本發(fā)明涉及認(rèn)知無線電網(wǎng)絡(luò)中的頻譜預(yù)測領(lǐng)域。更具體地說，本發(fā)明涉及一種認(rèn)知無線電網(wǎng)絡(luò)中基于hmm預(yù)測模型的多點(diǎn)協(xié)作頻譜感知方法。

背景技術(shù)：

隨著信息時代的到來，無線頻譜已成為現(xiàn)代社會不可或缺的寶貴資源。它目前主要由國家統(tǒng)一分配授權(quán)使用，一個頻段一般只能供一個無線通信系統(tǒng)獨(dú)立使用，這種靜態(tài)的無線頻譜管理方式，簡單而有效的避免了不同無線通信系統(tǒng)間的相互干擾。但是在這些已分配的授權(quán)頻段與非授權(quán)頻段中存在著頻譜資源利用的不平衡性：一方面，授權(quán)頻段占用了整個頻譜資源的很大一部分，但其中不少頻段處于空閑狀態(tài)；另一方面，開放使用的非授權(quán)頻段占整個頻譜資源的很少一部分，但在該頻段上的用戶很多，業(yè)務(wù)量也很大，無線電頻段已基本趨于飽和。于是在無線和移動通信迅速發(fā)展的今天，頻譜資源貧乏的問題也顯得日益嚴(yán)重。因此，尋求一種更有效的頻譜管理方式，充分利用各地區(qū)、各時間段的空閑頻段，緩解不斷增長的頻譜的需求矛盾，成為人們關(guān)注的問題。為了解決上述問題，基本思路就是盡量提高的利用率。于是，認(rèn)知無線電的概念應(yīng)運(yùn)而生。其基本思想是：具有認(rèn)知功能的無線通信設(shè)備可以按照某種“伺機(jī)(opportunisticway)”的方式接入授權(quán)的頻段內(nèi)，并動態(tài)地利用頻譜。這種在空域、時域和頻域中出現(xiàn)的未被利用的頻譜資源被稱為“頻譜空穴”。認(rèn)知無線電的核心思想就是使無線通信設(shè)備具有發(fā)現(xiàn)“頻譜空穴”并合理利用這些頻譜空穴的能力。認(rèn)知無線電(cr，cognitiveradio)技術(shù)的興起和發(fā)展為解決無線頻譜資源緊缺的問題提供了全新的途徑。它通過允許認(rèn)知用戶自適應(yīng)地感知授權(quán)頻段在時間和空間上的頻譜空穴，機(jī)會式地利用空穴進(jìn)行信號傳輸，達(dá)到提高頻譜的利用率的目的。cr還使得無線通信系統(tǒng)可不經(jīng)授權(quán)地使用傳輸特性更好、帶寬更寬的頻段，有利于平衡通信的成本和性能；同時，寬帶無線通信系統(tǒng)通常所具有大動態(tài)范圍的業(yè)務(wù)流量特性，正適合于在較寬的動態(tài)可用頻段內(nèi)進(jìn)行機(jī)會式傳輸。因此，引入認(rèn)知機(jī)制不僅是提高未來無線通信系統(tǒng)頻譜利用問題的有效途徑，也是技術(shù)和應(yīng)用上的迫切需求。

頻譜感知作為認(rèn)知無線電的主要一環(huán)，其目的是發(fā)現(xiàn)在時域、頻域、空域上的頻譜空穴，以便供認(rèn)知用戶以機(jī)會方式利用頻譜。次用戶是指未經(jīng)授權(quán)使用只有授權(quán)用戶才能使用的頻譜的用戶，主用戶則是獲得授權(quán)使用頻譜的用戶。為了不對主用戶造成干擾，認(rèn)知用戶在利用頻譜空穴進(jìn)行通信的過程中，需要能夠快速感知主用戶的再次出現(xiàn)，及時進(jìn)行頻譜切換，騰出信道給主用戶使用，或者繼續(xù)使用原來頻段，但需要通過調(diào)整傳輸功率或者改變調(diào)制方式來避免對主用戶的干擾。這就需要認(rèn)知無線電系統(tǒng)具有頻譜檢測功能，能夠?qū)崟r地連續(xù)偵聽頻譜，以提高檢測的可靠性。

