CN104618909B - 一种基于信誉度的航空无线电协作频谱感知方法 - Google Patents
一种基于信誉度的航空无线电协作频谱感知方法 Download PDFInfo
- Publication number
- CN104618909B CN104618909B CN201510009511.4A CN201510009511A CN104618909B CN 104618909 B CN104618909 B CN 104618909B CN 201510009511 A CN201510009511 A CN 201510009511A CN 104618909 B CN104618909 B CN 104618909B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- perception
- frequency spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种航空无线电协作频谱感知方法，具体讲是涉及一种基于信誉度的航空无线电协作频谱感知方法，其属于无线电通信领域；其在原有加权序贯检测的基础上改进了信任度的奖惩措施，增加了临近时间内感知稳定度的量化。本方法不仅能够有效的识别恶意节点，而且在感知准确度和感知稳定性上都有一定的提升。在具有频谱感知数据篡改攻击节点存在的环境中，系统的鲁棒性也得到进一步增强。
Description
技术领域
本发明涉及一种航空无线电协作频谱感知方法，具体讲是涉及一种基于信誉度的航空无线电协作频谱感知方法，其属于无线电通信领域。
背景技术
目前，频谱感知的方法可以分为两种，直接频谱感知和间接频谱感知。其中直接频谱感知的技术主要有本地震荡检测(LOD，Local Oscillator Detection)，前摄检测(PD，Proactive Detection)。LOD要求获取CR信号的频率及相位信息。PD是采用反馈信息的方式来检测频谱的，通过发送一个特定信号然后观测主接收机(PR，Primary Receiver)的反馈效果来判断检测结果。间接频谱感知的技术有匹配滤波器检测(MFD，Matched FilterDetection)，能量检测(ED，Energy Detection)，循环平稳检测(CD，CyclostationaryDetection)，协方差系数检测(CBD，Covariance Based Detection)，多天线检测(SSUMA，Spectrum Sensing Using Multiple Antennas)。MFD的主要优势是检测速度快，在很短的检测时间内可以达到很好的检测效果，但是其对信噪比(SNR，Signal To Noise Ratio)要求比较高，随着SNR的下降其检测效果迅速衰减。ED不能区分信号的种类，且受噪声的不确定性影响很大，但其最大的优势就是不需要被检测环境的先验信息。CD的检测效果不受SNR影响，所以在SNR很低的时候其检测效果依然很好，但是相对于MFD其计算复杂度高了很多。CBD是针对噪声功率，信号循环频率，信号波形等先验知识完全未知的情况下提出的全盲检测算法，所以其在噪声功率不确定的情况下有很好的鲁棒性。
由于无线电信号在传输过程中会有路径损耗，阴影效应等不可避免的衰减及干扰。而仅仅采用单点频谱检测的方法无疑都会遇到上述问题。因此有人提出了多点协作频谱感知的方法。一般来说协作感知方法可以分为分布式和集中式两种。分布式感知要求每个终端都具有独立处理感知信息以及互相可以交流感知信息的能力，对终端的性能要求较高。集中式感知方法要求终端将感知结果统一发送至融合中心，由其对数据融合处理并做出最终的判决。协作频谱感知的最基本融合算法有“K-N”准则、“与”准则、“或”准则。然而以上方法都没有考虑节点的地理环境，距离远近等因素造成的感知可靠性差异。为了解决CR的感知可靠度差异问题，ZhiQuan提出了信誉度量化的方案，Visser则提出基于本地平均信噪比权值和最大似然比的估计信任度权值方案。但是以上方法都是假设各个感知节点都处于正常情况的条件下。若感知节点中存在恶意节点，且节点的攻击方式不仅仅局限于“Always-1”或者“Always-0”，而是SSDF等复杂度比较高的攻击模式时，认知网络的整体感知效果急剧下降，感知结果几乎不可信。
发明内容
鉴于现有技术存在的问题，本发明的目的是要提供一种基于信誉度的航空无线电协作频谱感知方法，其在感知节点中存在恶意节点，且节点的攻击方式不仅仅局限于“Always-1”或者“Always-0”，而是SSDF等复杂度比较高的攻击模式时得到的感知结果也可信。
为了实现上述目的，本发明所采用的技术方案为一种基于信誉度的航空无线电协作频谱感知方法，其包括如下步骤：
步骤1、初始化感知参数；
令Wi(i＝1,2,3…N)表示每个认知用户的感知权重，初始值为0，常数-g作为感知权重的下限，g为感知权重的上限,系统能量判决的上下限为η0和η1；系统给每个认知用户分配信誉度值Ci(i＝1,2,3…N)，初始值为0；
步骤2、对环境进行感知；
由每个认知用户获取当前环境频谱信息，然后计算信号子频带的能量值，并与系统所设定的门限能量值η0和η1相对比获得感知结果且全部储存；
步骤3、系统得出最终感知结果；
所有认知用户感知结束以后，系统获取所有节点的感知结果根据如下公式(1)得出整体能量感知结果R
Vi代表某个认知用户的感知稳定度，其计算公式如下：
其中，n为认知用户所需接受检测的最近感知结果历史记录条数；n的大小由感知环境和系统感知间隔时间来确定，其存在的形式即队列，遵循先进先出的原则，队列长度始终保持为n；S表示经过融合中心判定后的协同感知结果；
Wi为每个认知用户的感知权重，其计算方法公式如下；
