认知无线电协作频谱感知混合加权算法

协作频谱感知的关键技术是降低控制信道开销,笔者提出了一种基于信噪比的加权协作检测算法,采用双门限混合加权判决,融合中心根据当前检测信道贡献大小,从而计算和分配相应的加权值,降低无效的传输.模拟结果表明：该算法不仅检测概率有明显的提高外,而且平均感知比特数下降,从而降低了公共信道的开销.     

基于中继选择的协作频谱感知算法

针对最佳中继选择协作频谱感知方案检测概率低、而所有中继节点均参与协作频谱感知复杂度高的问题,提出一种中继选择协作感知算法.该算法根据N条中继链路等效信噪比的大小,从中选择出L个信噪比大的优质中继用户转发主用户信息.导出了该算法在瑞利平坦衰落下的频谱检测概率上限闭合表达式,为频谱检测性能分析提供了理论依据.数值分析结果表明：只需60%左右的优质链路参加中继就可以达到理想的性能,大大降低了系统实现的复杂性.     

分簇认知网络中能量有效的协作频谱感知算法研究

针对认知网络中用户节点能量受限问题,提出了一种基于分簇网络的能量有效协作频谱感知算法。该频谱感知算法通过对用户节点分簇,缩短感知结果的传输距离。根据对授权用户信号的本地感知和簇内融合的判决结果,设计两次报告审查规则,减少传输感知结果的认知用户数量。以最小化协作频谱感知能耗为目标,建立多变量非线性优化问题模型,并通过逐一变量优化方法求得次优解。仿真结果表明,在保证检测性能的前提下,该算法能明显降低协作频谱感知的能量消耗和传输时延。     

宽带认知无线电中高效协作频谱压缩感知方案

文中将压缩感知、协作频谱感知、数据融合方法结合在一起,提出了一种新型高效协作频谱感知方案.除采用协作检测概率、协作虚警概率来衡量单个子信道的频谱感知性能外,还提出了系统无空率、系统误阻率两个概念以衡量整个宽带认知系统的频谱感知性能.仿真结果表明压缩感知理论可在近乎完美地重建信号的情况下有效地减少处理的数据量.     

基于数据融合的协作频谱感知算法

协作的频谱感知使认知无线电(CR)网络对主用户进行可靠的检测,并避免了对主用户通信的干扰.数据融合是协作的频谱感知的关键技术.对基于"与"准则、"或"准则、最大后验概率准则和贝叶斯准则的数据融合算法进行了研究,采用这4种融合方法在认知无线电网络中进行协作频谱感知,并比较了它们的频谱检测性能.仿真结果显示最大后验概率准则和贝叶斯准则在认知无线电的环境中有优越的感知性能.     

一种自适应的协作频谱感知方法

在认知无线网络中,协作频谱感知技术可有效提高衰落信道下的检测性能,提高对主用户的保护程度以及认知用户的接入机会。在信道状态良好的情况下,参与协作的认知用户数越多,感知性能越好。而在实际的频谱感知过程中,如果感知信道条件较差的话,认知用户的本地感知结果并不准确,此时该认知用户的本地感知结果对于总的协作感知并不能起到积极的作用;其次,参与协作的认知用户数越多,发送本地决策值占用的系统带宽也越大。为了节约系统资源避免不必要的信令传输,本文提出一种自适应的协作频谱感知方法,只有当认知用户的感知信道条件较好时才将其本地感知结果发送到融合中心,否则不发送,以节约系统资源。最后,通过仿真验证了所提方法的有效性。结果表明,所提方法可有效节约系统开销。     

基于注水原理的认知无线电协作频谱感知加权算法

协作频谱感知算法在提高频谱检测概率的同时也增加了控制信道开销,如何降低控制开销成为协作感知的关键技术之一.提出基于注水原理的加权协作检测算法,算法采用基于信噪比的能量检测器,根据检测信号的信噪比,用注水原理计算和分配权值,确定感知贡献,删除无效检测和传输.结果表明,提出的算法提高了检测概率,同时平均感知比特数下降,减少了控制信道开销.     

