專利名稱:一種分層協(xié)作聯(lián)合頻譜感知算法的制作方法
技術(shù)領(lǐng)域:
本發(fā)明涉及認(rèn)知無線電通信領(lǐng)域,特指主次用戶頻譜感知的實(shí)現(xiàn)。
背景技術(shù):
隨著無線通信技術(shù)的飛速發(fā)展,頻譜資源變得越來越緊張。傳統(tǒng)的無線網(wǎng)絡(luò)采用固定的頻譜分配政策,即通過專門機(jī)構(gòu)調(diào)節(jié)并分配給特定的運(yùn)營(yíng)商和服務(wù)供應(yīng)商。而結(jié)果表明利用這種分配來進(jìn)行通信頻譜使用效率卻非常低下,頻譜短缺很大程度上是由于低效率的固定頻譜分配機(jī)制,由此研究人員提出了認(rèn)知無線電技術(shù),其基本思想是在不對(duì)擁有頻譜的主用戶PU (Primary User)產(chǎn)生有害干擾的前提下,次用戶SU (Secondary User)通過擇機(jī)的方式接人暫時(shí)空閑的主用戶頻段,以提高頻譜利用效率。頻譜感知是認(rèn)知無線系統(tǒng)最為關(guān)鍵的技術(shù)之一,目前各個(gè)國(guó)家都在開展研究,頻譜感知的主要任務(wù)是快速識(shí)別出信道占用狀況,確定哪些頻段為空閑頻段,從而將其賦給次用戶進(jìn)行通信。目前頻譜感知目前需要對(duì)以下幾個(gè)主要的挑戰(zhàn)一是接收端要正確恢復(fù)信息,采樣過程必須滿足奈奎斯特定律,而目前采樣速率有限的數(shù)模轉(zhuǎn)換器是對(duì)于高頻信號(hào)較難實(shí)現(xiàn),且采樣開銷也很大;其次,傳統(tǒng)的聯(lián)合頻譜感知算法通信開銷很大,穩(wěn)定性差,并且空間分布的SU很難同步進(jìn)行頻譜感知操作,同時(shí)進(jìn)行數(shù)據(jù)融合容易產(chǎn)生錯(cuò)誤,PU分布在空間的的各個(gè)位置并且發(fā)射功率有限,不同的位置SU可能具有不同的頻譜檢測(cè)結(jié)果。為了解決這些問題,提出了一種新型分層協(xié)作聯(lián)合頻譜感知算法。
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種分層協(xié)作聯(lián)合頻譜感知算法來實(shí)現(xiàn)動(dòng)態(tài)頻譜感知,提高頻譜感知的性能。本發(fā)明技術(shù)方案如下該算法具體包含如下步驟
步驟1,對(duì)基于分層結(jié)構(gòu)的CRN (Cognitive Radio Network)建模,單個(gè)分層中心占據(jù)較大的空間,由SU和PU共同占據(jù)。當(dāng)需要進(jìn)行頻譜感知時(shí),由分層控制中心發(fā)出指示信號(hào),所有的分層中心內(nèi)成員進(jìn)行同步的頻譜感知操作。此過程中,單個(gè)分層中心使用基于壓縮感知的分層貝葉斯模型來獲得共享的超參數(shù),從而實(shí)現(xiàn)聯(lián)合頻譜感知。當(dāng)分層中心內(nèi)成員采集感知數(shù)據(jù)后,進(jìn)行能夠分布式計(jì)算并將計(jì)算結(jié)果廣播給分層控制中心進(jìn)行頻譜感知得到初步的頻譜感知結(jié)果。步驟2,通過數(shù)據(jù)融合中心將單個(gè)分層中心的聯(lián)合頻譜感知算法得到的數(shù)據(jù)進(jìn)行融合,完成多個(gè)分層中心進(jìn)行聯(lián)合頻譜感知,由于不同分層中心的壓縮感知數(shù)據(jù)在統(tǒng)計(jì)意義上可能不相關(guān),獲得的超參數(shù)可能并不理想,可以采用狄利克雷過程實(shí)現(xiàn)壓縮感知數(shù)據(jù)的自動(dòng)分組,并且在每一組內(nèi)挖掘共享的超參數(shù)。步驟3,通過使用HMM (Hidden Markov Model);來進(jìn)一步描述隱藏子載波與壓縮感知數(shù)據(jù)之間的關(guān)系,引入時(shí)間相關(guān)性來選擇最終的超參數(shù),提高頻譜判決結(jié)果的精確度,具體實(shí)現(xiàn)過程單個(gè)分層中心采用壓縮感知技術(shù)來獲得感知數(shù)據(jù),時(shí)域感知數(shù)據(jù)可以表示為
