下载文档原格式
基于认知无线电的频谱检测算法研究基于认知无线电的频谱检测算法研究摘要：随着移动通信的迅速发展，无线通信系统对频谱资源的需求不断增加。
然而，频谱资源是有限的，因此有效地管理和利用频谱资源变得至关重要。
认知无线电（Cognitive Radio，CR）是一种智能无线通信技术，通过对无线电频谱进行实时感知和学习，可以实现对频谱资源的高效利用。
频谱检测算法是CR系统中的重要组成部分，它负责探测并识别当前可用的频谱。
本文首先介绍了认知无线电和频谱感知的基本概念，然后分析了目前常用的频谱检测方法及其存在的问题。
接着，本文详细介绍了几种基于认知无线电的频谱检测算法，并对其进行了比较和分析。
最后，本文对未来的研究方向给出了展望。
关键词：认知无线电、频谱感知、频谱检测、算法、无线通信1.引言随着移动通信的快速发展，无线通信系统对频谱资源的需求不断增加。
然而，频谱资源是有限的，因此需要有效地管理和利用频谱资源。
为了提高频谱利用效率，认知无线电技术被广泛应用。
认知无线电是一种智能无线通信技术，它通过对无线电频谱进行实时感知和学习，可以实现对频谱资源的高效利用。
2.认知无线电和频谱感知2.1认知无线电认知无线电（Cognitive Radio，CR）是一种利用智能无线电设备和技术解决频谱资源短缺问题的技术。
CR设备具有自适应、自动化和智能化的特点，能够对无线电频谱进行实时感知、学习和决策，以实现对频谱资源的高效利用。
2.2频谱感知频谱感知是CR系统中的关键技术之一，它负责对无线电频谱进行实时感知、分析和识别。
通过频谱感知，CR设备可以获取当前可用的频谱资源，以便选择合适的频谱进行通信。
3.常见的频谱检测方法及问题分析目前，常见的频谱检测方法包括能量检测、周期性检测、协方差检测等。
然而，这些方法都存在一定的问题。
能量检测方法容易受到噪声的影响，周期性检测方法对信号的周期性要求较高，协方差检测方法对信号的统计特性要求较高。
认知无线网络中的协作频谱检测技术研究的开题报告一、选题背景近年来，随着移动通信技术的快速发展，无线网络已经成为现代通讯技术不可或缺的一部分。
然而，由于无线频谱资源的有限性，频谱资源的利用效率依然是一个重要的研究课题。
传统的无线通信在利用频谱时存在大量的频谱浪费问题，而协作频谱检测技术的出现，可以有效解决这些问题。
协作频谱检测技术是指通过无线网络中多个节点之间的协作，共同完成对信道质量的检测，从而提高整个网络的频谱利用率和性能。
在认知无线网络中，协作频谱检测技术被广泛应用，可以实现对自身频段和邻近频段的空闲状态进行探测，从而更好地保障网络的通信质量和可靠性。
二、研究目的与意义协作频谱检测技术在认知无线网络中的应用已经被广泛研究，但是目前还存在一些问题需要解决。
例如，如何在多个节点之间协同完成频谱检测，如何实现频谱检测的有效性和可靠性等问题。
基于此，本研究旨在探究如何利用协作频谱检测技术解决认知无线网络中的频谱利用效率问题，具体目的包括：1. 研究协作频谱检测技术的原理和实现方法，掌握协作频谱检测技术的核心技术和关键问题；2. 分析认知无线网络中频谱利用效率的现状和问题，从理论和实践两个方面探讨如何利用协作频谱检测技术提高频谱利用效率；3. 设计并实现一个协作频谱检测技术的实验平台，通过实验验证协作频谱检测技术的有效性和可靠性，并探究其适用场景和使用条件。
通过本研究的实施，可以更好地掌握协作频谱检测技术在认知无线网络中的应用，为提高频谱利用效率和网络性能提供有益的借鉴和参考。
三、研究内容和方法1. 研究协作频谱检测技术的原理和实现方法。
了解协作频谱检测技术的核心理论和技术路线，包括频谱感知算法、分布式频谱感知、协作信号探测等方面的内容。
2. 分析认知无线网络中频谱利用效率的现状和问题。
从多个角度出发，分析认知无线网络中频谱利用效率低下的原因及其解决方法，并探讨协作频谱检测技术在此类问题中的应用。
3. 设计并实现一个协作频谱检测技术的实验平台。
![一种认知无线电网络的协作频谱检测方法[发明专利]](https://img.taocdn.com/s1/m/2a30ee91168884868662d617.png)
专利名称：一种认知无线电网络的协作频谱检测方法专利类型：发明专利
发明人：张唯炯,肖瑞林,刘健
申请号：CN201410258462.3
申请日：20140611
公开号：CN104038296A
公开日：
20140910
专利内容由知识产权出版社提供
