ε-貪婪結合異常檢測的認知無線電網絡協作頻譜感知方案

賁奧然

?

ε-貪婪結合異常檢測的認知無線電網絡協作頻譜感知方案

賁奧然

南京工程學院機械工程學院，江蘇 南京 211167

針對認知無線電網絡（Cognitive Radio Network，CRN）中由惡意次級用戶（Secondary User，SU）導致的信道破壞問題，提出了一種ε-貪婪結合異常檢測的協作頻譜感知方案。首先，利用ε-貪婪算法統計主用戶（Primary User， PU）的占用情況，合理調整了SU占用空閑頻譜；然后，利用異常事件和頻譜占用的固有稀疏性，通過低復雜性和分布式塊-坐標-下降近似求解，提高了頻譜利用率；最后，通過跟蹤慢速時變的PU活動、SU位置和惡意SU活動，校正了不一致性。仿真結果表明，提出的方案獲得的收斂性均接近理想狀態，且頻譜利用率高于現有的較為先進的頻譜感知方案。

認知無線電網絡；ε-貪婪；協作頻譜感知；異常檢測；惡意次級用戶

隨著云計算、大數據、電子商務等領域的發展，對網絡的數據傳輸率和安全性需求越來越高，使得認知無線電網絡的地位也顯得越來越重要[1]。然而，認知無線電網絡（Cognitive Radio Network，CRN）中經常遇到信道損傷、節點故障、惡意網絡攻擊等現象，導致網絡出現異常[2-3]。因此，找到一種能夠對認知無線電網絡進行有效異常檢測的方法顯得至關重要。

學者們提出了許多利用次級用戶（Secondary User， SU）等額外信息進行異常檢測的方法，例如，文獻[4]提出了一種統一方法，利用網絡拓撲結構、節點位置、信號傳播特性進行聯合頻譜檢測和異常識別。文獻[5]對文獻[4]進行了更深層次的擴展，利用魯棒主成分分析進行主用戶（Primary User， PU）功率和異常位置的聯合估計。

現有研究通常使用節點位置信息來頻譜感知和規避攻擊[6-10]，本文提出了一種廣義魯棒的協作頻譜感知（Cooperative Spectrum Sensing，CSS）框架，不僅能識別惡意用戶和頻譜機會，還能處理不準確或丟失的距離測量和噪聲SU報告，從而提高頻譜利用率。

1 系統模型

考慮一個包括N個次級認知無線電（Cognitive Radio， CR）節點和單一PU的SU網絡，如圖1所示，時間分成多個幀，SU試圖在每一幀借機訪問空白頻帶。

圖1 集中式頻譜感知框架

假設類似于文獻[4-5]中的一個基本路徑損耗傳播模型，次級用戶在頻率子頻帶進行寬帶感知。由第個SU接收的第個頻率子頻帶的功率由下式給出：

2 提出的協作頻譜感知方案

2.1 ε-貪婪方法

利用ε-貪婪方法來選定需要感知的頻率子帶。ε-貪婪方法是一個種具有最小計算和內存需求的簡單方法。令表示在時間步長k時的操作a的估計值，表示在時間步長k時選定的操作。ε-貪婪策略是一個臨時網絡方法，通過使用概率1-來選定一個具有最高估計值的操作，也就是，使得探測和利用之間達到平衡[13]。

式（3）中，第一個條件保證了步長足夠大，并超過初始條件。第二個條件確保了步長足夠小，來滿足最終的收斂。設定步長大小滿足條件式（3）并產生過去回報的標準樣本平均值。當時，估計過程將不會完全收斂，會根據最新觀測的回報值而持續變化。時，所形成的觀測回報的加權平均為：

（4）

2.2 異常檢測

接著進行異常檢測[13]。許多CR網絡中，PU和SU的時間尺度遠大于單個幀的長度。這種情況下，SU可利用歷史測量來更好的估計和跟蹤系統變量。傳統時變參數包括SU位置和PU活動，兩者必須受監控，且惡意SU可能試圖隱藏他們的存在，通過間歇性停止攻擊，產生支持中的變化，也必須跟蹤它[14]。目的在于在每個時刻求解下列問題：

（7）

（8）

（10）

（11）

2.3 不一致校正

盡管這樣的觀察很難從理論上測試手頭上的問題，但是仿真中確實觀察到了不一致。當改變時，的不一致。觀察到，盡管歸一化異常估計誤差對于收斂于0，但針對這些值，誤差中異常點數永不為0。此外，異常點支持的值趨向于0，而不趨向于0。

為了校正該不一致，文獻[15]提出了一種時間和范式加權拉索，需要使用范式。運用目前情況中一種類似的改進，每個時刻瞬間問題由式（13）給出：

在進行現場施工時，管理人員往往具有較低的專業質量問題，并且沒有接受過現場管理方面的培訓。施工現場的管理本質上不科學和有意義。在目前的情況下，即使建設項目資金充足，當地場地建設管理的職業經理人仍然在市政工程行業供不應求，現場管理質量普遍較差。安全技術和知識不僅缺乏安全性和法律意識，而且由于上述原因，中國市政工程工地施工現場人員的素質還有待提高。

