1.一种面向认知网络模拟主用户攻击的协同感知优化方法，其特征在于：协同频谱感知优化系统包括一个主用户(PU)、一个模拟主用户攻击者(PUEA)、M个认知用户(CU)和一个数据融合中心(FC)，包括以下步骤：步骤A，以单个认知用户能量检测的虚警概率为约束条件，确定认知用户能量检测的判决阈值，所述虚警概率为主用户不存在而认知用户的检测结果为主用户存在的概率；

步骤B，推导出认知用户能量检测的检测概率以及漏检概率公式，并求得协同频谱感知优化系统全局平均错误概率公式，所述检测概率为主用户存在且认知用户的检测结果也为主用户存在的概率，所述漏检概率为主用户存在而认知用户的检测结果为主用户不存在的概率；

步骤C，利用K秩优化准则计算全局平均错误概率。

2.根据权利要求1所述的一种面向认知网络模拟主用户攻击的协同感知优化方法，其特征在于：在步骤A中，以下四种情况分别为对应四种信道状态：(a)S1假设：主用户与PUEA均不存在，仅存在噪声的情况；

(b)S2假设：仅存在主用户、噪声的情况；

(c)S3假设：仅存在PUEA用户、噪声的情况；

(d)S4假设：主用户、PUEA用户、噪声均存在的情况；

主用户与认知用户信号均服从高斯分布，噪声信号为加性高斯白噪声；

假设所有认知用户与主用户之间的信道环境都相同，认知用户通过能量检测接收到的信息均有相同的信噪比，则以上四种信道状态分别对应：S1＝{F0，H0}

S2＝{F0，H1}

S3＝{F1，H0}

S4＝{F1，H1}#(1)

其中，F0表示PUEA不存在，F1表示PUEA存在，H0表示主用户不存在，H1表示主用户存在；若PUEA检测到主用户存在，则PUEA以概率α发起模拟主用户攻击，若PUEA未检测到主用户存在，则PUEA以概率β发起模拟主用户攻击；

虚警概率Pfc表示主用户不存在但认知用户的检测结果显示主用户存在的概率，即Pfc＝P(D1|H0)，由贝叶斯公式可得：其中，D1表示认知用户能量检测的结果为主用户存在，D0表示认知用户能量检测的结果为主用户不存在，P(F0|H0)表示主用户不存在时PUEA也不存在的概率，P(F1|H0)表示主用户不存在时PUEA存在的概率，P(D1|F0，H0)为主用户与PUEA均不存在、但认知用户的检测结果为主用户存在的概率，即：P(D1|F1，H0)表示主用户不存在、PUEA存在但认知用户检测结果为主用户存在的概率，即：其中， t为积分变量，λc为认知用户能量检测的判决阈值，γe为PUEA在认知用户处的接收信噪比； 表示背景噪声的方差；N为采样点数；其中，P(F0|H0)、P(F1|H0)的表达式分别为：P(F0|H0)＝PfΔ·(1-α)+(1-PfΔ)·(1-β) (5)P(F1|H0)＝PfΔ·α+(1-PfΔ)·β (6)为PUEA对主用户进行检测时的虚警概率：

λΔ为PUEA用户对主用户进行能量检的判决阈值。

3.根据权利要求2所述的一种面向认知网络模拟主用户攻击的协同感知优化方法，其特征在于：在步骤B中，协同频谱感知优化系统的全局平均错误概率为检测信道错误概率与报告信道错误概率的叠加，其中：检测信道错误概率包括虚警概率与漏检概率；

报告信道错误概率包括传输差错概率。

4.根据权利要求3所述的一种面向认知网络模拟主用户攻击的协同感知优化方法，其特征在于：在步骤B中，将公式(5)、(6)代入公式(2)可得：同理，检测概率 表示主用户存在、且认知用户的检测结果也显示主用户存在的概率，P(F0|H1)表示主用户存在时PUEA不存在的概率，P(F1|H1)表示主用户存在时PUEA也存在的概率， 由贝叶斯公式可得：P(D1|F0，H1)表示主用户存在、PUEA不存在、认知用户检测结果为主用户存在的概率，即：其中，γP为主用户在认知用户处的接收信噪比。P(D1|F1，H1)表示主用户存在、PUEA也存在、认知用户检测结果为主用户存在的概率，即：P(F0|H1)、P(F1|H1)的表达式分别为：P(F0|H1)＝PdΔ·(1-α)+(1-PdΔ)·(1-β) (12)P(F1|H1)＝PdΔ·α+(1-PdΔ)·β (13)为PUEA对主用户进行能量检测时的检测概率：其中，γΔ为主用户在PUEA处的接收信噪比，将公式(10)、(11)代入公式(9)可得：每一个认知用户在检测信道以及报告信道中产生的虚警错误概率与漏检错误概率分别为：Pfe＝Pfc(1-Pe)+(1-Pfc)Pe  (16)Pme＝Pm(1-Pe)+(1-Pm)Pe  (17)其中， Pe为认知用户向融合中心发送判决结果过程中的传输差错概率。

5.根据权利要求4所述的一种面向认知网络模拟主用户攻击的协同感知优化方法，其特征在于：在步骤C中，使用K秩优化准则进行优化，K为完成判决所需要的认知用户数目，M为认知网络中所有认知用户的数目，则全局虚警错误概率PF(K，M)与全局漏检错误概率PM(K，M)分别为：其中，Pr(D1|H0)为主用户不存在但融合中心判决结果为主用户存在的概率、Pr(D0|H1)为主用户存在但融合中心判决结果为主用户不存在的概率；

求得系统全局平均错误概率函数：

6.根据权利要求5所述的一种面向认知网络模拟主用户攻击的协同感知优化方法，其特征在于：还包括步骤D，利用迭代优化算法求得最优K值以最小化全局平均错误概率。

7.根据权利要求6所述的一种面向认知网络模拟主用户攻击的协同感知优化方法，其特征在于：协同频谱感知优化系统全局平均错误概率对K求导可得：当 时可得：

两边取对数可得：

经过计算可得出K值，规定对K向后取整得到的数值即为系统所需要的认知用户的个数K*：将K*代入系统全局平均错误概率中，即可求得K秩优化准则下的系统全局平均错误概率。