CN105978644A - 基于布谷鸟搜索算法的星地认知系统频谱接入方法 - Google Patents

Abstract

基于布谷鸟搜索算法的星地认知系统频谱接入方法，涉及一种频谱接入方法。本发明是为了解决现有的接入方法搜索速度较慢的问题。本发明基于星地共享频谱网络结构，将可用频谱资源划分为多个子信道，认知用户通过改进的布谷鸟搜索算法对未占用子频段进行快速搜索，动态跳频到未占用频段进行二次利用，并结合动态适应布谷鸟搜索算法的步长控制量α和布谷鸟蛋被宿主鸟发现的概率Pa，不仅可以增加对未占用频段的捕获概率，还可以真正降低多余搜索和提高搜索速度，同时避免算法陷入局部最优解和保证搜索算法收敛速度的提高。本发明适用于通信领域的频谱接入过程。

Description

基于布谷鸟搜索算法的星地认知系统频谱接入方法

技术领域

本发明涉及一种频谱接入方法。

背景技术

空间信息网络是以空间平台为载体，实时获取、传输和处理空间信息的网络系统。作为空间信息网络的两个重要组成部分的地面移动网络和卫星网络都经历了快速的发展。地面移动网络已经经历了1G、2G、3G和4G，目前已经如火如荼的开始了5G的研究。相比而言，卫星网络的发展相对独立并且落后于地面网络。随着认知无线电(cognitive radio,CR)技术在地面通信网络中的深入研究与发展，利用认知无线电技术提高卫星频谱资源利用率逐渐成为卫星通信技术中一个新的研究领域。低效的频谱利用率导致频谱资源的稀缺，频谱空洞的存在使得CR技术可以运用于卫星通信系统的频谱共享中。

实际系统应用中的认知无线电技术要求对信道进行高速检测，以降低认知用户的通信延迟以及防止对主用户的干扰。为了降低捕获到未占用信道的搜索时间，将可共享频段划分为多个子频带，认知用户对这些子频带进行搜索，基于搜索结果运用动态跳频技术进行频谱接入。划分子频带策略可以提高对未占用频带的捕获概率，这会提高卫星通信系统的频谱效率。目前的接入方法是连续搜索法，即依次查找划分的子频带是否被占用，当一次检测完成后重新依次查找划分的子频带是否被占用；这种方法不但搜索未占用信道的速度较慢，而且搜索效率较低。

发明内容

本发明是为了解决现有的接入方法搜索速度较慢的问题。

基于布谷鸟搜索算法的星地认知系统频谱接入方法，包括如下步骤：

步骤1、构建星地认知网络模型，作为认知系统频谱接入的基础：

认知场景示意图如图1所示，将地面固定业务用户作为主用户，将固定地面站作为认知用户，认知用户的上行链路作为感知链路，认知用户的下行链路作为反馈链路；CR感知模块放置在主用户的接收端，CR感知模块对主用户信道进行监测，并将感知结果通过反馈链路反馈给认知用户的发送端；认知用户的发送端采用动态跳频技术机会式接入主用户未占用的频段，并进行业务传输；如果CR感知模块搜索不到可共享频段，认知用户就在下一个时间片内不进行业务传输；感知链路机会式接入未占用的主用户授权频段并对主用户不产生任何干扰；

步骤2、将主用户的可共享授权频段划分为M个窄子信道，Si为第i个子信道，b为单个子信道的带宽；

子信道划分示意图如图2所示，将主用户的可共享授权频段划分为M个窄子信道，Si为第i个子信道，b为单个子信道的带宽，一般子信道的带宽为几十或几百KHz；子信道带宽b不能设置地太大，否则搜索未占用信道的捕获概率会降低；同样，b也不能设置得太小，否则会增加系统复杂性；为了CR感知模块能够最快得将感知结果反馈给认知用户，对未占用信道的感知时间必须缩减到最小，以防止主用户对信道的使用状态发生改变，而造成对授权用户的干扰；

