Spectrum Shaping via Network Coding in Cognitive Radio Networks
我们考虑一个认知无线电网络,主用户(PU)采用网络编码的数据传输。我们认为网络编码作为一个频谱整形器,在这个意义上说,它增加了频谱的可用性,二级用户(SU),并提供更多的频谱空洞的结构,提高了主要频谱的可预测性。利用网络编码的频谱整形效应,每个SU可以通过动态更新预测为空闲的PU信道列表来进行自适应信道感知,同时在感知时优先考虑这些信道。这种具有网络编码的动态频谱接入方法改进了SU如何检测和利用PU信道上的时间频谱空洞。我们的研究结果表明,与现有的方法相比,基于重传,PU和SU可以实现更高的稳定吞吐量,由于网络编码的频谱整形效果。
2010-08-26 cs.NI
Multi-band RF Energy and Spectrum Harvesting in Cognitive Radio Networks
研究了认知无线电交织框架下的多频带收获方案。所有次级用户被认为是EH节点,其被允许从多个射频(RF)源频带收获能量。提出了一个双赢的框架,其中SU可以感测频谱以确定频谱是否繁忙,因此它们可以从RF能量中收获,或者如果频谱空闲,因此它们可以使用它进行传输。只有SU的子集可以感测,以便减少感测能量,然后使用机器学习来表征收集和频谱使用的区域。我们制定了一个优化问题,共同优化传感样本的数量和传感阈值,以尽量减少传感时间,从而最大限度地提高能量的收获量。提出了一种近似最优解,使用几何规划(GP),最优地解决问题的时隙周期。最后,提出了一种基于多类支持向量机(SVM)的能量有效的方法,该方法只涉及训练SU而不是所有SU。
2018-04-10 cs.NI
Optimal Energy-Delay Tradeoff for Opportunistic Spectrum Access in Cognitive Radio Networks
认知无线电(CR)被认为是一种很有前途的技术,以提高频谱效率,通过机会传输在链路级。基本CR特征允许SU仅在许可主信道未被PU占用时进行传输。然而,等待空闲时隙可能包括大的分组延迟和高能量消耗。我们进一步考虑SU可以在任何时刻决定使用另一种专用通信方式(3G)来传输其分组。因此,我们考虑一个主动频谱接入(OSA)机制,考虑到数据包延迟和能量消耗。我们制定的OSA问题作为一个部分可观测马尔可夫决策过程(POMDP)明确考虑的能量消耗以及数据包的延迟,这往往是在现有的OSA解决方案中被忽略。具体来说,我们考虑一个POMDP的平均奖励标准。我们得到的价值函数的结构性质,我们表明存在的阈值策略类中的最优策略。为了实现的目的,我们提出了在线学习机制,估计PU活动,并确定适当的阈值策略的飞行。特别是,数值例子验证了我们的理论研究结果。
2016-09-30 cs.NI
Optimal Spectrum Access for Cognitive Radios
在本文中,我们研究了一个时隙的认知设置与缓冲的主要和次要用户。为了减轻误检和虚警概率的负面影响,提出了一种新的频谱接入机制的设计。我们提出两个方案。首先,SU感测主信道以利用静默时段,如果PU被宣布为空闲,则SU以某个接入概率$a_s$随机接入信道。第二,除了在PU空闲的情况下接入信道之外,如果SU被声明为以某个接入概率$b_s$繁忙,则SU可能接入信道。通过求解一个优化问题,在给定主队列稳定性约束条件下,最大化次服务率,得到了作为误检、虚警和平均主到达率函数的访问概率.此外,我们提出了一个可变的感知持续时间计划,SU优化的最佳感知时间,以实现最大的稳定吞吐量的网络。结果表明,所提出的方案的性能增益比传统的传感方案。我们提出了一种基于主反馈信道估计PU的平均到达率和中断概率的方法,即,应答(ACK)和否定应答(NACK)消息。
2013-03-24 cs.IT cs.NI math.IT
Protocol Design and Stability Analysis of Cooperative Cognitive Radio Users
