频谱感知技术_毕业论文.doc

邵阳学院毕业设计中文摘要认知无线电技术（Cognitive Radio）是一种新颖的通信技术，它能有效地缓和现有固定频谱管理方式导致的频谱稀缺问题，被认为是下一代最具潜力的通信技术之一。频谱感知作为认知无线电的关键技术之一，它能检测周围空间的频谱空洞，为认知无线用户提供可利用的频谱；监视授权用户的出现，以防止对授权用户干扰。现阶段对频谱感知技术的研究主要集中在提高频谱检测准确度上，而对频谱检测面临的安全问题的研究甚少。本文在详细分析现有单节点频谱检测技术，深入研究多节点协作感知的网络框架、数据融合技术和信号检测理论的基础上，重点研究了频谱检测过程中的数据混淆攻击（SSDF）问题，提出了基于信誉的权重序贯对数似然比算法（AWSPRT）。在AWSPRT算法中，我们主要有两个贡献点：首先提出了基于检测准确度得信誉更新算法。它能有效反映认知用户检测信息的可靠性，其次根据授权用户占用信道时间的特点，提出了恶意用户剔除方法。仿真中，我们利用matlab对AWSPRT算法和现有4种算法进行了分析比较，结果显示，我们算法是在SSDF攻击下检测准确度最高，最稳定的算法。关键词：认知无线电;频谱感知;序贯对数似然比检测;数据混淆攻击。 AbstractCognitive radio technology is a revolutionary new communication technology that promises to solve the spectrum shortage problem led by existing fixed spectrum management, and has been considered as one of the most promising communication technologies in the next generation. Spectrum sensing which is one of the key technologies in cognitive radio can detect the spectrum hole to provide secondary users with available spectrums, and monitor the appearance of primary users to avoid interference.Most of current spectrum sensing studies mainly focus on the detection ratio improvement, and pay little attention to the security issue in spectrum sensing In this paper, we analyze the single-node-based spectrum sensing technology, and investigate the network framework, the data fusion technology, and signal detection theory in Multi-node cooperative spectrum sensing technologies. Based on the above research, we focus on the spectrum sensing data falsification (SSDF) attack problem, and propose an new algorithm named reputation-based Weight Sequential Log-likelihood Ratio Test (AWSPRT). In this paper, we have two contributions: (1)first, we propose a detection ratio-based reputation update algorithm which can effectively reflect the reliability of cognitive users sensing information; (2)second, we analyze the characteristic of the time when primary users appear or not, and propose a Malicious User detection algorithm. Extensive simulation results show that AWSPRT has the highest detection accuracy and robustness resolving SSDF problem, compared to other existing schemes.Key words：Cognitive Radio; Spectrum sensing; Sequential Log-likelihood Ratio Test; spectrum sensing data falsification (SSDF).II邵阳学院毕业设计目录中文摘要.IAbstract.II第一章.