CN102624464A - 基于历史表现的减弱恶意用户对协作频谱感知影响的方法 - Google Patents

Abstract

本发明针对认知无线电系统中存在深度衰落用户或恶意用户的情况，提出了一种基于历史表现情况的减弱深度衰落用户和恶意用户对协作频谱感知性能影响的方法。该方法设定系统初次协作频谱感知时各认知用户的可信度均为1，同时设定系统的检测周期T_p≥10，中心节点记录每个认知用户的感知结果，并与系统最终的感知结果进行比较，从而更新各认知用户的可信度以及在下一次协作感知的权重系数；同时通过周期性检测认知用户的感知结果来检测系统中是否存在恶意用户。在系统中存在深度衰落用户或者恶意用户的情况下，该方法能最优化系统的感知性能；在系统中存在恶意用户的情况下，该方法能通过周期性检测，识别出系统中的恶意用户。

Description

基于历史表现的减弱恶意用户对协作频谱感知影响的方法

一、技术领域

本发明涉及认知无线电系统的协作频谱感知技术领域。

二、背景技术

认知无线电技术是一种备受关注的解决频谱短缺的有效途径，频谱感知技术作为其关键技术成为研究热点。频谱感知是指具有认知功能的终端通过各种感知技术对某一频段内的信号进行感知，根据感知情况动态管理和利用频谱。协作频谱感知技术是基于认知用户间的合作进行频谱感知，利用空间分集提高系统感知的准确度和灵敏度。现有的协作频谱感知技术都是在假设参与协作感知的认知用户都是可信任的前提下，对认知用户的感知结果进行数据融合的。

但是认知无线电系统中可能存在深度衰落用户或者恶意用户，它们的存在将对协作频谱感知系统造成破坏。恶意用户对系统的攻击主要有“Always Yes”和“Always No”两种，“AlwaysYes”表示恶意用户总是发送表示信道被占用的感知信息或感知结果给融合中心；“Always No”表示恶意用户总是发送表示信道未被占用的感知信息或感知结果给融合中心。恶意用户发送“Always Yes”攻击的目的是降低认知无线电系统对某特定频段的利用率，这使得认知无线电系统失去意义。恶意用户发送“Always No”攻击的目的是降低认知无线电系统对某特定频段的检测概率，这将造成对授权用户的干扰。而长期处于深度衰落环境的认知用户，由于接收到信号的信噪比很低，其对系统的影响类似于“Always No”攻击，因此可以一起讨论。

因此，现有技术中，针对认知无线电系统中存在恶意用户的情况，还没有一种减弱恶意用户对协作频谱感知系统的影响并识别出恶意用户的方案。

三、发明内容

1、技术问题：本发明要解决的技术问题是针对认知无线电系统中存在深度衰落用户和恶意用户的情况，减弱它们对系统感知性能的影响，同时识别系统中的恶意用户。

2、发明内容：为了解决上述问题，本发明的目的是这样实现的：基于历史表现的减弱恶意用户对协作频谱感知影响的方法，包括如下步骤：

1)首先初次协作感知时，设定每个参与协作感知的认知用户(CR_j)的可信度

为1，设定系统的周期性检测周期为T_p；

2)中心节点(CN)收集并记录各认知用户的感知结果，根据各认知用户的可信度计算其相应的权重系数；

3)根据步骤2计算出的各认知用户的权重系数对感知信息进行融合，作出最终的感知判决；

4)判断协作感知次数是为检测周期T_p的整数倍，如果是，根据各认知用户的历史表现情况判断各认知用户是否为恶意用户，若判断为恶意用户，其可信度设定为零，反之仅更新协作频谱感知的次数；

5)更新各认知用户的可信度，在进行下一次协作频谱感知时从步骤2开始循环。

3、有益效果：本发明具有的优点如下：(1)能有效地减弱深度衰落用户和恶意用户对协作感知系统的影响，最优化系统的感知性能；(2)通过周期性检测能有效地识别出系统中的恶意用户；(3)算法简单，易于实现。

四、附图说明

图1示出了协作频谱感知系统的模型，图中CN为中心节点，CR_j为参与协作感知的认知用户；

图2示出了本发明的协作频谱感知系统架构示意图；图中h_j表示第j个认知用户与授权用户间的信道增益，x_j(i)和Y_j分别表示参与协作感知的第j个认知用户的接收到信息的采样值和检测统计量，n_j表示第j个认知用户的检测统计量在传输过程中叠加的高斯白噪声，Z_j表示中心节点收到的第j个认知用户的检测信息，w_j表示第j个认知用户在进行线性融合时对应的权重系数，S表示系统线性融合结果；

图3示出了基于历史表现的减弱恶意用户对协作频谱感知影响的流程示意图。

五、具体实施方式

以下将参照附图，对本发明的具体实施方式进行详细描述。

如图1和图2所示，协作频谱感知系统是多个认知用户K≥2共同对同一段频谱进行感知，认知用户将各自的感知信息发送给中心节点，由中心节点对各认知用户的信息采取一定的准则进行融合并作出最终的判决。

本发明中用可信度来衡量认知用户的历史表现情况，可信度定义为认知用户的感知结果与系统判决结果相同的情况占总感知次数的情况，具体表达式可写为：

$m_j^{n+1}=\frac{N_{j,\mathrm{same}}}{n},n=\mathrm{1,2}...---\left(1\right)$

等式左边

表示第j个认知用户在第n+1次协作频谱感知时的可信度，N_j，same表示第j个认知用户在之前n次协作频谱感知过程中，该认知用户的感知结果和系统最终判决结果相同的次数。每个认知用户的可信度的取值是连续的，取值的大小表征该认知用户的感知结果可信任的程度，取值越大，表明该认知用户在以往的感知过程中表现较好，系统对其的感知信息接收程度较高。对于恶意用户或者长期处于深衰落环境中的认知用户，其可信度将逐步降低，逐步减小对系统最终判定结果的影响。而对于所处的信道环境较好的认知用户，其可信度值将保持在一个较高的水平，在长期的感知过程中，对系统感知结果的影响起到一个主导作用。对于正常的认知用户来说，可信度可用来衡量其所处的信道环境。协作感知系统在初次感知时，我们假设每个认知用户的可信度均为1，即

