CN102006124B - 频谱预测方法、装置和系统 - Google Patents

频谱预测方法、装置和系统 Download PDF

Info

Publication number
CN102006124B
CN102006124B CN200910171727.5A CN200910171727A CN102006124B CN 102006124 B CN102006124 B CN 102006124B CN 200910171727 A CN200910171727 A CN 200910171727A CN 102006124 B CN102006124 B CN 102006124B
Authority
CN
China
Prior art keywords
frequency spectrum
pattern
spectrum resource
channel
time slot
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN200910171727.5A
Other languages
English (en)
Other versions
CN102006124A (zh
Inventor
张弓
王蛟
项炎平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN200910171727.5A priority Critical patent/CN102006124B/zh
Priority to BR112012004383-8A priority patent/BR112012004383B1/pt
Priority to PCT/CN2010/076380 priority patent/WO2011023118A1/zh
Priority to EP10811278.0A priority patent/EP2472933B1/en
Publication of CN102006124A publication Critical patent/CN102006124A/zh
Priority to US13/407,220 priority patent/US8687516B2/en
Application granted granted Critical
Publication of CN102006124B publication Critical patent/CN102006124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/16—Discovering, processing access restriction or access information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/12—Wireless traffic scheduling
    • H04W72/1215—Wireless traffic scheduling for collaboration of different radio technologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例涉及一种频谱预测方法、系统和装置，该方法包括：获取目标频谱的第一采样数据，所述第一采样数据包括所述目标频谱的已有的服务信息、信道信息和信道状态信息；从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵；从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合；获取所述目标频谱的第二采样数据，根据所述目标频谱的第二采样数据，对所述频谱资源占用模式组合进行匹配，根据匹配结果对所述目标频谱在未来时隙的信道状态进行预测。本发明实施例根据同一服务的不同信道的相关性进行频谱预测，降低了频谱预测过程中的误检率和漏检率，提高了频谱预测的准确度。