将R与η0和η1相比较，得出最终的频谱占用判决结果如下表所示；
表1 判决关系与判决结果
步骤4、更新每个认知用户的感知信誉度
系统对每个认证用户的感知信誉度进行更新，其计算公式如下：
步骤5、更新每个认知用户的感知稳定度
系统在每轮感知结束以后将当前网络状态的整体融合结果与每个认知用户的感知结果相比较(异或)；若比较结果相同则返回0，不同则返回1；再结合其n次历史记录，得出最终的检测稳定性结果V；归一化以后的结果V越大表示其稳定性越好；
步骤6、本轮感知结束，进入下一轮感知，重复步骤2-5。
所述g值的设定依据感知环境的信噪比以及感知用户个数而定。本发明的优点在于：
其在原有加权序贯检测的基础上改进了信任度的奖惩措施，增加了临近时间内感知稳定度的量化。本方法不仅能够有效的识别恶意节点，而且在感知准确度和感知稳定性上都有一定的提升。在具有频谱感知数据篡改攻击节点存在的环境中，系统的鲁棒性也得到进一步增强。
附图说明
图1为不同恶意用户比例下检测率对比；
图2为不同恶意用户比例下WSPRT与改进算法对比；
图3为同一恶意用户比例下三种算法检测率累计分布图。
具体实施方式
一种基于信誉度的航空无线电协作频谱感知方法，其包括如下步骤：
步骤1、初始化感知参数；
令Wi(i＝1,2,3…N)表示每个认知用户的感知权重，初始值为0，常数-g作为感知权重的下限，g为感知权重的上限,系统能量判决的上下限为η0和η1；系统给每个认知用户分配信誉度值Ci(i＝1,2,3…N)，初始值为0；
步骤2、对环境进行感知；
由每个认知用户获取当前环境频谱信息，然后计算信号子频带的能量值，并与系统所设定的门限能量值η0和η1相对比获得感知结果且全部储存；
步骤3、系统得出最终感知结果；
所有认知用户感知结束以后，系统获取所有节点的感知结果根据如下公式(1)得出整体能量感知结果R
其中Vi代表某个认知用户的感知稳定度。
Wi为每个认知用户的感知权重，其计算方法公式如下；
将R与η0和η1相比较，得出最终的频谱占用判决结果；
步骤4、更新每个认知用户的感知信誉度
系统对每个认证用户的感知信誉度进行更新，其计算公式如下：
其中，S表示经过融合中心判定后的协同感知结果；
步骤5、更新每个认知用户的感知稳定度
系统在每轮感知结束以后将当前网络状态的整体融合结果与每个认知用户的感知结果相比较(异或)。若比较结果相同则返回0，不同则返回1；再结合其n次历史记录，得出最终的检测稳定性结果V；归一化以后的结果V越大表示其稳定性越好；其计算公式如下：。
式中n为认知用户所需接受检测的最近感知结果历史记录条数；n的大小由感知环境和系统感知间隔时间来确定，其存在的形式即队列，遵循先进先出的原则，队列长度始终保持为n。
步骤6、本轮感知结束，进入下一轮感知，重复步骤2-5。
假设各CR节点之间没有信息交换，也就是各个检测结果相互独立。信道衰减系数不做设定，以检测率Pd代替。各个节点的初始信任度为1，即每次仿真的开始都认为所有节点的检测结果完全可信。系统设定每个节点的误警率Pf＝0.01，检测概率为Pd＝0.9，最大可容忍虚警概率Pfa＝0.001，最大可容忍漏检概率Pmd＝0.001，加权序贯的上下门限值Threshold_up＝999，Threshold_down＝0.001。每个用户的初始权重cr_weight＝1。CR节点的权重最高值和最低值按照仿真经验取得5和-5。CR用户数为50。整个仿真的方案采用蒙特卡洛仿真法，仿真次数设定为500次，以减小偶然因素对于仿真结果的影响。
目前的SSDF攻击方式最具代表性的为全1攻击(Always-1)全0攻击(Always-0)还有就是随机攻击。上述三种方法在不同恶意用户比例下的检测正确率仿真如图1所示。
由图1可以看出不同恶意用户比例下三种攻击手段给系统检测率造成的影响。其中“Always-1”攻击模式随着恶意用户比例上升使得系统检测性能衰减越大。该攻击模式有助于观察不同融合算法下系统的检测性能。因此以下的所有仿真都基于“Always-1”攻击模式来进行的。
图2反映了在Always‘1’攻击下“与”算法，传统WSPRT融合算法和本文改进算法下不同恶意用户比例下系统检测性能。因为在实际网络中正常用户还是占大多数的，所以恶意用户比例选择0到0.3之间。检测正确率则反映了系统的检测性能，正确率越高说明其检测效果越好。由图2可以看出，进算法在检测性能上较传统WSPRT有所提升。
图3则是反映了在“Always-1”攻击下“与”算法，传统WSPRT融合算法和本文改进算法在同一恶意用户比例下检测成功率的累计分布图。这里的恶意用户比例为0.2，每次蒙特卡洛感知实验中有100次连续的感知融合周期。由图3可以看出，改进型算法的稳定性明显优于传统WSPRT，而且感知正确率分布较WSPRT更为集中的分布在大于0.9的区间之内。
Claims (2)
1.一种基于信誉度的航空无线电协作频谱感知方法，其包括如下步骤：
步骤1、初始化感知参数；
令Wi，i＝1，2，3......N表示每个认知用户的感知权重，初始值为0，常数-g作为感知权重的下限，g为感知权重的上限，系统能量判决的上下限为η0和η1；系统给每个认知用户分配信誉度值Ci，i＝1，2，3......N初始值为0；
步骤2、对环境进行感知；
由每个认知用户获取当前环境频谱信息，然后计算信号子频带的能量值，并与系统所设定的门限能量值η0和η1相对比获得感知结果且全部储存；
步骤3、系统得出最终感知结果；
所有认知用户感知结束以后，系统获取所有节点的感知结果根据如下公式(1)得出整体能量感知结果R
<mrow>
<mi>R</mi>
<mo>=</mo>
<munderover>
<mi>&Pi;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>C</mi>
<mi>i</mi>
<mrow>
<msub>