主用户的静态频谱分配示意图如图3所示，设定每个主用户的状态互相独立，并且各个主用户的带宽都是子信道带宽b的整数倍；将主用户的状态转移过程看作马尔科夫过程，如图4所示，在主用户的状态转移过程中只需要关注授权频段是否被主用户占用；(主用户的状态有两个：占用授权频段和不占用授权频段)

步骤3、采用改进型布谷鸟搜索算法对主用户的子信道的位置进行搜索，并通过能量检测算法对搜索到的子信道状态进行检测，确定没有被占用的子信道进行通信；具体过程如下：

如图6所示，

步骤3.1、首先将主用户总的可共享频段划分后的M个子信道作为M个备选的鸟巢；设定子信道状态转移概率Pa的初始值和步长控制量α的初始值；并设定当前迭代代数T_iter和最大迭代代数T_max；

步骤3.2、判断T_iter和T_max的大小；

如果T_iter小于T_max则执行步骤3.3，

否则，结束搜索；

步骤3.3、当前迭代周期内，先根据莱维飞行选择一个子信道Sj，Ns为一次迭代中搜索到未占用信道的搜索次数，每执行一次搜索，Ns的值增加一次，并计算这个子信道的适应度值Fj；执行步骤3.4；

步骤3.4、判断子信道Sj的适应度值Fj和适应度门限值Fthr大小；

如果子信道Sj的适应度值Fj大于适应度门限值Fthr，则说明该子信道未被主用户占用，则执行步骤3.6；

如果子信道Sj的适应度值Fj小于等于适应度门限值Fthr，则说明该子信道被主用户占用，则执行步骤3.5；

步骤3.5、选择上一次迭代周期的最佳子信道Si，令Ns的值增加一次，计算子信道Si当前的适应度值Fi(当前迭代周期的Fi与上一个迭代周期的Fi的值可能不一样，因为信道状态在不断改变)；

判断子信道Si的适应度值Fi与适应度门限值Fthr的大小；

如果子信道Si的适应度值Fi大于适应度门限值Fthr，则将当前的子信道Si标记为当前迭代周期的最佳子信道，并执行步骤3.6；

如果Fi小于等于Fthr，则根据莱维飞行搜索其他子信道，即更新子信道Si的位置，每执行一次搜索，Ns的值增加一次，直到找到未被占用的子信道Si；

步骤3.6、将子信道Sj的适应度值Fj与最佳子信道Si的适应度值Fi进行比较，判断适应度值Fj和适应度值Fi大小，

如果Fj大于Fi，则将子信道Sj替代子信道Si成为当前迭代周期内的最佳子信道；

如果Fj小于等于Fi，则仍然将子信道Si作为当前迭代周期内的最佳子信道；

执行步骤3.7；

步骤3.7、找到最佳子信道之后，记录当前最优解，认知用户可动态跳频到该子信道进行通信，同时令T_iter＝T_iter+1、Ns＝0，更新主用户信道状态，改变步长控制量α和子信道状态转移概率Pa；并返回步骤3.2准备进入下一个迭代周期。

实际频谱利用的情况是稀疏的，所以认知用户才有机会利用主用户未占用的授权频带；并且用户状态的改变情况也是稀疏的，也就是“微分稀疏”，子信道的占用状态在相邻两个迭代周期内一般不会发生变化，所以在每次迭代周期内都与上一次迭代周期的最佳子信道相比较，或者从上一次迭代周期的最佳子信道位置处开始搜索，这样能大大减小搜索次数。

本发明具有以下效果：

本发明提出动态改变步长控制量α和布谷鸟蛋被宿主鸟发现的概率Pa的改进型布谷鸟搜索算法，同时结合划分子信道策略、能量检测算法和动态跳频技术，既提高认知用户对未占用子信道(子频带)的搜索速度，提高搜索效率，也可以缓解频率资源短缺的现状，并且提供更大容量的数据信息传输服务，能够满足星地异构系统更高的融合特性，同时为认知无线电技术能够在卫星系统中实现提供了很好的技术支持。

