本發(fā)明涉及通信技術(shù)領(lǐng)域，尤其涉及一種參數(shù)確定方法、干擾分類識(shí)別方法及其裝置。

背景技術(shù)：

在現(xiàn)有的無線通信技術(shù)中，有很多技術(shù)都會(huì)使用相同的頻段，例如在2.4g頻段中，基于ieee802.11b標(biāo)準(zhǔn)的無線局域網(wǎng)，如無線保真(wirelessfidelity，wi-fi)；藍(lán)牙(bluetooth)；微波爐(microoven，mwo)；基于ieee802.15.4標(biāo)準(zhǔn)的無線局域網(wǎng)，如紫蜂(zigbee)網(wǎng)絡(luò)都會(huì)使用這一頻段工作。

圖1a至圖1d分別是wi-fi，bluetooth，mwo，zigbee在2.4g頻段工作的示意圖。如圖1a所示，wi-fi網(wǎng)絡(luò)是寬帶系統(tǒng)，具有14個(gè)信道(channel)，其信道帶寬為22mhz，其最大傳輸功率為20dbm；如圖1b所示，bluetooth網(wǎng)絡(luò)是跳頻窄帶系統(tǒng)，其具有79個(gè)信道，每個(gè)信道帶寬為1mhz，其發(fā)射功率為0dbm，4dbm或20dbm；mwo網(wǎng)絡(luò)具有不同的模型，不同的模型都以60hz為周期，具有窄帶特性，圖1c所示的一種模型；如圖1d所示，zigbee網(wǎng)絡(luò)具有16個(gè)信道，每個(gè)信道帶寬為2mhz，其典型的傳輸功率為20dbm。因此，wi-fi，bluetooth，mwo，zigbee網(wǎng)絡(luò)彼此之間會(huì)造成干擾，例如，在zigbee網(wǎng)絡(luò)工作在信道20時(shí)，使用信道7-10工作的wi-fi網(wǎng)絡(luò)會(huì)對(duì)zigbee網(wǎng)絡(luò)造成干擾，同樣的，mwo網(wǎng)絡(luò)和使用信道47-49工作的bluetooth網(wǎng)絡(luò)會(huì)對(duì)zigbee網(wǎng)絡(luò)造成干擾。

應(yīng)該注意，上面對(duì)技術(shù)背景的介紹只是為了方便對(duì)本發(fā)明的技術(shù)方案進(jìn)行清楚、完整的說明，并方便本領(lǐng)域技術(shù)人員的理解而闡述的。不能僅僅因?yàn)檫@些方案在本發(fā)明的背景技術(shù)部分進(jìn)行了闡述而認(rèn)為上述技術(shù)方案為本領(lǐng)域技術(shù)人員所公知。

技術(shù)實(shí)現(xiàn)要素：

在現(xiàn)有技術(shù)中，提出了一種基于隱馬爾可夫(hiddenmarkovmodel，hmm)模 型對(duì)干擾進(jìn)行分類識(shí)別的方法(參考文獻(xiàn)1)，該方法使用最大期望算法(expectationmaximizationalgorithm，em)訓(xùn)練隱馬爾可夫模型中的參數(shù)，但是經(jīng)研究發(fā)現(xiàn)，上述構(gòu)建hmm模型的方法復(fù)雜度高，實(shí)現(xiàn)難度較高。

參考文獻(xiàn)1：zhiyuanweng,philiporlik,andkyeongjinkim,classificationofwirelessinterferenceon2.4ghzspectrum,wcncieee,pp.786-791,6-9april,2014.

本發(fā)明實(shí)施例提出了一種參數(shù)確定方法、干擾分類識(shí)別方法及其裝置，能夠容易地確定隱馬爾可夫模型中的參數(shù)，其中，基于門限值簡化處理參數(shù)序列，使得參數(shù)序列為有限集合，降低了確定上述隱馬爾可夫模型中的參數(shù)的復(fù)雜度。此外，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

本發(fā)明實(shí)施例的上述目的是通過如下技術(shù)方案實(shí)現(xiàn)的：

根據(jù)本發(fā)明實(shí)施例的第一個(gè)方面，提供了一種用于干擾分類識(shí)別的參數(shù)確定裝置，其中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量m個(gè)，該裝置包括：

第一確定單元，其用于針對(duì)m個(gè)干擾源中的每一個(gè)干擾源分別是對(duì)該當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的m個(gè)干擾狀態(tài)，來確定m組參數(shù)，每組參數(shù)包括第二數(shù)量n1個(gè)參數(shù)值，該n1個(gè)參數(shù)值之和等于1；

其中，該第一確定單元包括：第一檢測單元、第一處理單元、第二確定單元，在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，該第一檢測單元用于針對(duì)第三數(shù)量t個(gè)時(shí)刻，檢測每個(gè)時(shí)刻下的預(yù)定的第四數(shù)量k個(gè)第一網(wǎng)絡(luò)參數(shù)，以獲得由該t個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第一參數(shù)序列；

該第一處理單元用于對(duì)每個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理，以獲得由該t個(gè)時(shí)刻的、對(duì)該第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理后所獲得的k個(gè)第二參數(shù)構(gòu)成的第二參數(shù)序列；

該第二確定單元用于根據(jù)該第二參數(shù)序列來確定該干擾狀態(tài)下的n1種參數(shù)狀態(tài)出現(xiàn)的概率，將該概率作為該n1個(gè)參數(shù)值，其中，該參數(shù)狀態(tài)由第五數(shù)量l個(gè)預(yù)設(shè)條件對(duì)應(yīng)的l個(gè)第二參數(shù)確定，n1＝l^k；

其中，在對(duì)一個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理時(shí)，該第一處理單元還用于分別確定k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)所滿足的l個(gè)預(yù)設(shè)條件中的一個(gè)預(yù)設(shè)條件；將每個(gè)第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為與所滿足的預(yù)設(shè)條件對(duì)應(yīng)的第二參數(shù)，以獲得該一個(gè)時(shí)刻下的k個(gè)第二參數(shù)；其中，每個(gè)預(yù)設(shè)條件分別對(duì)應(yīng)一個(gè)第二參數(shù)， 不同的預(yù)設(shè)條件，對(duì)應(yīng)的第二參數(shù)不同。

根據(jù)本發(fā)明實(shí)施例的第二個(gè)方面，提供了一種用于干擾分類識(shí)別的參數(shù)確定裝置，其中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量m個(gè)，該裝置包括：

第三確定單元，其用于針對(duì)第一數(shù)量個(gè)干擾源中的每一個(gè)干擾源分別是對(duì)該當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的第一數(shù)量個(gè)干擾狀態(tài)，來確定第一數(shù)量組參數(shù)，每組參數(shù)包括第一數(shù)量個(gè)參數(shù)值，該第一數(shù)量個(gè)參數(shù)值之和等于1；

其中，該第三確定單元包括：第四確定單元，在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，該第四確定單元用于在該一個(gè)干擾狀態(tài)下，利用該干擾源占用的信道、以及干擾源的信號(hào)強(qiáng)度來確定第1時(shí)刻的第一干擾源在第2時(shí)刻分別轉(zhuǎn)換為不同第二干擾源的第一數(shù)量個(gè)轉(zhuǎn)換概率，以獲得該第一數(shù)量個(gè)參數(shù)值；其中，該第1時(shí)刻的第一干擾源為該一個(gè)干擾狀態(tài)下的主要干擾源，該第2時(shí)刻的第二干擾源分別為該主要干擾源、以及該主要干擾源以外的其他第一數(shù)量減一個(gè)干擾源。

根據(jù)本發(fā)明實(shí)施例的第三個(gè)方面，提供了一種干擾分類識(shí)別裝置，其中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為m個(gè)，該裝置包括：

第二檢測單元，其用于針對(duì)第六數(shù)量q個(gè)時(shí)刻，檢測每個(gè)時(shí)刻下的k個(gè)的第一網(wǎng)絡(luò)參數(shù)，以獲得由所述q個(gè)時(shí)刻的、、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第三參數(shù)序列；

第五確定單元，其用于根據(jù)該第三參數(shù)序列和隱馬爾可夫模型，分別確定該q個(gè)時(shí)刻存在的干擾狀態(tài)類別；

其中，該裝置還包括：

第一方面所述的裝置，用于確定干擾分類識(shí)別的第一參數(shù)；該第一參數(shù)是該隱馬爾可夫模型中的觀測狀態(tài)轉(zhuǎn)移概率矩陣；和/或，

第二方面所述的裝置，用于確定干擾分類識(shí)別的第二參數(shù)；該第二參數(shù)是該隱馬爾可夫模型中的隱含狀態(tài)轉(zhuǎn)移概率矩陣。

根據(jù)本發(fā)明實(shí)施例的第四個(gè)方面，提供了一種用于干擾分類識(shí)別的參數(shù)確定方法，其中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量m個(gè)，該方法包括：

針對(duì)m個(gè)干擾源中的每一個(gè)干擾源分別是對(duì)該當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的m個(gè)干擾狀態(tài)，來確定m組參數(shù)，每組參數(shù)包括第二數(shù)量n1個(gè)參數(shù)值，該n1個(gè)參數(shù)值之和等于1；

在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，針對(duì)第三數(shù)量t個(gè)時(shí)刻，檢測每個(gè)時(shí)刻下 的預(yù)定的第四數(shù)量k個(gè)第一網(wǎng)絡(luò)參數(shù)，以獲得由該t個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第一參數(shù)序列；

對(duì)每個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理，以獲得由該t個(gè)時(shí)刻的、對(duì)該第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理后所獲得的k個(gè)第二參數(shù)構(gòu)成的第二參數(shù)序列；

根據(jù)該第二參數(shù)序列來確定該干擾狀態(tài)下的n1種參數(shù)狀態(tài)出現(xiàn)的概率，將該概率作為該n1個(gè)參數(shù)值，其中，該參數(shù)狀態(tài)由第五數(shù)量l個(gè)預(yù)設(shè)條件對(duì)應(yīng)的l個(gè)第二參數(shù)確定，n1＝l^k；

其中，在對(duì)一個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理時(shí)，該方法包括：

分別確定k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)所滿足的l個(gè)預(yù)設(shè)條件中的一個(gè)預(yù)設(shè)條件；將每個(gè)第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為與所滿足的預(yù)設(shè)條件對(duì)應(yīng)的第二參數(shù)，以獲得該一個(gè)時(shí)刻下的k個(gè)第二參數(shù)；其中，每個(gè)預(yù)設(shè)條件分別對(duì)應(yīng)一個(gè)第二參數(shù)，不同的預(yù)設(shè)條件，對(duì)應(yīng)的第二參數(shù)不同。

根據(jù)本發(fā)明實(shí)施例的第五個(gè)方面，提供了一種用于干擾分類識(shí)別的參數(shù)確定方法，其中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量m個(gè)，該方法包括：

針對(duì)第一數(shù)量個(gè)干擾源中的每一個(gè)干擾源分別是對(duì)該當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的第一數(shù)量個(gè)干擾狀態(tài)，來確定第一數(shù)量組參數(shù)，每組參數(shù)包括第一數(shù)量個(gè)參數(shù)值，該第一數(shù)量個(gè)參數(shù)值之和等于1；

在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，該方法包括：

在該一個(gè)干擾狀態(tài)下，利用該干擾源占用的信道、以及干擾源的信號(hào)強(qiáng)度來確定第1時(shí)刻的第一干擾源在第2時(shí)刻分別轉(zhuǎn)換為不同第二干擾源的第一數(shù)量個(gè)轉(zhuǎn)換概率，以獲得該第一數(shù)量個(gè)參數(shù)值；其中，該第1時(shí)刻的第一干擾源為該一個(gè)干擾狀態(tài)下的主要干擾源，該第2時(shí)刻的第二干擾源分別為該主要干擾源、以及該主要干擾源以外的其他第一數(shù)量減一個(gè)干擾源。

