为了提高集中式认知网络的吞吐量,提出了基于信任度的吞吐量优化算法。该算法在主用户充分保护的前提下,以认知用户的吞吐量为目标函数,融合中心采用双门限值对本地感知结果进行融合。从理论上证明了吞吐量是全局漏检概率的增函数,当全...为了提高集中式认知网络的吞吐量,提出了基于信任度的吞吐量优化算法。该算法在主用户充分保护的前提下,以认知用户的吞吐量为目标函数,融合中心采用双门限值对本地感知结果进行融合。从理论上证明了吞吐量是全局漏检概率的增函数,当全局漏检概率等于门限值时,吞吐量达到最大值。并利用牛顿迭代法求出单节点概率,然后采用遍历法可得到认知用户吞吐量最大值。仿真结果表明,当信噪比为-14 d B时认知用户融合优化算法相对"AND准则""OR准则"以及"HALF准则"归一化吞吐量分别提高了0.62、0.3和0.09。展开更多
文摘为了提高集中式认知网络的吞吐量,提出了基于信任度的吞吐量优化算法。该算法在主用户充分保护的前提下,以认知用户的吞吐量为目标函数,融合中心采用双门限值对本地感知结果进行融合。从理论上证明了吞吐量是全局漏检概率的增函数,当全局漏检概率等于门限值时,吞吐量达到最大值。并利用牛顿迭代法求出单节点概率,然后采用遍历法可得到认知用户吞吐量最大值。仿真结果表明,当信噪比为-14 d B时认知用户融合优化算法相对"AND准则""OR准则"以及"HALF准则"归一化吞吐量分别提高了0.62、0.3和0.09。