Description

频谱预测方法、装置和系统
技术领域
本发明实施例涉及通信技术领域，特别涉及一种频谱预测方法、装置和系统。
背景技术
随着无线通信技术的迅猛发展，作为无线通信的最宝贵资源，频谱的需求日趋紧张。目前的频谱资源多是由国家统一分配给各频谱需求机构。多项研究表明，在已分配出去的频谱资源中，大多数的频段利用率均低于25％，有部分频段资源的利用率甚至低于10％。但是一些新兴的无线业务和无线设备对频谱的需求却无法得到满足。如何有效利用频谱资源已经成为无线通信领域的热点问题。基于软件无线电技术发展而来的认知无线电(Cognitive Radio，简称：CR)技术应运而生。认知无线电技术充分考虑现有频谱资源的低利用率以及无线通信技术智能化的演进路线，通过对周围环境的感知，根据特定的学习和决策算法，自适应的改变应用参数，动态检测及选择可以有效利用的空闲频谱。动态频谱接入(Dynamic Spectrum Access，简称：DSA)是CR技术领域中的一个重要方向，DSA技术允许多个系统共享一个频段，在保证不影响其它系统通信的前提下，允许后接入的系统占用频率。DSA技术的前提条件是频谱感知，即寻找有效的空闲频段，频谱感知是未授权用户(SecondaryUser，简称：SU)接入服务的先决条件。目前频谱感知技术由于感知时间要求较短、需要感知的频谱带宽较大等因素，存在着较大困难。
采用频谱测量技术及预测方法可以解决频谱感知技术的问题。频谱测量技术是认知无线电技术通向实际应用的基础技术之一。
现有的频谱测量技术多采用一阶马尔可夫过程对信道状态进行预判，其基本思想是：假设当前时隙的信道状态只与上一个时隙的信道状态有关；信道状态的转换发生在每个时隙的最初时刻。
发明人在实现本发明的过程中至少发现现有技术至少存在如下问题：
一阶马尔可夫模型的频谱预测方案的下一时刻的信道状态只与当前信道状态相关，而与各个信道的历史时隙的状态相关性不大；在分析过程中并没有特别考虑信道间的相关性，多信道的情况一般假设各个信道之间独立。因此，在频谱预测过程中对未来时隙的频谱状态预判的准确率较低、误检率和漏检率较高、频谱空洞选择的低可靠性。
发明内容
本发明实施例提供一种频谱预测方法、装置和系统，用以降低频谱预测过程中的误检率和漏检率，提高频谱预测结果的准确度。
本发明实施例提供一种频谱预测方法，包括：。
获取目标频谱的第一采样数据，所述第一采样数据包括所述目标频谱的已有的服务信息、信道信息和信道状态信息；
从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵；
从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合；
获取所述目标频谱的第二采样数据，根据所述目标频谱的第二采样数据，对所述频谱资源占用模式组合进行匹配，根据匹配结果对所述目标频谱在未来时隙的信道状态进行预测。
本发明实施例又提供一种频谱资源占用模式提取装置，包括：
第一数据采集单元，用于获取目标频谱的第一采样数据，所述第一采样数据包括所述目标频谱的已有的服务信息、信道信息和信道状态信息；
样本矩阵生成单元，用于从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵；
模式分析单元，用于对所述样本矩阵进行分析，从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合。
本发明实施例再提供一种频谱资源预测装置，包括：
第二数据采集单元，用于获取目标频谱的第二采样数据，所述第二采样数据包括所述目标频谱的实时的服务信息、信道信息和信道状态信息；
目标矩阵生成单元，用于从所述第二采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成目标矩阵；
信道预测单元，用于当所述目标矩阵中存在与所述频谱资源占用模式组合中的第一频谱资源占用模式匹配的数据时，根据与所述第一频谱资源占用模式相关联的第二频谱资源占用模式，对所述目标频谱在未来时隙的信道状态进行预测。
本发明实施例还提供一种频谱预测系统，包括：
频谱资源占用模式提取装置，用于获取目标频谱的第一采样数据，所述第一采样数据包括所述目标频谱的已有的服务信息、信道信息和信道状态信息；从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵；从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合；
频谱资源预测装置，用于获取所述目标频谱的第二采样数据，根据所述目标频谱的第二采样数据，对所述频谱资源占用模式组合进行匹配，根据匹配结果对所述目标频谱在未来时隙的信道状态进行预测。
本发明实施例提供的频谱预测方法、装置和系统，从目标频谱的第一数据中，可以获取目标频谱的频谱资源占用模式组合，利用目标频谱的第二数据，对频谱资源占用模式组合进行匹配后，根据匹配结果对目标频谱在未来时隙的信道状态进行预测，可以降低频谱预测过程中的误检率和漏检率，提高频谱预测的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中信道状态判定方法的示意图；
图2为本发明实施例中信道空闲延时(Channel Vacancy Duration，简称：CVD)序列生成的示意图；
图3为本发明实施例中信道空闲发生时隙(Channel Vacancy AppearanceInterval，简称：CVAI)序列生成的示意图；
图4为本发明实施例中GSM900上行链路的CVD分布曲线；
图5为本发明实施例中GSM900和GSM1800上行链路SCR统计曲线图；
图6为本发明实施例中部分服务的SC的示意图；
图7为本发明频谱预测方法第一实施例的流程图；
图8为本发明频谱预测方法第二实施例的示意图；
图9为本发明频谱预测方法第三实施例的示意图；
图10为本发明频谱资源占用模式提取装置第一实施例的结构示意图；
图11为本发明频谱资源占用模式提取装置第二实施例的结构示意图；
图12为本发明频谱资源预测装置实施例的结构示意图；
图13为本发明频谱预测系统实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例适用的无线接入制式包括：全球移动通信系统(GlobalSystem for Mobile Communications，GSM)、宽带码分多址(Wideband-CodeDivision Multiple Access，WCDMA)、时分同步码分多址接入(Time Division-Synchronized Code Division Multiple Access，TD-SCDMA)、码分多址(Code-Division Multiple Access，CDMA)、全球微波互联接入(WorldwideInteroperability for Microwave Access，WIMAX)、无线局域网(WirelessLocal Area Network，WLAN)、长期演进(Long Term Evolution，LTE)等。
本发明实施例基于实际采样数据进行分析，在中国南方的四个地点(两个城市环境，两个农村环境)获取分析数据，采集持续时间为7天，目标频谱范围为20MHz-3GHz，采样点的频谱分布间隔为0.2MHz，采样点的时间分布间隔即时隙为75s。
首先，通过对每一时隙的采样频率进行提取分析，可以获得当前时隙的信道状态。信道状态定义为空闲状态(idle)和占用状态(busy)，其中空闲状态用“0”表示，占用状态用“1”表示。图1为本发明实施例中信道状态判定方法的示意图，如图1所示，在无有效信号的情况下，测得的干扰(noise)功率的最高值为最高采样频率11，干扰功率的最低值为最低采样频率12，图中最高采样频率11与最低采样频率12的间隔接近3dBμV，而在某一信道的采样频率最低值均为干扰，因此可定义干扰的门限功率。例如：在某一频段范围内，取该信道实测的最小功率值，设为min P，定义干扰的门限功率K为公式(1)：