基于无线电环境地图信息辅助的协作频谱感知算法

针对基于信噪比(signal noise ratio,SNR)合并协作感知算法实用性限制问题,提出一种无线电环境地图(radio environment maps,REM)信息辅助协作感知算法,该算法利用REM存储的关于授权用户发射台与感知用户位置信息辅助计算各用户合并权重系数.仿真表明,该算法在高斯白噪声(addit...     

浅析基于协作频谱检测的认知无线电软融合算法

认知无线电是解决当前频谱资源短缺的一个有发展前景的新技术,频谱感知是认知无线电的一个基本和基础功能。在恶劣的无线通信环境诸如阴影、多径等不利因素影响下,使得单用户本地频谱检测算法有很大的局限性,因此协作频谱检测应运而生。认知无线电中协作频谱检测算法包括硬合并算法和软融合算法,本文主要探讨软融合算法。     

认知无线电IoT中动态协作频谱感知和分割算法

针对认知无线电物联网(Cognitive Radio Internet of Things,CR-IoT)网络中传感器节点能耗大、频谱资源稀缺的问题,本文提出一种动态协作频谱感知和分割(Dynamic Collaborative Spectrum Sensing and Splitting,DCSSS)算法.该算法通过...     

无线认知传感器网络的节能频谱感知策略

针对无线认知传感器网络频谱感知过程中的能耗,提出两种节能策略:①使用可信度投票算法来减少传输检测结果的节点个数;②使用基于部分可观测马尔可夫决策过程的检测算法来减少检测次数.仿真结果表明这两种算法均能有效减少检测能耗,而且组合使用时相比一般算法能节省不低于30%的能量,同时保证检测可靠度满足系统要求.     

一种优化的认知无线电网络分簇协作频谱感知算法

目前对于认知无线电分簇协作频谱感知算法的研究,大都认为每个簇均等地参与协作.没有考虑簇所经历的不同衰落对判决结果的影响.为有效解决这一问题,提出一种优化的认知无线电网络分簇协作频谱感知算法.该算法采用能量节省的分簇感知机制,充分考虑路径损耗与衰落对检测性能的影响.在满足虚警率和检测率的前提下,此方案不仅算法实现简单,而且在分簇结果上可以显著提高系统的稳定性,因此在信道环境复杂的情况下能有效提高频谱感知效率.     

基于卷积神经网络的宽带合作频谱感知

利用认知无线电网络中的多个次用户所能提供的大量频谱观测数据,提出一种基于卷积神经网络(convolutional neural network, CNN)的宽带合作频谱感知方案。宽带频谱感知旨在灵活地检测跟踪目标宽带授权频段上的可供使用的频谱空穴,该方案考虑利用宽带频谱上被占用的子带与未被占用的子带之间在信号能量及占用位置方面所体现出的类别差异,通过设计一种CNN模型并基于此对频谱观测数据进行训练学习,得到频带占用模式分类模型,从而实现宽带合作频谱感知。仿真结果证明,与传统的基于能量检测技术和典型机器学习(machine learning, ML)分类算法的宽带合作频谱感知方案相比,该方案在检测性能上具有较大的优势,特别是在低信噪比环境下的检测性能。     

优化型自适应频谱感知调度算法

针对传统的周期性频谱感知机制对空闲频谱机会的有效利用率不高,且与主用户碰撞概率较大等问题,在多用户协作感知场景下,提出了一种优化型自适应感知调度（OASS）算法.利用部分可观测马尔可夫决策过程理论,将自适应感知调度建模为决策优化控制问题,当每个时隙开始时,从频谱感知、数据传输、休眠等待、信道切换4种可选策略中选择最优策...     

基于信噪比加权的协作频谱感知技术

在认知无线电系统中,通过认知用户的彼此协作,可以显著提高频谱感知的性能.在实际工作环境中,由于认知用户之间的差异,其信噪比会不同,每个认知用户的局部判决在融合中心对全局判决的影响也不同,因此本文提出一种基于信噪比加权的感知技术,给不同信噪比的用户能量分配不同的权重,采用间接的动态改变不同信噪比用户的判决门限的方法.仿真结果表明,在一定环境下,该算法能提高协作感知性能.     

