在比较现有抗SSDF攻击方案协作感知性能的基础上,提出了基于四门限决策的改进型WSPRT。结果表明,改进型WSPRT方案相比于传统方案,具有更好的协作感知性能。     

认知无线电协作频谱感知机制的优化

频谱感知的目标是在尽量避免对主用户造成干扰的条件下为感知用户提供尽可能多的频谱接入机会。由于单用户频谱检测算法的局限性,协作频谱感知被提了出来。在满足对主用户干扰限度的条件下,为了使单个授权信道的频谱感知效率达到最大,引入一种新的协作频谱感知机制,联合优化包括感知时间、传输时间、参与协作的感知用户数目在内的感知参数,并通过穷尽搜索算法得到最优解。在此基础上研究了多个授权信道情况下的频谱感知效率问题,提出了一种授权信道选择分配方案。仿真结果验证了所提方法的有效性。     

狼群优化的神经网络频谱感知算法

提出了一种基于狼群优化的人工神经网络频谱感知方法,实现了具有神经网络最优结构的神经网络频谱感知算法。该算法在包含自组织神经网络的频谱感知算法的基础上,具体阐述了训练样本的生成,神经网络的训练以及对神经网络训练阶段结束后所得到的权值矩阵运用狼群优化方法进行进一步的优化处理的过程。实验结果表明,狼群优化的自组织神经网络频谱感知算法与自组织神经网络的频谱感知算法相比,具有更好的频谱感知性能。     

动态主用户流量模型的跨层优化设计

为适应主用户流量变化较快的场景,在不完美频谱感知的情况下最大化认知用户的吞吐量,提出了一种基于集中式Overlay认知无线网络中感知时间与资源分配跨层优化算法。将优化目标分解为信道分配和检测时间同功率分配联合优化两个子问题,通过子算法迭代,最终得到感知时间与资源分配的联合最优解。仿真结果表明,相对于仅考虑频谱感知或资源分配的单层优化算法,该算法可在兼顾公平的前提下使次用户吞吐量得到有效提升。     

基于协作频谱感知的智能电网通信网性能研究

将认知无线电频谱感知技术应用于智能电网的通信网中,可以有效提高频谱资源的利用率。现有研究仅考虑单用户单供电商,但是对需求响应管理性能与感知能耗权衡问题却没有给出理想的解决方案。建立基于多节点协作频谱感知的多用户单供电商智能电网通信网模型。在此基础上,为求解该模型需求响应管理和能耗感知性能权衡问题,提出基于多目标粒子群(MOPSO)的求解方法。仿真结果表明,所提协作频谱感知模型可以显著提高系统需求响应管理性能;MOPSO算法可实现系统需求响应管理性能和感知能耗的最佳权衡,有利于决策者根据实际要求灵活选择最优方案。     

认知无线网络中多信道频谱感知周期优化算法

为了使认知无线电次用户发现并使用更多的空闲频谱资源,提出了一种多信道频谱感知周期优化算法。针对实际网络中各授权信道使用规律的不同,本文基于交替更新理论建立了多信道状态转移模型,将各信道感知周期的选取建模为一个带约束条件的多目标优化问题,并采用遗传算法对其求解,获得了相对较优的多信道感知周期向量。仿真结果表明,本文提出的目标函数能够有效衡量多信道空闲频谱资源检测率。当目标网络中包含8个授权信道时,所提算法可发现的空闲频谱资源占实际空闲频谱资源的68.23%,相对于以相同周期对各信道进行频谱感知的OFDM机制提高17.68%。     

认知无线传感网中一种高能效的频谱感知周期优化算法

为了提高认知无线传感网中节点的频谱感知能效,提出了一种高效的频谱感知周期优化算法。该方法通过引入贪婪因子来减少节点感知信道的次数,进而达到降低感知能耗的目的。在碰撞概率和等待时延的约束下,节点在与信道的交互过程中实现对感知周期的动态修正,达到了对信道状态的自适应高效感知。仿真结果表明,在不同的信道占用状态条件下,该算法相比固定感知周期的方法,有效地提高了感知能效,适于在认知无线传感网中实施。     

