[发明专利]认知无线电的纯不连续马尔可夫过程频谱感知方法

说明书

技术领域

本发明涉及一种认知无线电的纯不连续马尔可夫过程频谱感知方法，该方法利用纯不连续马尔可夫（Markov）过程感知频段状态，完成主用户状态的跟踪，实现认知无线电的频谱感知，属于认知无线电技术领域。 

背景技术

随着无线通信技术的飞速发展，人们对无线通信资源的需要也越来越大，频谱资源的缺乏成为无线通信技术应用面临的一个关键问题。可是，大量检测结果表明，频谱资源并非缺乏，而是大部分频谱资源利用不合理，一些非授权频段占用拥挤，同时，一些授权频段却处于闲置状态但限制他人使用。FCC（美国联邦通信委员会）提供的一份报告显示，已分配频谱的利用率仅为15～85%。在美国进行的30～3000MHz频谱使用调查发现，美国各地区频谱资源的利用率平均仅为5.2%，利用率最高的纽约也不过13.1%。在这种情况下，能够提高频谱资源利用率的频谱分配技术得到了越来越广泛的应用。而频谱分配的前提是频谱感知。 

在现有认知无线电频谱感知技术中，有一种将HMM(隐马尔可夫模型)引入认知无线电频谱感知的方法，即认知无线电的HMM频谱感知方法，该方法能够准确感知频段状态。所述频段状态指频段在任意时刻的占据状态，当被主用户占据时为忙碌状态，未被主用户占据则为空闲状态。该方法将HMM引入主用户占据/未占据的变化模型，如图1所示，一个离散时间(1,2,3…)系统在给定的状态空间S中从一个状态随机变化到另一个状态。这里Y_n是n时刻的真实频段状态i，即隐状态。X_n是由某种感知机制产生的感知状态b，即观测状态，真实频段概率转移矩阵A=[a_ij]为2×2矩阵，其中i=0,1，j=0,1，0代表频段忙碌，1代表频段空闲。初始概率分布p₀=Pr(y_i=0)，p₁=Pr(y_i=1)，观测矩阵B同样也为2×2矩阵，其概率意义可以理解为隐态i=0,1,…N从所有可能的发射符号b=0,1,…M中随机选取的发射概率，其分布函数为： 

Pr(X_n=b|Y_n=i)=e_i(b) 

           b=0,1,2,…M,and 

           i=0,1,2,…N 

所述发射概率是指真实频段状态i从发射符号集合b中任意发射一个符号，其分布函数为： 

系统状态：i,i=0     1     2      N 

发射状态：0         1     2      M 

发射概率：e_i(0)     e_i(1) e_i(2)  e_i(M) 

过程X₁,X₂,…是可观测的。在频段状态感知背景下，b和i的取值范围在0和1之间，也就是说，M=N=1。如前所述，在频段状态感知背景下，会不可避免产生感知误差。当真实频段状态i为忙碌、而感知状态b为空闲时，所述发射概率为PMD(错误概率)，用δ表示；当真实频段状态i为空闲、而感知状态b为忙碌时，所述发射概率为PFA(虚警概率)，用ε表示；当真实频段状态i为空闲、而感知状态b也为空闲时，所述发射概率为PD(检测概率)，用1-ε表示。由此，提出一种观测概率矩阵B_2×2，如下表所示： 

在数学上，把PFA和PMD表示为： 

Pr(X_n=0|Y_n=0)=e₀(0)or(1-δ), 

Pr(X_n=1|Y_n=0)=e₀(1)orδ, 

Pr(X_n=0|Y_n=1)=e₁(0)orε, 

Pr(X_n=1|Y_n=1)=e₁(1)or(1-ε), 

观测概率矩阵B_2×2能够简化认知无线电的HMM频谱感知过程。 

采用Monto-Carlo仿真方法验证观测概率矩阵B_2×2。取概率转移矩阵为：