kaiyun官方注册
您所在的位置: 首页> 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。
中图分类号:TN925
文献标识码:A
DOI:10.16157/j.issn.0258-7998.201131
中文引用格式:石新,刘顺兰,张无际. 基于证据理论的特征值之比协作频谱感知算法[J].电子技术应用,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

在实际的无线通信环境中,单节点的频谱感知技术容易受到多径效应、隐蔽终端、路径损等因素的影响[1],无法得出正确的感知结果。传统的单节点频谱感方法有能量检测[2]、匹配滤波器检测[3]以及循环平稳特征检测[4]等。传统的数据融合方式有“OR”准则、“AND”准则等硬判决,但这些数据融合方式都忽视了单个节点所处感知环境的差异。文献[5]第一次将D-S证据理论应用于频谱感知中,其结果优于传统的硬判决规则。文献[6]提出了一种基于证据理论的噪声不确定性检测,通过把噪声信号建模成具有已知分布的随机变量,利用D-S证据理论规则,对前后置信值进行组合,得到全局决策。但他们所采用的本地检测都是能量检测,其感知性能容易受到噪声干扰。近年来,一些学者提出了两种新型的频谱感知算法: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],具有良好的频谱感知性能,受噪声影响较小,但该算法服从Tracy-Wisdom分布,没有固定的分布函数。针对上述问题,本文提出了一种基于D-S证据理论的特征值之比协作频谱感知算法(TROIET),该算法避免了噪声的干扰,具有较高安全性。TROIET算法以改进的特征值之比算法作为本地检测,然后通过D-S证据理论,结合路径损耗,计算出合适的加权系数,对数据进行融合。仿真结果表明,该算法具有较高的检测性能和安全性。




本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003744




作者信息:

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)




wd.jpg

此内容为AET网站原创,未经授权禁止转载。
Baidu
map