密集认知无线电网络中的全局最优协作
网络与互联网体系结构
2014-02-26 v1 信息论
math.IT
摘要
基于硬判决的协作频谱感知中计算局部和全局判决阈值的问题因其数学上的难解性而众所周知。先前的工作依赖于简单的次优计数规则进行判决融合，以避免获取最优阈值所需的穷举数值搜索。然而，这些简单规则并非全局最优，因为它们未能通过联合选择局部和全局阈值来最大化整体全局检测概率；相反，它们仅针对特定全局阈值最大化检测概率。本文推导了一种基于 Neyman-Pearson (NP) 准则的用于主用户信号检测的全局最优判决融合规则。该算法基于一种新颖的全局性能度量表示法，即利用正则化不完全 Beta 函数。基于这一数学表示，证明了全局最优 NP 硬判决融合检验可转化为常规的一维凸优化问题。应用二分搜索求解全局阈值，其复杂度为 O(log2(N))，其中 N 代表协作用户数。对数级复杂度备受推崇，因为我们关注的是密集网络，因此预期 N 很大。所提出的最优方案优于传统的计数规则，如 OR、AND 和 MAJORITY 规则。仿真表明，虽然当协作次级用户数量较少时最优规则趋向于简单的 OR 规则，但在拥有大量协作用户的密集认知无线电网络中，它提供了显著的 SNR 增益。
引用
@article{arxiv.1402.6243,
title = {Globally Optimal Cooperation in Dense Cognitive Radio Networks},
author = {Ahmed M. Alaa and Omar A. Nasr},
journal= {arXiv preprint arXiv:1402.6243},
year = {2014}
}