CN102256286B - 基于状态转移概率估计的感知时隙长度优化方法 - Google Patents

Abstract

一种基于状态转移概率估计的感知时隙长度优化方法，包括步骤：在感知周期感知时隙的开始，认知无线网络中心基站在τ_a时间内把需要合作感知的感知信道集合以及集合中各授权信道的感知时间发送给认知用户；认知用户在τ_s时间里对授权信道进行合作感知，并在τ_b的时间里把感知结果发送到基站；基站对感知结果进行融合，并在τ_c时间里把融合结果发送给认知用户；在感知时隙结束后，基站利用剩余的T-τ时间估计下一感知周期各授权信道的可用概率，并选择下一感知周期认知无线网络需合作感知的信道集合以及集合中各授权信道的感知时间，并在下一感知周期初始时刻发送给认知用户。本发明能够优化认知无线网络在各个感知周期的感知时隙长度，提高系统吞吐量。

Description

基于状态转移概率估计的感知时隙长度优化方法

技术领域

本发明涉及无线通信技术中的认知无线电领域，具体讲是认知无线电合作频谱感知中的一种感知时隙长度优化方法。

背景技术

随着无线通信业务种类的快速增长，对无线频谱资源的需求也呈指数增长，使得未来无线通信中的频谱资源“匮乏”问题日益突出。认知无线电技术在保证授权用户服务质量的条件下以“伺机接入”的方式利用授权用户的空闲频段，大大提高了频谱的使用效率，是解决“频谱匮乏”问题的有效方法。频谱感知技术被用来有效检测当前授权用户的工作状态，以寻找频谱机遇和避免对授权用户的干扰，因此有效的频谱感知技术是认知无线电存在的前提和基础。认知用户的频谱感知性能极易受到无线信道中阴影效应与多径衰落的影响而恶化，为了解决这个问题，人们提出了多认知用户合作频谱感知的方法。

如图1所示，在802.22标准中提出的周期感知框架中，一个感知周期由一个感知时隙和一个数据传输时隙组成。因此在当前合作频谱感知技术的研究中，不仅仅包括可靠的感知算法研究，还包括各种感知参数的优化设计，特别是感知时隙长度的优化设计。增加感知时隙长度虽然可以有效提高认知无线网络合作频谱感知的性能，减少频谱机遇的损失以及对授权用户的干扰，但是在给定感知周期长度的条件下，感知时隙长度的增加会导致认知无线网络在感知周期中用于数据传输的时间减少，进而使得认知无线网络的传输效率下降，因此应该对每一个感知周期中的感知时隙长度进行优化配置，即在感知性能与系统传输效率之间对感知时隙长度的大小进行折中。

当认知无线网络在每个感知周期可以合作感知多个授权信道时，感知时隙长度由认知无线网络需要合作感知的感知信道集合和分配给该集合中各个授权信道的感知时间共同决定，因此改变感知信道集合中的授权信道数目或改变分配给该集合中各个授权信道的感知时间均会对感知时隙长度造成影响。因此在多授权信道条件下，我们需要联合考虑认知无线网络需要合作感知的感知信道集合和分配给该集合中各个授权信道的感知时间，进而对感知时隙长度进行优化配置。

发明内容

本发明的目的是针对多授权信道条件下，需要联合考虑认知无线网络需要合作感知的感知信道集合和分配给该集合中各个授权信道的感知时间，进而对感知时隙长度进行优化配置的问题；提出了一种基于状态转移概率估计的感知时隙长度优化方法，以解决在多认知用户合作感知多授权信道条件下的感知时隙长度优化问题。

