基于D S证据理论的加权协作频谱检测算法

上传:woyuanyishijiliu 浏览: 6 推荐: 0 文件:PDF 大小:123.62KB 上传时间:2021-02-18 03:35:17 版权申诉
摘 要:提出了一种基于 D-S 证据理论的加权协作频谱检测(DS-WCSS)算法。该算法使用能量检测进行本地检测,利用2种假设检验条件下检验统计量的方差和均值来评估各认知用户可信度的差异性,进而给出各认知用户可信度的权重,最后使用D-S证据理论进行数据融合和判决。仿真结果表明,与基于D-S证据理论和传统硬判决的协作频谱检测算法相比,DS-WCSS可以有效地提高检测性能。
上传资源
用户评论
相关推荐
基于改进DS证据理论加权协作频谱检测算法
文中基于各认知用户的差异性,提出一种基于改进D-S证据理论的加权协作频谱检测算法。在能量检测的基础上,充分考虑各个认知用户之间的差异性,并根据各认知用户的检测统计量的方差和均值来给出各个参与数据融合的
PDF
1.51MB
2021-01-30 13:06
基于DS证据理论协作频谱感知改进方法
提出了一种新的协作频谱感知方法,该方法采用DS证据理论。首先,在本地感知通过投影近似法分解感知结果以减少次级用户上报至融合中心的感知数据,从而降低协作带宽开销。其次,在融合中心根据次级用户证据矢量之间
PDF
1.09MB
2021-02-18 03:35
基于改进D S证据理论认知无线电频谱感知算法研究
针对基于D-S证据理论的认知无线电频谱感知算法在认知节点的感知信息存在较大冲突时会产生与实际情况相悖结果的问题,提出了一种基于改进D-S证据理论的认知无线电频谱感知算法。改进算法采用一种新的加权平均方
PDF
569KB
2020-07-25 01:50
论文研究_基于改进型能量检测加权协作频谱感知算法.pdf
针对单节点能量检测法存在的“隐藏终端”和检测准确性低以及协作频谱感知算法大多采用等权重进行数据融合,未考虑不同节点所处的通信环境对检测性能的影响等问题,提出一种基于改进型能量检测的自适应加权协作频谱感
PDF
517KB
2020-07-16 04:51
基于D S理论双门限频谱感知算法研究
针对传统双门限频谱感知算法不能充分利用2个门限之间感知用户信息的问题,提出了一种基于D-S理论的双门限频谱感知算法。当感知用户接收到的信号能量介于2个门限之间时,该算法不直接给出判决结果,而是进行本地
PDF
203KB
2020-07-19 21:39
论文研究一种基于改进加权序贯检测协作频谱感知算法.pdf
通过序贯检测可以提高协作频谱感知的准确度,但是在具有频谱感知数据窜改(spectrumsensingdatafalsification,SSDF)节点的环境下,系统感知性能急剧下降。为了解决上述问题,
其他文档
0B
2019-09-14 01:39
D_S证据理论证据合成原
摘要:文章详细分析了D-S证据理论的证据合成原理。针对D-S证据理论的不足,对其合成规则进行了改进,基本原则是要求多种来源的概率分配函数的合成结果满足“少数服从多数”的思维习惯;在Yager合成规则的
PDF
0B
2019-05-01 14:01
证据理论协作感知
关于认知无线电中协作感知的部分材料,是基于DS理论的,
CAJ
0B
2019-01-02 12:17
频谱检测协作软合作算法比较
频谱检测协作软合作算法比较
DOC
0B
2019-01-02 12:11
基于能量检测协作频谱感知.m
利用MATLAB实现了基于能量检测的协作频谱感知,给出了不同节点检测的理论值和仿真值,对了解频谱感知有一定的帮助
M
1KB
2020-08-23 08:27
研究论文基于自选信任度加权协作频谱感知算法.pdf
协作频谱感知技术可以有效地克服多径衰落、阴影及隐蔽终端等问题,但在协作频谱感知中,存在系统控制信道带宽消耗较大,计算复杂等问题。为了解决以上问题,对传统的指数加权和指数信任度函数中的权值系数做了修正,
PDF
0B
2019-08-13 17:48
D S证据理论算法及实现matlab实现
D-S证据理论matlab实现算法 以函数形式编写,只需输入参数即可,简单易用, 如果改进,只需稍加修改 D-S证据理论matlab实现算法 以函数形式编写,只需输入参数即可,简单易用, 如果改进,只
ZIP
900B
2020-08-08 19:54
d_s证据理论程序
这是关于d-s证据理论的matlab源代码,还在为写程序发愁的童鞋们有笑了
RAR
0B
2018-12-29 00:36
D S证据理论融合代码
该matlab程序可支持多个BPA融合 可求得冲突系数K 也可适用于多子集命题 程序以计算过程的步骤来编写 可扩展性高
M
1KB
2020-08-22 04:58
基于D S证据理论短期风速预测模型
提出一种基于D-S证据理论的短期风速组合预测模型。分别采用时间序列、BP神经网络和支持向量机预测模型对风速进行预测,通过对预测误差的分析,借助D-S证据理论对3种模型进行融合。选取待测日前几日的风速数
PDF
714KB
2021-01-17 02:36