就目前來看，人們在這方面取得了很大的進(jìn)展，各種感知方法層出不窮。單用戶感知設(shè)計復(fù)雜度低，采用技術(shù)成熟，易于實(shí)現(xiàn)。但其性能會隨著無線環(huán)境中多徑和陰影衰落引起的接收信號強(qiáng)度的減弱而降低，而且基于檢測的頻譜感知算法，必然需要一定的時間進(jìn)行頻譜狀態(tài)的檢測，即存在檢測時延。因此，如何降低或消除檢測時延的影響，實(shí)現(xiàn)頻譜狀態(tài)的可靠預(yù)測，提高感知性能具有重要的研究意義。另外，由于在傳統(tǒng)的認(rèn)知無線電網(wǎng)絡(luò)中，數(shù)據(jù)包傳輸具有隨機(jī)性和零散性，頻譜狀態(tài)轉(zhuǎn)換頻繁還有“隱蔽終端”等大量問題的出現(xiàn)。申請人此前申請的發(fā)明專利(申請?zhí)枮?01610235479.6)在一定程度上解決了延遲的問題，但仍存在干擾、精度不高的缺陷。因此，目前亟需一種可靠性高、精度高、對主用戶干擾小的頻譜感知方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的一個目的是解決至少上述問題，并提供至少后面將說明的優(yōu)點(diǎn)。

本發(fā)明還有一個目的是提供一種基于hmm模型的多點(diǎn)協(xié)作頻譜感知方法，其在認(rèn)知無線電網(wǎng)絡(luò)中引入多節(jié)點(diǎn)協(xié)作頻譜感知和隱馬爾可夫模型對頻譜的預(yù)測作用，進(jìn)行下一時隙的頻譜狀態(tài)預(yù)測，從而提高頻譜預(yù)測的可靠性。

為了實(shí)現(xiàn)根據(jù)本發(fā)明的這些目的和其它優(yōu)點(diǎn)，提供了一種基于hmm模型的多點(diǎn)協(xié)作頻譜感知方法，包括以下步驟：

步驟一、認(rèn)知無線電網(wǎng)絡(luò)中包含多個主用戶和多個次用戶，對主用戶的頻譜進(jìn)行隱馬爾可夫模型建模，根據(jù)頻譜感知得到的各次用戶各時隙的觀測值，對隱馬爾可夫模型的參數(shù)進(jìn)行訓(xùn)練，遞歸計算各次用戶下一時隙的頻譜狀態(tài)為“忙”或“閑”的預(yù)測概率，概率高的頻譜狀態(tài)為下一時隙頻譜狀態(tài)預(yù)測結(jié)果；

步驟二、統(tǒng)計所有次用戶下一時隙的感知頻譜狀態(tài)為“忙”或“閑”的次數(shù)，如果“忙”的比例大于預(yù)設(shè)閾值，則判定下一時隙的頻譜狀態(tài)為“忙”，否則為“閑”，輸出頻譜狀態(tài)結(jié)果，并將結(jié)果返回至頻譜感知數(shù)據(jù)融合中心。

優(yōu)選的是，所述的基于hmm模型的多點(diǎn)協(xié)作頻譜感知方法，步驟二中預(yù)設(shè)閾值為2/3或1/2。

優(yōu)選的是，所述的基于hmm模型的多點(diǎn)協(xié)作頻譜感知方法，步驟一具體包括：

s1.對主用戶的頻譜進(jìn)行隱馬爾可夫模型建模，得到λ＝{π,a,b}，其中，π為頻譜狀態(tài)為“忙”或“閑”的初始狀態(tài)概率，a為狀態(tài)轉(zhuǎn)移概率矩陣，b為發(fā)射概率矩陣；

s2.采用能量檢測算法進(jìn)行頻譜感知，得到每一個次用戶t時隙的觀測值序列oi＝{oit∈v|t＝1,2,…,t}，觀測值序列的狀態(tài)空間v＝{0,1}，0表示次用戶判決該時隙頻譜狀態(tài)為“閑”，1表示次用戶判決該時隙頻譜狀態(tài)為“忙”；