K＝min P+3dBμV               (1)
如果某一时隙内对该信道的采样功率最大值超过了该门限功率K，则可认为该信道在这一时隙的信道状态为占用状态；否则，可认为该信道在这一时隙的信道状态是空闲状态。
图2为本发明实施例中CVD序列生成的示意图，如图2所述，信道在每个时隙的采样功率的最大值在设置的功率门限K以上的，信道状态为1(busy)，在K以下的信道状态为0(idle)。图2中序列的CVD为信道状态信息(Channelstate information，简称：CSI)序列中连续“0”(idle)的数目。其中CVD的值越大，表明该信道被占用的时间越少，该信道的可利用价值越大。
图3为本发明实施例中CVAI序列生成的示意图，已上图中的CSI序列为例，可以得出图3中序列的CVAI，其中CVAI为CSI序列中每一次连续“0”(idle)出现的间隔。
图4本发明实施例中GSM900上行链路的CVD分布曲线，如图4所示，以GSM900上行链路为例，对全部样本数据进行分析后，统计CVD的分布曲线，符合如下的公式(2)：
y＝a+be-cx                                     (2)
在图4中的GSM900上行链路的CVD的分布曲线中，a＝0.000947，b＝1.671621，c＝1.079681，r2＝0.993586。其中参数r2是公式(2)计算所得数据与实际数据之间的相似度，r2的值越接近于1，表明该公式统计的结果越接近于实际值。
在公式(2)中各服务的CVD分布曲线中a、b、c的参数表可以通过统计得到，其中，服务可以是指无线通信中的各种类型的业务，例如：可以表1各服务的CVD分布曲线参数表中所示。
表1各服务的CVD分布曲线参数表
服务(Service) a b c r2
  GSM900上行链路   0.001887   1.740828   1.086233   0.993586
  GSM900下行链路   0.000883   1.203442   0.911078   0.987065
  GSM1800上行链路   0.00046   1.044305   0.873491   0.981235
  GSM1800下行链路   0.000289   2.239406   1.307285   0.993754
  CDMA上行链路   0.000937   0.355216   0.424772   0.947483
  CDMA下行链路   0.003895   2.197034   1.305444   0.991024
  ISM   0.000187   1.001091   0.748866   0.995018
  TV1   0.000577   1.014972   0.849229   0.982828
  TV2   0.00056   0.776721   0.732062   0.977416
  TV3   0.000263   1.040206   0.882333   0.976712
  TV4   0.000187   1.213682   0.982802   0.977935
随后，对为服务拥塞率(Service Congestion Rate，简称：SCR)进行分析，某服务在t时刻的SCR的计算方法如下公式(3)：
SCR(t，S)＝该服务t时刻处于占用状态的信道数/该服务全部信道数(3)
SCR可以反映各种服务的拥堵规律，图5为本发明实施例中GSM900和GSM1800上行链路SCR统计曲线图，从图5中可以得出：该GSM900、GSM1800两个服务的SCR的分布具有每日重复性，同样，其他服务的SCR同样具有每日重复性，在这里并不限制服务的种类。
然后，分析SCR序列的频谱相关性(Spectrum Correlation，简称：SC)图6为本发明实施例中部分服务的SC的示意图。由图6可知，TV频段和GSM频段的同一服务的不同信道之间频谱相关性(SC)的值可达90％，尤其是GSM900上行链路(Uplink)、GSM1800上行链路(Uplink)及部分TV频段的SC的值更是高达95％以上。
综上可以得出：同一服务的CVD随时间的变化呈规则曲线分布，曲线方程为：y＝a+be-cx；以一天为周期，同一服务的SCR具有较强的相似性；同一服务的不同信道之间在时、空、频等方面具有较强的频谱相关性。因此，可以根据频谱资源中信道的历史状态对该信道的未来时隙的状态进行预测。本发明实施例的主要思想是：根据各个服务的频谱资源中包括的各个信道的第一数据，对各个服务未来时隙的信道状态进行预测。
图7为本发明频谱预测方法第一实施例的流程图，如图7所示，该频谱预测方法包括：
步骤101、获取目标频谱的第一采样数据，所述第一采样数据包括所述目标频谱的已有的服务信息、信道信息和信道状态信息。
获取目标频谱的第一采样数据的方法具体包括：对目标频谱的第一数据进行采集，得到第一采样数据，所述第一数据包括历史数据，例如：第一数据为该目标频谱在某一个历史时间段内已有的频谱资源数据。本发明实施例中以定长时间周期，每隔一定间隔为一个时隙，对目标频谱的第一数据进行采集，其中定长时间周期、时隙可以根据具体的测量能力选定。对数据采集的结果进行收集并存储，形成初始的第一采样数据，该第一采样数据可包括采集的目标频谱中的所有服务的服务(Service)信息、每个服务的所有的信道(Channel)信息及每个信道的信道状态信息等。
步骤102、从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵。
对第一采样数据进行处理时，以同一服务为单位，提取该服务包含的全部信道的各个时隙的值，作为用于频谱资源占用模式挖掘的二维样本矩阵，其中可以假设“0”为信道空闲状态，“1”为信道占用状态，得到的二维样本矩阵则是关于信道和时隙的二维“0/1”矩阵。
其中，生成样本矩阵的过程具体可以包括：
从所述第一采样数据中，获取所述服务的选定信道在选定时隙的检测功率的最低值，根据所述检测功率的最低值设置所述选定信道的门限功率。
若所述服务的所述选定信道在所述选定时隙的采样功率最大值大于所述门限功率，则所述选定信道在所述选定时隙的信道状态为占用状态，否则所述选定信道在所述选定时隙的信道状态为空闲状态。
将同一服务全部信道在各个时隙的信道状态信息，整合成样本矩阵。其中所述占用状态对应的信道状态信息在样本矩阵的元素位为1(也可以为其他常数)，所述空闲状态对应的信道状态信息在样本矩阵的元素位为0(也可以为其他常数)。
例如：假设选定时隙的检测功率的最低值为min P，则选定信道的门限功率K的定义方法，可以参照上述的公式(1)K＝min P+3dBuV。第一采样数据转换为二维样本矩阵过程中矩阵元素的判定方法，具体为：将信道在特定时隙的采样功率最大值与门限功率K相比较，如果大于K，则认为信道在该时隙被占用，在二维样本矩阵中，该信道在该时隙对应的元素位为“1”；否则，如果小于K，则认为信道在该时隙空闲，在二维样本矩阵中，该信道在该时隙对应的元素位为“0”。在二维样本矩阵中，采用“0”表示空闲状态，采用“1”占用状态，但并不限制表示空闲状态、占用状态的数值，不排除采用其他数值的情况。
步骤103、从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合。
对生成的样本矩阵进行分析，可以提取用于预测的频谱资源占用模式组合，具体包括：
