可信的反馈声誉保护协作频谱感知软判决算法

协作频谱感知中信任机制的引入,起到了抑制恶意用户频谱感知数据伪造( SSDF)攻击行为的作用。然而,数据融合中心不加区分地接收协作感知结束后的反馈信息,为恶意用户带来了实施“掺沙子”攻击的机会。恶意用户向数据融合中心反馈错误的主用户频谱状态,使信任机制不能得出准确的信任值。为此,提出了一种基于反馈声誉的信任机制,考虑反馈中的个体性特征,引入反馈声誉的思想来量化认知用户信任值。同时,将信任值量化结果用于权重经典软判决算法———序贯概率比检测( SPRT)算法,消除SSDF恶意用户参与软判决数据融合的影响,形成可信序贯概率比检测算法( FSPRT)。仿真结果表明FSPRT算法的性能优于传统SPRT算法,能有效降低网络信任值计算误差,并保持较好的感知性能。     

一种信任度模糊分配的合作频谱感知算法

由于无线信道的多径衰落和阴影效应等因素,单个认知用户无法区分频段空闲还是授权用户的信号处于深度衰落中。合作频谱感知运用信息融合技术,通过融合多个认知用户的结果来提高频谱感知的性能。证据理论作为一种有效的不确定性推理方法,在合作频谱感知中已有较好的应用。本文将模糊集与证据理论相结合,提出一种信任度模糊分配的合作频谱感知的算法。各个认知用户首先进行本地能量检测,然后使用正态形隶属函数进行基本概率赋值,根据认知用户的检测结果分配信任度。融合中心接收所有认知用户的证据,按照Dempster组合规则进行融合,最后进行判决。仿真结果表明,信任度模糊分配的合作频谱感知算法在感知性能上或者在算法复杂度上要优于现有的证据理论合作频谱感知算法。      

协作频谱感知中的动态信任评估机制

针对动态性SSDF攻击对协作频谱感知技术的危害性,实时观察分析认知用户的感知行为,提出一种动态信任评估机制.根据认知用户的历史感知变化情况,引入时间衰减因子、加性奖励因子和加性惩罚因子,计算出随时间和协作次数不断变化的动态信任值,选取可信认知用户参与协作感知,提高了数据融合中心的协作判决准确性.仿真结果表明,动态信任机制可以有效抑制恶意用户的信任值增长,降低对“OR”、“AND”和“Majority”3种常用协作频谱感知数据融合准则的攻击成功率.     

基于SNR比较的协作频谱感知研究

频谱感知是认知无线电中通过发现可用频率资源提高频谱利用率的关键技术。协作频谱感知能一定程度上消除多径和阴影的影响,为了进一步提高频谱检测性能,提出了一种基于SNR比较的协作频谱感知算法。在此算法中,各个认知用户将各自的本地判决结果和自身的SNR值发送到数据融合中心,通过SNR比较,对各CR用户进行筛选,选出符合算法要求的CR用户参加协作检测,进行数据融合。计算机仿真表明,该算法能有效提高检测性能,并减少判决融合的节点数量。     

基于信誉度的频谱感知数据融合算法

频谱感知数据融合算法对认知无线网络性能起到重要作用,目前各频谱感知算法在检测恶意节点及适应认知用户环境变化上的性能有待加强,为此,提出了一种基于认知用户过往判决记录的改进加权序贯概率比检测算法。该方法通过融合中心记录认知用户过往判决结果的符合次数,改变其信誉度,从而得到该认知用户判决结果在融合结果中所占有的加权,最终得到更为理想的判决结果。     

基于表决融合的带宽受限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。但是当协作认知无线电用户较多时,它们向融合中心汇报的感知信息就会占用大量的带宽。本文提出了将表决融合准则与检查策略相结合的协作频谱感知的方法,来减少发往融合中心的平均感知比特数,从而有效节约传输带宽。推导分析了该算法在理想信道和非理想信道中的频谱感知性能,并给出了这两种情况检测概率的闭合式。仿真结果表明,此种基于表决融合准则的检查协作频谱感知算法的性能最优,即在较高的感知性能下有大量的感知比特的节约。      

面向鲁棒频谱感知的模糊K-means++算法

恶意用户通过向数据融合中心发送伪造的频谱感知数据,解决自身频谱资源短缺问题,但会极大地降低频谱感知系统的检测概率。为了解决此问题,提出了基于模糊K means++的数据融合算法。该算法首先引入模糊处理机制处理样本的数据特征值,以此来增加样本间的差异性;然后将模糊处理后的数据发送到融合中心,融合中心采用离群点挖掘的方法排除恶意用户,并对保留下来的用户进行融合,使样本向量具有鲁棒性;最后运用K means++算法对样本向量进行聚类。该算法利用轮盘法选择聚类中心,可有效抵御恶意用户的攻击,提高系统感知性能;无需知晓信号与噪声的分布等一些先验信息,也避免了繁杂的门限推导。从仿真结果可以看出,该算法对抵御恶意用户攻击具有突出的效果,有效提升了协同频谱感知系统的稳定性和鲁棒性。     

