强化学习在协作频谱感知中的应用

针对随着节点数量的增多,多节点协作频谱感知(Cooperative Spectrum Sensing,CSS)会产生大量本地数据,导致能耗变高和全局决策延迟的问题,提出节点评估与选择(Node Evaluation Selection,NES)和网格搜索(Grid Search,GS)的强化学习(Reinforcement Learning,RL)算法。通过NES算法在融合中心(Fusion Center,FC)实时更新协作用户的信任值,对信任值大小进行排序,根据设定的阈值,阻止恶意用户(Malicious Users,MU)参与CSS。通过基于GS的RL机制对处理后的数据进行标记,把信噪比(Signal to Noise Ratio,SNR)和信任值作为输入参数,搜索出所有可能的参数组合。在相同环境参数时,FC可以直接调用该环境下的节点,不需要再重新进行感知操作,如果有新用户加入时通过改变参数的范围重新搜索,新用户可以模仿其他用户RL的经验,从而获得更加快速的信道占用情况。仿真结果表明,该方法与其他算法相比,在提高检测概率的同时,降低了能耗,减少重复计算的时间,解决了全局决策延迟的问题。

基于滑动窗口的协作频谱感知对抗拜占庭攻击

认知无线电技术允许从用户动态地接入主要用户被授权的频谱,提高频谱利用率。协作频谱感知是认知无线电技术的一个重要组成部分,通过空间分集检测主用户信号。然而,由于认知无线网络的开放性,协作频谱感知过程可能会受到拜占庭攻击,恶意用户伪造有关主用户信号的状态信息,然后对主用户的通信造成干扰或自私地占用频谱资源,此外,协作频谱感知因多个从用户协作而需要更多的时间来检测主用户信号,因而将导致协作频谱感知的性能和效率进一步降低。针对上述问题,提出了基于滑动窗口的协作频谱感知方案,以减轻拜占庭攻击的负面影响,提高协作效率。在深入分析融合中心盲的问题的基础上,从恶意用户的角度出发,建立了一个随机拜占庭攻击模型来描述恶意行为。为了解决感知样本融合过程中的盲的问题,提出了一种交付评估机制,为基于滑动窗口的协作频谱感知奠定了坚实的基础,并在一个滑动窗口内进一步评估信誉值,以提高报告阶段的协作效率。仿真结果表明,无论恶意比例如何,基于滑动窗口的协作频谱感知在始终攻击的情况下只需要6个平均样本数就可以提供100%的检测准确率,而在恶意比例超过50%的随机攻击的情况下依然能够展现出显著的性能优势。

协作频谱感知中的高效和公平认知节点分配方案

协作频谱感知是认知无线电网络的基础和关键阶段,频谱检测过程中的节点分配策略将直接决定联合频谱感知的结果。介绍了多种分配认知终端的方法,旨在提高频谱感知的效率和公平性。针对不同子频带的感知效率,提出了一种称为由频点占用导致的无效传输参数(inefficient transport parameter,ITP)指标来评估通信性能,给出了感知效率优化问题的闭式表达解,设计的场景包括终端对相同频带有不同的感知性能和相同的感知性能。针对不同子频带间的感知公平性,提出了两种分配算法:弓形分配算法和类划分分配算法。子频带间的公平性通过评估子带中最差的感知性能进行衡量。为了适用于实际场景,加入了频段属性参数来增强公平性,该参数考虑了主用户使用不同频段的优先级及抗干扰能力。仿真结果表明,所提出的策略显著改善了认知无线电网络中的ITP,特别是在子频带利用率不同的情况下,提出的弓形分配算法在公平性不明显降低的情况下,复杂度有明显改善。

基于流形神经网络的协作频谱感知

针对传统频谱感知在复杂信号环境,如低信噪比和多路径衰落等情况下的性能局限,提出了一种基于黎曼流形神经网络的创新性协作频谱感知方案。该方法首先通过将多个协作用户的信号矩阵映射到黎曼流形上,生成具有几何特性的协方差矩阵。接着,利用黎曼流形神经网络进行高效的信号特征分类和频谱感知。黎曼流形神经网络不仅充分发挥了黎曼流形在非欧几里得数据结构上的优势,而且结合了神经网络强大的表达能力,从而在各种复杂环境下都展示出显著优越的频谱感知性能。通过一系列详细的仿真实验,证明了该方法在多样化环境下的优越性能,展示了其在实际无线通信系统中的潜在应用价值。

