一种分布式协作频谱感知技术

构造认知用户的网络模型为马尔科夫随机场,应用BP算法和加权BP算法来协助分布式网络中的决策融合,利用加权的BP算法更有效地解决阴影衰落和恶意节点所导致的问题。这种方法的性能优于现有的分布式网络中的大数判决等其他多数算法的性能。采用MATLAB进行仿真,验证了分析结果。

Ad Hoc认知网络中基于梯度算法的协作压缩频谱感知方法

ad hoc认知网络(CRAHNs)比起传统ad hoc网络有很多优势,如分布式多跳结构及动态变化的网络拓扑等。频谱感知是认知无线电技术的基础,采用压缩感知方法以低于奈奎斯特采样率的速率来获得较好的重构信号,同时可减轻数字处理设备的压力。本文使用多跳模型,每个认知用户感知的频谱不仅包括主用户的主频谱,也包括认知用户自身收到其他认知用户干扰的更新频谱。由于具有动态特性的ad hoc网络缺少融合中心,本文将基于梯度的分布式协作感知算法应用于CRAHNs。该算法基于能量检测,具有可靠的感知性能和较少的能量消耗,并能快速收敛。仿真实验验证了算法的有效性。

认知无线网络中基于非重构序贯压缩的随机信号检测算法与分析

为避免失真,奈奎斯特定理规定采样频率不得低于信号最高频率的两倍。随着使用带宽的不断增加,所需高速采样速率在目前的技术水平下难以实现。压缩采样能够在远低于奈奎斯特采样速率的条件下较好地保持稀疏信号的结构和信息。已有文献均对已知信号进行讨论,针对稀疏度未知的随机信号检测问题,本文将压缩采样与序贯检测技术相结合,分别提出了基于单节点非重构序贯压缩和分布式协作非重构序贯压缩的随机信号检测算法,分析了新算法检测性能。理论分析与仿真结果表明:在保证性能的前提下,本文提出的方法显著减少了所需观测值数目,而且完全避免了复杂的信号重构,节省了时间开销,提高了检测的实时性。

利用分组过滤加强SSDF攻击防御的方案设计

在协作频谱感知网络中,设备故障、信道阴影衰落和噪声等会导致频谱感知器(如手机、平板等)发送的信息不可靠,而恶意用户在协作频谱感知网络中,也会发送错误的感知信息以混淆视听,干扰诚实用户的判决结果。不可靠消息在邻居用户间的传递必将导致感知结果产生偏差和错误,大大降低了协作频谱感知的效率。为解决上述问题,本文将置信传播算法和信誉模型相结合,提出一种基于次用户分组的频谱感知数据伪造(SSDF,Spectrum Sensing Data Falsification)攻击防御方案。该方案分两个阶段对不可靠信息进行过滤:首先,在频谱感知阶段,通过置信传播算法对次用户进行分组,过滤掉因设备故障等因素产生的不可靠用户,剩余用户则视为正常工作用户进行数据融合。然后,在数据融合阶段,根据以信誉值作为权重因子的置信传播算法来计算最终的判决值。本文所提方案分别在感知阶段和融合阶段采取了防御措施,可有效地过滤网络中的不可靠信息,减小恶劣的频谱环境对次用户感知结果的影响。仿真结果表明,本文所提方案迭代次数少、收敛快,有效地减弱了SSDF攻击带来的损害,提高了感知结果的准确性、增强了认知无线网络的安全性。