CN102386985B - 适用于马尔可夫业务模型的频谱感知方法 - Google Patents

Abstract

本发明涉及无线通信技术领域，公开了一种适用于马尔可夫业务模型的频谱感知方法，包括以下步骤：S1、认知设备利用一种频谱感知技术对主用户状态进行频谱感知，得到当前感知周期对主用户状态的初步感知结果；S2、所述认知设备统计前N个感知周期的主用户状态，N为正整数，并对统计结果进行分析得到统计概率值；S3、所述认知设备根据步骤S1得到的初步感知结果和步骤S2得到的统计概率值做出最终的感知结果判决。本发明增强了认知设备频谱感知的可靠性，具有较强的实用性。

Description

适用于马尔可夫业务模型的频谱感知方法

技术领域

本发明涉及无线通信技术领域，具体涉及一种适用于马尔可夫业务模型的频谱感知方法。 

背景技术

随着现代无线通信技术的不断发展，需要越来越多的频谱资源支持各种各样内容丰富的多媒体业务。然而在当前频谱资源规划政策下，某一部分频谱资源被独有地分配给某一特定的业务或运营者，不允许任何未授权用户的使用。一项来自美国联邦通信委员会的调查结果显示，当前无论是在时间上还是在空间上都存在有大量的频谱资源空闲或是未能得到充分利用。在这种背景条件下，人们越来越关注如何充分利用这些未使用或是未能充分利用的频谱资源，也就是通常所说的频谱空洞。 

认知无线电，作为一种非常有应用前景的新技术，在最近几年受到了广泛关注。并被认为是处理目前频谱资源短缺与频谱利用效率低下的重要解决手段之一。它通过允许动态地频谱分享实现高效灵活的频谱资源利用。具有认知功能的设备首先进行频谱感知，然后根据感知结果调整设备参数以适应当前频谱环境，实现填补频谱空洞，在不对主用户造成有害干扰的情况下实现通信需求。 

作为认知无线电中一项关键技术，频谱感知必须在认知用户接入到授权频段前执行，以避免对主用户系统造成干扰。由于信道衰落和阴影效应的影响，认知用户很难快速准确地感知主用户的存在状态。因此，如何有效缩短感知时间，提高感知可靠度已经成为认知无线电研究中的一项热点问题。目前，在频谱感知方面的许多实现方法都没有考虑到主用户业务的相关性。而如何充分利用这种业务相关性提高 感知可靠度，对于频谱感知系统非常重要。 

