《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 设计应用 > 基于证据理论的特征值之比协作频谱感知算法
基于证据理论的特征值之比协作频谱感知算法
2021年电子技术应用第9期
石 新,刘顺兰,张无际
杭州电子科技大学 电子信息学院,浙江 杭州310018
摘要: 针对单节点频谱感知容易受到多径效应、隐蔽终端、路径损耗等因素影响,提出了一种基于证据理论的特征值之比协作频谱感知算法。该算法以特征值之比检测法作为本地感知结果,通过基础概率分配(BPA)函数计算出可信度发送给融合中心,融合中心根据D-S证据理论融合规则进行数据融合与判决。仿真结果表明,该算法对比于相关算法,在一定程度上抵抗恶意攻击性能,具有较高的安全性,在低信噪比的环境下或者虚警概率高于0.6的环境下时,该算法的检测概率更加突出,并且该算法还具有较高能效。
中圖分類號: TN925
文獻(xiàn)標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.201131
中文引用格式: 石新,劉順蘭,張無際. 基于證據(jù)理論的特征值之比協(xié)作頻譜感知算法[J].電子技術(shù)應(yīng)用,2021,47(9):46-50.
英文引用格式: Shi Xin,Liu Shunlan,Zhang Wuji. The ratio of eigenvalues in evidence theory to cooperative spectral sensing algorithm[J]. Application of Electronic Technique,2021,47(9):46-50.
The ratio of eigenvalues in evidence theory to cooperative spectral sensing algorithm
Shi Xin,Liu Shunlan,Zhang Wuji
School of Electronic Information,Hangzhou Dianzi University,Hangzhou 310018,China
Abstract: In view of the susceptibility of single-node spectrum perception to multipath effect, hidden terminal, path loss and other factors, this paper proposes an eigenvalue ratio cooperative spectrum perception algorithm based on evidence theory. The algorithm takes the ratio of eigenvalues as the local perception result, calculates the reliability by the basic probability distribution(BPA) function and sends it to the fusion center, which conducts data fusion and judgment according to the fusion rules of D-S evidence theory. The simulation results show that compared with the relative algorithm, the algorithm has a higher security against malicious attacks to a certain extent. The detection probability of the algorithm is more prominent in the environment with low SNR or when the false alarm probability is higher than 0.6, and this algorithm also has high energy efficiency.
Key words : Dempster-Shafer evidence theory;random matrix;cooperative spectrum sensing;cognitive radio;eigenvalues

0 引言

    在實際的無線通信環(huán)境中,單節(jié)點的頻譜感知技術(shù)容易受到多徑效應(yīng)、隱蔽終端、路徑損等因素的影響[1],無法得出正確的感知結(jié)果。傳統(tǒng)的單節(jié)點頻譜感方法有能量檢測[2]、匹配濾波器檢測[3]以及循環(huán)平穩(wěn)特征檢測[4]等。傳統(tǒng)的數(shù)據(jù)融合方式有“OR”準(zhǔn)則、“AND”準(zhǔn)則等硬判決,但這些數(shù)據(jù)融合方式都忽視了單個節(jié)點所處感知環(huán)境的差異。文獻(xiàn)[5]第一次將D-S證據(jù)理論應(yīng)用于頻譜感知中,其結(jié)果優(yōu)于傳統(tǒng)的硬判決規(guī)則。文獻(xiàn)[6]提出了一種基于證據(jù)理論的噪聲不確定性檢測,通過把噪聲信號建模成具有已知分布的隨機(jī)變量,利用D-S證據(jù)理論規(guī)則,對前后置信值進(jìn)行組合,得到全局決策。但他們所采用的本地檢測都是能量檢測,其感知性能容易受到噪聲干擾。近年來,一些學(xué)者提出了兩種新型的頻譜感知算法:最大最小特征值之比算法(MME)[7]以及最大最小特征值之差算法(DMM)[8],具有良好的頻譜感知性能,受噪聲影響較小,但該算法服從Tracy-Wisdom分布,沒有固定的分布函數(shù)。針對上述問題,本文提出了一種基于D-S證據(jù)理論的特征值之比協(xié)作頻譜感知算法(TROIET),該算法避免了噪聲的干擾,具有較高安全性。TROIET算法以改進(jìn)的特征值之比算法作為本地檢測,然后通過D-S證據(jù)理論,結(jié)合路徑損耗,計算出合適的加權(quán)系數(shù),對數(shù)據(jù)進(jìn)行融合。仿真結(jié)果表明,該算法具有較高的檢測性能和安全性。




本文詳細(xì)內(nèi)容請下載:http://ihrv.cn/resource/share/2000003744。




作者信息:

石  新,劉順蘭,張無際

(杭州電子科技大學(xué) 電子信息學(xué)院,浙江 杭州310018)




wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。