基于信任度累積的聯(lián)邦協(xié)作頻譜感知

打開文本圖片集

摘 要：針對低信噪比下協(xié)作頻譜感知（CSS）的檢測概率低且易受表現(xiàn)較差節(jié)點干擾的問題，提出一種基于信任度累積的聯(lián)邦協(xié)作頻譜感知方法（FL-CSS）。該方法分為離線訓(xùn)練和在線檢測兩部分：在離線訓(xùn)練部分設(shè)計了模型融合和更新策略，保證了次用戶（SU）本地模型的性能，并避免全局模型受到表現(xiàn)較差SU的干擾；在線檢測部分設(shè)計了數(shù)據(jù)融合策略，提出信任度累積算法為SU分配權(quán)重，綜合考慮了SU在模型融合中的權(quán)重、在上一次決策中的表現(xiàn)以及決策的歷史因素的影響。（剩余15064字）