Consensus-based decentralized clustering for cooperative spectrum sensing in cognitive radio networks

A large number of previous works have demonstrated that cooperative spectrum sensing (CSS) among multiple users can greatly improve detection performance. However, when the number of secondary users (SUs; i.e., spectrum sensors) is large, the sensing overheads (e.g., time and energy consumption) will likely be intolerable if all SUs participate in CSS. In this paper, we proposed a fully decentralized CSS scheme based on recent advances in consensus theory and unsupervised learning technology. Relying only on iteratively information exchanges among one-hop neighbors, the SUs with potentially best detection performance form a cluster in an ad hoc manner. These SUs take charge of CSS according to an average consensus protocol and other SUs outside the cluster simply overhear the sensing outcomes. For comparison, we also provide a decentralized implementation of the existing centralized optimal soft combination (OSC) scheme. Numerical results show that the proposed scheme has detection performance comparable to that of the OSC scheme and outperforms the equal gain combination scheme and location-awareness scheme. Meanwhile, compared with the OSC scheme, the proposed scheme significantly reduces the sensing overheads and does not require a priori knowledge of the local received signal-to-noise ratio at each SU.     

Consensus-based decentralized clustering for cooperative spectrum sensing in cognitive radio networks

A large number of previous works have demonstrated that cooperative spectrum sensing(CSS) among multiple users can greatly improve detection performance.However,when the number of secondary users(SUs;i.e.,spectrum sensors) is large,the sensing overheads(e.g.,time and energy consumption) will likely be intolerable if all SUs participate in CSS.In this paper,we proposed a fully decentralized CSS scheme based on recent advances in consensus theory and unsupervised learning technology.Relying only on iteratively information exchanges among one-hop neighbors,the SUs with potentially best detection performance form a cluster in an ad hoc manner.These SUs take charge of CSS according to an average consensus protocol and other SUs outside the cluster simply overhear the sensing outcomes.For comparison,we also provide a decentralized implementation of the existing centralized optimal soft combination(OSC) scheme.Numerical results show that the proposed scheme has detection performance comparable to that of the OSC scheme and outperforms the equal gain combination scheme and location-awareness scheme.Meanwhile,compared with the OSC scheme,the proposed scheme significantly reduces the sensing overheads and does not require a priori knowledge of the local received signal-to-noise ratio at each SU.     

一种噪声未知的新型空间频谱分布协作感知算法

为了获得占用频段、主用户发射功率、位置和本地噪声等全局信息,给出了一种主用户全局功率谱模型,提出了一种噪声未知的新型空间频谱分布协作感知算法.利用变分贝叶斯推断理论,估计出模型系数向量和本地噪声向量,以求得全局信息.仿真结果表明,所提算法在较高信噪比下具有较高的估计精度和收敛稳定性.该算法性能虽弱于噪声已知算法的性能,但相比基于非负最小二乘准则的算法具有更好的均方误差性能.     

双门限相对距离加权协同频谱感知算法

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同频谱感知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,提出一种加权协同频谱感知算法。该算法以双门限能量检测法为基础,依据单节点双门限设置与节点感知性能之间的关系,以单节点双门限的相对距离作为信任度进行加权协同数据融合。仿真结果表明,与单节点双门限能量检测法和“或”准则协同频谱感知法比较,该算法在低信噪比环境,仍能获得可靠的检测性能。     

基于用户集合势估计的认知无线电合作频谱感知

频谱感知技术是认知无线电系统的基本功能,是实现已授权频段的次级动态接入和共享的前提。提出基于用户集合势估计的合作频谱感知方案,旨在通过GEEF（gerschgorin exponentially embedded families）,SPEEF（sam-pled power exponentially embedded families）等算法估计出用户的集合势,即适合参与合作频谱感知的最优用户个数,再从全部合作用户中筛选出相应的频谱观测数据生成全局检测统计量,通过与判决门限进行对比,最终对授权用户状态做出判决。理论分析与实验结果表明,提出的方案能够有效地提高频谱感知的性能。