摘要：本发明公开了一种认知无线电网络的协作频谱检测方法，每个认知终端根据其接收信号y(t)感知主用户是否存在，得到感知结果f，根据认知终端的信噪比计算每个认知终端的信任度加权系数值w，再根据信任度加权系数值w对感知结果f进行加权，得到感知判决值F，当F≥0，主用户存在，进行认知信号识别，否则主用户不存在，不作任何操作；在认知信号识别中，每个认知终端根据其接收信号y(t)，得到识别结果，根据识别结果计算每个信号类型的似然函数值，其中最大似然函数值对应的信号类型即为主用户的信号类型。
本发明将协作感知与认知信号识别相结合，减少协作频谱检测的复杂度，提高检测的有效性，并引入信任度加权系数值和最大似然估计算法，来提高协作频谱检测的性能。
申请人：北京科技大学
地址：100083 北京市海淀区学院路30号
国籍：CN
代理机构：成都行之专利代理事务所(普通合伙)
代理人：温利平
更多信息请下载全文后查看。
认知无线电中基于分簇的合作频谱检测算法研究的开题报告一、课题背景及研究意义随着无线电技术和移动通信的快速发展，无线频谱资源日益紧张，如何更高效地利用现有的频谱资源成为一项突出的研究问题。
为了解决这一问题，认知无线电技术应运而生。
认知无线电是指无线电设备通过感知和分析周围频谱环境，从中找到未被使用的频谱资源并自主选择使用这些资源的一种技术。
与传统无线电技术相比，认知无线电技术具有更高的频谱利用率和灵活性。
在认知无线电技术中，频谱检测是一项重要的技术。
频谱检测是指对一段频谱区域进行扫描和探测，了解这个区域的占用情况。
频谱检测可以提供重要的信息，如频谱使用的空闲时间和可用的频谱资源等。
因此，高效的频谱检测算法对于认知无线电的实现至关重要。
当前的频谱检测算法主要分为两类：基于能量检测的方法和基于协作检测的方法。
在基于协作检测的方法中，当多个无线设备可以相互合作时，能够实现更精确和高效的频谱检测。
因此，基于分簇的合作频谱检测算法成为了近年来研究的热点之一。
基于分簇的合作检测算法是指在某一频段中将众多节点按照某一标准划分为多个簇，在每个簇内将节点之间进行信息交流和协作，实现更准确和高效的频谱检测。
二、研究目标和内容本研究的目标是设计和实现一种基于分簇的合作频谱检测算法，在相互协作的节点之间实现更准确和高效的频谱检测。
本研究将从以下几个方面展开：1. 分析当前广泛使用的频谱检测算法，包括基于能量检测的方法和基于协作检测的方法，了解其特点和优缺点。
2. 研究基于分簇的合作频谱检测算法的相关理论知识，包括分簇方法、节点协作和信息交流等。
3. 提出一种新的基于分簇的合作频谱检测算法，并实现该算法。
4. 对所提出的算法进行性能评估，包括准确性、效率和鲁棒性等方面的评估。
三、研究方法和计划本研究将采用以下方法：1. 文献调研，收集和整理现有的频谱检测算法和基于分簇的合作检测算法，并分析其特点和优缺点。
2. 开展理论研究，深入了解基于分簇的合作频谱检测算法的理论知识，包括分簇方法、节点协作和信息交流等。
认知无线电网络中的最佳可信度频谱检测算法肖林;刘凯【摘要】The current cooperative spectrum sensing algorithm with typical hard decisions in cognitive radio networks can not improve sensing capability efficiently due to allocating the same weight to secondary users' decisions in data fusion. To solve the problem, this paper proposes a cooperative spectrum sensing algorithm based on sensing credibility ( SC-CSS). It gets secondary users' sensing credibility from their average received SNRs, integrates both their independent decisions and sensing credibility to fuse data, and makes a final sensing decision to improve sensing capability. Simulation results show that compared to the cooperative spectrum sensing algorithm with typical hard decisions, SC-CSS has a better receiver characteristic curve ( ROC) and can achieve a lower detection error probability by suitably selecting the detecting threshold for secondary users for a low SNR.