本文關(guān)鍵詞：基于循環(huán)平穩(wěn)特征的協(xié)作頻譜檢測(cè)算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：在認(rèn)知無線電網(wǎng)絡(luò)中,認(rèn)知用戶(次用戶)通過頻譜檢測(cè)感知到授權(quán)頻譜空閑并伺機(jī)接入,使空閑頻譜資源得到更加充分地利用,從而為解決當(dāng)前無線通信中頻譜緊缺問題提供了一種有效思路。由于頻譜檢測(cè)是后續(xù)頻譜切換、頻譜分配的前提,所以其檢測(cè)的高效性和準(zhǔn)確性至關(guān)重要。能量檢測(cè)作為當(dāng)前頻譜檢測(cè)的主要手段,其檢測(cè)性能易受噪聲功率不確定性、低信噪比等因素影響,同時(shí),當(dāng)前無線通信網(wǎng)絡(luò)中用戶業(yè)務(wù)量激增、存在惡意用戶等情況,均將導(dǎo)致傳統(tǒng)能量檢測(cè)性能劇烈下降甚至失效�；谘h(huán)平穩(wěn)特征的頻譜檢測(cè)方法,可以有效區(qū)分信號(hào)和噪聲,并且可以根據(jù)信號(hào)的循環(huán)平穩(wěn)特征識(shí)別不同信號(hào),克服了傳統(tǒng)能量檢測(cè)在復(fù)雜環(huán)境下頻譜檢測(cè)性能下降的問題。同時(shí),隨著當(dāng)前終端處理器的性能大幅提升,彌補(bǔ)了循環(huán)平穩(wěn)特征檢測(cè)算法計(jì)算復(fù)雜度高的不足,因此,本文探討基于循環(huán)平穩(wěn)特征的協(xié)作頻譜檢測(cè)方法具有重要的現(xiàn)實(shí)意義。針對(duì)授權(quán)用戶(主用戶)在檢測(cè)周期內(nèi)隨機(jī)接入授權(quán)頻譜而導(dǎo)致的檢測(cè)性能下降問題,本文提出一種基于循環(huán)平穩(wěn)特征的改進(jìn)頻譜檢測(cè)算法。該算法的核心思想是,將檢測(cè)周期均分為前半段和后半段,然后將后半段的循環(huán)平穩(wěn)特征統(tǒng)計(jì)量累加到前半段上,在不延長(zhǎng)檢測(cè)時(shí)間的前提下,提高了整個(gè)檢測(cè)時(shí)間內(nèi)的判決統(tǒng)計(jì)量,從而提高了系統(tǒng)的頻譜檢測(cè)性能。從理論上詳細(xì)分析了算法改進(jìn)之后的檢測(cè)概率,虛警概率和吞吐量變化,并且仿真結(jié)果表明,該算法的檢測(cè)性能和數(shù)據(jù)吞吐量均得到改善。在上述對(duì)循環(huán)平穩(wěn)檢測(cè)算法改進(jìn)的過程中,循環(huán)平穩(wěn)特征檢測(cè)相對(duì)于能量檢測(cè)表現(xiàn)出了更好的檢測(cè)性能,因此,考慮將其與協(xié)作檢測(cè)相結(jié)合,提高當(dāng)前認(rèn)知無線電安全領(lǐng)域中對(duì)于惡意用戶的檢測(cè)效能。認(rèn)知無線電安全領(lǐng)域中,惡意模仿主用戶攻擊是當(dāng)前研究的熱點(diǎn)問題之一,現(xiàn)有的抵御惡意模仿主用戶攻擊策略,有著應(yīng)用環(huán)境特殊、協(xié)作方法復(fù)雜等缺點(diǎn)。針對(duì)上述情況,本文提出一種基于循環(huán)平穩(wěn)特征的協(xié)作頻譜檢測(cè)算法,該算法通過對(duì)次用戶的本地判決結(jié)果進(jìn)行統(tǒng)計(jì)分析,并與不含有惡意用戶情況下的理論統(tǒng)計(jì)特性做比較,來識(shí)別系統(tǒng)是否受到惡意用戶攻擊。仿真結(jié)果表明,該算法在保證良好頻譜檢測(cè)性能的同時(shí),又可以有效抵御惡意模仿主用戶攻擊。
【關(guān)鍵詞】：認(rèn)知無線電 惡意模仿主用戶攻擊 協(xié)作頻譜檢測(cè) 循環(huán)平穩(wěn)特征
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN925
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 注釋表9-10
• 第1章 緒論10-13