附图说明

图1为认知场景示意图；

图2为划分子信道示意图；

图3为主用户的静态频谱分配示意图；

图4为主用户状态转移过程示意图；

图5为动态频谱接入策略示意图；

图6为改进型布谷鸟算法流程示意图；

图7为实施例的三种算法搜索到未占用信道的时间比较；

图8为实施例的三种算法的适应度值比较。

具体实施方式

具体实施方式一：结合图5和图6说明本实施方式，

基于布谷鸟搜索算法的星地认知系统频谱接入方法，包括如下步骤：

步骤1、构建星地认知网络模型，作为认知系统频谱接入的基础：

认知场景示意图如图1所示，将地面固定业务用户作为主用户，将固定地面站作为认知用户，认知用户的上行链路作为感知链路，认知用户的下行链路作为反馈链路；CR感知模块放置在主用户的接收端，CR感知模块对主用户信道进行监测，并将感知结果通过反馈链路反馈给认知用户的发送端；认知用户的发送端采用动态跳频技术机会式接入主用户未占用的频段，并进行业务传输；如果CR感知模块搜索不到可共享频段，认知用户就在下一个时间片内不进行业务传输；感知链路机会式接入未占用的主用户授权频段并对主用户不产生任何干扰；

步骤2、将主用户的可共享授权频段划分为M个窄子信道，Si为第i个子信道，b为单个子信道的带宽；

子信道划分示意图如图2所示，将主用户的可共享授权频段划分为M个窄子信道，Si为第i个子信道，b为单个子信道的带宽，一般子信道的带宽为几十或几百KHz；子信道带宽b不能设置地太大，否则搜索未占用信道的捕获概率会降低；同样，b也不同设置得太小，否则会增加系统复杂性；为了CR感知模块能够最快得将感知结果反馈给认知用户，对未占用信道的感知时间必须缩减到最小，以防止主用户对信道的使用状态发生改变，而造成对授权用户的干扰；

主用户的静态频谱分配示意图如图3所示，设定每个主用户的状态互相独立，并且各个主用户的带宽都是子信道带宽b的整数倍；将主用户的状态转移过程看作马尔科夫过程，如图4所示，在主用户的状态转移过程中只需要关注授权频段是否被主用户占用；(主用户的状态有两个：占用授权频段和不占用授权频段)

步骤3、采用改进型布谷鸟搜索算法对主用户的子信道的位置进行搜索，并通过能量检测算法对搜索到的子信道状态进行检测，确定没有被占用的子信道进行通信；具体过程如下：

如图6所示，

步骤3.1、首先将主用户总的可共享频段划分后的M个子信道作为M个备选的鸟巢；设定子信道状态转移概率Pa的初始值和步长控制量α的初始值；并设定当前迭代代数T_iter和最大迭代代数T_max；

步骤3.2、判断T_iter和T_max的大小；

如果T_iter小于T_max则执行步骤3.3，

否则，结束搜索；

步骤3.3、当前迭代周期内，先根据莱维飞行选择一个子信道Sj，Ns为一次迭代中搜索到未占用信道的搜索次数，每执行一次搜索，Ns的值增加一次，并计算这个子信道的适应度值Fj；执行步骤3.4；

步骤3.4、判断子信道Sj的适应度值Fj和适应度门限值Fthr大小；

如果子信道Sj的适应度值Fj大于适应度门限值Fthr，则说明该子信道未被主用户占用，则执行步骤3.6；

如果子信道Sj的适应度值Fj小于等于适应度门限值Fthr，则说明该子信道被主用户占用，则执行步骤3.5；

步骤3.5、选择上一次迭代周期的最佳子信道Si，令Ns的值增加一次，计算子信道Si当前的适应度值Fi(当前迭代周期的Fi与上一个迭代周期的Fi的值可能不一样，因为信道状态在不断改变)；