%由于认知无线电网络中的典型硬决策协作频谱检测在数据融合时未考虑各认知用户检测结果的差异性,不能很好地提高检测性能,因此,提出了一种基于检测可信度的协作频谱检测算法.首先,利用各认知用户的平均接收信噪比来获得它们的检测可信度；然后,综合各认知用户的检测结果以及检测可信度来判断授权用户是否使用频带,从而提高了检测性能.仿真结果表明,在低信噪比情况下,相比典型硬决策协作频谱检测,该算法具有较优的接收特性曲线,并在合理选取认知用户检测阈值的条件下,具有较低的检测错误概率.【期刊名称】《西安电子科技大学学报（自然科学版）》【年(卷),期】2011(038)005【总页数】6页(P79-84)【关键词】认知无线电网络;频谱检测;协作频谱检测;检测可信度【作者】肖林;刘凯【作者单位】北京航空航天大学电子信息工程学院,北京100191;北京航空航天大学电子信息工程学院,北京100191【正文语种】中文【中图分类】TN915.01传统的无线频谱管理策略给授权用户分配固定的使用频段.伴随着无线通信业务的发展,这种策略造成了一些通信区域中的某些频段在众多用户进行大量通信业务时频谱匮乏,而另外一些通信区域中的某些频段存在大量的空闲频谱[1].认知无线电(Cognitive Radio,CR)技术通过借用空闲频谱来解决这个问题,从而提高了频谱利用率.它通过频谱检测来判断特定频谱是否空闲并且加以利用.检测概率是衡量检测性能的标准.进行频谱检测时,需要较高的检测概率来降低对授权用户的干扰.频谱检测按照认知用户是否协作可分为本地频谱检测和协作频谱检测.由于缺少授权用户发射机的位置信息,或者因为信道干扰,本地频谱检测很难正确判断频谱是否被授权用户占用,而协作频谱检测可以有效地解决这个问题[2].协作频谱检测主要有软决策和硬决策两类决策算法[3].软决策指认知用户每次检测时估计认知用户的接收信噪比或其他检测参量给中心单元,中心单元依据贝叶斯、奈曼-皮尔逊或最大后验概率等准则进行判决[4-5].在此之中,认知用户发送检测量时占用带宽较多,因此,当认知用户与中心单元通信所用的公共控制信道较窄而认知用户较多时,软决策不适用.硬决策指认知用户发送二进制的检测结果给中心单元,中心单元依据认知用户的检测结果采用一定的逻辑规则进行判决.在硬决策中,认知用户发送检测结果时占用带宽较少,适用于公共控制信道较窄而认知用户较多的情况. 基于硬决策的协作频谱检测算法主要包括“AND”和“OR”等[6].“AND”算法指所有协作认知用户均检测到授权用户的信号时,才判定授权用户使用频带;“OR”算法指任意一个协作认知用户检测到授权用户的信号,就判定为授权用户使用频带.文献[7]针对硬决策数据融合提出了“half-voting”算法:大于等于一半认知用户检测到授权信号时,判定授权用户使用频带.然而,这些硬决策算法同等对待认知用户的检测结果,未考虑认知用户检测结果之间的差异性.在文献[8-9]中,各认知用户先独立地预估本地检测的可信度,再将可信度发送给中心单元,中心单元使用D-S(Dempster-Shafer)证据理论进行数据融合和判决.仿真结果表明,文献[8-9]相对于传统的硬决策协作频谱检测,有效地提高了检测性能,但是它们每次检测都发送可信度,需要较大的公共控制信道.为了提高检测性能并且减少数据发送量,笔者提出了一种基于检测可信度的协作频谱检测(SC-CSS)算法.针对认知用户在一定范围内活动时,反映各认知用户检测结果可靠程度的平均接收信噪比基本不变的特点,笔者提出的算法首先基于各认知用户的平均接收信噪比来获得它们的检测可信度,并以此为依据设定它们检测结果的权重,然后综合各认知用户的检测结果及其权重来判断授权用户是否使用频带.如图1所示,设认知无线电网络中有M个认知用户和一个中心单元,并且在被检测频段中只存在一个授权用户.中心单元接收认知用户发送的检测结果并进行数据处理,各认知用户接收处理信号并及时发送检测结果给中心单元.