共查询到17条相似文献,搜索用时 187 毫秒
1.
协作频谱感知中信任机制的引入,起到了抑制恶意用户频谱感知数据伪造(SSDF)攻击行为的作用。然而,数据融合中心不加区分地接收协作感知结束后的反馈信息,为恶意用户带来了实施“掺沙子”攻击的机会。恶意用户向数据融合中心反馈错误的主用户频谱状态,使信任机制不能得出准确的信任值。为此,提出了一种基于反馈声誉的信任机制,考虑反馈中的个体性特征,引入反馈声誉的思想来量化认知用户信任值。同时,将信任值量化结果用于权重经典软判决算法——序贯概率比检测(SPRT)算法,消除SSDF恶意用户参与软判决数据融合的影响,形成可信序贯概率比检测算法(FSPRT)。仿真结果表明FSPRT算法的性能优于传统SPRT算法,能有效降低网络信任值计算误差,并保持较好的感知性能。 相似文献
2.
3.
4.
协作频谱检测是认知无线电中的一项关键技术,其检测性能取决于感知节点的本地频谱检测结果的可靠性,而目前已有的方案中对此却很少考虑.对此,认为不同的认知节点信噪比(SNR)导致了各节点本地检测结果的可靠性不同,故在此基础上提出了一种基于融合中心进行SNR比较的认知无线电协作频谱检测算法.在该算法中各认知节点将本地的判决结果和估计的SNR同时发送到融合中心,然后在融合中心对SNR进行比较,按照文中设计的规则来选取有较好SNR的认知节点参与判决融合.数值分析和计算机仿真表明,该方法能有效提高检测概率,并减少参与判决融合的节点数量. 相似文献
5.
6.
比较了认知无线电网络中几种典型的协作感知方案在篡改感知数据(SSDF)攻击条件下的感知
性能,并提出了一种增强型加权序贯检
测(EWSPRT)协作方案。在该方案中,各次用户首先通过能量检测得到2 bit本地决策
,然后
收集其它协作用户的感知结果进行决策融合和最终判决,并依据历史观测信息动态更新各协
作用户的融合权重;利用改进的信任度更新算法能使恶意用户的融合权重更快地降低,从而
有效地减少SSDF攻击对协作过程的影响。Monte-Carlo仿真结果表明,与传统方案相比,EWS
PRT方案能够更有效地抵抗SSDF攻击。 相似文献
7.
8.
为了同时对多个异构信道进行有效地合作频谱感知,并克服现有方法中只考虑检测准确性而忽略感知开销和系统效益,忽略不同认知用户对不同异构信道感知性能的差异以及参与合作感知的认知用户较多等问题,提出了一种贪婪的异构多信道并行合作频谱感知方法。根据对感知开销和传输收益的定义,充分考虑不同认知用户对不同异构信道感知性能的差异,利用贪婪算法在多个认知用户和多个异构信道间最优地进行感知任务分配,使总系统效益最大。仿真结果表明,所提方法与基于迭代匈牙利的并行合作频谱感知方法、改进的基于迭代匈牙利的并行合作频谱感知方法和随机的合作频谱感知方法相比,能够获得较高的总系统效益,且所需的参加合作感知的认知用户数较少。 相似文献
9.
认知无线电通过灵活地感知环境的变化,探测暂时末被使用的频谱孔,为未授权用户提供接入机会,大大地提高了频谱利用率,被认为是当前解决频带使用拥挤的最佳方案。频谱检测是认知无线电中极其重要的环节,目前频谱检测技术的研究主要包括两方面:非合作检测和合作检测。本文重点介绍认知无线电频谱检测的合作检测方式、系统模型、监测协议、检测机理及常用的检测算法等,并总结了目前频谱检测技术中有待解决的一些关键问题和技术。 相似文献
10.
11.
针对传统认知无线电网络中频谱状态转换频繁和频谱检测时延长的问题,提出基于随机线性网络编码的累积和能量检测频谱感知算法。该算法在主用户信道中引入随机线性网络编码,利用网络编码对频谱的整形作用,使频谱状态转换稀疏,频谱结构更规律化,减小频谱检测时延,提高系统吞吐率。此外,针对传统累积和能量检测算法抗衰落性能差的问题,通过比较该算法在五种衰落信道下的检测时延和吞吐率,研究该算法的抗衰落性能。实验结果表明,在一定的虚警概率下,该算法有效降低了检测时延,提高了吞吐率及抗衰落能力,能够更好地适应复杂的衰落信道环境。 相似文献
12.
为减少分簇过程中的时延,基于最小生成树的单向比较优势提出簇首快速推举方法,并提出改进的分簇协作频谱感知算法,分析了算法的时间复杂度。算法首先基于最小划分对所有次用户节点进行分簇,簇内节点根据设置的评价条件进行性能比较,推举簇首。由簇首进行本地簇内频谱检测,并上传检测结果,最后融合中心在簇首间实现协作的频谱检测。在瑞利信道条件下,仿真显示在大信噪比时,融合中心应用AND规则,系统具有较小的虚警率,所提算法检测性能优;小信噪比时,应用OR规则能扩展系统的有效检测区间,所提算法在满足系统要求的前提下检测性能较差,但簇内信道效率提高了n-1倍。 相似文献
13.
14.
针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题,提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图,与噪声对应的灰度图比较差异,再将两类图像放入卷积神经网络(Convolutional Neural Network,CNN)自行训练提取特征,解决门限难以确定的问题。若分析三维循环谱的时间块长过短,将导致信号灰度图特征在有无噪声情况下区别不大;若块长过长会导致检测延迟较大。为此,采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量,自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比,仿真表明所提算法在低信噪比下性能最优。 相似文献
15.
16.
17.
针对无线通信频谱资源有限并且利用率非常低的问题,研究了认知无线电系统中基于信号典型特征的频谱感知策略,并进行动态频谱检测。提出了一种基于循环前缀频域自相关的频谱感知算法,利用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的循环前缀具有循环平稳特性,在信号频域进行自相关运算,设定判决门限,完成对信号频谱的检测,同时具备较好的抑制平稳噪声和干扰的能力。在低信噪比或者噪声不确定度大的应用场景下,能够获得比能量检测方法更优、更稳定的频谱感知效果,增强了噪声鲁棒性。在算法中采用双门限检测,进一步减弱了噪声不确定度对检测性能的影响,提高了频谱感知性能。 相似文献