无线电频谱感知技术

的CR系统来说，为了追求协作增益而付出巨大的协作带宽代价，显得有些得不偿失。

　　2.2.2 决策融合算法

　　各个协作节点独立地处理观测数据并做出决策，发送其决策结果至信息融合中心进行最终判决，这种算法称为决策融合算法。依据各节点决策的权重是否相同，可将其分为决策硬融合和决策软融合。

　　在这一层次上，情报中心送来的综合情报是态势评估的基本输入，融合的结果要为部队行动和已方武器系统应作出的反应实时生成预案，并对态势发展和决策进行检验和分析，为指挥员提供优化后的决策建议。在指挥中心，指挥员借助指挥系统，根据情报中心进行融合后送来的综合情报、上级要求和作战命令，以及我方实际兵力和武器群的布局、特性能力，进行决策融合 C3I 系统中最高层次的信息融合。这一层次智能性强，甚至可以说是一种知识融合，因为它要集中指挥所各个方向室和要素的对策和建议，判别和分析态势，制定和分发计划，指导和监督战斗。决策融合就是要从这三个方面帮助指挥员认清态势的变化并作出反应。

　　除了K/N准则外，文献[8]提出一种基于双门限能量检测的协作感知方法，用到了"n比例"逻辑准则，将决策为1的节点数与决策为0的节点数之间的比值与门限进行比较做出最终判决。
决策软融合算法是根据不同信道条件下各节点检测结果的置信度不同，将检测信息进行决策加权或者其他形式的处理后再进行融合。此算法实现了检测性能和传送开销之间的折中。

　　1 bit的最优判决融合准则是Chair-Varneshney准则。该准则基于对数似然比准则，通过比较假设下的条件似然比与贝叶斯最优门限，做出判决。条件似然比可通过各节点的虚警概率和检测概率计算得到，但需要知道主用户先验概率。文献[9]提出改进的Chair-Varshney融合方法，在似然比检测基础上充分利用信道占用的统计特性，并考虑各个次用户检测机制差异性、决策时间差以及融合滞后时间，因此适用于单或多bit的同步感知以及异步感知场景。

　　近期研究软融合算法的文献还有很多：如基于D-S证据理论的融合算法，综合考虑了节点的检测结果和置信度，且融合中心不需要节点先验信息，因此有很强实用性。Jun Ma等人提出的2 bit量化决策加权软融合算法，通过设置3个检测门限将能量分为4个区域，从而使检测结果最终以2 bit形式传送给中心进行加权求和并最终判决，该算法实现了协作开销和检测性能之间的合理折中。文献[10]将各节点的相关性考虑进去，提出了一种基于偏移准则的线性二次的次最佳融合方案。模糊综合评估协作感知方案则是用模糊综合评估方法得到各个次用户信任度再融合，从而提高决策可靠性。此外，根据历史判决数据的可靠性进行动态加权的感知算法，也能有效地提高检测性能。

　　综上所述，可将主要的信息融合算法归纳如表3所示。

　　2.3 有待解决的问题

　　(1) 协作感知的性能与协作用户数量、各用户门限值的确定及位置分布情况等因素密切相关。因而如何选取这些协作感知参数以获得最佳的检测性能，是协作感知研究的重要内容。此外，协作感知属于媒体访问控制(MAC)层的感知技术，所以还涉及到跨层设计方面的研究。

　　(2) 信息融合算法会直接影响协作增益和系统开销。一方面，决策融合虽然简单容易实现，但是其协作增益非常有限，当信道不均匀或者存在恶意用户时，协作性能将急剧恶化;另一方面数据融合协作增益大，但是对控制信道的带宽需求较大。如何在协作性能和系统开销二者之间寻找合理折中是协作感知研究的热点。

　　(3) 恶意攻击或突发故障是协作感知中不容忽视的安全问题。为此，文献[11]提出了一种应对存在恶意或自私节点场景的协作感知安全方案，以提高网络安全性。文献[12]提出一种加权序贯检测方案(WSPRT)，采用双门限值检测，并通过一定规则动态更新每个用户的置信度权值，有效降低了恶意节点对最终判决的影响。

　　(4) 现在的研究大多是集中在单个感知用户网络参与协作的情形，基于网络层的多感知用户网络间的协作也可能是未来研究的一个方向。

　　3 感知机制的优化

　　Ghasemi和Hyoil Kim等人最先提出了感知机制的优化问题，主要关注感知模式的选择和感知参数的优化。CR网络下，次用户的伺机动态接入频谱过程通常可看成两种感知场景：信道搜索和信道监视。信道搜索是指次用户需要搜索各个信道，寻找可用于传输的空闲频谱。信道监视则是指次用户必须周期性地检测主用户信号，以避免对重新出现的主用户造成干扰。检测周期、检测时间和搜索时间的参数如何选取，以及采用何种感知模式和信道搜索方式，才能使感知效果最优，这都是感知机制的优化问题。

频谱感知模式通常分为