Analysis of Information Delivery Dynamics in Cognitive Sensor Networks Using Epidemic Models
为了充分利用认知物联网（IoT）技术来增强传感器网络的能力，使认知传感器网络与当前无线基础设施共存的高效介质访问控制协议与共享无线频谱所带来的数据融合和处理中的认知能力一样重要。认知无线电（CR）的引入是为了提高频谱效率并支持这种努力，从而成为促进认知物联网的一个有前途的基石。在本文中，主用户（PU）是指现有的无线基础设施中的设备，和次用户（SU）是指认知传感器。对于PU和SU之间的干扰控制，SU采用动态频谱接入和功率调整来确保PU的充分运行，这不可避免地导致延迟增加，并对物联网通信的可靠性提出了新的挑战。为了保证认知无线电自组织网络（CRAHNs）中主系统的运行，同时优化系统性能，提出了干扰感知泛洪方案，利用全局超时和疫苗恢复方案来控制数据包复制引起的重缓存占用。通过流行病模型和随机几何从整个系统的宏观角度分析了所提出的干扰感知恢复辅助洪泛方案下SU的信息传递动态。仿真结果表明，我们的模型可以有效地捕捉复杂的数据传输动态CRAHN的端到端的传输可靠性和缓冲区占用。本文对CRAHN中的恢复辅助洪泛方案进行了新的分析，并提供了基于CRAHN的认知物联网服务的性能评估。
2017-09-02 cs.NI
A Novel Collaborative Cognitive Dynamic Network Architecture
当前蜂窝网络中不断增长的移动数据需求和先进手持设备的激增已经引起了新一代动态网络架构（DNA）。在DNA中，用户共享他们的连接，并作为接入点为其他人提供Internet连接，而无需额外的网络基础设施成本。大量的用户和他们的动态连接使DNA高度适应网络中的变化，适合于低成本的无处不在的互联网连接。在这篇文章中，我们提出了一种新的协作认知动态网络架构（CDNA），它结合了认知能力，以更灵活和智能的方式利用未充分利用的频谱。CDNA的设计原则完全符合未来5G无线网络的功能要求，例如能源和频谱效率，可扩展性，动态可重构性，支持多跳通信，基础设施共享和多运营商合作。一个案例研究与新的资源分配问题，使CDNA进行使用匹配理论与定价，以说明CDNA的用户和运营商的潜在利益，解决用户协会的数据和频谱交易的低复杂性，并使自组织能力。最后，可能面临的挑战和未来的研究方向。
2016-10-10 cs.GT cs.NI
The Network That Thinks: Kraken* and the Dawn of Cognitive 6G
Truva Inc.（特鲁瓦公司）；Istanbul Technical University（伊斯坦布尔理工大学）
Kraken是一种面向6G的智能网络架构，通过语义通信、生成推理和目标优化实现集体智能，提升自动驾驶、XR服务和基础设施监控的效率与响应性。
2026-03-12 cs.NI
Doubly Cognitive Architecture Based Cognitive Wireless Sensor Network
如今，频谱可用性的稀缺性正在急剧增加。在现有的无线传感器网络（WSN）基础设施中添加认知功能将有助于解决这种情况。由于无线传感器网络中的传感器节点受到功率等约束的限制，需要努力增加网络的生命周期和其他性能指标。在本文中，我们提出了双重认知无线传感器网络的想法。其基本思想是逐步地将感测资源仅分配给频谱中最有希望的区域。这项工作是基于人工神经网络以及支持向量机（SVM）的概念。由于感知资源的负载显著减少，该方法将节省节点的能量，也大大减少了感知时间。经过足够长的时间反复进行模式分析，以审查感知策略，可以增强所提出的工作。因此，双认知无线传感器网络将使现有的无线传感器网络，以克服频谱稀缺以及节省能源的传感器节点。
2011-04-01 cs.NI
Towards Cognitive Routing based on Deep Reinforcement Learning
Beijing University of Posts and Telecommunications（北京邮电大学）
路由是网络基础设施稳定运行的关键功能之一。随着网络业务量的快速增长和业务需求的不断变化，对智能路由算法提出了更高的要求。为此，我们提出了认知路由的定义和基于深度强化学习（DRL）的实现方法。为了方便基于DRL的认知路由的研究，我们引入了一个名为RL4Net的模拟器，用于基于DRL的路由算法的开发和仿真。然后，我们设计并实现了一个基于DDPG的路由算法。在一个典型网络拓扑上的仿真结果表明，基于DDPG的路由算法比OSPF和随机权值路由算法具有更好的性能。初步论证了认知路由在未来网络中的可行性和潜在优势。
