CN102057711A - 与频谱感知有关的方法和设备 - Google Patents

Abstract

本发明提出了与协作频谱感知有关的方法和对应设备。首先，获得能够参与协作频谱感知的场合的感知器的候选集合。然后定义(75；107，97)用于计算与在协作频谱感知中使用候选集合中的感知器相关联的成本的成本公式。将候选集合划分(29；14，145)为活动集合和非活动集合。活动集合包含候选集合中要参与协作频谱感知的任意感知器。非活动集合包括不参与协作频谱感知的任意感知器。通过应用优化过程(79，81，83；111，113，115)来进行候选集合的划分，优化过程根据所定义的成本公式来对成本执行约束优化。

Description

与频谱感知有关的方法和设备

技术领域

本发明涉及无线通信领域，更具体地，涉及该领域中基于协作频谱感知的频谱利用的部分。

背景技术

近期的研究表明，无线频谱的使用通常严重不足。其中的一个关键因素在于当前的频谱许可系统。即，无线频谱的某个部分被许可给一方，例如无线通信系统的运营商，该方被给予使用无线频率的该部分的绝对权利。例如，即使许可了有用频谱的大部分，一些测量(例如，参见T.Erpek，K.Steadman，D.Jones，“Spectrum Occupancy Measurements：Dublin，Ireland，Collected On April 16-18，2007”，Shared Spectrum Company Report，2007)表明，该频谱的某些部分严重利用不足。因此，无线频谱的更加灵活的使用成为热点研究主题，其目的在于优化(即，最大化)可用无线频谱的使用。规程提出的一种方法是向被许可人(主要用户)许可频谱，同时在并不会对主要用户的系统工作引入有害干扰的条件下允许其它用户(次要用户)使用所许可的频段。正在讨论的另一种方法是必须在多个用户之间以等同权利共享完全未许可的频谱。

正努力开发新的概念和术语，以引入对无线频谱的更加灵活且有效的使用。

一个新的术语是动态频谱接入，其描述了频谱接入，其中无线单元并不局限于仅使用特定频谱段(例如他们的许可频谱)，而是基于诸如估计的吞吐量和延迟需求、频谱可用性等条件来适配他们所使用的频谱。例如，自身的许可频谱内的负载较高的蜂窝系统可以动态地接入某些其它被许可人拥有的频谱段，以临时增加其吞吐量，只要该蜂窝系统不会对主要系统引起不可接受的干扰，或者通信节点的网络可以基于当前频谱条件来改变其工作频率。可能地，动态频谱接入可以实现有限资源的更加高效的使用，无线频谱就是有限资源。这是因为，多个系统将共享相同的资源，从而当一个系统仅需要少量的频谱时，经历较高负载的其它系统可以利用更宽的带宽。

一个重要的概念是按需频谱(spectrum-on-demand)，这意味着，在被触发时，无线节点仅作为未许可(或者次要)用户在频谱段内操作。无线节点发起通过未许可频段的通信的一个原因可以是许可的频段(如果有的话)无法满足所需需求。例如，可能在中央站点的峰值负载时间、在例如音乐会或运动赛事的特殊事件期间、或者当相同小区内的多个用户中的每个均需要较高带宽时，出现这种事件。

按需频谱场景通常基于网络的结构而稍有不同，网络的结构可以是集中的和分散的(自主的)。

集中网络具有主要(或中央)节点，主要节点具有对网络的控制功能。集中网络的示例是当前针对移动通信采用的通用蜂窝网络，其中，主要节点(典型地为基站(BS))处理与小区内的其它节点(用户设备(UE))的所有通信。集中网络的另一示例是对等网络，其中，主控节点(可以将其功能赋予并转交给网络中的任意节点)具有调节其它节点的功能。

在分散网络中，所有节点在本质上是等同的(即，没有节点可以控制另一节点的操作)并且自主地操作和通信。根据预定规则或惯例来执行频谱使用。如果节点感受到增加带宽的需求，则如果相邻节点接受，例如相邻节点愿意减少他们的频谱使用，该节点可以增加其对共享频谱的使用。可选地，节点可以设法检测并接入系统未使用的频谱(并不一定要与其它节点共享)，以满足需求。

与集中和分散网络(一般而言还有动态频谱接入)有关的概念是所谓的频谱感知(下面称为“感知”)。感知是通过监控无线传输来确定例如特定频谱段当前是否至少部分地可供使用的动作。也即，感知是发现可以以动态且可能次要的方式接入的频谱机会的方法。参与感知的设备通常被称为感知器。诸如用户设备和基站之类的各种网络节点都可以用作感知器。由于通过感知识别的频谱机会可以看作与专门许可给系统的频谱相比更不可靠，这些机会可以用于被认为在时间上不严格的传输。

例如，在A.Ghasemi，E.S.Sousa，“Opportunistic Spectrum Access in Fading Channels Through Collaborative Sensing，”Journal of Communications，vol.2，no.2，pp.71-82，March 2007中表明，针对高可靠性的感知结果，需要至少在某种程度上感受到不相关衰落(关于感知所施加于其上的可能信号)的多个感知器。这是因为，单个感知器可能处于强衰落中，使得其几乎不可能或者至少非常难以检测到频谱资源的当前使用。因此，通常提倡应该以包括多个感知器的协作方式来执行感知。

当前的研究主要关注于提供使用协作感知来检测频谱机会的方法。然而，几乎没有对如何选择将参与协作感知的感知器的研究。在S.M.Mishra，A.Sahai，R.W.Brodersen，”Cooperative Sensing among Cognitive Radios”，IEEE Intl.Conf.on Communication，Vol.4，June 2006 pp.1658-1663中对“距离扩展”的概念进行了论述。其中，论述了与协作感知中包括的感知器的数目和最远感知器之间的直线距离有关的感知性能。该文章表明，一旦特定数目的感知器参与到协作感知中，则添加更多的感知器仅能够微弱地改善感知性能。然而，该研究的缺陷在于，布局主要受限于直线。

执行频谱感知的感知器将耗尽整个系统资源。例如，感知器将针对其接收机和基带电路使用能源，并因此将减少电池寿命，并且感知处理将消耗处理能力。此外，感知器通常需要以某种方式报告其感知结果，而这需要附加的通信资源。因此，希望在感知中使用较少的感知器，但仍然具有足够数目以使得感知可靠。在这种意义上，要使用的感知器的数目是高可靠性的感知结果和对参与感知器的资源(例如电池容量)的低或合理的需求以及通信系统中的传输开销之间的折衷。因此，需要能够以适当地平衡这些冲突的“最佳”方式来选择参与协作感知的感知器。