s3.將觀測值序列作為訓(xùn)練序列，運(yùn)行baum-welch算法進(jìn)行參數(shù)π、a、b的訓(xùn)練，得到估計的參數(shù)

s4.根據(jù)歷史感知結(jié)果序列o＝{o1,o2,…,ot,…,ot}和估計的參數(shù)遞歸計算下一時隙頻譜狀態(tài)為“忙”或“閑”的預(yù)測概率

s5.如果成立，則該次用戶判斷戶下一時隙的頻譜狀態(tài)為“忙”，否則為“閑”。

優(yōu)選的是，所述的基于hmm模型的多點(diǎn)協(xié)作頻譜感知方法，s1中，狀態(tài)轉(zhuǎn)移概率矩陣a為a＝{aij}(k+1)×(k+1)，aij＝p{qt+1＝sj|qt＝si}表示當(dāng)前時刻t時頻譜狀態(tài)為si于下一時刻t+1時轉(zhuǎn)移到sj的轉(zhuǎn)移概率，其中k為編碼塊大小；隱馬爾可夫模型λ＝{π,a,b}的隱藏狀態(tài)空間為s＝{0,1,…,k}，其中0表示主用戶信道處于“閑”狀態(tài)，1～k均為“忙”狀態(tài)；得到狀態(tài)轉(zhuǎn)移概率矩陣a和發(fā)射概率矩陣b分別為：

其中，α為狀態(tài)0轉(zhuǎn)換為狀態(tài)1的概率，β為狀態(tài)k轉(zhuǎn)換為狀態(tài)0的概率，k為正整數(shù)，虛警概率pf和漏檢概率pm的計算如下：

其中，n為一個時隙內(nèi)的采樣樣本數(shù)，檢測閾值為τ，為伽馬函數(shù)，和分別為下不完全伽馬函數(shù)和上不完全伽馬函數(shù)。

優(yōu)選的是，所述的基于hmm模型的多點(diǎn)協(xié)作頻譜感知方法，s3中，利用觀測值序列o＝{ot∈v|t＝1,2,…,t}作為訓(xùn)練序列，并進(jìn)行參數(shù)的迭代估計，得到第r次迭代的參數(shù)如下：

其中γt(i)表示在已知隱馬爾可夫模型和觀測值序列o＝{ot∈v|t＝1,2,…,t}的情況下，t時刻信道頻譜狀態(tài)為si的概率；ξt(i,j)表示時刻t時信道狀態(tài)si在下一時刻t+1轉(zhuǎn)到狀態(tài)sj的期望轉(zhuǎn)移概率；

因此得到γt(i)和和ξt(i,j)的表達(dá)式如下：

其中αt(i)＝p(o1o2…ot,qt＝si|λ),1≤t≤t-1為前向變量，即在給定的隱馬爾可夫模型λ下，時刻t的狀態(tài)為si且部分序列為o1o2…ot的概率；相應(yīng)地，βt(i)＝p(ot+1ot+2…ot,qt＝si|λ),1≤t≤t-1為后向變量；αt(i)和βt(i)的計算分別由前向算法和后向算法得到；

當(dāng)?shù)玫降膮?shù)滿足收斂條件時，結(jié)束迭代，得到參數(shù)

優(yōu)選的是，所述的基于hmm模型的多點(diǎn)協(xié)作頻譜感知方法，s4中，遞歸計算的方法如下：

其中，的初始值為

本發(fā)明至少包括以下有益效果：

第一、本發(fā)明能夠克服傳統(tǒng)認(rèn)知無線電網(wǎng)絡(luò)中頻譜狀態(tài)轉(zhuǎn)換頻繁、頻譜空洞不易于感知以及現(xiàn)有頻譜感知可靠性較低和“隱蔽終端”外加減少對主用戶的干擾等問題的特點(diǎn)，利用隱馬爾可夫模型對主用戶信道頻譜狀態(tài)進(jìn)行建模分析；

第二、本發(fā)明在頻譜預(yù)測過程中，相對于傳統(tǒng)的基于hmm的頻譜預(yù)測算法，引入了相應(yīng)的多點(diǎn)協(xié)作感知的融合，進(jìn)而提高頻譜預(yù)測的可靠性和快速性以及大大降低了對主用戶的干擾；