资源受限的认知无线电系统优化合作频谱感知算法

认知无线电的首要任务就是动态地感知频谱,合作频谱感知提高了频谱感知的可靠性.目前大多数频谱感知算法采用全部认知无线电台参与感知,并且假设每个认知无线电台的信噪比的测量值为一常数.然而,由于无线信道的特性和环境差异,每个认知无线电台的信噪比是有差异的,同时系统资源也是有限的.基于此,在采用能量检测硬判决的合作频谱感知算法基础上,提出一种优化的频谱感知算法.它在满足给定系统探测概率及虚警概率前提下,采用部分性能较好的认知无线电台参与频谱感知,并使系统感知开销最小.理论和仿真证明了其合理及有效性.     

非理想报告信道下协作频谱感知研究及性能分析

分析了理想报告信道下协作频谱感知性能,提出了基于改进的能量检测的协作频谱感知方案。改进的能量检测器通过对接收信号样本取任意正数p次方的和作为检测统计量,每一个认知用户将本地检测结果发送到数据融合中心,数据融合中心采用OR准则最终判断授权用户信号是否出现。针对非理想报告信道情况,推导了误检概率最小下参与协作的认知用户个数,并数值仿真得到了误检概率最小下的p值。数值仿真结果也表明协作频谱检测概率在低信噪比情况下随着p值的增大而提高。     

多带联合检测在OFDM频谱感知中的应用

针对传统频谱感知方法局限在单个频带上的问题,介绍一种多带联合检测的频谱感知方法。以正交频分复用系统为背景,基于能量检测方法,联合多个频带选取最优门限向量,使其在总干扰受限的情况下,总吞吐量达到最大。仿真结果表明,与传统使用一致门限值的多带检测方法相比,该方法的有效性得到提高。     

一种基于循环谱特征识别的频谱感知算法

针对传统循环谱计算复杂度高的问题,提出一种基于循环谱特征识别的频谱感知算法,该算法采用自相关矩阵替代频域平滑方法计算信号的谱特征,在降低算法复杂度的同时,能够准确区分噪声与有用信号,利用软件无线电构建测试平台,用以验证算法的有效性.实验结果表明,该算法能够准确检测出频谱空穴,准确度大于90％,并能降低时间复杂度,可以满...     

认知智能电网中基于能效优化的频谱分配策略

针对智能电网的无线通信环境存在频谱短缺、资源利用效率低等问题,将认知无线电技术应用于智能电网的邻域网络通信中.引入认知智能电网概念以保证业务传输的公平性和有效性,提出一种基于改进二进制蝴蝶优化算法(BOA)的频谱分配策略,此方案考虑了通信过程中的信噪比和路径损耗,选择系统能量效率作为信道效益,并且在拓扑结构固定的城市居民小区进行建模仿真.首先,使用基于改进时变转换函数和扰动策略的二进制蝴蝶优化算法(IBBOA)为认知智能电网用户进行频谱分配;然后,采用基于接收信噪比的闭环功率控制算法动态调整用户的传输功率,减少认知智能电网用户和主要用户之间存在的干扰;最后,以系统能量效率和两个用户公平性指数为优化目标,与遗传算法(GA)和二进制粒子群算法(BPSO)进行对比实验.仿真实验表明,联合闭环功率控制的IBBOA算法所获得的系统能量效率比未联合闭环功率控制的NBOA算法高33.2%,IBBOA算法最终的系统能量效率和用户公平性指数fair比GA算法分别高出47.8%和62.6%,比BBOA算法分别高出17.6%和26.7%.结果表明所提方案能够有效抑制认知智能电网中用户间的干扰,大大提高频谱利用率和系统能量效率.