科研之友
微信
新浪微博
Facebook
分享链接
摘要
无人机认知网络(Cognitive UAV Networks，CUAVNs)可以通过高精度的频谱感知提高频谱效率，但传统的集中式协作频谱感知不适用于无人机(Unmanned Aerial Vehicle， UAV)网络。UAV网络拓扑结构动态变化，使得全局信息很难快速收集至一个融合中心。针对上述问题，提出一种基于K-means聚类算法的分级分布式协作频谱感知方法。首先，利用K-means聚类算法基于位置信息对UAV进行分簇；然后，采用两级分布式融合方案进行分层融合，在每个簇内先进行一致性信息融合，得到K个融合结果，再进行第二次融合得到最终全局收敛结果；最后将最终收敛结果与检测阈值对比，得到最终决策。仿真结果表明，所提出的分级分布式融合方案具有较好的收敛性，且信息融合迭代次数比未分级融合方案更少。在不同权重因子的加权情况，分级分布式融合方案较未分级融合方案更好，且当平均接收信噪比越大时，检测性能越好。与未分级分布式融合方案相比，在UAV节点较多的情况下，该方案使CUAVNs的频谱检测性能得到提升。
- 单位
