基于感知信任度的加权协作感知算法研究

"本文介绍了一种基于感知信任度的加权协作感知算法，该算法应用于无线通信中的协作频谱感知，旨在提高主用户检测概率，增强系统的可靠性和有效性。" 在无线通信领域，特别是在认知无线电网络中，协作频谱感知是一项关键技术。传统的非协作感知方法存在不确定性，容易受到噪声、干扰以及传感器节点自身的硬件限制等因素的影响，从而降低对主用户（Primary User, PU）存在的检测准确率。为了解决这些问题，研究者提出了协作频谱感知方法，通过多个次用户（Secondary User, SU）共享信息和数据融合来提高整体感知的可靠性。 本文提出的算法是在加权数据融合基础上的创新。传统加权数据融合算法根据每个SU的检测结果赋予不同的权重来综合判断PU的存在，但并未考虑SU之间的信任度差异。孟令文、李方伟和朱江的这项研究则引入了感知信任度的概念，设计了一个信任度函数，用于评估每个SU在感知过程中的可信程度。这个信任度因子会根据SU的历史行为、通信质量等多种因素动态调整，以反映SU在协作感知中的实际表现。 在算法实施过程中，首先，每个SU进行独立的频谱感知并报告其检测结果。然后，利用信任度函数计算出每个SU的信任度，这一步骤有助于过滤掉不准确或不可靠的信息。最后，依据这些信任度值对SU的检测结果进行加权融合，以得出最终的PU存在与否的决策。 仿真结果显示，这种基于信任度的自适应数据融合算法能有效提升PU的检测概率，增强了系统对环境变化的适应性，特别是在SU拓扑变化的情况下。相比于传统的加权数据融合准则，该算法表现出更优的检测性能，进一步提高了认知无线电网络的安全性和效率。 这项研究为认知无线电网络中的协同感知提供了一种新的策略，通过感知信任度的量化和利用，能够更好地处理感知不确定性，优化数据融合过程，从而提高整个系统的整体性能。这一方法对于未来无线通信网络的设计和优化具有重要的理论与实践意义。