基于循环平稳PCA和AdaBoost的频谱感知算法

针对无线信道环境中各低信噪比情况下主用户信号检测率较低的问题,提出一种基于循环平稳特征主成分分析和Ada Boost的主用户信号频谱感知算法。该算法首先对信号采用循环平稳PCA算法进行特征参数提取,获取信号主成分,并生成训练样本和待测样本,再采用Ada Boost算法分别对有无主用户情况下的信号进行分类检测。仿真实验表明,与人工神经网络和最大最小特征值算法相比较,所提算法在各低信噪比情况下,具有较高的分类检测性能,有效地实现了对主用户信号的感知。     

基于循环平稳ANN的主用户频谱感知算法研究

针对无线信道环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出一种基于循环平稳人工神经网络(ANN)的主用户信号频谱感知算法。该算法首先对信号特征参数进行提取,作为训练样本和待测样本,再采用ANN算法分别对有无主用户情况下的信号进行分类检测。仿真实验表明,与能量检测法(ED)和循环平稳特征检测法(CD)相比较,所提算法可在低信噪比情况下,不受噪声不确定性等因素影响,具有较高的分类检测性能,有效地实现了对主用户信号的感知。     

认知无线电中基于机器学习的频谱感知算法研究

针对于认知无线电中传统感知算法受信噪比(SNR)影响、过度依赖主用户先验知识和感知时间长等问题,提出基于支持向量机(SVM)的频谱感知算法,通过将信号能量值、SNR值与类别标签作为训练数据,对其进行SVM学习后,得出此CR环境下的分类模型。仿真结果显示在低SNR环境下,机器学习频谱感知算法检测概率比能量检测的提高了近40%,分类错误率仅为1.4%,因此具有更优良的感知性能。     

基于循环谱能量的自适应频谱检测算法

根据信号循环平稳谱的特征,研究在低信噪比环境下的频谱检测问题,提出一种基于循环谱能量的自适应判决门限频谱检测算法。该算法融合能量检测与循环平稳特征检测的机理,以信号的循环谱能量为检测统计量,加权合并虚警率与检测率,准确估计循环谱特征值,构建了具有噪声自适应能力的频谱检测判决门限。仿真结果表明,该算法可以在低信噪比环境下有效地完成频谱检测,克服了噪声波动对频谱检测性能的影响,对不同调制主信号的感知具有稳健性。与最大—最小特征值算法和盲检测算法相比,该算法分别改善了信噪比4dB和8dB。     

随机共振在认知无线电频谱感知中应用的最新研究进展

频谱感知是认知无线电网络的一项关键技术.低信噪比(SNR)环境下频谱检测的性能会大幅降低,而随机共振(SR)能有效提高信号信噪比,所以将其应用到频谱感知中,能增强认知用户对主用户(PU)的检测性能.首先介绍了随机共振在认知无线电频谱感知中应用的最新研究进展,包括随机共振在本地感知中(如能量检测、协方差矩阵频谱感知、循环平稳特征检测)及协作感知中的应用,然后指出了随机共振在认知无线电频谱感知中还有待解决的问题,并提出了下一步的研究方向.     

瑞利信道中自适应双门限频谱感知算法研究

频谱感知是认知无线电中的一项关键技术,能量检测、匹配滤波器检测和周期循环频谱检测是认知无线电中频谱感知技术中传统、经典的算法.基于能量检测的频谱感知算法因实现简单且不需要先验信息而被广泛应用,但低信噪比的情况下检测概率会降低,用户的检测性能不足,从而导致认知用户和主用户之间的冲突碰撞次数增多.针对以上存在的问题,在基于自适应频谱感知的基础上,利用噪声功率估计,提出了一种瑞利信道下的自适应双门限频谱感知算法.仿真结果表明,在低信噪比噪声不确定的情况下,这种算法能够大大提高检测概率,有效降低了认知用户和主用户之间的冲突碰撞次数,从而提高频谱的利用率.     

基于图像K-means聚类分析的频谱感知算法

近年来,基于能量检测的协作频谱感知算法被广泛应用于频谱感知领域。由于该方法在计算能量检测的判决门限受噪声影响较大以及受限于认知用户的数量等问题,导致其检测性能受到影响。为了解决这一问题,本文提出一种基于图像K-means聚类分析的频谱感知算法。这种方法利用主用户信号存在与否的两种认知信号状态映射成图像,经过调整图像强度和高斯滤波预处理之后利用提取图像像素分布直方图的方法提取出特征向量,然后利用改进的K均值聚类算法对这些特征向量进行训练得到分类模型。最后利用训练好的分类模型对未知信号进行检测,从而实现频谱感知。仿真结果表明,本文所提出的频谱感知算法,在检测性能上优于传统能量检测以及协作频谱感知算法,尤其在低虚警概率、低信噪比的环境下效果更加突出。      

冲击噪声背景下基于KPCA和C-SVM的频谱检测算法

针对背景噪声是冲击噪声,且在低信噪比中,二级用户检测性能低的问题,提出了核主成分分析(Kernel PrincipalComponent Analysis,KPCA)和C-支持向量机(Support Vector Machine,SVM)的频谱检测方法.提取接收信号的循环谱特征,核主成分分析对信号特征进行降维,提取出信号的主要非线性特征,再结合C-SVM对接收信号进行分类.仿真结果表明,在冲击噪声背景下,低信噪比中,与PCA-SVM、SVM算法进行比较,所提算法能够提高次级用户的检测性能.     

频谱协作认知检测算法研究

为实现对低信噪比主用户信号进行可靠的检测,论文结合基于循环平稳的主用户信号具有不同循环频率的特性,以及次用户间的协作检测能有效地克服无线环境中多径衰减和阴影效应等不利因素影响的特点,提出了基于循环平稳特性的协作频谱检测算法。算法利用次用户对主用户信号的多个不同循环频率进行协作检测,并对各个次用户独立的检测结果进行权值数据融合,从而实现最终全局判决。同时,为进一步改善检测性能,论文研究了基于最大比合并的权值优化方法。仿真实验表明即使信号在较低信噪比情况下,论文研究的算法亦具有较好的检测性能。      

基于循环前缀频域自相关的OFDM信号频谱感知

针对无线通信频谱资源有限并且利用率非常低的问题,研究了认知无线电系统中基于信号典型特征的频谱感知策略,并进行动态频谱检测.提出了一种基于循环前缀频域自相关的频谱感知算法,利用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的循环前缀具有循环平稳特性,在信号频域进行自相关运算,设定判决门限,完成对信号频谱的检测,同时具备较好的抑制平稳噪声和干扰的能力.在低信噪比或者噪声不确定度大的应用场景下,能够获得比能量检测方法更优、更稳定的频谱感知效果,增强了噪声鲁棒性.在算法中采用双门限检测,进一步减弱了噪声不确定度对检测性能的影响,提高了频谱感知性能.     

Modified Bayesian algorithm‐based compressive sampling for wideband spectrum sensing in cognitive radio network using wavelet transform

This paper presents the implementation of a modified version of Bayesian relevance vector machine (RVM)‐based compressive sensing method on cognitive radio network with wavelet transform for spectrum hole detection. Bayesian compressive sensing is used in this work to deal with the complexity and uncertainty of the process. The dependency of the Bayesian compressive sensing on the knowledge of noise levels in the measurement has been relaxed through the proposed Bayesian RVM‐based compressive sensing algorithm. This technique recovers the wideband signals even with fewer measurements maintaining considerably good accuracy and speed. Wavelet transform is used in this paper to enable the detection of primary user (PU) even in the low regulated transmission from unlicensed user. The advantage of this approach lies in the fact that it enables the evaluation of all possible hypotheses simultaneously in the global optimization framework. Simulation study is performed to evaluate the efficacy of the proposed technique over the cognitive radio environment. The performance of the proposed technique is compared with the conventional Bayesian approach on the basis of recovery error, recovery time and covariance to verify its superiority.     

协作频谱感知在认知网络中的应用

认知无线电能够灵敏感知周围环境的变化,通过频谱感知功能发现频谱空洞,使得认知无线电能够与周围通信环境相适应。在认知无线电网络中,认知用户（次用户）必须连续地监控频谱,检测主用户是否存在。如果主用户存在,次用户必须尽快地退出该频段,从而不影响主用户。在文中采用一种协作机制,即两用户进行协作频谱感知,从而提高主用户的检测率,减少了检测时间,并且得到捷变增益。我们用Matlab给出仿真结果。     

一种基于随机共振增强的协方差矩阵频谱感知算法

为了在避免对主用户系统产生有害干扰的同时 提高频谱利用效率,要求认知无线电系统的频谱感知算法能在极低的信噪比下快速检测出主用户信号。由于可以避免能量检测面临的噪声不确定性问题,基于协方差矩阵的检测算法是一种有效的盲频谱感知算法。为了进一步提高极低信噪比下的性能,本文提出了一种基于随机共振的协方差矩阵频谱感知算法。该算法通过在接收信号中加入优化的特定信号,利用随机共振原理,增大有无主用户信号下的检测统计量概率分布函数的分离度,提高频谱感知的性能。仿真结果表明,相对于现有的协方差矩阵频谱感知算法 ,在相同的虚警概率下,所提算法可以显著提高极低信噪比下的检测概率,同时大幅度缩减检测时间。      

基于三个认知用户的多分支频谱感知方法

为了在认知无线电网络中有效地感知出授权用户,通过在无线通信网络中对多分支协作分集方式的研究,提出了在3个认知用户组成的认知无线电网络中,2个认知用户作为1个认知用户的中继用户,采用多分支协作分集方式感知授权用户。对其检测性能进行了理论分析,表明该方法是一种有效的感知方法,并且在低信噪比环境下,也可以有效地提高检测概率和降低检测时间从而提高网络的敏捷度增益。实验仿真结果证明,在低信噪比的环境下,该方法也可以获得较好的性能。     

多天线感知无线电中的协作频谱感知算法

不同于以往单天线感知用户的频谱感知研究,该文提出多天线情形下基于最优功率分配和协作分集的频谱感知算法。根据信道条件利用奇异值分解(SVD)在每根天线上进行功率注水,并考虑多天线情况下两用户网络协作频谱感知授权用户的判决检测过程,利用基于指数衰减的路径损耗模型,分析多天线感知网络的各态历经容量和检测授权用户的概率及时间。理论分析及仿真结果表明,多天线感知用户通过最优功率分配和协作频谱感知不仅使感知网络具有最大的各态历经容量,同时改善系统的检测性能。     

基于均值辅助的LSTM网络频谱感知算法

针对传统感知算法在低信噪比时检测性能低和深度学习感知算法网络训练量大、复杂度高等问题,本文提出一种在均值辅助下的长短时记忆网络（Long Short-Term Memory,LSTM）频谱感知算法。具体来讲,首先对接收信号序列做多点均值计算,然后利用所得的均值构造特征向量并作为LSTM网络的输入来训练网络,最后利用训练好的网络对新的接收序列进行感知。仿真结果表明:相比于传统算法,所提算法在检测性能上有较大提升;相对于利用原始接收序列直接训练的深度学习算法,所提算法的复杂度大幅下降。      

基于信号能量分布拟合优度的长短时记忆网络频谱感知算法研究

传统频谱感知算法性能在低信噪比下不够理想,在高信噪比下较好,算法性能随信噪比降低逐渐变差。本文提出了基于信号能量分布拟合优度的长短时记忆网络频谱感知算法,利用授权用户信号存在时的接收信号为基础,计算接收信号的能量分布,并将通过拟合优度算法得到的距离值作为特征构造特征向量,然后将特征向量输入长短时记忆网络训练得到模型,最后将测试数据输入训练模型进行预测,从而实现频谱感知。仿真结果表明,本文提出的新算法在信噪比为-13 dB,采样点数为28时,检测概率达到96.21%,明显优于传统能量检测算法和传统拟合优度算法。      

IDsMA: An integrated digital signature and mutual authentication mechanism for securing the cognitive radio networks

Enabling a reliable and secure communication in cognitive radio networks (CRNs) is one of the interesting and demanding research areas and these days, it is used in wide range of applications. The traditional works mainly aimed to improve the spectrum efficiency and bandwidth utilization of the CRN. Moreover, it focused on attack detection in the network for improving the reliability. Thus, this work intended to secure the CRN by considering the objectives of both attack detection and quality of service (QoS) improvement. For this purpose, an integrated digital signature and mutual authentication (IDsMA) mechanism is proposed in this paper, which incorporates the benefits of both security and reliability. Also, the Rivest‐Sharmir‐Adlemann (RSA) algorithm is utilized to encrypt and decrypt the data at the transmitter and receiver side. Here, the unique user ID is generated by the service eNodeB based on the hash function, which is validated at the server side for validating the authenticity of the user. Furthermore, the particle swarm optimization (PSO) and relevant vector machine (RVM) techniques are utilized for optimal channel selection and attack classification. The simulation results evaluate the performance of the proposed technique by using various performance measures. Also, its superiority is proved by comparing the proposed technique with the existing techniques .