论文部分内容阅读
随着无线通信需求的增长，固定的频谱分配政策已经不能满足需求，迫切需要解决频谱资源紧缺的问题。认知无线电（Cognitive Radio,CR）是一种智能无线电技术，可以感知无线电环境的变化，并实时切换频段，实现和主用户（Primary User, PU）共享频谱而不会对其造成干扰。CR通过识别空闲频谱，实现授权频段的二次利用，有望解决频谱利用率低的问题。 频谱感知是CR中最重要的一步，为了提高频谱感知性能，避免单个CR节点感知能力有限的缺陷，通常选择多节点合作感知，而且，研究表明，合作频谱感知（Cooperative Spectrum Sensing,CSS）的检测性能随着节点数目的增加而提高，但是，当感知节点达到一定数目时，进一步增加节点数目已经不能提高整体感知性能。反而会引入新的安全问题，主要包括恶意用户对认知无线电网络（Cognitive RadioNetwork,CRN）的攻击，常见的有感知数据篡改攻击（Spectrum Sensing Data Falsification,SSDF），恶意用户（Malicious User,MU）通过发送错误的感知结果至融合中心（Fusion Center,FC），从而破坏频谱感知的真实性，导致FC做出错误的判决，空闲频谱没有得到有效的使用。无论是集中式合作频谱感知还是分布式合作频谱感知，SSDF攻击均能造成极大的影响，因此，研究SSDF攻击的防御方案具有重要意义。为了能够准确检测主用户信号的状态，提高认知无线电的检测性能。目前，一些研究提出SSDF攻击的防御方法，主要是基于信任度的安全合作频谱感知方法，根据节点以往的感知结果，分配相应的权值，削弱恶意节点对合作频谱感知的影响，在一定程度上，可以抑制MU的攻击，但是，当MU的攻击方式是智能攻击，该方案的实现效果不佳，而且会把感知能力弱的节点错当成MU而被剔除。 针对SSDF攻击提出MU检测方法，由于以往的恶意攻击防御机制主要是根据感知数据的异常值检测来判断MU，需要知道MU的先验经验，而且计算复杂度高，本文提出基于汉明距离检测（Hamming Distance Detection,HDC）MU，不仅减少时间复杂度，而且不需要知道恶意节点的数量和攻击方式，相比以往的恶意用户检测方案，该方法的检测性能更有效。考虑到频谱状态符合马尔科夫特性，以及PU的移动性，将隐马尔科夫模型（Hidden Markov Models,HMM）引入到MU的检测中，通过比较MU和诚实用户（Honest User,HU）的HMM参数的不同来检测MU。本文主要研究内容如下： 1．根据MU的攻击特征，提出HDC检测方法，由于HU和MU的感知结果差异比较大，可以判断出哪些是恶意节点，在后面的数据融合过程中，排除恶意节点的错误感知结果，从而提高全局检测概率。研究结果表明，该方法优于以往基于异常值检测方法，能够有效检测出MU，阻止其干扰FC的判决。 2．考虑到PU的移动性，基于信誉度的安全合作频谱感方法不适合移动场景，以往的研究没有考虑认知节点的移动性，因此，当认知节点处在路径衰减严重的位置时，它会过度降低该节点的可信度，甚至误把该节点当成恶意节点而剔除。本文提出准确可靠的小型PU的跟踪方法，顺序蒙特卡罗组合阴影衰落估计提高PU信号的定位，即使在有MU干扰的情况下也能检测出错误的报告。 3．由于频谱状态满足马尔科夫过程，因此，可以采用马尔科夫模型更准确的描述频谱状态行为，本文基于HMM模型检测MU，由于正常用户和MU的隐含马尔可夫序列不同，从而可以检测MU节点并阻止其参与融合判决。