认知无线网络中频谱预测的协作策略设计

在多主用户(PU)、多认知用户(SU)的认知无线网络(CRN)场景中,研究了频谱预测的协作策略设计问题。将频谱预测的协作策略设计问题归纳为一个优化问题,以整个CRN的吞吐率最大为优化目标,对参与协作的SU数量和数据融合门限进行优化,并提出一种搜索算法求解此优化问题,这是首次对协作频谱预测中的协作策略进行研究。在此基础上,提出了基于分组的协作频谱预测策略,并设计其帧结构。仿真结果表明,这种基于分组的协作频谱预测策略在满足虚警概率要求的前提下,能够以更低的协作预测能耗,达到更高的CRN吞吐率,从而提高了协作频谱预测的效率。

基于协作频谱预测的能量有效性分析

在认知无线电网络中,传统的次级用户随机选择信道进行感知,这在电池供电的认知无线电网络中会造成能量的浪费。研究了协作频谱预测下的能量有效性设计,次级用户采用协作频谱预测的方式会极大地提高感知到空闲信道的能力,进而成功地进行数据传输。仿真了在不同的频谱预测能量消耗、频谱预测错误概率和协作用户数量下的能量有效性,结果表明协作频谱预测能量有效性优于传统非协作频谱预测。

基于协作频谱预测和频谱分割的认知无线电网络吞吐量优化

随着无线通信技术的迅猛发展,频谱资源变得日益紧张。认知无线电技术(Cognitive Radios,CR)旨在充分利用授权无线电频谱资源。而当前的CR技术在认知无线电网络吞吐量上存在一定程度的限制,原因是传统的频谱感知技术随机选择信道进行感知操作,从而导致次用户(Secondary User,SU)在认知无线电网络中的吞吐量较低。文中为了优化系统吞吐量,结合协作频谱预测和频谱分割技术重新设计次用户的感知帧结构。具体实现上先将次用户的频谱划分为两个子频带,其中一个子频带加入协作频谱预测功能,旨在提高次用户选择空闲信道进行感知的概率。由于引入了分频工作思想,整个帧时隙全部可以用于数据传输,从而进一步提高了系统的吞吐量。文中讨论了在协作频谱预测条件下,分别在主用户(Primary User,PU)通信强度和预测精度不同时的系统吞吐量,并与传统感知帧结构下的系统吞吐量进行了对比,仿真结果表明,与传统感知帧结构相比,文中所提出的方案在系统吞吐量性能上有较大提升。

一种改进的分组协作频谱感知方法

认知无线电是一种新兴的智能无线系统,它能够感知授权频段的使用情况,当授权用户不使用时接入通信,当授权用户出现时从该频段退避,以缓解日益紧张的频谱资源使用。文中主要研究的是一种改进的分组协作频谱感知方法。首先分别介绍了两种性能较好的频谱感知算法:双门限频谱检测方法与分组协作方法,并仿真实现。在此基础上提出的改进算法是在分组协作中使用双门限检测方法,最后通过仿真,证明文中提出的融合算法其性能优于只使用分组协作感知或双门限检测方法。

基于密度聚类的HMM协作频谱预测算法

针对传统隐马尔科夫频谱预测中的时延长、预测准确度低的问题,提出了一种基于密度聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)的HMM协作频谱预测算法。该算法采用DBSCAN算法将具有强相关性的频域信道聚为一簇,并以簇为单位对信道状态进行预测,通过减少预测次数来降低频谱预测时延;同时在时域利用多个次级用户协作预测的方法,通过融合各次级用户的初始预测结果来降低预测的不确定度。仿真实验表明,相比于传统的隐马尔科夫频谱预测算法,所提算法的频谱预测时延更短,准确度更高。

基于STBC方案的鲁棒性协作频谱感知技术

协作频谱感知技术可削弱认知无线电系统中衰落阴影等对检测信道的影响.基于对空时分组编码(STBC)固定分组协作频谱感知技术的分析,提出了鲁棒性的动态分组方案以克服固定分组的局限性,最大限度地发挥STBC方案的优势,提升系统的检测性能.该方案利用认知用户间的交互信道条件进行动态分组,以获得更小的虚警概率下界.理论分析和仿真结果表明,本文所提出的方案在衰落信道环境下可显著提高系统的检测性能.

一种基于加权的分组协作感知算法

在本文中,描述了一种新的认知无线电协作频谱感知改进算法。本文在现有的分组协作频谱感知结构的基础上,引入一个新的基于加权的分组协作算法。相较于其他的协作感知基于权重的协作在最终的判决中考虑到了根据每一组用户贡献的不同动态的分配权重因子。这样一来,不仅增强及达到更好的感知性能,且感知结果更加精确。在基于权重的协作算法中,可以不用考虑用户数目的不同,因为它对检测结果没有影响。本文通过对瑞利衰落信道使用加权分组协作进行仿真。证明了加权分组协作频谱感知可以提高能量检测概率。

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。

基于改进帧结构的认知网络吞吐量优化方法

在认知无线电网络中,频谱感知的效能往往通过系统的吞吐量进行体现。为此,在传统感知帧结构的基础上,通过引入协作频谱预测和频谱分割定义一种新的感知帧结构,并结合基于DBSCAN的隐马尔科夫模型协作频谱预测算法,提高频谱预测的准确率,降低协作预测带宽的消耗,从而增加系统吞吐量。仿真结果表明,与不含协作模块的频谱分割帧结构和含有协作模块但未进行频谱分割的帧结构相比,改进的帧结构可有效提高系统吞吐量。