基于深度学习的认知物联网频谱感知算法研究

针对认知物联网(Internet of Things, IoT)对低信噪比(Signal to Noise Ratio, SNR)的频谱感知性能低下以及传统卷积神经网络(Convolutional Neural Network, CNN)频谱感知方法提取数据特征不充分导致感知性能差等问题,提出了一种改进残差网络——ResNeXt的单节点频谱感知算法,ResNeXt只需要设置少量超参数且高度模块化,将该网络在图像处理上的优势应用在频谱感知问题上,先将接收信号转成二维矩阵并归一灰度化处理,得到灰度图像作为网络的输入。通过训练ResNeXt来提取灰度图像特征,将在线数据输入完成频谱感知。将各个次用户(Secondary User, SU)得到的评分向量矩阵直接用融合中心SoftCombinationNet(SCN)融合获得协作频谱感知结果,有效解决了传统硬融合方法检测性能低、软融合处理复杂等问题。实验结果表明,所提方法在低SNR仍能实现低虚警率、高检测概率,优于传统频谱感知方法。

基于双重信誉值与多角度权值的抗SSDF攻击协作频谱感知方法

为保证协作频谱感知具备较好的抗频谱感知数据篡改(SSDF)攻击能力,提出一种基于双重信誉值与多角度权值的协作频谱感知(DRMW-CSS)方法。首先,以历史本地判决结果进行多次迭代获得评分信誉值,并在此基础上计算出准确率信誉值。其次,以双重信誉值和多个信誉值门限对次级用户(SU)进行筛选。然后,判断SSDF攻击对该筛选方法造成的影响程度,并将其分为3种情况。最后,根据不同情况采用相对应多角度权值数据融合判决方法做出最终的全局决策。仿真结果表明,所提方法在面对不同攻击策略与攻击概率的SSDF攻击时具有良好的感知准确率,相较于传统方法具备更好的抗攻击能力。

基于分布式宽带调制转换器的协作频谱感知

针对分布式宽带调制转换器在感知节点数满足信号稀疏后检测成功概率趋于平稳,而通过增加感知节点数并不能有效提升检测成功概率且复杂度更高的问题,提出了一种基于分布式宽带调制转换器的协作频谱感知方案。该方案采用一种基于认知用户组检测的协作频谱感知结构,根据信号占用子信道数K计算组内感知节点数并进行分组,组内感知节点采用分布式调制宽带转换器方案感知宽带频谱信号的支撑集;组间采用区域映射融合模型的硬判决方案将不同认知用户组支撑集进行融合,区域映射融合模型根据贪婪算法中内积选择原子的顺序将子信道进行区域映射。仿真结果表明,与基于分布式调制转换器频谱感知算法相比,该算法有效提高了频谱检测成功概率并降低了算法复杂度。

基于复合熵和证据理论的抗SSDF攻击协作 频谱感知方法

针对协作频谱感知中,频谱感知数据篡改(spectrum sensing data falsification,SSDF)攻击导致的感知性能恶化问题,在次级用户中恶意用户占比小于一半的情况下,提出一种基于复合熵和证据理论的抗SSDF攻击协作频谱感知方法。首先,次级用户根据本地感知统计量计算基本概率分配(basic probability assignment,BPA)信息。然后,融合中心根据BPA计算距离值并进行熵处理得到复合熵,再以复合熵为权重对BPA信息进行调整,降低恶意用户的权重。最后,针对证据理论中Dempster融合公式的弊端,采用加权求和法代替传统的融合公式。仿真结果表明,和已有方法相比,在不同类型的SSDF攻击下,所提算法具有较好的感知性能。

带约束PSO算法的最优多带协作式频谱感知

针对无约束粒子群优化(PSO)算法在进行多带协作频谱感知时存在难以控制系统总干扰的问题,设计了一种带约束PSO算法的最优多带协作式频谱感知方法.该方法通过引入惩罚函数,将带约束条件下的优化问题转化为无约束优化问题.仿真实验结果表明,相对于无约束PSO算法,带约束PSO算法能够解决带约束的多带协作式频谱感知问题,所得最优解满足约束条件,避免造成总干扰过大.