假设各授权用户的发射信号独立同分布,它们按媒质接入控制(Medium Access Control,MAC)协议轮流使用频谱资源,所以多个授权用户共用一个频段的情况可以等效为一个授权用户使用频段.网络中认知用户的频谱检测可以描述为二元假设检验问题:其中,H0和H1分别表示授权用户不使用和使用目标频带的两种假设;i表示第i个认知用户;n表示信号的第n个抽样;yi[n]表示认知用户接收信号的抽样序列;x[n]表示授权用户发射信号的抽样序列;hi表示信道增益;wi[n]表示噪声的抽样序列.假设x[n]是高斯随机变量,噪声是加性高斯白噪声(AWGN),即,则yi[n]也是高斯随机变量.在通常情况下,可以认为x[n]与wi[n]相互独立,wi[n]之间独立同分布.在基于检测可信度的协作频谱检测算法中,认知用户先独立地进行本地检测,发送检测结果给中心单元,中心单元再根据认知用户的检测结果和检测可信度进行数据融合和判决.鉴于能量检测简单且易于实现的特点,笔者在本地频谱检测时采用能量检测.2.1 能量检测能量检测的具体实施过程如图2所示.先用带通滤波器接收信号,再进行模数(A/D)转换,然后对选取的N个抽样的能量进行求和,得到检验统计量因为T(yi)是N个高斯随机变量的平方和,所以T(yi)/σ2i在H0时服从参数为0的N维卡方分布,在H1时服从参数为Nγi的N维卡方分布[10],即能量检测输出信噪比.由奈奎斯特抽样定律可知抽样频率fs≥2W,则抽样个数N≥2TdW,Td是检测时间,W表示信号所占用的信道带宽.由中心极限定律,当N足够大时,T(yi)近似服从高斯分布,即判决准则是将T(yi)与阈值λi相比较.当T(yi)＞λi时,判定授权用户使用频带;当T(yi)＜λi时,判定授权用户不使用频带.第i个认知用户的虚警概率与检测概率分别为漏检概率为其中,Q(·)是标准高斯分布的补分布函数,即联立式(5)和(6),消去λi可得由式(9)可知:认知用户取相同的虚警概率时,γi越高,检测概率越大.而当N足够大时,γi的大小与各认知用户的平均接收信噪比近似.各认知用户的平均接收信噪比在一定程度上反映了它们检测结果的可靠程度.2.2 典型硬决策协作频谱检测传统的硬决策协作频谱检测实施步骤如下:首先,认知用户独立地进行检测,判决后得到二进制的检测结果bi∈{0,1};其次,所有认知用户将检测结果发送给中心单元;最后,中心单元进行数据融合,并依据下面的逻辑规则进行融合与判决:其中,x=M以及x=1分别对应“AND”和“OR”算法.由式(10)所定义的判决准则,可知“AND”算法的虚警概率与检测概率分别为“OR”算法的虚警概率与检测概率分别为2.3 基于检测可信度的协作频谱检测基于检测可信度的协作频谱检测的原理如图3所示.各认知用户先进行能量检测,获得二进制的检测结果bi,再发送给中心单元.中心单元在接收到本地检测结果bi后,先判断bi是否为0,若为0,设置参数ui=1;否则,ui=-1.将ui与对应的检测可信度ωi相乘后再线性叠加,获得判决参量式中,U表示系统对授权用户占用频带的信任程度,ωi满足即系统对授权用户占用频带的信任程度大于等于0时,认为授权用户占用频带;否则,认为授权用户不占用频带.系统的检测结果主要与认知用户的检测结果以及中心单元处的ωi有关.认知用户发送给中心单元的是二进制的检测结果,对于本地检测信息有较大的失真,合理地设置ωi可以在一定程度上还原认知用户的检测信息,从而提高检测性能.下面给出了ωi 的求法.由2.1节可知,认知用户的平均接收信噪比反映了认知用户检测结果的可靠性.因此,可设定中心单元处的ωi为式中,Ri表示i认知用户的平均接收信噪比.系统的虚警概率PF为可信度之和大于1/2的认知用户虚警时的概率,即检测概率PD为可信度之和大于1/2的认知用户正确检测到授权用户信号时的概率,即漏检概率为定义检测错误概率从检测错误的角度来说,PE越小越好.假设各认知用户采用相同的阈值λ,最佳阈值即为使PE最小的阈值.可以采用设置阈值步长的方式,使式(21)最小的阈值即为要求的最佳阈值.综上所述,基于检测可信度的协作频谱检测的具体实施步骤如下:步骤1 各认知用户独立地预估Ri.步骤2 各认知用户将Ri发送给中心单元.步骤3 中心单元根据Ri计算出各认知用户的检测可信度.步骤4 认知用户独立地进行检测,判决后得到二进制的检测结果bi∈{0,1}.步骤5 各认知用户将bi发送给中心单元.步骤6 中心单元按照式(15)进行判决.步骤7 中心单元根据判决结果通告或控制网络中的认知用户不使用频带或可进行数据传输.