健壮的频谱感知通过双面邻居距离基于遗传算法的认知无线电网络

文摘

在认知无线电网络中(crn),二级用户(SUs)可以访问空频谱授权给主用户(PU)。因此,准确和及时的频谱感知对可用频谱的有效利用是至关重要的。遥感结果在每个SU不确实的是由于衰落,阴影,和接收方的不确定性问题。合作频谱感知(CSS)提供了一个解决这些问题。在CSS中,假传感融合中心的报告(FC)收到恶意用户(亩)大大降低合作聚氨酯的性能检测。在本文中,我们提出一个健壮的频谱感知方案减少虚假传感亩报道的影响。该方案侧重于双面邻居距离(DSND)基于遗传算法(GA)来过滤掉μ传感CSS的报道。仿真结果表明,检测结果更加准确和可靠提出了GA多数表决硬决策融合(GAMV-HDF)和GA加权软决策融合(GAW-SDF)比传统软决策融合等增益组合(EGC-SDF),最大增益组合软决策融合(MGC-SDF),和多数表决决定融合(MV-HDF)计划在亩的存在。

1。介绍

快速发展的无线通信系统要求新的无线服务的使用和未使用的部分电磁波谱(1]。未充分利用的频谱影响光谱洞代表频段分配给一个合理的主要用户(PU),但它不是利用聚氨酯在特定时间和特定的地理位置。动机引入认知无线电技术是提高要求更高的数据率下充分利用频谱稀缺问题[2- - - - - -4]。解决频谱稀缺问题,联邦通信委员会(FCC)允许二级用户(SUs)动态的利用频谱在不同的服务,甚至将频谱租赁给第三方(5,6]。认知无线电网络(CRN)由一个智能无线通信系统嵌入式与关键功能提供无缝通信,所有基于需求的地理位置与熟练的利用频谱资源7]。

CRN的重大问题之一是正确检测聚氨酯通道的状态。适当的检测聚氨酯通道的状态是至关重要的在苏最小化干扰聚氨酯。聚氨酯在crn, SUs收集信息存在根据不同的检测技术,如特征检测器,匹配滤波器检测、能量检测器(3,4]。能量检测器可以最好的选择来区分的PU信号噪声,由于其简单性和最小的计算,但是它不执行在弱信号噪声比(信噪比)的环境。

合作频谱感知(CSS)衰落和阴影环境中表现良好,在多个无线电提供一个独立的实现分布式传输过程中相关的随机变量(8- - - - - -10]。SUs都深陷消失的概率非常低,这使得CSS雇佣更少的敏感探测器与廉价的硬件,从而降低整个系统的成本和复杂性。人工蜜蜂殖民地集群(ABCC)算法在11)是主管的能量消耗降低和稳定合作的用户。在CSS, SUs做出自己的本地决定PU存在并将其转发给融合中心(FC)进行进一步分析12,13]。

CSS是暴露在假传感恶意用户的报告(亩),因此识别和排除μ的报道合作计划是至关重要的减少他们的负面影响。讨论了数据挖掘的一种异常检测方法(14- - - - - -16]。在[17),与主用户模拟攻击亩(为)模仿PU行为进行了探讨。一个健壮的CSS方案的攻击下亩PU的空前繁忙的状态发送到FC讨论(18]。在[19],Kullback-Leibler(吉隆坡)散度的方法是用来对付亩总是忙,总是免费PU通道的信号信噪比的要求。SUs在柔软的组合方案报告他们的能源统计的FC没有本地处理个人苏(20.- - - - - -22]。在[23),允许代理合作完成个人任务解决多重代理任务提高效率和降低沟通成本。一个艰难的决定计划24)保持低通信开销相对于其他软组合方案。以人群为基础的搜索算法与遗传的能力抓住几个优化工作提出了(25]。

遗传算法(GA)用于确定优化解决方案使用生物刺激技术,如自然选择、遗传基因,重组,交叉26,27]。GA的非凡的普遍性和通用性使它有用的各种设置的无线通信来减少误差概率的CSS28,29日]。