基于区块链与深度学习的空间分集协作频谱感知系统

协作频谱感知是认知无线电中的关键技术。针对协作频谱感知中存在的安全性、隐私性、激励性和隐藏终端等问题,提出了一种运行在智能合约上的数据驱动的智能化空间分集的协作频谱感知系统。具体地,利用区块链的去中心化、数据难以篡改等特性,设计了一种激励性的协作频谱感知系统,并采用深度学习的方法来识别系统中的恶意用户。此外,针对如何更为高效地在该系统中招募感知节点以达到较高的感知准确率,设计了基于性能权重和空间分集的硬判决协作频谱感知融合算法。实验结果表明,所提算法在安全性、隐私性、激励性、感知准确率方面优于传统的协作频谱感知算法。

基于随机共振和信息几何的协作频谱感知方法

为提高频谱感知系统在低信噪比环境下对微弱信号的感知性能,提出了一种基于随机共振技术和信息几何理论的频谱感知方法。首先通过随机共振技术增强输入信号的能量,以提高感知信号的信噪比。然后,基于信息几何理论将信号矩阵的协方差矩阵对应成流形上的点,并计算流形上样本点之间的散度距离作为感知信号的特征数据。最后,采用BP神经网络对信号特征数据进行分类,有效避免了决策阈值的计算,快速实现了频谱决策。仿真实验证明,所提方法在低信噪比条件下具有更好的感知性能,有效提高了复杂环境下的频谱检测概率。

基于多头自注意力机制的协作频谱感知算法

针对协作频谱感知中部分用户受到阴影、衰落等影响导致在低信噪比环境下对微弱信号的感知性能急剧降低及部分聚类模型没有充分利用能量向量的问题,提出一种基于多头自注意力机制的协作频谱感知算法。各次用户独立采样数据,融合中心收集各次用户的能量数值并构成能量向量作为自注意力网络的输入;设计基于多头自注意力机制的网络模型,利用该网络自动学习信号和噪声的能量向量特征,有效提取局部特征,实现智能协作频谱感知。仿真结果表明,该频谱感知算法性能优于对比算法,在信噪比为-14 dB、虚警概率为0.001时,该算法检测概率高于对比算法0.29~0.4。

基于审计博弈的安全协作频谱感知方案

针对群智协作频谱感知中恶意感知终端的投毒与搭便车攻击,结合事前威慑与事后惩罚机制提出了一种基于审计博弈的新型防御方案。首先,考虑审计预算约束,构建了一种不完全信息下的混合策略审计博弈模型,在协作感知前设置惩罚策略威慑恶意协作者,并在感知数据融合后进行审计进而实施惩罚。其次,设计了链上链下协同的轻量审计区块链模型,其中,审计证据存储在链下数据仓库,其元数据公开发布在审计链上。再次,设计了基于强化学习的分布式智能审计算法,以在动态环境下自适应地计算审计博弈的渐近混合策略均衡。仿真结果表明,相比传统方案,所提方案能快速获取稳定且渐近最优的审计策略,并积极抑制恶意协作者的投毒与搭便车行为。

一种基于特征值和级联聚类的协作频谱感知方法

为了提高低信噪比(Signal-to-Noise Ratio,SNR)下频谱感知的性能,使用模糊C均值(Fuzzy C-means,FCM)和高斯混合模型(Gaussian Mixture Model,GMM),提出了一种基于特征值和级联聚类的协作频谱感知方法。从接收信号的协方差矩阵中提取特征值构造特征向量,通过在三维空间中执行聚类得到信道是否可用的分类模型,此过程无需获得主用户(Primary User,PU)信号以及噪声功率的先验信息,避免了复杂的门限计算。FCM聚类用于优化GMM聚类的初始参数,有效解决了在低SNR下GMM容易陷入局部最小值的问题。仿真结果表明,该方法降低了GMM的收敛时间并提高了模型分类的准确性,与其他主流方法相比能够有效提升频谱感知的性能。