（14）

3 仿真結果與分析

仿真設置包括特定半徑內的一個PU和多個SU，為了便于比較，使用文獻[16]中考慮的蜂窩場景，同時保持大部分參數相同，多個SU位于距PU1000-10000米距離處。對于不同場景，網絡包括10～80個節點，在參考距離下感知10～100個子帶。

3.1 仿真結果

圖2所示為錯失率的收斂性，虛線為理想狀態，實現為利用提出方案得到的結果。從圖2可以看出，經過有限次迭代后，提出方案可快速收斂，且與理想狀態接近，表明提出的方案具有很好的收斂性。[17]

圖2 錯失率的收斂性

3.2 比較及分析

將提出的方案與文獻[5]方案進行比較。圖3所示為兩種方案的信道負載不均衡率（Load Imbalance Rate，LIR）。從圖3可以看出，提出的方案LIR總是低于或等于文獻[5]方案。當發生故障，且時，提出的方案利用確定出，可保持接近發生故障前的LIR大小。

圖4所示為兩種方案的頻譜利用率比較，從圖中可以看出，隨著負載的增加，頻譜利用率均呈現增加的趨勢，而在各種應用請求速率下，本文提出的方案頻譜利用率高于文獻[5]提出的方案，因為本文提出的方案利用異常事件和頻譜占用的固有稀疏性，通過低復雜性和分布式BCD近似求解，從而提高了頻譜利用率。[18]

圖3 負載不均衡比例

圖4 頻譜利用率

4 結語

本文提出了一種ε-貪婪結合異常檢測的頻譜感知框架，能檢測和跟蹤認知無線電網絡中的惡意用戶和異常測量。仿真結果表明，提出的方案獲得的收斂性均接近理想狀態，且優于現有最先進的頻譜感知方案。

未來會將提出的頻譜感知方案擴展為在線方案，從而更好地應用于時變PU和惡意用戶活動。

[1]郭彩麗，張天魁，曾志民，等.認知無線電關鍵技術及應用的研究現狀[J].無線電技術與信息，2006，22（8）：6-14.

[2]Mishra V.， Tong L. C.， Chan S.， et al. TQCR-media access control：two-level quality of service provisio- ning media access control protocol for cognitive radio network[J].Iet Networks，2014，3（2）：74-81.

[3]裴慶祺，李紅寧，趙弘洋，等.認知無線電網絡安全綜述[J].通信學報，2013，34（1）：144-158.

[4]Min A.W，Kyu-Han Kim， Shin K.G. Robust cooperative sensing via state estimation in cognitive radio network ks[C]// New Frontiers in Dynamic Spectrum Access Netwo rks （DySPAN）， 2011 IEEE Symposium on，2011：185-196.

[5]Xue D.，Ekici E.，Vuran M. C.. Cooperative Spectrum Sensing in Cognitive Radio Networks Using Multidi- mensional Correlations[J]. IEEE Transactions on Wireless Communications， 2014，13（4）：1832-1843.

[7]黨滿滿.認知無線電網絡中模擬授權用戶攻擊者檢測研究[D].杭州：浙江大學，2014.

[8]李方偉，馮德俊，朱江.一種基于PUE惡意干擾的認知無線電態勢感知方案[J].電信科學，2013，29（12）：21-27.

[9]Xue W.Robust Collaborative Spectrum Sensing Schemes for Cognitive Radio Networks[J].IEEE Transactions on Parallel & Distributed Systems，2014， 25（8）：2190-2200.

[10]申濱，王舒，黃瓊，等.認知無線電最優用戶選擇協作頻譜感知[J].北京郵電大學學報，2014，36（2）：32-37.

[11]李玉峰，黃柳舟.一種基于改進加權序貫檢測的協作頻譜感知算法[J].計算機應用研究，2016，32（1）：171-173.

[12]Maqbool S D，Ahamed T P I，Ali S Q， et al. Comparison of pursuit and ε-Greedy algorithm for load scheduling under real time pricing[C]//IEEE International Con- ference on Power and Energy，2012：515-519.

[13]楊建輝，吳聰.PSO結合SA優化算法的無線傳感器網絡路由協議[J].湘潭大學自然科學學報，2015，39（4）：98-104.

[14]趙永輝，史浩山，趙洪鋼.一種無線傳感器網絡能量均衡路由算法[J].四川大學學報：工程科學版，2011，43（2）：103-108.

[15]范曉詩，李成海.加權條件熵在異常檢測中的應用[J].計算機應用研究，2014，31（1）：203-205.

[16]閆盛楠.基于兩步式融合重構的壓縮頻譜檢測方法[J].電信科學，2015，31（3）：83-88.

[17]Angelosante D， Bazerque J A， Giannakis G B. Online Adaptive Estimation of Sparse Signals： Where RLS Meets the_1-Norm[J].IEEE Transactions on Signal Processing， 2010，58（7）：3436-3447.

[18]申濱，王舒，黃瓊，等.基于Gerschgorin圓盤理論的認知無線電寬帶頻譜感知[J].通信學報，2014，35（4）：1-10.

TN925

A

1009-6434（2016）04-0027-03