根據(jù)本發(fā)明實(shí)施例的第六個(gè)方面，提供了一種干擾分類識(shí)別方法，其中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為m個(gè)，該方法包括：

針對(duì)第六數(shù)量q個(gè)時(shí)刻，檢測每個(gè)時(shí)刻下的k個(gè)的第一網(wǎng)絡(luò)參數(shù)，以獲得由所述q個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第三參數(shù)序列；

根據(jù)該第三參數(shù)序列和隱馬爾可夫模型，分別確定該q個(gè)時(shí)刻存在的干擾狀態(tài)類別；

其中，該方法還包括：

使用第四方面所述的方法確定干擾分類識(shí)別的第一參數(shù)；該第一參數(shù)是該隱馬爾可夫模型中的觀測狀態(tài)轉(zhuǎn)移概率矩陣；和/或，

使用第五方面所述的方法確定干擾分類識(shí)別的第二參數(shù)；該第二參數(shù)是該隱馬爾可夫模型中的隱含狀態(tài)轉(zhuǎn)移概率矩陣。

本發(fā)明實(shí)施例的有益效果在于，通過本實(shí)施例的上述方法和裝置，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低，并且基于門限值簡化處理參數(shù)序列，使得參數(shù)序列為有限集合，降低了確定隱馬爾可夫模型中的參數(shù)的復(fù)雜度。

參照后文的說明和附圖，詳細(xì)公開了本發(fā)明的特定實(shí)施方式，指明了本發(fā)明的原理可以被采用的方式。應(yīng)該理解，本發(fā)明的實(shí)施方式在范圍上并不因而受到限制。在所附權(quán)利要求的精神和條款的范圍內(nèi)，本發(fā)明的實(shí)施方式包括許多改變、修改和等同。

針對(duì)一種實(shí)施方式描述和/或示出的特征可以以相同或類似的方式在一個(gè)或更多個(gè)其它實(shí)施方式中使用，與其它實(shí)施方式中的特征相組合，或替代其它實(shí)施方式中的特征。

應(yīng)該強(qiáng)調(diào)，術(shù)語“包括/包含”在本文使用時(shí)指特征、整件、步驟或組件的存在，但并不排除一個(gè)或更多個(gè)其它特征、整件、步驟或組件的存在或附加。

附圖說明

參照以下的附圖可以更好地理解本發(fā)明的很多方面。附圖中的部件不是成比例繪制的，而只是為了示出本發(fā)明的原理。為了便于示出和描述本發(fā)明的一些部分，附圖中對(duì)應(yīng)部分可能被放大或縮小。在本發(fā)明的一個(gè)附圖或一種實(shí)施方式中描述的元素和特征可以與一個(gè)或更多個(gè)其它附圖或?qū)嵤┓绞街惺境龅脑睾吞卣飨嘟Y(jié)合。此外，在附圖中，類似的標(biāo)號(hào)表示幾個(gè)附圖中對(duì)應(yīng)的部件，并可用于指示多于一種實(shí)施方式中使用的對(duì)應(yīng)部件。

在附圖中：

圖1a-圖1d是wi-fi，bluetooth，mwo，zigbee在2.4g頻段工作的示意圖；

圖2是本實(shí)施例1中參數(shù)確定方法流程圖；

圖3是本實(shí)施例1中步驟202方法流程圖；

圖4是本實(shí)施例1中步驟203方法流程圖；

圖5是本實(shí)施例2中參數(shù)確定方法流程圖；

圖6是本實(shí)施例2中步驟501中計(jì)算一個(gè)轉(zhuǎn)換概率方法流程圖；

圖7是本實(shí)施例中確定m×n1個(gè)參數(shù)方法流程圖；

圖8是本實(shí)施例中確定m×m個(gè)參數(shù)方法流程圖；

圖9是本實(shí)施例4中干擾分類識(shí)別方法流程圖；

圖10是本實(shí)施例5中參數(shù)確定裝置示意圖；

圖11是本實(shí)施例5中第二確定單元10013示意圖；

圖12是本實(shí)施例5中參數(shù)確定裝置硬件構(gòu)成示意圖；

圖13是本實(shí)施例6中參數(shù)確定裝置示意圖；

圖14是本實(shí)施例6中第四確定單元13011示意圖；

圖15是本實(shí)施例6中參數(shù)確定裝置硬件構(gòu)成示意圖；

圖16是本實(shí)施例7中建模裝置硬件構(gòu)成示意圖；

圖17是本實(shí)施例7中干擾分類識(shí)別裝置示意圖；

圖18是本實(shí)施例7中干擾分類識(shí)別裝置硬件構(gòu)成示意圖。

具體實(shí)施方式

參照附圖，通過下面的說明書，本發(fā)明實(shí)施例的前述以及其它特征將變得明顯。這些實(shí)施方式只是示例性的，不是對(duì)本發(fā)明的限制。為了使本領(lǐng)域的技術(shù)人員能夠容易地理解本發(fā)明的原理和實(shí)施方式，本發(fā)明實(shí)施例以2.4頻段網(wǎng)絡(luò)為例進(jìn)行說明，但可以理解，本發(fā)明實(shí)施例并不限于2.4頻段網(wǎng)絡(luò)，例如，本發(fā)明實(shí)施例提供的方法和裝置也適用于其它需要進(jìn)行干擾分類識(shí)別的網(wǎng)絡(luò)。

hmm模型是一種統(tǒng)計(jì)分析模型，該模型可以用λ＝(a,b,π)表示，其中a是隱含狀態(tài)轉(zhuǎn)移概率矩陣，b是觀測狀態(tài)轉(zhuǎn)移概率矩陣，π是初始概率矩陣。在本實(shí)施例中，矩陣a中的每一個(gè)元素是指干擾狀態(tài)之間在相鄰時(shí)刻的轉(zhuǎn)換概率，矩陣b中的每一個(gè)元素是指表征網(wǎng)絡(luò)狀態(tài)的網(wǎng)絡(luò)參數(shù)在一個(gè)干擾狀態(tài)下出現(xiàn)的概率。通過本實(shí)施例中的方法和裝置，比較容易確定hmm模型中的參數(shù)，其中，基于門限值簡化處理參數(shù)序列，降低了構(gòu)建上述矩陣b的難度；此外，基于確定的hmm模型中的參數(shù)并結(jié)合已觀測出的參數(shù)序列，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

下面參照附圖對(duì)本發(fā)明的實(shí)施方式進(jìn)行詳細(xì)說明。

實(shí)施例1

本實(shí)施例1提供一種參數(shù)確定方法，用于確定hmm模型中的用來構(gòu)建矩陣b的元素。

在本實(shí)施例中，分別針對(duì)第1至第m個(gè)干擾源中的每一個(gè)干擾源是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的場景來確定m組參數(shù)，以由該m組參數(shù)構(gòu)建hmm模型中的矩陣b。其中將一個(gè)干擾源是主要干擾源的場景作為一個(gè)干擾狀態(tài)，這樣，共存在m個(gè)干擾狀態(tài)。

在本實(shí)施例中，在對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量(m)個(gè)時(shí)，該方法包括：針對(duì)m個(gè)干擾源中的每一個(gè)干擾源是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的m個(gè)干擾狀態(tài)，確定m組參數(shù)，其中，每組參數(shù)包括第二數(shù)量(n1)個(gè)參數(shù)值，該n1個(gè)參數(shù)值之和等于1。這樣，該m×n1個(gè)參數(shù)對(duì)應(yīng)hmm模型中矩陣b的m×n1個(gè)構(gòu)成元素。

其中，在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，可采用圖2所示的方法。

圖2是一個(gè)干擾狀態(tài)下的一組參數(shù)的確定方法流程圖，如圖2所示，該方法包括：

步驟201，針對(duì)t個(gè)時(shí)刻，檢測每個(gè)時(shí)刻下的預(yù)定的第四數(shù)量k個(gè)第一網(wǎng)絡(luò)參數(shù)，以獲得由t個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第一參數(shù)序列；

步驟202，對(duì)每個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理，以獲得由t個(gè)時(shí)刻的、對(duì)該第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理后所獲得的k個(gè)第二參數(shù)構(gòu)成的第二參數(shù)序列；

步驟203，根據(jù)該第二參數(shù)序列來確定該干擾狀態(tài)下的n1種參數(shù)狀態(tài)出現(xiàn)的概率，將該概率作為該n1個(gè)參數(shù)值；

其中，該參數(shù)狀態(tài)由第五數(shù)量l個(gè)預(yù)設(shè)條件對(duì)應(yīng)的l個(gè)第二參數(shù)確定，n1＝l^k。

在本實(shí)施例中，m,k,n1,l,t為正整數(shù)。

在步驟201中，該第一網(wǎng)絡(luò)參數(shù)作為hmm的觀測參數(shù)，該第一網(wǎng)絡(luò)參數(shù)可以為一個(gè)或一個(gè)以上，例如，該第一網(wǎng)絡(luò)參數(shù)可以是rssi,lqi,cca中的一個(gè)或一個(gè)以上，但本實(shí)施例并不以此作為限制，在該第一網(wǎng)絡(luò)參數(shù)是rssi,lqi,cca時(shí)，t個(gè)時(shí)刻構(gòu)成的第一參數(shù)序列為{(rssi0,lqi0,caa0),(rssi1,lqi1,caa1)…(rssit-1,lqit-1,caat-1)}。在步驟202中，由于第一網(wǎng)絡(luò)參數(shù)值的不同，導(dǎo)致第一參數(shù)序列不是有限集合，確定參數(shù)的復(fù)雜度較高，因此，可對(duì)每個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理，降低參數(shù)確定的復(fù)雜度。

圖3是該步驟202中在對(duì)一個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理方法流程圖，如圖3所示，該方法包括：

步驟301，分別確定k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)所滿足的l個(gè)預(yù)設(shè)條件中的一個(gè)預(yù)設(shè)條件；

步驟302，將每個(gè)第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為與所滿足的預(yù)設(shè)條件對(duì)應(yīng)的第二參數(shù)，以獲得所述一個(gè)時(shí)刻下的k個(gè)第二參數(shù)；

其中，每個(gè)預(yù)設(shè)條件分別對(duì)應(yīng)一個(gè)第二參數(shù)，不同的預(yù)設(shè)條件，對(duì)應(yīng)的第二參數(shù)不同。

在本實(shí)施例中，可選的，該方法還可以包括：

步驟300，針對(duì)k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)，設(shè)置l個(gè)預(yù)設(shè)條件所對(duì)應(yīng)的l個(gè)第二參數(shù)。

在步驟300中，針對(duì)每個(gè)第一網(wǎng)絡(luò)參數(shù)，可以基于閾值設(shè)置l個(gè)預(yù)設(shè)條件所對(duì)應(yīng)的l個(gè)第二參數(shù)，即利用l-1個(gè)閾值來設(shè)置l個(gè)預(yù)設(shè)條件所對(duì)應(yīng)的l個(gè)第二參數(shù)；具體的，l-1個(gè)閾值(如th0,th1,…,thl-2)可以將第一網(wǎng)絡(luò)參數(shù)的值劃分為l個(gè)區(qū)間段(-∞,th0],(th0,th1],(…],(thl-2,+∞]，l個(gè)區(qū)間段分別對(duì)應(yīng)上述l個(gè)預(yù)設(shè)條件，且分別為每一個(gè)區(qū)間設(shè)置一個(gè)第二參數(shù)，即共設(shè)置l個(gè)第二參數(shù)，其中，l個(gè)預(yù)設(shè)條件對(duì)應(yīng)的該l個(gè)第二參數(shù)不同。另外，針對(duì)k個(gè)第一網(wǎng)絡(luò)參數(shù)，共設(shè)置k×(l-1)個(gè)閾值，且對(duì)于不同的k個(gè)第一網(wǎng)絡(luò)參數(shù)，設(shè)置的l-1個(gè)閾值不同，但第二參數(shù)相同。