面向虚拟电厂中电动汽车调度管理的协作频谱感知优化方法

虚拟电厂中分布式能源和电动汽车等设备之间数据交换量大,需要借助通信技术实现分布式能源聚合和调度优化管理,但分配给电力通信的频谱资源有限。文章建立基于认知无线电的虚拟电厂分层架构,提出一种基于蝠鲼觅食优化–梯度优化(manta ray foraging optimization-gradient based optimizer,MRFO-GBO)算法的协作频谱感知技术,优化融合中心的加权向量,进而提高检测概率以及频谱利用率。与其他算法相比,MRFO-GBO算法可以更有效地用于电动汽车中的协作频谱感知,提高认知用户感知主用户的准确性。

IRS辅助SIMO-MAC认知无线电系统频谱感知优化策略

认知无线电(Cognitive Radio, CR)通过允许次用户与主用户共享频谱,在提高无线通信的频谱效率方面具有重要意义。最近,智能反射表面(Intelligent Reflecting Surface,IRS)的提出,使我们可以通过IRS反射元件重构信道环境来提高无线通信系统的通信质量。本文提出了一个IRS辅助的单输入多输出多址接入信道(Single Input Multiple Output Multiple Access Channels, SIMO-MAC) CR网络,并结合一种新型的IRS辅助多用户协作频谱感知方案来增强感知性能。目标是在次用户的功率约束以及对主用户的干扰约束下,通过联合优化次用户发射功率分配和IRS相位,最大化次用户的和速率。为了解决所建立的变量耦合的非凸问题,我们采用基于块坐标下降的高效交替优化算法,首先通过拉格朗日乘子法和注水功率分配算法以及Karush-Kuhn-Tucker (KKT)算法求解得到最优的功率分配,然后构造多目标优化问题,利用连续凸逼近、半定松弛方法将非凸问题转化为一个半正定规划的凸问题,从而求解出IRS相移矩阵的近似最优解。仿真结果表明,本文所提方案可以极大地提高认知无线电网络的频谱感知性能以及频谱效率。

基于双门限能量检测的协作频谱感知算法

为了克服传统能量检测算法的不足,提出了一种基于双门限能量检测的协作频谱感知算法(cooperative spectrum sensing algorithm based on double-threshold energy detection,CSBDE)。该算法采用噪声不确定条件下的双门限值作为判决条件,将本地能量检测结果划分为硬判决和软判决。认知基站采用优化的融合准则,首先对所有本地硬判决进行融合,根据需要再进一步对本地软判决进行融合,最终给出全局判决结果。蒙特卡罗仿真结果表明,该算法能够克服噪声不确定性对能量检测的影响,提高了系统的检测性能。

使次系统容量最大化的协作频谱感知性能分析及优化

针对认知无线电网络中SU数、检测门限、带宽、频谱利用率和次系统容量间关系的分析表明,一方面C-CSS不仅可降低虚警率、提高频谱利用率,还可利用较少的SU实现较高的次系统容量;另一方面在SU数一定且满足目标要求时,C-CSS与T-CSS实现最大次系统容量所要求的检测门限不同。提出协作频谱感知优化算法,利用NP准则通过直接对数学模型求解即可得到使次系统容量最大的SU数和相应检测门限。理论分析和仿真结果均表明,所提算法在保证目标检测率的前提下最大化了次系统容量。

基于随机矩阵理论的协作频谱感知

认知无线电频谱共享技术在新一代无线通信网络中具有广泛的应用前景,频谱感知是其中最重要的环节。该文提出了一种新的在多认知用户环境中,基于大维随机矩阵理论的协作频谱感知算法。充分利用随机矩阵的渐近谱分布特性及小样本下最大特征值收敛特性来提高感知性能。理论分析和仿真结果均表明,新算法性能明显优于同类算法和典型的能量检测算法。

认知无线电网络中的一种新型协作频谱感知方法

提出一种能够应用于认知无线电网络中的新型协作频谱感知方法——双阈值能量检测,该方法同时利用了次要用户的接收信号能量和局部判决结果两种信息,由判决中心结合次要用户的局部判决结果和接收信号能量,做出最终判决从而确定主要用户存在与否.该方法在通信流量增加不多的情况下能够充分提升检测性能.仿真结果表明当接收信号能量落入延迟判决区间的概率较大时,该算法能够显著地改善认知无线电网络的协作频谱感知能力.