绪论11.1.研究背景及意义11.2.本文的研究工作及章节安排2第二章.认知无线电概述32.1.认知无线电定义及特征42.2.认知无线电关键技术42.2.1频谱感知42.2.2.频谱管理52.2.3.频谱共享62.2.4.频谱移动性82.3.认知无线电研究现状9第三章.频谱感知技术123.1.单节点频谱感知技术123.1.1.能量检测133.1.2.匹配滤波器检测153.1.3.循环平稳特性检测153.1.4.单节点频谱感知小结163.2.多节点协作频谱感知技术163.2.1.协作频谱感知框架173.2.2.协作频谱感知数据融合技术193.2.3.协作频谱感知统计信号检测理论213.3.干扰温度检测25第四章 基于信誉的权重序贯对数似然比的协作频谱检测算 4.1.认知无线电网络频谱检测安全性概述274.2.系统模型与统计数据分析304.3基于信誉的序贯似然比检测算法314.3.1.信誉及权重更新324.3.2.权重序贯对数似然比检测344.3.3.恶意用户剔除354.3.4.算法流程354.3.仿真结果及分析37第五章.总结42参考文献43附录.45原文.45致谢.64邵阳学院毕业设计第一章. 绪论1.1. 研究背景及意义无线频谱资源是一种珍贵的自然资源，随着无线技术的飞速发展，移动高速数据网，无线多媒体应用等高数据率需求的无线应用已广泛部署，无线应用对频谱需求也越来越高，在即将到来的物联网时代，所有物品都将通过无线联网，无线用户数量将呈爆发式增长，这对频谱的需求也将随之增长。如何利用有限的频谱资源满足各种无线的应用频谱需求已成为当前热门的研究课题。现有的频谱资源都是各国有关部门（如Federal Communications Commission）按照固定的频谱分配方式给不同无线应用分配合适的频段。固定的频谱分配方式规范了无线频谱使用权问题，能防止不同应用之间的干扰。但是这种频谱分配方式缺乏灵活性。当频带指定给固定授权用户后，即使授权用户没有利用频段，其他用户也不能接入该频段，这将造成频谱资源的浪费。根据FCC报告1，目前可用频段大部分已经分配完毕，可分配给新型无线应用的空闲频段将出现短缺，而各频段的频谱利用率仅在15%85%之间（如图1）。图 1 频谱利用率物理频谱资源的不足和频谱资源利用率低下间的矛盾，促使人们探索新型频谱接入方式。认知无线电技术允许非授权用户在不干扰授权用户的情况下，动态的接入授权频段和授权用户共享频段，从而提高频谱利用率。近年来，认知无线电技术受到了学术和工业界的广泛关注，如IEEE成立了802.22工作组，以制定基于认知无线电技术的无线地域网（Wireless Regional Area Networks）标准。目前认知无线电技术被认为是下一代最热门的无线技术之一。频谱感知是在认知无线电技术的关键技术之一，认知无线电必须能够灵敏的感知外界环境，感知可利用频谱空洞，为认知用户提供可利用频段；检测授权用户的出现，以避免对授权用户的干扰。作为认知无线电技术的必备技术，频谱感知的研究对认知无线电技术的实际应用具有重大意义。1.2. 本文的研究工作及章节安排本文主要研究目前认知无线电网络中频谱感知所采用的各种检测技术，协作检测过程中的数据融合技术，分析协作频谱感知过程中面临的安全问题，并提了一种强健的协作检测算法。全文总体章节安排如下：第一章简要介绍了频谱检测的研究背景，并概述了本文研究工作。第二章我们简要概述认知无线电的四个关键技术及其研究现状。第三章详细介绍了三类频谱检测方法：单节点频谱检测、协作频谱检测和基于干扰温度的检测。第四章我们简要概述了分布式协作频谱面临的安全问题，并针对SSDF攻击，提出了基于信誉的权重序贯对数似然比检测算法。第五章总结全文。第二章. 认知无线电概述2.1. 认知无线电定义及特征认知无线技术是一种可以动态利用频谱资源的新型无线电技术，是由Mitlla III博士在其博士论文中首次提出。目前广泛认可的认知无线电定义主要有两种： Haykin Simon和FCC对认知无线电的定义。Haykin Simon2：“认知无线电是一个智能无线通信系统，他可以感知外界环境，通过理解、学习，实时的改变某些操作参数（如传输功率、载波频率、调制技术等）使其内部状态适应接收到的无线信号的统计变化，以到达以下目的任何时间，任何地点高度可靠的通信，及高效利用频谱资源2”。FCC的定义1：“认知无线电是一种能根据与它的操作环境之间的交互来改变传输参数的无线电技术”。从上述两个定义，我们可以总结出认知无线电的两个主要特征：认知能力，重配置能力。认知能力指认知无线电技术能够从周围环境中感知信息，这种信息不仅仅是简单的频谱宽带、功率等信息，而是一种更加精密的，能够反映空间无线环境瞬时变化的信息。