第三、相對于此前申請的專利，本專利很好的解決了“隱蔽終端”問題外加減少對主用戶的干擾等特點(diǎn)而且更加快速的預(yù)測下一時隙的頻譜狀態(tài)。相比較其它應(yīng)用hmm模型來預(yù)測狀態(tài)的事例，本專利并非完全應(yīng)用hmm來確定下一時隙的狀態(tài)，而是結(jié)合了最后的融合法則來預(yù)測判斷下一時隙的頻譜狀態(tài)，很好的減少了誤判和對主用戶的干擾。有利于維持正常的通信環(huán)境，對現(xiàn)有的主用戶不造成大范圍的影響。

本發(fā)明的其它優(yōu)點(diǎn)、目標(biāo)和特征將部分通過下面的說明體現(xiàn)，部分還將通過對本發(fā)明的研究和實(shí)踐而為本領(lǐng)域的技術(shù)人員所理解。

附圖說明

圖1為本發(fā)明的流程圖；

圖2為本發(fā)明的認(rèn)知無線電網(wǎng)絡(luò)模型；

圖3為本發(fā)明步驟3)的流程示意圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步的詳細(xì)說明，以令本領(lǐng)域技術(shù)人員參照說明書文字能夠據(jù)以實(shí)施。

應(yīng)當(dāng)理解，本文所使用的諸如“具有”、“包含”以及“包括”術(shù)語并不配出一個或多個其它元件或其組合的存在或添加。

圖2示出了認(rèn)知無線電(以下簡述為cr)網(wǎng)絡(luò)模型，一個cr模型包括n個主用戶信道和m個次用戶，不同的文獻(xiàn)中對cr終端的稱謂不同，有cr用戶、次用戶、非授權(quán)用戶等多種方式，本發(fā)明中統(tǒng)一稱之為次用戶，同樣，經(jīng)購買或授權(quán)而擁有某段頻譜使用權(quán)的用戶，稱謂有授權(quán)用戶、主用戶，本發(fā)明中同一稱之為主用戶，其中，每個主用戶信道由一個主用戶基站和l個主用戶接收節(jié)點(diǎn)構(gòu)成一個主用戶子網(wǎng)絡(luò)。在每個主用戶子網(wǎng)絡(luò)中，數(shù)據(jù)包以數(shù)據(jù)塊的形式到達(dá)主用戶基站，且到達(dá)過程服從poisson分布泊松分布，平均速率為v。當(dāng)編碼塊大小為k時，主用戶基站累積k個數(shù)據(jù)包后進(jìn)行隨機(jī)線性網(wǎng)絡(luò)編碼再廣播給各個主用戶接收節(jié)點(diǎn)。次用戶通過頻譜感知算法感知主用戶信道并利用空閑頻譜傳輸數(shù)據(jù)。假設(shè)各信道時間同步，一個主用戶數(shù)據(jù)包傳輸?shù)臅r間為一個時隙。實(shí)驗(yàn)對200個時隙進(jìn)行感知，每個時隙采樣20個樣本。

一種基于hmm模型的多點(diǎn)協(xié)作頻譜感知方法，如圖1所示，包括以下步驟：

1)初始化hmm參數(shù)模型λ＝{π,a,b}：隱馬爾可夫模型(hmm)是一種統(tǒng)計模型，用來描述一個含有隱含未知參數(shù)的馬爾可夫過程。其難點(diǎn)是從可觀察的參數(shù)中確定該過程的隱含參數(shù)，然后利用這些參數(shù)來作進(jìn)一步的分析。包括隱含狀態(tài)(未知，待求解)、觀測序列(已知，可觀測，下述)、隱含狀態(tài)的初始概率(已知，計算機(jī)初始值)、隱含狀態(tài)的狀態(tài)轉(zhuǎn)換概率(未知，下述訓(xùn)練得到)，隱含狀態(tài)表現(xiàn)為觀測序列的觀測值概率(未知，下述訓(xùn)練得到)。對主用戶的頻譜進(jìn)行隱馬爾可夫模型建模，得到λ＝{π,a,b}，其中，π為頻譜狀態(tài)為“忙”或“閑”的初始狀態(tài)概率，a為狀態(tài)轉(zhuǎn)移概率矩陣，用狀態(tài)轉(zhuǎn)移矩陣表示，b為發(fā)射概率矩陣；

