多个认知用户的频谱感知联合检测算法
本文提出一种应对网络安全攻击的战术通信系统的通道感知、协作和传输算法,通过节点感知、合作和选择疑似未被攻击的信道来提高网络频谱知识和减少受到攻击的传输频率。
Mar, 2020
使用最近的矩阵完备技术来解决协作无线电节点之间的协作感知问题,结果表明,即使在无噪声的情况下,当主用户数量增加时,只需使用不到 17%的完全感知信息即可达到 95.55%的检测率。
Jan, 2010
我们提出了一个基于数据驱动的框架,用于网络化的无人机协同宽带频谱感知和调度,其作为次级用户为探测到的频谱空隙提供机会利用。为此,我们提出了一个多类分类问题,用于基于采集到的 I/Q 样本检测空闲频谱位置的宽带频谱感知。为了提高频谱感知模块的准确性,我们在无人机系统交通管理 (UTM) 生态系统中的服务器上对各个单独无人机进行的多类分类结果进行融合。在频谱调度阶段,我们利用强化学习 (RL) 解决方案将探测到的频谱空隙动态分配给次级用户 (即无人机)。为了评估所提出的方法,我们建立了一个综合的仿真框架,利用 MATLAB LTE 工具箱生成一个接近真实的合成数据集,其中包括所选兴趣区域内基站 (BS) 位置、射线跟踪和模拟主用户的信道使用情况的 I/Q 样本。这种评估方法提供了一个灵活的框架,可以生成用于开发基于机器学习 / 人工智能的空中设备频谱管理解决方案的大型频谱数据集。
Aug, 2023
该研究介绍了一种基于深度学习分类的频谱感知方法,通过对接收信号功率进行归一化处理来克服噪声功率不确定性,使用尽可能多的信号类型和噪声数据训练模型,使得训练的网络模型能够适应未经训练的新信号,并使用迁移学习策略来改进实际信号的性能,实验证明该方法的性能超过了传统的频谱感知方法,并且适应不同类型的新信号,对于彩色噪声有更优越的检测性能。
Sep, 2019
本文提出了基于二级用户接收信号的协方差矩阵特征值的新型感知方法,包括基于最大特征值与最小特征值比率以及基于平均特征值与最小特征值比率的感知算法,并使用最新的随机矩阵理论量化了两种算法的误警概率和检测概率,验证了方法的有效性。
Apr, 2008
本研究介绍了一种深度学习方法,利用多模态图像和频谱数据相结合,实现动态频谱访问,并识别潜在的发射器。通过使用边缘设备上的摄像头拍摄潜在对象(例如可能携带发射器的车辆),我们提出了一种协作系统,其中边缘设备与可信接收器之间进行有选择的信息通信并作出决策,以确定潜在的发射器是否存在。通过任务导向的通信,在发射器上使用编码器进行联合源编码、信道编码和调制,从而高效传输用于对象分类的精简维度的重要信息。同时,发送的信号可能会反射到物体并返回到发射器,从而实现目标感知数据的收集。然后,在发射器上对收集到的感知数据进行第二轮编码,通过任务导向的通信将降维后的信息传回融合中心。在接收端,解码器通过联合感知和任务导向的通信,执行识别发射器的任务。发射器的两个编码器以及接收器的解码器进行联合训练,实现了图像分类和无线信号检测的无缝集成。通过 AWGN 和 Rayleigh 信道模型,我们展示了所提出方法的有效性,在各种信道条件下取得了发射器识别的高准确性,并保持低延迟的决策过程。
Dec, 2023
利用多颗卫星的多样数据进行协作感知以及利用图神经网络进行有效的频谱感知,同时采用联合子 - Nyquist 采样和自动编码器数据压缩框架以及对丢失数据进行对比学习,以实现高效的频谱感知性能并在频谱感知准确性上超越传统深度学习算法。
May, 2024
该论文提出了一种深度协作感知(DCS),用于在认知无线电网络(CRN)中进行协作频谱感知(CSS),以检测可能同时占用多个波段的主用户(PU),通过使用卷积神经网络(CNN)学习 SUs 的单独感测结果的组合策略,DCS 发现一种环境特定的 CSS,即使单独感测结果被量化或未量化,也可以以自适应的方式考虑个体感测结果的频谱和空间相关性,仿真表明,即使训练样本数量较少,建议使用低复杂度 DCS 可以提高 CSS 的性能。
May, 2017
研究了二次用户在交互式无线通信过程中的最大吞吐量和最小化每个主接收器产生的干扰之间的权衡,并通过利用二次发射机处的多天线,从信息理论的角度对该基本权衡进行了表征,以实现对时空和频率域中的机会光谱共享。
Nov, 2007