例如，針對(duì)第一網(wǎng)絡(luò)參數(shù)i，基于閾值設(shè)置l個(gè)預(yù)設(shè)條件所對(duì)應(yīng)的l個(gè)第二參數(shù)p0,p1,…,pl-1，閾值th0,th1,…,thl-2將第一網(wǎng)絡(luò)參數(shù)i的值劃分為l個(gè)區(qū)間段，則對(duì)第一網(wǎng)絡(luò)參數(shù)i進(jìn)行優(yōu)化后，該第一網(wǎng)絡(luò)參數(shù)i等于：

其中，i的取值是1到k。

在步驟301和302中，對(duì)于一個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)，分別確定每一個(gè)第一網(wǎng)絡(luò)參數(shù)所滿足的l個(gè)預(yù)設(shè)條件中的一個(gè)預(yù)設(shè)條件，例如，先確定第一網(wǎng)絡(luò)參數(shù) 值屬于上述步驟300中的哪一個(gè)區(qū)間段，然后將該第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)化為與該區(qū)間段對(duì)應(yīng)的第二參數(shù)，以獲得該一個(gè)時(shí)刻下的k個(gè)第二參數(shù)，通過上述方法對(duì)t個(gè)時(shí)刻的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，最終可獲得由t個(gè)時(shí)刻的、對(duì)該第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理后所獲得的k個(gè)第二參數(shù)構(gòu)成的第二參數(shù)序列。

例如，對(duì)于每個(gè)第一網(wǎng)絡(luò)參數(shù)，在l為2時(shí)，閾值為1個(gè)，如th；該閾值將第一網(wǎng)絡(luò)參數(shù)劃分為兩個(gè)區(qū)間段，即小于等于閾值的第一區(qū)間，即(-∞,th]；和大于閾值的第二區(qū)間，即(thi，+∞]；并且分別為每個(gè)區(qū)間設(shè)置第二參數(shù)，例如，第一區(qū)間設(shè)置第一數(shù)值，第二區(qū)間設(shè)置第二數(shù)值；這樣，在確定第一網(wǎng)絡(luò)參數(shù)大于該閾值，即確定該第一網(wǎng)絡(luò)參數(shù)滿足第二區(qū)間時(shí)，將該第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為第二數(shù)值；在該第一網(wǎng)絡(luò)參數(shù)小于等于該閾值，即確定該第一網(wǎng)絡(luò)參數(shù)滿足第一區(qū)間時(shí)，將該第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為第一數(shù)值。如該第一數(shù)值為0，該第二數(shù)值為1；反之亦然，但本實(shí)施例并不以此作為限制。

圖4是該步驟203的方法流程圖，如圖4所示，該方法包括：

步驟401，在該第二參數(shù)序列中，統(tǒng)計(jì)t個(gè)時(shí)刻下、n1種參數(shù)狀態(tài)中的每種參數(shù)狀態(tài)出現(xiàn)的次數(shù)；

步驟402，將每種參數(shù)狀態(tài)出現(xiàn)的次數(shù)除以t，以獲得n1種參數(shù)狀態(tài)出現(xiàn)的概率，將該概率作為n1個(gè)參數(shù)值。

其中，該概率的準(zhǔn)確度與t有關(guān)，t越大，計(jì)算出的概率越準(zhǔn)確。

以下，通過舉例說明上述參數(shù)確定方法，例如，當(dāng)前網(wǎng)絡(luò)為zigbee網(wǎng)絡(luò)，對(duì)該zigbee網(wǎng)絡(luò)造成干擾的干擾源包括m＝3個(gè)干擾干擾源，分別是bluetooth，wi-fi，mwo；存在m＝3個(gè)干擾狀態(tài)，分別是：wi-fi是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第一干擾狀態(tài))，mwo是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第二干擾狀態(tài))；bluetooth是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第三干擾狀態(tài))，這樣，需確定每一個(gè)干擾狀態(tài)下的一組參數(shù)，即共3組參數(shù)，每組參數(shù)均包括n1個(gè)參數(shù)值。這樣，在該示例中，m＝3，預(yù)定的第一網(wǎng)絡(luò)參數(shù)包括3個(gè)，即k＝3；預(yù)設(shè)條件為2個(gè)，即l＝2，每組參數(shù)包括8個(gè)參數(shù)值，即n1＝2³＝8。

在步驟201中，獲取t的時(shí)刻下的第一參數(shù)序列，如該第一參數(shù)序列為：

{(rssi0,lqi0,caa0),(rssi1,lqi1,caa1)…(rssit-1,lqit-1,caat-1)}，t可任意取值，例如t＝100；這樣，在確定第一網(wǎng)絡(luò)參數(shù)大于該閾值，即確定該第一網(wǎng)絡(luò)參 數(shù)滿足第二區(qū)間時(shí)，將該第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為第二數(shù)值；在該第一網(wǎng)絡(luò)參數(shù)小于等于該閾值，即確定該第一網(wǎng)絡(luò)參數(shù)滿足第一區(qū)間時(shí)，將該第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為第一數(shù)值。如該第一數(shù)值為0，該第二數(shù)值為1；

在步驟202中，針對(duì)rssi，lqi，caa分別設(shè)置1個(gè)閾值thr，thl，thc，可以將rssi的值劃分為2個(gè)區(qū)間段，即第一區(qū)間(-∞,thr]和第二區(qū)間(thr,+∞]，分別為每個(gè)區(qū)間設(shè)置第二參數(shù)，例如，第一區(qū)間設(shè)置第一數(shù)值0，第二區(qū)間設(shè)置第二數(shù)值1；同樣的，將lqi的值劃分為2個(gè)區(qū)間段，即第一區(qū)間(-∞,thl]和第二區(qū)間(thl,+∞]，分別為每個(gè)區(qū)間設(shè)置第二參數(shù)，例如，第一區(qū)間設(shè)置第一數(shù)值0，第二區(qū)間設(shè)置第二數(shù)值1；將caa的值劃分為2個(gè)區(qū)間段，即第一區(qū)間(-∞,thc]和第二區(qū)間(thc,+∞]，分別為每個(gè)區(qū)間設(shè)置第二參數(shù)，例如，第一區(qū)間設(shè)置第一數(shù)值0，第二區(qū)間設(shè)置第二數(shù)值1；即：

這樣，在rssi0滿足第一區(qū)間時(shí)，將其轉(zhuǎn)化為0，滿足第二區(qū)間時(shí)，將其轉(zhuǎn)化為1，對(duì)lqi0,caa0,rssi1,lqi1,caa1…rssit-1,lqit-1,caat-1的處理方式與rssi0相同，此處不再重復(fù)，通過上述簡化處理后，第一參數(shù)序列轉(zhuǎn)化后的第二參數(shù)序列為有限集合，集合中僅存在n1種可能的參數(shù)狀態(tài)，n1＝l^k，即n1＝2³＝8種可能的參數(shù)狀態(tài)，分別是(0,0,0),(0,0,1),(0,1,0),(0,1,1),(1,0,0),(1,0,1),(1,1,0),(1,1,1)，即進(jìn)行優(yōu)化處理后的該第二參數(shù)序列可以是：{(0,1,0),(1,0,1),…,(0,0,1)}。

在步驟203中，分別確定第二參數(shù)序列中t＝100個(gè)觀測結(jié)果(0,1,0),(1,0,1),…,(0,0,1)出現(xiàn)的概率，將該概率值作為當(dāng)前干擾狀態(tài)下的8個(gè)參數(shù)值。

因此，在wi-fi是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的干擾狀態(tài)下的n1個(gè)參數(shù)值為pw0,pw1,pw2,pw3,pw4,pw5,pw6,pw7，其和為1；在mwo是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的干擾狀態(tài)下的n1個(gè)參數(shù)值為pm0,pm1,pm2,pm3,pm4,pm5,pm6,pm7，其和為1；在bluetooth是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的干擾狀態(tài)下的n1個(gè)參數(shù)值為pb0,pb1,pb2,pb3,pb4,pb5,pb6,pb7，其和為1；

即該3×8個(gè)參數(shù)對(duì)應(yīng)hmm模型中矩陣b中的3×8個(gè)構(gòu)成元素，該矩陣b如下所示：(其中，第一行至第三行分別對(duì)應(yīng)第一至第三干擾狀態(tài)；第一列至第八列分別對(duì)應(yīng)n1＝8種參數(shù)狀態(tài)(0,0,0),(0,0,1),(0,1,0),(0,1,1),(1,0,0),(1,0,1),(1,1,0),(1,1,1))

以上是以zigbee網(wǎng)絡(luò)為當(dāng)前網(wǎng)絡(luò)的情況進(jìn)行的說明，但本實(shí)施例并不以此作為限制，例如，當(dāng)前網(wǎng)絡(luò)可為wi-fi，在這種情況下，造成干擾的干擾源可以是bluetooth，zigbee，mwo中的一個(gè)或一個(gè)以上，確定參數(shù)的方法與上述方法類似，此處不再贅述。

通過上述實(shí)施例，比較容易確定hmm模型中的參數(shù)，其中，基于門限值簡化處理參數(shù)序列，降低了構(gòu)建上述矩陣b的難度；此外，基于確定的hmm模型中的參數(shù)并結(jié)合已觀測出的參數(shù)序列，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

實(shí)施例2

本實(shí)施例2提供一種參數(shù)確定方法，用于確定hmm模型中的用來構(gòu)建矩陣a的元素。

在本實(shí)施例中，分別針對(duì)第1至第m個(gè)干擾源中的每一個(gè)干擾源是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的場景來確定m組參數(shù)，以由該m組參數(shù)構(gòu)建hmm模型中的矩陣a。其中將一個(gè)干擾源是主要干擾源的場景作為一個(gè)干擾狀態(tài)，這樣，共存在m個(gè)干擾狀態(tài)。

在本實(shí)施例中，在對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量(m)個(gè)時(shí)，該方法包括：針對(duì)m個(gè)干擾源中的每一個(gè)干擾源是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的m個(gè)干擾狀態(tài)，確定m組參數(shù)，其中，每組參數(shù)包括m個(gè)參數(shù)值，該m個(gè)參數(shù)值之和等于1。這樣，該m×m個(gè)參數(shù)對(duì)應(yīng)hmm模型中隱含狀態(tài)轉(zhuǎn)移矩陣a的m×m個(gè)構(gòu)成元素。

在本實(shí)施例中，在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，可采用圖5所示的方法。

圖5是一個(gè)干擾狀態(tài)下的一組參數(shù)的確定方法流程圖，如圖5所示，該方法包括：

步驟501，在該一個(gè)干擾狀態(tài)下，利用該干擾源占用的信道、以及干擾源的信號(hào)強(qiáng)度來確定第1時(shí)刻的第一干擾源在第2時(shí)刻分別轉(zhuǎn)換為不同第二干擾源的m個(gè)轉(zhuǎn)換概率，以獲得m個(gè)參數(shù)值。