本发明的技术方案是：

一种基于状态转移概率估计的感知时隙长度优化方法，包括下列步骤：

(a)、在每一个感知周期T的感知时隙τ的开始，认知无线网络中心基站在τ_a时间内把当前感知周期认知无线网络需要合作感知的最优感知信道集合

以及该集合中各个授权信道的感知时间

即上一个感知周期所得到的下一个感知周期认知无线网络需要合作感知的最优感知信道集合

以及该集合中各个授权信道的感知时间

发送给认知无线网络中的各个认知用户m；

(b)、认知无线网络中的各个认知用户m在接下来的τ_s时间里对最优感知信道集合

里的各个授权信道进行检测统计，得到各自的检测统计量

表示认知用户m在授权信道i上的检测统计量；

(c)、各个认知用户m在接下来的τ_b时间里把各自的检测统计量

发送到认知无线网络的中心基站，中心基站进行数据融合判决，得到融合判决结果，中心基站利用τ_c时间把最终的融合判决结果发送给各个认知用户m；

(d)、在每一个感知周期T的感知时隙τ结束后，认知无线网络中心基站根据历史感知信息(历史感知信息为当前感知周期之前所有周期的感知信息)和当前感知周期的感知结果即步骤(c)中得到的融合判决结果，利用该感知周期T剩余的时间即数据传输时隙τ’＝T-τ，估计下一个感知周期各个授权信道i的可用概率，其中τ＝τ_a+τ_s+τ_b+τ_c；

(e)、求解下一个感知周期各个授权信道的

表示当认知无线网络在每个感知周期仅合作感知授权信道i时的认知无线网络的最大吞吐量；

(f)、认知无线网络中心基站以步骤(e)得到的最大化认知无线网络最大吞吐量

为目标，根据步骤(d)估计得到的下一个感知周期各个授权信道i的可用概率，选择下一个感知周期认知无线网络需要合作感知的最优感知信道集合以及该集合中各个授权信道的感知时间

并把该结果在下一个感知周期的初始时刻发送给各个认知用户。

本发明的步骤b中，各认知用户m采取能量检测法对最优感知信道集合

里的各个授权信道i进行本地频谱感知，得到各自的检测统计量，具体方法如下：

设k时刻时认知用户m在授权信道i上的接收信号为

$H_0:x_i^m\left(k\right)=v_i^m\left(k\right)$

$H_1:x_i^m\left(k\right)=h_i{s}_i\left(k\right)+v_i^m\left(k\right)$

其中H₀表示授权信道为“空闲”状态，H₁表示授权信道为“占用”状态；

式中：s_i(k)是授权用户(授权用户是指被法定授权使用授权信道的用户，例如电视发射塔相对于电视频段来说就是授权用户)在授权信道i上的发送信号，

是认知用户m在授权信道i上的接收信号，

为认知用户m在授权信道i上的加性高斯白噪声，h_i是授权信道i上的信道增益，认知用户m在授权信道i上的检测统计量可以表示为

$Y_i^m=\frac{1}{N}\underset{k=0}{\overset{N_i-1}{\mathrm{\Σ}}}{\left|x_i^m\left(k\right)\right|}^2$

其中，N_i＝τ_if_s为各认知用户在授权信道i上的抽样点数，f_s为抽样速率。

本发明的步骤c中的数据融合方法为等增益合并的软信息融合方法或加权融合方法，其中：

当采用等增益合并的软信息融合方法时，授权信道i在中心基站的最终判决统计量Y_i为：

$Y_i=\frac{{\mathrm{\Σ}}_{m=1}^M{Y}_i^m}{M}$

M为认知无线网络中的认知用户数目；把授权信道i的最终判决统计量Y_i与它的判决门限ε_i比较即可得到授权信道i的最终的判决结果：

$\left\{\begin{array}{cc}{Y}_i>{\mathrm{\&epsiv;}}_i& H_1\\ Y_i<{\mathrm{\&epsiv;}}_i& H_0\end{array}\right.$

本发明的步骤d中授权信道i可用概率的估计方法如下：

如果授权信道i在任意两个感知周期l₁、l₂中，如果感知周期l₁被感知为“空闲”状态，并且它在感知周期l₁至感知周期l₂这段时间内没有被感知，则在感知周期l₂它的状态为H₀“空闲”的概率为

$P_i\left(H_0\right)=P_i(H_0/Y_i<{\mathrm{\&epsiv;}}_i)P_{I|I}^i\left((l_2-l_1)T\right)+$

$(1-P_i(H_0/Y_i<{\mathrm{\&epsiv;}}_i))P_{I|B}^i\left((l_2-l_1)T\right)$

同理，如果授权信道i在感知周期l₁被感知为“占用”状态，并且它在感知周期l₁至感知周期l₂这段时间内没有被感知，则在感知周期l₂它的状态为H₀“空闲”的概率为

$P_i\left(H_0\right)=P_i\left(H_1\right|Y_i>{\mathrm{\&epsiv;}}_i)P_{I|B}^i\left((l_2-l_1)T\right)+$