2020-03-19 cs.AI cs.LG cs.NI
Implementation of SNR estimation based Energy Detection on USRP and GNU Radio for Cognitive Radio Networks
智能频谱感知技术的发展是认知无线电系统设计中的一项重要任务，它可以有效地利用可用频谱。基于自适应SNR估计的能量检测技术具有通过以自适应和迭代的方式利用频谱的未充分利用来提高频谱使用效率以及减少硬件资源从而在多功能和多样化的认知无线电基础设施组上容易实现的双重益处。基于信噪比估计的自适应门限能量检测方法，可以成倍地提高认知无线电的频谱感知性能和效率，特别是在低信噪比和高噪声方差的情况下。该方法在USRP B200上实现，结果表明，与传统的能量检测技术相比，主用户的检测率有显着提高。
2017-11-08 cs.NI
A Low-Cost ISM-Band Multi-Transceiver Cognitive Radio
认知无线电是一种软件定义无线电（SDR），它可以自动检测可用的无线频谱，并调整其物理硬件、调制或协议参数，以获得最佳的吞吐量、延迟和范围。许多先前的认知无线电研究和设计需要昂贵的收发器，其使用未公开可供未授权用户使用的授权频带。本论文提出一个低成本的硬件平台，由现成的组件，利用免费使用的工业，科学和医疗（ISM）频段，并实现了一个并发的多频谱点到点的无线协议优化的非固定设备。性能指标，如成本，延迟，吞吐量和范围进行测量和分析。提出并实现了这样的无线实现的应用，诸如智能城市基础设施，其通过利用从固定路边单元（RSU）设备递送的上行链路通过移动车载单元（OBU）设备提供Wi-Fi接入点来允许到内城用户的互联网连接。
2022-11-23 cs.NI
A Cognitive Network Architecture for Vehicle-to-Network (V2N) Communications over Smart Meters for URLLC
本研究针对V2N场景的URLLC需求，提出基于智能电表的认知网络架构及两种车辆-SM关联算法，仿真验证其在时延与可靠性上优于传统基站架构，为ITS高效可靠V2N通信提供新路径。
2023-08-26 cs.NI eess.SP
Cloud No Longer a Silver Bullet, Edge to the Rescue
本文认为，虽然今天的认知计算严重依赖于云，但我们很快就会看到一个范式转变，即认知计算主要发生在网络边缘。向边缘设备的转变从根本上受到数据中心和无线网络基础设施的技术限制以及隐私和安全等实际考虑的推动。本文的其余部分阐述了我们对这些限制将如何影响未来认知计算的看法。将认知计算引入边缘设备带来了一些新的机遇和挑战，其中一些需要新的解决方案，而另一些则需要我们根据新技术重新审视现有技术。最后，我们呼吁为未来的研究采取行动。
2018-02-15 cs.NE cs.NI
Green Footprint by Cognitive Management of Opportunistic Networks
当今无线网络的现有特性迫切要求开发灵活的联网解决方案，该解决方案将提供资源利用和应用服务质量（QoS）供应的增加的效率，并且同时将降低能量消耗并实现绿色目标。在这方面，运营商管理的网络（ON），这是动态创建的，临时的，协调的基础设施的扩展，是在所提出的方法的基本组成部分。此外，认知管理系统（CMS），其中包括自我管理和学习能力，可以用来确保快速和可靠的ON的建立，有效地实现预期的目标。本文介绍了ON的概念及其代表性的情况下，以及作为上述方法的概念证明的指示性测试用例的评价。指示性的模拟结果，产生的条件下，采用这样的解决方案可以导致更低的成本和管理决策与“绿色”的足迹。
2012-06-30 cs.NI
Security Schemes in Vehicular Ad hoc Networks with Cognitive Radios
车载自组织网络（VANETworks，VANETworks）作为互联车辆的基础设施，可以为互联车辆的应用和服务提供便利。认知无线电技术是对无线局域网的有效补充和增强。它可以减少频谱资源不足对VAN的影响。虽然CR-VANcraft可以有效地利用未使用的授权频谱，但CR-VANcraft的分布式特性可能为不同的攻击打开大门，例如频谱感知数据伪造攻击。在本文中，我们提出了一个联合RSU和车辆为基础的轻量级云CR-VANcraft。在此云计算模型的基础上，提出了一种新的频谱感知服务（Spectrum Sensing as a Service，SSaas），该服务可以在CR-VAN中进行协作频谱感知，并在云计算的协助下确保频谱感知过程的安全。因此，可以在CR-VAN中获得可靠的服务。仿真结果表明，CR-VAN中的云计算可以有效降低延迟，提高CR-VAN的安全性。