其中，該第1時(shí)刻的第一干擾源為該一個(gè)干擾狀態(tài)下的主要干擾源，該第2時(shí)刻的第二干擾源分別為該主要干擾源、以及該主要干擾源以外的其他m-1個(gè)干擾源。

圖6是步驟501中計(jì)算一個(gè)轉(zhuǎn)換概率的方法流程圖，如圖6所示，該方法包括：

步驟601，根據(jù)該第2時(shí)刻的第二干擾源占用的信道，確定該第2時(shí)刻的第二干擾源存在的第一概率；

步驟602，確定該第二干擾源的信號(hào)強(qiáng)度均大于除該第二干擾源外的其他干擾源的信號(hào)強(qiáng)度的第二概率；

步驟603，將該第一概率和第二概率的乘積作為該轉(zhuǎn)換概率。

在本實(shí)施例中，該信號(hào)的強(qiáng)度可以用發(fā)射功率來表示，也可以用其他不隨時(shí)間變化的參數(shù)來表示，例如接收功率等。本實(shí)施例并不以此作為限制。

以下以當(dāng)前網(wǎng)絡(luò)為zigbee網(wǎng)絡(luò)，造成干擾的干擾源為3個(gè)，分別是wi-fi，mwo和bluetooth為例說明如何確定上述參數(shù)。其中存在3個(gè)干擾狀態(tài)，分別是：wi-fi是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第一干擾狀態(tài))，mwo是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第二干擾狀態(tài))；bluetooth是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第三干擾狀態(tài))。

在本實(shí)施例中，在第1時(shí)刻的第一干擾源是wi-fi時(shí)，第2時(shí)刻的第二干擾源可以是wi-fi、mwo和bluetooth的其中之一；在第1時(shí)刻的第一干擾源是mwo時(shí)，第2時(shí)刻的第二干擾源可以是wi-fi、mwo和bluetooth的其中之一；在第1時(shí)刻的第一干擾源是bluetooth時(shí)，第2時(shí)刻的第二干擾源可以是wi-fi、mwo和bluetooth的其中之一。

即在第1時(shí)刻、第一干擾狀態(tài)下的m個(gè)參數(shù)分別是：在第2時(shí)刻wi-fi是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的概率pww，在第2時(shí)刻mwo是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的概率pwm，以及在第2時(shí)刻bluetooth是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的概率pwb。

在第1時(shí)刻、第二干擾狀態(tài)下的m個(gè)參數(shù)分別是：在第2時(shí)刻wi-fi是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的概率pmw，在第2時(shí)刻mwo是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的 主要干擾源的概率pmm，以及在第2時(shí)刻bluetooth是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的概率pmb。

在第1時(shí)刻、第三干擾狀態(tài)下的m個(gè)參數(shù)分別是：在第2時(shí)刻wi-fi是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的概率pbw，在第2時(shí)刻mwo是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的概率pbm，以及在第2時(shí)刻bluetooth是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的概率pbb。

即該3×3個(gè)參數(shù)對(duì)應(yīng)hmm模型中隱含狀態(tài)轉(zhuǎn)移矩陣a中的3×3個(gè)構(gòu)成元素，該矩陣a如下所示：(其中，第一行至第三行分別對(duì)應(yīng)第1時(shí)刻的三種可能的干擾狀態(tài)：第一至第三干擾狀態(tài)；第一列至第三列分別對(duì)應(yīng)第2時(shí)刻的三種可能的干擾狀態(tài)：第一至第三干擾狀態(tài))

在步驟601中，確定第一概率p1時(shí)，在該主要干擾源為bluetooth，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，將bluetooth與zigbee使用信道重合的跳頻概率作為第一概率p1；在主要干擾源為wi-fi，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，將wi-fi使用的信道頻率與zigbee使用信道重合的概率作為第一概率p1；在第二干擾源為mwo，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，將mwo使用的頻率與zigbee使用信道重合的概率作為第一概率p1。

在步驟602中，確定第二概率p2時(shí)，在該第二干擾源為bluetooth，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，將bluetooth的發(fā)射功率大于wi-fi的發(fā)射功率和mwo的發(fā)射功率的概率作為第二概率p2；在第二干擾源為wi-fi，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，將wi-fi的發(fā)射功率大于bluetooth的發(fā)射功率和mwo的發(fā)射功率的概率作為第二概率p2；在第二干擾源為mwo，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，將mwo的發(fā)射功率大于wi-fi的發(fā)射功率和bluetooth的發(fā)射功率的概率作為第二概率p2。

在步驟603中，將p1×p2作為該轉(zhuǎn)換概率。

以下以當(dāng)前網(wǎng)絡(luò)zigbee、且使用信道20為例說明如何計(jì)算上述參數(shù)。

在步驟601中，確定第一概率p1時(shí)，在該第二干擾源為bluetooth時(shí)，表示bluetooth使用信道47-49，即bluetooth與zigbee使用信道重合的跳頻概率為3/79；在第二干擾源為wi-fi時(shí)，表示wi-fi使用信道7-10，wi-fi使用的信道頻率與zigbee使用信道重合的概率為4/14；在第二干擾源為mwo時(shí)，mwo使用的頻率與zigbee 使用信道重合的概率為1。

在步驟602中，確定第二概率p2時(shí)，在該第二干擾源為bluetooth時(shí)，bluetooth的發(fā)射功率大于wi-fi的發(fā)射功率和mwo的發(fā)射功率的概率為pb>w×pb>m；在第二干擾源為wi-fi時(shí)，wi-fi的發(fā)射功率大于bluetooth的發(fā)射功率和mwo的發(fā)射功率的概率為pw>b×pw>m；在第二干擾源為mwo時(shí)，mwo的發(fā)射功率大于wi-fi的發(fā)射功率和bluetooth的發(fā)射功率的概率為pm>b×pm>w。

其中，pb>w，pb>m，pw>b，pw>m，pm>b，pm>w可以預(yù)先獲得。

下面以pb>w為例說明如何獲得該數(shù)值。pb>w表示bluetooth的發(fā)射功率大于wifi發(fā)射功率的概率，可以將bluetooth和wifi的發(fā)射功率設(shè)置為典型發(fā)射功率來計(jì)算pb>w，例如，由于bluetooth的典型發(fā)射功率為0dbm,4dbm以及20dbm，如果wifi設(shè)置了最大功率20dbm，那么bluetooth大于wifi的發(fā)射功率的概率pb>w為0；如果wifi設(shè)置的發(fā)射功率為0dbm，那么bluetooth的發(fā)射功率大于wifi功率的概率為2/3；另外，如果根據(jù)實(shí)際的發(fā)送功率計(jì)算pb>w，即bluetooth和wifi的發(fā)送功率都已知，那么pb>w的值為1或者為0。

以上僅為示例性的說明如何獲得上述pb>w，pb>m，pw>b，pw>m，pm>b，pm>w，但本實(shí)施例并不以此作為限制。

在步驟603中，可以確定轉(zhuǎn)換概率為：

即該3×3個(gè)轉(zhuǎn)換概率對(duì)應(yīng)hmm模型中矩陣a中的3×3個(gè)構(gòu)成元素。

通過上述實(shí)施例，降低了確定上述隱馬爾可夫模型中的參數(shù)的復(fù)雜度，并且，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

實(shí)施例3

本實(shí)施例3提供一種用于干擾分類識(shí)別的建模方法，利用hmm模型λ＝(a,b,π)建立干擾分類識(shí)別模型，其中a是隱含狀態(tài)轉(zhuǎn)移概率矩陣，b是觀測狀態(tài)轉(zhuǎn)移概率矩陣，π是初始概率矩陣，在本實(shí)施例中，矩陣a中的每一個(gè)元素是指干擾狀態(tài)之間在相鄰時(shí)刻的轉(zhuǎn)換概率，矩陣b中的每一個(gè)元素是指表征網(wǎng)絡(luò)狀態(tài)的網(wǎng)絡(luò)參數(shù)在一個(gè)干擾狀態(tài)下出現(xiàn)的概率。

在本實(shí)施例中，在對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量(m)個(gè)時(shí)，該方法包括：

利用實(shí)施例1中的參數(shù)確定方法確定的m×n1個(gè)參數(shù)作為該模型中的矩陣b；和/或，利用實(shí)施例2中的參數(shù)確定方法確定的m×m個(gè)參數(shù)作為該模型中的矩陣a；

在本實(shí)施例中，在根據(jù)實(shí)施例1中的方法確定矩陣b時(shí)，可以使用實(shí)施例2中的方法確定矩陣a，也可以使用其他方法確定矩陣a，本實(shí)施例并不以此作為限制。

在本實(shí)施例中，在根據(jù)實(shí)施例2中的方法確定矩陣a時(shí)，可以使用實(shí)施例1中的方法確定矩陣b，也可以使用其他方法確定矩陣b，本實(shí)施例并不以此作為限制。

在本實(shí)施例中，將每種干擾狀態(tài)存在的初始概率作為初始概率矩陣π，例如，可以根據(jù)實(shí)際情況確定，也可以將每種干擾狀態(tài)存在的初始概率設(shè)置為相同的本實(shí)施例并不以此作為限制。

圖7是本實(shí)施例中確定m×n1個(gè)參數(shù)方法流程圖，如圖7所示，該方法包括：

步驟701，設(shè)置第i個(gè)干擾狀態(tài)場景；

例如，可以將當(dāng)前網(wǎng)絡(luò)設(shè)置為zigbee網(wǎng)絡(luò)，造成干擾的干擾源為3個(gè)，分別是wi-fi，mwo和bluetooth。其中存在3個(gè)干擾狀態(tài)，包括：wi-fi是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第一干擾狀態(tài))，mwo是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第二干擾狀態(tài))；bluetooth是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第三干擾狀態(tài))，在首次設(shè)置時(shí)，i＝1。

步驟702，針對(duì)t個(gè)時(shí)刻，檢測每個(gè)時(shí)刻下的預(yù)定的k個(gè)第一網(wǎng)絡(luò)參數(shù)，以獲得由t個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第一參數(shù)序列；

步驟703，對(duì)每個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理，以獲得由t個(gè)時(shí)刻的、對(duì)該第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理后所獲得的k個(gè)第二參數(shù)構(gòu)成的第二參數(shù)序列；

步驟704，根據(jù)該第二參數(shù)序列來確定該干擾狀態(tài)下的n1種參數(shù)狀態(tài)出現(xiàn)的概率，將該概率作為該n1個(gè)參數(shù)值；

其中，步驟702～704的實(shí)施方式請(qǐng)參考步驟201～203，此處不再重復(fù)。

步驟705，判斷i是否小于等于m，如果是，則將i＝i+1，并返回至步驟701，否則執(zhí)行步驟706；

步驟706，獲得m個(gè)干擾狀態(tài)下的n1個(gè)參數(shù)。

圖8是本實(shí)施例中確定m×m個(gè)參數(shù)方法流程圖，如圖8所示，該方法包括：

步驟801，設(shè)置第i個(gè)干擾狀態(tài)場景；

例如，可以將當(dāng)前網(wǎng)絡(luò)設(shè)置為：zigbee網(wǎng)絡(luò)，造成干擾的干擾源為3個(gè)，分別是wi-fi，mwo和bluetooth。其中存在3個(gè)干擾狀態(tài)，包括：wi-fi是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第一干擾狀態(tài))，mwo是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第二干擾狀態(tài))；bluetooth是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源(第三干擾狀態(tài))，在首次設(shè)置時(shí)，i＝1。

