认知无线电网络中基于信誉模型的协作频谱感知方法技术

本发明专利技术请求保护一种认知无线电网络中基于信誉模型的协作频谱感知方法，属于移动通信技术和计算机网络技术领域，用于解决协作频谱感知融合时如何降低频谱感知数据伪造攻击，并降低融合的时间复杂度的问题。首先，可信节点进行区域融合得到区域融合结果，同时通过置信度评估模型来计算该融合结果的置信度，并将两者上报给认知基站。其次，认知基站对可信节点报告的结果及置信度进行分析，并通过证据理论组合规则进行最终融合。仿真结果表明，该算法能够提高认知基站融合的决策成功率，同时能够降低漏检概率和虚警概率。降低漏检概率和虚警概率。降低漏检概率和虚警概率。

【技术实现步骤摘要】
认知无线电网络中基于信誉模型的协作频谱感知方法


[0001]本专利技术属于移动通信领域，具体是认知无线电网络中的协作频谱感知方法。

技术介绍

[0002]近年来，随着无线设备使用量的急剧增长，物联网、可穿戴设备等无线通信设备在源源不断地产生海量数据。这种现象已经导致无线电频谱的静态管理方案不再有效，无线电频谱的某些频段被频繁使用，而某些频段则没有或很少被使用。采用认知无线电技术，部分用户可以进行频谱感知，以使用可用的授权频段，从而减少信道的无序竞争。在认知无线电中，主用户拥有信道访问的绝对优先权，当信道处于空闲状态时，次用户能够伺机使用该信道。
[0003]在低信噪比的网络环境下，由于阴影、衰落效应的存在，影响了次用户对空闲授权频段的动态访问。协作频谱感知技术通过将众多次用户的检测结果结合起来，能够缓解单个次用户节点检测的模糊性，从而提高频谱感知性能。然而，由于无线信道的开放性和时变性，认知无线电网络很容易受到各种安全威胁，如干扰、窃听、欺骗等。其中，频谱感知数据伪造攻击是最常见、最严重的攻击，会使认知基站产生错误的感知决策，从而干扰主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种认知无线电网络中基于信誉模型的协作频谱感知方法，其特征在于，包括以下步骤：101、可信节点进行区域融合；次用户将本地检测的结果报告给距离最近的可信节点后，可信节点通过融合算法和置信度评估模型获得本区域的融合结果及融合结果的置信度，并将两者报告给认知基站；102、根据步骤101得到的区域融合结果及置信度，认知基站进行最终融合；认知基站通过证据理论组合规则进行最终融合，然后取基本概率数较大的命题作为最终的融合结果；103、根据步骤102得到的最终融合结果，认知基站进行信誉值更新；融合结束后，以信道真实状态为标准，认知基站对报告结果不一致的可信节点内的次用户的信誉值进行惩罚，通过信誉值来对次用户的行为进行区分，从而降低恶意次用户对协作感知的影响；104、根据步骤103得到的最终融合结果，认知基站进行可信节点安全性评估；认知基站对当前的可信节点进行安全性评估，若当前正在工作中的可信节点已处于不安全状态，则对可信节点进行更新。2.根据权利要求1所述的一种认知无线电网络中基于信誉模型的协作频谱感知方法，其特征在于，所述步骤101根据次用户报告的本地检测结果进行区域融合；次用户通过能量检测的方式进行本地检测，并构造统计量T，然后根据认知基站预设的门限阈值λ和判决规则进行判决，判决规则为：式中，d
i
(t)表示SU
i
在时隙t的本地检测结果，取值为0或1；当d
i
(t)为1时表示SU
i
检测到信道中存在主用户信号，即信道是繁忙的；当d
i
(t)为0时表示信道中不存在主用户，即信道是空闲的；检测结束后，正常次用户将d
i
(t)报告给距离最近的可信节点，同时恶意次用户可能会报告与d
i
(t)不一致的结果给可信节点。3.根据权利要求2所述的一种认知无线电网络中基于信誉模型的协作频谱感知方法，其特征在于，用SU
j
表示编号为j的可信节点，其中j∈{1,2,...,N}；L