$(1-P_i(H_1/Y_i>{\mathrm{\&epsiv;}}_i)P_{I|I}^i\left((l_2-l_1)T\right)$

其中P_i(H₀/Y_i＜ε_i)为授权信道i在当前感知周期被感知为“空闲”状态的条件下，该授权信道实际状态为“空闲”的后验概率，P_i(H₁/Y_i＞ε_i)为授权信道i在当前感知周期被感知为“占用”状态的条件下，该授权信道实际状态为“占用”的条件概率，由贝叶斯理论可知，

$P_i(H_0/Y_i<{\mathrm{\&epsiv;}}_i)=\frac{P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_0)}{P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_0)+P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_1)}=\frac{1-P_{f,i}({\mathrm{\&tau;}}_i,{\mathrm{\&epsiv;}}_i)}{1-P_{\mathrm{th}}+1-P_{f,i}({\mathrm{\&tau;}}_i,{\mathrm{\&epsiv;}}_i)}$

$P_i(H_1/Y_i>{\mathrm{\&epsiv;}}_i)=\frac{P_i(Y_i>{\mathrm{\&epsiv;}}_i/H_1)}{P_i(Y_i>{\mathrm{\&epsiv;}}_i/H_1)+P_i(Y_i>{\mathrm{\&epsiv;}}_i/H_0)}=\frac{P_{\mathrm{th}}}{P_{\mathrm{th}}+P_{f,i}({\mathrm{\&tau;}}_i,{\mathrm{\&epsiv;}}_i)}$

其中P_th为各个授权信道必须满足的检测概率最小值。

为从授权用户开始使用授权信道i的时刻开始算起，t时刻时授权信道i的状态由“占用”转为“空闲”的状态转移概率，

为从授权用户停止使用授权信道i的时刻开始算起，t时刻时授权信道i的状态仍为“空闲”状态的概率，它们可由下式得到

$P_{I|B}^i\left(t\right)={\&Integral;}_0^t{f}_{T_{\mathrm{ON}}^i}\left(t\right)\mathrm{dt}$

$P_{I|I}^i\left(t\right)={\&Integral;}_t^{\&infin;}{f}_{T_{\mathrm{OFF}}^i}\left(t\right)\mathrm{dt}$

其中

为授权信道i在占用/空闲状态上的驻留时间

的概率密度函数。

本发明的步骤e中各个授权信道的

可以利用给定感知信道集合条件下认知无线网络的最大吞吐量求解方法(参考文献：Fan R F and Jiang H.Optimal multi-channelcooperative sensing in cognitive radio networks.IEEE Trans.on wireless communications，vol.9，no.3，pp：1128-1138，March 2010)求解。

6、根据权利要求1所述的一种基于状态转移概率估计的感知时隙长度优化方法，其特征在于，所述步骤e中，选择下一个感知周期认知无线网络需要合作感知的最优感知信道集合

以及该集合中各个授权信道的感知时间

的具体实现方法如下：

1)把所有授权信道的最大吞吐量按从大到小进行排队，得到矢量I；

2)从n＝1开始按照n从小到大的顺序迭代搜索最优目标值，在每一次迭代过程中，选择矢量I中前n个授权信道作为当感知信道数目为n时的感知信道集合；

3)利用给定感知信道集合条件下认知无线网络的最大吞吐量求解方法计算与该感知信道集合相对应的认知无线网络的最大吞吐量，并记录该目标值；

当n＝I时，迭代过程结束，此时得到I个目标值，其中与最大的目标值相对应的感知信道集合以及该集合中各个授权信道的感知时间即为最优的感知信道集合

以及该集合中各个授权信道的感知时间

本发明的感知周期T＝感知时隙τ+数据传输时隙τ’。

本发明的感知时隙τ＝τ_a+τ_s+τ_b+τ_c，且(τ_a+τ_b+τ_c)＜τ_s。

本发明的有益效果：

本发明能够同时对认知无线网络在各个感知周期需要合作感知的感知信道集合以及分配给该集合中各个授权信道的感知时间进行联合优化配置，进而优化各个感知周期的感知时隙长度，提高认知无线网络的吞吐量。