2016-11-21 cs.NI
PCF Scheme for Periodic Data Transmission in Smart Metering Network with Cognitive Radio
在双向智能计量网络（SMN）的帮助下，下一代高级计量基础设施（AMI）有望支持许多高级功能。在这项工作中，我们专注于应用远程定期能源消耗报告，这是一个基本的和重要的组成部分，需求响应和负荷管理。为了支持这种周期性的应用与令人满意的通信性能，一个合适的媒体访问控制（MAC）协议需要设计。由于SMN中涉及的智能仪表（通信节点）的数量比当今局域网中的智能仪表（通信节点）的数量大得多，因此传统的轮流MAC协议（例如WiFi中的点协调功能（PCF））不太可能表现良好。为了解决这个问题，我们提出了一种改进的PCF方案与认知无线电技术相结合，其中智能电表可以使用空闲信道（空白），以报告能源消耗数据的本地收集器时，主用户不占用的信道。我们还进行了全面的吞吐量分析所提出的计划。数值结果和NS-3仿真结果表明，在SMN这样的密集网络中，基于认知无线电的PCF方案的性能明显优于传统方案。
2016-03-04 cs.NI
A cognitive radio ad hoc networks based disaster management scheme with efficient spectrum management, collaboration and interoperability
本文提出了一种基于认知无线电自组织网络（CRAHN）的灾害管理方案。灾害管理多年来一直是人类面临的一个大问题。然而，目前对这一问题的研究还不多。在过去的几年里，技术已经被用来解决这个问题。认知无线电自组织网络为灾害管理提供了一种可行的解决方案。它可以在没有基础设施的情况下快速部署，并解决了灾难期间出现的频谱稀缺和拥塞问题。本文提出了一种新的灾难管理解决方案。提出了一种基于多层感知器（MLP）的无线传感器网络灾害检测方案。为了解决频谱稀缺问题，提出了一种基于MLP的频谱管理方案。为了保证灾难救援人员之间的协作，提出了一种新的服务发现方案。为了确保通信过程中的互操作性，建议使用XML格式。已经提出了一个实时GUI，为救援人员提供共享的情况感知，并使他们能够做出更好的决策。该方法已在NS-2仿真器上实现。结果表明，准确的灾难检测，有效的频谱使用，以及节点之间的互操作性和协作，减少延迟。
2018-09-17 cs.NI
Detection Of Primary User Emulation Attack (PUEA) In Cognitive Radio Networks Using One-Class Classification
认知无线电技术的基础是对授权用户（或主用户）拥有的频谱的主动使用。因此使用频谱的未授权（或次要）用户机会性地依赖于频谱感测来确定主要用户信号的存在。在这样的上下文中，攻击者可以模仿主用户（PU）的行为来欺骗次用户（SU），使其相信存在PU信号，而实际上不存在。这种攻击被称为主用户仿真攻击（PUEA）。恶意用户可能会启动PUEA，意图抓住空闲频带用于自己的传输。另一个原因可能是简单地破坏认知无线电网络（CRN）的功能。这项工作研究了使用一类分类检测PUEA在基于基础设施的CRN。我们认为，在融合中心收集的传感数据主要用于协同频谱感知（CSS）可以用来表征PU信号。由此学习的PU信号特征可以帮助区分PU信号与PU信号仿真。特别是，我们研究一类分类技术的使用，即，隔离森林，支持向量机（SVM），最小协方差行列式（MCD）和局部离群因子（LOF）检测PUEA攻击。仿真结果支持了单类分类检测PUEA的有效性。
2021-06-21 cs.NI eess.SP
Eliminating Premature Termination in Multihop Rendezvous for Cognitive Radio-based Emergency Response Network
Atlantic Technological University（大西洋理工大学）
本文提出了一种多跳可靠双模块时钟算法（MR-DMCA），通过引入坐标辅助邻居验证机制和自主终止策略，解决多跳会面协议中因N-1终止条件导致的提前终止问题，从而确保邻居和网络拓扑的完整发现。
2026-05-21 cs.NI
A Sharing- and Competition-Aware Framework for Cellular Network Evolution Planning