发明内容

(一)要解决的技术问题 

本发明所要解决的技术问题是：如何降低网络在进行故障业务恢复时所需的带宽需求。 

(二)技术方案 

为解决上述技术问题，本发明提供了一种适用于马尔可夫业务模型的频谱感知方法，包括以下步骤： 

S1、认知设备利用一种频谱感知技术对主用户状态进行频谱感知，得到当前感知周期对主用户状态的初步感知结果； 

S2、所述认知设备统计前N个感知周期的主用户状态，并对统计结果进行分析得到统计概率值，N为正整数； 

S3、所述认知设备根据步骤S1得到的初步感知结果和步骤S2得到的统计概率值做出最终的感知结果判决。 

优选地，步骤S1中所述频谱感知技术为能量感知技术。 

优选地，步骤S1具体为： 

S11、所述认知设备接收所要进行感知的感知信号，所述感知信号中包含主用户信号，噪声以及其它干扰信号； 

S12、所述认知设备利用带通滤波器对所述感知信号进行处理，以滤除所述感知信号中的噪声以及其它干扰信号； 

S13、将经过所述带通滤波器处理过的感知信号送入平方器和积分器，经过平方和积分后得到主用户所在频带内信号的能量值； 

S14、所述认知设备通过使用比较器将经由平方器和积分器输出的频带内信号的能量值与预设的门限值进行比较，获得对主用户状态的初步感知结果。 

优选地，步骤S14中，所述认知设备根据如下规则得到初步感知结果： 

(1)若经由平方器和积分器输出的能量值大于预设的门限值，则判断主用户在当前周期内存在，即主用户状态为繁忙； 

(2)若经由平方器和积分器输出的能量值小于预设的门限值，则判断主用户在当前周期内不存在，即主用户状态为空闲。 

优选地，步骤S2具体为：所述认知设备使用滑窗存储机制对前N个感知周期的主用户状态进行统计，并根据所述统计结果得到统计概率值，即主用户状态不发生改变的概率值。 

优选地，所述步骤3中，所述认知设备根据所述主用户状态不发生改变的概率值p与探测概率平均值P_d0和虚警概率平均值P_f0的关系确定是将当前周期的初步感知结果作为最终的感知结果，还是根据上一周期的感知结果做出最终感知判决。 

优选地，步骤3中认知设备做最终判决时采用的规则为： 

(1)当满足 

时，认知设备取上一周期感知的相反结果作为最终判决结果； 

(2)当满足 

时，认知设备取当前周期的初步感知结果作为最终判决结果； 

(3)当满足 

时，认知设备取上一周期的感知结果作为最终判决结果； 

其中，p为根据所述统计结果得到的主用户状态不发生改变的概20率值。 

优选地，分别用式(1)和式(2)计算所述探测概率平均值和虚警概率平均值： 

$P_{d0}=Q\left((\frac{\mathrm{\ϵ}}{{\mathrm{\δ}}_u^2}-\mathrm{\γ}-1)\sqrt{\frac{N}{2\mathrm{\γ}+1}}\right)---\left(1\right)$

$P_{f0}=Q\left((\frac{\mathrm{\ϵ}}{{\mathrm{\δ}}_u^2}-1)\sqrt{N}\right)---\left(2\right)$

其中，Q(.)为Q函数，γ为感知信号的信噪比，ε为所述门限值，N为采样点数、 

为噪声方差。 

(三)有益效果 

对于主用户业务在相邻频谱感知周期存在相关性的认知无线网络，通过充分利用主用户的业务相关性可以提高认知用户进行频谱感知的可靠度。本发明正是基于这一点提出了一种适用于主用户业务模型服从于马尔可夫特性的频谱感知方法，此方法旨在通过收集存储一段时间内主用户的业务变化情况，并对主用户业务情况进行分析，进而指导认知用户对于主用户状态的最终判决。此种方法充分利用了主用户状态的历史数据，以简单的方法、较少的步骤以及较小的开销实现了认知设备网络频谱感知可靠性的提升。此种频谱感知方法具有较强的实用性。 

附图说明

图1为本发明实施例的方法流程图； 

图2为能量感知过程示意图； 

图3为具有一阶马尔可夫特性的主用户业务模型示意图，在此种场景中主用户的状态以某一恒定的转移概率矩阵发生转变； 

图4为具有主用户历史状态存储功能的滑窗存储机制示意图； 

图5为本发明实施例的方法框图。 

具体实施方式

下面对于本发明所提出的一种适用于马尔可夫业务模型的频谱感知方法，结合附图和实施例详细说明。 

本发明实施例提出了一种基于主用户业务具有一阶马尔可夫特 性的频谱感知方法。由于主用户业务具有一阶马尔可夫特性，如图3所示，因此在相邻感知周期内的主用户状态存在相关性，而如果能充分利用这一相关性将可以有效提高认知设备的频谱感知可靠度。 

频谱感知方法包含三个步骤，如图1所示，分别可以概括为： 

S1、认知设备利用一种频谱感知技术对其主用户状态进行频谱感知，得到当前感知周期对主用户状态的初步感知结果； 

S2、所述认知设备统计前N个感知周期的主用户状态，N为正整数，并对统计结果进行分析得到统计概率值，N为正整数； 

S3、所述认知设备根据步骤S1得到的初步感知结果和步骤S2得到的统计概率值做出最终的感知结果判决。 

对于步骤S1具体实施方法如下： 

以认知设备采用能量感知技术对主用户进行感知为例进行说明，能量感知过程主要包含有以下过程，如图2所示，它们分别是： 

S11、认知设备配置相应感知设备接收所要进行感知的感知信号，此感知信号中包含有主用户信号，噪声以及其他干扰信号； 

S12、为了从感知信号中提取出主用户信号，认知设备要选取一个合适的带通滤波器对感知信号进行处理，以便滤除主用户信号所在频带以外的其它干扰信号，方便进一步对感知信号进行处理分析。 

