基于信譽度的頻譜感知數(shù)據(jù)融合算法

余 峰，宋春林，談彩萍，江興歌

（①同濟大學(xué) 電子與信息工程學(xué)院，上海 200092；②中國石油化工股份有限公司 無錫石油地質(zhì)研究所，江蘇 無錫 214151）

0 引言

伴隨著無線通信技術(shù)的高速發(fā)展，近年來，頻譜資源緊張的問題已經(jīng)越來越引起人們的重視[1]。米托拉博士[2]提出了認知無線電技術(shù)，使得無線通信設(shè)備具有發(fā)現(xiàn)可以被利用的頻譜資源并合理利用的能力。

可靠的頻譜檢測是認知無線電網(wǎng)絡(luò)中重要的一環(huán)。研究表明[3-7]，協(xié)作頻譜檢測能夠得到更好的性能。但是這也引出了頻譜感知數(shù)據(jù)篡改（SSDF，Spectrum Sensing Data falsification）攻擊的問題[8]。對此，文獻[9]提出了一種加權(quán)序貫概率比檢測（WSPRT，Weighted Sequential Probability Ratio Test）算法，融合中心通過對認知用戶設(shè)置信譽度來提供相應(yīng)的加權(quán)系數(shù)。文獻[10]提出了一種改進的算法，通過設(shè)置滑動窗口和多線程處理方法來解決問題。上述算法或?qū)?fù)雜的 SSDF攻擊的抵御性能提升不夠大，或過于復(fù)雜。

在此提出一種基于信譽度的頻譜感知數(shù)據(jù)融合改進算法。算法通過在融合中心設(shè)置記憶字節(jié)，記錄各認知用戶最近的判決結(jié)果的符合情況。然后通過其判決結(jié)果的正確率來判斷是否存在SSDF攻擊，進而設(shè)置不同的加權(quán)系數(shù)，最終使融合中心得到更為精準(zhǔn)的判決結(jié)果。

1 系統(tǒng)模型

在圖1中，S0代表數(shù)據(jù)融合中心，Si（i=1,2,…,n,n代表認知用戶個數(shù)）代表第i個認知用戶傳給融合中心的頻譜檢測結(jié)果，Mi代表第i個認知用戶接收到的由授權(quán)用戶發(fā)送的信號。輸出S為二進制信息，代表融合中心最后的判決結(jié)果?！?”表示授權(quán)用戶存在，用 H1表示，“0”表示授權(quán)用戶不存在，用H0表示。

圖1 認知無線網(wǎng)絡(luò)框架模型

融合中心可以通過下列公式做出判決：貝葉斯檢測[11]：

Cjk(j=0, 1; k=0, 1)表示判決為Hj而實際為Hk。奈曼-皮爾森檢測：

λ由誤警或漏報概率計算而得。

2 加權(quán)序貫概率比檢測算法

上述傳統(tǒng)的算法，并未考慮存在 SSDF攻擊的存在。為此，加權(quán)序貫概率比檢測算法引入了認知用戶信譽度 ri并初始化為0。當(dāng)每次認知用戶檢測結(jié)果與融合中心判決結(jié)果一致時將其信譽度加 1，否則減1，用公式可以表示為：再對 ir做函數(shù)變換：

式(3)中g(shù)(>0)為一經(jīng)驗值，一般取g=5。

然后通過更改式(1)、式(2)左邊部分得到公式(4)：這樣便將認知用戶信譽度與判決結(jié)果融合了起來。最后通過比較 nW 的值來得到判定結(jié)果。判斷條件如下：

其中0η和1η的值由式(6)確定：

加權(quán)序貫概率比檢測算法通過對不同信譽度的認知用戶設(shè)置不同的加權(quán)來得到判決結(jié)果。

3 改進的加權(quán)序貫概率比檢測算法

加權(quán)序貫概率比檢測算法只考慮了時間一維因素，并未對認知用戶最近的判決結(jié)果加以記錄，故不能適應(yīng)用戶短時期的劇烈變化，導(dǎo)致系統(tǒng)性能的降低。為此考慮引入記憶字節(jié)，共有N位并初始為全0，對各認知用戶最近的N次檢查結(jié)果是否符合加以記錄，比特位 bi1=(Si+S)mod2，然后將記憶字節(jié)左移，將當(dāng)前比特位 bi1移入記憶字節(jié)的最右端，如圖2所示。 bi1取值如下：

由此，可以引入檢測準(zhǔn)確率，及認知用戶過往N次中檢測結(jié)果與融合中心判決結(jié)果符合的次數(shù)比例。準(zhǔn)確率計算公式如下：

考慮到 SSDF攻擊或者認知用戶環(huán)境改變會造成短期發(fā)送一連串錯誤檢測結(jié)果，所以判決中心應(yīng)計算各認知用戶在前N次中檢測結(jié)果的準(zhǔn)確率，對于準(zhǔn)確率低于閾值0φ的認知用戶應(yīng)當(dāng)進行屏蔽，對于準(zhǔn)確率高于閾值0φ的認知用戶也應(yīng)改變其相應(yīng)的權(quán)值。