<mi>W</mi>
<mi>i</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mrow>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
Vi代表某个认知用户的感知稳定度，其计算公式如下：
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mn>2</mn>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>&CirclePlus;</mo>
<mi>S</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，n为认知用户所需接受检测的最近感知结果历史记录条数；n的大小由感知环境和系统感知间隔时间来确定，其存在的形式即队列，遵循先进先出的原则，队列长度始终保持为n；S表示经过融合中心判定后的协同感知结果；
Wi为每个认知用户的感知权重，其计算方法公式如下；
<mrow>
<msub>
<mi>W</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>f</mi>
<mo>(</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<mo>-</mo>
<mi>g</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>g</mi>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>g</mi>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>></mo>
<mo>-</mo>
<mi>g</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
将R与η0和η1相比较，得出最终的频谱占用判决结果如所示：
当R＜η0时，频谱未被占用；
当η0＜＝R＜η1时，频谱占用情况不明确等待下次检测；
当R＞η1时，频谱已被占用；
步骤4、更新每个认知用户的感知信誉度
系统对每个认证用户的感知信誉度进行更新，其计算公式如下：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>S</mi>
<mo>=</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>S</mi>
<mo>&NotEqual;</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤5、更新每个认知用户的感知稳定度
系统在每轮感知结束以后将当前网络状态的整体融合结果与每个认知用户的感知结果相比较；若比较结果相同则返回0，不同则返回1；再结合其n次历史记录，得出最终的检测稳定性结果V；归一化以后的结果V越大表示其稳定性越好；
步骤6、本轮感知结束，进入下一轮感知，重复步骤2-5。
2.根据权利要求1所述的一种基于信誉度的航空无线电协作频谱感知方法，其特征在于：所述g值的设定依据感知环境的信噪比以及感知用户个数而定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510009511.4A CN104618909B (zh) | 2015-01-08 | 2015-01-08 | 一种基于信誉度的航空无线电协作频谱感知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510009511.4A CN104618909B (zh) | 2015-01-08 | 2015-01-08 | 一种基于信誉度的航空无线电协作频谱感知方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104618909A CN104618909A (zh) | 2015-05-13 |
| CN104618909B true CN104618909B (zh) | 2017-12-01 |
Family
ID=53153140
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510009511.4A Expired - Fee Related CN104618909B (zh) | 2015-01-08 | 2015-01-08 | 一种基于信誉度的航空无线电协作频谱感知方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104618909B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111770499B (zh) * | 2020-06-24 | 2022-04-26 | 电子科技大学 | 一种分布式频谱协作检测方法 |
| CN113422661B (zh) * | 2021-04-30 | 2022-04-12 | 海南大学 | 一种基于主被动信誉度划分的可信宽带频谱感知方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101951620A (zh) * | 2010-09-03 | 2011-01-19 | 电子科技大学 | 一种合作频谱感知中认知用户节点的选择方法 |
| CN103178910A (zh) * | 2013-02-27 | 2013-06-26 | 浙江大学 | 基于信誉度的认知无线电网络分层合作频谱感知方法 |