认知能力使认知无线电技术用户能够检测出未被利用的频谱，选择出最佳的可利用的频带。认知过程主要包含三个步骤（如图2）：频谱感知，频谱决策和频谱分析。频谱感知，使用户能检测空间未利用的频谱，监视授权用户的出现；频谱分析，是指对可用频谱段的带宽、信道质量等信道信息的分析过程；频谱决策，指根据用户需求、QoS和可利用频谱的特性等决定调制模型、带宽、概率等参数。图 2 认知循环重配置能力指认知无线电技术能够根据其操作环境，在不改变任何硬件的情况下，动态的调整自身传输参数（如操作频率、调制方式、传输功率等）。使得认知无线电技术用户可以随时在所用频谱空洞中选择最好的信道接入，以更好的利用频谱，提高频谱利用率。2.2. 认知无线电关键技术认知无线电技术是高度智能化的现代通信技术，它能检测并动态利用空间空闲频谱。为实现这些目标，认知无线用户需要感知外界环境，调节自身传输参数，以在授权信道空闲时接入信道以避免对授权用户的干扰。这个过程涉及到的技术主要有3：频谱感知、频谱移动性、频谱共享、频谱管理。本节我们将详细介绍这四种关键技术。2.2.1. 频谱感知频谱感知作为认知无线电技术的主要组成部分，其主要任务是感知空间频谱利用情况、检测授权用户的出现，以防止对授权用户的干扰、提高频谱利用率。频谱检测可以分为单节点频谱感知和多用户协作感知。单节点频谱感知主要有能量检测、匹配滤波器检测、循环平稳特征检测、波形检测等。在应用中，单节点频谱感知的检测性能可能受多径衰落、阴影效应等影响。现有研究显示，协作频谱感知可以大大减轻多径衰落、阴影相应对频谱感知准确度的影响，它能利用信号的空间分布特性，提高频谱检测性能，降低对设备的要求，但在协作频谱检测过程中需要额外的通信开销（如感知信息交换开销）。具体的频谱感知技术我们将在第三章详细介绍。2.2.2. 频谱管理在认知无线电网络中，频谱感知检测到的空闲频谱可能分布在很宽的范围。由于无线环境的时变性，这些频段所展示的特征也是时变的。由于认知无线电网络需要选择最佳的频谱，以满足用户的QoS需求，因此，认知无线电网络需要一个全新的，能考虑动态频谱特性和用户需求的频谱管理技术。认知无线电网络的频谱管理技术分为图2所示的频谱感知、频谱分析、频谱决策，本小节我们将介绍其中的频谱分析和频谱决策两部分。 频谱分析在认知无线电网络，可利用的频谱空洞的特性是时变的，频谱分析可以使认知用户了解不同频段的特性，以便用户能选择最好的频段。在频谱分析阶段，认知用户需要对每个频谱空洞的信道特征、授权用户激活情况、频谱带宽信息等进行分析。也即分析信道干扰、路径衰落、无线链路错误、链路延迟、信道占用时间等。目前关于频谱分析的研究仅仅只考虑信道容量的分析，而没有将延迟、链路错误、信道占有时间考虑进去，如何综合考虑上述这些特性的频谱分析方案还有待研究。 频谱决策经过频谱分析后，认知无线网络已经了解了可用频谱的特性，它能根据用户的需求如数据传输速率、可接受的错误率，延迟及传输模型等来选择最佳的通信频段。目前为止，频谱决策依然是个未被充分研究的领域。2.2.3. 频谱共享认知无线电网络要求认知用户和授权用户在同一空间内和谐共处，认知无线电中的频谱共享技术是一种可以使认知用户能够和该地区授权用户实现无干扰的频谱资源共用的技术。现有的频谱共享技术可按照网络架构、频谱分配行为、频谱接入技术分为三类。 按网络架构分类按照这种分类方式频谱共享技术可以分为集中式频谱共享和分布式频谱共享。集中式频谱共享技术网络由控制中心和用户组成，其中控制中心实现频谱资源分配和用户接入控制，网络中用户将自己的感知信息发送到控制中心，由控制中心分配频谱。分布式频谱共享技术网络中，每个用户都可以根据本地策略独立的分配频谱带宽。 按频谱接入行为分类按照这种分类方式，频谱共享技术可以分为协作频谱共享技术和非协作频谱共享技术。协作频谱共享技术考虑每个用户在通信过程中对其它用户的干扰和影响，每个用户都与其他用户共享信息。非协作频谱共享技术是一种自私的频谱共享技术，它只考虑自身的利益，而不考虑对其他用户的干扰情况，这可能导致用户之间的干扰，从而造成频谱利用率的降低，但其对节点的通信要求相对较低。 按频谱接入技术分类图 3 填充式频谱共享技术图 4 垫底式频谱共享技术按频谱接入技术分类，频谱共享技术可以分为填充式频谱共享技术（ 图3）和垫底式频谱共享技术（图4）; 其中图3和4中PU指Primary Use，即授权用户；SU为Seconder User，即认知用户；横坐标为频率，纵坐标为功率谱密度。填充式频谱共享技术指认知用户可以较大功率利用未被授权用户利用的空闲频段接入网络，当授权信号出现时，认知用户切换到其他频段。由于认知用户所用总是利用无授权信号存在的空闲频段，所以认知用户不会干扰授权用户的正常通信，目前这种频谱共享技术被认知无线电技术采用。垫底式频谱共享技术是指认知用户以很低的功率（通过扩频技术），利用较宽的频带接入网络。由于认知用户接入频带的功率小于授权用户可接受的干扰门限，授权用户把认知用户传输的信号当成噪声处理。