賁奧然

?

ε-貪婪結(jié)合異常檢測的認知無線電網(wǎng)絡協(xié)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(wǎng)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(jié)合異常檢測的協(xié)作頻譜感知方案。首先，利用ε-貪婪算法統(tǒng)計主用戶（Primary User， PU）的占用情況，合理調(diào)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(jié)果表明，提出的方案獲得的收斂性均接近理想狀態(tài)，且頻譜利用率高于現(xiàn)有的較為先進的頻譜感知方案。

認知無線電網(wǎng)絡；ε-貪婪；協(xié)作頻譜感知；異常檢測；惡意次級用戶

隨著云計算、大數(shù)據(jù)、電子商務等領(lǐng)域的發(fā)展，對網(wǎng)絡的數(shù)據(jù)傳輸率和安全性需求越來越高，使得認知無線電網(wǎng)絡的地位也顯得越來越重要[1]。然而，認知無線電網(wǎng)絡（Cognitive Radio Network，CRN）中經(jīng)常遇到信道損傷、節(jié)點故障、惡意網(wǎng)絡攻擊等現(xiàn)象，導致網(wǎng)絡出現(xiàn)異常[2-3]。因此，找到一種能夠?qū)φJ知無線電網(wǎng)絡進行有效異常檢測的方法顯得至關(guān)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(tǒng)一方法，利用網(wǎng)絡拓撲結(jié)構(gòu)、節(jié)點位置、信號傳播特性進行聯(lián)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(lián)合估計。

現(xiàn)有研究通常使用節(jié)點位置信息來頻譜感知和規(guī)避攻擊[6-10]，本文提出了一種廣義魯棒的協(xié)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(tǒng)模型

考慮一個包括N個次級認知無線電（Cognitive Radio， CR）節(jié)點和單一PU的SU網(wǎng)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(shè)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(xié)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(nèi)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(wǎng)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(shè)定步長大小滿足條件式（3）并產(chǎn)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(jù)最新觀測的回報值而持續(xù)變化。時，所形成的觀測回報的加權(quán)平均為：

（4）

2.2 異常檢測

接著進行異常檢測[13]。許多CR網(wǎng)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(tǒng)變量。傳統(tǒng)時變參數(shù)包括SU位置和PU活動，兩者必須受監(jiān)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(chǎn)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(shù)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(quán)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(xiàn)場施工時，管理人員往往具有較低的專業(yè)質(zhì)量問題，并且沒有接受過現(xiàn)場管理方面的培訓。施工現(xiàn)場的管理本質(zhì)上不科學和有意義。在目前的情況下，即使建設(shè)項目資金充足，當?shù)貓龅亟ㄔO(shè)管理的職業(yè)經(jīng)理人仍然在市政工程行業(yè)供不應求，現(xiàn)場管理質(zhì)量普遍較差。安全技術(shù)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(xiàn)場人員的素質(zhì)還有待提高。

（14）

3 仿真結(jié)果與分析

仿真設(shè)置包括特定半徑內(nèi)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(shù)相同，多個SU位于距PU1000-10000米距離處。對于不同場景，網(wǎng)絡包括10～80個節(jié)點，在參考距離下感知10～100個子帶。

3.1 仿真結(jié)果

圖2所示為錯失率的收斂性，虛線為理想狀態(tài)，實現(xiàn)為利用提出方案得到的結(jié)果。從圖2可以看出，經(jīng)過有限次迭代后，提出方案可快速收斂，且與理想狀態(tài)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(fā)生故障，且時，提出的方案利用確定出，可保持接近發(fā)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(xiàn)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(jié)語

本文提出了一種ε-貪婪結(jié)合異常檢測的頻譜感知框架，能檢測和跟蹤認知無線電網(wǎng)絡中的惡意用戶和異常測量。仿真結(jié)果表明，提出的方案獲得的收斂性均接近理想狀態(tài)，且優(yōu)于現(xiàn)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?zhí)炜?，曾志民，?認知無線電關(guān)鍵技術(shù)及應用的研究現(xiàn)狀[J].無線電技術(shù)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(wǎng)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(wǎng)絡中模擬授權(quán)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(tài)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(yōu)用戶選擇協(xié)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(quán)序貫檢測的協(xié)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(jié)合SA優(yōu)化算法的無線傳感器網(wǎng)絡路由協(xié)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(wǎng)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(quán)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(gòu)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