认知无线电最优线性协作宽带频谱感知

本文提出了基于最优线性协作的宽带频谱感知方案。通过次级用户之间的协作,为认知网络的频谱感知提供分集,利用融合中心融合多个次级用户的宽带频谱感知数据来获取最优权重,并生成全局判决统计量,最终使用全局阈值完成最后的检测判决。由于所提出的两种协作宽带感知方案或需要精确地估计授权用户的信号强度和噪声方差,或感知性能不足,因而,还提出一种更易实现的方案。理论分析和仿真结果表明,本文所提出的协作感知方案可以有效地提高频谱感知性能,并且性能优于传统等增益合并方案。      

协作频谱感知中抗SSDF攻击的认知用户不确定性行为评估

针对认知用户的协作感知行为不确定性,提出一种基于D-S证据理论的信任评估机制——Hard Guard,为硬判决融合算法提供保护,使其成为具有抑制频谱感知数据伪造(SSDF)攻击能力的可信协作频谱感知算法。Hard Guard采取感知数据预处理措施,在融合之前有效过滤虚假感知数据,规避了恶意用户的影响。仿真结果表明,Hard Guard能使硬判决融合算法面对SSDF攻击时保持较好的感知性能。     

基于最大比融合的合作频谱感知技术

认知无线电是为了提高频谱利用率而提出的一种智能频谱共享技术,而频谱感知则是实现认知无线电的关键技术。合作频谱感知由于能在一定程度上消除阴影和多径衰落带来的影响而得到广泛的关注。文中提出基于最大比融合的合作频谱感知技术。仿真结果表明,当融合中心采用最大比准则时的检测概率明显高于硬判决融合检测的检测概率。     

认知无线电网络中基于最大似然准则的协同频谱检测算法研究

提出一种集中式频谱协同检测算法。各认知节点采用能量检测算法,然后使用最大似然准则进行本地判决,且把似然比作为本地判决可靠性的度量;中心节点基于可信度对接收到的认知节点本地检测数据进行数据融合。仿真结果显示,文中提出的认知节点协同频谱检测方案能够减少误检概率。特别是当信道处于深衰落时,少量节点参与协同就能获得较好的检测性能。     

基于证据折扣优化DSmT的协同频谱感知器

协同频谱感知器通过充分利用多个认知无线电用户的空间分集增益,对抗单用户深度衰落和阴影效应问题,降低了感知系统对本地感知用户的灵敏度要求,减少由于单用户检测不确定性带来的系统误判。利用D-S方法进行协同频谱感知,通过在本地提取置信指派,再上传至融合中心进行证据推理与判决,占用较窄的控制信道带宽,达到优于传统方法的检测性能,如“或”、“与”和“最优融合”感知方法。但低信噪用户带来的冲突数据会限制D-S方法性能,使其信噪鲁棒性较差。本文首先定义感知用户基本置信指派函数,基于DSmT提出证据折扣优化 DSmT协同频谱感知器。该感知器根据不同认知用户数据的可靠性,对其置信指派函数进行折扣,加强高可靠性数据对融合结果的贡献,降低不可靠数据对融合结果的干扰,有效解决冲突数据下的协同频谱感知信息融合问题。仿真结果表明,证据折扣优化DSmT协同频谱感知器具有良好的检测性能和信噪比鲁棒性。      

衰落信道下基于簇的协作频谱感知分析

在分布式协作频谱感知网络中,认知用户向融合中心上报本地检测的信道是带宽受限的,并且受各种衰落的影响。分析了衰落信道下认知用户通过"与"规则进行融合的协作感知策略,提出了认知用户间为Nakagami信道时基于簇理论的协作感知方案,推导得出了2种方法的检测概率和归一化平均感知比特数。仿真结果表明,基于簇理论的协作感知通过牺牲一定的信令开销得到较好的感知性能。     

基于协同学习的频谱智能感知方法

目前无线通信网络频谱环境时空分布复杂多变，现有多用户协同感知方法数据预处理繁琐，感知效率低下。为此，在由用户感知层和边缘融合层构成的系统架构下，提出了一种基于协同学习的频谱智能感知算法。用户感知层采用多分支卷积循环门控神经网络，利用原始归一化能量信号的底层结构信息，实现本地感知。边缘融合层基于自注意力机制进行消息传播，融合用户感知层中各个非授权用户的感知结果得出最终决策。实验表明，在信噪比为-20 dB以及5个用户协同感知的情况下，该方法能在虚警概率为1.91%时达到18.3%的检测概率，相比对比模型提升了6.1%,且不需要对原始数据额外预处理，降低了算法的复杂度。     

