認知無線電中基于加強學習的協(xié)作節(jié)點選擇機制.pdf

1、隨著無線寬帶通信的迅速發(fā)展和物聯(lián)網(wǎng)的大規(guī)模應用，越來越多的設備需要分配無線頻譜。這些設備對頻譜的需求絕不是如今固定分配的移動通信和無線接入頻率所能承載的。認知無線電是一項有效解決頻譜資源利用率不足的技術，越來越多地受到國內(nèi)外學者和研究機構的廣泛關注。
　　認知無線電中，協(xié)作頻譜檢測技術可以有效地提高系統(tǒng)的檢測性能。但是也會由于干擾器、偽造數(shù)據(jù)、拒絕服務等安全威脅或深度陰影衰落等環(huán)境因素導致協(xié)作節(jié)點不可靠。一旦融合中心選擇這些不可靠

2、的節(jié)點進行數(shù)據(jù)融合，將嚴重影響判決結果的準確性。因此，如何有效地選擇可靠節(jié)點進行數(shù)據(jù)融合是協(xié)作頻譜感知中一個重要的問題。
　　本文的主要研究場景為集中式協(xié)作檢測，數(shù)據(jù)融合中心從協(xié)作檢測的N個節(jié)點中選擇M個可靠節(jié)點收集融合感知結果，并對頻譜占用情況作出判決。本文在調(diào)查現(xiàn)有研究成果的基礎上，采用加強學習算法的TD算法來實現(xiàn)可靠節(jié)點的選擇。數(shù)據(jù)融合中心以最小化主用戶干擾的同時，最大化頻譜資源利用率作為目標函數(shù)，以上報結果與融合結果相符作

3、為回報值進行加強學習，計算每個協(xié)作節(jié)點的適用度因子。數(shù)據(jù)融合中心從潛在協(xié)作節(jié)點中選擇適用度因子排名較高的前M個協(xié)作節(jié)點作為數(shù)據(jù)融合的協(xié)作節(jié)點。本文在初始化場景中令協(xié)作節(jié)點在不同的應用周期有不同的漏警概率和誤警概率。仿真結果表明，該算法可以較好的動態(tài)跟蹤各協(xié)作節(jié)點的變化情況，選擇漏警概率和誤警概率較低的節(jié)點作為數(shù)據(jù)融合節(jié)點，并根據(jù)變化情況對進行數(shù)據(jù)融合的協(xié)作節(jié)點進行實時調(diào)整。本文還分析了“K out of N”數(shù)據(jù)融合準則中K值和N值的變