判断子信道Si的适应度值Fi与适应度门限值Fthr的大小；

如果子信道Si的适应度值Fi大于适应度门限值Fthr，则将当前的子信道Si标记为当前迭代周期的最佳子信道，并执行步骤3.6；

如果Fi小于等于Fthr，则根据莱维飞行搜索其他子信道，即更新子信道Si的位置，每执行一次搜索，Ns的值增加一次，直到找到未被占用的子信道Si；

步骤3.6、将子信道Sj的适应度值Fj与最佳子信道Si的适应度值Fi进行比较，判断适应度值Fj和适应度值Fi大小，

如果Fj大于Fi，则将子信道Sj替代子信道Si成为当前迭代周期内的最佳子信道；

如果Fj小于等于Fi，则仍然将子信道Si作为当前迭代周期内的最佳子信道；

执行步骤3.7；

步骤3.7、找到最佳子信道之后，记录当前最优解，认知用户可动态跳频到该子信道进行通信，同时令T_iter＝T_iter+1、Ns＝0，更新主用户信道状态，改变步长控制量α和子信道状态转移概率Pa；并返回步骤3.2准备进入下一个迭代周期。

实际频谱利用的情况是稀疏的，所以认知用户才有机会利用主用户未占用的授权频带；并且用户状态的改变情况也是稀疏的，也就是“微分稀疏”，子信道的占用状态在相邻两个迭代周期内一般不会发生变化，所以在每次迭代周期内都与上一次迭代周期的最佳子信道相比较，或者从上一次迭代周期的最佳子信道位置处开始搜索，这样能大大减小搜索次数。

具体实施方式二：

本实施方式步骤3.3中所述的选择一个子信道的具体过程如下：

在改进型布谷鸟搜索算法中，布谷鸟代表认知用户，宿主代表主用户，鸟巢代表M个子信道；Pa为子信道的信道状态转移概率(子信道由未被占用转移到被占用的概率)；对于不符合条件的鸟巢，可在下个迭代期重新选其它的位置建立新的符合条件的鸟巢，即寻找其他未被占用的子信道；

生成新的鸟巢位置x_i(T_iter+1)如公式(1)所示，莱维飞行如公式(2)所示；

x_i(T_iter+1)＝x_i(T_iter)+α⊕Lévy(λ) (1)

其中，T_iter表示当前迭代代数，λ是一个常数；x_i(T_iter)表示子第i个子信道在第T_iter次迭代的位置；新的子信道位置x_i(T_iter+1)由莱维飞行产生。

其它步骤及参数与具体实施方式一相同。

具体实施方式三：

本实施方式步骤3.4所述判断子信道Sj的适应度值Fj和适应度门限值Fthr大小确定子信道是否未被主用户占用的同时需要计算发现概率Pd和虚警概率Pf，具体过程如下：

认知用户的发送端的发送端检测算法大致可分为三类：匹配滤波器检测算法，周期平稳性检测算法和能量检测算法；其中匹配滤波器检测算法需要输入信号的先验知识，这在实际应用中其实很难实现；周期平稳检测依赖于信号频率的周期特性来区分信号，实现起来比较复杂；能量检测算法虽然不能区分信号的类别，但可以确定信号的有无，这在本发明的认知场景中非常适用；本发明的CR感知模块主要负责检测主用户是否占用信道，所以我们可以采用能量检测算法来确定子信道的质量；

能量检测算法中对信道状态有两个假设：H₀表示在检测频段上无授权用户的信号；H₁表示在检测频段上存在授权用户信号或者其它干扰信号；

将CR感知模块接收到的信号可表示为y(t)，如式(3)所示，

$y\left(t\right)=\left\{\begin{array}{cc}n\left(t\right),& H_0\\ s\left(t\right)+n\left(t\right),& H_1\end{array}\right.---\left(3\right)$

其中，s(t)表示主用户信号，n(t)表示该信道中的高斯白噪声；

为了检测接收信号y(t)的信号能量，将y(t)通过带宽为W的带通滤波器，并将输出信号平方后在时隙T内求积分，得到y(t)的信号能量Y_i；最后将Y_i与信号能量门限值Y_thr作比较来确定主用户信号是否存在；CR感知模块的频谱感知决策基准可表示为式(4)：

