认知无人机网络中多机协作频谱感知研究

发布时间：2021-03-20 21:19

　　多无人机协同工作模式在未来通信中有着重要的应用前景。结合频谱资源短缺的问题,建立认知无人机网络模型,并研究多机协作频谱感知性能,提出一种最佳融合准则来优化检测性能。针对无人机数量较多的大型认知无人机网络,提出一种快速高效的协作频谱感知算法,并比较该算法在瑞利衰落以及Nakagami衰落2种信道环境下的性能。仿真结果表明:①采用最佳融合准则可以使协作频谱感知总错误率达到最小;②快速协作频谱感知算法可以利用较少的无人机来保证协作频谱感知的检测准确度,避免了不必要的感知过程,减少了参与协作频谱感知的次级用户数量,降低了协作感知时间,从而节省了感知过程开销,而且相比于瑞利衰落信道,该算法在Nakagami衰落信道环境下具有更好的性能。 

【文章来源】：空军工程大学学报(自然科学版). 2020,21(01)北大核心CSCD

【文章页数】：7 页

【部分图文】：

多机协作感知模型

由图2可知，2种信道环境下的总错误率曲线均存在唯一极小值，对应最佳能量检测门限λ，且随着λ的增加，FC的最佳决策阈值n减小。这是因为随着λ的增加，CSS的虚警概率Qf减小，漏检概率Qm增加，当λ小于最佳能量检测门限时虚警概率的减小幅度大于漏检概率的增加幅度，而当λ大于最佳能量检测门限时则相反，所以总错误率Qf+Qm呈现先减小后增加的趋势。当能量检测门限较小时，较大的决策阈值n可以克服虚警概率Qf增加带来的影响，此时，“AND”准则为最佳准则，即nopt=6。同理，当能量检测门限较大时，较小的决策阈值n可以克服漏检概率Qm增加带来的影响，此时，“OR”准则为最佳准则，即nopt=1。图3给出当SNR=0,5,10,15dB时，“OR”准则和“AND”准则在瑞利衰落环境下能量检测门限与CSS总错误率的关系曲线，由图3可知，随着SNR的增加，“OR”准则和“AND”准则的总错误率最小值逐渐减小，且总错误率最小值对应的最佳能量检测门限逐渐增加。

由图4可知，利用最佳融合准则，无论能量检测门限λ取何值，总可以得到与之对应的最佳决策阈值nopt，使CSS的总错误率最小。对比2种信道环境下的CSS总错误率曲线可知，当能量检测门限λ≤47.5时，采用最佳融合准则的CSS在Nakagami衰落信道（m=3）环境下性能更好，具有更小的总错误率。图4 K=6,SNR=10dB,2种信道环境下采用最佳融合准则时CSS的总错误率曲线

【参考文献】：
期刊论文
[1]双机协作的频谱感知算法[J]. 郝博雅,周辉,孙斌.  四川兵工学报. 2012(02)



本文编号：3091685