关键词：认知无线网络;;协同频谱感知;;融合准则优化;;贝叶斯代价
摘 要：频谱感知是认知无线电一项基础的任务。在认知无线网络中,多个次用户可以协同工作,对主用户进行可靠感知。如何融合多个次用户的感知信息是实施协同感知的关键。本文围绕集中式认知无线网络中的硬合并协同感知技术展开研究,讨论了常用的k-out-of-m融合准则。与OR准则(k=1)、Half-voting准则(k=m/2)和AND准则(k=m)等特例不同,本文考虑参数k任意取值的场景,从最小化贝叶斯代价的角度,推导出了最优k值的闭合表达式。仿真结果验证了该闭合公式的有效性,并显示最优k值随判决门限、频谱非空闲与空闲先验概率比、漏检与虚警影响因子比的增大而减小,且在信噪比场景中更具应用价值。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取