j
为SU
j
区域内次用户集合；在t时隙，SU
j
区域的信誉偏差程度S
j
(t)为：式中，rp
i
(t)表示SU
i
在时隙t的信誉值，rp
i
(t)值的更新见后文基于Beta分布的信誉更新机制；根据S
j
(t)，求得可信节点的融合结果O
j
(t)为：SU
j
通过置信度来评估该融合结果的可靠程度；置信度的定义为参与融合的次用户的整体可靠性；在概率论和数理统计中，变异系数是衡量概率分布离散程度的参数，其计算方式为标准差与平均值之比，其值的大小不仅受参与数据离散程度的影响，而且还受数据平均水平的影响；使用变异系数ε
j
来衡量区域中参与融合的次用户的整体可靠性，对于可信节点SU
j
，变异系数ε
j
的计算公式为：
式中，σ
j
为集合L
j
中次用户信誉值的标准差；μ
j
为集合L
j
中次用户信誉值的均值；在上式中，σ
j
越小，意味着L
j
集合中次用户信誉值的离散程度越小；μ
j
越大，则意味着集合中次用户信誉值越高；因此，变异系数ε
j
越小，意味着参与融合的次用户整体可靠性越高；由于ε
j
的取值范围是0到正无穷，为了方便地对数据进行处理，对ε
j
进行归一化处理，置信度F
j
(t)的计算方式被定义为：然后，可信节点SU
j
将O
j
(t)和F
j
(t)报告给认知基站。4.根据权利要求1所述的一种认知无线电网络中基于信誉模型的协作频谱感知方法，其特征在于，所述步骤102根据步骤101得到的区域融合结果及置信度，认知基站进行最终融合；认知基站接收到M个可信节点报告的数据后，首先通过证据理论中的概率分配函数表示每个可信节点的报告结果；可信节点SU
j
的报告结果用概率分配函数Q
j
表示；Q
j
的识别框架Θ为{H0,H1}，其中H0表示“信道是空闲的”命题，H1表示“信道是繁忙的”命题，Θ的幂集为Q
j
的取值为：5.根据权利要求4所述的一种认知无线电网络中基于信誉模型的协作频谱感知方法，其特征在于，对M个可信节点的证据进行组合，选取组合后的概率分配函数中值较大的命题作为最终的融合结果；具体来说，对于每两个概率分配函数Q1和Q2，采用D
‑
S合成公式进行组合，合成公式如下：K由如下式得到：即：若Q
′
({H1})≥Q
′
({H0})，则最终融合结果P(t)为1，即信道的状态为繁忙状态；否则P(t)为0，即信道的状态为空闲状态。
6.根据权利要求1所述的一种认知无线电网络中基于信誉模型的协作频谱感知方法，其特征在于，所述步骤103根据步骤102得到的最终融合结果，认知基站进行信誉值更新；为了缓解恶意次用户的影响，将信誉模型应用到协作频谱感知的融合过程中；信誉模型被引入协作频谱感知算法的基本思想是：根据次用户的历史行为得到一个信誉值，通过信誉值来反映每个次用户对协作频谱感知的影响，信誉值较高的次用户以更高的权重参与融合，信誉值较低的次用户以较小的权重参与融合；认知基站融合得到融合结果P(t)后，可信节点融合结果O
j
(t)与P(t)之间的关系可能有两种：一致或者不一致；因此，可信节点若干次得到融合结果的过程可以被抽象为伯努利试验，多次报告的行为可看作是二项分布模型。7.根据权利要求6所述的一种认知无线电网络中基于信誉模型的协作频谱感知方法，其特征在于，在概率论中，Beta分布是指一组定义在(0,1)区间上的连续概率分布，Beta分布包括α和β两个参数(α,β＞0)，通常被记作Beta(α,β)；假设变量为θ，则Beta(α,β)的概率密度函数f(θ；α,β)为：假设似然函数Pr(x|θ)满足二项分布B(n,θ)，将Beta分布作为先验概率分布，运用贝叶斯定理进行推理，则后验概率分...

【专利技术属性】
技术研发人员：马彬，张佳吉，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：