步骤8 循环执行步骤4至步骤7.通常情况下,认知用户在一定范围内活动时,平均接收信噪比基本不变,可以按照上述步骤进行检测.在认知用户位置改变过大导致平均接收信噪比变化较大时,认知用户需要从步骤1开始执行,向中心单元发送位置改变后的平均接收信噪比,以便中心单元来重设检测可信度.当然,与“AND”算法、“OR”算法相比,向中心单元发送平均接收信噪比需要占用较多的带宽.不过,在带宽资源不充足的情况下,可以采用正交频分复用技术与分时发送相结合的方式来解决这个问题.为了评估基于检测可信度的协作频谱检测与传统的硬决策协作频谱检测的检测性能,以网络中有8个认知用户和1个中心单元为例进行仿真比较.被检测信道为AWGN 信道,信道噪声的均值为0,方差为1,授权用户信号为高斯随机信号,均值为0.低信噪比情况下,检测性能的高低更能说明算法的优劣程度,因此,这部分只进行了低信噪比情况下的仿真对比.接收特性曲线是认知用户虚警概率与检测概率的关系曲线,接收特性曲线越好,检测性能越高.图4表明了基于检测可信度的协作频谱检测(SC-CSS)与各认知用户接收特性曲线的仿真对比情况,各认知用户的平均接收信噪比分别为-20 dB,-17 dB,-15 dB,-18 dB,-10 dB,-14 dB,-12 dB,-16 dB.由图4可知,认知用户的平均接收信噪比越高,检测性能越好,平均接收信噪比反映了认知用户检测结果的可靠性;协作后系统的检测性能要优于各认知用户单独进行检测的性能.图5表明了基于检测可信度的协作频谱检测(SC-CSS)算法与“AND”算法和“OR”算法的仿真对比情况.各认知用户的平均接收信噪比随机分布于-10 dB和-20 dB之间,各认知用户能量检测的抽样个数均为600.仿真结果经过1000个不同网络拓扑平均后得到.由图5可知,“AND”算法性能最差,“OR”算法的性能比“AND”算法高,但是比基于检测可信度的协作频谱检测算法低.这是因为平均接收信噪比反映了认知用户检测结果的可靠性;基于检测可信度的协作频谱检测算法减少了低信噪比认知用户对最终判决的贡献,增加了高信噪比认知用户对最终判决的贡献,从而提高了检测性能.图6为认知用户的检测阈值变化时,基于检测可信度的协作频谱检测算法和“AND”算法、“OR”算法的检测错误概率对比情况.各认知用户能量检测的抽样数均为1000.对于图中给定的信噪比值a,各认知用户的平均接收信噪比均匀分布在区间[(a-4),(a+4)].图6中的曲线表明,通过合理地选取阈值,基于检测可信度的协作频谱检测算法的最小检测错误概率小于“AND”算法和“OR”算法.这是因为基于检测可信度的协作频谱检测算法使用的检测可信度能有效地反映认知用户检测结果的可靠程度,从而提高了检测性能.笔者提出了一种考虑认知用户检测可信度的协作频谱检测算法,基于各认知用户的本地信噪比按比例来获得它们的检测可信度,然后根据认知用户的检测可信度赋予它们的检测结果权重来进行数据融合和判决,从而可以进行更为准确的频谱检测.仿真结果表明,低信噪比时,相对“AND”算法和“OR”算法,系统虚警概率一定时,基于检测可信度的协作频谱检测算法在检测性能方面有较大改善,并在合理地选取阈值的条件下,具有较低的检测错误概率.【相关文献】［1］ Federal Communications Commission.Spectrum Policy Take Force Report［R/OL］.［2002-12-01］.http：///sptf/head/ines 2002.html.［2］ Quan Zhi，Cui Shuguang，Poor H V，et al.Collaborative Wideband Sensing for Cognitive Radios［J］.IEEE Signal Processing Magazine，2008，25（6)：60-73.［3］ Yucek T，Arslan H.A Survey of Spectrum Sensing Algorithms for Cognitive Radio Applications［J］.IEEE Communication Surveys&Tutorials，2009，11（1)：116-130. ［4］ Ma Jun，Zhao Guodong，Li Ye.Soft Combination and Detection for Cooperative Spectrum Sensing in Cognitive Radio Networks［J］.IEEE Trans on Wireless Communications，2008，7（11)：4502-4507.