计算发现概率Pd和虚警概率Pf，如式(5)、(6)所示：

$P_d=P\{Y_i>Y_{thr}|H_1\}=Q_m(\sqrt{2\mathrm{\γ}},\sqrt{Y_{thr}})---\left(5\right)$

$P_f=P\{Y_i>Y_{thr}|H_0\}=\frac{\mathrm{\Γ}(m,Y_{thr}/2)}{\mathrm{\Γ}\left(m\right)}---\left(6\right)$

其中，γ表示信噪比，m＝TW是时间带宽积；Γ(·)和Γ(·,·)分别表示完全和不完全的γ函数，Q_m(·)表示广义马坎Q函数，并且Y_thr可由式(7)给出：

$Y_{thr}={\mathrm{\σ}}_w^2(N+\sqrt{2N}{Q}^{-1}(P_f\left)\right)---\left(7\right)$

其中，σ_w是信号的方差，N是采样点数，Q(P_f)表示Q函数。

很明显，发现概率Pd会随着子信道带宽的增加而增加，但同时也会增加对单个子信道的感知时间，所以我们需要权衡考虑检测性能和检测时间。

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：

本实施方式步骤3.7中所述的改变步长控制量α和子信道状态转移概率Pa的具体过程如下：

步长控制量α决定随机搜索的范围，以避免算法陷入局部最优解；莱维飞行属于随机游走的一种，其步长满足一个重尾的稳定分布；在过去的研究中，α和Pa的值一般设置为固定常量，这会导致每次迭代的搜索都互相独立；如果α和Pa的值设置得太大，算法的收敛速率将会降低；而如果α和Pa的值设置得太小，算法容易陷入局部最优解；适宜的Pa应该随着搜索迭代次数的增加而逐渐减小，本发明采用余弦递减策略实现Pa的动态变化；同样α的值也随着迭代次数的增加而减小；

$Pa\left(T_{iter}\right)={\mathrm{Pa}}_{max}\·cos(\frac{\mathrm{\π}}{2}\·\frac{T_{iter}-1}{T_{\max }-1})+{\mathrm{Pa}}_{min}---\left(8\right)$

$\begin{array}{c}\mathrm{\&alpha;}\left(T_{iter}\right)={\mathrm{\&alpha;}}_{\max }\&CenterDot;\exp (c\&CenterDot;T_{iter})\\ \mathrm{\&mu;}=T_{iter}^{-\mathrm{\&lambda;}},1<\mathrm{\&lambda;}\&le;3\end{array}---\left(9\right)$

其中，T_max为最大迭代代数；Pa_max为子信道状态转移概率Pa的最大值，Pa_min为子信道状态转移概率Pa的最小值；ln(·)表示对数函数，α_max为步长控制量α的最大值，α_min为步长控制量α的最小值。

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：

本实施方式步骤3.3中所述的计算子信道适应度值的具体过程如下：

设定目标函数为B(目标函数就是这个布谷鸟搜索算法的衡量标准，用来评估备选鸟巢的好坏)，设定适应度函数Fi的值等于目标函数的值，如式(10)、(11)所示：

Max B＝Pr(T_iter)+δ(Y_i-Y_thr) (10)

$\mathrm{\&delta;}(Y_i-Y_{thr})=\left\{\begin{array}{cc}1,& Y_i>Y_{thr}\\ 0,& Y_i\&le;Y_{thr}\end{array}\right.---\left(11\right)$

其中，Y_i为CR感知模块接收到信号y(t)的信号能量，Y_thr为信号能量门限值；Pr(·)表示对未占用子信道的检测速度函数，并且Pr(T_iter)∈(0,1)；要达到符合要求的检测速度，必须使得搜索到未占用子信道的次数最小；设定Ns为一次迭代中搜索到未占用信道的搜索次数，那么定义Pr(·)如式(12)所示，