摘要CSS传感性能优化的FC亩报告虚假信息,通过减少检测和假警报概率小姐,导致整体误差概率降低。在我们之前的研究30.],SUs执行当地的传感和报告软FC和能量也将信息存储在本地数据库。然后之后,俱乐部决定了KL散度得分对每个苏苏也承认这个相同的信息。通常宣称用户基于KL散度得分试图发送的意思是以前的能源FC基于当前的观察报告。同样,在我们提出基于遗传方案(31日μ识别),没有额外的措施和FC使得全球决策基于最好的选择结果的GA优化检测和虚警概率。我们以前的工作在26)是基于双面邻居距离的组合(DSND)先用GA算法确定使用DSND亩,然后使用遗传算法在选择最佳频谱感知结果最终得到的迭代次数。最好的选择遗传算法的结果是紧随其后的是多数表决融合艰难的决定(MV-HDF)全球决策。本文前面工作的延伸,亩和正常SUs FC报告他们的本地感知结果。当对SUs收集足够的数据,首次发现的异常与DSND GA算法,如(14,26];GA然后随机变异的传感数据发现异常和交叉操作搜索更合适的传感信息报告可疑行为。遗传算法选择进一步用来找到最好的传感数据基于汉明距离的SUs从邻国区间,在每个历史和最小汉明距离报告决定最好的感知结果代表所有SUs多数表决艰难的决定融合(MV-HDF)。最好的选择结果进一步用于分配权重,苏软决策融合的报道(SDF)的全球俱乐部的决定。不像我们之前工作的地方MV-HDF表现与自卫队和HDF方案相比,在扩展工作,该方案有效性已被进一步证实了在不同数量的合作SUs和各种信噪比。仿真结果在不同级别的合作SUs和信噪比确认的亩,拟议中的DSND-based GA系统能够产生更精确的检测结果为自卫队和HDF方案。拟议的GA加权自卫队(GAW-SDF)和GA多数表决HDF (GAMV-HDF)能够击败简单等增益组合软决策融合(EGC-SDF),最大增益组合软决策融合(MGC-SDF),和简单多数通过艰难的决定融合(MV-HDF)计划在PU通道识别通过保持错误的概率结果最优检测高和低假警报结果在不同级别的用户信噪比和合作。

总结了本文的主要贡献如下:(我)小说提出了加权软决策方案结合遥感结果报告正常SUs和亩(2)提出了加权软决策方案采用软、硬两种组合来实现更好的性能,而以前的工作只适合组合方案(3)通过大量的模拟,评估方案的有效性检测而言,假警报和错误概率在不同的信噪比范围和用户数量与现有方案相比

剩下的纸是组织如下。给出了系统模型2。节3,提出DSND方案基于GA克服亩的影响。数值结果显示了部分4。最后,本文的结论部分5。

2。系统模型

为了提高传感性能,我们考虑一个CRN场景,在该场景中,所有的猜测都是寻找一个共同的聚氨酯的覆盖范围和报告FC的通道状态如图1。基于频谱感知结果收到正常SUs亩,FC使一个更精确的和真正的全球聚氨酯通道可用性决定。

接收到的信号能量被用来决定和假设在一个特定的光谱 在哪里聚氨酯谱的假设是,有空吗代表PU渠道占领,是苏观察信号传感位置,是加性高斯白噪声(AWGN)苏,通道增益和聚氨酯之间的吗苏,聚氨酯信号传输吗传感插槽。

都假定一个能量检测器被SUs由于其简单性和PU权力的没有任何先验信息的需求。在收到的能量苏在感应间隔 在哪里样品的数量吗时间间隔。根据中心极限定理(此时此地,足够数量的样品提供了能量分布是高斯分布的和假设,由(26] 在哪里信噪比。同样的, 和 表示接收到的能量的均值和方差值时或假设是正确的。