单个认知无线电发射机-接收机对与两个主要用户共享频谱,这两个主要用户与各自的接收机通信。每个主用户有一个本地流量队列,而认知用户有三个队列;一个存储自己的流量,而其他两个是中继队列,用于存储从两个主用户接纳的主中继数据包。提出了一种新的协作认知媒体接入控制协议,其中认知用户利用主频谱带的空闲时间。每个中继队列的流量到达控制使用可调的准入因子,而中继队列服务调度控制通过信道访问概率分配给每个队列的基础上的操作频带。所提出的协议的稳定区域的特征在于其最大预期吞吐量的光。数值结果表明,所提出的合作认知协议的性能增益。
2014-01-18 cs.IT cs.NI math.IT
Reinforcement Learning Approach for RF-Powered Cognitive Radio Network with Ambient Backscatter
对于具有环境反向散射能力的RF供电的认知无线电网络,当主信道繁忙时,RF供电的次级用户(RSU)可以反向散射主信号以发送其自己的数据或从主信号中获取能量(并存储在其电池中)。然后,当主信道变为空闲时,可以使用所收获的能量来发送数据。为了最大化二次系统的吞吐量,RSU决定何时反向散射以及何时收集能量至关重要。这种最佳决策必须考虑主信道的动态、能量存储能力和要发送的数据。为了解决这个问题,我们提出了一个基于马尔可夫决策过程(MDP)的框架,以优化RSU的决策基于其当前状态,例如,能量、数据以及主信道状态。由于状态信息可能不容易在RSU,我们然后设计了一个低复杂度的在线强化学习算法,引导RSU找到最佳的解决方案,而不需要事先和完整的环境信息。大量的仿真结果清楚地表明,所提出的解决方案实现了更高的吞吐量,即,50%以上,比传统的方法。
2018-08-23 cs.NI
Blind Cognitive MAC Protocols
Nile University(尼罗河大学);Ohio State University(俄亥俄州立大学)
我们考虑认知媒体访问控制(MAC)协议的设计,该协议使得未授权(辅助)发射机-接收机对能够在一组授权信道的空闲时段上进行通信,即,的主要网络。目标是最大化数据吞吐量,同时保持次级用户之间的同步,并避免与授权(主)用户的干扰。没有关于主业务的统计信息被假定为对次用户先验可用。我们调查两个不同的感知场景。在第一种情况下,次发射机能够感测所有主信道,而在第二种情况下,次发射机仅感测一个信道。在这两种情况下,我们提出了MAC协议,有效地学习统计的主要交通在线。我们的仿真结果表明,建议的盲协议渐近实现的吞吐量时,获得的先验知识的主要流量统计。
2008-10-08 cs.LG cs.NI
DeepWiFi: Cognitive WiFi with Deep Learning
Intelligent Automation, Inc.(智能自动化公司);Virginia Tech.(弗吉尼亚理工大学)
我们提出了DeepWiFi协议,该协议通过深度学习强化了基线WiFi(IEEE 802.11ac),并通过减轻网络外干扰来维持高吞吐量。DeepWiFi可与基线WiFi互操作,并建立在现有WiFi的PHY收发器链上,而无需更改MAC帧格式。用户运行DeepWiFi用于i)RF前端处理; ii)频谱感测和信号分类; iii)信号认证; iv)信道选择和接入; v)功率控制; vi)调制和编码方案(MCS)适配;以及vii)路由。DeepWiFi减轻了概率、基于感知和自适应干扰的影响。RF前端处理应用基于深度学习的自动编码器来提取频谱代表性特征。然后训练深度神经网络,将波形可靠地分类为空闲、WiFi或干扰。利用信道标签,用户可以有效地访问空闲或堵塞的信道,同时避免干扰合法的WiFi传输(通过基于机器学习的RF指纹识别进行认证),从而提高吞吐量。用户优化其发射功率以降低拦截/检测概率,并优化其MCS以最大化背压算法用于路由的链路速率。在嵌入式平台实现的支持下,与基线WiFi和另一种抗干扰协议相比,DeepWiFi提供了主要的吞吐量增益,特别是当信道可能被干扰并且信号与干扰加噪声比较低时。