通过本发明得到的最优的感知信道集合

以及该集合中各个授权信道的感知时间

虽然只是一个次优解，但是本发明的计算复杂度大幅度降低，利于工程实现，同时该次优解与最优解的差别很小。

附图说明

图1为本发明所采用的基于周期频谱感知的数据传输结构。

图2为给定感知信道集合条件下认知无线网络的最大吞吐量求解方法。

图3传统方法与本专利所提方法的吞吐量性能比较示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

如图1所示，一种在多授权信道条件下提出的基于状态转移概率估计的感知时隙长度优化方法的具体实施步骤如下：

步骤1 在每一个感知周期的感知时隙的开始，认知无线网络中心基站在τ_a时间内把上一个感知周期所得到的当前感知周期需要合作感知的最优感知信道集合

以及该集合中各个授权信道的感知时间

发送给认知无线网络中的各个认知用户；

步骤2 认知无线网络中的各个认知用户在接下来的τ_s时间里采取能量检测法对该最优感知信道集合

里的各个授权信道进行感知，得到各自的检测统计量；

设k时刻时认知用户m在授权信道i上的接收信号为

$H_0:x_i^m\left(k\right)=v_i^m\left(k\right)$ (1)

$H_1:x_i^m\left(k\right)=h_i{s}_i\left(k\right)+v_i^m\left(k\right)$

其中H₀表示授权信道为“空闲”状态，H₁表示授权信道为“占用”状态。式中s_i(k)是授权用户在授权信道i上的发送信号，

是认知用户m在授权信道i上的接收信号，

为认知用户m在授权信道i上的加性高斯白噪声，h_i是授权信道i上的信道增益。认知用户m在授权信道i上的检测统计量可以表示为

$Y_i^m=\frac{1}{N_i}\underset{k=0}{\overset{N_i-1}{\mathrm{\&Sigma;}}}{\left|x_i^m\left(k\right)\right|}^2---\left(2\right)$

其中，N_i＝τ_if_s为各认知用户在授权信道i上的抽样点数。

步骤3 各个认知用户在τ_b的时间里把各自的检测统计量

发送到认知无线网络的中心基站，中心基站进行数据融合，得到最终的感知结果，并利用τ_c时间把最终的感知结果发送给各个认知用户，当检测到某个授权信道空闲时，认知用户可以使用该授权信道传输数据，当检测到某个授权信道被授权用户占用时，认知用户不使用该授权信道传输数据以避免对授权用户的干扰；

当采用等增益合并的软信息融合方法时，授权信道i在中心基站的最终判决统计量为

$Y_i=\frac{{\mathrm{\&Sigma;}}_{m=1}^M{Y}_i^m}{M}---\left(3\right)$

M为认知无线网络中的认知用户数目。把授权信道i的最终判决统计量Y_i与它的判决门限ε_i比较即可得到授权信道i的最终的判决结果：

$\left\{\begin{array}{cc}{Y}_i>{\mathrm{\&epsiv;}}_i& H_1\\ Y_i<{\mathrm{\&epsiv;}}_i& H_0\end{array}\right.---\left(4\right)$

步骤4 在每一个感知周期T的感知时隙τ结束后，认知无线网络中心基站根据历史感知信息和当前感知周期的感知结果利用该感知周期剩余的T-τ时间估计下一个感知周期各个授权信道的可用概率；

如果授权信道i在感知周期l₁被感知为“空闲”状态，并且它在感知周期l₁至感知周期l₂这段时间内没有被感知，则在感知周期l₂它的状态为“空闲”的概率为

$P_i\left(H_0\right)=P_i(H_0/Y_i<{\mathrm{\&epsiv;}}_i)P_{I|I}^i\left((l_2-l_1)T\right)+$ (5)

$(1-P_i(H_0/Y_i<{\mathrm{\&epsiv;}}_i))P_{I|B}^i\left((l_2-l_1)T\right)$

同理，如果授权信道i在感知周期l₁被感知为“占用”状态，并且它在感知周期l₁至感知周期l₂这段时间内没有被感知，则在感知周期l₂它的状态为“空闲”的概率为

$P_i\left(H_0\right)=P_i\left(H_1\right|Y_i>{\mathrm{\&epsiv;}}_i)P_{I|B}^i\left((l_2-l_1)T\right)+$ (6)

