基于节点识别的协作频谱检测算法

在认知无线网络协作频谱感知过程中,感知节点所处的恶劣信道环境会导致本地频谱检测结果发生偏差,有时一些故障节点或恶意节点发送的误导信息来干扰认证网络融合中心的全局判决.根据认知网络感知节点的历史感知信息,将感知节点分为可信节点、不可信节点和故障或恶意节点,提出了一种基于节点识别的协作频谱检测算法.在该算法中,融合中心舍弃故障或恶意节点,使其不得参与数据融合,同时也不考虑不可信节点当前发送的本地检测结果.这样,一方面消除了故障或恶意节点对全局频谱判决的影响,另一方面降低了融合中心计算复杂度.仿真结果表明,该算法能有效克服故障或恶意节点的干扰,提高认证网络协作频谱检测性能.     

能量效率和碰撞概率联合优化的协作频谱感知算法

协作频谱感知能提高认知无线电网络的感知性能。随着认知网络频谱感知性能的提高,一方面感知网络将会消耗更多的能量;另一方面次用户拥有更多的机会接入授权频谱,次用户的吞吐量不断增加,同时在通信过程中主用户与次用户发生碰撞的概率也不断增大。本文提出了一种联合优化能量效率和碰撞概率的协作频谱感知算法,通过最优感知检测点判断节点所处信道状态,融合中心舍弃信道状态不好的节点使其不参与数据融合,既消除了信道状态不好的节点对全局判决的不良影响,又提高了能量利用率。仿真结果表明,该算法提高了网络的频谱检测性能,并延长了感知网络的生命周期。     

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。     

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。     

基于多融合准则的双门限协作频谱感知算法

认知无线网络中,现有协作频谱感知技术未考虑根据感知用户的可靠性程度,对其判决结果采用不同的融合策略。针对上述问题,提出了一种新的基于多融合准则的双门限协作频谱感知算法。该算法以双门限协作检测为基础,根据感知用户判决结果的可靠程度不同,采用AND准则和OR准则相结合的判决方法,对参与感知的用户判决结果进行分类融合。理论分析和仿真结果表明,该算法与协作频谱感知算法相比,能够显著改善认知无线网络的频谱感知性能。     

基于改进型能量检测的加权协作频谱感知算法

针对单节点能量检测法存在的“隐藏终端”和检测准确性低以及协作频谱感知算法大多采用等权重进行数据融合,未考虑不同节点所处的通信环境对检测性能的影响等问题,提出一种基于改进型能量检测的自适应加权协作频谱感知算法。该算法通过对单节点能量检测方法的改进,在单节点检测错误概率最小的条件下,导出了信噪比与判决门限的关系式,利用二分法求得不同信噪比下的动态门限值,得到相应的虚警概率和检测概率,以虚警概率和检测概率的函数作为加权因子进行数据融合。仿真结果表明,所提算法使协作感知系统在低信噪比条件下也能获得可靠的检测性能。     

改进自适应双门限协作频谱感知算法

频谱感知是认知无线电领域的关键技术之一,得到了众多学者广泛深入的研究。在低信噪比情况下,传统双门限算法阈值门限固定不变导致检测效果较差,针对该问题,提出一种自适应双门限协作频谱感知算法,通过计算各节点信噪比得到权值,调整判决门限,将当前判决结果与前后时刻充分联系,融合各节点判决信息得到最终判决结果,理论分析和仿真结果表明,相较于传统双门限和加权双门限检测算法,本文提出的算法具有更好的检测效果。     

基于集中式协作频谱感知的数据融合技术研究

针对单节点频谱感知中存在的隐蔽终端和多径衰落问题,协作频谱感知应运而生。协作频谱感知有集中式和分布式之分。主要研究了集中式频谱感知中的数据融合技术,通过MATLAB进行建模仿真。仿真结果表明,集中式协作感知模型下软判决比硬判决更好地改善了检测性能,而软判决准则中C-V准则在高信噪比下检测性能最好,EGC准则在低信噪比下检测性能最好。     