2019-10-29 cs.CR cs.LG cs.NI
Farsighted Risk Mitigation of Lateral Movement Using Dynamic Cognitive Honeypots
先进的持续威胁的横向移动构成了严峻的安全挑战。由于横向移动的隐蔽性和持久性,防御者需要全面考虑时间和空间位置,以发现大时间范围内的潜在攻击路径,并实现目标资产的长期安全。在这项工作中,我们提出了一个时间扩展的随机网络模型的随机服务链接的用户-主机企业网和敌对的横向移动。我们在空闲的生产节点上设计认知蜜罐,并将蜂蜜链接伪装成服务链接,以检测和阻止敌对的横向移动。蜜罐的位置在不同的时间随机变化,增加了蜜罐的隐蔽性。由于防御者不知道初始入侵和横向移动是否、何时以及在何处发生,因此蜜罐策略旨在减少目标资产的长期脆弱性(LTV),以实现主动和持久的保护。我们进一步描述了三个权衡,即,干扰概率、隐蔽性级别和漫游成本。为了对抗多攻击路径的诅咒,我们提出了一种迭代算法,并近似的LTV与计算效率的认知蜜罐部署的工会界。脆弱性分析的结果说明了边界,趋势,和剩余的LTV时,敌对的横向运动具有无限的持续时间。除了蜜罐策略,我们得到了一个临界阈值的妥协,以指导设计和修改当前的系统参数,以达到更高的长期安全水平。我们表明,目标节点可以实现零脆弱性无限阶段的横向运动,如果运动威慑的概率不小于阈值。
2020-10-06 cs.NI
On Detecting Termination in Cognitive Radio Networks
认知无线电网络是一种新兴的无线通信和计算模式。认知无线电节点在没有许可用户(也称为许可用户)的情况下在多个异构信道上执行计算。主要用户)。终止检测是分布式系统中一个基本而重要的问题。在本文中,我们提出了一个终止检测协议的多跳认知无线电网络中的认知无线电节点被允许调谐到目前没有被主用户占用的信道,并在协议执行过程中移动到不同的位置。该协议采用信用分配和聚集的方法,并保持了一种新的逻辑结构,称为虚拟树结构。虚拟树状结构有助于减少宣告终止所涉及的延迟。与传统的树结构不同,虚拟树状结构不需要特定节点充当必须保持参与计算直到终止通知的根结点;因此,根结点可以在完成其计算之后很快变为空闲。此外,该协议能够检测许可用户的存在,并宣布强或弱终止,无论哪种可能。
2015-07-16 cs.DC cs.NI
The Tradeoff Analysis in RF-Powered Backscatter Cognitive Radio Networks
在本文中,我们介绍了一种新的模型,射频供电的认知无线电网络的目的是提高性能的二次系统。在我们提出的模型中,当主信道繁忙时,次级发射器能够反向散射主信号以将数据传输到次级接收器,或者从信道收获RF能量。然后,当信道空闲时,收集的能量将用于向接收器发送数据。我们首先分析了网络中反向散射通信和捕获然后发送协议之间的权衡。为了最大限度地提高二级网络的整体传输速率,我们制定了一个优化问题,以找到采取后向散射和收获,然后发送模式之间的时间比。通过数值计算结果,我们表明,在所提出的模型下,可以实现比使用反向散射通信或收获然后发送协议更高的整体传输速率。
2016-08-05 cs.IT cs.NI math.IT
Optimal Cooperative Cognitive Relaying and Spectrum Access for an Energy Harvesting Cognitive Radio: Reinforcement Learning Approach
Qatar University(卡塔尔大学);Nile University(尼罗河大学)
在本文中,我们考虑了认知环境下的合作通信的背景下,认知无线电(CR)用户被假定为网络的自组织中继。假设CR用户和PU是能量采集器。CR用户协作地中继主用户(PU)的一些未递送的分组。具体地,CR用户将未递送的主分组的一部分存储在中继队列(缓冲器)中。它使用时隙上的适当动作来管理未递送的主分组到其中继队列的流。此外,它具有在空闲时隙(PU的队列为空的时隙)选择用于信道接入的所用队列的决定。假设一个数据包传输消耗一个能量包。最优策略根据主用户和CR用户到达数据和能量队列的速率以及信道的连通性而变化。CR用户通过承担中继未递送的主分组的责任来为PU节省能量。随着时间的推移,它最佳地组织自己的能量包以最大化其收益。