因此，本发明的一个目的是克服或至少缓和了上述难点中的至少一个。

发明内容

根据本发明的一个方面，上述目的是通过根据下面所述的方法而实现的。首先，获得可用于参与协作频谱感知的场合的感知器的候选集合。然后定义用于计算与在协作频谱感知中使用候选集合中的感知器相关联的成本的成本公式。将候选集合划分为活动集合和非活动集合。活动集合包含候选集合中要参与协作频谱感知的任意感知器。非活动集合包括不参与协作频谱感知的任意感知器。通过应用优化过程来进行候选集合的划分，优化过程根据所定义的成本公式来对成本执行约束优化。

根据本发明的另一方面，上述目的是通过根据下面所述的方法而实现的。如上所述，首先获得感知器的候选集合。还获得对候选集合中感知器的位置的估计。从候选集合中选择第一感知器，然后将第一感知器添加到活动集合中。然后从活动集合中选择下一感知器。这里，所选的下一感知器是以前并未从候选集合中选择的感知器。然后将所选的下一感知器添加到活动集合或非活动集合。确定是将所选下一感知器添加到活动集合还是非活动集合的是所选下一感知器与已经在活动集合中的感知器的距离。如果所选下一感知器与已经在活动集合中的每一个感知器的距离大于阈值，则将所选下一感知器添加到活动集合。否则，将下一感知器添加到非活动集合。这里，阈值是大于或等于预定去相关距离的值。现在可以如上所述地继续该过程，直到活动集合达到了预定目标等级，或者直到候选集合中的所有感知器都已经被添加到活动集合或非活动集合。

根据本发明的另一方面，上述目的是通过用于感知器选择的元件实现的，该元件被配置为执行上述方法。

本发明实施例的一个优点在于，提供了用于协作频谱的感知器选择的有效且系统化的方法。通过并不一定将每个候选感知器都包括在协作频谱感知中，可以将协作频谱感知对系统资源引起的负担保持为可接受的低水平。此外，如上所述的候选集合的系统化划分确保了协作感知仍然是相当可靠的。仿真表明，本发明的实施例在例如要在协作频谱感知中使用的感知器的随机选择方面性能优越。例如，这包括提高了主要用户检测的概率以及降低了误报概率。

现在将使用示例性实施例并参考附图来进一步描述本发明。本领域技术人员将认识到，其它目的和优点可以与本发明的这些示意实施例相关联。

对于受益于在下面的描述和附图中呈现的教导的本领域技术人员而言，可以想到所公开发明的修改和其它实施例。因此，要理解，本发明并不局限于所公开的特定实施例，并且修改和其它实施例也应包括在该公开的范围内。尽管这里可以采用特定的术语，但是，仅在广义和描述性的意义上使用这些术语，而不是为了限制。

附图说明

图1是示出了可以应用本发明实施例的示例性按需频谱情形的示意网络框图。

图2是示出了图1所示的网络情形中的按需频谱操作的频率时间图。

图3是示出了根据本发明实施例的协作频谱感知操作的流程图。

图4是示出了根据本发明实施例的具有感知器选择元件的设备的方框图。

图5是示出了根据本发明实施例的与感知器选择元件相连的设备的方框图。

图6是根据本发明实施例的、以预定栅格点提供的小区的视图。

图7是示出了根据本发明实施例的、用于选择感知器或活动栅格点的优化过程的流程图。

图8是示出了根据本发明实施例的用于感知器选择的两模式过程的流程图。

图9是示出了根据本发明实施例的活动集合和非活动集合的迭代产生方法的流程图。

图10是示出了根据本发明的实现实施例的感知器选择元件的方框图。

具体实施方式

图1是示出了可以应用本发明实施例的一个仅用于示意的按需频谱情形的示意网络框图。在图中，存在两个无线通信系统S1和S2，具有相交的覆盖区域。这里，作为示例，系统S1是电视广播系统，由两个广播天线P1和P2示意表示，系统S2是蜂窝无线通信系统，由两个基站BS1和BS2示意表示，基站BS1和BS2分别提供了在小区C1和C2中的无线覆盖。还示出了由系统S2服务的多个用户设备(UE)。系统S1具有针对频谱段B1的许可。然而，具有针对另一频谱段B2的许可的系统S2也想要能够利用频谱段B1中的频谱机会。因此，系统S2具有可靠的频谱段B2，在频谱段B2中，其可以调度控制信令以及数据和其它形式的通信。同时，如果需要或者希望，则系统B2可以选择以通过作为次要用户使用更加不可靠的频谱段B1，来临时扩展其可用频谱。只要关于频谱段B2的带宽，系统S2的系统负载较低，则系统S2可以不必使用频谱段B1中的资源。然而，当系统S2的负载变高时，系统S2可以例如针对(但不局限于)时间不严格的传输(例如大文件传送等)使用频谱段B1。因此，系统S2需要形成对频谱段B中存在的频谱机会的认知，即频谱段B1中系统S1或者在频谱段B1中作为次要用户操作的任意其它系统当前未使用的无线资源(例如，时间/频率资源或代码)。这里，假定系统S1并不直接给系统S2提供与频谱段B1中的频谱机会有关的信息。因此，系统S2必须通过感知来自己检测机会。如果系统S2在执行了感知之后确信频谱段B1中存在当前未被系统S1使用的资源，则系统S2可以选择将这些资源用于其自身的业务。

图2是提供了应用于图1所示的网络情形中的按需频谱操作的示例的频率时间图。在时间t1，在被许可的频谱段B1被完全利用时，系统S2经历了增长的频谱需求。系统S2开始感知频段B1，搜索频谱机会。在时间t2，系统S2检测到频谱机会，并开始以次要方式使用频谱段B1中的一部分。在时间t3，系统S2中的频谱需求降低，但是S2仍然使用B1中的资源。在时间t4，频谱需求进一步降低，系统S2停止使用频谱段B1。