基于Strackelberg博弈论的煤矿井下频谱感知算法研究

针对煤矿井下频谱感知技术感知准确度低的问题,提出了基于Strackelberg博弈论的煤矿井下频谱感知算法。该算法根据认知节点感知性能的好坏,将认知节点分为领导节点和跟随节点,感知性能差的跟随节点采取感知性能好的领导节点的判决结果。Matlab仿真结果表明,该算法提高了煤矿井下频谱感知的性能。     

基于能量分类器的抗SSDF攻击协作频谱感知算法

频谱感知是认知无线电通信的重要环节,SSDF(Spectrum Sensing Data Falsification)是协作频谱感知面临的严重安全威胁。SSDF攻击方式逐渐呈现动态化的趋势,传统防御算法因假定攻击强度保持不变而难以识别动态的篡改数据。针对动态化的SSDF攻击,提出一种基于能量分类器的抗SSDF攻击协作频谱感知算法。该算法首先通过分析动态SSDF攻击的特性,结合距离判别法将邻居节点能量分类,通过将分类结果与本地结果进行对比来识别恶意邻居节点;然后本地节点在滑动时间窗内根据历史频谱判决信息和当前频谱判决信息建立信誉模型,并由此更新各邻居节点的信誉值;最后,本地节点实施加权协作频谱感知。仿真结果表明:相比LDCSS(Largest Deviation-based distributed Cooperative Spectrum Sensing)算法和RBCSS(Reputation-based Cooperative Spectrum Sensing)算法,所提算法在动态SSDF攻击的攻击强度接近阈值时频谱检测概率分别提高了15%和16%,显著增加了认知网络的协作频谱感知性能,提升了频谱共享的效率。     

认知无线电网络中安全的协作频谱检测算法

在认知无线电网络中,当认知用户存在虚假感知信息SSDF时,协作频谱感知的性能会受到巨大影响。为了确保频谱感知的鲁棒性,提出了一种基于信誉度加权序贯频谱检测算法来识别恶意用户并减轻他们造成的影响。该算法通过使用认知用户的近期感知信息计算本地信誉度函数,再综合考虑其信誉值与感知过程中表现的稳定程度以消除恶意用户对主用户的传输效率带来的影响。仿真结果表明,在恶意攻击环境下,新算法优于现有典型协作频谱感知算法。     

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。     

基于可信度的认知无线电频谱侦听算法

提出一种基于可信度的频谱空穴侦听算法,减少向公共接收机发送的侦听比特数。根据能量检测理论,若能量分布在“判决”区域,则感知用户将发送1 bit或2 bit的自适应量化值,以报告基于侦听可信度因子和似然判决的感知结果,否则感知用户不发送信息。性能分析与仿真结果表明,该算法在确保侦听性能损失较小的情况下,能降低用户的平均侦听比特数。     

Root finding method of failure credibility for fuzzy safety analysis

In order to measure structural safety with fuzzy uncertainty, a new root finding method of failure credibility is presented by taking advantage of the simple relation on input and output credibility inverse distributions. A brief introduction is given of the fuzzy credibility measure and the credibility inverse distribution at first. As the theoretical basis of root finding method, principles of transformation from failure credibility solving into a root finding process through credibility inverse distribution functions, are fully explained from the standpoint of root screening conditions as well as computing features. After organizing the fuzzy root finding algorithm for both explicit and implicit performance functions, arithmetical differences of fuzzy safety are meanwhile compared to random reliability to reveal the essence of their different type of uncertainty. Finally the applicability and effectiveness of fuzzy root finding method are testified by several engineering cases.     