2014-07-08 cs.IT cs.LG cs.NI
Interference-Based Optimal Power-Efficient Access Scheme for Cognitive Radio Networks
针对多个次用户机会性地接入主用户频谱的情况,提出了一种新的基于优化的多包接收(MPR)信道接入策略。我们设计了一个分析模型,实现了多包访问策略的SU,最大限度地提高吞吐量的个人积压SU的队列稳定性的PU。所有网络接收节点都具有MPR能力。我们的目标是最大限度地提高吞吐量的各个SU,使PU的队列保持稳定。此外,我们有兴趣提供一个节能的认知计划。因此,我们包括能量约束的PU和SU的平均传输能量的优化问题。每个SU以取决于PU的活动的特定概率访问介质,即,活跃或不活跃。数值结果表明,在SU吞吐量方面的优势,所提出的方案比传统的接入方案,其中SU接入信道随机与固定功率时,PU被感测到空闲。
2014-07-08 cs.IT cs.NI math.IT
Cognitive MAC Protocols for General Primary Network Models
我们认为,认知媒体访问控制(MAC)协议的设计,使一个次要的(未授权)的发射机-接收机对通信的一组主要(授权)信道的空闲期。更具体地说,我们提出了认知MAC协议优化时隙和非时隙主网络。对于时隙结构,目标是最大化辅助吞吐量,同时保持辅助对之间的同步并且不对主网络造成干扰。我们的调查区分两种感知场景。在第一种情况下,次发射机能够感测所有主信道,而在第二种情况下,次发射机仅感测主信道的子集。在这两种情况下,我们提出了盲MAC协议,有效地学习统计的主要交通在线和渐近实现的吞吐量时获得的先验知识的主要交通统计数据是可用的。对于非时隙结构,目标是在满足对主网络的干扰约束的同时最大化辅吞吐量。针对每个主信道优化感测相关周期,从而产生优于先前提出的依赖于单个感测周期优化的技术的MAC协议。
2009-07-23 cs.IT cs.NI math.IT
An Investigation of Performance versus Security in Cognitive Radio Networks with Supporting Cloud Platforms
无线设备的增长影响了有限频率或频谱带的可用性,因为已知频谱带是无法添加的自然资源。同时,许可频率在大部分时间是空闲的。认知无线电是解决这些问题的有效途径之一。认知无线电是一种很有前途的技术,它允许未授权用户(称为次级用户(SU))访问授权频带,而不会对授权用户或主用户(PU)造成干扰。随着云计算的兴起,认知无线电网络(CRN)可以与云平台集成。CRN中的一个重要问题是安全性。这成为一个问题,因为CRN使用无线电频率作为传输介质,并且CRN与无线通信系统具有相同的问题。CRN的另一个关键问题是性能。安全性对性能有不利影响,并且它们之间存在权衡。本文的目标是调查与安全权衡CRN与支持云平台的性能。在此基础上,本文采用具有抢占式恢复和抢占式重复相同优先级的CRN网络模型,研究了在有云平台和无云平台的CRN网络中,安全性对性能的影响。广义指数(GE)型分布被用来反映服务器的突发到达间隔和服务时间。结果表明,当禁用安全性并启用云平台时,可获得最佳性能。
2019-02-27 cs.CR cs.NI
Cooperative Game-Theoretic Approach to Spectrum Sharing in Cognitive Radios