S13、由于要判别当前感知周期内主用户的状态，就要获得主用户所在频带内信号的能量值，因此要将经过带通滤波器处理过的感知信号送入平方器和积分器，经过平方和积分后得到的即为主用户所在频带内信号的能量值。 

S14、在主用户处于繁忙状态时，由于主用户信号的存在使得频带内信号的能量值相比主用户处于空闲时的能量值要大，因此认知设备通过使用比较器将经由平方器和积分器输出的频带内信号能量值与预先设置的门限值进行比较，便可获得对主用户状态的初步感知结果。 

对于步骤S2：由于主用户业务具有一阶马尔可夫特性，在相邻周期内主用户的状态存在相关性，主用户的状态转移情况与状态转移概率矩阵有关，通过合理利用这一业务相关性，可以有效弥补单独使用能量感知技术时感知可靠度达不到期望值的缺陷。在这一步骤中，认知设备使用一种具有滑窗存储功能的存储设备对当前时刻的前N个感知周期的主用户状态进行存储，如图4所示，这些记录的历史数据反映了在一段时间内主用户业务的变化情况。认知设备对这些历史数据进行统计分析，可以得到表征主用户在一段时间内业务变化情况的统计概率值，例如主用户状态不发生改变的概率p和主用户状态发生改变的概率1-p。这些统计值在一定程度上表征了相邻感知周期内主用户状态的相关性。 

对于步骤S3：在使用一定规则进一步审查初步感知结果可靠性之前，认知设备根据当前频谱环境的平均信噪比，计算获得当前初步感知的探测概率平均值与虚警概率平均值。探测概率平均值与虚警概率平均值的计算可由下面两个经验公式获得： 

$P_{d0}=Q\left((\frac{\mathrm{\ϵ}}{{\mathrm{\δ}}_u^2}-\mathrm{\γ}-1)\sqrt{\frac{N}{2\mathrm{\γ}+1}}\right),P_{f0}=Q\left((\frac{\mathrm{\ϵ}}{{\mathrm{\δ}}_u^2}-1)\sqrt{N}\right)$

其中，Q(.)表示Q函数，γ为感知信号的信噪比，ε为门限值，N为采样点数，

为噪声方差。 

认知设备将步骤S2中所获得的主用户状态不发生改变的概率值与计算获得的平均探测概率和平均虚警概率以一定的规则进行比较，并根据它们之间的关系分别确定不同情况下的最终感知判决结果，具体规则如下： 

a)当满足

时，认知设备认为当前周期的初步感知结果不够可靠，抛弃此感知结果，并取前一周期感知的相反结果作为最终判决结果，若前一次得到的初步感知结果为空闲，则最终 判决结果为繁忙。 

b)当满足 

时，认知设备选择相信当前周期的初步感知结果，并取此感知结果作为最终判决结果。 

c)当满足 

时，认知设备同样认为当前周期的初步感知结果不够可靠，抛弃此感知结果，取前一周期感知结果作为最终判决结果。 

其中，p为步骤S2中根据历史数据获得的主用户状态不发生改变的概率，P_d0为计算得到的平均探测概率，P_f0为计算得到的平均虚警概率。需要说明的是，本发明不限于主用户业务具有一阶马尔可夫特性的情况，如果主用户业务具有N阶马尔可夫特性，则上述判决规则需要做出相应的调整，例如，如果是具有二阶马尔可夫特性，则认知设备需要确定是将当前周期的初步感知结果作为最终的感知结果，还是根据前两个周期的感知结果做出最终感知判决。 