优选地以涉及多个感知器的协作方式来执行系统S2中的感知，以提高感知可靠性。系统S2中的节点(例如基站和/或被服务的用户设备)可以用作感知器。

图3是示出了根据本发明实施例的协作感知的一个示例的流程图。图3的左侧示出了在基站中执行的动作，这里，基站用作协作频谱感知的发起节点。图3的右侧示出了在一个示例性感知器中执行的动作。在框11中，基站确定需要更多的频谱以支持通信需求。基站保存了可以看作是参与协作感知的候选的感知器的列表。因此，该列表包含感知器的候选集合。这种候选集合是“总集合”的子集，总集合是某个地理区域内的所有节点。在实施例中，例如图3所示的实施例中，由中央节点(例如，蜂窝系统中的基站或者对等网络中的主控节点)来协调用于协作感知的感知器的选择，总集合可以是与中央节点相关联的所有节点。特定节点不是候选集合的成员的原因可能是永久性因素，例如节点可能缺少所需功能(例如对要感知的频谱段的支持)，和/或临时因素，例如节点的电池等级太低而无法参与。在框11之后，基站在框13处确定列表是否是最新的。如果列表不是最新的，则基站在框15处向与基站相关联的所有节点发送感知请求。如框17处的示例性感知器所示，该感知请求由感知器接收到。示例性感知器在框19处处理感知请求以确定其当前是否是参与协作频谱感知的候选。在该特定示例中，假定该示例性感知器是协作频谱感知的候选，并且在框21处，在响应中将该信息通知给基站。在超时23之后(意味着，基站必须等待的时间)，在框25处，基站接收到该响应，并且可能还有来自其它节点的类似响应。基于接收到的响应，基站在框27处更新感知器列表。当基站具有最新的感知器列表时，基站将候选集合划分为两个集合，一个是活动集合，一个是非活动集合。活动集合包含将在该特定时间参与协作感知的感知器，非活动集合包含候选集合中在该特定时间将不参与协作感知的感知器。当然，基站能够确定这些集合中的一个(例如活动集合)，然后隐式地确定另一个集合。在建立了活动集合之后，基站在框31处发送感知命令，以命令活动集合中的所有感知器执行感知。在该示例中，假定示例性感知器处于活动集合中，并且示例性感知器在框33处接收到感知命令。响应于感知命令，示例性感知器在框35处执行感知。在已经执行了感知之后，在框37处，示例性感知器在感知报告中向基站发送感知结果。在超时(即，等待时间段)39之后，在框41处，基站接收到该感知报告以及来自活动集合中的其它感知器的类似感知报告，并且在框43处，基站处理接收到的感知报告。在框45处，感知报告的处理产生频谱决定。频谱决定确立：作为协作频谱感知的结果，是否检测到一个或多个频谱机会。在框47处，基站向相关的系统节点(例如，在检测到的频谱机会中被调度用于发射或接收的节点)发送频谱决定以及可能的附加信息。在该特定示例中，示例性节点在框49处接收该发送。

候选集合的上述划分存在多个原因。不希望所有感知器参与感知活动的一个原因是为了减少系统中的能耗。这对于电池供电的感知器而言尤其重要：相同感知器重复参与协作感知将耗尽该感知器的电池。还表明，在协作感知中，具有较大的感知器地理扩展通常比具有经历相干衰落的多个感知器更重要。其原因在于，相关遮蔽衰落的概率通常会随着感知器的分离而减小。

为了减少各个节点中的功耗，允许随时间改变地将候选集合划分为活动集合和非活动集合。

此外，如果将要感知的频谱范围划分为子范围，则可以针对每个要感知的频率子范围存在单独的活动集合。

在图3的示例中，基站负责将候选集合划分为活动集合和非活动集合，从而实现对应该参与协作感知的感知器的确定。当然，不一定是基站，可以使得能够访问感知器选择元件的任意设备负责候选聚合的这种划分。图4是示出了这种设备51的一个示例的示意方框图。这里，提供了感知器选择元件53，并且将其包含在设备51中。图5示出了类似的方框图。然而，这里，感知器选择元件53和设备51是通过通信信道55进行通信的物理上分离的单元。可以以采用标准电路技术的各种方式来实现感知器选择元件53，例如应用专用电路、可编程电路、或者其任意组合。本领域技术人员可以认识到，元件53还可以完全或部分地由编程有适当软件的一个或多个处理器来实现。感知器选择元件53可以被实现为单个的单元，或者可以分布在多个单元(例如设备中的多个处理器或者多个通信设备)上。

图10是示出了感知器选择元件53的特定实现实施例的方框图。在图10的实施例中，感知器选择元件53包括均在操作地连接(例如通过数字总线157)的处理器151、存储器单元153以及输入输出单元155。存储器单元153存储数据库159，具有与选择过程有关的信息。数据库159包括最初可能通过输入输出单元155接收的信息，该信息识别候选集合以及与候选集合有关的信息，例如划分信息。数据库159还可以包含可在选择过程中使用的预存储数据，这将在下面进行示意。处理器使用存储器单元153提供或经由输入输出单元155提供的软件161和数据执行选择过程。可以经由输入输出单元155来传送选择过程的结果。具体地，感知器选择元件53可被配置为执行下面描述和指示的方法中的任意一种方法。

根据本发明的实施例，通过对优化问题进行求解来将候选集合划分为活动集合和非活动集合。这里，定义成本公式，其描述了如何计算使用特定活动集合的成本。然后通过根据成本公式，服从适当的附加约束，对成本进行优化来获得活动集合，附加约束是例如要包括在活动集合中的感知器的期望数目。

假定候选集合S包括感知器s(1)，...，s(M)，本发明的实施例根据下面的成本公式将成本与活动集合相关联，以候选集合S的子集X作为活动集合：

$\cos t\left(X\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{a}_i{a}_j{c}_{\mathrm{ij}}---\left(1\right)$

其中c_ij(i，j＝1，...，M)是在这里被称为成本测量的值，以及a_i(i＝1，...，M)被定义为使得在感知器s(i)是X的成员时为1，而在感知器s(i)不是X的成员时为0。成本测量c_ij在优化过程期间是固定的，并且可以当作对应矩阵C的分量(成本测量矩阵)。如本领域技术人员所理解的，公式(1)在形式上定义了与候选集合S的功率集合P(S)有关的数值成本函数。如本领域技术人员所熟知的，集合的功率集合是所考虑集合的所有子集的集合。根据下式改写(1)也是有益的：

