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

【摘要】：在認知無線電網(wǎng)絡中,認知用戶(次用戶)通過頻譜檢測感知到授權頻譜空閑并伺機接入,使空閑頻譜資源得到更加充分地利用,從而為解決當前無線通信中頻譜緊缺問題提供了一種有效思路。由于頻譜檢測是后續(xù)頻譜切換、頻譜分配的前提,所以其檢測的高效性和準確性至關重要。能量檢測作為當前頻譜檢測的主要手段,其檢測性能易受噪聲功率不確定性、低信噪比等因素影響,同時,當前無線通信網(wǎng)絡中用戶業(yè)務量激增、存在惡意用戶等情況,均將導致傳統(tǒng)能量檢測性能劇烈下降甚至失效�；谘h(huán)平穩(wěn)特征的頻譜檢測方法,可以有效區(qū)分信號和噪聲,并且可以根據(jù)信號的循環(huán)平穩(wěn)特征識別不同信號,克服了傳統(tǒng)能量檢測在復雜環(huán)境下頻譜檢測性能下降的問題。同時,隨著當前終端處理器的性能大幅提升,彌補了循環(huán)平穩(wěn)特征檢測算法計算復雜度高的不足,因此,本文探討基于循環(huán)平穩(wěn)特征的協(xié)作頻譜檢測方法具有重要的現(xiàn)實意義。針對授權用戶(主用戶)在檢測周期內(nèi)隨機接入授權頻譜而導致的檢測性能下降問題,本文提出一種基于循環(huán)平穩(wěn)特征的改進頻譜檢測算法。該算法的核心思想是,將檢測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)計量累加到前半段上,在不延長檢測時間的前提下,提高了整個檢測時間內(nèi)的判決統(tǒng)計量,從而提高了系統(tǒng)的頻譜檢測性能。從理論上詳細分析了算法改進之后的檢測概率,虛警概率和吞吐量變化,并且仿真結果表明,該算法的檢測性能和數(shù)據(jù)吞吐量均得到改善。在上述對循環(huán)平穩(wěn)檢測算法改進的過程中,循環(huán)平穩(wěn)特征檢測相對于能量檢測表現(xiàn)出了更好的檢測性能,因此,考慮將其與協(xié)作檢測相結合,提高當前認知無線電安全領域中對于惡意用戶的檢測效能。認知無線電安全領域中,惡意模仿主用戶攻擊是當前研究的熱點問題之一,現(xiàn)有的抵御惡意模仿主用戶攻擊策略,有著應用環(huán)境特殊、協(xié)作方法復雜等缺點。針對上述情況,本文提出一種基于循環(huán)平穩(wěn)特征的協(xié)作頻譜檢測算法,該算法通過對次用戶的本地判決結果進行統(tǒng)計分析,并與不含有惡意用戶情況下的理論統(tǒng)計特性做比較,來識別系統(tǒng)是否受到惡意用戶攻擊。仿真結果表明,該算法在保證良好頻譜檢測性能的同時,又可以有效抵御惡意模仿主用戶攻擊。
【關鍵詞】：認知無線電 惡意模仿主用戶攻擊 協(xié)作頻譜檢測 循環(huán)平穩(wěn)特征
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：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 頻譜檢測相關技術與算法13-26
• 2.1 本地頻譜檢測概述13-17
• 2.1.1 主用戶發(fā)射端檢測14-17
• 2.1.2 主用戶接收端檢測17
• 2.2 協(xié)作頻譜檢測17-20
• 2.2.1 協(xié)作頻譜檢測模型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23-24
• 2.4.2 非定位的PUEA檢測24-25
• 2.5 本章小結25-26
• 第3章 主用戶隨機到達下的頻譜檢測算法26-43
• 3.1 引言26-27
• 3.2 系統(tǒng)檢測模型27
• 3.3 傳統(tǒng)模型下循環(huán)平穩(wěn)特征檢測27-30
• 3.3.1 傳統(tǒng)檢測模型和判決統(tǒng)計量28
• 3.3.2 性能分析28-30
• 3.4 改進的循環(huán)平穩(wěn)特征算法及性能分析30-37
• 3.4.1 改進算法模型及統(tǒng)計量分析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 檢測概率和虛警概率分析37-39
• 3.5.2 采樣點數(shù)分析39-40
• 3.5.3 吞吐量分析40-42
• 3.6 本章小結42-43
• 第4章 循環(huán)平穩(wěn)特征協(xié)作頻譜檢測算法用于抵御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45-50
• 4.3.1 循環(huán)自相關系數(shù)的統(tǒng)計特性分析48-49
• 4.3.2 次用戶本地判決49-50
• 4.4 協(xié)作檢測融合方案50-51
• 4.5 抵御PUEA策略51-53
• 4.6 實驗仿真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58-59
• 第5章 結束語59-61
• 5.1 主要工作與創(chuàng)新點59-60
• 5.2 后續(xù)研究工作60-61
• 參考文獻61-67
• 致謝67-69
• 攻讀碩士學位期間從事的科研工作及取得的成果69

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 馬彬;方源;謝顯中;;一種主用戶隨機到達情況下改進的循環(huán)平穩(wěn)特征檢測算法[J];電子與信息學報;2015年07期

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

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

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

本文編號：270781