$\mathrm{Pr}\left(T_{iter}\right)=\frac{b_0}{Ns\&CenterDot;b}---\left(12\right)$

其中，b表示子信道的带宽(b越大，对单个子信道检测的时间越长)；b₀为一个常数，b₀≤b。

其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：

本实施方式步骤3.4中所述的适应度门限值Fthr的计算过程如下：

$Fthr=\frac{b_0}{M\&CenterDot;b}+1---\left(13\right)$

其它步骤及参数与具体实施方式一至五之一相同。

具体实施方式七：

本实施方式步骤3.1所述子信道状态转移概率Pa的初始值设置为0.3，步长控制量α的初始值设置为1。

其它步骤及参数与具体实施方式一至六之一相同。

实施例

目前，现有的布谷鸟搜索技术还未应用于认知无线电领域，并且在其他领域的应用中多是基于静态的搜索步长控制量α与布谷鸟蛋被宿主鸟发现的概率Pa，而没有考虑到系统参量的变化与局部最优的限制。

利用本发明进行仿真实验，同时实验也将未经过改进的布谷鸟搜索技术和传统的连续搜索技术应用在频谱接入过程中，对三种方法进行了对比实验，三种算法搜索到未占用信道的时间比较如图7所示，三种算法的适应度值比较如图8所示。

通过对比实验，明显可以看出：

当子信道数为32时，本发明搜索时间为连续搜索技术的50.0％左右，为未经过改进的布谷鸟搜索技术的71.4％左右；当子信道数为512时，本发明搜索时间为连续搜索技术的38.4％左右，为未经过改进的布谷鸟搜索技术的62.3％左右。

并且当迭代次数为4000次以上，本发明的适应度函数的值已经明显优于其他两种方法。

本发明提出动态改变步长控制量α和布谷鸟蛋被宿主鸟发现的概率Pa的改进型布谷鸟搜索算法，同时结合划分子信道策略、能量检测算法和动态跳频技术，既提高认知用户对未占用子信道(子频带)的搜索速度，提高搜索效率，也可以缓解频率资源短缺的现状，并且提供更大容量的数据信息传输服务，能够满足星地异构系统更高的融合特性，同时为认知无线电技术能够在卫星系统中实现提供了很好的技术支持。

Claims (10)

1.基于布谷鸟搜索算法的星地认知系统频谱接入方法，其特征在于包括如下步骤：

步骤1、构建星地认知网络模型：

将地面固定业务用户作为主用户，将固定地面站作为认知用户，认知用户的上行链路作为感知链路，认知用户的下行链路作为反馈链路；CR感知模块放置在主用户的接收端，CR感知模块对主用户信道进行监测，并将感知结果通过反馈链路反馈给认知用户的发送端；

步骤2、将主用户的可共享授权频段划分为M个窄子信道，Si为第i个子信道，b为单个子信道的带宽；

步骤3、采用改进型布谷鸟搜索算法对主用户的子信道的位置进行搜索，并通过能量检测算法对搜索到的子信道状态进行检测，确定没有被占用的子信道进行通信；具体过程如下：

步骤3.1、首先将主用户总的可共享频段划分后的M个子信道作为M个备选的鸟巢；设定子信道状态转移概率Pa的初始值和步长控制量α的初始值；并设定当前迭代代数T_iter和最大迭代代数T_max；

步骤3.2、判断T_iter和T_max的大小；

如果T_iter小于T_max则执行步骤3.3，

否则，结束搜索；

步骤3.3、当前迭代周期内，先根据莱维飞行选择一个子信道Sj，Ns为一次迭代中搜索到未占用信道的搜索次数，每执行一次搜索，Ns的值增加一次，并计算这个子信道的适应度值Fj；执行步骤3.4；