$\cos t\left(X\right)=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{a}_k{c}_{\mathrm{kk}}+\underset{j=2}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{j-1}{\mathrm{\Σ}}}{a}_i{a}_j(c_{\mathrm{ij}}+c_{\mathrm{ji}})---\left(1.1\right)$

现在可以看出，该公式所定义的成本是“单独”成本和“成对”成本的总数。单独成本与作为X的成员的每个感知器相关联，并且由成本测量矩阵中的对应对角分量给出。成对成本与每一对分离感知器相关联，并且由成本测量矩阵的对应非对角分量给出，一对分离感知器可以由X的成员形成。此外，还可以容易地看出，成本测量矩阵和成本函数之间的关系不是一对一的。也即，不同的成本测量矩阵可以产生相同的成本函数。然而，如果限制为特定类型的矩阵，例如对称或三角矩阵的子空间，则可以使该关系是一对一的，并且是双射。由于最小化了需要确定和/或存储的成本测量的数目，因此这不仅是理论值，而且实际上也是有用的。

从下面可看出，上述成本公式可以应用于多个实际上感兴趣且有用的情况。

在大的结构(例如建筑物和高山)之后，传播损耗会引起遮蔽衰落。遮蔽在空间上是相关的，并且作为两个终端之间的距离d的函数的相关R(d)的一个模型如下：

R(d)＝e^-ad  (2)

其中，a是环境参数。例如，在城市内环境中，a≈0.1204，而在郊区环境中，a≈0.002。假定以米给出d，参见A.Ghasemi，E.S.Sousa，“Opportunistic Spectrum Access in Fading Channels Through Collaborative Sensing，”Journal of Communications，vol.2，no.2，pp.71-82，March 2007。由于按照指数衰减函数来对相关进行建模，因此，相关不可能是负的，并且在极限情况下(即，当d-＞无限时)趋近零。可以通过去相关距离d₀来对传播环境进行特征化，去相关距离d₀是遮蔽相关下降到低于预定阈值所需的感知器之间的最小分离。相关阈值是设计参数，可以根据通过协作频谱感知产生可靠结果的任意两个感知器之间的最大可接受相关来选择相关阈值。可以根据上述等式(2)，针对给定相关阈值获得去相关距离d₀。接下来，针对低于阈值的遮蔽相关，即当两个感知器的分离大于d₀时，使用术语“不相关遮蔽”。在下面的示例性实施例中，作为示例，成本测量将基于遮蔽相关(下面称为相关)。在这种情况下，将成本测量称为相关测量。然后，成对相关测量c_ij(i不等于j)可以基于上述相关函数R(d)，其中d是感知器s(i)和s(j)之间的估计的欧几里德距离。然而，相关测量应该通常是基于相关函数、感知器对的位置以及相关联的定位不确定性以及可能的附加参数的组合。关于成对相关测量c_ij(i≠j)：注意，可感知的相关测量应该是对称的，使得c_ij＝c_ji。在这种情况下，仅需要确定两个相关测量中的一个，并存储在存储器中。此外，通常针对所有的i和j有c_ii＝c_jj(即，如果距离为零，相关测量总是相同的，而与正在考虑哪个感知器无关)，这也可以减少存储器需求。稍后将给出关于如何计算适当的相关测量的具体示例。然而，如上所述，本发明的实施例不应看作局限于相关测量。相关测量的使用是与当前应用相关的成本测量的一个示例。例如，这里呈现的方法可以用于其它应用以最大化所选感知器之间的距离，即最小化-1乘以距离，严格来讲，距离不是相关测量。

下面，在示意优化的感知器选择的各个实施例中使用相关测量。然而，记住，这里呈现的方法多数可以等同地应用于一般的成本测量。

此外，在特定实施例中，可以将小区划分为多个扇区，扇区足够大而使得仅需要在当前和邻近扇区中的所有感知器对之间计算相关测量(对于其它感知器对，相关测量近似为零)。

此外，可以直接实现要描述的示例性算法，而与感知器位置是否仅在一维(例如，如果已知对感知器相对特定点(例如主要节点，例如BS)的距离的估计)、二维(所估计的感知器位置是平面上的)还是三维、甚至多达任意数目的维度上已知无关。然而，在算法的良好实现中，所使用的相关测量将取决于位置估计的维度。

要基于成本公式(1)来解决的优化问题因此可以改写为：

$\underset{a_1,\·\·\·,a_M}{\min }\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{a}_i{a}_j{c}_{\mathrm{ij}}$

服从 $\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{a}_i=N---\left(3\right)$

和a_i∈{0，1}，i＝1，...，M

用户参数N指示要在协作感知中使用的感知器的期望数目，即活动集合中的感知器的期望数目。在确定了优化(3)的值

之后，活动集合A简单地是具有索引i的感知器，使得

即在形式上A＝{s(i)：1≤i≤M以及非活动集合当然是S中A的补集。

上述问题(3)可以容易地被识别为整数优化问题，并且，可能仅能够精确地通过穷举搜索来解决，即通过测试{a_i}，i＝1，...，M的所有满足约束的

可能值。这种穷举搜索通常非常耗时，并且针对当前感知上下文的实现不推荐。取而代之的，这里描述一种算法，通过实施贪婪方法来找到上述问题的近似解：作为算法的起始点，所有感知器都是活动的，即都是活动集合的部分。

然后该算法迭代地逐一删除感知器(总是删除相对于剩余感知器具有最大求和相关测量的感知器)，直到获得了感知器的希望数目N。因此，在删除感知器的每次迭代中，感知器的删除将得到成本的最大减小，因此将其命名为贪婪方法。

在特定实施例中，建议算法可以以两种模式运行。应该基于小区中可用的感知器的数目、基于运行算法的设备的处理功率和需要以多快获得解，来选择适当的模式。例如，如果可用于感知的感知器的数目小于预定数目K(如果希望总是使用模式之一，K可以是零或无限的)，可以使用模式1。否则，将使用模式2。选择两个模式之一或组合两个模式的其它准则也是完全可能的，并且同样由本发明涵盖。