步驟802，利用該干擾源占用的信道、以及干擾源的信號(hào)強(qiáng)度來確定第1時(shí)刻的第一干擾源在第2時(shí)刻分別轉(zhuǎn)換為不同第二干擾源的m個(gè)轉(zhuǎn)換概率，以獲得m個(gè)參數(shù)值。

其中，步驟802的實(shí)施方式請(qǐng)參考步驟501，此處不再重復(fù)。

步驟803，判斷i是否小于等于m，如果是，則將i＝i+1，并返回至步驟801，否則執(zhí)行步驟804；

步驟804，獲得m個(gè)干擾狀態(tài)下的m個(gè)轉(zhuǎn)換概率。

通過上述實(shí)施例，比較容易確定hmm模型中的參數(shù)，其中，基于門限值簡化處理參數(shù)序列，降低了構(gòu)建上述矩陣b的難度；此外，基于確定的hmm模型中的參數(shù)并結(jié)合已觀測出的參數(shù)序列，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

實(shí)施例4

本實(shí)施例4提供一種干擾分類識(shí)別方法，在本實(shí)施例中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量(m)個(gè)，其中將一個(gè)干擾源是主要干擾源的場景作為一個(gè)干擾狀態(tài)，這樣，共存在m個(gè)干擾狀態(tài)。

圖9是該干擾分類識(shí)別方法流程圖，如圖9所示，該方法包括：

步驟901，針對(duì)q個(gè)時(shí)刻，檢測每個(gè)時(shí)刻的k個(gè)第一網(wǎng)絡(luò)參數(shù)，以獲得由q個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第三參數(shù)序列；

步驟902，根據(jù)該第三參數(shù)序列和隱馬爾可夫模型，分別確定q個(gè)時(shí)刻存在的干擾狀態(tài)類別；

在本實(shí)施例中，步驟902中的隱馬爾可夫模型可以使用實(shí)施例3中的方法確定，其內(nèi)容合并于此，此處不再贅述。

在本實(shí)施例中，步驟901與實(shí)施例1中的步驟201實(shí)施方式相同，該第三參數(shù)序列與第一參數(shù)序列相同，此處不再贅述。

在步驟902中，基于hmm的干擾分類識(shí)別方法將干擾分類識(shí)別問題轉(zhuǎn)化為解碼問題，因此，據(jù)該第三參數(shù)序列和隱馬爾可夫模型，可以使用維特比算法分別確定q個(gè)時(shí)刻存在的干擾狀態(tài)類別。

以下舉例說明如何根據(jù)維特比算法確定干擾狀態(tài)類別。在本示例中，例如對(duì)當(dāng)前網(wǎng)絡(luò)zigbee造成干擾的干擾源為3個(gè)(wifi,mwo以及bluetooth)。

在步驟902中，將該第三參數(shù)序列轉(zhuǎn)化為第二參數(shù)序列，例如：{(0,1,0),(1,0,1),…,(0,0,1)}，其具體轉(zhuǎn)化方法與實(shí)施例1中步驟202類似，此處不再重復(fù)。例如，設(shè)q＝3，將{(rssi0,lqi0,caa0),(rssi1,lqi1,caa1),(rssi2,lqi2,caa2)}轉(zhuǎn)化為{(0,1,0),(1,0,0),(1,1,0)}。

其中，該hmm模型λ＝(a,b,π)為：

根據(jù)上述實(shí)施例2中的方法預(yù)先獲得的矩陣a：

根據(jù)上述實(shí)施例1中的方法預(yù)先獲得的矩陣b：

其中，矩陣b每一列對(duì)應(yīng)的觀測狀態(tài)分別為(0,0,0),(0,0,1),(0,1,0),(0,1,1),(1,0,0),(1,0,1),(1,1,0),(1,1,1)；觀測初始概率π＝(0.2,0.4,0.4)。

在步驟902中，根據(jù)已知觀測序列{(0,1,0),(1,0,0),(1,1,0)}，結(jié)合上述hmm模型，利用維特比算法求最優(yōu)狀態(tài)序列，即最優(yōu)路徑即在所有可能的路徑中選擇一條最優(yōu)路徑，從而確定對(duì)應(yīng)的干擾狀態(tài)類別，具體按照以下步驟處理：

(1)在t＝1時(shí)，對(duì)每一個(gè)干擾狀態(tài)i,i＝1(wifi),2(mwo),3(bluetooth),求干擾狀態(tài)為i，觀測狀態(tài)為(0,1,0)的概率，記此概率為δ1(i),則

δ1(i)＝πibi{(0,1,0)},i＝1,2,3

其中，bi{(0,1,0)}表示矩陣b中(0,1,0)觀測狀態(tài)對(duì)應(yīng)的元素；

代入實(shí)際數(shù)據(jù)后計(jì)算得：

δ1(1)＝0.01,δ1(2)＝0.028,δ1(3)＝0.012

(2)在t＝2時(shí)，對(duì)每個(gè)干擾狀態(tài)i,i＝1,2,3，求在t＝1時(shí)干擾狀態(tài)為j觀測狀態(tài)為(0,1,0)，并在t＝2時(shí)干擾狀態(tài)為i觀測狀態(tài)為(1,0,0)的路徑的最大概率，記此最大概率為δ2(i)，則

其中，aji表示矩陣a中的元素；bi{(1,0,0)}表示矩陣b中(1,0,0)觀測狀態(tài)對(duì)應(yīng)的元素；

同時(shí)，對(duì)每個(gè)干擾狀態(tài)i,i＝1,2,3，記錄最大概率路徑的前一個(gè)干擾狀態(tài)j＝ψ2(i)(當(dāng)前干擾狀態(tài)為i)：

代入實(shí)際數(shù)據(jù)后計(jì)算得：

ψ2(1)＝2；δ2(2)＝0.0014,ψ2(2)＝2；δ2(3)＝0.00048,ψ2(3)＝3；

同樣的，在t＝3時(shí)，計(jì)算代入實(shí)際數(shù)據(jù)后計(jì)算得：δ3(1)＝0.0000588,ψ3(1)＝2；δ3(2)＝0.000021,ψ3(2)＝2；δ3(3)＝0.0000196,ψ3(3)＝2；

(3)以p*表示最優(yōu)路徑的概率，則最優(yōu)路徑的終點(diǎn)是

(4)由最優(yōu)路徑的終點(diǎn)逆向找到在t＝2時(shí)，

在t＝1時(shí)，

因此，最優(yōu)狀態(tài)序列即在觀測序列為o＝{(0,1,0),(1,0,0),(1,1,0)}時(shí)，zigbee分別受到來自mwo，mwo以及wifi的干擾。

通過上述實(shí)施例，比較容易確定hmm模型中的參數(shù)，其中，基于門限值簡化處理參數(shù)序列，降低了構(gòu)建上述矩陣b的難度；此外，基于確定的hmm模型中的參數(shù)并結(jié)合已觀測出的參數(shù)序列，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

實(shí)施例5

本實(shí)施例5還提供了一種參數(shù)確定裝置，由于該裝置解決問題的原理與實(shí)施例1的方法類似，因此其具體的實(shí)施可以參照實(shí)施例1的方法的實(shí)施，重復(fù)之處不再贅述。

在本實(shí)施例中，分別針對(duì)第1至第m個(gè)干擾源中的每一個(gè)干擾源是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的場景來確定m組參數(shù)，以由該m組參數(shù)構(gòu)建hmm模型中的矩陣b。其中將一個(gè)干擾源是主要干擾源的場景作為一個(gè)干擾狀態(tài)，這樣，共存在m個(gè)干擾狀態(tài)。

圖10是本實(shí)施例中參數(shù)確定裝置的實(shí)施方式示意圖，在對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為m個(gè)時(shí)，該裝置1000包括：

第一確定單元1001，其用于針對(duì)m個(gè)干擾源中的每一個(gè)干擾源分別是對(duì)該當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的m個(gè)干擾狀態(tài)，來確定m組參數(shù)，每組參數(shù)包括n1個(gè)參數(shù)值，該n1個(gè)參數(shù)值之和等于1；

其中，該第一確定單元1001包括第一檢測單元10011，第一處理單元10012，第二確定單元10013，在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，

第一檢測單元10011用于針對(duì)t個(gè)時(shí)刻、檢測每個(gè)時(shí)刻下的預(yù)定的k個(gè)第一網(wǎng)絡(luò)參數(shù)，以獲得由該t個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第一參數(shù)序列；

第一處理單元10012用于對(duì)每個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理，以獲得由該t個(gè)時(shí)刻的、對(duì)該第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理后所獲得的k個(gè)第二參數(shù)構(gòu)成的第二參數(shù)序列；

第二確定單元10013用于根據(jù)該第二參數(shù)序列來確定該干擾狀態(tài)下的n1種參數(shù)狀態(tài)出現(xiàn)的概率，將該概率作為該n1個(gè)參數(shù)值，其中，該參數(shù)狀態(tài)由l個(gè)預(yù)設(shè)條件對(duì)應(yīng)的l個(gè)第二參數(shù)確定，n1＝l^k；

其中，在對(duì)一個(gè)時(shí)刻下的第四數(shù)量個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理時(shí)，該第一處理單元10012還用于分別確定k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)所滿足的l個(gè)預(yù)設(shè)條件中的一個(gè)預(yù)設(shè)條件；將每個(gè)第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為與所滿足的預(yù)設(shè)條件對(duì)應(yīng)的第二參數(shù)，以獲得該一個(gè)時(shí)刻下的k個(gè)第二參數(shù)；其中，每個(gè)預(yù)設(shè)條件分別對(duì)應(yīng)一個(gè)第二參數(shù)，不同的預(yù)設(shè)條件，對(duì)應(yīng)的第二參數(shù)不同。

在本實(shí)施例中，第一檢測單元10011，第一處理單元10012，第二確定單元10013的具體實(shí)施方式請(qǐng)參考實(shí)施例1中的步驟201～203，此處不再重復(fù)。

圖11是本實(shí)施例中該第二確定單元10013示意圖，如圖11所示，該第二確定單元10013包括：

第一統(tǒng)計(jì)單元1101，其用于在該第二參數(shù)序列中，統(tǒng)計(jì)t個(gè)時(shí)刻下、n1種參數(shù)狀態(tài)中的每種參數(shù)狀態(tài)出現(xiàn)的次數(shù)；

第一計(jì)算單元1102，其用于將該每種參數(shù)狀態(tài)出現(xiàn)的次數(shù)除以t，以獲得n1種參數(shù)狀態(tài)出現(xiàn)的概率，將該概率作為該第二數(shù)量個(gè)參數(shù)值。

其中，第一統(tǒng)計(jì)單元1101，第一計(jì)算單元1102的具體實(shí)施方式請(qǐng)參考實(shí)施例1中步驟401～402，此處不再贅述。

在本實(shí)施例中，該第一處理單元10012還包括：第一設(shè)置單元(未圖示)，其用于針對(duì)k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)，設(shè)置該l個(gè)預(yù)設(shè)條件所對(duì)應(yīng)的l個(gè)第二參數(shù)。

其中，該第一設(shè)置單元利用l-1個(gè)閾值來設(shè)置該l個(gè)預(yù)設(shè)條件所對(duì)應(yīng)的l個(gè)第二參數(shù)。

其中，對(duì)于每個(gè)第一網(wǎng)絡(luò)參數(shù)，在l為2時(shí)，該閾值為1個(gè)，第一處理單元10012在該第一網(wǎng)絡(luò)參數(shù)大于該閾值時(shí)，將該第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為第一數(shù)值，在該第一網(wǎng)絡(luò)參數(shù)小于該閾值時(shí)，將該第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為第二數(shù)值。