首先，从所述样本矩阵中提取出现的次数超过门限值的第一频谱资源占用模式。样本矩阵中的数据相当于一个二维数组，在样本矩阵中提取一个频谱资源占用模式，就是从样本矩阵对应二维数组中提取一个子集。为了方便叙述，该步骤中提取出的频谱资源占用模式称为第一频谱资源占用模式。如果第一频谱资源占用模式在样本矩阵中出现的次数超过预先定义的门限值，则该第一频谱资源占用模式可以看作一个有效的频谱资源占用模式。
随后，从所述样本矩阵中获取与所述第一频谱资源占用模式相关联的出现的次数超过门限值的第二频谱资源占用模式。在样本矩阵中，查找与该第一频谱资源占用模式相关联的其他有效的频谱资源占用模式，与该第一频谱资源占用模式相关联的其他有效的频谱资源占用模式称为第二频谱资源占用模式。
在本实施例中，所述第一频谱资源占用模式与所述第二频谱资源占用模式之间的关联关系为源模式与目标模式之间的关系，可以包括以下示例：
示例一、如果所述第一频谱资源占用模式包含在所述第二频谱资源占用模式中，则所述第一频谱资源占用模式为源模式，所述第二频谱资源占用模式为目标模式。也就是：如果样本矩阵的某个频谱资源占用模式被包含在其他模式中，则被包含的频谱资源占用模式称为源模式，包含源模式的频谱资源占用模式称为目标模式。
示例二、如果所述第一频谱资源占用模式出现后，每隔一定个数的时隙出现所述第二频谱资源占用模式，则所述第一频谱资源占用模式为源模式，所述第二频谱资源占用模式为目标模式。也就是：如果样本矩阵的某个频谱资源占用模式出现后的每隔N个时隙，与其关联的另外一个模式出现，则先出现的频谱资源占用模式称为源模式，与其关联的另一个频谱资源占用模式称为目标模式。
若所述第二频谱资源占用模式与第一频谱资源占用模式的相关系数大于设定阈值，则将所述第一频谱资源占用模式、第二频谱资源占用模式和相关系数组合为所述频谱资源占用模式组合。其中，第一频谱资源占用模式为源模式，第二频谱资源占用模式为目标模式，可以将所述源模式与所述目标模式的相关系数定义为：在样本矩阵中，所述源模式和目标模式关联出现的次数与所述源模式出现的总次数的比值。但不限于该定义，可以是其他的定义方式。如果目标模式与源模式的相关系数达到某一特定阈值以上，则可以将源模式和对应的目标模式及相关系数等信息作为一个有效的频谱资源占用模式组合。
保存上述的频谱资源占用模式组合提取的结果。其中频谱资源占用模式组合中的数据结构，可以包括以下字段：
源模式字段：二维数组，存储用于频谱预测的检测规则；
目标模式字段：二维数组，存储与源模式相关联的频谱资源占用模式。如果当前时隙的信道状态矩阵与其对应的源模式相匹配，则可用该目标模式对下一时隙的信道状态进行预测；
相关系数字段：位于“0”和“1”之间的实数，表示下一时隙的信道状态是目标模式中对应时隙的信道状态的概率。计算方法为：相关系数＝源模式出现后的目标模式的出现次数/源模式在样本中的出现次数。
步骤104、获取所述目标频谱的第二采样数据，根据所述目标频谱的第二采样数据，对所述频谱资源占用模式组合进行匹配，根据匹配结果对所述目标频谱在未来时隙的信道状态进行预测。
具体包括：
首先、对所述目标频谱的第二数据进行采集，得到第二采样数据，所述第二采样数据可以包括某个时刻或时间段的服务信息、信道信息和信道状态信息，比如包括所述目标频谱的实时的服务信息、信道信息和信道状态信息。其中目标频谱的第二数据可以是某个时刻或时间段的频谱资源数据，比如该目标频谱在当前的一个时间段内的实时的频谱资源数据。对需要预测的目标频谱的第二数据进行采样，可以获得目标频谱当前时隙的各个信道的信道状态信息，对数据采集的结果进行收集并存储，形成初始的第二采样数据，该第二采样数据包括服务(Service)信息、信道(Channel)信息、信道状态信息等。
然后、从所述第二采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成目标矩阵。
对第二采样数据进行处理时，以同一服务为单位，提取该服务包含的全部信道的当前各时隙的值作为二维目标矩阵，该矩阵作为分析并预测下一时隙信道状态的样本空间；可以假设“0”为信道空闲状态，1为信道占用状态，得到的二维样本矩阵则是关于信道和时隙的二维“0/1”矩阵。
最后、若所述目标矩阵中存在与所述频谱资源占用模式组合中的第一频谱资源占用模式匹配的数据，则根据与所述第一频谱资源占用模式相关联的第二频谱资源占用模式，对所述目标频谱在未来时隙的信道状态进行预测。例如：利用第一频谱资源占用模式(源模式)对目标矩阵进行匹配，如果某个第一频谱资源占用模式可以匹配目标矩阵中的某部分数值，视为第一频谱资源占用模式匹配成功，停止分析过程并输出该第一频谱资源占用模式。然后，将匹配成功的第一频谱资源占用模式作为输入，利用与该第一频谱资源占用模式相关联的第二频谱资源占用模式(目标模式)对相应位置的信道状态进行预判；输出预判结果，该预判结果即某一个或者几个信道在接下来的时隙中的信道状态，即与第二频谱资源占用模式对应位置相一致的信道状态，相一致的几率为相关系数个百分比。
频谱资源预判过程结束后，未授权用户可以根据预判的结果选择可用的信道进行选择性接入，若所述目标频谱在未来时隙的一个信道的状态为空闲状态，则在所述未来时隙选择所述信道接入。
本实施例从频谱资源的第一数据中，可以获取频谱资源占用模式组合，从而根据同一服务的不同信道的相关性进行频谱预测，增大了未授权用户对频谱的接入机会，降低了频谱预测过程中的误检率和漏检率，提高了频谱预测的准确度和频谱空洞选择的可靠性，其中频谱空洞是指目前授权用户的频谱中没有被占用的临时可用频段。
图8为本发明频谱预测方法第二实施例的示意图，在本发明频谱预测方法第一实施例的基础上，假设频谱资源占用模式组合中的频谱资源占用模式是包含关系。在频谱资源占用模式的采集过程中，得到频谱资源占用模式P1和P2，如图8所示，P1和P2的关联关系为包含关系，即P1是P2的子集。其中P1为源模式，P2为目标模式。源模式P1为2×3矩阵，目标模式P2为2×4矩阵。假设P1与P2的相关系数为95％，即P1每出现100次，同时P2出现的次数为95次。本实施例中频谱预测的目标是tn+1时刻的信道状态，该频谱预测方法具体过程包括：频谱资源占用模式提取过程和频谱资源预判过程。
其中，频谱资源占用模式提取过程如下：
以定长时间周期，每隔一定间隔为一个时隙，对目标频谱的第一数据进行采集；以同一服务为单位，提取该服务包含的全部信道的各个时隙的值，得到样本矩阵，样本矩阵的结构例如为图8所示的矩阵的t1列至t5列二维“0/1”矩阵，从该二维“0/1”矩阵中提取源模式P1、目标模式P2，以及P1与P2的相关系数和关联关系等组成频谱资源占用模式组合。具体可以参照本发明频谱预测方法第一实施例一中的具体描述，在此不再赘述。
频谱资源预判过程如下：
先扫描目标频谱，获取当前时隙的各个信道的信道状态信息。信道状态的判断方法参照本发明频谱预测方法第一实施例的相关描述与公式(1)。
存储扫描结果并对扫描结果进行分析，生成目标矩阵。目标矩阵的结构例如为图8中矩阵的tn-3列至tn列的二维“0/1”矩阵，假设未来时隙为tn+1时隙，该频谱预测的目的是预测tn+1时隙的各信道状态。
然后利用源模式P1中的字段作为检测规则，匹配目标矩阵。在本实施例的图8中，源模式P1在tn-2时隙至tn时隙的列与的ch4和ch5行组成的矩阵匹配(可以是完全匹配，也可以是一定精度的匹配)。此时源模式P1与当前时隙的信道状态匹配成功，根据与源模式P1相关联的目标模式P2对下一个时隙的信道ch4和ch5的状态进行预判。由于P2的第四列的信息分别为0和1，即由tn-2至tn+1列与ch4和ch5行组成的矩阵的第四列与目标模式P2的第四列完全一致的可能性有95％。因此，可得到预测结果：ch4在tn+1时隙的信道状态为0(idle)的可能性等于相关系数95％，ch5在tn+1时隙的信道状态为1(busy)的可能性等于95％。
在tn+1时隙，未授权用户可以接入空闲状态(idle)的信道，因此根据上述的预测结果，可以选择信道ch4作为未授权用户在tn+1时隙动态接入的信道。
