在蜂窝认知无线电网络(Cellular Cognitive Radio Network,CCRN)中,主用户(Primary User,PU)与次级用户(Secondary User,SU)之间缺乏通信,单独依靠传统的频谱感知技术来判断频谱接入机会存在一定的不可靠性。提出一种基于KL(Kullback-Le...在蜂窝认知无线电网络(Cellular Cognitive Radio Network,CCRN)中,主用户(Primary User,PU)与次级用户(Secondary User,SU)之间缺乏通信,单独依靠传统的频谱感知技术来判断频谱接入机会存在一定的不可靠性。提出一种基于KL(Kullback-Leibler)散度与邻居关系的改进加权质心定位(KL-divergence Based Weighted Centroid Localization,KLD-WCL)算法。首先计算未知节点与锚节点接收信号强度(Received Signal Strength,RSS)向量的KL散度值,表征两者的邻近程度;其次,提出一种自适应邻居选择算法,针对每一个未知节点自适应地选择最优的邻居锚节点。在采用KLDWCL算法获得SU位置信息的基础上,最终实现机会性接入授权频段的使能标签设置。所提方案有效减缓了RSS波动对于定位精度的影响,优化了邻居节点选择策略与加权方式。理论推导与实验结果表明,所提方案为CCRN中的SU定位算法提供了更为强健和良好的定位误差性能,能够有效增强蜂窝认知网络对于频谱接入的可靠性。展开更多
在分布式认知无线电网络中,一般很难找到合适的融合中心能够收集所有协作用户的感知信息,而且协作过程极可能遭到篡改感知数据(Spectrum Sensing Data Falsification,SSDF)攻击.鉴于此,该文提出了一种改进的一致性协作频谱感知方案.利用...在分布式认知无线电网络中,一般很难找到合适的融合中心能够收集所有协作用户的感知信息,而且协作过程极可能遭到篡改感知数据(Spectrum Sensing Data Falsification,SSDF)攻击.鉴于此,该文提出了一种改进的一致性协作频谱感知方案.利用Metropolis迭代规则,各次用户仅依靠邻接点之间的局部信息交互即可实现感知协作,且无需网络的任何先验知识.为了抵抗潜在的三种SSDF攻击,该方案中引入了相应的抗攻击策略,使合法次用户能及时检测并拒绝恶意用户接入网络.仿真结果表明,改进方案能保证绝大多数合法次用户最终趋于状态一致,并分别做出正确决策;与现有的一致性方案相比,该方案能使协作感知在各种攻击场景中的稳健性明显增强.展开更多
如何在协作认知网络中有效地实现主要用户和认知用户的频谱共享,即如何在众多认知用户中选择合适的认知中继集是一个基本问题。通过确定并优化主要用户和认知用户效用函数来解决该问题,因采用了纳什均衡理论,故称之为基于博弈论的多中...如何在协作认知网络中有效地实现主要用户和认知用户的频谱共享,即如何在众多认知用户中选择合适的认知中继集是一个基本问题。通过确定并优化主要用户和认知用户效用函数来解决该问题,因采用了纳什均衡理论,故称之为基于博弈论的多中继选择算法(multiple relay selection based on game theory,GTMRS)。在任一认知中继集合中,认知用户之间能够形成非合作功率的博弈模型,可基于纳什均衡得到认知用户的优化协作功率分配算法。在寻找一组确定的中继集合来实现主要用户效用的最大化过程中,引入了修改的信道调和平均数因子,其目的是移除信噪比较小的中继节点,以最大化系统的信噪比。仿真结果显示,该算法能够使更多的认知用户接入到授权频谱中,同时使得主要用户获得更大的效用以及传输速率。因此,基于博弈的多中继选择算法能够有效选择合适的认知中继,并获得主要用户和认知用户在效用上的最优化。展开更多
文摘在蜂窝认知无线电网络(Cellular Cognitive Radio Network,CCRN)中,主用户(Primary User,PU)与次级用户(Secondary User,SU)之间缺乏通信,单独依靠传统的频谱感知技术来判断频谱接入机会存在一定的不可靠性。提出一种基于KL(Kullback-Leibler)散度与邻居关系的改进加权质心定位(KL-divergence Based Weighted Centroid Localization,KLD-WCL)算法。首先计算未知节点与锚节点接收信号强度(Received Signal Strength,RSS)向量的KL散度值,表征两者的邻近程度;其次,提出一种自适应邻居选择算法,针对每一个未知节点自适应地选择最优的邻居锚节点。在采用KLDWCL算法获得SU位置信息的基础上,最终实现机会性接入授权频段的使能标签设置。所提方案有效减缓了RSS波动对于定位精度的影响,优化了邻居节点选择策略与加权方式。理论推导与实验结果表明,所提方案为CCRN中的SU定位算法提供了更为强健和良好的定位误差性能,能够有效增强蜂窝认知网络对于频谱接入的可靠性。
文摘在分布式认知无线电网络中,一般很难找到合适的融合中心能够收集所有协作用户的感知信息,而且协作过程极可能遭到篡改感知数据(Spectrum Sensing Data Falsification,SSDF)攻击.鉴于此,该文提出了一种改进的一致性协作频谱感知方案.利用Metropolis迭代规则,各次用户仅依靠邻接点之间的局部信息交互即可实现感知协作,且无需网络的任何先验知识.为了抵抗潜在的三种SSDF攻击,该方案中引入了相应的抗攻击策略,使合法次用户能及时检测并拒绝恶意用户接入网络.仿真结果表明,改进方案能保证绝大多数合法次用户最终趋于状态一致,并分别做出正确决策;与现有的一致性方案相比,该方案能使协作感知在各种攻击场景中的稳健性明显增强.
文摘如何在协作认知网络中有效地实现主要用户和认知用户的频谱共享,即如何在众多认知用户中选择合适的认知中继集是一个基本问题。通过确定并优化主要用户和认知用户效用函数来解决该问题,因采用了纳什均衡理论,故称之为基于博弈论的多中继选择算法(multiple relay selection based on game theory,GTMRS)。在任一认知中继集合中,认知用户之间能够形成非合作功率的博弈模型,可基于纳什均衡得到认知用户的优化协作功率分配算法。在寻找一组确定的中继集合来实现主要用户效用的最大化过程中,引入了修改的信道调和平均数因子,其目的是移除信噪比较小的中继节点,以最大化系统的信噪比。仿真结果显示,该算法能够使更多的认知用户接入到授权频谱中,同时使得主要用户获得更大的效用以及传输速率。因此,基于博弈的多中继选择算法能够有效选择合适的认知中继,并获得主要用户和认知用户在效用上的最优化。