通過上述實(shí)施例，比較容易確定hmm模型中的參數(shù)，其中，基于門限值簡化處理參數(shù)序列，降低了構(gòu)建上述矩陣b的難度；此外，基于確定的hmm模型中的參數(shù)并結(jié)合已觀測出的參數(shù)序列，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

圖12是本發(fā)明實(shí)施例參數(shù)確定裝置的硬件構(gòu)成示意圖，如圖12所示，裝置1200可以包括：一個(gè)接口(圖中未示出)，中央處理器(cpu)1220和存儲(chǔ)器1210；存儲(chǔ)器1210耦合到中央處理器1220。其中存儲(chǔ)器1210可存儲(chǔ)各種數(shù)據(jù)；此外還存儲(chǔ)參數(shù)確定的程序，并且在中央處理器1220的控制下執(zhí)行該程序，并存儲(chǔ)各種閾值等。

在一個(gè)實(shí)施方式中，參數(shù)確定裝置的功能可以被集成到中央處理器1220中。其中，中央處理器1220可以被配置為：針對(duì)m個(gè)干擾源中的每一個(gè)干擾源分別是對(duì)該當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的m個(gè)干擾狀態(tài)，來確定m組參數(shù)，每組參數(shù)包括m個(gè)參數(shù)值，該第二數(shù)量個(gè)參數(shù)值之和等于1；在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，中央處理器1220可以被配置為：針對(duì)t個(gè)時(shí)刻，檢測每個(gè)時(shí)刻下的預(yù)定的k個(gè)第一 網(wǎng)絡(luò)參數(shù)，以獲得由該t個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第一參數(shù)序列；對(duì)每個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理，以獲得由該t個(gè)時(shí)刻的、對(duì)該第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理后所獲得的k個(gè)第二參數(shù)構(gòu)成的第二參數(shù)序列；根據(jù)該第二參數(shù)序列來確定該干擾狀態(tài)下的n1種參數(shù)狀態(tài)出現(xiàn)的概率，將該概率作為該n1個(gè)參數(shù)值，其中，該參數(shù)狀態(tài)由l個(gè)預(yù)設(shè)條件對(duì)應(yīng)的l個(gè)第二參數(shù)確定，n1＝l^k；

其中，在對(duì)一個(gè)時(shí)刻下的第四數(shù)量個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理時(shí)，中央處理器1220可以被配置為：分別確定k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)所滿足的l個(gè)預(yù)設(shè)條件中的一個(gè)預(yù)設(shè)條件；將每個(gè)第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為與所滿足的預(yù)設(shè)條件對(duì)應(yīng)的第二參數(shù)，以獲得該一個(gè)時(shí)刻下的k個(gè)第二參數(shù)；其中，每個(gè)預(yù)設(shè)條件分別對(duì)應(yīng)一個(gè)第二參數(shù)，不同的預(yù)設(shè)條件，對(duì)應(yīng)的第二參數(shù)不同。

其中，中央處理器1220還可以被配置為：在該第二參數(shù)序列中，統(tǒng)計(jì)t個(gè)時(shí)刻下、n1種參數(shù)狀態(tài)中的每種參數(shù)狀態(tài)出現(xiàn)的次數(shù)；將該每種參數(shù)狀態(tài)出現(xiàn)的次數(shù)除以t，以獲得n1種參數(shù)狀態(tài)出現(xiàn)的概率，將該概率作為該n1個(gè)參數(shù)值。

其中，中央處理器1220還可以被配置為：針對(duì)k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)，設(shè)置該l個(gè)預(yù)設(shè)條件所對(duì)應(yīng)的l個(gè)第二參數(shù)；利用l-1個(gè)閾值來設(shè)置該l個(gè)預(yù)設(shè)條件所對(duì)應(yīng)的l個(gè)第二參數(shù)；對(duì)于每個(gè)第一網(wǎng)絡(luò)參數(shù)，在l為2時(shí)，該閾值為1個(gè)，在該第一網(wǎng)絡(luò)參數(shù)大于該閾值時(shí)，將該第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為第一數(shù)值，在該第一網(wǎng)絡(luò)參數(shù)小于該閾值時(shí)，將該第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為第二數(shù)值。

在另一個(gè)實(shí)施方式中，也可以將上述參數(shù)確定裝置配置在與中央處理器1220連接的芯片(圖中未示出)上，通過中央處理器1220的控制來實(shí)現(xiàn)參數(shù)確定裝置的功能。

在本實(shí)施例中，該裝置1200還可以包括：傳感器1201、收發(fā)器1204和電源模塊1205等；其中，上述部件的功能與現(xiàn)有技術(shù)類似，此處不再贅述。值得注意的是，裝置1200也并不是必須要包括圖12中所示的所有部件；此外，該裝置1200還可以包括圖12中沒有示出的部件，可以參考現(xiàn)有技術(shù)。

通過上述實(shí)施例，比較容易確定hmm模型中的參數(shù)，其中，基于門限值簡化處理參數(shù)序列，降低了構(gòu)建上述矩陣b的難度；此外，基于確定的hmm模型中的參數(shù)并結(jié)合已觀測出的參數(shù)序列，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

實(shí)施例6

本實(shí)施例6還提供了一種參數(shù)確定裝置，由于該裝置解決問題的原理與實(shí)施例2的方法類似，因此其具體的實(shí)施可以參照實(shí)施例2的方法的實(shí)施，重復(fù)之處不再贅述。

在本實(shí)施例中，分別針對(duì)第1至第m個(gè)干擾源中的每一個(gè)干擾源是對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的場景來確定m組參數(shù)，以由該m組參數(shù)構(gòu)建hmm模型中的矩陣a。其中將一個(gè)干擾源是主要干擾源的場景作為一個(gè)干擾狀態(tài)，這樣，共存在m個(gè)干擾狀態(tài)。

圖13是本實(shí)施例中參數(shù)確定裝置的實(shí)施方式示意圖，在對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為m個(gè)時(shí)，該裝置1300包括：

第三確定單元1301，其用于針對(duì)m個(gè)干擾源中的每一個(gè)干擾源分別是對(duì)該當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的m個(gè)干擾狀態(tài)，來確定m組參數(shù)，每組參數(shù)包括第二數(shù)量n1個(gè)參數(shù)值，該n1個(gè)參數(shù)值之和等于1；

其中，該第三確定單元1301包括：第四確定單元13011，在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，

該第四確定單元13011用于在該一個(gè)干擾狀態(tài)下，利用該干擾源占用的信道、以及干擾源的信號(hào)強(qiáng)度來確定第1時(shí)刻的第一干擾源在第2時(shí)刻分別轉(zhuǎn)換為不同第二干擾源的第一數(shù)量個(gè)轉(zhuǎn)換概率，以獲得該第一數(shù)量個(gè)參數(shù)值；

其中，該第1時(shí)刻的第一干擾源為該一個(gè)干擾狀態(tài)下的主要干擾源，該第2時(shí)刻的第二干擾源分別為該主要干擾源、以及該主要干擾源以外的其他m-1個(gè)干擾源。

其中，該第三確定單元1301的具體實(shí)施方式請(qǐng)參考實(shí)施例2，此處不再贅述。

圖14是本實(shí)施例中第四確定單元13011的示意圖，如圖14所示，第四單元13011包括：

第二計(jì)算單元1401，其用于根據(jù)該第2時(shí)刻的第二干擾源占用的信道，確定該第2時(shí)刻第二干擾狀態(tài)存在的第一概率；

第三計(jì)算單元1402，其用于確定該第二干擾源的信號(hào)強(qiáng)度均大于除該第二干擾源外的其他干擾源的信號(hào)強(qiáng)度的第二概率；

第四計(jì)算單元1403，其用于將該第一概率和第二概率的乘積作為該轉(zhuǎn)換概率。

在該第二干擾源為bluetooth，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，第二計(jì)算單元1401將 bluetooth與zigbee使用信道重合的跳頻概率作為該第一概率；

在該第二干擾源為wi-fi，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，第二計(jì)算單元1401將wi-fi使用的信道頻率與zigbee使用信道重合的概率作為該第一概率；

在該第二干擾源為mwo，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，第二計(jì)算單元1401將mwo使用的頻率與zigbee使用信道重合的概率作為該第一概率。

其中，第二計(jì)算單元1401，第三計(jì)算單元1402，第四計(jì)算單元1403的具體實(shí)施方式請(qǐng)參考實(shí)施例2步驟601～603，此處不再贅述。

圖15是本發(fā)明實(shí)施例參數(shù)確定裝置的硬件構(gòu)成示意圖，如圖15所示，裝置1500可以包括：一個(gè)接口(圖中未示出)，中央處理器(cpu)1520和存儲(chǔ)器1510；存儲(chǔ)器1510耦合到中央處理器1520。其中存儲(chǔ)器1510可存儲(chǔ)各種數(shù)據(jù)；此外還存儲(chǔ)參數(shù)確定的程序，并且在中央處理器1520的控制下執(zhí)行該程序，并存儲(chǔ)各種閾值等。

在一個(gè)實(shí)施方式中，參數(shù)確定裝置的功能可以被集成到中央處理器1520中。其中，中央處理器1520可以被配置為：針對(duì)m個(gè)干擾源中的每一個(gè)干擾源分別是對(duì)該當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的m個(gè)干擾狀態(tài)，來確定m組參數(shù)，每組參數(shù)包括m個(gè)參數(shù)值，該m個(gè)參數(shù)值之和等于1；

其中，在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，中央處理器1520還可以被配置為：其用于在該一個(gè)干擾狀態(tài)下，利用該干擾源占用的信道、以及干擾源的信號(hào)強(qiáng)度來確定第1時(shí)刻的第一干擾源在第2時(shí)刻分別轉(zhuǎn)換為不同第二干擾源的m個(gè)轉(zhuǎn)換概率，以獲得該m個(gè)參數(shù)值；其中，該第1時(shí)刻的第一干擾狀態(tài)為該一個(gè)干擾狀態(tài)下的主要干擾源，該第2時(shí)刻的第二干擾源分別為該主要干擾源、以及該主要干擾源以外的其他m減1個(gè)干擾源。

其中，在計(jì)算一個(gè)該轉(zhuǎn)換概率時(shí)，中央處理器1520還可以被配置為：根據(jù)該第2時(shí)刻的第二干擾源占用的信道，確定該第2時(shí)刻第二干擾狀態(tài)存在的第一概率；確定該第二干擾源的信號(hào)強(qiáng)度均大于除該第二干擾源外的其他干擾源的信號(hào)強(qiáng)度的第二概率；將該第一概率和第二概率的乘積作為該轉(zhuǎn)換概率。

其中，中央處理器1520還可以被配置為：在該第二干擾源為bluetooth，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，將bluetooth與zigbee使用信道重合的跳頻概率作為該第一概率；在該第二干擾源為wi-fi，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，將wi-fi使用的信道頻率與zigbee使用信道重合的概率作為所述第一概率；在該第二干擾源為mwo，當(dāng)前網(wǎng)絡(luò)為zigbee 時(shí)，將mwo使用的頻率與zigbee使用信道重合的概率作為該第一概率。

在另一個(gè)實(shí)施方式中，也可以將上述參數(shù)確定裝置配置在與中央處理器1520連接的芯片(圖中未示出)上，通過中央處理器1520的控制來實(shí)現(xiàn)參數(shù)確定裝置的功能。

