In the field of cognitive radio (CR), cooperative spectrum sensing (CSS) utilizes the spatial diversity of each secondary user (SU) to accurately detect spectrum hole. Although the information exchange and decision fusion in CSS improves sensing accuracy, it also brings additional communication overhead and energy consumption. Since the energy of SUs is limited, it is necessary to improve the sensing performance while reducing the energy consumption, i.e., maximizing the energy efficiency (EE). In this paper, two effective bitwise differential voting rules (DVRs) are proposed to reduce the number of bits reported without compromising sensing performance. Meanwhile, this paper derives theoretical performance expressions for the proposed bitwise DVRs and proposes a differential mechanism based quantized data fusion (QDF) to achieve optimal EE. The proposed QDF optimizes the quantization interval and the global decision threshold to achieve the highest EE and regulates the number of quantization bits through the differential mechanism. Finally, the numerical simulation results confirm the effectiveness and robustness of the proposed bitwise DVRs. Moreover, the proposed energy-efficient differential mechanism based QDF shows superiority over other energy-efficient QDF techniques that only apply DVR in terms of EE.

Abstract Cooperative spectrum sensing (CSS) has emerged as a promising strategy for identifying available spectrum resources by leveraging spatially distributed sensors in cognitive wireless sensor networks (CWSNs). Nevertheless, this open collaborative approach is susceptible to security threats posed by malicious sensors, specifically Byzantine attack, which can significantly undermine CSS accuracy. Moreover, in extensive CWSNs, the CSS process imposes substantial communication overhead on the reporting channel, thereby considerably diminishing cooperative efficiency. To tackle these challenges, this article introduces a refined CSS approach, termed weighted sequential detection (WSD). This method incorporates channel state information to validate the global decision made by the fusion center and assess the trust value of sensors. The trust value based weight is assigned to sensing samples, which are then integrated into a sequential detection framework within a defined time window. This sequential approach prioritizes samples based on descending trust values. Numerical simulation results reveal that the proposed WSD outperforms conventional fusion rules in terms of the error probability, sample size, achievable throughput, and latency, even under varying degrees of Byzantine attack. This innovation signifies a substantial advancement in enhancing the reliability and efficiency of CSS.

Panoramic map construction of polar sea ice can provide significant assistance for intelligent navigation and routing planning in polar regions. Traditional methods for panoramic observation and map generation suffer from issues such as limited parallax tolerance, poor stitching robustness, and low mapping accuracy. In this paper, these problems are addressed by a proposed online panoramic method based on multi-perspective image projection and camera pose rectification. The proposed method incorporates a modified inverse projection module that dynamically adapts to the ship's attitude, thereby stably restoring the sea-ice images into bird's-eye view (BEV) in real-time. In order to resolve the challenging sea-ice feature alignment under significant parallax, a planar feature registration method is proposed which robustly aligns the features between the projected images. Moreover, a camera pose rectification module is specifically designed for planar projection tasks, which virtually adjusts the camera's extrinsic parameters for obtaining more precise and high-quality panoramic sea-ice maps. Finally, online construction of global sea-ice field maps is achieved by fusing the local maps during navigation. Extensive qualitative and quantitative experiments demonstrate that the proposed method outperforms other panoramic methods in terms of map accuracy and stitching quality. Additionally, the proposed method is more suitable for downstream tasks, including polar simultaneous localization and mapping (SLAM) and path planning.