步骤3.4、判断子信道Sj的适应度值Fj和适应度门限值Fthr大小；

如果子信道Sj的适应度值Fj大于适应度门限值Fthr，则说明该子信道未被主用户占用，则执行步骤3.6；

如果子信道Sj的适应度值Fj小于等于适应度门限值Fthr，则说明该子信道被主用户占用，则执行步骤3.5；

步骤3.5、选择上一次迭代周期的最佳子信道Si，令Ns的值增加一次，计算子信道Si当前的适应度值Fi；

判断子信道Si的适应度值Fi与适应度门限值Fthr的大小；

如果子信道Si的适应度值Fi大于适应度门限值Fthr，则将当前的子信道Si标记为当前迭代周期的最佳子信道，并执行步骤3.6；

如果Fi小于等于Fthr，则根据莱维飞行搜索其他子信道，即更新子信道Si的位置，每执行一次搜索，Ns的值增加一次，直到找到未被占用的子信道Si；

步骤3.6、将子信道Sj的适应度值Fj与最佳子信道Si的适应度值Fi进行比较，判断适应度值Fj和适应度值Fi大小，

如果Fj大于Fi，则将子信道Sj替代子信道Si成为当前迭代周期内的最佳子信道；

如果Fj小于等于Fi，则仍然将子信道Si作为当前迭代周期内的最佳子信道；

执行步骤3.7；

步骤3.7、找到最佳子信道之后，记录当前最优解，认知用户可动态跳频到该子信道进行通信，同时令T_iter＝T_iter+1、Ns＝0，更新主用户信道状态，改变步长控制量α和子信道状态转移概率Pa；并返回步骤3.2准备进入下一个迭代周期。

2.根据权利要求1所述的基于布谷鸟搜索算法的星地认知系统频谱接入方法，其特征在于步骤3.3中所述的选择一个子信道的具体过程如下：

在改进型布谷鸟搜索算法中，布谷鸟代表认知用户，宿主代表主用户，鸟巢代表M个子信道；Pa为子信道的信道状态转移概率；对于不符合条件的鸟巢，在下个迭代期重新选其它的位置建立新的符合条件的鸟巢，即寻找其他未被占用的子信道；

生成新的鸟巢位置x_i(T_iter+1)如公式(1)所示，莱维飞行如公式(2)所示；

x_i(T_iter+1)＝x_i(T_iter)+α⊕Lévy(λ) (1)

其中，T_iter表示当前迭代代数，λ是一个常数；x_i(T_iter)表示子第i个子信道在第T_iter次迭代的位置；新的子信道位置x_i(T_iter+1)由莱维飞行产生。

3.根据权利要求2所述的基于布谷鸟搜索算法的星地认知系统频谱接入方法，其特征在于步骤3.4所述判断子信道Sj的适应度值Fj和适应度门限值Fthr大小确定子信道是否未被主用户占用的同时需要计算发现概率Pd和虚警概率Pf，具体过程如下：

能量检测算法中对信道状态有两个假设：H₀表示在检测频段上无授权用户的信号；H₁表示在检测频段上存在授权用户信号或者其它干扰信号；

将CR感知模块接收到的信号可表示为y(t)，如式(3)所示，

$y\left(t\right)=\left\{\begin{array}{cc}n\left(t\right),& H_0\\ s\left(t\right)+n\left(t\right),& H_1\end{array}\right.---\left(3\right)$

其中，s(t)表示主用户信号，n(t)表示该信道中的高斯白噪声；

将y(t)通过带宽为W的带通滤波器，并将输出信号平方后在时隙T内求积分，得到y(t)的信号能量Y_i；最后将Y_i与信号能量门限值Y_thr作比较来确定主用户信号是否存在；CR感知模块的频谱感知决策基准可表示为式(4)：

计算发现概率Pd和虚警概率Pf，如式(5)、(6)所示：

$P_d=P\{Y_i>Y_{thr}|H_1\}=Q_m(\sqrt{2\mathrm{\&gamma;}},\sqrt{Y_{thr}})---\left(5\right)$

$P_f=P\{Y_i>Y_{thr}|H_0\}=\frac{\mathrm{\&Gamma;}(m,Y_{thr}/2)}{\mathrm{\&Gamma;}\left(m\right)}---\left(6\right)$