$(1-P_i(H_1/Y_i>{\mathrm{\&epsiv;}}_i)P_{I|I}^i\left((l_2-l_1)T\right)$

其中P_i(H₀/Y_i＜ε_i)为授权信道i在当前感知周期被感知为“空闲”状态的条件下，该授权信道实际状态为“空闲”的后验概率，P_i(H₁/Y_i＞ε_i)为授权信道i在当前感知周期被感知为“占用”状态的条件下，该授权信道实际状态为“占用”的条件概率，由贝叶斯理论可知，

$P_i(H_0/Y_i<{\mathrm{\&epsiv;}}_i)=\frac{P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_0)}{P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_0)+P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_1)}=\frac{1-P_{f,i}({\mathrm{\&tau;}}_i,{\mathrm{\&epsiv;}}_i)}{1-P_{\mathrm{th}}+1-P_{f,i}({\mathrm{\&tau;}}_i,{\mathrm{\&epsiv;}}_i)}---\left(7\right)$

$P_i(H_1/Y_i>{\mathrm{\&epsiv;}}_i)=\frac{P_i(Y_i>{\mathrm{\&epsiv;}}_i/H_1)}{P_i(Y_i>{\mathrm{\&epsiv;}}_i/H_1)+P_i(Y_i>{\mathrm{\&epsiv;}}_i/H_0)}=\frac{P_{\mathrm{th}}}{P_{\mathrm{th}}+P_{f,i}({\mathrm{\&tau;}}_i,{\mathrm{\&epsiv;}}_i)}---\left(8\right)$

其中P_th为各个授权信道必须满足的检测概率最小值。

为从授权用户开始使用授权信道i的时刻开始算起，t时刻时授权信道i的状态由“占用”转为“空闲”的状态转移概率，

为从授权用户停止使用授权信道i的时刻开始算起，t时刻时授权信道i的状态仍为“空闲”状态的概率，它们可由下式得到

$P_{I|B}^i\left(t\right)={\&Integral;}_0^t{f}_{T_{\mathrm{ON}}^i}\left(t\right)\mathrm{dt}---\left(9\right)$

$P_{I|I}^i\left(t\right)={\&Integral;}_t^{\&infin;}{f}_{T_{\mathrm{OFF}}^i}\left(t\right)\mathrm{dt}---\left(10\right)$

其中

为授权信道i在占用/空闲状态上的驻留时间

的概率密度函数。

步骤5 利用给定感知信道集合条件下认知无线网络的最大吞吐量求解方法求解下一个感知周期各个授权信道的

表示当认知无线网络仅合作感知授权信道i时的认知无线网络能够达到的最大吞吐量；

令C_i(τ_i)＝(T-τ_i)P_i(H₀)(1-P_f，i(τ_i，P_d，i＝P_th))W表示当认知无线网络在每个感知周期仅合作感知授权信道i时的认知无线网络的吞吐量，其中P_i(H₀)是认知无线网络中心基站通过估计得到的授权信道i的可用概率。由于C_i(τ_i)是τ_i的递增凸函数，因此存在最优的感知时隙长度使得C_i(τ_i)取得最大值

给定感知信道集合条件下认知无线网络的最大吞吐量求解方法如图2所示(参考文献：Fan R F and Jiang H.Optimal multi-channel cooperative sensing in cognitive radio networks.IEEE Trans.on wireless communications，vol.9，no.3，pp：1128-1138，March 2010)。从图2可以看出，该方法是以微时隙Δτ为分配步长，采用逐步增加需要分配的微时隙个数的方式寻找最优的感知时隙长度