移动网络运营商正面临着一项艰巨的任务，即大幅增加容量以满足预期需求，同时降低资本支出和运营支出。我们认为，基础设施共享是运营商的网络发展规划的一个关键因素，这种规划可以被视为认知周期的一个阶段。在本文中，我们提出了一个框架来模拟这个规划过程，同时考虑到共享资源的能力和竞争监管（后者量化使用赫芬达尔指数）所施加的限制。使用真实世界的需求和部署数据，我们发现共享基础设施的能力基本上将容量从农村，人口稀少的地区（其中一些现有的基础设施可以退役）转移到城市地区（其中大部分下一代基站将被部署），资源效率显着提高。严格的竞争监管在一定程度上限制了分享的能力，但并不完全危及这些收益，同时还产生了鼓励更广泛地部署下一代技术的副作用。
2015-04-13 cs.NI
Cognitive Connectivity Resilience in Multi-layer Remotely Deployed Mobile Internet of Things
Department of Electrical & Computer Engineering, Tandon School of Engineering, New York University（纽约大学坦登工程学院电气与计算机工程系）
本文提出了一种反馈驱动的自适应、自配置和健壮的覆盖网络框架，以应对远程地区缺乏传统通信基础设施的物联网需求，通过认知适应网络变化，确保空间分散智能设备的可靠连接。
2017-09-02 cs.NI cs.SY eess.SY
Deterministic Blind Rendezvous in Cognitive Radio Networks
盲会合是认知无线电网络中的一个基本问题。这个问题涉及到一组代理（无线电），它们希望在没有共享基础设施的盲环境中发现彼此，并且它们最初不知道彼此。时间被划分为离散时隙;频谱被划分为离散信道，即$\{1,2,..., n\}$。每个代理可以在单个时隙中访问单个信道，并且我们说两个代理在相同时隙中访问相同信道时会合。模型是不对称的：每个代理$A_i$可以仅使用信道的特定子集$S_i$，并且不同的代理可以访问不同的信道子集。目标是为每个代理设计确定性的信道跳变调度，以保证具有重叠信道集的任何代理对之间的会合。两组独立的作者，Shin等人和Lin等人，分别给出了在$O(n^2)$和$O(n^3)$时间内保证异步盲会合的第一种构造。我们提出了一个大大改进的建设，保证任何两个代理，$A_i$，$A_j$，将会合在$O(|S_i| |S_j| \log\log n)$的时间。我们的结果是第一个实现非平凡的依赖$|S_i|$，可用通道的大小。这使我们，例如，以节省约二次因子超过最好的以前的结果在重要的情况下，当通道子集具有恒定的大小。我们还实现了最好的可能的约束的$O(1)$时间的对称情况下，以前的作品可以做得比$O(n)$。使用概率的方法和拉姆齐理论，我们提供的证据支持我们的怀疑，我们的建设是渐近最佳的小尺寸的通道子集：我们显示了$c |S_i||S_j|$下限和$c \log\log n$下限时…
2014-01-28 cs.NI
A Reinforcement Learning Approach for Efficient Opportunistic Vehicle-to-Cloud Data Transfer
车辆人群感知预计将成为智能交通系统（ITS）领域数据驱动优化的关键催化剂。然而，由车辆到云传输引起的大规模机器类型通信（mMTC）的预期增长将使蜂窝网络基础设施面临与容量相关的巨大挑战。在不引入额外的物理基础设施的情况下实现缓解的认知方式是对延迟容忍应用程序应用机会数据传输。因此，客户端以信道感知的方式调度它们的数据传输，以便避免重传和对其他小区用户的干扰。在本文中，我们介绍了一种新的方法，这种类型的resourceware数据传输，它汇集了监督学习网络质量预测与强化学习为基础的决策。性能评估是使用数据驱动的网络仿真和真实世界的实验中的公共蜂窝网络的多个移动网络运营商（MNO）在不同的情况下进行。所提出的传输方案在大多数情况下显著优于最先进的概率方法，并且与传统的周期性数据传输相比，在上行链路传输方向上实现了高达181%的数据率改进，在下行链路传输方向上实现了高达270%的数据率改进。
2020-01-15 cs.NI
Atomic Handover for 6G Nomadic Non-Public Networks Using Edge-Based Spectrum Brokering
RPTU Kaiserslautern-Landau（凯泽斯劳滕-兰道理工应用技术大学）
针对游牧式非公共网络在异构基础设施间移动时的连接挑战，提出一种零接触原子切换方法，联合考虑移动管理和动态频谱协调，通过边缘频谱代理和认知频谱管理器实现单步网络选择与频谱分配，仿真验证了其在移动医疗场景中的有效性。
2026-06-18 cs.NI