［5］ Duan D，Yang L，Principe J C.Cooperative Diversity of Spectrum Sensing for Cognitive Radio Systems［J］.IEEE Trans on Signal Processing，2010，58（6)：3218-3227. ［6］ Peh E，Liang Y C.Optimization for Cooperative Sensing in Cognitive Radio Networks ［C］//IEEE WCNC.Hong Kong：IEEE Press，2007：27-32.［7］ Zhang Wei，Mallik R K，Letaief K B.Cooperative Spectrum Sensing Optimization in Cognitive Radio Networks［C］//IEEE ICC.Beijing：IEEE Press，2008：3411-3415.［8］ Peng Qihang，Zeng Kun，Wang Jun，et al.A Distributed Spectrum Sensing Scheme Based on Credibility and Evidence Theory in Cognitive Radio Context［C］//IEEE PIMRC.Helsinki：IEEE Press，2006：1-5.［9］ Nhan N T，Koo I.An Enhanced Cooperative Spectrum Sensing Scheme Based on Evidence Theory and Reliability Source Evaluation in Cognitive Radio Contex［J］.IEEE Communications Letters，2009，13（7)：492-494.［10］Quan Zhi，Cui Shuguang，Sayed A H.Optimal Linear Cooperation for Spectrum Sensing in Cognitive Radio Networks［J］.IEEE Journal of Selected Topics in Signal Processing，2008，2（1)：28-40.。
基于信任度与信噪比的认知无线电协同频谱检测唐春菊;刘衍平【期刊名称】《太赫兹科学与电子信息学报》【年(卷),期】2012(010)005【摘要】To make use of the local sensing results of Cognitive Radio(CR) users in the wireless network at the existence of baleful CR users with higher SNR(Signal to Noise Ratio), a cooperative spectrum sensing method based on trust degree and SNR comparison is proposed. It can reject the baleful CR users with higher SNR in CR network effectively. The simulation results show that the detection performance of the proposed algorithm is better than that of the cooperative Spectrum Sensing based on traditional Or Rule(OR) data fusion criterion and SNR comparison.%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.【总页数】4页(P547-550)【作者】唐春菊;刘衍平【作者单位】攀枝花学院电气信息工程学院,四川攀枝花617000;攀枝花学院电气信息工程学院,四川攀枝花617000【正文语种】中文【中图分类】TN914;TP56【相关文献】1.一种分布式协同优化的认知无线电网络频谱检测算法 [J], 蒋富;彭军;朱正发;范燕芬;刘伟荣2.基于信噪比状态的认知无线电频谱检测研究 [J], 王思璇;郭坤祺;蔡锐锐3.基于可信度的认知无线电协同频谱检测 [J], 章磊;黄光明4.认知无线电网络基于信任度的协同频谱感知技术 [J], 顾环宇5.认知无线电网络中基于最大似然准则的协同频谱检测算法研究 [J], 郭文婷;潘志文因版权原因，仅展示原文概要，查看原文内容请购买。
