基于自适应决策融合的合作频谱感知方法

频谱感知是认知无线电(CR)的关键技术之一。在该机制中,对主用户(PU)信号的可靠检测是实现CR的前提。提出一种基于自适应决策融合的合作频谱感知算法用于频谱感知,该算法通过估计PU的先验概率与各个CR用户(SU)的漏检及虚警概率,然后运用Chair-Varshney准则对局部判决进行决策融合以得到全局判决。仿真结果表明,采用该方案的全局虚警和漏检概率明显低于单个SU,可有效提高CR系统频谱感知的可靠性。     

认知无线网络中硬合并协同频谱感知的融合准则优化

频谱感知是认知无线电一项基础的任务。在认知无线网络中,多个次级用户可以协同工作,对主用户进行可靠感知。如何融合多个次级用户的感知信息是实施协同感知的关键。本文围绕集中式认知无线网络中的硬合并协同感知技术展开研究,讨论了常用的k-out-of-m融合准则。与OR准则（k=1）、Half-voting准则（k=m/2）和AND准则（k=m）等特例不同,本文考虑参数k任意取值的场景,从最小化贝叶斯代价的角度,推导出了最优k值的闭合表达式。仿真结果验证了该闭合公式的有效性,并显示最优k值随判决门限、频谱非空闲与空闲先验概率比、漏检与虚警影响因子比的增大而减小,且在信噪比场景中更具应用价值。      

基于信任度与信噪比的认知无线电协同频谱检测

无线网络中存在信噪比较高的恶意认知用户的情况,为了有效利用可靠的认知无线电(CR)技术用户的本地感知结果,提出了一种基于信任度的信噪比比较协同频谱感知算法,可有效剔除认知网络中存在的信噪比较高的恶意认知用户。仿真实验表明,在存在恶意认知用户的认知无线电网络中,该算法检测性能优于传统的或准则(OR)数据融合的协同频谱感知算法以及基于信噪比比较协同频谱感知算法。     

协作频谱感知中数据融合与决策算法比较

协作频谱感知中融合多个认知用户的本地检测结果并准确判决至关重要.研究了基于大数合并的硬判决和基于置信(最大似然)合并的软判决,对不同算法的检测性能和复杂度进行了定性和定量的分析和比较.指出未来协作频谱感知中应结合协作用户数的优化和控制信道条件进行数据融合和决策算法设计.     

多跳认知无线Mesh网络中频谱决策与路由的跨层设计

灵活高效的频谱共享技术能够实现频谱资源的最大化利用,有效地缓解了无线频谱紧缺的现状。在一个与TDMA/FDMA蜂窝网络共存的多跳认知无线Mesh网络环境下,基于覆盖式（Underlay）与机会式（Overlay）相结合的频谱共享机制,提出了一种有效的链路层频谱决策与网络层路由的跨层设计方案。仿真结果表明,该方案比基于最小跳数的随机信道选择算法在网络端到端传输性能上有显著的优势。     

基于贝叶斯准则的硬判决融合协同频谱感知最优化

将硬判决融合协同频谱感知描述为贝叶斯二元假设检验问题,本文考虑感知信息传输错误的可能性,以最小化半均判决风险(贝叶斯风险)为目标的最优本地判决和最优判决融合可分别归结为LRT(likelihood ratio test)问题,并证明基于能量检测的本地LRT与观测量的门限判决等价.当仅有本地判决结果可用时,融合中心通常假...     

面向车路群智协同的运营测试融合体系

当前群体智能正在从狭义向广义的业态扩展,车路群智协同是发展趋势,而规模化运营测试是车路群智协同规模商用的基础。传统的集中式智能架构不能很好地应对交通环境复杂性和不确定性带来的通信和计算问题,基于去中心化的群体智能的架构,研究不完备信息环境下的车路协同的运营与测试体系,以泛在的"群智"应对环境中的不确定性。提出了面向车路群智协同的运营测试融合体系,通过全面认知、可靠通信和博弈学习等关键技术,实现车路要素之间的协同交互,以高效支撑运营测试。     

融合PSO与DE的跨层优化认知决策引擎

针对传统认知决策引擎仅优化物理层参数,提出一种融合粒子群和差分进化的跨层认知决策引擎（IPSO-DE）。首先对PSO引入自适应惯性权重机制,使得每个个体随各自的适应度自适应进化,提高其探索能力。然后改进DE的交叉概率,从而提高DE算法的开发能力。最后在认知引擎模型中,将经过PSO进化的种群分为优等种群和劣等种群,劣等种群利用改进DE进行优化变异,增加粒子群个体的差异性。仿真表明IPSO-DE增强了种群开发和探索能力,多载波系统的跨层参数优化决策实验证明了其有效性。      

频谱检测门限与n-out-of-K融合规则的联合优化

为了减少计算复杂度,提出联合优化检测门限λ和n-out-of-K融合规则的算法.以λ和n为参数建立目标函数,并将参数以二进制形式表示,从而把算法转化为组合优化问题.接着,采用基于样值修改的互熵优化方法渐次逼近最优的参数.仿真表明,该算法在获得与已有算法几乎相当的总错误率情况下,可有效降低平均搜索次数,且随着K的增加搜索次数增加更平缓.     

协作认知网络中基于融合准则与感知时间联合优化的策略

在协作频谱感知网络中,感知时间和数据融合准则均影响着感知性能.假设控制信道为二进制对称信道的前提下,基于“k秩准则”建立了协作感知网络吞吐量优化问题的数学模型,目的是在保护主用户利益的前提下联合优化感知时间和k值使认知网络吞吐量最大化.理论分析了最优感知时间和k值的存在性,并进行了相关的计算机仿真.仿真结果表明:所提议...