而噪声的门限不超过授权用户可接受的噪声门限，因此所以可以认为认知用户不过干扰授权用户正常通信。目前垫底式频谱共享技术现以广泛应用在Ultra-wide Bandwidth(UWB)无线通信中。2.2.4. 频谱移动性图 5 频谱移动性认知无线电技术要求认知用户可以动态的选择最佳的频段通信，因此认知用户必须能捕获最优频段，并切换其操作频段。频谱移动性也就是认知用户切换其操作频率的过程，即频谱切换，其切换过程如图5所示。在认知无线电网络中，当认知用户当前所操作的频段的信道状况变坏，或者授权用户出现时，认知用户需要将其工作频段切换到其它合适的频段。为实现平滑的频谱切换，尽可能减小网络性能在频谱切换过程中的衰减，现有研究提出了跨层频谱移动管理协议，这种协议可以适应于各种不同应用协议下的移动管理。如使TCP连接在频谱切换过程中处于等待状态，在FTP应用中，该协议能够在频谱切换过程中存储数据包等。2.3. 认知无线电研究现状自1999年Mitola III博士1999年在其博士论文首次提出认知无线电概念，短短十年，认知无线电技术就有了跨越式发展。目前为止，虽然真正意义上实际应用的的认知无线电网络还不存在，但是认知无线电技术中动态接入频谱的思想已经影响了很多其它无线应用领域，如在IEEE 802.11a 5GHz频段采用了认知无线电技术中的动态频率选择和功率控制机制。随着研究的深入，相信在不久的将来，认知无线电技术得到的被广泛应用。技术的发展离不开政策的支持，近年来，各国频谱管理部门大力支持认知无线电技术的发展。如2004年美国FCC建议非授权用户在不干扰授权用户的条件下，可以利用TV广播频段，IEEE成立IEEE 802.22工作组，致力于认知无线电技术在TV广播频段的无线地域网（Wireless Regional Area Networks）网络标准的制定，国内外大学科研机构也纷纷加入认知无线电领域研究。目前，认知无线电技术研究有了较大进展，各研究机构和院校提出了一系列的网络模型，下面我们将简单介绍目前主要的几种认知无线电模型。 IEEE 802.22IEEE 802.22第一个基于认知无线电技术的第一个全球性无线地域网（Wireless Regional Area Networks WRAN）标准。802.22系统是一种基于基站的网络架构，它利用UHF/VHF 电视广播频段（54-862MHz）, 提供一个固定的点到多点的空中接口，802.22系统的频带利用率范围为0.5到5 bit/(sec/Hz)，平均频谱利用率为3 bit/(sec/Hz)。最大覆盖范围为100Km，典型范围为33Km。它主要为农村地区提供网络服务。 CORVUS（虚拟非授权认知无线电用户系统）CORVUS是美国加州大学伯克利分校Brodersen教授提出，该系统通过协作的方式实现频谱检测和信道分配。在系统中，多个认知用户构成认知用户群，用户群群内的节点以ad hoc的方式进行通信。不同用户群之间的用户不能直接通信。用户群内用户通过通用的控制信道交换感知信息，建立次级用户通信链路。CORVUS是基于传统的OSI/ISO协议结构，主要设计到物理层和数据链路层。其中物理层包含：频频普感知、数据传输、信道估计三个模块，数据链路层包含：组管理、链路管理、MAC模块4。 频谱池系统频谱池系统是基于正交频分复用的集中式网络架构，它主要包含认知无线电基站和认知移动用户。它是由德国Karlsruhe大学的Fiedrich Jondral教授提出。其主要思想是将分配给授权用户的空闲频谱合成一个公共的频谱池。在感知阶段，各认知移动用户检测并将数据发送到基站，由基站做最终的频谱决策。然后通过基站将检测结果发送给移动用户。现阶段有关频谱池系统物理层接入、调度、频谱切换还有待研究。认知无限电网络架构还有端到端可重配置（E2R：End to End Reconfigurability）、DIMSUMnet、OCRA network、DRiVe/OverDRiVE等。自认知无线电概念提出起，国内院校（主要包括清华大学、北京交通大学、北京邮电大学、电子科技大学等）及科研机构就开始了对认知无线电技术的研究。国家科技、教育部门也大力支持在认知无线电技术的研究，如2005年国家863项目首次支持了认知无线电关键技术的研究，2007年认知无线点关键技术研究受到国家973项目支持，在每年的国家自然科学基金中认知无线电技术有关项目数量逐步增加。近年来认知无线电技术受到广泛的关注，其协议算法、理论、网络框架有了长足的发展，然而从理论到实践应用，认知无线电技术依然面临诸多挑战，很多关键技术还有待发展完善。第三章. 频谱感知技术频谱感知是认知无线电的关键技术之一，如2.2.1节所述。认知无线电能够感知周围环境变化，检测频谱空洞为认知网络提供可利用频段，监视授权用户的出现，以避免对授权用户的干扰。总的来说频谱感知技术5可以分为单节点频谱感知、协作感知和基于干扰温度的检测，如图6所示。本章我们将详细介绍这三种频谱感知技术。图 6 频谱感知技术3.1. 