在本實(shí)施例中，該裝置1500還可以包括：傳感器1501、收發(fā)器1504和電源模塊1505等；其中，上述部件的功能與現(xiàn)有技術(shù)類似，此處不再贅述。值得注意的是，裝置1500也并不是必須要包括圖15中所示的所有部件；此外，該裝置1500還可以包括圖15中沒有示出的部件，可以參考現(xiàn)有技術(shù)。

通過上述實(shí)施例，比較容易確定hmm模型中的參數(shù)，此外，基于確定的hmm模型中的參數(shù)并結(jié)合已觀測出的參數(shù)序列，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

實(shí)施例7

本實(shí)施例7還提供了一種建模裝置，由于該裝置解決問題的原理與實(shí)施例3的方法類似，因此其具體的實(shí)施可以參照實(shí)施例3的方法的實(shí)施，重復(fù)之處不再贅述。

利用hmm模型λ＝(a,b,π)建立干擾分類識(shí)別模型，其中a是隱含狀態(tài)轉(zhuǎn)移概率矩陣，b是觀測狀態(tài)轉(zhuǎn)移概率矩陣，π是初始概率矩陣，在本實(shí)施例中，在本實(shí)施例中，矩陣a中的每一個(gè)元素是指干擾狀態(tài)之間在相鄰時(shí)刻的轉(zhuǎn)換概率，矩陣b中的每一個(gè)元素是指表征網(wǎng)絡(luò)狀態(tài)的網(wǎng)絡(luò)參數(shù)在一個(gè)干擾狀態(tài)下出現(xiàn)的概率。

在本實(shí)施例中，在對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量(m)個(gè)時(shí)，該裝置包括：實(shí)施例5中的參數(shù)確定裝置，和/或?qū)嵤├?中的參數(shù)確定裝置，利用實(shí)施例5中的參數(shù)確定裝置確定的m×n1個(gè)參數(shù)作為該模型中的矩陣b；利用實(shí)施例6中的參數(shù)確定裝置確定的m×m個(gè)參數(shù)作為該模型中的矩陣a。

在本實(shí)施例中，該建模裝置將每種干擾狀態(tài)存在的初始概率作為初始概率矩陣π。

圖16是本發(fā)明實(shí)施例建模裝置的硬件構(gòu)成示意圖，如圖16所示，裝置1600可以包括：一個(gè)接口(圖中未示出)，中央處理器(cpu)1620和存儲(chǔ)器1610；存儲(chǔ)器1610耦合到中央處理器1620。其中存儲(chǔ)器1610可存儲(chǔ)各種數(shù)據(jù)；此外還存儲(chǔ)建模的程序，并且在中央處理器1620的控制下執(zhí)行該程序等。

在一個(gè)實(shí)施方式中，該建模裝置的功能可以被集成到中央處理器1620中。其中，中央處理器1620可以被配置為：執(zhí)行實(shí)施例5中央處理器1020的功能和/或?qū)嵤├?中中央處理器1320的功能。

在另一個(gè)實(shí)施方式中，也可以將上述建模裝置配置在與中央處理器1620連接的芯片(圖中未示出)上，通過中央處理器1620的控制來實(shí)現(xiàn)建模裝置的功能。

在本實(shí)施例中，該裝置1600還可以包括：傳感器1601、收發(fā)器1604和電源模塊1605等；其中，上述部件的功能與現(xiàn)有技術(shù)類似，此處不再贅述。值得注意的是，裝置1600也并不是必須要包括圖16中所示的所有部件；此外，該裝置1600還可以包括圖16中沒有示出的部件，可以參考現(xiàn)有技術(shù)。

通過上述實(shí)施例，比較容易確定hmm模型中的參數(shù)，其中，基于門限值簡化處理參數(shù)序列，降低了構(gòu)建上述矩陣b的難度；此外，基于確定的hmm模型中的參數(shù)并結(jié)合已觀測出的參數(shù)序列，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

實(shí)施例8

本實(shí)施例8還提供了一種干擾分類識(shí)別裝置，由于該裝置解決問題的原理與實(shí)施例4的方法類似，因此其具體的實(shí)施可以參照實(shí)施例4的方法的實(shí)施，重復(fù)之處不再贅述。

在本實(shí)施例中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量(m)個(gè)，其中將一個(gè)干擾源是主要干擾源的場景作為一個(gè)干擾狀態(tài)，這樣，共存在m個(gè)干擾狀態(tài)。

圖17是本實(shí)施例中干擾分類識(shí)別裝置的實(shí)施方式示意圖，在對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為m個(gè)時(shí)，該裝置1700包括：

第二檢測單元1701，其用于針對(duì)q個(gè)時(shí)刻，檢測每個(gè)時(shí)刻的k個(gè)的第一網(wǎng)絡(luò)參數(shù)，以獲得由該q個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第三參數(shù)序列；

第五確定單元1702，其用于根據(jù)該第三參數(shù)序列和隱馬爾可夫模型，分別確定該q個(gè)時(shí)刻存在的干擾狀態(tài)類別；

其中，該裝置還包括：

用于確定干擾分類識(shí)別的第一參數(shù)實(shí)施例5中的參數(shù)確定裝置(未圖示)；該第一參數(shù)是該隱馬爾可夫模型中的觀測狀態(tài)轉(zhuǎn)移概率矩陣；和/或，

用于確定干擾分類識(shí)別的第二參數(shù)實(shí)施例6中的參數(shù)確定裝置(未圖示)，該第二參數(shù)是該隱馬爾可夫模型中的隱含狀態(tài)轉(zhuǎn)移概率矩陣。

其中，該第二檢測單元1701和第五確定單元1702的具體實(shí)施方式請(qǐng)參考實(shí)施例4中步驟901～902，此處不再贅述。

在本實(shí)施例中，該第一參數(shù)是第一數(shù)量×第二數(shù)量個(gè)參數(shù)構(gòu)成的矩陣；該第二參數(shù)是第一數(shù)量×第一數(shù)量個(gè)參數(shù)構(gòu)成的矩陣。

圖18是本發(fā)明實(shí)施例干擾分類識(shí)別裝置的硬件構(gòu)成示意圖，如圖18所示，裝置1800可以包括：一個(gè)接口(圖中未示出)，中央處理器(cpu)1820和存儲(chǔ)器1810；存儲(chǔ)器1810耦合到中央處理器1820。其中存儲(chǔ)器1810可存儲(chǔ)各種數(shù)據(jù)；此外還存儲(chǔ)干擾分類識(shí)別的程序，并且在中央處理器1820的控制下執(zhí)行該程序，并存儲(chǔ)各種閾值等。

在一個(gè)實(shí)施方式中，干擾分類識(shí)別裝置的功能可以被集成到中央處理器1820中。其中，中央處理器1820可以被配置為：針對(duì)q個(gè)時(shí)刻，檢測每個(gè)時(shí)刻的k個(gè)第一網(wǎng)絡(luò)參數(shù)，以獲得由q個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第三參數(shù)序列；根據(jù)該第三參數(shù)序列和隱馬爾可夫模型，分別確定q個(gè)時(shí)刻存在的干擾狀態(tài)類別。

其中，中央處理器1820還可以被配置為：執(zhí)行實(shí)施例7中央處理器1420的功能。

在另一個(gè)實(shí)施方式中，也可以將上述干擾分類識(shí)別裝置配置在與中央處理器1820連接的芯片(圖中未示出)上，通過中央處理器1820的控制來實(shí)現(xiàn)干擾分類識(shí)別裝置的功能。

在本實(shí)施例中，該裝置1800還可以包括：傳感器1801、收發(fā)器1804和電源模塊1805等；其中，上述部件的功能與現(xiàn)有技術(shù)類似，此處不再贅述。值得注意的是，裝置1800也并不是必須要包括圖18中所示的所有部件；此外，該裝置1800還可以包括圖18中沒有示出的部件，可以參考現(xiàn)有技術(shù)。

通過上述實(shí)施例，比較容易確定hmm模型中的參數(shù)，其中，基于門限值簡化處理參數(shù)序列，降低了構(gòu)建上述矩陣b的難度；此外，基于確定的hmm模型中的參數(shù)并結(jié)合已觀測出的參數(shù)序列，可以將干擾分類識(shí)別問題轉(zhuǎn)換為解碼問題，實(shí)現(xiàn)難度低。

本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)可讀程序，其中當(dāng)在參數(shù)確定裝置中執(zhí)行該程序 時(shí)，該程序使得計(jì)算機(jī)在該節(jié)點(diǎn)中執(zhí)行如上面實(shí)施例1或2所述的參數(shù)確定方法。

本發(fā)明實(shí)施例還提供一種存儲(chǔ)有計(jì)算機(jī)可讀程序的存儲(chǔ)介質(zhì)，其中該計(jì)算機(jī)可讀程序使得計(jì)算機(jī)在參數(shù)確定裝置中執(zhí)行上面實(shí)施例1或2所述的參數(shù)確定方法。

本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)可讀程序，其中當(dāng)在建模裝置中執(zhí)行該程序時(shí)，該程序使得計(jì)算機(jī)在該節(jié)點(diǎn)中執(zhí)行如上面實(shí)施例3所述的建模方法。

本發(fā)明實(shí)施例還提供一種存儲(chǔ)有計(jì)算機(jī)可讀程序的存儲(chǔ)介質(zhì)，其中該計(jì)算機(jī)可讀程序使得計(jì)算機(jī)在建模裝置中執(zhí)行上面實(shí)施例3所述的建模方法。

本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)可讀程序，其中當(dāng)在干擾分類識(shí)別裝置中執(zhí)行該程序時(shí)，該程序使得計(jì)算機(jī)在該節(jié)點(diǎn)中執(zhí)行如上面實(shí)施例4所述的干擾分類識(shí)別方法。

本發(fā)明實(shí)施例還提供一種存儲(chǔ)有計(jì)算機(jī)可讀程序的存儲(chǔ)介質(zhì)，其中該計(jì)算機(jī)可讀程序使得計(jì)算機(jī)在干擾分類識(shí)別裝置中執(zhí)行上面實(shí)施例4所述的干擾分類識(shí)別方法。

結(jié)合本發(fā)明實(shí)施例描述的在圖像形成裝置中圖像形成的方法可直接體現(xiàn)為硬件、由處理器執(zhí)行的軟件模塊或二者組合。例如，圖8-18中所示的功能框圖中的一個(gè)或多個(gè)和/或功能框圖的一個(gè)或多個(gè)組合，既可以對(duì)應(yīng)于計(jì)算機(jī)程序流程的各個(gè)軟件模塊，亦可以對(duì)應(yīng)于各個(gè)硬件模塊。這些軟件模塊，可以分別對(duì)應(yīng)于圖1-7所示的各個(gè)步驟。這些硬件模塊例如可利用現(xiàn)場可編程門陣列(fpga)將這些軟件模塊固化而實(shí)現(xiàn)。

軟件模塊可以位于ram存儲(chǔ)器、閃存、rom存儲(chǔ)器、eprom存儲(chǔ)器、eeprom存儲(chǔ)器、寄存器、硬盤、移動(dòng)磁盤、cd-rom或者本領(lǐng)域已知的任何其它形式的存儲(chǔ)介質(zhì)?？梢詫⒁环N存儲(chǔ)介質(zhì)耦接至處理器，從而使處理器能夠從該存儲(chǔ)介質(zhì)讀取信息，且可向該存儲(chǔ)介質(zhì)寫入信息；或者該存儲(chǔ)介質(zhì)可以是處理器的組成部分。處理器和存儲(chǔ)介質(zhì)可以位于asic中。該軟件模塊可以存儲(chǔ)在圖像形成裝置的存儲(chǔ)器中，也可以存儲(chǔ)在可插入圖像形成裝置的存儲(chǔ)卡中。