模式1：在该模式下，直接使用感知器的估计位置，这意味着，必须计算感知器之间的所有成对相关测量。假定在小区中有M个感知器可用，则存在

成对相关测量要计算。

模式2：如果认为模式1计算强度太高(例如，如果存在太多的要计算其成对相关测量的感知器)，则可以将估计的感知器位置“舍入”为小区中最接近(根据某个距离测量)的栅格点。栅格点是在小区的主要节点中存储(或者位于小区的主要节点可访问的点处)的某些预定位置。这里，主要节点被定义为运行划分算法的节点(例如，蜂窝系统中的BS)。按照这种方式，每个候选感知器与栅格点之一相关联。主要节点在存储器中存储有所有栅格点之间的预先计算的成对相关测量，因此不需要成对相关测量的计算。仅使用与感知器相关联的栅格点，或者这些栅格点是“活动的”。假定栅格点的间隔足够近，因此舍入感知器位置所引起的额外定位误差对成对相关测量具有相对较小的影响。事实上，通过在计算测量中采用栅格点间隔，该额外定位误差可以被包括在相关测量中。图6是示出了这些原理的示意小区图。主要节点(这里是基站61)位于具有预定栅格点的小区中，并且以附图标记65指代一个这种栅格点。基站61与存储器63相连或者包括存储器63，存储器63存储了与预定栅格点相关联的成对相关测量。作为示例，当前在小区中有四个可以充当感知器的用户设备67.1-67.4。这些用户设备中的每一个与最接近的栅格点相关联，并且这些最接近的栅格点是活动栅格点。这里，用户设备67.1和67.2与不同的栅格点相关联，而用户设备67.3和67.4与相同的栅格点相关联。

假定已经获得了相关测量，其中测量是针对模式1在感知器之间做出的，或者是针对模式2在活动栅格点之间做出的，则算法运行如下，其中，如果算法在模式1中运行，以“元素”表示“感知器”，则如果算法在模式2中运行，则以“元素”表示“活动栅格点”。

1.假设以P表示“元素数目”，并从1到P对元素编号。

2.假设 $k:=\arg \underset{i\∈\{1,...,P\}}{\max }\underset{j=1}{\overset{P}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}$

3.不考虑元素编号k，将从1到P-1对剩余元素编号，然后设置P:＝P-1。

4.如果P＜＝N，结束，否则，转向2。

在算法结束之后，得到N个元素。如果算法在模式1中运行，则活动感知器与剩余元素相同。如果算法在模式2中运行，则通过根据每个剩余元素拾取一个感知器来获得感知器。对于与不只一个感知器相关联的元素，选择可以例如基于感知器的电池容量、感知能力，或者可以随机地拾取感知器。

将点2中的等式最大化的元素k是具有与剩余元素的最大求和相关测量的元素。因此，如果目标是最小化剩余感知器之间的总相关，则可以删除元素k。

然而，如果可用感知器的数目小于感知器的希望数目N，则不运行该算法，取而代之的，可以使用最大努力(best-effort)方法，并且所有可用的感知器都参与感知。

直接改写上述算法，以使得算法的起始点具有单个活动感知器(即，主要节点的感知器)，并且其它感知器非活动。然后逐一将非活动感知器转为活动的，其中，要激活的感知器是具有与已经活动的感知器的求和相关的最小值的非活动感知器。在上述算法中，使用的停止准则是剩余感知器的数目达到指定阈值。其它停止准则也完全是可行的，并且由本发明涵盖。这种停止准则可以基于例如剩余感知器的数目、这些感知器的各个相关、剩余感知器的平均相关值等。

此外，基于这里描述的概念的其它类型的算法也完全是可以的，并且由本发明涵盖。例如，可以以多个感知器的集合(例如N个)开始，然后使用与上述准则类似的准则，针对多个迭代添加和删除(反之亦然)多个感知器，直到达到停止准则。例如，可以在添加或删除了固定数目的感知器之后停止，或者在算法达到局部极小时停止，从而可以直接地删除(反之亦然)添加的感知器。

在另一备选实施例中，在上述点2中求和的相关测量的值可以用作由随机变量决定要删除哪个元素。然后，对应求和相关测量变得较大的元素应该具有相对较大的被删除的机会。值可以例如描述了线上的区间，并且随机变量均匀地分布在整个长度上，然后通过落入与元素对应的特定区间来决定删除哪个元素。

图7是示出了针对活动集合来选择“元素”的上述优化算法的实现实施例的流程图，但是稍有改变以避免麻烦的元素重复编号。在开始71之后，在框73处获得包括P个元素e(1)，...，e(P)的候选集合S。针对模式1，元素是感知器。针对模式2，元素是活动栅格点。在框75处，获得与所考虑的元素相关的相关测量。现在引入索引集合I，以避免重新编号。在框77处，最初将索引集合I设置为{1，...，P}，以反应假定所有元素最初都位于活动集合中的贪婪优化过程的起始位置。其后，在框79处，检查索引集合I中的编号(#I)的数目是否小于或等于协作频谱感知中参与者的期望数目N。现在假定不是，则在框81处计算与要从活动集合中删除的元素e(k)相关联的索引值k。这里根据下式来计算索引值k：

$k=\arg \underset{i\∈I}{\max }\underset{j\∈I}{\mathrm{\Σ}}{c}_{\mathrm{ij}}---\left(4\right)$

可以看出，元素e(k)是当前处于活动集合中的元素，当从活动集合中删除该元素时，根据成本公式会引起最大的成本降低。在框83中，通过从索引集合I中删除值k来修改索引集合I。这里，该操作简洁地表示为索引集合I与集合{k}之间的集合之差。从索引集合I中删除元素e(k)当然等效于从活动集合中删除元素e(k)。在框83之后，该方法返回框79，并且如上所述重复该处理，直到索引集合I中的编号的数目等于活动集合的元素的期望数目N。然后，在框85处，最终建立活动集合A，包括对应索引值仍然在索引集合I中的元素。在框85之后，图7的优化过程在框87处结束。如果候选的元素的数目小于期望数目N，则通过在框85处将所有元素都包括在活动集合中来进行最大努力尝试。此外，对于模式2，随后必须将元素(活动栅格点)转换为感知器，例如通过针对活动集合中的每个活动栅格点，拾取于该栅格点相关联的感知器。

此外，注意，上述用于计算k的公式(4)应用于相关测量具有先前提到的特定结构的情况。取而代之的，如果使用一般的成本测量，则可以使用更一般的公式，本领域技术人员可以容易地根据等式(1)、(1.1)或(3)推导出。清楚的是，如果从活动集合中删除单个元素e(n)，则成本公式中索引值i或j中的至少一个等于n的所有项都将消失，从而导致对应的成本降低。然后将对应成本降低最大的值n用作上述值k，也即：