认知无线电中的协作频谱检测技术作者：王海军粟欣王京来源：《中兴通讯技术》2009年第02期摘要：频谱检测技术是认知无线电中极其重要的环节，而协作式的频谱检测由于其良好的检测性能日益受到人们的关注。
基于能量检测，协作频谱检测的算法主要有：与(AND)算法、或(OR)算法、计数算法、分区算法、似然比算法、线性加权算法和分布式无线通信系统(DWCS)算法。
分析表明，这些协作检测算法能够改善系统的检测性能、减低干扰冲突、提高频谱利用率。
关键词：认知无线电；协作检测；检测概率；虚警概率Abstract: The spectrum detection is one of the important steps in Cognitive Radio (CR), and the cooperative spectrum detection is popular because of its good detection ability. Based on the energy sensing, there are cooperative spectrum detection algorithms such as AND model, OR model, counting model, double threshold model, likelihood ratio model, linear cooperation model, and Distributed Wireless Communications System (DWCS) model. It is proved that significant cooperative gain can be achieved by the proposed models in reducing interference and improving spectrum usage.Key words: cognitive radio; cooperative sensing; detection probability; false alarm probability随着无线通信的飞速发展，频谱资源短缺问题日益严重。
基于机器学习的认知无线电网络协作频谱检测
金静;滕杰英;吴霄汉
【期刊名称】《长江信息通信》
【年(卷),期】2023(36)1
【摘要】为提高认知无线电频谱感知能力,解决频谱感知节点对频谱占用的错误分类,提出了一种基于机器学习的认知无线电网络协作频谱感知方法。
首先,构建了一个认知无线电网络模型,并运用Kullback-Leibler散度,推导出了单个感知节点频谱感知覆盖的解析式。
其次,分析了无线传感器网络的频谱感知范围和性能,提出了一种能够覆盖整个主要用户区域的多感知节点布置策略。
最后,通过对比实验验证了所提方法的有效性。
实验结果表明,所提方案通过多部署一个感知节点SN3能够有效缓解频谱错误分类问题,对于50mW和100mW的主要用户功率电平,其真阳率分别可达99.80%与97.5%,可有效提升频谱感知的精确度。
【总页数】4页(P133-136)
【作者】金静;滕杰英;吴霄汉
【作者单位】广西昊华科技股份有限公司
【正文语种】中文
【中图分类】TN925
【相关文献】
1.协作认知无线电网络频谱检测性能分析
2.ε-贪婪结合异常检测的认知无线电网络协作频谱感知方案
3.认知无线电网络中安全的协作频谱检测算法
4.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5.基于机器学习主用户发射模式分类的蜂窝认知无线电网络频谱感知
因版权原因，仅展示原文概要，查看原文内容请购买。
浅析基于协作频谱检测的认知无线电软融合算法作者：初广前曹燕钟凌惠来源：《科技资讯》2014年第25期摘要：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。