3所示。提出的方法

在本节中,我们详细讨论拟议的方法。FC应用DSND技术作为识别异常的遗传算法的一部分,然后交叉和变异的援助,遥感观测报告SUs高适应性选择。选择的健身还用于分配权重得到软能源统计个人猜测。在柔软的组合,用户报告的可靠性保证对每个SU信息通过确定权重。所有亩获得权重低于正常SUs的能源信息自卫队计划。提出DSND算法,历史上开发日志与报告SUs FC过滤掉任何异常苏从全球决定计算每个SU与邻国的距离。适应度函数是基于汉明距离的绝对金额的个人感知报告提供的所有其他嫌疑犯。最后选择迭代,遥感观测与邻居之间的最小差异被认为是真正的感知的事实。在接下来的测量,MV-HDF和加权自卫队计划用来宣布全球决定PU的存在。的影响包括合亩CSS有轻微影响俱乐部的最终决定。

3.1。本地频谱决策

该传感模型如图2。在这个模型中,合作SUs PU通道和比较接收到的信号能量和一个阈值发送二进制报告FC 在哪里预期的能量吗苏在传感区间,设置的阈值点对吗苏。合作SUs鉴于CSS环境PU通道在不同的位置,他们体验不同的衰落和阴影效果。因此,阈值设置在每个用户是不一样的。如果收到的能量苏高于阈值,二选一的决定“1”是转发到FC指示一个被占领的通道。类似地,如果能量小于阈值,据报道,二选一的决定“0”描绘了频道免费。

FC收集本地频谱决策从所有SUs的历史的间隔,形成报告矩阵对所有SUs历史 在哪里是 人口矩阵由累积的光谱传感通知在FCSUs在总报告。信息收集为SUs和亩。CSS可以使不同的系统安全对造假影响亩”政策,如总是是的恶意用户(AYMU),总是没有恶意用户(ANMU),对恶意用户(浏览器)和随机相反的恶意用户(ROMU)采用以下方法。AYMU政策总是报告nonavailability PU的通道,因此,存在AYMU CSS导致misdetection概率增加的系统结果在FC低检测概率。同样,ANMU PU渠道的政策报告总是自由状态和结果在增加系统的虚警概率。AOMU的报告和ROMU政策否定PU活动的实际情况报告高能级时,通道是免费和低能量状态,当聚氨酯占据通道,因此导致假警报和misdetection概率的增加。

3.2。双面邻居距离(DSND)捕获恶意用户

DSND算法被用来确定遥感异常值的报告,这是远离其他SUs历史表。根据收到的SUs传感通知间隔,FC是能够识别任何异常值μDSND算法。

FC首先从个人SUs接收本地频谱观测。当FC收集感应来自所有的报道SUs如(5),和这样选择指数 。同样,的选择和指标必须满足 和 ,在哪里和亩的仪表检测、亩考虑的总数是什么时候吗在合作的嫌疑犯。随着DSND算法比较历史SUs的报道,因此,inter-SU距离小于或比声明了苏μ。苏不能被视为恶意的检测和仪表。随着DSND算法应用于遥感SUs的历史,因此,更多的信息系统收集报告可疑行为,更确切地说这个算法来识别异常。

距离感应的报道苏与所有其他SUs取决于(6)。这个测量是不同的报道苏与所有其他SUs: 在哪里是总绝对距离测量的苏传感与所有用户传感。

矩阵是感知差异对每个合作SUs所有传感迭代集合。矩阵排序,结果是用于设置限制异常的检测

在(8),和均值和方差的测量吗矩阵,分别是一个常数与价值 为总报告代表的历史代表所有合作SUs传感信息。被定义为上限和下限 在哪里选为上吗为下限。后的选择和条目的基础上排序结果,如果苏比的条目 ,苏是声明为μ感觉如果输入用户的小于 ,苏是声明为μ有意义的。

DSND的直觉是,如果苏历史太远离其他SUs或其他苏的历史太近,其行为可能是异常,因此代表一个μ。由于双检测阈值,DSND不仅能够检测到攻击者与他们的报道很大程度上不同于亩,即。,AYMU, ANMU, and OMU users, but it can also identify the attackers with their reports supported by the honest SUs and performing malicious act occasionally such as ROMUs.