单节点频谱感知技术单节点频谱感知技术又叫非协作频谱感知技术，它是单个认知无线用户对授权用户发送信号的检测。单节点检测的基本数学模型如下： （3.1）其中，为高斯白噪声，为信道增益，为授权用户信号。当无授权用户时为，有信号时检测为。现有的信号检测技术主要有：能量检测、匹配滤波器检测和静态循环特征检测，下面分别介绍这三种单节点频谱检测技术特点。3.1.1. 能量检测如果接收机不能收集到足够的授权用户信号的信息，则能量检测是最佳的检测方式。能量检测也即辐射检测，由于不需要授权用户信号特征、应用方便、计算要求低等优势，能量检测是目前认知无线网络研究中应用最广泛的单节点感知技术。能量检测过程6如图7所示，能量检测器首先将检测信号通过带宽为W的带通滤波器，然后经过平方、积分后与门限值比较，以判断授权用户存在与否。图 7 能量检测原理图现有研究对能量检测已经进行了深入的研究。能量检测在非衰落信道和各种衰落信道（瑞利信道、赖斯信道、Nakagami信道等）的检测概率（）和虚警概率（）已经有了闭合的公式描述7。 高斯非衰落信道中： （3.2） （3.3）其中其中为信噪比SNR，和分别为完整和非完整伽马函数，为时间带宽积。 瑞利信道： （3.4）由于在无授权信号时，只有噪声（如式3.1所示），各种不同信道虚警概率相同且都为式3.3。在matlab仿真中我们采用尼曼-皮尔逊准则，固定检测终端接收到的授权信号信噪比为5db，信道带宽积u=5。分别在高斯白噪声信道，和瑞利信道下，通过100000蒙特卡洛检测的结果如下（sim 为实验检测结果， theory为根据相应信道检测准确率公式计算得出），实验结果（图 8）显示，理论值ROC曲线和实际检测ROC曲线一致：图 8 不同信道下能量检测仿真与理论图3.1.2. 匹配滤波器检测如果接收机已知授权用户信号特征，在高斯信道中匹配滤波器能够最大化接受到信号的信噪比，这种情况下匹配滤波器是最佳的检测探测器。匹配滤波器最大的优点是，由于解调载波于信号的相关性，它能够在最短的时间内达到很高的增益，但是它必须预先知道授权用户的信号特征（如调制方式、调制阶数、脉冲波形等）。匹配滤波器在不知道授权信号特征的情况下的检测性能是非常糟糕的。而在认知无线电网络中，授权用户信号的特征往往是很难预先知道的。因此在认知无限电网络中匹配滤波器检测几乎没有实际应用。3.1.3. 循环平稳特性检测调制信号一般都需要经过载波、脉冲序列调制、调频、循环前缀等耦合处理，因此调制信号的平均值和自相关函数都具有周期性，也即静态循环特性。循环平稳特性检测中，这些特征可以检测出来。由于噪声是宽带、静态非相关信号，而调制信号是周期和自相关信号，因此在循环平稳特性检测中可以将噪声功率和信号功率分离，这是自相关检测的最大优势。循环平稳特性检测在噪声功率不确定性方面具有更强的抵抗性。但是这种强抵抗性需要更高的计算复杂度和更长的观察时间。单节点频谱检测技术除了上述三种检测方法外还有波形检测、基于小波分析的频谱检测、似然比检测等。但能量检测，匹配滤波器检测和循环平稳特性检测是单节点检测算法中使用频率最高的检测。3.1.4. 单节点频谱感知小结本节我们详细介绍了能量检测，简单概述了匹配滤波器检测和循环平稳特性检测，总的来说，我们将这三种检测方法的优缺点概括如表1所示：表 1 单节点频谱感知方法比较感知方法优点缺点能量检测不需要预先知道授权用信号特征计算复杂度低应用方便不能检测信号类型检测准确度较低匹配滤波器检测检测时间短检测准确度最高需预先知道信号类型循环平稳特性检测抗噪声干扰能力强检测准确度较高计算量大检测时间长3.2. 多节点协作频谱感知技术在单节点频谱感知技术中，频谱检测主要是依靠本地频谱检测器进行频谱检测，但是这种检测方式检测准确度不高，而且其检测性能受多径衰落、阴影、隐藏终端问题（图9）干扰严重。协作频谱检测就是为解决这些问题而提出的检测技术。协作检测要求各个本地检测器共享本地检测结果，采用适当的数据融合技术，将本地检测结果融合，得到最终的检测结果。其目的是尽可能的提高频谱感知的准确度，减少多径衰落、阴影、隐藏终端问题对检测性能的影响。本节我们将从协作检测网络框架、协作检测数据融合技术、协作检测数据统计理论三方面详细介绍协作频谱检测技术。图 9 频谱感知中隐藏终端与多径衰落3.2.1. 协作频谱感知框架为了频谱感知分析的方便，我们根据认知用户共享频谱感知信息的方式，将协作频谱感知网络8分为集中式协作感知、分布式协作感知和转发式协作感知（如图10）。图 10 协作频谱感知框架 集中式协作感知在集中式协作频谱感知框架包含授权用户、认知用户及聚合中心，其中聚合中心控制整个协作频谱感知过程。首先，聚合中心选择感兴趣的信道或者频带，控制认知用户独立的检测频带利用情况。其次，所有的认知用户通过控制信道将本地检测结果发送到聚合中心，聚合中心采用适合的数据融合技术将本地检测结果融合，产生最终的检测结果。最后，聚合中心将最终的检测结果通过控制信道分发到各认知用户。在图10a中，CR0是聚合中心。CR1-CR5为认知用户。