狀態(tài)轉(zhuǎn)移概率矩陣a為a＝{aij}(k+1)×(k+1)，aij＝p{qt+1＝sj|qt＝si}表示當(dāng)前時刻t時頻譜狀態(tài)為si于下一時刻t+1時轉(zhuǎn)移到sj的轉(zhuǎn)移概率，其中k為編碼塊大小，k為狀態(tài)量，最后計算的數(shù)字有k時當(dāng)1處理，即“忙”狀態(tài)；hmm參數(shù)模型λ＝{π,a,b}的隱藏狀態(tài)空間為s＝{0,1,…,k}，其中0表示主用戶信道處于“閑”狀態(tài)，1～k均為“忙”狀態(tài)；得到狀態(tài)轉(zhuǎn)移概率矩陣a和發(fā)射概率矩陣b分別為：

其中，α為狀態(tài)0轉(zhuǎn)換為狀態(tài)1的概率，β為狀態(tài)k轉(zhuǎn)換為狀態(tài)0的概率，k為正整數(shù)，虛警概率pf和漏檢概率pm的計算如下：

其中，n為一個時隙內(nèi)的采樣樣本數(shù)，檢測閾值為τ，為伽馬函數(shù)，和分別為下不完全伽馬函數(shù)和上不完全伽馬函數(shù)。

2)頻譜感知的方式有多種，例如匹配濾波器檢測、能量檢測、循環(huán)平穩(wěn)特征檢測等，本方案中采用能量檢測算法進(jìn)行頻譜感知，得到每一個次用戶t時隙的觀測值序列oi＝{oit∈v|t＝1,2,…,t}，觀測值序列的狀態(tài)空間v＝{0,1}，0表示次用戶判決該時隙頻譜狀態(tài)為“閑”，1表示次用戶判決該時隙頻譜狀態(tài)為“忙”；

3)將觀測值序列作為訓(xùn)練序列，運(yùn)行baum-welch算法進(jìn)行參數(shù)π、a、b的訓(xùn)練，得到估計的參數(shù)使用前向算法來計算在某個特定的hmm下一個可觀察狀態(tài)序列的概率，然后據(jù)此找到最可能的模型。前向后向算法首先對于hmm的參數(shù)進(jìn)行一個初始的估計，但這個很可能是一個錯誤的猜測，然后通過對于給定的數(shù)據(jù)評估這些參數(shù)的的有效性并減少它們所引起的錯誤來更新hmm參數(shù)，使得和給定的訓(xùn)練數(shù)據(jù)的誤差變小，對于每一個狀態(tài)，前向后向算法既計算到達(dá)此狀態(tài)的“前向”概率，又計算生成此模型最終狀態(tài)的“后向”概率，這些概率都可以通過遞歸進(jìn)行高效計算；

利用觀測值序列o＝{ot∈v|t＝1,2,…,t}作為訓(xùn)練序列，并進(jìn)行參數(shù)的迭代估計，得到第r次迭代的參數(shù)如下：

其中γt(i)表示在已知隱馬爾可夫模型和觀測值序列o＝{ot∈v|t＝1,2,…,t}的情況下，t時刻信道頻譜狀態(tài)為si的概率；ξt(i,j)表示時刻t時信道狀態(tài)si在下一時刻t+1轉(zhuǎn)到狀態(tài)sj的期望轉(zhuǎn)移概率；

因此得到γt(i)和和ξt(i,j)的表達(dá)式如下：

其中αt(i)＝p(o1o2…ot,qt＝si|λ),1≤t≤t-1為前向變量，即在給定的隱馬爾可夫模型λ下，時刻t的狀態(tài)為si且部分序列為o1o2…ot的概率；相應(yīng)地，βt(i)＝p(ot+1ot+2…ot,qt＝si|λ),1≤t≤t-1為后向變量；αt(i)和βt(i)的計算分別由前向算法和后向算法得到；

當(dāng)?shù)玫降膮?shù)滿足收斂條件時，結(jié)束迭代，得到參數(shù)