3.3。生产新的人口

指的GA人口行染色体的表征,包括传感数据报告SUs表示基因组的值。

适应度函数的选择是基于每个SU的汉明距离与邻国SUs (7),

适应度函数是用来检查每个传感区间遥感观测的适用性。高的钳工染色体规律在遥感数据可以通过继承,而有害的染色体与亩不一致数据推迟是由于适者生存理论。

钳工染色体高SUs报告数据中的规律和最小干扰从任何μ可以传递给下一代。健身分数是利用按升序排序。

基于(13),前两条染色体组成的最小汉明距离与选择的邻居父染色体在接下来的人口,和交叉过程进行其他找到新鲜的少年。

后代的交叉实践是重复利用的最佳行为个体的染色体通过混合,以提高的机会找到更合适的人选。选择一个随机轨迹点和子序列,前和后,轨迹在父染色体,交换对建立新的孩子。这个算子随机选择一个轨迹和交流两个父染色体之间的子序列构建的一对孩子。提出选择交叉点是随机的工作。

基因组突变改变了选择状态随机显示了遥感数据的修改指定用户在此工作。突变是应用于传感检测到异常的报告。报告中发现亩(11通过改变基因组随机倒位。

交叉和随机突变后发现亩数据,新的人口导致形成一个新邻居距离矩阵的形成如下:

新的适应度函数值确定

健身分数(15)按升序排列的最小汉明距离测量选为是最好的健康。在矩阵 ,传感与相似指数报告最好的健身是选为DSND-based GA的最后的建议方案。推荐的遥感观测MV-HDF用于以下部分的方案到最终的评估对聚氨酯的活动。

汉明距离的结果是归一化权重分配给每一个决定

SUs的异常行为获得低级别相比,从导致亩(16)。

详细的流程图图提出了CSS逐步操作从单个光谱传感最后全球决定使用MV-HDF,自卫队和加权如图3。

3.4。全球的决定

根据重结果为每个SU传感信息的真实性(16),全球的决定在FC制定 在哪里分配下来的重量吗能源数据融合和苏是聚氨酯的阈值检测。FC的SUs与恶意行为被指控与正常相比低级别SUs获得更高的权重。所有亩包括AYMU ANMU、浏览器和ROMU很容易确定的方案与他们的行为。一亩有更高的结果,因为他们与其他SUs的报告信息不一致。亩接收低级别,因为亩背离所提供的信息更重要的是其他的嫌疑犯。

三个最常用的HDF计划MV-HDF, OR-HDF, AND-HDF方案。识别异常用户后DSND算法,遗传算法是用来做最后决定在FC进一步提高其准确性。DSND-based GA的传感选择技术是利用聚氨酯的MV-HDF得到更准确的信息渠道与自私的最小影响用户在最后的组合。

MV-HDF方案需要一致决定如果聚氨酯的存在的聚氨酯检测合作用户状态。类似地,如果检测报告从SUs接收不到然后决定赞成聚氨酯的频道免费。MV-HDF计划,投票选择标准 如下一个特例: 在哪里是苏报道总数达到融合PU检测中心是当地的决定苏在期,是全球MV-HDF方案决定的吗时期。

4所示。数值结果和评价

在本节中,我们提出该方案的计算结果进行比较与其他现有的方案。CRN设置是由总SUs (10 - 20)。所有随机SUs位于PU的存在感。这些SUs,四个嫌疑犯被分配的恶意AYMU责任,ANMU,浏览器,ROMU。亩的测试工作在较低的平均信噪比与正常SUs相比,即。亩,低信噪比的信道与正常的猜测。方案的模拟结果观察到在不同的信噪比和比例的增加SUs合作。每个SU作为传感的时期这是分为 样本。传感的迭代的数量进一步选为100。ROMU用户执行100年这些恶意行为随机迭代。