其中，γ表示信噪比，m＝TW是时间带宽积；Γ(·)和Γ(·,·)分别表示完全和不完全的γ函数，Q_m(·)表示广义马坎Q函数，并且Y_thr可由式(7)给出：

$Y_{thr}={\mathrm{\&sigma;}}_w^2(N+\sqrt{2N}{Q}^{-1}(P_f\left)\right)---\left(7\right)$

其中，σ_w是信号的方差，N是采样点数，Q(P_f)表示Q函数。

4.根据权利要求1、2或3所述的基于布谷鸟搜索算法的星地认知系统频谱接入方法，其特征在于步骤3.7中所述的改变步长控制量α和子信道状态转移概率Pa的具体过程如下：

$Pa\left(T_{iter}\right)={\mathrm{Pa}}_{max}\&CenterDot;cos(\frac{\mathrm{\&pi;}}{2}\&CenterDot;\frac{T_{iter}-1}{T_{\max }-1})+{\mathrm{Pa}}_{\min }---\left(8\right)$

$\begin{array}{c}\mathrm{\&alpha;}\left(T_{iter}\right)={\mathrm{\&alpha;}}_{\max }\&CenterDot;\exp \left(c\&CenterDot;T_{iter}\right)\\ \mathrm{\&mu;}=T_{iter}^{-\mathrm{\&lambda;}},1<\mathrm{\&lambda;}\&le;3\end{array}---\left(9\right)$

其中，T_max为最大迭代代数；Pa_max为子信道状态转移概率Pa的最大值，Pa_min为子信道状态转移概率Pa的最小值；ln(·)表示对数函数，α_max为步长控制量α的最大值，α_min为步长控制量α的最小值。

5.根据权利要求4所述的基于布谷鸟搜索算法的星地认知系统频谱接入方法，其特征在于步骤3.3中所述的计算子信道适应度值的具体过程如下：

设定目标函数为B，设定适应度函数Fi的值等于目标函数的值，如式(10)、(11)所示：

Max B＝Pr(T_iter)+δ(Y_i-Y_thr) (10)

$\mathrm{\&delta;}(Y_i-Y_{thr})=\left\{\begin{array}{cc}1,& Y_i>Y_{thr}\\ 0,& Y_i\&le;Y_{thr}\end{array}\right.---\left(11\right)$

其中，Y_i为CR感知模块接收到信号y(t)的信号能量，Y_thr为信号能量门限值；Pr(·)表示对未占用子信道的检测速度函数，并且Pr(T_iter)∈(0,1)；设定Ns为一次迭代中搜索到未占用信道的搜索次数，Pr(·)如式(12)所示，

$\mathrm{Pr}\left(T_{iter}\right)=\frac{b_0}{Ns\&CenterDot;b}---\left(12\right)$

其中，b表示子信道的带宽；b₀为一个常数，b₀≤b。

6.根据权利要求5所述的基于布谷鸟搜索算法的星地认知系统频谱接入方法，其特征在于步骤3.4中所述的适应度门限值Fthr的计算过程如下：

$Fthr=\frac{b_0}{M\&CenterDot;b}+1---\left(13\right).$

7.根据权利要求1、2或3所述的基于布谷鸟搜索算法的星地认知系统频谱接入方法，其特征在于步骤3.1所述子信道状态转移概率Pa的初始值设置为0.3，步长控制量α的初始值设置为1。

8.根据权利要求4所述的基于布谷鸟搜索算法的星地认知系统频谱接入方法，其特征在于步骤3.1所述子信道状态转移概率Pa的初始值设置为0.3，步长控制量α的初始值设置为1。

9.根据权利要求5所述的基于布谷鸟搜索算法的星地认知系统频谱接入方法，其特征在于步骤3.1所述子信道状态转移概率Pa的初始值设置为0.3，步长控制量α的初始值设置为1。

10.根据权利要求6所述的基于布谷鸟搜索算法的星地认知系统频谱接入方法，其特征在于步骤3.1所述子信道状态转移概率Pa的初始值设置为0.3，步长控制量α的初始值设置为1。