提出了一种将认知无线电中的频谱感知和共享问题规范化建模为可转移效用合作博弈的新框架。次级用户(SU)联合地感测频谱并且协作地检测主用户(PU)活动以用于识别和接入未占用的频谱带。博弈被设计成平衡的和超可加的,以便资源分配是可能的,并为SU提供合作和形成大联盟的激励。游戏的特征函数是根据SU的价值推导出来的,根据联盟在减少PU活动的不确定性方面所做的工作量来计算。根据她在联盟中的价值,每个SU都得到一个回报,这个回报是用各种一点解计算的,比如Shapley值、τ值和Nucleolus。根据其传输的数据率要求,SU使用所获得的支付通过社会最优Vickrey-Clarke-Groves(VCG)拍卖机制来竞标空闲信道。仿真结果表明,与其他资源分配模型相比,所提出的合作博弈理论模型提供了公平性,合作和性能之间的最佳平衡方面的数据率达到每个SU。
2011-12-07 cs.GT cs.IT cs.NI
Spectral Efficiency of Spectrum Pooling Systems
在这篇文章中,我们研究了使用认知无线电重用本地未使用的频谱,以增加系统的总容量的想法。我们考虑一个多频带/宽带系统中的主要和认知用户希望通信到不同的接收机,受到相互干扰,并假设每个用户只知道他的信道和未使用的频谱,通过适当的感知。该方案的基本思想是基于频谱池的概念。这个想法很简单:认知无线电将监听信道,如果感知到空闲,将在空闲期间发送。事实证明,虽然它的简单性,所提出的计划表现出非常有趣的功能,频谱效率和最大数量的可能成对的认知通信。我们施加的约束,用户连续传输可用的频段,通过自私的水填充。对于第一次,我们的研究量化了渐近(相对于频带)可实现的增益,使用频谱池的频谱效率相比,经典的无线电系统。然后,我们推导出总的频谱效率,以及可能的成对通信的最大数量这样的频谱池系统。
2010-04-02 cs.IT cs.NI math.IT
Cross-layer estimation and control for Cognitive Radio: Exploiting Sparse Network Dynamics
本文提出了一种跨层的框架,以联合优化频谱感知和调度资源受限的敏捷无线网络。次要用户(SU)的网络接入被许可的主要用户(PU)的网络留下未使用的频谱的部分。中央控制器(CC)基于由SU收集的分布式压缩测量来调度SU的业务。联合控制感测和调度以最大化SU吞吐量,并对PU吞吐量降级和SU成本进行约束。频谱动态中的稀疏性被利用:利用先前的频谱占用估计,CC仅需要经由稀疏恢复技术来估计残余不确定性向量。POMDP公式所带来的高复杂性通过Kullback-Leibler散度的最小化由低维置信表示来降低。证明了感知优化和调度优化是可以解耦的。提出了一种部分近视调度策略,其结构特性可以证明,近视计划分配SU流量可能空闲的频谱带。仿真结果表明,该框架能够最优地平衡频谱感知和数据传输之间的资源。该框架定义了最具信息量的网络控制,产生能源效率的资源利用的传感调度方案。
2015-06-22 cs.IT cs.NI math.IT
On the Design of Relay--Assisted Primary--Secondary Networks
使用$N$认知中继,以协助主要和次要的传输在时隙的认知设置与一个主要用户(PU)和一个次要用户(SU)的影响。提出了一种用于信道感知的重叠频谱感知策略,其中SU在从时隙开始的$τ$秒内感知信道,而认知中继在从时隙开始的$2 τ$秒内感知信道,从而为SU提供了相对于中继的固有优先级。中继在$[0,τ]$间隔上感测信道以检测主要活动,并在$[τ,2τ]$间隔上感测信道以检测次要活动。中继帮助PU和SU传递它们未传递的分组,并在两者都空闲时进行传输。研究了两个基于优化的公式与服务质量的约束,包括排队延迟。这两种情况下的完美和不完美的频谱感测进行了研究。这些结果显示了中继的好处及其增强初级和次级性能的能力,特别是在PU和SU发射机与其各自的接收机之间没有直接链路的情况下。三个分组解码策略在中继也进行了研究,并比较它们的性能。
2014-05-20 cs.IT cs.NI math.IT
A Branch-and-Price Approach to a Variant of the Cognitive Radio Resource Allocation Problem