Hard and softened combination for cooperative spectrum sensing over imperfect channels in cognitive radio networks

Recently, cognitive radio (CR) access has received much attention to overcome spectrum scarcity problem. Spectrum sensing methods are often used for finding free channels to be used by CR. In this paper, the problem of cooperative spectrum sensing will be investigated in CR networks over realistic channels. This problem is not clarified until now by taking into account the error effect on the decision reporting. The analytical expressions of the hard and softened one bit and two bits hard combination scheme for cooperative spectrum sensing will be derived. These expressions are investigated to compare with simulation results. The analysis and simulation results show that the performance of cooperative spectrum sensing is limited by the probability of reporting errors. Moreover, it is shown that there is a significant performance loss when a final decision regarding to primary user’s (PU) state made at the fusion depends on a set of local spectrum sensing information that are distorted by imperfect reporting channels during transmission. The probability of detection is degraded due to imperfect reporting channel by 16.5% and 12.2% with one bit hard combination and softened two bits hard combination, respectively. To reduce this performance loss, Amplify and Forward (AAF) relying mechanism will be proposed. The probability of detection is improved by 8% and 9.3% with one bit hard combination and softened two bits hard combination, respectively using AAF relaying mechanism.     

基于可靠次用户信息的协作频谱感知算法研究

对认知无线电系统最基本要求之一就是次用户必须有能力以高的精确率来确定主用户是否存在。而以前对认知无线电频谱感知的研究表明:在实际认知网络中次用户之间的相互协作可以提高其频谱检测性能。然而,对于协作频谱感知而言,随着协作次用户数目的增加,势必会增大用于传输本地检测结果到融合中心的专用控制信道带宽,从而增加系统开销。该文在控制信道带宽有限的约束条件下,提出一种通过考虑可靠次用户信息的协作频谱感知算法来进一步改善频谱检测的性能。该算法的基本思想:只有具有可靠的本地检测结果的次用户才发送自己的检测结果到融合中心,否则,该次用户不发送任何信息。同时,对提出的该算法在理论上进行了推导,通过仿真结果表明:在控制信道带宽受限的约束下,相比于传统的或门协作频谱感知算法,提出的算法能够大大改善对主用户的检测性能。     

Distributed cooperative spectrum sensing based on reinforcement learning in cognitive radio networks

Spectrum sensing is an initial task for the successful operation of cognitive radio networks (CRN). During cooperative spectrum sensing, malicious secondary user (SU) may report false sensing data which would degrade the final aggregated sensing outcome. In this paper, we propose a distributed cooperative spectrum sensing (CSS) method based on reinforcement learning (RL) to remove data fusion between users with different reputations in CRN. This method regards each SU as an agent, which is selected from the adjacent nodes of CRN participating in CSS. The reputation value is used as reward to ensure that the agent tends to merge with high reputation nodes. The conformance fusion is adopted to promote consensus of the whole network, while it’s also compared with the decision threshold to complete CSS. Simulation results show that the proposed method can identify malicious users effectively. As a result, the whole CRN based on RL is more intelligent and stable.     

认知系统中多天线协作频谱感知方案

针对认知无线电的核心问题——频谱感知,采用性能好的协作频谱感知,这里研究了认知无线电系统中一种多天线协作频谱感知方案,此方案中的噪声信号和主用户的信号均认为是独立复高斯随机信号。同时,次用户将检测到的信号通过波束成形后传向融合中心,而优化函数为发射功率受限的条件下,最大化全局的检测概率。理论推导和方针结果表明,所提出的方案有效地提高了检查概率,充分发挥了空间分集和多用户分集的优势,普遍提高了系统的感知概率。     

利用卷积神经网络和协方差的协作频谱感知算法

针对基于信号协方差矩阵的频谱感知算法门限难于准确得到及没有充分利用原始信号信息等问题,提出了基于卷积神经网络和协方差矩阵的协作频谱感知算法。首先将接收的I、Q两路正交信号的归一化协方差矩阵组成双通道输入矩阵,然后使用卷积神经网络直接提取协方差矩阵的特征信息,并进行训练得到分类器,最后使用训练好的模型进行频谱感知。仿真结果表明,本文所提出的频谱感知算法优于对比算法,在信噪比为-13 dB、40个次用户协作感知时,本文算法虚警概率低于0.1,检测概率达到0.9以上。      

D-S证据理论在认知无线电中的应用

针对认知无线电（CR）中协作频谱感知时信息不确定性带来严重的性能影响,在协作开销允许的情况下,人们渴望得到感知增益很高的协作感知方案。由于D-S证据理论在决策系统中处理不确定性信息时能获得令人满意的性能,使得其在认知无线电中的应用会起很重要作用。一种基于D-S证据理论的协作频谱感知新方案被提出和发展。该方案能有效地提高...