这时系统认为所有认知用户的感知信息都是可信任的。

为了体现可信度对系统的影响，在数据融合中以权重系数来体现：

$S=\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{w}_j^n{Y}_j,n=\mathrm{1,2}...---\left(2\right)$

式中，

表示第j个认知用户在第n次协作感知中的权重系数。

此时系统的融合结果可表示为：

$w_j^n=\frac{m_j^n}{\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{m}_j^n},j=\mathrm{1,2},...K,n=\mathrm{1,2}...---\left(3\right)$

式中，Y_j表示第j个认知用户的感知结果，K表示参加协作感知的认知用户的个数，S表示系统的融合结果。在得到融合结果后，与系统设定的门限值进行比较来作出最终判决。认知用户的可信度是一个长期积累的过程，对于正常的认知用户来说，在长期的协作感知过程中，其可信度趋于一个稳定值。而对于恶意用户来说，其可信度值是逐渐减小的，由于系统的检测概率不等于1和虚警概率不等于0，恶意用户的可信度不等于零，而稳定在一个较小的值。

考虑到恶意用户对系统的危害性，识别系统中存在的恶意用户是十分有必要的。当系统发现某一认知用户持续发送较大的检测统计量或者较小的统计量时，而其他大多数认知用户的检测统计量变化较大时，系统则认为该用户属于恶意用户或者出现故障的认知用户。

对于一个正常的认知用户来说，在进行T_p次感知后，在监听的信道发生变化的情况下，其感知结果保持不变的概率可表示为：

$P=\left\{\begin{array}{ccc}{\left(P_{d,j}\right)}^{T_{p1}}{\left(P_{f,j}\right)}^{T_{p0}}& \mathrm{Always}& \mathrm{yes}\\ {(1-P_{d,j})}^{T_{p1}}{(1-P_{f,j})}^{T_{p0}}& \mathrm{Always}& \mathrm{no}\end{array}\right.---\left(4\right)$

式中，T_p＝T_p1+T_p0，P_d，j和P_f，j分别表示第j个认知用户的检测概率和虚警概率。T_p1表示信道的真实情况为H₁的感知次数，T_p0表示信道的真实情况为H₀的感知次数。第一等式表示无论信道的情况如何，认知用户的检测结果均为H₁的概率，第二个等式表示无论信道的情况如何，认知用户的检测结果均为H₀的概率，从上式可以看出当T_p较大时，正常认知用户的检测结果保持不变的概率是很小的。

而当监听的信道情况未发生变化的情况下，正常的认知用户的检测结果刚好跟信道情况相反的概率可表示为：

$P=\left\{\begin{array}{ccc}{\left(P_{f,j}\right)}^{T_p}& \mathrm{Always}& \mathrm{yes}\\ {(1-P_{d,j})}^{T_p}& \mathrm{Always}& \mathrm{no}\end{array}\right.---\left(5\right)$

从上式同样可以看出，当T_p较大时，正常认知用户的检测结果保持不变的概率是很小的。

为此我们定义P₀表示在在进行T_p次感知后，认知用户的感知结果为H₀占总感知次数的比例，可表示为：

P₀＝N₀/T_p           (6)

式中，N₀表示在n次感知过程中，检测结果为H₀的次数。

若某一认知用户的P₀＝0或者P₀＝1，而其他用户的P₀值为0和1之间的其他值，则我们判断该用户属于恶意用户或者出现故障的认知用户。而感知次数T_p不能设太大，若系统中存在恶意用户，T_p越大，恶意用户危害系统的时间越长。而感知次数T_p也不能设太小，这会造成重复工作，浪费系统资源，通过分析，T_p取10即能达到很高的识别准确率。

处于深度衰落的用户，随着信道环境的变化，在经过T_p次感知后，其权重系数的会逐渐减小，对系统的影响也逐渐减小。对于恶意用户，可以通过判断某用户的P₀是否为0或者1，以及和其他用户的差别来判断是否属于恶意用户。

本发明的具体实施方式如图3所示在协作频谱感知系统的中心节点中记录每个认知用户的本地感知结果以及系统的最终感知结果。通过公式(1)、(3)来计算每个感知用户在每次协作感知的权重系数，然后通过公式(2)计算系统的感知结果。同时根据系统设定的检测周期对每个用户在一个周期内的感知结果进行周期性检测，判断系统中是否存在恶意用户，然后更新各认知用户的可信度，接着进行下一次的协作感知过程。

Claims (1)

1.基于历史表现情况的减弱深度衰落用户和恶意用户对协作频谱感知性能影响的方法，其步骤如下：

1)首先设定协作频谱感知系统的各认知用户在初次感知时可信度均为1，同时设定系统的检测周期T_p；

2)中心节点收集并记录各认知用户的感知结果，根据各认知用户的可信度计算相应的协作感知权重系数；

3)中心节点根据权重系数对认知用户的感知信息进行融合，并作出最终的判决；

4)判断协作感知次数是为检测周期T_p的整数倍，如果是，根据各认知用户的历史表现情况判断各认知用户是否为恶意用户，若判断为恶意用户，其可信度设定为零，反之仅更新协作频谱感知的次数；

5)更新各认知用户的可信度，在进行下一次协作频谱感知时从步骤2开始循环。

Images