基于互连网络系统故障的新型自适应诊断算法

互连网络的故障诊断是网络系统可靠性分析的重要内容。PMC模型是一种重要的网络故障模型。针对具有哈密顿环的互连网络(也称哈密顿网络),利用分治回环思想,提出了一种新的基于PMC故障模型自适应的诊断算法。其核心思想是,首先对哈密顿网络进行序列划分,然后对得到的每个01序列的结节进行回环诊断,最后利用回环诊断的结果对非01序列的节点进行诊断。对于一个具有多个01序列的互连网络,该算法通过有限次轮回的测试,能准确的定位系统中的故障节点,对于正确节点的诊断可靠度能无限接近100%。当系统中存在的回测边越多,该算法的诊断效果越好。     

基于层次分析法的航行模拟器仿真可信度研究

受层次分析法(AHP)决策思想的启发,把与仿真可信度有关的评估元素通过划分层次后并计算权重,建立起一种复杂仿真系统可信度评估的综合算法模型,将其应用到航行训练模拟器仿真可信度评估中,通过确定航行训练模拟器仿真可信度评估指标体系中各可信度评估因素的权重,对各种可信度评估因素加以综合,得到了客观量化的仿真可信度结果,具有一定的科学性和可信性.     

一种新型的认知无线电合作频谱感知算法*

为了提高认知无线电频谱感知性能,同时考虑到不同认知用户SU(Secondary User)具有不同的感知贡献和谈判力量,该文利用合作博弈理论提出了一种新的基于认知无线电的合作频谱感知非对称纳什谈判算法ANBS(Asymmetric Nash Bargaining Solution),该算法充分考虑到了每一个认知用户的感知可信度不尽相同的情况。仿真结果表明,与NBS(Nash Bargaining Solution)等算法相比,该算法不仅具有更强的合理性和可靠性,而且使系统整体感知性能得到了较大提高。     

认知无线电网络中宽频谱的信号分离算法

在认知无线电网络中,认知用户随机接入宽带频谱进行数据传输,但是这样很容易受到恶意用户的干扰,这些恶意用户随意地接入共享频带进行信号传输,这些信号会干扰主用户和认知用户。为此,提出了一种基于压缩感知的信号分离方法。该方法可以很好地从宽带信号中分离出恶意用户信号。算法主要采用以下三个步骤：（1）所有认知用户采用压缩感知技术从宽带频谱中恢复各信号;（2）认知用户将分离的信号发送到融合中心,融合中心通过小波边缘检测的方法确定频谱边缘,并按照边缘特性将频谱分成若干频段;（3）融合中心根据具体特征对每个子频段进行信号分离。分析和仿真结果表明,这种新的基于压缩感知的宽频带信号分离方法能很好地从宽带信号中将含有恶意用户干扰的混合信号分离出来。     

基于改进TF-IDF算法的牛疾病智能诊断系统

传统的TF-IDF(Term Frequency&Inverse Documentation Frequency)算法提取的关键词不能合理地代表某疾病的症状,降低智能诊断系统的性能。对此,提出一种改进的TF-IDF算法,并将其应用在牛疾病诊断系统中。系统将用户描述的文本内容转换成向量的形式,用TF-IDF算法提取关键症状词,利用余弦定理和可信度计算给出可靠的疾病推荐和治疗方案。实验结果表明,该算法在疾病诊断中准确率和可信度两方面都具有更好的效果。与传统TF-IDF算法相比,平均可信度提高约4%。     

改进的基于深度学习的遥感图像分类算法

针对传统的基于深度学习的遥感图像分类算法未能有效融合多种深度学习特征，且分类器性能欠佳的问题，提出一种改进的基于深度学习的高分辨率遥感图像分类算法。首先，设计并搭建一个七层卷积神经网络；其次，将高分辨率遥感图像样本输入到该网络中进行网络训练，得到最后两个全连接层输出作为遥感图像两种不同的高层特征；再次，针对该网络第五层池化层输出，采用主成分分析（PCA）进行降维，作为遥感图像的第三种高层特征；然后，将上述三种高层特征通过串联的形式进行融合，得到一种有效的基于深度学习的遥感图像特征；最后，设计了一种基于逻辑回归的遥感图像分类器，可以对遥感图像进行有效分类。与传统基于深度学习的遥感图像分类算法相比，所提算法分类准确率有较高提升。实验结果表明，该算法在分类准确率、误分类率和Kappa系数上表现优异，能实现良好的分类效果。