GA,染色体的总数是16包含的传感信息与随机交叉点SUs合作选择从1到 。交叉和变异操作进行了10个周期和选择最好的健身效果。

结果如图4(一)和4 (b)说明该地区的收敛曲线(ROC) GAW-SDF, GAMV-HDF MV-HDF, EGC-SDF, MGC-SDF计划。不同信噪比下检测和假警报概率为每个合作苏图所示4(一)。传感SUs是 和 。

图4(一)显示提高探测概率的结果对于一个给定的虚警概率的SUs增加 来 。类似的探测概率的结果得到给定虚警概率不同比率的SUs,保持平均信噪比和在图4 (b)。检测结果在图的概率4 (b)增加信噪比改善与提高信噪比来 。对比结果如图4(一)和4 (b)合作方案能有效的中华民国结果图4(一)在信噪比的增加而增加的合作SUs图4 (b)。

两个数字4(一)和4 (b)比较提出GAMV-HDF MV-HDF和GAW-SDF方案简单,EGC-SDF, MGC-SDF方案。结果表明,提出的软、硬融合组合使用之前识别的亩DSND算法之后,交叉和变异操作产生复杂的PU检测对简单MV-HDF EGC-SDF, MGC-SDF方案。在这两个数字4(一)和4 (b),该方案优于现有传统MV-HDF MGC-SDF, EGC-SDF方案。

对信噪比检测的概率是画在图5(一个)不同数量的SUs合作。图5(一个)表明,通过增加SUs的数量从10到13日,所有合作机制的检测性能明显改善。同样,在图5 (b),检测性能结果实现了不同数量的嫌疑犯。结果表明改善检测结果当SUs的数量从10增加到20。图5 (b)还表明,给定数量的检测性能SUs迅速提高,当信噪比的值增加为SUs的数量。的结果数据5(一个)和5 (b)证明的检测性能提出了软、硬融合方案是生产最好的检测结果与EGC-SDF相比,MV-HDF, MGC-SDF方案。该方案检测结果是紧随其后的是MGC-SDF计划虽然简单MV-HDF计划给最差表现。

错误的概率对信噪比的不同数量的SUs绘制数据吗6(一)和6 (b)。结果表明,通过增加SUs的平均信噪比和总人数,传感PU通道的误差大大降低。结果在图6(一)和6 (b)表明,该方案智能生成更少的概率误差相比与其他软、硬融合方案如MGC-SDF EGC-SDF, MV-HDF。

很明显从模拟DSND-based GA其次是软、硬融合组合方案使CSS性能更加可靠和准确的亩的不同变化,即。,ANMU AYMU ROMU和浏览器。数值结果的硬性和软性决策方案,诸如MV-HDF MGC-SDF, EGC-SDF确认SUs的合作提供了高可靠性和精密的传感PU活动。该方案能够识别和消除亩为了使传感过程可靠。

5。结论

亩的虚假传感数据减少CSS的有效性。所以有必要在传感逃避任何混乱。本文着重于改善现有的软,多数表决融合组合方案使用GA亩的存在。GA采用DSND检测亩,用交叉和变异得到精确和可靠的感知结果FC。FC使用加权自卫队和MV-HDF计划采取全球聚氨酯频谱占用的决定。亩的不同性质被认为是。,AYMU, ANMU, ROMU, and OMU, to intensify the harshness of the environment. The numerical results demonstrated that the proposed scheme greatly improves the system performance including sensing accuracy.