关键词：认知无线电频谱感知协作频谱检测软融合算法中图分类号：TN92 文献标识码：A 文章编号：1672-3791（2014）09（a）-0003-02频谱检测是认知无线电中防止对授权用户干扰和通过发现可用频谱资源提高频谱利用率的关键技术，然而，由于受到内部硬件条件的限制、加上外部复杂无线衰落环境等实际因素的影响，频谱检测在实际场景中的性能，常常被多径衰落、阴影效应和接收机的不确定性问题所制约。
在认知无线电实际应用中，通常要求认知无线电系统检测性能达到虚警概率小于0.1，同时漏检概率小于0.01（检测概率高于0.99），以满足高频谱利用率的同时避免对授权用户的有害干扰，因此，仅凭借单用户本地检测达到上述性能指标仍存在着巨大的局限性。
考虑到实际cognitive radio network（CRN）网络中多个CR用户空间地理位置差异所产生的天然空间分集增益，可将多个本地cognitive radio（CR）用户联合起来，共享单个本地检测信息，从而共同完成对授权用户信号的检测，进而达到显著提高CR系统整体检测性能的目标[1]。
1 协作频谱感分类1.1 集中式协作频谱检测方法在集中式协作频谱检测方法中，一个名为汇聚中心fusion center（FC）的中心节点控制协作感知的3个步骤。
首先，FC选择一个信道（或者感兴趣的特定频段）并且控制所有协作CR 用户各自进行本地感知；其次，所有的CR用户通过控制信道上传它们的感知数据；最后FC 汇集所有接收到的本地感知信息，决策licensed user（LU）是否存在，并且将感知结果分发到协作CR用户[2]。
基于SNR比较的认知无线电协作频谱检测郑轶;谢显中;杨黎丽【期刊名称】《电讯技术》【年(卷),期】2009(49)8【摘要】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.【总页数】5页(P13-17)【作者】郑轶;谢显中;杨黎丽【作者单位】中国电子科技集团公司第三十六研究所,通信系统信息控制技术国防重点实验室,浙江,嘉兴,314033;重庆邮电大学,个人通信研究所/计算机网络与通信信息产业部重点实验室,重庆,400065;重庆邮电大学,个人通信研究所/计算机网络与通信信息产业部重点实验室,重庆,400065;中国电子科技集团公司第三十六研究所,通信系统信息控制技术国防重点实验室,浙江,嘉兴,314033;重庆邮电大学,个人通信研究所/计算机网络与通信信息产业部重点实验室,重庆,400065【正文语种】中文【中图分类】TN929.5【相关文献】1.基于SNR比较的2次协作的感知无线电频谱检测 [J], 谢显中;燕涛2.认知无线电中基于特征信念的协作频谱检测算法 [J], 郑红燕;仵博;冯延蓬;孟宪军3.认知无线电中基于拟合优度的多天线协作频谱检测 [J], 沈雷;王海泉;赵知劲4.浅析基于协作频谱检测的认知无线电软融合算法 [J], 初广前;曹燕;钟凌惠5.认知无线电中基于双自适应门限和簇的协作频谱检测 [J], 刘彤;谭学治因版权原因，仅展示原文概要，查看原文内容请购买。
基于可信度的认知无线电协同频谱检测
章磊;黄光明
【期刊名称】《计算机应用》
【年(卷),期】2010(030)009
【摘要】认知无线电中随着参与协同检测的认知用户数目的增大,频谱检测性能逐渐增强.但是过多的认知用户参与协同检测,会使整个认知无线电网络的灵敏度降低,同时也会造成巨大的系统开销.针对上述问题,提出了一种新的基于可信度的协同频谱检测方法.在满足目标错误概率的条件下,该算法只选择可信度较高的一些认知用户参与协同频谱检测.仿真结果表明当认知用户中存在恶意节点或者故障节点时,该算法同传统算法相比较,频谱检测性能更好,具有更强的健壮性.
【总页数】3页(P2519-2521)
【作者】章磊;黄光明
【作者单位】华中师范大学电子与信息工程系,武汉,430079;黄石理工学院电子信息工程系,湖北,黄石,435000;华中师范大学电子与信息工程系,武汉,430079
【正文语种】中文
【中图分类】TN914.4;TN92
【相关文献】
1.认知无线电网络中的最佳可信度频谱检测算法 [J], 肖林;刘凯
2.一种分布式协同优化的认知无线电网络频谱检测算法 [J], 蒋富;彭军;朱正发;范燕芬;刘伟荣
3.基于信任度与信噪比的认知无线电协同频谱检测 [J], 唐春菊;刘衍平
4.基于可信度的半双工协同频谱检测 [J], 张余;潘成康;杨文东;蔡跃明
5.认知无线电网络中基于最大似然准则的协同频谱检测算法研究 [J], 郭文婷;潘志文
因版权原因，仅展示原文概要，查看原文内容请购买。
