在改进遗传算法基础上无线电序贯检测算法研究

第一章引言

1.1认知无线电的特点
由于无线通信的业务需求以及目前无线通信设备数量的快速增长，当前频谱资源越来越紧张，人们已经通过如自适应编码、自适应调制、多天线技术和多载波技术等提高频谱效率。但是目前研究表明，传统的静态频谱使用政策导致频谱资源的利用有很大的不均衡性，一些非授权频段业务繁忙，另外一些全球授权频段，尤其是一些低频段的频谱利用率极低[1]。
美国联邦通信委员会（FederalCommunications Commission, FCC)的研究报告中指出了上面的问题。美国国家无线电网络研究实验(National Radio Network Research Testbed, NRNRT)项目测量报告中指出，3GHz以下频谱的平均利用率仅仅接近5.2%[2]。因此近几年来，能够提高频谱资源利用率的频谱共享技术受到了人们的广泛关注，成为了通信领域的热点问题。现有的频谱共享技术如工业、科学和医用(Industrial, Scientific, and Medical,ISM)频段开放接入，超宽带(Ultra-Wide Band, UWB)系统与传统窄带系统共存等技术，一般用于固定频段的共享，或发送功率有限的短距离通信。这些技术虽然能够一定程度上提高频谱效率，但也会增加系统干扰，对通信系统的容量提升和灵活性造成一定影响。
认知无线电（Cognitive Radio, CR) [3][41依靠智能分配算法的支持，能够感知外界无线环境，根据用户的不同需求，通过学习和决策来改变无线终端工作参数，动态的检测以及利用空闲频谱。CR允许在时间、频率以及空间上进行频谱复用，大大降低了频谱对无线设备应用的束缚[5]。CR作为一个可以感知外界环境的智能系统，其核心思想是通过检测空闲状态的频谱，在不影响己授权用户正常工作的前提下，将空闲频段分配给其他需要通信的用户，从而使频谱得到更有效的利用。这是一种通过智能频谱管理从而解决频谱资源短缺的最有效的系统[6]。 CR基于对周围无线环境的感知而自动改变发送和接收参数，其认知功能主要依靠自身的主动频谱感知能力，并基于智能算法与其他用户进行协作[7]。 CR设备的两个主要特征如下：
(1)认知能力使CR终端从其工作的环境中获得信息，其可以检测一些频段的功率，并获取无线电环境的变化以避免对其他用户干扰。通过对频谱的检测以选择适合的频段及工作参数[8]。这一能力可以用图1-1所示的认知环解释，频谱感知环节检测无线环境，找到频谱空穴，感知授权用户是否出现；频谱分析环节判断频谱空穴的特征；频谱判决环节根据用户需求以及频谱空穴的特征选择合适的工作参数。
(2)重构能力使CR终端根据无线环境的变化改变自身参数，从而允许其使用不同的传输方案收发数据。CR终端可以重配置的参数有工作频段、滚降系数、调制方式、发射功率等。重构的主要目的是在对频谱授权用户不产生干扰的前提下，利用空闲频谱为认知用户提供数据传输通道。一旦授权用户使用该频段，CR终端必须做出改变以保证授权用户正常工作，主要可以进行以下两种方式的重构：1、切换到其它信道；2、改变传输参数以避免对授权用户的干扰。

1. 2认知无线电的产生
随着无线技术的发展，当前无线通信领域多种通信体质并存，单纯以硬件为主的无线通信系统已经很难适应这种局面。为了克服这一缺点，Mitola博士首先提出了软件无线电（Software Defined Radio, SDR)的概念，即通过建立通用硬件平台，将无线通信中的各种参数等通过软件控制实现，以提高系统的兼容性和开放性。随着技术的发展，人们对无线电设备又提出了更多的要求：1、有足够的适应能力来实现与其他技术共存；2、可以作为使用不同技术网络之间的网管；3、可以自动发现可用频谱并配置系统参数进行工作。SDR技术可以满足前两点要求，为了满足第3点要求，Mitola提出了 CR的思想[3][4], CR引入了智能算法，能够将软件无线电对预定要求的盲目执行转化为可以根据无线环境及用户要求智能调整通信参数，更好的完成用户需求。

1.3论文内容安排
本文主要研究了认知无线电中的两项关键技术。对现有协作频谱检测中数据混淆攻击进行了学习，针对序贯检测算法的不足进行了改进，引入了恶意用户剔除和CR终端权值分配。同时根据认知无线电的重配置能力，使用遗传算法进行CR系统中各项参数的多目标优化，针对现有遗传算法容易陷入局部最优的缺点进行了改进，引入了适应度函数变换和自适应的交叉、变异概率。

第二章频谱感知技术及遗传算法 ...................14-28
    2.1 频谱感知技术简介 ...................14-15
    2.2 单节点感知 ...................15-18
    2.3 基于接收机信号的检测 ...................18-20
    2.4 协作感知 ...................20-23
    2.5 多目标优化算法简介 ...................23-25
    2.6 基本遗传算法 ...................25-27
    2.7 本章小结 ...................27-28
第三章恶意用户剔除序贯检测算法 ...................28-42
    3.1 认知无线电网络的安全需求 ...................28-30
    3.2 认知无线电网络的安全威胁 ...................30-32
    3.3 针对恶意攻击的防御机制 ...................32-33
    3.4 协作感知系统模型 ...................33
    3.5 恶意用户剔除的序贯似然比检测 ...................33-35
    3.6 仿真结果及分析 ...................35-41
    3.7 本章小结 ...................41-42
第四章基于遗传算法的认知无线电参数优化 ...................42-58
    4.1 基于遗传算法的认知引擎模型 ...................42
    4.2 射频环境下认知无线电的参数优化 ...................42-43
    4.3 基于遗传算法的认知无线电参数优化算法设计 ..............43-49
    4.4 参数优化算法的改进 ...................49-52
    4.5 仿真及性能对比 ...................52-57
        4.5.1 基于简单遗传算法的仿真 ...................52-54
        4.5.2 基于改进遗传算法的性能仿真 ...................54-57
    4.6 本章小结 ...................57-58

结论

认知无线电技术是是一种能够灵活利用当前未占用频段的无线通信新技术，其目标为解决日益严重频谱匮乏问题。认知无线电的重要特性为感知外界频谱占用情况进行频谱分配再利用，并根据通信环境以及用户需求对通信参数进行重配置以达到尽可能优化的通信性能。针对此问题，国内外已经有很多科研机构进行了大量的研究，取得了较好的成绩。
由于认知无线电的灵活性，以及无线通信的固有特性，CRN十分容易受到恶意用户干扰，造成系统性能下降。在频谱感知过程中，如果有恶意用户存在，在网络中上进行Always-Yes攻击、Always-No攻击或者概率攻击，这会极大的影响频谱感知的准确性。在恶意攻击用户数量较少时，使用序贯检测检测准确度会提高，但是随着恶意用户数的增多，其性能会随之下降。为此文章引入了带恶意用户剔除功能的权值序贯检测算法。使用此算法，在三种攻击下检测准确度都较高，并且不会导致检测所需样本数量的增加。
然而改进的算法只是针对各用户提交的结果，进行聚合后得到信道占用信息，然后对比聚合中心记录的各用户的检测结果进行权值分配，对检测结果误差较大的用户进行剔除。使用此种算法无法将恶意用户从系统中排除，只是忽略了其检测结果。