在信道感知阶段，所有认知用户转向选择的信道或频带（称为感知信道）与授权用户建立点对点的链路，观察授权用户的出现。在本地感知信息传输阶段，所用认知用户通过（回传信道）将本地检测结果发送到聚合中心。值得注意的是，集中式协作检测可以适用于集中式网络架构，也可以适用于分布式网络架构。在集中式网络架构中，基站可以充当聚合中心。而在分布式网络架构中，任何一个认知用户都可以被选作为聚合中心。 分布式协作感知和集中式协作频谱感知不同，分布式协作感知最终检测结果不依赖于聚合中心，认知用户通过与其他用户交互本地感知结果，最后通过融合可利用的相邻认知用户的频谱感知信息来获得最终的频谱检测结果。在图10b 中，CR1-CR5首先进行本地检测，然后和它周围有效通信范围内的认知用户交换感知信息。每个用户将本地感知信息发送给其他用户，同时采用分布式的算法从其它认知用户获得感知信息，并形成本地最终的检测结果。 转发式协作感知出了分布式协作感知和集中式协作感知外，频谱感知的第三种网络架构是转发式协作感知9, 10。这种协作感知主要是应用在感知信道和回传信道两个信道中有一个状态不佳的情景，如一个认知用户有较差感知信道和较强的回传信道，另一个认知用户有较差的回传信道和较好的感知信道。如图10c，CR1、CR4、CR5能够检测到较强的授权用户信号，而他们的回传信道信号较弱。而CR2和CR2在回传信道上信号较强，因此CR2和CR3可以作为CR11、CR4、CR5将感知结果发送到聚合中心的转发节点。这样，能够检测到较强授权信号的认知用户将感知结果发送给有强的回传信号的认知用户，有较强回传信号的认知用户再将感知信息发送到聚合中心，这种方式能够减少由于信道原因造成的感知信息在传输过程中的错误。从而提高协作频谱感知的准确性。3.2.2. 协作频谱感知数据融合技术数据融合技术是协作频谱检测的重要组成部分，在协作感知中，回传感知结果的数据类型、大小根据其回传信道带宽不同而不同。我们根据回传到聚合中心或分布式协作感知网络中其他相邻节点的本地感知结果的所需要的控制信道带宽，将融合技术分为软融合技术和硬融合技术。其中软融合是指认知用户将本地感知样本完全发送给聚合中心，融合中心采用全部的检测统计数据来做数据融合，硬融合技术是指认知用户首先做本地检测，然后向聚合中心发送1比特的感知结果，融合中心采用这些1bit数据来融合得到最终检测结果。研究表明软融合技术由于能够利用所有的检测信息，其检测准确度是最高的。硬决策由于在本地检测中丢失部分感知信息，因此其频谱检测准确率相对较低。但是软融合技术在感知信息交互过程中，需要交互的感知信息数量相对较多，这将造成信道利用率的降低。而硬融合技术只交互1bit的信息，所以其回传信道占用带宽较低。 硬融合技术当本地二进制检测结果发送到聚合中心，聚合中心将采用合适的聚合准则来获得最终的检测结果。常见的硬融合准则有：AND、OR和K-out-of-N准则。我们假设为第个认知用户的本地检测结果，为最终的检测结果。其中，1表示检测频段授权用户存在，而0表示检测频段空闲。当采用AND准则时，只有当所有认知用户的本地检测结果都为1时，最终检测结果。采用OR准则时，只要有一个认知用户的检测结果为1是，最终检测结果。三种硬判决中，AND和OR准则是K-out-of-N的两个特例，即，当K=N时为AND准则，K=1时为OR准则。K-out-of-N检测的虚警概率和检测概率表达式如下： （3.5） （3.6）将表达式（3.5）和（3.6）中K换为1或N就是OR准则和AND准则的表达式。相关研究表明，当协作认知用户数量较多时，OR准则有较好的检测性能，当用户数量较少时AND准则有较好的检测性能。 软融合技术 传统的软融合技术主要有等增益合并（EGC）、最大比值合并（MRC）和选择式合并(SC)。增益合并是指聚合中心等权重的采用所用认知用户感知信息进行判决的技术，这种聚合技术在当每个认知用户检测到的信号信噪比相同时是最佳聚合方式。最大比值合并是聚合过程中为每个认知用户的感知信息乘以适当的增益系数再进行判决的技术。选择式合并是聚合中心选择接受信号信噪比最大的认知用户的感知信息进行判决的技术。参考文献7利用能量检测详细分析了这三种软融合方式在瑞丽衰落信道下的性能，结果显示EGC和单节点能量检测相比可以获得两个数量级的检测增益，而SC和MRC有近一个数量级的检测增益。3.2.3. 协作频谱感知统计信号检测理论统计信号检测理论是主要研究随机信号在干扰环境中信号检测及其数据统计的理论，其数学基础是统计判决理论。认知无线电频谱感知就是统计检测理论中二元信号检测，其检测模型如图11： 图 11 二元信号统计检测模型信源输出有两种情况或，其中指新源不发送信号，指新源发送信号；接受端需要对信号进行检测、判决以检测信道的利用情况。在认知无线电网络中频谱检测就是授权信号检测判决过程，其常用的统计信号检测理论有贝叶斯准则、尼曼-皮尔逊准则和序贯检测，本节我们将详细介绍三种检测理论。 