的；在对每一个微时隙Δτ进行分配时，把该微时隙分配给能够使认知无线网络吞吐量增益最大的那个信道

其中

为当感知时间为

时授权信道i的吞吐量；当认知无线网络吞吐量A(τ+Δτ)-A(τ)＞0时，令

τ＝τ+Δτ，并重复以上步骤，否则，此时的感知时隙长度τ即为给定感知信道集合条件下的最优感知时隙长度为最优感知时隙长度

在各个授权信道之间的最优分配

步骤6 认知无线网络中心基站以最大化认知无线网络吞吐量为目标，根据通过估计得到的下一个感知周期各个授权信道的可用概率，利用多授权信道条件下基于状态转移概率估计的感知时隙长度优化方法选择下一个感知周期认知无线网络需要合作感知的最优感知信道集合

以及该集合中各个授权信道的感知时间并把该结果在下一个感知周期的初始时刻发送给认知无线网络中的各个认知用户。

多授权信道条件下基于状态转移概率估计的感知时隙长度优化方法的具体步骤描述如下：

1)把所有授权信道按

从大到小进行排队，得到矢量I；

2)从n＝1开始按照n从小到大的顺序迭代搜索最优目标值，在每一次迭代过程中，选择矢量I中前n个授权信道作为当感知信道数目为n时的感知信道集合；

3)利用给定感知信道集合条件下认知无线网络的最大吞吐量求解方法计算与该感知信道集合相对应的认知无线网络的最大吞吐量，并记录该目标值；

4)当n＝I时，迭代过程结束，此时得到I个目标值，其中与最大的目标值相对应的感知信道集合以及该集合中各个授权信道的感知时间即为最优的感知信道集合

以及该集合中各个授权信道的感知时间

实施例：

本发明的一个具体实例如下所示，参数设置不影响一般性。本实例假设授权信道i在占用/空闲状态上的驻留时间

服从均值为

秒的负指数分布，即的概率密度函数为

因此有

和

认知无线网络中认知用户数目M＝10，授权信道数目I＝19，感知周期T＝100ms，微时隙Δτ＝0.1ms，授权信道带宽W＝6MHz，采样速率f_s＝12MHz，各个授权信道所必须满足的检测概率最小值P_th＝0.9，第i个授权信道的信噪比γ_i＝snr-0.5(i-1)dB，i＝1，2，L，I，

本发明提出的多授权信道条件下基于状态转移概率估计的感知时隙长度优化方法具体过程如下：

1、在当前感知周期的感知时隙的开始，认知无线网络中心基站把本感知周期需要合作感知的最优感知信道集合

以及该集合中各个授权信道的感知时间发送给认知无线网络中的各个认知用户；

2、认知无线网络中的各个认知用户对最优感知信道集合

中的各个授权信道进行感知，由式(2)得到各自的检测统计量

3、各个认知用户把各自的检测统计量

发送到认知无线网络的中心基站，中心基站根据式(3)与式(4)进行数据融合，得到最优感知信道集合

中各个授权信道的最终的感知结果；

4、认知无线网络中心基站根据历史感知信息和当前感知周期的感知结果利用式(5)～式(10)估计下一个感知周期各个授权信道的可用概率P_i(H₀)i＝1，2，L，I；

5、认知无线网络中心基站以最大化认知无线网络吞吐量为目标，根据通过估计得到的下一个感知周期各个授权信道的可用概率P_i(H₀)i＝1，2，L，I，利用多授权信道条件下基于状态转移概率估计的感知时隙长度优化方法选择下一个感知周期认知无线网络需要合作感知的最优感知信道集合

以及该集合中各个授权信道的感知时间并把该结果在下一个感知周期到来时发送给认知无线网络中的各个认知用户。

图3给出了传统方法与本专利所提方法的吞吐量性能比较仿真图。从图3可以看出，本发明所提方法的性能明显优于传统方法。这是由于传统方法不考虑最优感知信道集合的选择，即在每一个感知时隙内把所有授权信道都感知一遍，并且传统方法还假设各个授权信道的可用概率是不变的。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

Claims (5)