本实施例从频谱资源的第一数据中，可以获取频谱资源占用模式组合，从而根据同一服务的不同信道的相关性进行频谱预测，增大了未授权用户对频谱的接入机会；在信道可用性预测过程中具有较高的准确度，例如：对于GSM频段和TV频段的预测的准确度尤为突出，降低了频谱预测过程中的误检率和漏检率。
图9为本发明频谱预测方法第三实施例的示意图，如图9所示，在本发明频谱预测方法第一实施例的基础上，假设频谱资源占用模式组合中的频谱资源占用模式是连续关系。在频谱资源占用模式的采集过程中，得到频谱资源占用模式P3和P4，如图9所示，P3和P4的关联关系为连续关系，即每次P3出现后隔N个时隙P4出现，本实施例中N＝2。其中P3为源模式，P4为目标模式。源模式P3为2×3矩阵，目标模式P4为2×4矩阵假设P3与P4的相关系数为90％，即P3每出现100次之中，在每次出现P3之后隔两个时隙出现P2的次数为90次。。本实施例中频谱预测的目标是tn+1时刻的信道状态，该频谱预测方法具体过程包括：频谱资源占用模式提取过程和频谱资源预判过程。
其中，频谱资源占用模式提取过程如下：
以定长时间周期，每隔一定间隔为一个时隙，对目标频谱的第一数据进行采集；以同一服务为单位，提取该服务包含的全部信道的各个时隙的值，得到样本矩阵，样本矩阵的结构例如为图9所示的矩阵的t1列至t9列二维“0/1”矩阵，从该二维“0/1”矩阵中提取源模式P3、目标模式P4、P3与P4的相关系数和关联关系等组成频谱资源占用模式组合。具体可以参照本发明频谱预测方法第一实施例一中的具体描述，在此不再赘述。
从频谱资源占用模式组合可以获得源模式P3和目标模式P4为连续关系，源模式P3出现后每两个时隙目标模式P4出现，源模式P3为2×3矩阵，目标模式P4为2×3矩阵。源模式P3与目标模式P4的相关系数为90％等信息。
频谱资源预判过程如下：
先扫描目标频谱，获取当前时隙的各个信道的信道状态信息。信道状态的判断方法参照本发明频谱预测方法第一实施例的相关描述与公式(1)。
存储扫描结果并对扫描结果进行分析，生成目标矩阵。该目标矩阵的结构如图9中矩阵的tn-3列至tn列的二维“0/1”矩阵，假设未来时隙为tn+1时隙，频谱预测的目的是预测tn+1时隙的各信道状态。
然后利用源模式P3中的字段作为检测规则，匹配目标矩阵。在本实施例中，源模式P3与tn-4时隙至tn-2时隙的列与的ch3和ch4行组成的矩阵匹配(可以是完全匹配，也可以是一定精度的匹配)。此时源模式P3与当前时隙的信道状态匹配成功，根据与源模式P3相关联的目标模式P4对下一个时隙的信道ch3和ch4的状态进行预判。由于源模式P3出现后每隔两个时隙目标模式P4出现的可能性等于相关系数90％，则此时tn+1时隙至tn+3时隙中信道ch3和ch4的信道状态与P4完全一致的可能性为90％。因此，可得到预测结果：ch3在tn+1时隙至tn+3时隙的信道状态分别为0(idle)、0(idle)、1(busy)的可能性为90％，ch4在tn+1时隙至tn+3时隙的信道状态分别为1(busy)、1(busy)、0(idle)的可能性为90％。
在tn+1时隙未授权用户可以接入空闲状态(idle)的信道，因此根据预测结果，可以选择信道ch3作为未授权用户在tn+1时隙动态接入的信道。
本实施例从频谱资源的第一数据中，可以获取频谱资源占用模式组合，从而根据同一服务的不同信道的相关性进行频谱预测，增大了未授权用户对频谱的接入机会；通过源模式和目标模式之间的连续出现关系，可以预测接下来的多个未来时隙的信道状态，从而可以更好的提供动态接入方案，为未授权用户的信道分配提供更多的选择；降低了频谱预测过程中的误检率和漏检率，提高了在信道可用性预测过程中的准确度。
图10为本发明频谱资源占用模式提取装置第一实施例的结构示意图，如图10所示，该频谱资源占用模式提取装置包括：第一数据采集单元31、样本矩阵生成单元33和模式分析单元35。
其中，第一数据采集单元31，用于获取目标频谱的第一采样数据，所述第一采样数据包括所述目标频谱的已有的服务信息、信道信息和信道状态信息。样本矩阵生成单元33，用于从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵。
模式分析单元35，用于对所述样本矩阵进行分析，从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合。
具体地，第一数据采集单元31对无线链路上的一段选定的目标频谱的第一数据进行采集后，样本矩阵生成单元33存储采集到的第一采样数据，通过特定的规则对第一采样数据进行处理，生成用于频谱资源占用模式挖掘的样本矩阵，该样本矩阵是以时隙和信道组成的二维零一矩阵。然后模式分析单元35通过对样本矩阵生成单元中输出的样本矩阵进行分析，提取有效的频谱资源占用模式组合。模式输出单元可以输出可用的频谱资源占用模式组合，包括源模式字段，目标模式字段及相关系数字段。其中，相关系数是位于0和1之间的实数，表示下一时隙的信道状态是目标模式中对应时隙的信道状态的概率。计算方法为：相关系数＝源模式与目标模式在样本矩阵中关联出现的次数/源模式在样本矩阵中的出现次数。
在本实施例中，频谱资源占用模式提取装置提取频谱资源占用模式组合的方法，具体可以参照本发明频谱预测方法第一、第二实施例中的相关描述。
本实施例从频谱资源的第一数据中，第一数据采集单元对目标频谱的第一数据进行采集后，样本矩阵生成单元提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵，模式分析单元对样本矩阵进行分析可以获取目标频谱的频谱资源占用模式组合，从而根据同一服务的不同信道的相关性进行频谱预测，增大了未授权用户对频谱的接入机会，降低了频谱预测过程中的误检率和漏检率，提高了频谱预测的准确度。
本发明实施例的频谱资源占用模式提取装置具体可以表现为电路、集成电路或芯片等。本发明实施例的各个单元可以集成于一体，也可以分离部署。上述单元可以合并为一个单元，也可以进一步拆分成多个子单元。
图11为本发明频谱资源占用模式提取装置第二实施例的结构示意图，如图11所示，在本发明频谱资源占用模式提取装置第一实施例的基础上，样本矩阵生成单元33可以包括：门限功率子单元331、信道状态子单元333和样本矩阵子单元335。其中门限功率子单元331，用于从所述第一采样数据中，获取所述服务的选定信道在选定时隙的检测功率的最低值，根据所述检测功率的最低值设置所述选定信道的门限功率。信道状态子单元333，用于若所述服务的所述选定信道在所述选定时隙的采样功率最大值大于所述门限功率，则所述选定信道在所述选定时隙的信道状态为占用状态，否则所述选定信道在所述选定时隙的信道状态为空闲状态。样本矩阵子单元335，用于将同一服务全部信道在各个时隙的信道状态信息，整合成一个二维样本矩阵，所述占用状态对应的信道状态信息在所述二维样本矩阵的元素位为1，所述空闲状态对应的信道状态信息在所述二维样本矩阵的元素位为0。
进一步地，模式分析单元35可以包括：提取子单元351、获取子单元353和组合子单元355。其中提取子单元351，用于从所述样本矩阵中提取出现的次数超过门限值的第一频谱资源占用模式。获取子单元353，用于从所述样本矩阵中获取与所述第一频谱资源占用模式相关联的出现的次数超过门限值的第二频谱资源占用模式。组合子单元355，用于若所述第二频谱资源占用模式与第一频谱资源占用模式的相关系数大于设定阈值，则将所述第一频谱资源占用模式、第二频谱资源占用模式和相关系数组合为所述频谱资源占用模式组合。
进一步地，该频谱资源占用模式提取装置还可以包括：模式输出单元37，用于输出所述频谱资源占用模式组合。