權(quán)利要求
1.一種分層協(xié)作聯(lián)合頻譜感知算法,其特征在于該算法具體包括如下步驟 步驟I,分層結(jié)構(gòu)的CRN (Cognitive Radio Network)的建模,單個(gè)分層中心占據(jù)ー個(gè)區(qū)域空間,由SU和I3U共同占據(jù); 當(dāng)需要進(jìn)行頻譜感知時(shí),有分層控制中心發(fā)出指示信號(hào),所有的分層中心內(nèi)成員進(jìn)行同步的頻譜感知操作; 步驟2,通過數(shù)據(jù)融合中心將單個(gè)分層中心的聯(lián)合頻譜感知算法得到的數(shù)據(jù)進(jìn)行融合,完成多個(gè)分層中心進(jìn)行聯(lián)合頻譜感知,采用基于狄利克雷DP (Dirichlet Process)的分層貝葉斯模型來實(shí)現(xiàn)壓縮感知數(shù)據(jù)的自動(dòng)分組,在多分層中心的聯(lián)合頻譜感知情況下,不同的分層中心可能具有不同的超參數(shù)α=(%=(μ為子載波的個(gè)數(shù)ぶ為CRN中分層中心的數(shù)目),通過DP過程和貝葉斯模型進(jìn)行估計(jì),在每ー組內(nèi)挖掘共享的超參數(shù); 步驟3,通過使用HMM (Hidden Markov Model)來進(jìn)ー步描述隱藏子載波與壓縮感知數(shù)據(jù)之間的關(guān)系,引入時(shí)間相關(guān)性來選擇最終的超參數(shù),提高頻譜判決結(jié)果的精確度。
2.根據(jù)權(quán)利要求I所述的ー種分層協(xié)作聯(lián)合頻譜感知算法,其特征在于所述的步驟3中提高頻譜判決結(jié)果的精確度具體特征為單個(gè)分層中心使用基于壓縮感知的分層貝葉斯模型來獲得共享的超參數(shù),從而實(shí)現(xiàn)聯(lián)合頻譜感知; 當(dāng)分層中心內(nèi)成員采集感知數(shù)據(jù)后,進(jìn)行能夠分布式計(jì)算并將計(jì)算結(jié)果廣播給分層控制中心; 經(jīng)過若干次信息交換,提出的頻譜感知算法將趨近ー個(gè)固定值并得到初歩的頻譜感知結(jié)果,其過程為ろ=+vj(I) 其中,為時(shí)域感知數(shù)據(jù),為測(cè)量矩陣,基礎(chǔ)功能函數(shù)變換矩陣,為噪聲數(shù)據(jù),且服從均值為O精度為的高斯分布; 若^'為次用戶5 的壓縮感知數(shù)據(jù)的點(diǎn)數(shù),在參數(shù)~和%已知的情況下,觀察值//的似然函數(shù)可以表示為
全文摘要
本發(fā)明涉及認(rèn)知無線電通信領(lǐng)域。本發(fā)明提供一種基于狄利克雷過程的多層分布式聯(lián)合頻譜感知方法來實(shí)現(xiàn)動(dòng)態(tài)頻譜感知,通過對(duì)多個(gè)分層中心的次用戶采集的感知數(shù)據(jù)進(jìn)行融合,尋找出最優(yōu)的感知信息。采用的狄利克雷過程實(shí)現(xiàn)數(shù)據(jù)自動(dòng)分組,貝葉斯模型估計(jì)出每個(gè)組內(nèi)一個(gè)共享的超參數(shù)以及相應(yīng)的發(fā)散概率,采用標(biāo)準(zhǔn)Viterbi算法獲得超參數(shù),并將該超參數(shù)與判決門限值進(jìn)行比較來獲得最終頻譜判決結(jié)果,來確定信道是否可用。設(shè)計(jì)充分考慮了壓縮感知數(shù)據(jù)的空間分集信息,減少了單個(gè)次用戶對(duì)壓縮感知數(shù)據(jù)的不確定性,從而歸一化均方誤差性能較好,該算法能有效挖掘各分層中心壓縮感知數(shù)據(jù)信息,獲得更高正確檢測(cè)概率和較小虛警概率,提高頻譜感知性能。
文檔編號(hào)H04W16/14GK102638802SQ201210080539
公開日2012年8月15日 申請(qǐng)日期2012年3月26日 優(yōu)先權(quán)日2012年3月26日
發(fā)明者何晨, 江曉林, 苗雨, 顧學(xué)邁 申請(qǐng)人:哈爾濱工業(yè)大學(xué)