在图7的实施例中，起始点是所有元素都在(元素的)活动集合中的，然后逐个删除元素，直到活动集合达到适当的大小N。如上所述，还可以以活动集合为空或者包括单个元素来开始，并且取而代之的，基于成本考虑，逐个将元素添加到活动集合中。图7的实施例可以容易地修改为考虑这种可能性。然后，引入第二索引集合J也是方便的，第二索引集合J包括尚未被选作到活动集合中的元素的索引值。因此，利用该方法，索引集合I最初为空集合，并且索引集合J最初被设置为{1，...，P}，指示所有元素都可用于选择到活动集合中。备选地，索引集合I可以最初包括与某个特殊元素(例如协调节点)相对应的特定索引值，如果该节点具有感知器能力；然后当然也从索引集合J中删除该特定索引值。现在根据下式来计算索引值k：

$k=\arg \underset{j\∈J}{\min }\{\left(\underset{j\∈I}{\mathrm{\Σ}}{c}_{\mathrm{ij}}\right)+c_{\mathrm{ii}}\}$

其中再次假定相关测量具有上述结构。然后将值k添加到集合I中并从集合J中删除，指示元素e(k)现在处于活动集合中，并且不能够再次被选择。元素e(k)是当被添加到活动集合中时在成本中引起最小增加的元素。假定候选集合包括足够多个成员，现在可以重复该过程，直到索引集合I具有N个。为了方便读者，下面也以简单的伪程序代码概括了该过程，并且使用标准集合符号和运算来实现简洁表示：

btain candidate set of elements{e(1)，...，e(P)}；

read particular_index_value；

I:＝{particular_index_value}；

J:＝{1，...，P}\{particular_index_value}；

repeat

$k:=\arg \underset{i\∈J}{\min }\{\left(\underset{j\∈I}{\mathrm{\Σ}}{c}_{\mathrm{ij}}\right)+c_{\mathrm{ii}}\};$

I:＝I∪{k}；

J:＝J\{k}；

until #I＝N or J＝

A:＝{e(i)：i∈I}；

if mode＝Mode 2 then translate A into an active set of sensors；

图8是根据示例性实施例对整个两模式过程进行概括的流程图。这里，假定候选集合中的感知器的数目超过活动集合的感知器的希望数目N。在开始91之后，在框93处确定候选集合中的感知器的数目是否超过阈值K。如果否，则该过程将运行在模式1中，并且在框95处，将模式变量设置为1。其后，在框97处，计算与候选集合中的感知器相关联的相关测量。在框99处，指示“元素”现在是感知器。另一方面，如果可用感知器的数目超过阈值K，则该方法将在模式2中运行，并且在框101处将模式变量设置为2。在框103处，将每个感知器与其最接近的栅格点相关联。在框105处，不考虑没有接收到任何感知器关联的栅格点。然后，在框107处，从存储器63中加载剩余(活动)栅格点的相关测量。在框109处，指示“元素”现在是剩余栅格点。现在针对模式1以及模式2，以相同的方式执行优化过程。在框111处，找到具有最大求和相关的元素，然后在框113处不再考虑该元素。在框115处，检查可用元素的数目是否仍然大于元素的期望数目N。如果是，则该方法返回框111，并因此如上所述重复，直到可用元素的数目等于N。其后，在框117处，检查运行该方法的模式。如果模式是模式1，则剩余元素(是感知器)构成要用于协作感知的感知器的最终活动集合。如果模式是模式2，则在框121处，针对要用于协作频谱感知的感知器的活动集合，拾取与每个剩余元素相关联的一个感知器。一旦建立了感知器的活动集合，则该方法在框123处结束。

该算法本身并不依赖于特定相关测量的使用。然而，为了示意可以使用何种类型的相关测量，以及如何组合定位不确定性和相关函数，下面给出相关测量的一些示例。

假定各个感知器的位置具有某种不确定性。例如，可以由感知器通过使用全球定位系统(GPS)来估计位置，并将位置报告给协调节点，或者，网络例如通过使节点监听具有已知位置的多个节点(例如BS)并估计传播延迟从而估计与这些节点的距离，来支持位置的估计。当这些距离和对应的节点位置已知时，可以对位置进行估计。定位不确定性与各个定位算法的性能相关联，并且假定已知具有某种精确度。在某些情况下，定位不确定性还可以被建模为正态分布，以感知器的估计的预期位置为中心，具有表示在所使用的定位系统中的不确定性的标准偏差。

假定感知器s(i)的位置可以由随机变量x_i描述，并且感知器s(j)的位置可以类似地由随机变量x_j描述。这些随机变量的概率密度函数(描述了定位不确定性)则分别为p(x_i)和p(x_j)。x_i和x_j之间的矢量距离可以由随机变量d_ij描述，该随机变量d_ij具有对应的概率密度函数p_m(d_ij)。

可以针对不同环境类型(市内、郊区等)而不同的相关函数通常是两个位置之间的(标量)距离d的函数：R(d)。通过取适当的范数，即d＝‖d_ij‖，可以将矢量值的距离d_ij映射到标量距离d。由于d_ij是随机变量，作为一个可能的实施例，建议将基于d_ij的分布的相关函数的预期值作为相关测量：

c_ij＝E{R(‖d_ij‖)|p_m(d_ij)}＝∫R(‖d_ij‖)p_m(d_ij)dd_ij   (5)

如果d_ij是二维高斯分布的，并且如果范数‖·‖是欧几里德范数，则可以证明，‖d_ij‖是莱斯(Ricean)分布。如果上述算法在模式2中运行，则可以针对所有栅格点对离线计算上述等式。