具体地，第一数据采集单元31对无线链路上的一段选定的目标频谱的第一数据进行采集后，样本矩阵生成单元33存储采集到的第一采样数据，样本矩阵生成单元33的门限功率子单元331从所述第一采样数据中，获取所述服务的选定信道在选定时隙的检测功率的最低值，根据所述检测功率的最低值设置所述选定信道的门限功率，若所述服务的所述选定信道在所述选定时隙的采样功率最大值大于所述门限功率，信道状态子单元333获取所述选定信道在所述选定时隙的信道状态为占用状态，否则获取所述选定信道在所述选定时隙的信道状态为空闲状态。然后样本矩阵子单元335可以将同一服务全部信道在各个时隙的信道状态信息，整合成一个二维样本矩阵。
然后，模式分析单元35的提取子单元351从样本矩阵中提取出现的次数超过门限值的第一频谱资源占用模式后，获取子单元353从样本矩阵中获取与第一频谱资源占用模式相关联的、出现的次数超过门限值的第二频谱资源占用模式，若所述第二频谱资源占用模式与第一频谱资源占用模式的相关系数大于设定阈值，最后，组合子单元355将所述第一频谱资源占用模式、第二频谱资源占用模式和相关系数组合为所述频谱资源占用模式组合。模式输出单元37则可以输出所述频谱资源占用模式组合。
本实施例从频谱资源的第一数据中，第一数据采集单元对目标频谱的第一数据进行采集后，样本矩阵生成单元的各个子单元提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵，模式分析单元的各个子单元对样本矩阵进行分析可以获取频谱资源占用模式组合，从而根据同一服务的不同信道的相关性进行频谱预测，增大了未授权用户对频谱的接入机会，降低了频谱预测过程中的误检率和漏检率，提高了频谱预测的准确度。
本发明实施例的频谱资源占用模式提取装置具体可以表现为电路、集成电路或芯片等。本发明实施例的各个单元可以集成于一体，也可以分离部署。上述单元可以合并为一个单元，也可以进一步拆分成多个子单元。
图12为本发明频谱资源预测装置实施例的结构示意图，如图12所示，该频谱资源预测装置包括：第二数据采集单元41、目标矩阵生成单元43和信道预测单元45。
其中第二数据采集单元41，用于获取目标频谱的第二采样数据，所述第二采样数据包括所述目标频谱的实时的服务信息、信道信息和信道状态信息。目标矩阵生成单元43，用于从所述第二采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成目标矩阵。信道预测单元45，用于当所述目标矩阵中存在与所述频谱资源占用模式组合中的第一频谱资源占用模式匹配的数据时，根据与所述第一频谱资源占用模式相关联的第二频谱资源占用模式，对所述目标频谱在未来时隙的信道状态进行预测。
进一步地，该频谱资源预测装置还可以包括：模式管理单元47，用于从频谱资源占用模式提取装置51获取所述频谱资源占用模式组合，将所述频谱资源占用模式组合发送给信道预测单元45。
再进一步地，该频谱资源预测装置还可以包括：判决输出单元49，用于输出预测的所述目标频谱在未来时隙的信道状态。
具体地，第二数据采集单元41对目标频谱的第二数据进行采集后，目标矩阵生成单元43存储采集到的目标频谱的第二采样数据，并从第二采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成目标矩阵。模式管理单元47可以将频谱资源占用模式提取装置51的模式输出单元的结果作为输入，管理并存储频谱资源占用模式组合，同时作为信道预测单元45的输入进行预测，其中频谱资源占用模式组合包括源模式字段、目标模式字段及相关系数字段等。在所述目标矩阵中存在与所述频谱资源占用模式组合中的第一频谱资源占用模式匹配的数据时，信道预测单元45根据与所述第一频谱资源占用模式相关联的第二频谱资源占用模式，对所述目标频谱在未来时隙例如：下一时隙的信道状态进行预测。最后，判决输出单元49输出频谱预测的结果：预测的目标频谱在未来时隙的信道状态，表现为空闲状态或者占用状态，其中预测准确率是模式管理单元中对应的相关系数字段。
在本实施例中，频谱资源预测装置进行频谱预测的方法，具体可以参照本发明频谱预测方法第一、第三实施例中的相关描述。
本实施例第二数据采集单元对目标频谱的第二数据进行采集后，目标矩阵生成单元从第二采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成目标矩阵，信道预测单元根据频谱资源占用模式提取装置中提取的频谱资源占用模式组合，获取同一服务的不同信道的相关性，对目标频谱在未来时隙的信道状态进行预测，增大了未授权用户对频谱的接入机会，降低了频谱预测过程中的误检率和漏检率，提高了频谱预测的准确度。
本发明实施例的频谱资源预测装置具体可以表现为电路、集成电路或芯片等。本发明实施例的各个单元可以集成于一体，也可以分离部署。上述单元可以合并为一个单元，也可以进一步拆分成多个子单元。
图13为本发明频谱预测系统实施例的结构示意图，如图13所示，该频谱预测系统包括：频谱资源占用模式提取装置51和频谱资源预测装置53。
其中，频谱资源占用模式提取装置51，用于获取目标频谱的第一采样数据，所述第一采样数据包括所述目标频谱的已有的服务信息、信道信息和信道状态信息；从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵；从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合。频谱资源预测装置53，用于获取所述目标频谱的第二采样数据，根据所述目标频谱的第二采样数据，对所述频谱资源占用模式组合进行匹配，根据匹配结果对所述目标频谱在未来时隙的信道状态进行预测。
进一步地，频谱资源预测装置具体用于：对所述目标频谱的第二数据进行采集，得到第二采样数据，所述第二采样数据包括所述目标频谱的实时的服务信息、信道信息和信道状态信息；从所述第二采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成目标矩阵；若所述目标矩阵中存在与所述频谱资源占用模式组合中的第一频谱资源占用模式匹配的数据，则根据与所述第一频谱资源占用模式相关联的第二频谱资源占用模式，对所述目标频谱在未来时隙的信道状态进行预测。
具体地，频谱资源占用模式提取装置51对所述目标频谱的第一数据进行采集，得到第一采样数据后，从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵；从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合。然后频谱资源预测装置53对所述目标频谱的第二数据进行采集，得到第二采样数据，从所述第二采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成目标矩阵；若所述目标矩阵中存在与所述频谱资源占用模式组合中的第一频谱资源占用模式匹配的数据，则根据与所述第一频谱资源占用模式相关联的第二频谱资源占用模式，对所述目标频谱在未来时隙的信道状态进行预测。具体方法可以参见本发明频谱预测方法第一、第二、第三实施例中的相关描述。本实施例中的频谱资源占用模式提取装置51可以采用上述的频谱资源占用模式提取装置实施例中的任意一种频谱资源占用模式提取装置，频谱资源预测装置53可以采用上述的频谱资源预测装置实施例中的任意一种频谱资源预测装置。
本实施例中的频谱预测系统可以为CR网络中的中心频谱控制器，可以设置在基站等设备上。
本实施例本实施例频谱资源占用模式提取装置从频谱资源的第一数据中，可以获取频谱资源占用模式组合，频谱资源预测装置根据目标频谱的第二数据，对频谱资源占用模式组合进行匹配，以对所述目标频谱在未来时隙的信道状态进行预测，增大了未授权用户对频谱的接入机会，降低了频谱预测过程中的误检率和漏检率，提高了频谱预测的准确度。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种频谱预测方法，其特征在于，包括：
获取目标频谱的第一采样数据，所述第一采样数据包括所述目标频谱的已有的服务信息、信道信息和信道状态信息；