4)根據(jù)歷史感知結(jié)果序列o＝{o1,o2,…,ot,…,ot}和估計的參數(shù)遞歸計算下一時隙頻譜狀態(tài)為“忙”或“閑”的預(yù)測概率

遞歸計算的方法如下：

其中，的初始值為

5)如果成立，則該次用戶判斷戶下一時隙的頻譜狀態(tài)為“忙”，否則為“閑”。

6)統(tǒng)計所有次用戶下一時隙的感知頻譜狀態(tài)為“忙”或“閑”的次數(shù)，如果“忙”的比例大于預(yù)設(shè)閾值(優(yōu)選為2/3或1/2)，則判定下一時隙的頻譜狀態(tài)為“忙”，否則為“閑”，輸出頻譜狀態(tài)結(jié)果，并將結(jié)果返回至頻譜感知數(shù)據(jù)融合中心，此時的數(shù)據(jù)將作為下一個時隙的訓(xùn)練數(shù)據(jù)。

假設(shè)系統(tǒng)中存在4個授權(quán)用戶，它們對頻譜的利用服從泊松分布，而且其對頻譜的占用率不低于50％，頻譜狀態(tài)周期為20ms，信道環(huán)境為高斯白噪聲，數(shù)據(jù)調(diào)制方式為qpsk調(diào)制，采用網(wǎng)絡(luò)編碼ofdm調(diào)制，按照泊松分布參數(shù)的設(shè)置分別產(chǎn)生連續(xù)占用和不連續(xù)占用頻譜的概率分布，依照該方法產(chǎn)生各自的頻譜模式。其它方式的頻譜感知采用能量累積方法，頻譜周期為100ms，感知時間為25ms，其它為發(fā)送數(shù)據(jù)時間，基于hmm模型的頻譜感知方法多節(jié)點(diǎn)的融合判斷采用2/3和1/2來仿真，將2個算法進(jìn)行對比較。1、初始化hmm參數(shù)模型λ＝{π,a,b}。2、非授權(quán)的次用戶偵聽頻譜信息，得到觀察數(shù)據(jù)oi＝{oit∈v|t＝1,2,…,t}，針對觀察數(shù)據(jù)采用前向baum-welch算法進(jìn)行參數(shù)π、a、b的訓(xùn)練，得到估計的參數(shù)使得似然比最大。3、根據(jù)歷史感知結(jié)果序列o＝{o1,o2,…,ot,…,ot}和估計的參數(shù)遞歸計算下一時隙頻譜狀態(tài)為“忙”或“閑”的預(yù)測概率4、根據(jù)計算出來的閑和忙的概率，在進(jìn)行融合準(zhǔn)則(此時融合準(zhǔn)則設(shè)置一個門限w)的計算，得到預(yù)測后的下一時刻的狀態(tài)。5、根據(jù)仿真結(jié)果，得到hmm方式感知頻譜采用2/3來判斷閑和忙的誤碼率要比采用1/2的高，誤碼性能好，但是二者都比頻譜的能量累積方法判斷頻譜閑和忙的誤碼性能高，判斷出該方法比普通方法的可靠性要高。6、根據(jù)仿真結(jié)果，得到hmm方式感知頻譜采用2/3來判斷閑和忙的虛警概率要比采用1/2的高而二者比普通方法的漏警概率低，從而可以判斷改方法對主用戶的干擾進(jìn)一步的減小并且系統(tǒng)的吞吐率也提高，減小了檢測時間。

這里說明的設(shè)備數(shù)量和處理規(guī)模是用來簡化本發(fā)明的說明的。對本發(fā)明的應(yīng)用、修改和變化對本領(lǐng)域的技術(shù)人員來說是顯而易見的。

盡管本發(fā)明的實(shí)施方案已公開如上，但其并不僅僅限于說明書和實(shí)施方式中所列運(yùn)用，它完全可以被適用于各種適合本發(fā)明的領(lǐng)域，對于熟悉本領(lǐng)域的人員而言，可容易地實(shí)現(xiàn)另外的修改，因此在不背離權(quán)利要求及等同范圍所限定的一般概念下，本發(fā)明并不限于特定的細(xì)節(jié)和這里示出與描述的圖例。