假定描述距离矢量的概率密度函数是循环对称、独立且恒等分布的(异常为均值)，则可以离线计算上述表达式，并且针对多个距离值制成表格。为了方便起见，现在删去下标i和j。由m表示分布p_m(d)的平均值，其中d表示距离矢量。然后，假定R_v(d)表示R(d)的矢量输入版本；也即，R_v(d)＝R(‖d‖)。现在可以通过下式获得对应的相关测量：

c(m)＝E{R_v(d)|p_m(d)}＝E{R_v(d)|p₀(d-m)}＝∫R_v(d)p₀(m-d)dd    (6)其中，p₀(·)表示偏移到零均值的p_m(·)，并且p₀(·)的自变量可以在第三等式之后乘以-1，因为分布是关于0对称的。很容易地认识到，由于R_v(·)和p₀(·)都是关于0对称的，因此上述等式是卷积，在上述假定下，上述等式将针对具有相等范数的m的所有值产生相同的c(m)值。这意味着，等式(6)定义的函数c(·)可以把范数化为“因子”，使得c(·)＝c′о‖·‖，其中c′(·)是单个标量变量的函数，о表示合成。因此可以针对多个测量的标量距离‖m‖预先计算该等式，并且将对应的值c′(‖m‖)制成表格并存储在存储器中。按照这种方式，不需要“在线计算”来计算相关测量c_ij。因此，为了获得两个感知器s(i)和s(j)之间的相关测量，首先估计感知器之间的距离D，然后从存储器中检索值c′(D)，作为与这些感知器相关联的成对相关测量。

另一种相关测量是基于对以设定的置信水平大于距离‖d_ij‖的值T_ij的计算。然后，取而代之的，可以使用下式作为相关测量：c_ij＝R(T_ij)。

如上所述，在更一般的上下文中，c_ij可以看作成本测量。然后，R(d)可以是并不直接描述相关、而是给出了感知器距离如何影响感知性能的概念的函数。例如，R(d)可以是比指数衰减所建议的去相关距离d₀内的更大且更缓慢的衰减。

最后，可以注意到，在例如R(d)和其它因子所提供的相关的函数描述中存在内在的相当大的不确定性。因此，上述相关测量的近似或对等技术方案也可以良好地执行。例如，如果与分布平均值之间的距离相比，定位不确定性非常低，则可以直接将相关函数R(d)用作相关测量，其中d被设置为两个位置之间的距离矢量范数(从而忽略在这种情况下总是较小的定位不确定性)。另一选择是将相关函数与分别描述了两个位置的不确定性的两个一维函数卷积，然后使用所产生的一维函数作为相关测量，其中再次以位置平均值之间的范数距离作为输入。

在上面，假定形式c_ii的相关测量总是相等的。如本领域技术人员所理解的，这些相关测量将不会影响确定活动和非活动集合的优化过程。然而，不必做出这种假定。注意，值c_ii可以用于描述与其它感知器相比使用编号为i的感知器的吸引力。例如，已知编号为i的感知器具有比编号为j的感知器更大的电池以及更好的感知性能，则可以设置c_ii＜c_jj。类似地，如果主要节点具有非常好的感知能力(例如，主要节点是蜂窝系统中的BS)，则可以将对应的c_ii设置为非常低，甚至为负无穷，以确保该感知器将用于感知。这同样适用于固定感知器，例如由感知系统所拥有的中继器处的感知器。

关于如何实现感知器的划分的本发明实施例的另一示例以较高概率实现了活动集合中总的不相关感知器的大部分。该算法迭代地将感知器划分为两个子集：活动集合和非活动集合。该算法的输入是可用于感知的感知器的位置的估计以及去相关距离d₀。该算法以仅包含主要节点(例如，蜂窝系统中的基站)的活动集合开始。这里，假定本发明示例实现中的主要节点具有频谱感知能力。这并不限制本发明，而是，可以将任意节点用作开始的感知器。然后，该算法逐个感知器检查各个感知器是否位于距活动集合中存在的所有感知器的距离大于去相关距离d₀的位置(可能地，可以添加定位不确定性的额外的极限)。如果对于感知器而言情况是这样，则将该感知器添加到活动集合，而如果对于感知器而言情况不是这样，则将该感知器添加到非活动集合。该过程迭代地增加活动集合的大小，直到达到参与协作感知活动的感知器的预定目标数目N，或者直到已经检查了所有感知器位置并且没有感知器还需要考虑(最大努力)。允许参与感知的感知器的最大数目的这种目标值可能存在，也可能不存在。关键在于，该值的不存在应该不会使本发明无效。如果感知器的预定目标数目N存在并且在将所有感知器位置与活动集合进行比较之前就达到了该数目N，则将剩余的感知器添加到非活动集合。图9是示出了感知器选择的该方法的实现实施例的流程图。在开始131之后，在框133处，基于估计的位置，在列表中组织候选集合中的感知器。例如，可以按照与基站的距离的递增来对感知器进行排序。在框135处，将基站添加到活动集合然后从列表中删除。在框137中，检查列表是否为空，或者是否达到了活动感知器的目标数目N。假定现在这些条件均不满足，则方法前进到框139，在框139，从列表中选择下一感知器。然后在框141处检查所选的感知器与活动集合中的每个感知器的距离是否大于去相关距离d₀，或者备选地，是否大于去相干距离d₀加上额外极限μ。如果是，则在框143处，将所选的感知器添加到活动集合，然后从列表中删除。否则，在框145处，将所选感知器添加到非活动集合，然后从列表中删除。一旦将所选感知器从列表中删除了，则该方法转到框137，并且该方法如上所述地进行，直到在框137处满足至少一个条件。当出现这种情况时，该方法继续，在框147处检查该列表是否为空。如果该列表为空，则该方法在框151处结束。否则，在该方法在框151处结束之前，在框149处将列表中的任意剩余感知器添加到非活动集合。

图9所示的实施例不是与前述实施例无关的。图9的方法可以看作“隐含地”假定当i和j不相等并且对于所有相关的i值c_ii＝常数时，相关测量具有以下形式：

因此，作为备选方案，图9的方法可以作为使用在上面描述并示出的优化过程中的任何一种、并且使用上述形式的相关测量的一种成本优化来运行，并且该备选方案也被包括在此作为本发明的实施例。

已经通过仿真、考虑到所选感知器之间的成对相关、根据相关模型以及所选感知的实际检测性能、使用能量检测和K-out-of-N检测器(即，N个使用的感知器中K个或更多个检测到主要使用，则系统决定正在进行主要使用，否则系统决定没有主要用户是活动的)，对上述方法做出了评估。评估结论是，与随机地选择相同数目的感知器相比，所选感知器之间的成对相关变得更小。此外，与随机选择相同数目的感知器相比，在使用上述算法所选择的感知器时，改善了感知性能。这是就主要用户检测的概率提高和/或误报概率的降低(即，得到了主要用户是活动的错误决定，导致错过频谱机会)而言的。

