MLDCSS：一种在CR-IoT网络中具有能效意识的多级协作频谱感知技术，该技术结合了分层融合和非相干MIMO技术

《IEEE Access》：MLDCSS: Energy-Aware Multi-Level Cooperative Spectrum Sensing with Hierarchical Fusion and Non-Coherent MIMO in CR-IoT Networks

　　

摘要：

本文提出了一种独特的多层次决策协作频谱感知（MLDCSS）框架，适用于支持多输入多输出（MIMO）技术的认知无线电物联网（CR-IoT）网络。该架构采用改进的k-means算法来考虑剩余能量和空间邻近性，从而将簇头（Cluster Heads, CHs）的生命周期延长了多达35%。次级用户（Secondary Users, SUs）使用非相干平方律选择（SLS）和多天线进行无需导频的频谱感知。簇头采用等增益合并（Equal Gain Combining, EGC）技术融合簇内观测数据，与最大比合并（Maximum Ratio Combining, MRC）相比，每节点的计算负载减少了约40%。融合中心（Fusion Center, FC）采用分层两阶段融合方法进行最终频谱占用判决，在0.1的误报率下检测概率提高了20%。针对Nakagami-m衰落模型，推导出了理论性能约束，并通过大规模蒙特卡洛仿真进行了验证，结果显示在广泛的信噪比（SNR）范围内误差在2 dB以内。复杂性分析表明，该方案与次级用户数量呈线性关系：与集中式和平坦OR融合基线相比，信号开销降低了50%，在Pd-Pf权衡中曲线下面积（Area Under the Curve, AUC）提高了15%。这些发现表明，MLDCSS是一种可扩展、能效高的解决方案，适用于下一代CR-IoT网络中的分布式频谱感知。