[发明专利]认知无线电系统中基于隐马尔可夫模型的频谱接入方法

权利要求书

1.一种认知无线电系统中基于隐马尔可夫模型的频谱接入方法，其特征在于，包括步骤：

A：建立隐马尔可夫模型；

B：根据频谱感知获得的信道观测值，对所述隐马尔可夫模型的参数进行训练更新；

C：根据马尔可夫决策原理建立频谱接入的长期累积报偿方程；

D：根据所述隐马尔可夫模型的参数求解所述长期累积报偿方程，得到索引值最小的接入动作，按照所述索引值最小的接入动作接入相应的频谱。

2.如权利要求1所述的方法，其特征在于，所述步骤A具体包括步骤：

A1：定义N个可用无线信道{C₁，C₂，...，C_N}，将全部传输时间分为T个时隙，t∈{1，2，...T}表示需要做出频谱接入决策的时刻；N和T均为非0自然数；

A2：定义所述无线信道具有的K个状态构成状态空间S，s(t)表示所述无线信道在t时刻的状态，p_ij表示所述无线信道从t时刻的状态i转移到(t+1)时刻的状态j的概率，构造K×K阶信道状态转移概率矩阵如下：

P＝[p_ij]_K×K

其中，0≤p_ij≤1，并且i，j∈S，K为非0自然数；

A3：定义Θ＝{θ₁，θ₂，...，θ_L}表示所有时刻的L个观测值，b_j(l)表示所述无线信道的状态为j而观测值为θ_l的概率，构造K×L阶观测概率矩阵如下：

B＝[b_j(l)]_K×L

其中，0≤b_j(l)≤1，1≤l≤L，L为非0自然数；

A4：所述K×K阶信道状态转移概率矩阵P，所述K×L阶观测概率矩阵B，以及K维初始状态空间概率分布π，共同构成用于描述隐马尔可夫模型的参数ζ＝{P，B，π}。

3.如权利要求2所述的方法，其特征在于，所述步骤B具体包括步骤：

B1：定义在t_N∈{1，2，...，T}时刻得到所述无线信道的状态序列为S_N＝{s(t₁)，s(t₂)，...，s(t_N)}，观测值序列为Θ_N＝{θ(t₁)，θ(t₂)，...，θ(t_N)}；

B2：定义前向变量表示得到终止状态为j的观测值序列的概率，并且t_n∈{1，2，...，T}，1≤t_n≤t_N≤T则

αtn(j)=Pr{θ(t1),θ(t2),...,θ(tn),s(tn)=j|ζ};]]>

B3：定义后向变量表示得到当前状态为j的观测值序列的概率，则

βtn(j)=Pr{θ(tn+1),θ(tn+2),...,θ(tN),s(tn)=j|ζ};]]>

B4：利用前后向算法计算出在给定参数ζ的条件下，产生所述观测值序列Θ_N＝{θ(t₁)，θ(t₂)，...，θ(t_N)}的后验概率Pr{Θ_N|ζ}的公式如下：

Pr{ΘN|ζ}=Σj=1KPr{ΘN,s(tn)=j|ζ}=Σj=1Kαtn(j)βtn(j);]]>

B5：通过计算确定所述隐马尔可夫模型参数ζ＝{P，B，π}，所述隐马尔可夫模型参数ζ＝{P，B，π}使得所述后验概率Pr{Θ_N|ζ}的数值最大；

B6：根据所述隐马尔可夫模型参数ζ＝{P，B，π}，定义时刻t＝t_n时处于状态i且时刻t＝t_n+1时处于状态j的概率公式如下：

ρtn(i,j)=Pr{s(tn)=i,s(tn+1)=j|ΘN,ζ}=Pr{s(tn)=i,s(tn+1)=j,ΘN|ζ}Pr{ΘN|ζ}]]>

=αtn(j)pijβtn+1(j)bj(θ(tn+1))Σi=1KΣj=1Kαtn(j)pijβtn+1(j)bj(θ(tn+1))]]>

B7：根据所述观测值序列Θ_N＝{θ(t₁)，θ(t₂)，...，θ(t_N)}和所述隐马尔可夫模型参数ζ＝{P，B，π}，定义在时刻t＝t_n时处于状态i的后验概率公式如下：

σtn(i)=Pr{s(tn)=i|ΘN,ζ}=Σj=1Kρtn(i,j);]]>

B8：利用下面的公式计算得到所述无线信道的信道状态转移概率矩阵中各元素的数值：

pij=Σn=1N-1ρtn(i,j)Σn=1N-1σtn(i).]]>