从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵；
从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合；
获取所述目标频谱的第二采样数据，根据所述目标频谱的第二采样数据，对所述频谱资源占用模式组合进行匹配，根据匹配结果对所述目标频谱在未来时隙的信道状态进行预测；
其中，所述从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵包括：
从所述第一采样数据中，获取所述服务的选定信道在选定时隙的检测功率的最低值，根据所述检测功率的最低值设置所述选定信道的门限功率；
若所述服务的所述选定信道在所述选定时隙的采样功率最大值大于所述门限功率，则所述选定信道在所述选定时隙的信道状态为占用状态，否则所述选定信道在所述选定时隙的信道状态为空闲状态；
将同一服务全部信道在各个时隙的信道状态信息，整合成样本矩阵。
2.根据权利要求1所述的频谱预测方法，其特征在于，所述获取目标频谱的第一采样数据包括：
对目标频谱的第一数据进行采集，得到第一采样数据，所述第一数据包括历史数据。
3.根据权利要求1所述的频谱预测方法，其特征在于，所述从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合包括：
从所述样本矩阵中提取出现的次数超过门限值的第一频谱资源占用模式；
从所述样本矩阵中获取与所述第一频谱资源占用模式相关联的出现的次数超过门限值的第二频谱资源占用模式；
若所述第二频谱资源占用模式与第一频谱资源占用模式的相关系数大于设定阈值，则将所述第一频谱资源占用模式、第二频谱资源占用模式和相关系数组合为所述频谱资源占用模式组合。
4.根据权利要求1所述的频谱预测方法，其特征在于，所述获取所述目标频谱的第二采样数据，根据所述目标频谱的第二采样数据，对所述频谱资源占用模式组合进行匹配，根据匹配结果对所述目标频谱在未来时隙的信道状态进行预测包括：
对所述目标频谱的第二数据进行采集，得到第二采样数据，所述第二采样数据包括所述目标频谱的实时的服务信息、信道信息和信道状态信息；
从所述第二采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成目标矩阵；
若所述目标矩阵中存在与所述频谱资源占用模式组合中的第一频谱资源占用模式匹配的数据，则根据与所述第一频谱资源占用模式相关联的第二频谱资源占用模式，对所述目标频谱在未来时隙的信道状态进行预测。
5.根据权利要求3或4所述的频谱预测方法，其特征在于，
所述第一频谱资源占用模式与所述第二频谱资源占用模式之间的关联关系为源模式与目标模式之间的关系；
如果所述第一频谱资源占用模式包含在所述第二频谱资源占用模式中，则所述第一频谱资源占用模式为源模式，所述第二频谱资源占用模式为目标模式；或
如果所述第一频谱资源占用模式出现后，每隔一定个数的时隙出现所述第二频谱资源占用模式，则所述第一频谱资源占用模式为源模式，所述第二频谱资源占用模式为目标模式。
6.根据权利要求1-4任一所述的频谱预测方法，其特征在于，还包括：
若所述目标频谱在未来时隙的一个信道的状态为空闲状态，则在所述未来时隙选择所述信道接入。
7.一种频谱资源占用模式提取装置，其特征在于，包括：
第一数据采集单元，用于获取目标频谱的第一采样数据，所述第一采样数据包括所述目标频谱的已有的服务信息、信道信息和信道状态信息；
样本矩阵生成单元，用于从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵；
模式分析单元，用于对所述样本矩阵进行分析，从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合；
其中，所述样本矩阵生成单元包括：
门限功率子单元，用于从所述第一采样数据中，获取所述服务的选定信道在选定时隙的检测功率的最低值，根据所述检测功率的最低值设置所述选定信道的门限功率；
信道状态子单元，用于若所述服务的所述选定信道在所述选定时隙的采样功率最大值大于所述门限功率，则所述选定信道在所述选定时隙的信道状态为占用状态，否则所述选定信道在所述选定时隙的信道状态为空闲状态；
样本矩阵子单元，用于将同一服务全部信道在各个时隙的信道状态信息，整合成样本矩阵。
8.根据权利要求7所述的频谱资源占用模式提取装置，其特征在于，所述模式分析单元包括：
提取子单元，用于从所述样本矩阵中提取出现的次数超过门限值的第一频谱资源占用模式；
获取子单元，用于从所述样本矩阵中获取与所述第一频谱资源占用模式相关联的出现的次数超过门限值的第二频谱资源占用模式；
组合子单元，用于若所述第二频谱资源占用模式与第一频谱资源占用模式的相关系数大于设定阈值，则将所述第一频谱资源占用模式、第二频谱资源占用模式和相关系数组合为所述频谱资源占用模式组合。
9.一种频谱预测系统，其特征在于，包括：
频谱资源占用模式提取装置，用于获取目标频谱的第一采样数据，所述第一采样数据包括所述目标频谱的已有的服务信息、信道信息和信道状态信息；从所述第一采样数据中，提取同一服务全部信道在各个时隙的信道状态信息，生成样本矩阵；从所述样本矩阵中提取所述目标频谱的频谱资源占用模式组合；
其中，所述频谱资源占用模式提取装置，具体从所述第一采样数据中，获取所述服务的选定信道在选定时隙的检测功率的最低值，根据所述检测功率的最低值设置所述选定信道的门限功率，若所述服务的所述选定信道在所述选定时隙的采样功率最大值大于所述门限功率，则所述选定信道在所述选定时隙的信道状态为占用状态，否则所述选定信道在所述选定时隙的信道状态为空闲状态，将同一服务全部信道在各个时隙的信道状态信息，整合成样本矩阵；
频谱资源预测装置，用于获取所述目标频谱的第二采样数据，根据所述目标频谱的第二采样数据，对所述频谱资源占用模式组合进行匹配，根据匹配结果对所述目标频谱在未来时隙的信道状态进行预测。
CN200910171727.5A 2009-08-28 2009-08-28 频谱预测方法、装置和系统 Active CN102006124B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN200910171727.5A CN102006124B (zh) 2009-08-28 2009-08-28 频谱预测方法、装置和系统
BR112012004383-8A BR112012004383B1 (pt) 2009-08-28 2010-08-26 método para predição de espectro, aparelho para extração de modo de ocupação de recurso de espectro e sistema para predição de espectro
PCT/CN2010/076380 WO2011023118A1 (zh) 2009-08-28 2010-08-26 频谱预测方法、装置和系统
EP10811278.0A EP2472933B1 (en) 2009-08-28 2010-08-26 Spectrum prediction method, apparatus and system
US13/407,220 US8687516B2 (en) 2009-08-28 2012-02-28 Method, apparatus and system for spectrum prediction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN200910171727.5A CN102006124B (zh) 2009-08-28 2009-08-28 频谱预测方法、装置和系统

