基于扩散策略的分布式协作频谱检测

分布式认知网络中,认知用户通过与相邻用户交换检测量信息,达到全网一致,实现对主用户信号的检测。为了提高网络检测量信息的收敛速度,提出了一种基于扩散策略的分布式协作检测算法。在该算法中,将最大最小特征值检测算法的检测量作为交换的初始信息,构造自适应矩阵和融合矩阵作为加权因子对认知节点状态值进行迭代更新,实现全网认知用户检测量信息一致,各认知用户独自根据融合的检测量信息,进行最终的检测判决,确定主用户是否存在。仿真结果表明,该算法在网络收敛速度和检测性能上较共识策略和非合作检测有不同程度的提升。     

自适应扩散算法的误差性能分析

为了分析分布式协作频谱感知认知网络中融合矩阵、步长等参数对自适应扩散算法的影响,对检测量估计误差性能进行了研究。给出了自适应扩散算法检测量的通用迭代公式,分析了检测算法的数据处理流程;推导了检测量估计误差向量的迭代表达式,利用网络瞬时均方偏差性能和各节点的稳态均方偏差性能评价融合矩阵参数对算法的影响。结果表明,不同的融合矩阵选取原则影响算法的检测性能,可以采用检测量误差估计的方法对算法参数进行研究。     

基于分布式检测和协作的自适应频谱感知机制

对当前备受关注的认知无线电多点协作频谱感知技术进行了系统归纳与总结.对频谱感知基本问题进行研究,指出了低信噪比情况下单节点检测存在的局限性;接着着重对基于能量检测的多点协作检测技术和多种数据合并算法等最新的研究情况进行了介绍和评价;最后提出了一种具有自适应优化功能的协作频谱感知机制,对控制信道和检测判决信道采用两种控制方式,采用较为稳健的拓扑控制方式,提高了检测网络的稳定性和运作效率.     

基于数据融合理论的分布式协作频谱感知方法研究

频谱感知是认知无线电的一个独有特征,是认知无线电的两大核心技术之一.文中通过对比各种频谱感知方法论证了分布武协作感知方法的优越性,提出了基于数据融合理论的分布式协作频谱感知方法.     

一种新的分布式协作能量检测算法

针对集中式协作能量检测算法严重依赖中心节点的问题,提出了一种基于一致滤波器的完全分布式的协作能量检测算法.该算法不需要中心节点,次用户可以通过与其邻居次用户进行局域的数据交换,实现基于数据级融合的协作频谱感知.仿真结果表明,该算法比现有的集中式协作能量检测算法优越,能够实现安全的频谱感知.     

基于可靠度和信息共享的分布式频谱检测算法

目前基于可靠度的频谱检测方案主要针对集中式频谱检测。基于已有文献的优点,以信噪比作为可靠度,给出了一种新的基于信息共享的分布式频谱检测算法。在该算法中,认知用户共享本地检测的判决结果和可靠度,可靠度低的用户用比他可靠度高的用户的判决结果来更新自己的判决,需要进行数据传输的两个认知用户的判决结果只要都不存在主用户就可以进行通信,这样便于快速建立连接。通过ROC曲线的仿真结果,检测性能有较好的改进。     

基于协作检测的频谱移动技术

频谱移动的目的是使网络状态变化尽可能快地平滑进行,以确保频谱切换中对通信性能的影响最小。采用基于协作检测的协同频谱感知方法,研究频谱移动的策略,分析频谱池容量对系统性能的影响,设计合适的跨层策略,减小切换延迟,最小化频谱切换对各层的影响。     

基于扩散机制的分布式宽带压缩频谱感知算法

针对认知无线电网络共享频谱资源的特征,本文提出一种基于扩散机制的分布式宽带压缩频谱感知方法。该算法包含两个工作阶段。在第一个阶段,每个认知用户对观测信号进行压缩感知和独立重构,产生本地频谱估计;在第二阶段,各个认知用户根据扩散机制协作更新频谱估计信息,实现最优估计。仿真结果表明,该算法与一致性分布式压缩频谱感知方法相比,可以快速增强认知无线电网络频谱感知能力,可应用于动态拓扑结构的认知无线电网络。     

认知自组网分布式频谱感知最优协作算法

认知无线电技术使得自组织网络节点能够充分利用空闲频谱资源,提高了传输性能。通过协作频谱感知,可有效解决由于无线信道存在阴影、噪声和衰落等情况导致的单节点感知准确性偏低。为了解决梯度算法随着协作节点数量增大后计算复杂度变高,文中提出部分梯度算法ψ-GBCS,该模型通过基于SNR的动态阈值保证了感知准确性,同时通过最佳协作节点数提高了感知效率。仿真结果表明,该模型下,综合评估系统效率和性能的J函数值提高37%,能耗降低50%,有效保证大规模认知自组网频谱感知的鲁棒性,降低了对主用户的干扰及设备功耗。     

基于中继的协作频谱感知

频谱感知技术是认知无线电系统实现的前提和基础。由于无线衰落环境下单节点频谱感知结果可靠性不高,主要讨论协作频谱感知中的中继协作频谱感知技术。针对单个中继节点的协作频谱感知网络,分析了在AF协议下的频谱感知结果。导出了在瑞利衰落环境下中继节点参与协作感知的检测概率上限的闭合表达式,并进行了数值仿真。数值分析结果表明中继节点参与协作能够提高频谱感知性能。     