数据可用性

使用的数据来支持本研究的发现包括在本文中。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这部分工作是支持MSIT(科技部和ICT),韩国,在期(信息技术研究中心)支持程序(IITP - 2020 - 2018 - 0 - 01426) IITP监督的信息和通信技术研究所(计划和评估)和部分由国家研究基金会(NRF)由韩国政府资助(MSIT)(没有。2019 r1f1a1059125)。

引用

1. 答:Ghasemi和e·s·苏萨,”在认知无线电网络频谱感知:需求、挑战和设计权衡,”IEEE通讯杂志,46卷,不。4,32-39,2008页。视图:出版商的网站|谷歌学术搜索
2. h, c .江、毛x和h·陈,“Interference-limited资源优化与公平和不完美的频谱感知认知家庭基站,”IEEE车辆技术,卷65,不。3、1761 - 1771年,2016页。视图:出版商的网站|谷歌学术搜索
3. b .哈立德、b . Letaief和w·张”合作为认知无线电网络通信IEEE学报》,卷97,不。5,878 - 893年,2009页。视图:出版商的网站|谷歌学术搜索
4. e·阿克赛尔g .低浓缩铀。拉尔森,h .诉穷,“对认知无线电频谱感知:最先进的最新进展,“IEEE信号处理杂志卷,29号3、101 - 116年,2012页。视图:出版商的网站|谷歌学术搜索
5. r·陈,人类。公园,y托马斯•侯和j·h·里德,“向安全的分布式频谱感知认知无线电网络中,“IEEE通讯杂志,46卷,不。4、50 - 55,2008页。视图:出版商的网站|谷歌学术搜索
6. Mishra, a Sahai, r . Brodersen“合作遥感在认知无线电中,”IEEE国际会议通信学报》上IEEE,伊斯坦布尔,土耳其,2006年6月。视图:出版商的网站|谷歌学术搜索
7. 微积分,“认知无线电:brain-empowered无线通讯,”IEEE在选定地区通讯》杂志上,23卷,不。2、201 - 220年,2005页。视图:出版商的网站|谷歌学术搜索
8. d·李,“自适应随机访问合作频谱感知认知无线电网络中,“IEEE无线通信,14卷,不。2、831 - 840年,2014页。视图:出版商的网站|谷歌学术搜索
9. y,美国成员,j .雪t . Ratnarajah m·图雷和f·汗,“在合作频谱感知的性能在随机的认知无线电网络中,“IEEE系统杂志,12卷,不。1,第892 - 881页,2016。视图:谷歌学术搜索
10. 江h, c,数控。王朱比尤利,x, x,“认知小细胞网络的资源分配:合作讨价还价的游戏理论的方法,”IEEE无线通信,14卷,不。6,3481 - 3493年,2015页。视图:出版商的网站|谷歌学术搜索
11. s。金,s . McLoone黄永发。机构,美国李,h·刘,“认知启发人工蜜蜂殖民地集群对认知无线传感器网络,”认知计算,9卷,不。2、207 - 224年,2017页。视图:出版商的网站|谷歌学术搜索
12. m .郑w .梁、h . Yu和m .歌曲“SMCSS:快速和可靠的合作频谱感知认知工业无线网络方案,“IEEE访问4卷,第9319 - 9308页,2016年。视图:出版商的网站|谷歌学术搜索
13. m·纳比尔,我们。赛义德,m . Elnainay”合作频谱感知方案基于任务分配算法的认知无线电网络”学报2014年国际无线通信和移动计算会议(IWCMC)IEEE,塞浦路斯尼科西亚,2014年8月。视图:出版商的网站|谷歌学术搜索
14. h·李和z汉”逍遥法外:异常检测方法协作频谱感知认知无线电网络中,“IEEE无线通信,9卷,不。11日,第3565 - 3554页,2010年。视图:出版商的网站|谷歌学术搜索
15. h .郭、w .江和w·罗,“线性软组合合作频谱感知认知无线电网络中,“IEEE通信信,21卷,不。7,1573 - 1576年,2017页。视图:出版商的网站|谷歌学术搜索
16. m . s .汗m . Jibran古,s m . Kim和j·金,“双自适应方法应对恶意用户在认知无线电网络中,“无线通信和移动计算卷,2019篇文章ID 2350694、9页,2019。视图:出版商的网站|谷歌学术搜索