| CN103780317A (zh) * | 2014-01-13 | 2014-05-07 | 南京邮电大学 | 基于信任度的双门限协作频谱感知方法 |
| CN103957062A (zh) * | 2014-03-31 | 2014-07-30 | 西安电子科技大学 | 分布式认知无线电网络中评估认知用户信誉度的方法 |
| CN104202106A (zh) * | 2014-09-26 | 2014-12-10 | 哈尔滨工业大学 | 移动场景中基于信任度的协作频谱感知方法 |
-
2015
- 2015-01-08 CN CN201510009511.4A patent/CN104618909B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101951620A (zh) * | 2010-09-03 | 2011-01-19 | 电子科技大学 | 一种合作频谱感知中认知用户节点的选择方法 |
| CN103178910A (zh) * | 2013-02-27 | 2013-06-26 | 浙江大学 | 基于信誉度的认知无线电网络分层合作频谱感知方法 |
| CN103780317A (zh) * | 2014-01-13 | 2014-05-07 | 南京邮电大学 | 基于信任度的双门限协作频谱感知方法 |
| CN103957062A (zh) * | 2014-03-31 | 2014-07-30 | 西安电子科技大学 | 分布式认知无线电网络中评估认知用户信誉度的方法 |
| CN104202106A (zh) * | 2014-09-26 | 2014-12-10 | 哈尔滨工业大学 | 移动场景中基于信任度的协作频谱感知方法 |
Non-Patent Citations (1)
| Title |
|---|
| "基于增强信誉度的联合频谱感知算法研究";马骋娉等;《计算机应用研究》;20140630;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104618909A (zh) | 2015-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107623554A (zh) | 一种基于信任值的协作频谱感知方法、认知无线网络 | |
| CN102324959B (zh) | 一种基于多天线系统协方差矩阵的频谱感知方法 | |
| CN111193564B (zh) | 抗御智能ssdf攻击的宽带加权协作频谱感知算法 | |
| CN103117820B (zh) | 基于可信度的加权协作频谱检测方法 | |
| CN103873171B (zh) | 基于多用户互协作的协作频谱感知决策融合方法 | |
| CN102571240A (zh) | 一种运用改进能量检测器的协作频谱感知参数优化方法 | |
| CN104202106B (zh) | 移动场景中基于信任度的协作频谱感知方法 | |
| CN103338082A (zh) | 一种基于“k秩”准则的双门限协作频谱感知方法 | |
| CN103841566B (zh) | 移动模型下存在恶意用户攻击的基于d‑s证据理论的协作频谱感知方法 | |
| CN102438334B (zh) | 一种多传感器节点分布式协作进行调制识别的方法 | |
| CN104618909B (zh) | 一种基于信誉度的航空无线电协作频谱感知方法 | |
| CN103491551B (zh) | 一种基于特征向量的加权协作频谱感知方法 | |
| CN103346847B (zh) | 基于迭代攻击检测的联合压缩频谱感知方法 | |
| CN105491572A (zh) | 基于判决门限优化的联合频谱感知方法 | |
| CN103401878A (zh) | 频谱感知数据篡改攻击检测方法 | |
| CN104079359B (zh) | 一种认知无线网络中协作频谱感知门限优化方法 | |
| CN102006609A (zh) | 一种自适应序贯的协同频谱检测方法 | |
| CN103117821B (zh) | 一种基于瑞利商的加权协作频谱感知方法 | |
| CN109150623B (zh) | 基于轮循制信誉值抵御恶意用户ssdf攻击方法 | |
| CN105743594B (zh) | 一种认知无线电系统中基于用户间协作的主用户仿冒攻击检测方法 | |
| CN105141384A (zh) | 一种认知无线电协作频谱感知方法 | |
| CN101753174B (zh) | 自适应频谱检测方法和系统 | |
| Sudhamani et al. | Total error rate in cooperative spectrum sensing with AND, OR and majority fusion rules | |
| Fu et al. | Spectrum sensing defending against PUE attack based on fractal dimension | |
| Jiang et al. | Signal detection algorithm design based on stochastic resonance technology under low signal-to-noise ratio |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171201 Termination date: 20190108 |