1.一种基于状态转移概率估计的感知时隙长度优化方法，其特征在于，包括下列步骤：

（a）、在每一个感知周期T的感知时隙τ的开始，认知无线网络中心基站在τ_a时间内把当前感知周期认知无线网络需要合作感知的最优感知信道集合

以及该集合中各个授权信道的感知时间即上一个感知周期所得到的下一个感知周期认知无线网络需要合作感知的最优感知信道集合

以及该集合中各个授权信道的感知时间

发送给认知无线网络中的各个认知用户m；

（b）、认知无线网络中的各个认知用户m在接下来的τ_s时间里对最优感知信道集合里的各个授权信道进行检测统计，得到各自的检测统计量

表示认知用户m在授权信道i上的检测统计量；

（c）、各个认知用户m在接下来的τ_b时间里把各自的检测统计量

发送到认知无线网络中心基站，中心基站进行数据融合判决，得到融合判决结果，中心基站利用τ_c时间把最终的融合判决结果发送给各个认知用户m；所述步骤c中的数据融合方法为等增益合并的软信息融合方法或加权融合方法，其中：

当采用等增益合并的软信息融合方法时，授权信道i在中心基站的最终判决统计量Y_i为：

$Y_i=\frac{{\mathrm{\&Sigma;}}_{m=1}^M{Y}_i^m}{M}$

M为认知无线网络中的认知用户数目；把授权信道i的最终判决统计量Y_i与它的判决门限ε_i比较即可得到授权信道i的最终的判决结果：

$\left\{\begin{array}{cc}{Y}_i>{\mathrm{\&epsiv;}}_i& H_1\\ Y_i<{\mathrm{\&epsiv;}}_i& H_0\end{array}\right.$

其中：H₀表示授权信道空闲；H₁表示授权信道占用；

（d）、在每一个感知周期T的感知时隙τ结束后，认知无线网络中心基站根据历史感知信息和当前感知周期的感知结果即步骤c中得到的融合判决结果，利用该感知周期T剩余的时间即数据传输时隙τ’=T-τ，估计下一个感知周期各个授权信道i的可用概率，其中τ=τ_a+τ_s+τ_b+τ_c；所述步骤d中授权信道i可用概率的估计方法如下：

如果授权信道i在任意两个感知周期l₁、l₂中，如果感知周期l₁被感知为“空闲”状态，并且它在感知周期l₁至感知周期l₂这段时间内没有被感知，则在感知周期l₂它的状态为H₀“空闲”的概率为

$\begin{array}{c}{P}_i\left(H_0\right)=P_i(H_0/Y_i<{\mathrm{\&epsiv;}}_i)P_{I|I}^i\left((l_2-l_1)T\right)+\\ (1-P_i(H_0/Y_i<{\mathrm{\&epsiv;}}_i))P_{I|B}^i\left((l_2-l_1)T\right)\end{array}$

同理，如果授权信道i在感知周期l₁被感知为“占用”状态，并且它在感知周期l₁至感知周期l₂这段时间内没有被感知，则在感知周期l₂它的状态为H₀“空闲”的概率为

$\begin{array}{c}{P}_i\left(H_0\right)=P_i(H_1/Y_i>{\mathrm{\&epsiv;}}_i)P_{I|B}^i\left((l_2-l_1)T\right)+\\ (1-P_i(H_1/Y_i>{\mathrm{\&epsiv;}}_i))P_{I|I}^i\left((l_2-l_1)T\right)\end{array}$

其中P_i(H₀/Y_i<ε_i)为授权信道i在当前感知周期被感知为“空闲”状态的条件下，该授权信道实际状态为“空闲”的后验概率，P_i(H₁/Y_i>ε_i)为授权信道i在当前感知周期被感知为“占用”状态的条件下，该授权信道实际状态为“占用”的条件概率，由贝叶斯理论可知，

$P_i(H_0/Y_i<{\mathrm{\&epsiv;}}_i)=\frac{P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_0)}{P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_0)+P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_1)}=\frac{1-P_{f,i}({\mathrm{\&tau;}}_i,{\mathrm{\&epsiv;}}_i)}{1-P_{\mathrm{th}}+1-P_{f,i}({\mathrm{\&tau;}}_i,{\mathrm{\&epsiv;}}_i)}$

$P_i(H_1/Y_i<{\mathrm{\&epsiv;}}_i)=\frac{P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_1)}{P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_1)+P_i(Y_i<{\mathrm{\&epsiv;}}_i/H_0)}=\frac{P_{\mathrm{th}}}{P_{\mathrm{th}}+P_{f,i}({\mathrm{\&tau;}}_i,{\mathrm{\&epsiv;}}_i)}$