如图5所示，本发明通过充分利用主用户状态的历史数据获得表征主用户状态变化情况的统计概率值，并根据获得的这一概率值以及初步感知结果确定最终感知判决结果。 

由以上实施例可以看出，对于主用户业务在相邻频谱感知周期存在相关性的认知无线网络，通过充分利用主用户的业务相关性可以提高认知用户进行频谱感知的可靠度。本发明正是基于这一点提出了一种适用于主用户业务模型服从于一阶马尔可夫特性的频谱感知方法，此方法旨在通过收集存储一段时间内主用户的业务变化情况，并对主用户业务情况进行分析，进而指导认知用户对于主用户状态的最终判决。此种方法充分利用了主用户状态的历史数据，以简单的方法、较少的步骤以及较小的开销实现了认知设备网络频谱感知可靠性的提升。此种频谱感知方法具有较强的实用性。 

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。 

Claims (6)

1.一种适用于马尔可夫业务模型的频谱感知方法，其特征在于，包括以下步骤：

S1、认知设备利用一种频谱感知技术对主用户状态进行频谱感知，得到当前感知周期对主用户状态的初步感知结果；

S2、所述认知设备统计前N个感知周期的主用户状态，并对统计结果进行分析得到统计概率值，N为正整数；

S3、所述认知设备根据步骤S1得到的初步感知结果和步骤S2得到的统计概率值做出最终的感知结果判决；

所述认知设备根据主用户状态不发生改变的概率值p与探测概率平均值P_d0和虚警概率平均值P_f0的关系确定是将当前周期的初步感知结果作为最终的感知结果，还是根据上一周期的感知结果做出最终感知判决，其中p为根据所述统计结果得到的主用户状态不发生改变的概率值；

如果所述主用户业务模型服从一阶马尔可夫特性，则所述认知设备做最终判决时采用的规则为：

（1）当满足

时，认知设备取上一周期感知的相反结果作为最终判决结果；

（2）当满足

时，认知设备取当前周期的初步感知结果作为最终判决结果；

（3）当满足

时，认知设备取上一周期的感知结果作为最终判决结果。

2.如权利要求1所述的方法，其特征在于，步骤S1中所述频谱感知技术为能量感知技术。

3.如权利要求2所述的方法，其特征在于，步骤S1具体为：

S11、所述认知设备接收所要进行感知的感知信号，所述感知信号中包含主用户信号，噪声以及其它干扰信号；

S12、所述认知设备利用带通滤波器对所述感知信号进行处理，以滤除所述感知信号中的噪声以及其它干扰信号；

S13、将经过所述带通滤波器处理过的感知信号送入平方器和积分器，经过平方和积分后得到主用户所在频带内信号的能量值；

S14、所述认知设备通过使用比较器将经由平方器和积分器输出的频带内信号的能量值与预设的门限值进行比较，获得对主用户状态的初步感知结果。

4.如权利要求3所述的方法，其特征在于，步骤S14中，所述认知设备根据如下规则得到初步感知结果：

（1）若经由平方器和积分器输出的能量值大于预设的门限值，则判断主用户在当前周期内存在，即主用户状态为繁忙；

（2）若经由平方器和积分器输出的能量值小于预设的门限值，则判断主用户在当前周期内不存在，即主用户状态为空闲。

5.如权利要求1所述的方法，其特征在于，步骤S2具体为：所述认知设备使用滑窗存储机制对前N个感知周期的主用户状态进行统计，并根据所述统计结果得到主用户状态不发生改变的概率值。

6.如权利要求3所述的方法，其特征在于，分别用式（1）和式（2）计算所述探测概率平均值P_d0和虚警概率平均值P_f0：

$P_{d0}=Q\left((\frac{\mathrm{\ϵ}}{{\mathrm{\δ}}_u^2}-\mathrm{\γ}-1)\sqrt{\frac{N}{2\mathrm{\γ}+1}}\right)---\left(1\right)$

$P_{f0}=Q\left((\frac{\mathrm{\ϵ}}{{\mathrm{\δ}}_u^2}-1)\sqrt{N}\right)---\left(2\right)$

其中，Q(.)为Q函数，γ为感知信号的信噪比，ε为所述门限值，N为采样点数、

为噪声方差。

Images