贝叶斯准则在信号判决中可能出现4中判决结果，其中表示信源发送信号状态，表示信源发送信号，反之不发送信号，为检测结果，表示检测到新信道中授权信号，反之没有检测到信号。判决节结果是评价检测性能的重要指标，但是仅考虑是不够的。如在认知无线电网络中，相关政策规定，非授权用户不能对授权用户造成干扰。在频谱检测中，如果检测结果为，即当授权信号存在时，如果认知用户没有检测到授权信号的存在，认知用户将接入该授权频段，这将严重干扰授权用户的正常通信。为解决这种问题，贝叶斯准则考虑到每种判决所付出的代价一般是不一样的，为每种判决引入了代价因子，代价因子表示假设为真时，判决为所付出的代价。越不希望出现的判决结果分配的代价因子越高。因此在频谱检测中，为减少认知用户对授权用户的干扰，也即使概率尽可能低，我们可以分配给这种判一个较大的代价因子。显然合理的代价因子应满足，。贝叶斯准则就是在假设先验概率和代价因子已知的条件下使平均代价最小的准则，其判决式如下： （3.7）其中为判决结果，和为信源发送信号或空闲的概率。 尼曼-皮尔逊准则在贝叶斯准则中，我们必须事先知道先验概率，为各种判决分配合适的代价因子。但是在实际信号检测中我们可能即不知道先验概率，也无法分配合适的代价因子。为适应这种情况，并考虑到在检测中，人们最关心的是和的概率，希望尽可能小而尽可能大，但在信噪比一定时，增大，判决门限将降低，这将使也随着增大。为此人们提出了尼曼皮尔逊准则（N-P准则），N-P准则就是在虚警概率约束条件下，使正确判决概率最大的准则。N-P准则不依赖于先验概率和代价因子，但是它需要预先知道信源在发送信号或空闲时信号服从的概率分布。其次在检测中，需要预先设置最大可接受的虚警概率或漏检概率值。通过其中一个值可以计算得出使另一个检测概率最小的门限值。其判决表达式为: (3.8) 序贯检测前面讨论的两种检测理论都是观察次数固定的检测，在实际应用中，如果检测到的信号信噪比足够大，我们只需要较少的观测次数就可以做出正确的判决。序贯检测的观测样本数是不固定，它依次对获得的样本数据进行分析，如满足判决条件则做出判决，结束这次检测，否则继续检测。序贯检测最大的优势是：它能提供最大可接受虚警概率和漏检概率的边界，在满足这些指标的同时，所需要的样本数最少，平均检测时间最短。其检测过程如下为，当前n-1次不能获得满足指标的判决数据，则继续第n次检测，第n检测变量更新如下： （3.9）其中 n小于总样本数。根据以下判决条件做出判决： （3.10）其中和。3.3. 干扰温度检测图 12 干扰温度模型传统的干扰被看成是发射机为中心的干扰，即可以通过控制发射机的功率、发射机位置等方式来减少对接受段的干扰。然而实际应用中，干扰的测量是在接收端进行的，接收端的干扰可能由于其他干扰源的出现造成的，发送端得干扰控制可能不在适应。为解决这种不对称的干扰机制，美国FCC提出了一种新型的管理和量化干扰的模型，即干扰温度。这种干扰模型（如图12），使得人们从传统的对发射机的干扰控制转向发射机和接收机以自适应交互方式进行的实时控制。干扰温度提供了在特定地点和频段，接收机可接受的最大干扰。在干扰温度模型中，在接收侧进行干扰温度测量，任何信号对接收端的干扰超过其干扰门限都是对系统有害的。对于一个给定的频段，只要非授权用户对授权用户的干扰不超过干扰门限，它们就可以利用这个频段，干扰温度对第二用户的功率起到了限制作用。目前干扰温度检测模型主要应用在采用垫底式频谱共享方式的通信技术中，如UWB系统。干扰温度检测模型应用在认知无线电技术中，存在不小挑战。目前没有任何有效测量授权用户干扰的方法，由于授权用户接收端被动的接受信号，而认知用户无法知道授权用户接收端的准确位置，所以认知用户无法测量到它们的传输对授权用户接受机的影响。即对授权用户干扰温度的测量是不可行的，因此在认知无线电网络中，干扰温度基本没有得到应用，它主要应用在UWB技术中。第四章. 基于信誉的权重序贯对数似然比的协作频谱检测算法4.1. 认知无线电网络频谱检测安全性概述协作频谱检测可以使认知无线电网络更加准确的检测到可用频段或授权用户的出现。协作频谱检测将各个认知用户的感知信息集中并融合得到最终的感知结果。然而在协作检测中，一些认知用户为获得比其他认知用户更高的接入权，它们可能在系统频谱感知期间发送模拟的授权用户信号，或者在没有检测到授权信号时发送授权信号存在的感知信息，试图使聚合最终结果判定为授权信号存在，使其他用户不能利用该信道，以避免频带接入的竞争。上例中在系统感知期间发送模拟的授权用户信号也即模拟授权用户攻击，而发送错误感知信息的攻击也叫拜占庭攻击 或数据混淆攻击，本节我们主要介绍认知无线电网络频谱检测面临的两个安全问题：频谱感知数据混淆攻击和模拟授权用户攻击，及现有文献针对这两种攻击提出的解决方案。 模拟授权用户攻击（Incumbent Emulation Attacks IE）认知无线电网络中，如果在授权频带检测到授权用户存在，认知用户将避免接入此频段。如果在授权频带没有检测到授权用户存在或者检测到其他认知用户信号的存在，则该认知用户将与其它认知用户共享此频段。