在上面，以各种实施例示出了本发明。然而，这些实施例仅作为非限制性示例，并且保护范围由所附权利要求书限定。

Claims (17)

1.一种与协作频谱感知有关的方法，所述方法包括：

获得(73)可用于参与协作频谱感知的感知器(67.1)的候选集合；

定义(75)用于计算与在协作频谱感知中使用候选集合中的感知器相关联的成本的成本公式；以及

通过应用优化(79，81，83；111，113，115)过程，将候选集合划分(29)为活动集合和非活动集合，活动集合包含候选集合中要参与协作频谱感知的任意感知器，非活动集合包括不参与协作频谱感知的任意感知器，优化过程根据所定义的成本公式来对成本执行约束优化。

2.根据权利要求1所述的方法，其中，候选集合中存在编号从1至M的M个感知器，其中，成本公式是：

$\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{a}_i{a}_j{c}_{\mathrm{ij}}$

其中，c_ij表示在优化过程期间固定的预定值，其中i，j＝1，...，M，并且a_i被定义为在编号为i的感知器是活动集合中的成员时等于1，而在编号为i的感知器是非活动集合中的成员时等于0，其中i，j＝1，...，M。

3.根据权利要求2所述的方法，其中c_ij是编号为i的感知器与编号为j的感知器之间的遮蔽相关的测量，其中i，j＝1，...，M。

4.根据权利要求3所述的方法，其中遮蔽相关的测量至少部分地基于相关函数，该相关函数至少基于感知器之间的距离来对遮蔽相关进行建模。

5.根据权利要求4所述的方法，其中遮蔽相关的测量还至少部分地基于候选集合中的感知器的定位不确定性。

6.根据权利要求5所述的方法，其中遮蔽相关的测量是通过基于感知器之间的矢量距离的概率分布计算相关函数的预期值而获得的。

7.根据权利要求1所述的方法，其中所述方法还包括确定是在第一模式中还是在第二模式中执行所述方法，第二模式与第一模式相比计算强度较低。

8.根据权利要求7所述的方法，其中第一模式包括将成本公式定义为：

$\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{P}{\mathrm{\Σ}}}{a}_i{a}_j{c}_{\mathrm{ij}}$

其中，P是候选集合中感知器的数目，候选集合中的感知器从1至P编号，其中，c_ij是在优化过程期间固定的预定值，其中i，j＝1，...，P，并且a_i被定义为在编号为i的感知器在活动集合中时等于1，而在编号为i的感知器在非活动集合中时等于0，其中i，j＝1，...，P。

9.根据权利要求7或8所述的方法，其中第二模式包括：

将候选集合中的每个感知器与栅格点(65)的预定集合中的最接近栅格点相关联(103)；

不考虑(105)没有感知器与之相关联的任何预定栅格点；

将成本公式定义(107)为：

$\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{P}{\mathrm{\Σ}}}{a}_i{a}_j{c}_{\mathrm{ij}}$

其中，P是仍然被考虑的栅格点的数目，仍然被考虑的栅格点从1至P编号，其中，c_ij是从存储器(63)加载的值，并且c_ij在优化过程期间固定，其中i，j＝1，...，P，并且a_i被定义为在编号为i的栅格点在栅格点的活动集合中时等于1，而在编号为i的栅格点在栅格点的非活动集合中时等于0，其中i，j＝1，...，P；以及

将栅格点的活动集合转换(121)为要在协作频谱感知中使用的感知器的活动集合。

10.根据权利要求1至9之一所述的方法，其中，优化过程是贪婪优化方法。

11.根据权利要求1至10之一所述的方法，其中，优化过程服从指定了应在活动集合中的感知器数目的约束(115)。

12.一种与协作频谱感知有关的方法，所述方法包括：

获得能够参与协作频谱感知的感知器的候选集合以及对候选集合中感知器的位置的估计；

从候选集合中选择第一感知器，并将第一感知器包括(135)在要参与协作频谱感知的感知器的活动集合中；

从候选集合中选择(139)以前未被选择过的下一感知器；

将所选的下一感知器添加(143，145)到活动集合或非活动集合，当且仅当所选下一感知器与已经在活动集合中的每一个感知器的距离大于阈值时，才将所选下一感知器添加到活动集合，所述阈值大于或等于预定去相关距离；以及

如果需要，则重复选择下一感知器和添加的步骤，直到活动集合中的感知器的数目达到了预定目标等级，或者直到候选集合中的所有感知器都已经被添加到活动集合或非活动集合。

13.根据权利要求12所述的方法，其中所述方法还包括：基于位置的估计，在排序列表中组织(133)所述候选集合中的感知器；以及按照所述列表所规定的顺序来执行选择步骤。

14.根据权利要求13所述的方法，其中感知器基于与基站的距离的递增而出现在排序列表中。

15.一种用于感知器选择的元件(53)，所述元件的特征在于被配置为执行根据上述权利要求中任一项所述的方法。

16.一种用于与协作频谱感知有关的感知器选择的元件(53)，所述元件的特征在于被配置为执行步骤：

获得可用于参与协作频谱感知的感知器的候选集合；

定义用于计算与在协作频谱感知中使用候选集合中的感知器相关联的成本的成本公式；以及

通过应用优化过程，将候选集合划分为活动集合和非活动集合，活动集合包含候选集合中要参与协作频谱感知的任意感知器，非活动集合包括不参与协作频谱感知的任意感知器，优化过程根据所定义的成本公式来对成本执行约束优化。

17.一种用于与协作频谱感知有关的感知器选择的元件(53)，所述元件的特征在于被配置为执行步骤：

获得能够参与协作频谱感知的感知器的候选集合以及对候选集合中感知器的位置的估计；

从候选集合中选择第一感知器，并将第一感知器包括在要参与协作频谱感知的感知器的活动集合中；

从候选集合中选择以前未被选择过的下一感知器；

将所选的下一感知器添加到活动集合或非活动集合，当且仅当所选下一感知器与已经在活动集合中的每一个感知器的距离大于阈值时，才将所选下一感知器添加到活动集合，所述阈值大于或等于预定去相关距离；以及

如果需要，则重复选择下一感知器和添加的步骤，直到活动集合中的感知器的数目达到了预定目标等级，或者直到候选集合中的所有感知器都已经被添加到活动集合或非活动集合。

Images