17. a·a·沙里夫、m·沙里夫和m . j . Musevi Niya,“协作频谱感知主用户模拟攻击在认知无线电网络中,“IETE杂志》上的研究,卷62,不。2、205 - 211年,2015页。视图:出版商的网站|谷歌学术搜索
18. p . Kaligineedi m . Khabbazian, v . k . Bhargava“恶意用户检测在认知无线电合作传感系统中,“IEEE无线通讯事务,9卷,不。8,2488 - 2497年,2010页。视图:出版商的网站|谷歌学术搜索
19. vv。协福,即古”,一个健壮的合作频谱感知基于Kullback-Leibler分歧,”IEICE交易通讯E95卷。B不。4、1286 - 1290年,2012页。视图:出版商的网站|谷歌学术搜索
20. j . Ma g .赵,y,“软组合和检测合作频谱感知认知无线电网络中,“IEEE无线通信,7卷,不。11日,第4507 - 4502页,2008年。视图:出版商的网站|谷歌学术搜索
21. h .郭:Reisi、w .江和w·罗,“软组合合作频谱感知的衰落信道,“IEEE访问5卷,第986 - 975页,2016年,https://search.crossref.org/?q=Soft + + +合作+光谱组合+传感+在+衰落+渠道% 2 c % 2 c + + IEEE +访问。视图:出版商的网站|谷歌学术搜索
22. d·哈姆扎,s . Aissa g . Aniba“平等获得结合合作频谱感知的认知无线电网络,”IEEE无线通信,13卷,不。8,4334 - 4345年,2014页。视图:出版商的网站|谷歌学术搜索
23. 美国亨特,问:孟、c·亨德和t .黄”一个一致同意的分组多智能体合作任务分配算法复杂的需求,”认知计算》第六卷,没有。3、338 - 350年,2014页。视图:出版商的网站|谷歌学术搜索
24. YL。李,周。萨阿德,AA。El-Saleh, m·伊斯梅尔”提高认知无线电网络的检测性能在AWGN和瑞利衰落环境中,“爱思唯尔应用研究和技术杂志》上,11卷,不。3、437 - 446年,2013页。视图:出版商的网站|谷歌学术搜索
25. Y.-S。Ong和a·古普塔”进化多任务:计算机科学的认知任务,”认知计算,8卷,不。2、125 - 142年,2016页。视图:出版商的网站|谷歌学术搜索
26. n .古尔A, A .艾莱西t . Khattak和i m·库雷希”相结合的双面邻居距离和遗传算法对恶意用户在合作频谱感知,”14日国际Bhurban应用科学与技术会议(IBCAST)IEEE,伊斯兰堡,巴基斯坦,2017年1月。视图:出版商的网站|谷歌学术搜索
27. p . s . z Aizaz和p . Sinha的调查认知无线电可重构天线设计和应用遗传算法,提出了设计”学报学生会议上电气、电子和计算机科学(SCEECS)IEEE,博帕尔,印度,2016年3月。视图:出版商的网站|谷歌学术搜索
28. m . s .汗:古尔,j . Kim i m·库雷希和s . m . Kim“遗传算法软决策融合方案与恶意用户认知物联网网络,”无线通信和移动计算卷,2020篇文章ID 2509081, 10页,2020。视图:出版商的网站|谷歌学术搜索
29. 答:a . El-Saleh和k·侯赛因,“认知无线电发动机模型利用软融合遗传算法为基础的合作频谱优化,“国际计算机网络与通信》杂志上(IJCNC),2卷,第173 - 169页,2013年。视图:出版商的网站|谷歌学术搜索
30. n .居尔i m·库雷希a·奥马尔·a .艾莱西和m . s .汗,“历史前进和反馈机制为基础的合作频谱感知包括恶意用户在认知无线电网络中,“《公共科学图书馆•综合》》12卷,21,2017页。视图:出版商的网站|谷歌学术搜索
31. n .居尔i m·库雷希a艾莱西和Rasool,“防御恶意用户使用遗传算法在合作频谱感知,“国际期刊的天线和传播卷,2018年,页1 - 11,2018。视图:出版商的网站|谷歌学术搜索

版权

版权©2020努尔Gul et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。