也就是说，授权用户比认知用户拥更高的接入权。在模拟授权用户攻击（后文用IE代替）中，恶意用户通过改变自身传输参数如载波频谱，频宽，调制方式来模仿授权用户的信号特征来获得更高的接入权（如图13）。由于认知无线电的技术特征，所有认知用户都有成为IE用户攻击者得功能，因此在实际应用中如何避免IE攻击，是协作频谱检测面临的主要问题。为保证协作频谱检测在IE攻击下的准确度，认知用户必须能分辨授权用户信号和模拟恶意用户信号，显然IE攻击下能量检测检测准确度是最低的，它只能通过测量信号强度来确认有无信号，而不能检测到信号的特征。循环特性频谱检测能够检测到信号的特征，因此在IE攻击模式下，循环特性频谱检测技术是一种高准确度的检测。现有研究针对IE攻击的频谱检测技术主要有：距离比测试（Distance Radio Test DRT）和距离差分测试（Distance Different Test DDT），这两种技术都是基于位置测量来实现授权用户检测。认知用户检测并确定授权用户的位置，在后续频谱检测中，一旦检测到的授权用户的位置发生变化，则判定为模拟授权信号攻击用户。这种基于位置的IE攻击方式适合于IEEE802.22固定架构网络，而在移动网络无法使用。 频谱感知数据混淆攻击认知无线电网络协作频谱检测第二种安全问题就是频谱感知数据混淆攻击，数据混淆恶意用户将错误的本地检测信息发送到数据融合中心，意图使聚合中心做出错误的频谱决策，如图13右下方所示。频谱感知数据混淆攻击主要有Always-Yes、Always-No、概率攻击三类。Always-Yes攻击是恶意用户一直发送授权信号存在信息的攻击方式，Always-No攻击是恶意用户一直发送授权信号不存在的攻击方式，而概率攻击是指恶意用具以一定概率发送错误感知信息的攻击方式。恶意用户将错误的频谱检测信息发送到数据中心，为使协作频谱感知在SSDF攻击下依然有较高的检测准确度，聚合中心需要辨认并剔除恶意用户的检测信息。现有的频谱检测数据融合算法如硬判决、贝叶斯准则、尼曼-皮尔逊准则等固定样本数的检测融合技术平等对待所有认知用户的频谱检测信息，恶意用户的混淆感知信息和正常用户感知信息在数据融合中的权重相同，恶意用户的信息将严重影响最终检测结果。文献11详细概况了现有的具有较强抗SSDF攻击能力的数据融合技术：序贯似然比检测和信誉度检测。序贯似然比检测是样本数可变的一种数据融合技术，他可以在单个认知检测终端，检测准确度不高的情况下，通过收集更多样本数量来保证判决中虚警概率和漏检概率的边界。而基于信誉度的检测可以使聚合中心根据各个终端检测准确度来衡量终端发送信息的可靠性。从而辨认出恶意用户，减少恶意信息对最终感知信息的干扰。本章我们主要研究SSDF攻击下的数据融合技术，提出了改进的基于信誉的权重序贯对数似然比检测算法（Advanced Reputation-Based Weight Sequential Probability Radio Test AWSPRT），并将AWSPRT和现有的数据融合技术进行了仿真对比，数据显示，在Always-Yes、Always-No、概率攻击下，我们的算法检测准确度更高，性能最稳定。图 13 频谱感知安全威胁模型4.2. 系统模型与统计数据分析我们的认知无线网络模型中，有一个授权用户PU，N个认知用户（包括正常用户和恶意用户），M个恶意用户。信道带宽为W，认知用户周期检测信道，检测时间为T。授权信道为高斯非衰落信道，所有认知用户通过分布式协作检测的方式监视授权用户所在信道如图14。图 14 系统模型每个认知用户本地频谱检测采用能量检测，其基本检测模型如式： （4.1）其中为高斯白噪声，为信道增益，为授权用户信号。当无授权用户时为，有信号时检测为。能量检测器通过滤波、采样、平方、积分获得统计数据如下：（4.2）样本序号，u=2WT。由（3.1）式我们知道服从正态分布。则根据中心极限定理，若u足够大，也服从正态分布12： （4.3）其中为授权信号在认知用户端的信噪比。令，；，。则其概率密度函数为（4.4）对数似然比检测统计量： （4.5）化简后，可得： （4.6）其中，。4.3基于信誉的序贯似然比检测算法文献13中，作者提出了基于信誉度的序贯似然比检测（WSPRT），这种检测算法能够大大的提高频谱检测概率，并对SSDF攻击具有很强的抗干扰能力。但是这个算法只使用与恶意用户与授权用户同时进入网络这一特定场合，考虑到实际应用中，恶意用户可能长期部署在网络中，而正常认知用户处于流动状态。若恶意用户以大于50%（假设为51%）准确度发送错误信息。经过M次检测后恶意用户的信誉值期望值为，当M足够大时，恶意用户将分配到极大信誉值。假设在经过大量检测次数后，高信誉度的正常认知用户全部离开网络，而新的认知用户加入网络，这些正常认知用户的信誉值非常小，在聚合过程中，根据文中的权重算法，新加入的用户的感知信息权重将很小，也就是说其感知几乎不起到任何作用。最终检测结果将由恶意用户控制。基于上述分析，考虑了认知用户的移动性，并综合考虑SSDF 三种攻击类型、授权