电磁频谱的射频部分是一种稀缺资源。认知无线电技术已经成为克服频谱稀缺瓶颈的一个有前途的解决方案。通过这种技术,次级用户(SU)感知到从初级用户(PU)释放的频谱机会,并且机会主义地利用这些(暂时)空闲部分,称为频谱空洞。在这封信中,我们考虑了Martinovic等人在2017年提出的认知无线电资源分配问题的变体。这个版本的问题的区别特征在于,每个SU由于其硬件限制而强加了待聚合的频谱空洞不能彼此任意远离的要求。我们把这个限制称为最大聚合范围(MAR)约束,并把这个问题的变体称为MAR约束的孔分配问题。该问题可以形式化为一个NP难的组合优化问题。我们提出了一种新的二进制整数线性规划(ILP)制定的问题。该公式中的约束的数量是频谱空洞的数量加上SU的数量。另一方面,公式中的二元决策变量的数量可能非常大,因为对于每个SU的每个合法频谱分配,需要一个变量。我们提出了一个分支和价格(B&P)框架来应对这一挑战。这个框架实际上是一个分支定界过程,在搜索树的每个节点,我们利用所谓的(延迟)列生成技术解决相应的子问题的LP松弛。数值结果表明,LP松弛边界是非常紧的。这允许非常有效地修剪搜索空间。与先前建议的配方相比,所提出的技术可以需要更少的计算工作量。
2022-04-27 cs.DS cs.NI math.OC
Primary User Emulation Attacks: A Detection Technique Based on Kalman Filter
University of North Dakota(北达科他大学);National Institute of Posts & Telecommunication(国家邮电学院);Mohammed V University(穆罕默德五世大学)
认知无线电技术通过允许次用户使用空闲频带而不对主用户造成干扰来解决频谱稀缺的问题。然而,一些攻击可能会扰乱认知无线电网络的正常功能。主用户模拟攻击是最严重的攻击之一,其中恶意用户模拟主用户信号特征以阻止其他合法的次用户接入空闲信道或对主用户造成有害干扰。有几种建议的方法来检测主用户模拟攻击者。然而,这些技术中的大多数假设主用户位置是固定的,这使得它们在主用户移动时无效。在本文中,我们提出了一种新的方法的基础上的卡尔曼滤波器框架检测主用户模拟攻击的非平稳主用户。实验结果表明了该方法的优越性。
2019-03-08 cs.CR cs.LG cs.NI
Cost-Aware Learning and Optimization for Opportunistic Spectrum Access
The Pennsylvania State University(宾夕法尼亚州立大学);University of Science and Technology of China(中国科学技术大学)
本文研究了认知无线电系统中多信道机会频谱接入的代价感知联合学习和优化问题。我们研究了一个离散时间模型,其中时间轴被划分为帧。每个帧由感测阶段和随后的传输阶段组成。在感测阶段,用户能够在决定在接下来的传输阶段使用其中一个之前顺序地感测通道的子集。我们假设信道状态根据帧到帧的独立伯努利随机过程在忙和空闲之间交替。为了捕捉信道感知中固有的不确定性,我们假设当信道空闲时每次传输的奖励是随机变量。我们还将随机成本与传感和传输行为相关联。我们的目标是理解在离线和在线设置中,动作的成本和回报将如何影响用户的最佳行为,并且设计相应的机会主义频谱接入策略以最大化预期的累积净回报(即,奖励减去成本)。我们从一个离线设置开始,在这个设置中,渠道状态、成本和奖励的统计数据是事先已知的。我们发现,最优策略表现出递归的双阈值结构,用户需要比较的信道统计与这些阈值顺序,以决定其行动。有了这样的见解,我们然后研究在线设置,其中的渠道,成本和奖励的统计信息是未知的先验。我们明智地平衡探索和利用,并表明,累积的遗憾规模在O(log T)。我们还建立了一个匹配的下界,这意味着我们的在线算法是顺序最优的。仿真结果证实了我们的理论分析。
2018-04-11 cs.IT cs.LG cs.NI