其中：ε_i为判决门限，P_th为各个授权信道必须满足的检测概率最小值，

为从授权用户开始使用授权信道i的时刻开始算起，t时刻时授权信道i的状态由“占用”转为“空闲”的状态转移概率，

为从授权用户停止使用授权信道i的时刻开始算起，t时刻时授权信道i的状态仍为“空闲”状态的概率，它们可由下式得到

$P_{I|B}^i\left(t\right)={\&Integral;}_0^t{f}_{T_{\mathrm{ON}}^i}\left(t\right)\mathrm{dt}$

$P_{I|I}^i\left(t\right)={\&Integral;}_t^{\&infin;}{f}_{T_{\mathrm{OFF}}^i}\left(t\right)\mathrm{dt}$

其中：

为授权信道i在占用状态上的驻留时间

的概率密度函数；

为授权信道i在空闲状态上的驻留时间的概率密度函数；

（e）、求解下一个感知周期各个授权信道的

表示当认知无线网络在每个感知周期仅合作感知授权信道i时的认知无线网络的最大吞吐量；

（f）、认知无线网络中心基站以步骤e得到的最大化认知无线网络最大吞吐量

为目标，根据步骤d估计得到的下一个感知周期各个授权信道i的可用概率，选择下一个感知周期认知无线网络需要合作感知的最优感知信道集合

以及该集合中各个授权信道的感知时间

并把该结果在下一个感知周期的初始时刻发送给各个认知用户；所述步骤f中，选择下一个感知周期认知无线网络需要合作感知的最优感知信道集合以及该集合中各个授权信道的感知时间的具体实现方法如下：

1)把所有授权信道的最大吞吐量

按从大到小进行排队，得到矢量I；

2)从n=1开始按照n从小到大的顺序迭代搜索最优目标值，在每一次迭代过程中，选择矢量I中前n个授权信道作为当感知信道数目为n时的感知信道集合；

3)利用给定感知信道集合条件下认知无线网络的最大吞吐量求解方法计算与该感知信道集合相对应的认知无线网络的最大吞吐量，并记录该目标值；

当n=I时，迭代过程结束，此时得到I个目标值，其中与最大的目标值相对应的感知信道集合以及该集合中各个授权信道的感知时间即为最优的感知信道集合

以及该集合中各个授权信道的感知时间

2.根据权利要求1所述的一种基于状态转移概率估计的感知时隙长度优化方法，其特征在于，在步骤b中，各认知用户m采取能量检测法对最优感知信道集合里的各个授权信道i进行本地频谱感知，得到各自的检测统计量，具体方法如下：

设k时刻时认知用户m在授权信道i上的接收信号为

$\begin{array}{c}{H}_0:x_i^m\left(k\right)=v_i^m\left(k\right)\\ H_1:x_i^m\left(k\right)=h_i{s}_i\left(k\right)+v_i^m\left(k\right)\end{array}$

其中H₀表示授权信道为“空闲”状态，H₁表示授权信道为“占用”状态；

式中：s_i(k)是授权用户在授权信道i上的发送信号，

是认知用户m在授权信道i上的接收信号，

为认知用户m在授权信道i上的加性高斯白噪声，h_i是授权信道i上的信道增益,认知用户m在授权信道i上的检测统计量可以表示为

$Y_i^m=\frac{1}{N_i}\underset{k=0}{\overset{N_i-1}{\mathrm{\&Sigma;}}}{\left|x_i^m\left(k\right)\right|}^2$

其中，N_i=τ_if_s为各认知用户在授权信道i上的抽样点数，f_s为抽样速率。

3.根据权利要求1所述的一种基于状态转移概率估计的感知时隙长度优化方法，其特征在于，步骤e中各个授权信道的可以利用给定感知信道集合条件下认知无线网络的最大吞吐量求解方法求解。

4.根据权利要求1所述的一种基于状态转移概率估计的感知时隙长度优化方法，其特征在于，感知周期T=感知时隙τ+数据传输时隙τ’。

5.根据权利要求1所述的一种基于状态转移概率估计的感知时隙长度优化方法，其特征在于，感知时隙τ=τ_a+τ_s+τ_b+τ_c，且（τ_a+τ_b+τ_c）﹤τ_s。

Images