基于Friedman检验的非参数协作频谱感知方法

协方差矩阵频谱感知方法在天线相关性低时感知性能较差,该文针对这一问题提出一种基于Friedman检验的非参数协作频谱感知方法。分布式放置的感知节点具有空间分集的特性,因此在同一时刻感知节点上的信号功率不完全相同。利用这一特点,提出通过比较各感知节点的信号功率水平来实现频谱感知。由于采用了非参数化表示,该方法对噪声不确定性稳定,且适用于任意统计分布的噪声。另外,推导了所提方法判决门限的理论表达式,结果显示判决门限与采样点数无关,因此在采样点数变化的情况下无需重新设置判决门限。仿真结果验证了上述理论分析的有效性。     

基于双门限能量检测的自适应协作频谱感知

针对认知无线电中传统单门限能量检测由于单一门限造成的低信噪比情况下容易误判从而导致错失频谱接入机会的不足,提出了一种基于双门限能量检测方法的自适应协作频谱感知模型.该模型以加性高斯白噪声信道模型为基础,由传统双门限能量检测方法改进而成,针对接收到的能量统计值的大小采用不同的判决方法,各个判决结果直接由所采用的判决方法决定.仿真结果表明,在较低信噪比条件下,与传统单门限能量检测模型相比,该自适应协作频谱感知模型具有更好的识别性能,随着用户数量的增加,识别性能更优.     

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。     

基于动态自适应双门限能量检测的序贯协作频谱感知算法

针对在一般高斯白噪声环境中,传统的双门限能量检测频谱感知算法忽略确定两门限之间的感知信息的问题,该文提出一种基于动态自适应双门限能量检测的序贯协作频谱感知算法。新算法以最优化检测概率为目标,采用序贯方式对协作用户进行动态自适应双门限建模,并对处于两门限之间的接收能量值进行软判决。进一步地,新算法能自适应动态调整门限大小和各判决区域协作用户数,以达到最大化检测概率和最优化受试工作特征曲线的目的。理论分析和仿真结果表明,与经典的双门限能量检测算法相比,提出算法具有更优的检测概率。     

Scheme of Cooperative Spectrum Sensing Based on Adaptive Decision Fusion Algorithm

Spectrum sensing is one of the core technologies for cognitive radios(CR),where reliable detection of the signals of primary users(PUs) is precondition for implementing the CR systems.A cooperative spectrum sensing scheme based on an adaptive decision fusion algorithm for spectrum sensing in CR is proposed in this paper.This scheme can estimate the PU prior probability and the miss detection and false alarm probabilities of various secondary users(SU),and make the local decision with the Chair-Varshney rule so that the decisions fusion can be done for the global decision.Simulation results show that the false alarm and miss detection probabilities resulted from the proposed algorithm are significantly lower than those of the single SU,and the performance of the scheme outperforms that of the cooperative detection by using the conventional decision fusion algorithms.     

分布式认知无线网络中的频谱接入凸规划算法

针对分布式认知无线网络中所可能存在的多频道隐终端问题,以及分布式协调方法(DCF)在随机冲突下性能下降的问题,该文以最优化网络的效用值为目标,将各个认知节点的接入概率作为求解对象,在分布式认知无线网络中建立了一个通用的凸规划模型。同时,基于凸规划算法,提出了一种分布式的信道接入 (DSAC) 算法对目标问题进行求解,从而决定认知网络中每个节点以及每条链路的接入概率。仿真结果表明,DSAC算法能够在较少的迭代次数内实现收敛;与普通的DCF方法相比,DSAC算法可以有效地提高网络中同时传输的链路个数,提高了频谱利用率以及网络吞吐量。     

协作频谱感知中快速自适应门限策略

频谱感知是认知无线电的一个重要组成部分。在异构网络中,认知节点的移动会导致接收信号强度和噪声功率发生变化,这使得采用固定门限参数的频谱感知策略无法保证在任何时候均工作于最优感知状态。为了解决这一问题,该文提出一种自适应门限参数的协作频谱感知策略。该策略无需主用户信号、信道以及环境噪声的任何先验信息,参与协作的所有认知节点采用最陡下降法自适应调节门限参数,控制中心采用最优数据融合算法获得最小检测代价。仿真结果显示,当认知节点参数发生变化时,协作节点的门限参数快速收敛于最优值,使系统贝叶斯风险最小。     

一种新型的基于最大特征值的合作频谱感知算法

针对认知无线电中经典频谱感知方法的缺点,该文利用随机矩阵理论的相关研究成果,提出了一种基于采样协方差矩阵最大特征值与平均能量的合作频谱感知新算法。该算法将次用户接收信号协方差矩阵的最大特征值与接收信号平均能量的比值(Maximum Eigenvalue-Energy Detection, ME-ED)作为统计判决量,以此判决出主用户是否存在,从而实现频谱感知功能。理论分析表明,与经典频谱感知方法相比,ME-ED算法无需知晓主用户信号的任何先验知识及噪声功率。仿真结果显示,与MED算法和ED方法相比,该算法不仅对噪声的不确定性不敏感,而且在噪声存在波动的情况下,其感知性能最优,鲁棒性最强。     

认知无线电网络中合作频谱感知机制的优化

为了提高检测效率和频谱利用率,该文对认知无线电中合作频谱感知的感知机制进行了优化。针对信道监测和信道搜索两个不同的感知场景,分别给出了检测周期、检测时间和搜索时间的选取和优化方法,并提出了新的信道搜索方式。研究分析和仿真结果可以看出,合作频谱感知和主动感知方式的引入可以提高检测性能和传输速率,对感知机制和策略的选取和优化有效地提高系统吞吐量,降低感知时延和开销,这样可以提高认知无线电网络的性能和灵敏性,在保证授权用户不被干扰的同时最大化空闲频谱的接入机会。