《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 基于證據理論的特征值之比協作頻譜感知算法
基于證據理論的特征值之比協作頻譜感知算法
2021年電子技術應用第9期
石 新,劉順蘭,張無際
杭州電子科技大學 電子信息學院,浙江 杭州310018
摘要: 針對單節點頻譜感知容易受到多徑效應、隱蔽終端、路徑損耗等因素影響,提出了一種基于證據理論的特征值之比協作頻譜感知算法。該算法以特征值之比檢測法作為本地感知結果,通過基礎概率分配(BPA)函數計算出可信度發送給融合中心,融合中心根據D-S證據理論融合規則進行數據融合與判決。仿真結果表明,該算法對比于相關算法,在一定程度上抵抗惡意攻擊性能,具有較高的安全性,在低信噪比的環境下或者虛警概率高于0.6的環境下時,該算法的檢測概率更加突出,并且該算法還具有較高能效。
中圖分類號: TN925
文獻標識碼: A
DOI:10.16157/j.issn.0258-7998.201131
中文引用格式: 石新,劉順蘭,張無際. 基于證據理論的特征值之比協作頻譜感知算法[J].電子技術應用,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境中,單節點的頻譜感知技術容易受到多徑效應、隱蔽終端、路徑損等因素的影響[1],無法得出正確的感知結果。傳統的單節點頻譜感方法有能量檢測[2]、匹配濾波器檢測[3]以及循環平穩特征檢測[4]等。傳統的數據融合方式有“OR”準則、“AND”準則等硬判決,但這些數據融合方式都忽視了單個節點所處感知環境的差異。文獻[5]第一次將D-S證據理論應用于頻譜感知中,其結果優于傳統的硬判決規則。文獻[6]提出了一種基于證據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變量,利用D-S證據理論規則,對前后置信值進行組合,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。針對上述問題,本文提出了一種基于D-S證據理論的特征值之比協作頻譜感知算法(TROIET),該算法避免了噪聲的干擾,具有較高安全性。TROIET算法以改進的特征值之比算法作為本地檢測,然后通過D-S證據理論,結合路徑損耗,計算出合適的加權系數,對數據進行融合。仿真結果表明,該算法具有較高的檢測性能和安全性。




本文詳細內容請下載:http://www.huayuhospital.com/resource/share/2000003744




作者信息:

石  新,劉順蘭,張無際

(杭州電子科技大學 電子信息學院,浙江 杭州310018)




wd.jpg

此內容為AET網站原創,未經授權禁止轉載。
香蕉视频下载入口_香蕉视频下载安卓版污免费直播