圖2 記憶字節(jié)模型

故式(3)可以演變?yōu)槭?9)：

式(4)可以演變?yōu)槭?10)：

考慮到SSDF攻擊不存著的場景下，系統(tǒng)工作已經(jīng)很穩(wěn)定，此時前K次認知用戶總的判斷符合率應(yīng)趨于穩(wěn)定，故可由此判定是否需要繼續(xù)使用加權(quán)序貫概率比檢測算法，從而提升系統(tǒng)性能。符合率計算公式(11)：

當(dāng)連續(xù)K個β的值大于閾值1φ時，直接使用AND或者OR融合，否則啟用加權(quán)序貫概率比檢測算法。

算法實現(xiàn)過程如下：

1）? i, ri=0, bi=0。

2）對融合中心每次判決{。

3）計算β，判斷是否連續(xù)K個β的值大于閾值1φ，是則跳至步驟10。

4）取出認知用戶i的檢測報告。

8）若 W n ≥η1，判為H1，跳至步驟11。

9）若 W n ≤η0，判為H0，跳至步驟11。

10）使用AND或者OR融合算法計算各認知用戶的檢測結(jié)果。

12）}。

4 仿真與分析

以下通過仿真對AND準(zhǔn)則檢測、加權(quán)序貫概率比檢測及改進算法進行分析比較。假設(shè)各認知用戶之間互相獨立，其中惡意節(jié)點數(shù)目不定，部分參數(shù)已在表1中列出?？偣策M行500次周期檢測，并且從100次以后惡意節(jié)點開始攻擊。

表1 部分仿真參數(shù)設(shè)置

由圖3可知，當(dāng)系統(tǒng)運行到100次以后惡意節(jié)點開始攻擊時，AND準(zhǔn)則檢測依然維持著0.8左右的正確檢測率，而加權(quán)序貫概率比檢測算法較之能夠得到更高的正確檢測率，整體維持在 0.9上下。但隨著惡意節(jié)點數(shù)目的增加，正確檢測率逐漸下降，而改進算法能夠得到比加權(quán)序貫概率比檢測算法更高的正確檢測率，性能提高了約0.02。

圖3 惡意節(jié)點數(shù)目與正確檢測率

5 結(jié)語

在此提出了一種基于信譽度的頻譜感知數(shù)據(jù)融合改進算法。相對于加權(quán)序貫概率比檢測算法，該算法通過記錄一段時期內(nèi)認知用戶的檢測結(jié)果符合記錄，從而能更有效的適應(yīng)認知用戶與惡意節(jié)點之間的相互轉(zhuǎn)變，從而提升系統(tǒng)的判決準(zhǔn)確率。同時有效地提升了當(dāng)惡意節(jié)點不存在時系統(tǒng)的效率。系統(tǒng)仿真結(jié)果表明，該算法與加權(quán)序貫概率比檢測算法相比，明顯改善了頻譜感知的性能。

[1] WILLKOMM D, GROSS J, WOLISZ A. Reliable Link Maintenance in Cognitive Radio Systems[C].USA:IEEE Computer Society, 2005: 371-378.

[2] MITOLA J. Cognitive Radio: An Integrated Agent Architecture for Software Defined Radio[D]. Sweden:Royal Institute of Technology (KTH), 2000.

[3] 劉元,彭端,陳楚.認知無線電的關(guān)鍵技術(shù)和應(yīng)用研究[J].通信技術(shù)，2007，40(07)：19-21.

[4] 李鵬，俎云霄.一種新的認知無線電頻譜感知方法[J].通信技術(shù)，2009，42(12)：93-97.

[5] 譚學(xué)治，姜靖，孫洪劍.認知無線電的頻譜感知技術(shù)研究[J]. 信息安全與通信保密，2007，23 (07)：65-68.

[6] 梁燕芬，殷瑞祥.認知無線電技術(shù)[J]. 信息安全與通信保密，2007，11(03)：121-124.

[7] 劉玉濤，譚學(xué)治.認知無線電及其原始用戶檢測[J]. 信息安全與通信保密，2008，10(01)：31-34.

[8] CHEN R, PARK J M, HOH Y T. Toward Secure Distributed Spectrum Sensing in Cognitive Radio Networks[J].IEEE Communications Magazine, 2008, 46(04): 50-55.

[9] CHEN R, PARK J M, BIAN K. Robust Distributed Spectrum Sensing in Cognitive Radio Networks[C].USA: IEEE, 2008: 1876-1884.

[10] GAO FENG, YUAN WEI, LIU WEI. A Robust and Efficient Cooperative Spectrum Sensing Scheme in Cognitive Radio Networks[C].USA: IEEE, 2010: 1-5.

[11] BETTSTETTER C, RESTA G, SANTI P. The Node Distribution of the Random Waypoint Mobility Model for Wireless Ad Hoc Networks[J]. IEEE Transactions on Mobile Computing, 2003, 2(03): 257-269.