針對(duì)圖8-18描述的功能框圖中的一個(gè)或多個(gè)和/或功能框圖的一個(gè)或多個(gè)組合，可以實(shí)現(xiàn)為用于執(zhí)行本申請(qǐng)所描述功能的通用處理器、數(shù)字信號(hào)處理器(dsp)、專用集成電路(asic)、現(xiàn)場可編程門陣列(fpga)或其它可編程邏輯器件、分立門或晶體管邏輯器件、分立硬件組件、或者其任意適當(dāng)組合。針對(duì)圖8-18描述的功能 框圖中的一個(gè)或多個(gè)和/或功能框圖的一個(gè)或多個(gè)組合，還可以實(shí)現(xiàn)為計(jì)算設(shè)備的組合，例如，dsp和微處理器的組合、多個(gè)微處理器、與dsp通信結(jié)合的一個(gè)或多個(gè)微處理器或者任何其它這種配置。

以上結(jié)合具體的實(shí)施方式對(duì)本發(fā)明進(jìn)行了描述，但本領(lǐng)域技術(shù)人員應(yīng)該清楚，這些描述都是示例性的，并不是對(duì)本發(fā)明保護(hù)范圍的限制。本領(lǐng)域技術(shù)人員可以根據(jù)本發(fā)明的精神和原理對(duì)本發(fā)明做出各種變型和修改，這些變型和修改也在本發(fā)明的范圍內(nèi)。

關(guān)于包括以上多個(gè)實(shí)施例的實(shí)施方式，還公開下述的附記。

附記1、一種用于干擾分類識(shí)別的參數(shù)確定裝置，其中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為第一數(shù)量m個(gè)，所述裝置包括：

第一確定單元，其用于針對(duì)m個(gè)干擾源中的每一個(gè)干擾源分別是對(duì)所述當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的m個(gè)干擾狀態(tài)，來確定m組參數(shù)，每組參數(shù)包括第二數(shù)量n1個(gè)參數(shù)值，所述n1個(gè)參數(shù)值之和等于1；

其中，所述第一確定單元包括：第一檢測單元、第一處理單元、第二確定單元，在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，所述第一檢測單元用于針對(duì)第三數(shù)量t個(gè)時(shí)刻，檢測每個(gè)時(shí)刻下的預(yù)定的第四數(shù)量k個(gè)第一網(wǎng)絡(luò)參數(shù)，以獲得由所述t個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第一參數(shù)序列；

所述第一處理單元用于對(duì)每個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理，以獲得由所述t個(gè)時(shí)刻的、對(duì)所述第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理后所獲得的k個(gè)第二參數(shù)構(gòu)成的第二參數(shù)序列；

所述第二確定單元用于根據(jù)所述第二參數(shù)序列來確定所述干擾狀態(tài)下的n1種參數(shù)狀態(tài)出現(xiàn)的概率，將所述概率作為所述n1個(gè)參數(shù)值，其中，所述參數(shù)狀態(tài)由第五數(shù)量l個(gè)預(yù)設(shè)條件對(duì)應(yīng)的l個(gè)第二參數(shù)確定，n1＝l^k；

其中，在對(duì)一個(gè)時(shí)刻下的k個(gè)第一網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化處理時(shí)，所述第一處理單元還用于分別確定k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)所滿足的l個(gè)預(yù)設(shè)條件中的一個(gè)預(yù)設(shè)條件；將每個(gè)第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為與所滿足的預(yù)設(shè)條件對(duì)應(yīng)的第二參數(shù)，以獲得所述一個(gè)時(shí)刻下的k個(gè)第二參數(shù)；其中，每個(gè)預(yù)設(shè)條件分別對(duì)應(yīng)一個(gè)第二參數(shù)，不同的預(yù)設(shè)條件，對(duì)應(yīng)的第二參數(shù)不同。

附記2、根據(jù)附記1所述的裝置，其中，所述第二確定單元包括：

第一統(tǒng)計(jì)單元，其用于在所述第二參數(shù)序列中，統(tǒng)計(jì)t個(gè)時(shí)刻下、n1種參數(shù)狀態(tài)中的每種參數(shù)狀態(tài)出現(xiàn)的次數(shù)；

第一計(jì)算單元，其用于將所述每種參數(shù)狀態(tài)出現(xiàn)的次數(shù)除以t，以獲得n1種參數(shù)狀態(tài)出現(xiàn)的概率，將所述概率作為所述n1個(gè)參數(shù)值。

附記3、根據(jù)附記1所述的裝置，其中，所述第一處理單元還包括：

第一設(shè)置單元，其用于針對(duì)k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)，設(shè)置所述l個(gè)預(yù)設(shè)條件所對(duì)應(yīng)的l個(gè)第二參數(shù)。

附記4、根據(jù)附記3所述的裝置，其中，所述第一設(shè)置單元利用l-1個(gè)閾值來設(shè)置所述l個(gè)預(yù)設(shè)條件所對(duì)應(yīng)的l個(gè)第二參數(shù)。

附記5、根據(jù)附記4所述的裝置，其中，對(duì)于每個(gè)第一網(wǎng)絡(luò)參數(shù)，在l為2時(shí)，所述閾值為1個(gè)，所述第一處理單元在所述第一網(wǎng)絡(luò)參數(shù)大于所述閾值時(shí)，將所述第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為第一數(shù)值，在所述第一網(wǎng)絡(luò)參數(shù)小于等于所述閾值時(shí)，將所述第一網(wǎng)絡(luò)參數(shù)轉(zhuǎn)換為第二數(shù)值。

附記6、根據(jù)附記5所述的裝置，其中，所述第一數(shù)值和第二數(shù)值為能夠用于統(tǒng)計(jì)的數(shù)值。

附記7、根據(jù)附記6所述的裝置，其中，所述第一數(shù)值為1；第二數(shù)值為0；或者，所述第一數(shù)值為0，所述第二數(shù)值為1。

附記8、根據(jù)附記4所述的裝置，其中，針對(duì)k個(gè)第一網(wǎng)絡(luò)參數(shù)中的每個(gè)第一網(wǎng)絡(luò)參數(shù)，設(shè)置的閾值不同。

附記9、根據(jù)附記1所述的裝置，其中，所述當(dāng)前網(wǎng)絡(luò)為zigbee；

所述干擾源包括以下干擾的一種或一種以上：wifi、mwo、以及bluetooth。

附記10、根據(jù)附記1所述的裝置，其中，所述第一網(wǎng)絡(luò)參數(shù)包括以下參數(shù)的一種或一種以上：rssi、lqi、以及cca。

附記11、一種用于干擾分類識(shí)別的參數(shù)確定的裝置，其中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為m個(gè)，所述裝置包括：

第三確定單元，其用于針對(duì)第一數(shù)量個(gè)干擾源中的每一個(gè)干擾源分別是對(duì)所述當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的第一數(shù)量個(gè)干擾狀態(tài)，來確定第一數(shù)量組參數(shù)，每組參數(shù)包括第一數(shù)量個(gè)參數(shù)值，所述第一數(shù)量個(gè)參數(shù)值之和等于1；

其中，所述第三確定單元包括：第四確定單元，在確定一個(gè)干擾狀態(tài)下的一組參數(shù)時(shí)，所述第四確定單元用于在所述一個(gè)干擾狀態(tài)下，利用所述干擾源占用的信道、以及干擾源的信號(hào)強(qiáng)度來確定第1時(shí)刻的第一干擾源在第2時(shí)刻分別轉(zhuǎn)換為不同第二干擾源的第一數(shù)量個(gè)轉(zhuǎn)換概率，以獲得所述第一數(shù)量個(gè)參數(shù)值；其中，所述第1時(shí)刻的第一干擾源為所述一個(gè)干擾狀態(tài)下的主要干擾源，所述第2時(shí)刻的第二干擾源分別為所述主要干擾源、以及所述主要干擾源以外的其他第一數(shù)量減一個(gè)干擾源。

附記12、根據(jù)附記11所述的裝置，其中，所述第四確定單元包括：第二計(jì)算單元，第三計(jì)算單元，第四計(jì)算單元，在計(jì)算一個(gè)所述轉(zhuǎn)換概率時(shí)，所述第二計(jì)算單元用于根據(jù)所述第2時(shí)刻的第二干擾源占用的信道，確定所述第2時(shí)刻第二干擾源存在的第一概率；

所述第三計(jì)算單元用于確定所述第二干擾源的信號(hào)強(qiáng)度均大于除所述第二干擾源外的其他干擾源的信號(hào)強(qiáng)度的第二概率；

所述第四計(jì)算單元用于將所述第一概率和第二概率的乘積作為所述轉(zhuǎn)換概率。

附記13、根據(jù)附記12所述的裝置，其中，在所述第二干擾源為bluetooth，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，所述第二計(jì)算單元將bluetooth與zigbee使用信道重合的跳頻概率作為所述第一概率；

在所述第二干擾源為wi-fi，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，所述第二計(jì)算單元將wi-fi使用的信道頻率與zigbee使用信道重合的概率作為所述第一概率；

在所述第二干擾源為mwo，當(dāng)前網(wǎng)絡(luò)為zigbee時(shí)，所述第二計(jì)算單元將mwo使用的頻率與zigbee使用信道重合的概率作為所述第一概率。

附記14、根據(jù)附記11所述的裝置，其中，所述當(dāng)前網(wǎng)絡(luò)是zigbee；所述干擾源是以下干擾網(wǎng)絡(luò)之一或一個(gè)以上：wifi，mwo，bluetooth，

附記15、根據(jù)附記11所述的裝置，其中，所述信號(hào)強(qiáng)度根據(jù)不隨時(shí)間變化的參數(shù)確定。

附記16、根據(jù)附記15所述的裝置，其中，所述不隨時(shí)間變化的參數(shù)是發(fā)射功率。

附記17、一種干擾分類識(shí)別裝置，其中，對(duì)當(dāng)前網(wǎng)絡(luò)造成干擾的干擾源為m個(gè)，將m個(gè)干擾源中的一個(gè)干擾源是對(duì)所述當(dāng)前網(wǎng)絡(luò)造成干擾的主要干擾源的場景作為一個(gè)干擾狀態(tài)，所述裝置包括：

第二檢測單元，其用于針對(duì)第六數(shù)量q個(gè)時(shí)刻，檢測每個(gè)時(shí)刻的k個(gè)的第一網(wǎng) 絡(luò)參數(shù)，以獲得由所述q個(gè)時(shí)刻的、k個(gè)第一網(wǎng)絡(luò)參數(shù)構(gòu)成的第三參數(shù)序列；

第五確定單元，其用于根據(jù)所述第三參數(shù)序列和隱馬爾可夫模型，分別確定所述q個(gè)時(shí)刻存在的干擾狀態(tài)類別；

其中，所述裝置還包括：附記1所述的裝置，用于確定干擾分類識(shí)別的第一參數(shù)；所述第一參數(shù)是所述隱馬爾可夫模型中的觀測狀態(tài)轉(zhuǎn)移概率矩陣；

和/或，所述裝置還包括：附記11所述的裝置，用于確定干擾分類識(shí)別的第二參數(shù)；所述第二參數(shù)是所述隱馬爾可夫模型中的隱含狀態(tài)轉(zhuǎn)移概率矩陣。

附記18、根據(jù)附記17所述的裝置，其中，所述第一參數(shù)是m×n1個(gè)參數(shù)構(gòu)成的矩陣；所述第二參數(shù)是m×m個(gè)參數(shù)構(gòu)成的矩陣。