• 1.1 選題背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-12
• 1.3 論文的主要工作及章節(jié)安排12-13
• 第2章 頻譜檢測(cè)相關(guān)技術(shù)與算法13-26
• 2.1 本地頻譜檢測(cè)概述13-17
• 2.1.1 主用戶發(fā)射端檢測(cè)14-17
• 2.1.2 主用戶接收端檢測(cè)17
• 2.2 協(xié)作頻譜檢測(cè)17-20
• 2.2.1 協(xié)作頻譜檢測(cè)模型17-18
• 2.2.2 數(shù)據(jù)融合算法18-20
• 2.3 循環(huán)平穩(wěn)理論20-23
• 2.3.1 一階循環(huán)平穩(wěn)特征21
• 2.3.2 二階循環(huán)平穩(wěn)特征21-23
• 2.4 抵御惡意模仿主用戶攻擊23-25
• 2.4.1 基于定位的PUEA檢測(cè)23-24
• 2.4.2 非定位的PUEA檢測(cè)24-25
• 2.5 本章小結(jié)25-26
• 第3章 主用戶隨機(jī)到達(dá)下的頻譜檢測(cè)算法26-43
• 3.1 引言26-27
• 3.2 系統(tǒng)檢測(cè)模型27
• 3.3 傳統(tǒng)模型下循環(huán)平穩(wěn)特征檢測(cè)27-30
• 3.3.1 傳統(tǒng)檢測(cè)模型和判決統(tǒng)計(jì)量28
• 3.3.2 性能分析28-30
• 3.4 改進(jìn)的循環(huán)平穩(wěn)特征算法及性能分析30-37
• 3.4.1 改進(jìn)算法模型及統(tǒng)計(jì)量分析30-33
• 3.4.2 性能分析33-36
• 3.4.3 吞吐量分析36-37
• 3.5 仿真分析37-42
• 3.5.1 檢測(cè)概率和虛警概率分析37-39
• 3.5.2 采樣點(diǎn)數(shù)分析39-40
• 3.5.3 吞吐量分析40-42
• 3.6 本章小結(jié)42-43
• 第4章 循環(huán)平穩(wěn)特征協(xié)作頻譜檢測(cè)算法用于抵御PUEA43-59
• 4.1 引言43-44
• 4.2 系統(tǒng)模型44-45
• 4.3 本地頻譜檢測(cè)45-50
• 4.3.1 循環(huán)自相關(guān)系數(shù)的統(tǒng)計(jì)特性分析48-49
• 4.3.2 次用戶本地判決49-50
• 4.4 協(xié)作檢測(cè)融合方案50-51
• 4.5 抵御PUEA策略51-53
• 4.6 實(shí)驗(yàn)仿真53-58
• 4.6.1 ROC曲線53-54
• 4.6.2 虛警概率分析54-55
• 4.6.3 PUEA下的漏檢概率分析55-56
• 4.6.4 抵御策略性能分析56-58
• 4.7 本章小結(jié)58-59
• 第5章 結(jié)束語59-61
• 5.1 主要工作與創(chuàng)新點(diǎn)59-60
• 5.2 后續(xù)研究工作60-61
• 參考文獻(xiàn)61-67
• 致謝67-69
• 攻讀碩士學(xué)位期間從事的科研工作及取得的成果69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前3條

1 馬彬;方源;謝顯中;;一種主用戶隨機(jī)到達(dá)情況下改進(jìn)的循環(huán)平穩(wěn)特征檢測(cè)算法[J];電子與信息學(xué)報(bào);2015年07期

2 謝顯中;胡小峰;項(xiàng)蕾;馬彬;;主用戶狀態(tài)改變和低信噪比環(huán)境下的weight-p能量檢測(cè)算法[J];中國(guó)科學(xué):信息科學(xué);2014年04期

3 陳星;賀志強(qiáng);吳偉陵;;基于循環(huán)平穩(wěn)的多天線感知無線電頻譜檢測(cè)[J];北京郵電大學(xué)學(xué)報(bào);2008年02期

  本文關(guān)鍵詞：基于循環(huán)平穩(wěn)特征的協(xié)作頻譜檢測(cè)算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：270781