Publications (2)

Publication Number Publication Date
CN102006124A CN102006124A (zh) 2011-04-06
CN102006124B true CN102006124B (zh) 2014-05-07

Family

ID=43627273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200910171727.5A Active CN102006124B (zh) 2009-08-28 2009-08-28 频谱预测方法、装置和系统

Country Status (5)

Country Link
US (1) US8687516B2 (zh)
EP (1) EP2472933B1 (zh)
CN (1) CN102006124B (zh)
BR (1) BR112012004383B1 (zh)
WO (1) WO2011023118A1 (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102006124B (zh) 2009-08-28 2014-05-07 华为技术有限公司 频谱预测方法、装置和系统
US9215704B2 (en) * 2011-01-26 2015-12-15 Lg Electronics Inc. Channel state information transmitting method and user equipment, channel state information receiving method and base station
CN102833760B (zh) * 2011-06-15 2015-08-12 电信科学技术研究院 异系统间频谱共享情况下的干扰抑制方法和设备
CN102857938A (zh) * 2011-06-30 2013-01-02 冯奇 认知无线电中频谱环境学习与预测
CN102595570B (zh) * 2012-01-11 2014-09-24 北京邮电大学 认知无线电系统中基于隐马尔可夫模型的频谱接入方法
CN102625319B (zh) * 2012-04-06 2015-04-22 电信科学技术研究院 无线认知传感网的实现方法和设备
PT2849522E (pt) * 2013-09-16 2016-03-15 Kapsch Trafficcom Ag Método para enviar mensagens em redes ad-hoc
US9819459B2 (en) 2014-12-22 2017-11-14 Microsoft Technology Licensing, Llc Channel sensing enhancement
WO2018027816A1 (zh) * 2016-08-11 2018-02-15 华为技术有限公司 一种资源能量确定方法及装置
CN106788823B (zh) * 2017-03-16 2018-11-09 石春 一种无线信道状态信息测量方法
CN107343281A (zh) * 2017-06-30 2017-11-10 杭州清本科技有限公司 频谱规划方法及计算机存储介质
CN107396370A (zh) * 2017-06-30 2017-11-24 杭州清本科技有限公司 频谱规划装置
JP7166584B2 (ja) 2017-12-04 2022-11-08 株式会社国際電気通信基礎技術研究所 チャネル状態予測装置、無線通信装置、チャネル状態予測方法、および、プログラム
CN112751792B (zh) * 2019-10-31 2022-06-10 华为技术有限公司 一种信道估计方法及装置
CN112688746B (zh) * 2020-12-14 2021-11-30 中山大学 一种基于时空数据的频谱预测方法
CN112860768B (zh) * 2021-02-17 2022-02-25 中国电子科技集团公司第二十二研究所 一种电磁频谱可用频率推荐方法
CN113179144A (zh) * 2021-04-16 2021-07-27 中国科学院微电子研究所 频谱预测方法和装置
CN113347638B (zh) * 2021-05-14 2024-04-30 东北大学 一种认知工业物联网动态协作频谱预测与感知方法
CN114050856B (zh) * 2021-09-27 2024-02-20 南京邮电大学 一种卫星频谱占用状态拟合与预测方法
CN113852970B (zh) * 2021-09-30 2022-07-26 中山大学 基于图神经网络的多维频谱预测方法、系统、装置及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030108008A1 (en) * 2001-12-10 2003-06-12 Prathima Agrawal Frequency hop collision prediction in a multi-channel, bluetooth-enabled packet transmission system
CN1541004A (zh) * 2002-11-29 2004-10-27 �ƶ��Ѷ��� 数字蜂窝通信系统中资源分配的方法和设备
CN1889752A (zh) * 2006-06-26 2007-01-03 西安交通大学 认知无线电系统中授权用户检测的频率分配方法
US20080069079A1 (en) * 2006-09-19 2008-03-20 Star-H Corporation System and method for spectrum sharing
CN101262701A (zh) * 2008-04-22 2008-09-10 华东师范大学 一种基于遗传算法的动态信道分配方法
CN101442807A (zh) * 2008-12-30 2009-05-27 北京邮电大学 通信系统中资源分配的方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7366471B1 (en) * 2000-08-31 2008-04-29 Intel Corporation Mitigating interference between wireless systems
KR100723459B1 (ko) * 2005-07-29 2007-05-31 한국과학기술원 무선 이동 통신 시스템에서의 귀환 신호를 이용한 하향무선 채널 환경 예측 장치 및 방법
US8155597B2 (en) * 2006-01-10 2012-04-10 Marvell World Trade Ltd. Transmission scheduling for receiver feedback
KR100824602B1 (ko) * 2007-08-23 2008-04-24 한국전자통신연구원 인식 무선 기반의 채널 상태 예측장치 및 그 방법
US8009778B2 (en) * 2007-09-07 2011-08-30 Tr Technologies Inc. Quantized channel state information prediction in multiple antenna systems
CN101277278B (zh) * 2008-05-21 2010-12-15 清华大学 一种针对有轨交通的无线信道预测方法
CN102006124B (zh) 2009-08-28 2014-05-07 华为技术有限公司 频谱预测方法、装置和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030108008A1 (en) * 2001-12-10 2003-06-12 Prathima Agrawal Frequency hop collision prediction in a multi-channel, bluetooth-enabled packet transmission system
CN1541004A (zh) * 2002-11-29 2004-10-27 �ƶ��Ѷ��� 数字蜂窝通信系统中资源分配的方法和设备
CN1889752A (zh) * 2006-06-26 2007-01-03 西安交通大学 认知无线电系统中授权用户检测的频率分配方法
US20080069079A1 (en) * 2006-09-19 2008-03-20 Star-H Corporation System and method for spectrum sharing
CN101262701A (zh) * 2008-04-22 2008-09-10 华东师范大学 一种基于遗传算法的动态信道分配方法
CN101442807A (zh) * 2008-12-30 2009-05-27 北京邮电大学 通信系统中资源分配的方法及系统

Also Published As

Publication number Publication date
WO2011023118A1 (zh) 2011-03-03
EP2472933B1 (en) 2014-10-01
BR112012004383B1 (pt) 2019-10-29
CN102006124A (zh) 2011-04-06
BR112012004383A2 (pt) 2016-03-22
EP2472933A1 (en) 2012-07-04
EP2472933A4 (en) 2012-07-04
US8687516B2 (en) 2014-04-01
US20120155318A1 (en) 2012-06-21

Similar Documents

Publication Publication Date Title
CN102006124B (zh) 频谱预测方法、装置和系统
US10165450B2 (en) System and method for determining and sharing spectrum availability
Chen et al. Mining spectrum usage data: a large-scale spectrum measurement study
CN103686745A (zh) 一种lte系统中频率优化的方法及装置
Ghosh et al. Modeling and validation of channel idleness and spectrum availability for cognitive networks
CN108243435B (zh) 一种lte小区场景划分中的参数优化方法及装置
CN103702343B (zh) 一种同频干扰小区的检测方法及装置
US8538424B2 (en) Systems and methods for multi-channel sequential detection in cognitive radio systems
CN105721070B (zh) 一种干扰检测方法及装置
Höyhtyä et al. Measurements and analysis of spectrum occupancy with several bandwidths
Weiss Spatio-temporal spectrum holes and the secondary user
US20210136670A1 (en) Small cell identification using machine learning
CN115580362B (zh) 一种基于频谱监测数据的电磁目标动态用频策略确定方法
CN116887315A (zh) 面向5g的室内外干扰协同智能优化方法及装置
CN103327503A (zh) 认知无线网络机会频谱接入方法
CN112235821B (zh) 一种基于ai模型的异频信号强度预测方法
CN102118200B (zh) 一种基于协方差绝对值法的频谱检测方法
CN101686066A (zh) 信道估计方法和装置
CN114615693A (zh) 网络容量预测方法、装置、电子设备及计算机存储介质
Bidwai et al. Performance comparison of markov chain and lstm models for spectrum prediction in gsm bands
CN101217764A (zh) 优化无线本地环路通信网络的方法及系统
CN101924576B (zh) 多小区联合检测时自动筛选虚拟邻小区的方法
KR20220066782A (ko) 모바일 네트워크의 주파수 자원 사용률 예측 방법
Mandal et al. A Comparative Study on Different Types of Spectrum Sensing Techniques in Centralized Cognitive Cellular Network
CN115776681A (zh) 网络评估方法及相关设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant