CN110289925B - 一种判决后变分推断估计主用户占空比的方法 - Google Patents

一种判决后变分推断估计主用户占空比的方法 Download PDF

Info

Publication number
CN110289925B
CN110289925B CN201910484681.6A CN201910484681A CN110289925B CN 110289925 B CN110289925 B CN 110289925B CN 201910484681 A CN201910484681 A CN 201910484681A CN 110289925 B CN110289925 B CN 110289925B
Authority
CN
China
Prior art keywords
time slot
duty ratio
calculating
current time
channel
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
CN201910484681.6A
Other languages
English (en)
Other versions
CN110289925A (zh
Inventor
何鸣
金明
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.)
Ningbo University
Original Assignee
Ningbo University
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 Ningbo University filed Critical Ningbo University
Priority to CN201910484681.6A priority Critical patent/CN110289925B/zh
Publication of CN110289925A publication Critical patent/CN110289925A/zh
Application granted granted Critical
Publication of CN110289925B publication Critical patent/CN110289925B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种判决后变分推断估计主用户占空比的方法，其在认知无线电系统中，对当前时隙内的信号进行等时间间隔的采样；计算当前时隙内采样得到的所有样本的平均功率；根据预先设置的虚警概率，计算门限值；根据当前时隙内采样得到的所有样本的平均功率和门限值，确定信道可用性；采用变分推断方法，推断出用于估计主用户占空比的Beta分布的两个参数及与信道可用性相关联的Bernoulli分布的一个参数；若下一个时隙不继续采样，则根据计算得到的三个参数计算主用户占空比的估计值；若下一个时隙继续采样，则计算下一个时隙内采样得到的所有样本的平均功率，进而更新三个参数；优点是其能够准确估计出主用户占空比，同时能够降低认知无线电网络的成本。

Description

一种判决后变分推断估计主用户占空比的方法
技术领域
本发明涉及一种认知无线电技术，尤其是涉及一种判决后变分推断估计主用户占空比的方法，其先对每个时隙的状态进行判决，再通过变分推断估计主用户占空比。
背景技术
无线电频谱资源的有限性与人们对无线电频谱资源需求的大幅提升，构成了当今无线通信发展的一大矛盾。大量的研究表明现有的固定频谱资源分配策略使得频谱资源无法得到充分的利用，而充分提高频谱资源的利用率将有效缓解上述矛盾。动态频谱接入技术为提高频谱资源的利用率和缓解频谱资源短缺问题提供了一种可行的方案。动态频谱接入是指无线设备能够与所处通信环境进行交互并根据交互结果改变自身传输参数，从而实现以动态、自适应的方式灵活地利用潜在的空闲频谱。认知无线电是动态频谱接入的一项关键技术，它的性能受到频谱感知和信道选择性能的影响。不正确地识别频谱机会，再加上随后的次优信道选择，将导致认知无线电网络不必要的延迟、吞吐量的降低和整体性能的下降。主用户流量信息的获取可以显著提高次级用户的频谱感知和信道选择性能。表征主用户流量特征的一个关键参数是占空比，它表示主用户信号对许可信道的占用率。
为了提高频谱资源的利用率，主用户占空比的估计至关重要。现有的主用户占空比估计方法有平均估计法、加权估计法和贝叶斯估计方法。平均估计法将门限值与连续的多个时隙内的样本功率作比较，计算出功率大于门限值的时隙所占的比例，作为估计出的主用户占空比。加权估计法在平均估计法的基础上，对每个时隙的判决结果赋予一个权重。贝叶斯估计方法通过求出主用户占空比的后验概率来估计主用户占空比。上述三种方法都需要将连续的多个时隙内的信号采样值全部存储下来，再一起进行处理，然而这会增加认知无线电网络的成本。
发明内容
本发明所要解决的技术问题是提供一种判决后变分推断估计主用户占空比的方法，其能够准确估计出主用户占空比，同时能够降低认知无线电网络的成本。
本发明解决上述技术问题所采用的技术方案为：一种判决后变分推断估计主用户占空比的方法，其特征在于处理过程为：在认知无线电系统中，对当前时隙内的信号进行等时间间隔的采样；计算当前时隙内采样得到的所有样本的平均功率；根据预先设置的虚警概率，计算门限值；根据当前时隙内采样得到的所有样本的平均功率和门限值，确定信道可用性；采用变分推断方法，推断出用于估计主用户占空比的Beta分布的两个参数及与信道可用性相关联的Bernoulli分布的一个参数；若下一个时隙不继续采样，则根据计算得到的三个参数计算主用户占空比的估计值；若下一个时隙继续采样，则计算下一个时隙内采样得到的所有样本的平均功率，进而更新三个参数。
该判决后变分推断估计主用户占空比的方法具体包括以下步骤：
步骤1：在认知无线电系统中，将当前待处理的时隙定义为当前时隙；
步骤2：对当前时隙内的信号进行等时间间隔的采样，采样得到K个样本，将采样得到的第k个样本记为r(k)；其中，K和k均为正整数，K≥100，k的初始值为1，1≤k≤K；
步骤3：计算当前时隙内采样得到的所有样本的平均功率，记为x，
Figure BDA0002084997470000031
其中，符号“”为求复数的模值运算符号；
步骤4：根据预先设置的虚警概率，计算门限值，记为λ，
Figure BDA0002084997470000032
其中，
Figure BDA0002084997470000033
表示噪声功率，Pf表示预先设置的虚警概率，Q-1()表示标准正态分布的互补累计分布函数的逆函数；
步骤5：比较x和λ，得到判决结果，若x≥λ则认为信道不可用，若x＜λ则认为信道可用；然后根据判决结果，确定信道可用性，记为z，若判决结果为信道不可用，则令z＝0；若判决结果为信道可用，则令z＝1；
步骤6：将用于估计主用户占空比的Beta分布的两个参数对应记为a0和a1，并将与信道可用性z相关联的Bernoulli分布的一个参数记为η；然后通过变分推断方法，计算a0、a1和η，
Figure BDA0002084997470000034
η＝η0+exp(zψ(a1)+(1-z)ψ(a0)-ψ(a1+a0))；其中，
Figure BDA0002084997470000035
和
Figure BDA0002084997470000036
的初始值均为1，η0的初始值为区间(0,1)内的一个任意实数，exp()表示以自然常数e为底的指数函数，ψ()表示Digamma函数；
步骤7：判断是否对下一个时隙继续采样，如果是，则将a0赋值给
Figure BDA0002084997470000037
将a1赋值给
Figure BDA0002084997470000038
将η赋值给η0，然后将下一个待处理的时隙作为当前时隙，再返回步骤2继续执行，同时删除前一个时隙的数据；否则，计算主用户占空比的估计值，记为u，
Figure BDA0002084997470000039
与现有技术相比，本发明的优点在于：
1)本发明方法只需要当前时隙内采样得到的所有样本，减少了内存的使用，节约了认知无线电网络的成本。
2)本发明方法在接收到新的数据即当前时隙内采样得到的所有样本时会自动对用于估计主用户占空比的Beta分布的两个参数和与信道可用性相关联的Bernoulli分布的一个参数进行更新，是一个学习过程，可以不断地从新的数据中提取有用信息来优化估计的结果。
3)本发明方法通过变分推断很好地提取了采集到的数据中的有用信息，从而准确推断出估计主用户占空比所需的Beta分布，再通过Beta分布对主用户占空比进行估计，可以准确地估计出主用户占空比。
附图说明
图1为本发明方法的总体实现流程框图；
图2为分别利用本发明方法和现有的平均估计法得到的主用户占空比的估计值的均方误差随信噪比变化的曲线对比图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种判决后变分推断估计主用户占空比的方法，其总体实现流程框图如图1所示，其特征在于处理过程为：在认知无线电系统中，对当前时隙内的信号进行等时间间隔的采样；计算当前时隙内采样得到的所有样本的平均功率；根据预先设置的虚警概率，计算门限值；根据当前时隙内采样得到的所有样本的平均功率和门限值，确定信道可用性；采用变分推断方法，推断出用于估计主用户占空比的Beta分布的两个参数及与信道可用性相关联的Bernoulli分布的一个参数；若下一个时隙不继续采样，则根据计算得到的三个参数计算主用户占空比的估计值；若下一个时隙继续采样，则计算下一个时隙内采样得到的所有样本的平均功率，进而更新三个参数。
本发明的一种判决后变分推断估计主用户占空比的方法，其具体包括以下步骤：
步骤1：在认知无线电系统中，将当前待处理的时隙定义为当前时隙。
步骤2：对当前时隙内的信号进行等时间间隔的采样，采样得到K个样本，将采样得到的第k个样本记为r(k)；其中，K和k均为正整数，K≥100，如取K＝100，k的初始值为1，1≤k≤K。
步骤3：计算当前时隙内采样得到的所有样本的平均功率，记为x，
Figure BDA0002084997470000051
其中，符号“”为求复数的模值运算符号。
步骤4：根据预先设置的虚警概率，计算门限值，记为λ，
Figure BDA0002084997470000052
其中，
Figure BDA0002084997470000053
表示噪声功率，
Figure BDA0002084997470000054
可以通过现有技术获得，Pf表示预先设置的虚警概率，虚警概率一般设置为0.01，即取Pf＝0.01，Q-1()表示标准正态分布的互补累计分布函数的逆函数。
步骤5：比较x和λ，得到判决结果，若x≥λ则认为信道不可用，若x＜λ则认为信道可用；然后根据判决结果，确定信道可用性，记为z，若判决结果为信道不可用，则令z＝0；若判决结果为信道可用，则令z＝1。
步骤6：将用于估计主用户占空比的Beta分布的两个参数对应记为a0和a1，并将与信道可用性z相关联的Bernoulli分布的一个参数记为η；然后通过变分推断方法，计算a0、a1和η，
Figure BDA0002084997470000061
η＝η0+exp(zψ(a1)+(1-z)ψ(a0)-ψ(a1+a0))；其中，
Figure BDA0002084997470000062
和
Figure BDA0002084997470000063
的初始值均为1，η0的初始值为区间(0,1)内的一个任意实数，如取η0＝0.5，exp()表示以自然常数e为底的指数函数，ψ()表示Digamma函数。
步骤7：判断是否对下一个时隙继续采样，如果是，则将a0赋值给
Figure BDA0002084997470000064
将a1赋值给
Figure BDA0002084997470000065
将η赋值给η0，然后将下一个待处理的时隙作为当前时隙，再返回步骤2继续执行，同时删除前一个时隙的数据；否则，计算主用户占空比的估计值，记为u，
Figure BDA0002084997470000066
通过以下仿真来进一步说明本发明方法的可行性和有效性。
图2给出了分别利用本发明方法和现有的平均估计法得到的主用户占空比的估计值的均方误差随信噪比变化的曲线对比图。在仿真中，取K＝100，主用户的信噪比由小到大从-10dB到10dB变化，真实的主用户占空比为0.3；
Figure BDA0002084997470000067
和
Figure BDA0002084997470000068
的初始值均设为1，η0的初始值设为0.5。从图2中可以看出，这两种方法估计出来的主用户占空比的均方误差都随着信噪比的增加而减小，但在信噪比较小的情况下，本发明方法的均方误差明显小于现有的平均估计法的均方误差，并且本发明方法在处理下一个时隙时可以将前一个时隙的数据删除掉，使得本发明方法所占用的内存少，因此本发明方法优于平均估计法。

Claims (1)

1.一种判决后变分推断估计主用户占空比的方法，其特征在于处理过程为：在认知无线电系统中，对当前时隙内的信号进行等时间间隔的采样；计算当前时隙内采样得到的所有样本的平均功率；根据预先设置的虚警概率，计算门限值；根据当前时隙内采样得到的所有样本的平均功率和门限值，确定信道可用性；采用变分推断方法，推断出用于估计主用户占空比的Beta分布的两个参数及与信道可用性相关联的Bernoulli分布的一个参数；若下一个时隙不继续采样，则根据计算得到的三个参数计算主用户占空比的估计值；若下一个时隙继续采样，则计算下一个时隙内采样得到的所有样本的平均功率，进而更新三个参数；
该方法具体包括以下步骤：
步骤1：在认知无线电系统中，将当前待处理的时隙定义为当前时隙；
步骤2：对当前时隙内的信号进行等时间间隔的采样，采样得到K个样本，将采样得到的第k个样本记为r(k)；其中，K和k均为正整数，K≥100，k的初始值为1，1≤k≤K；
步骤3：计算当前时隙内采样得到的所有样本的平均功率，记为x，
Figure FDA0003003459430000011
其中，符号“| |”为求复数的模值运算符号；
步骤4：根据预先设置的虚警概率，计算门限值，记为λ，
Figure FDA0003003459430000012
其中，
Figure FDA0003003459430000013
表示噪声功率，Pf表示预先设置的虚警概率，Q-1()表示标准正态分布的互补累计分布函数的逆函数；
步骤5：比较x和λ，得到判决结果，若x≥λ则认为信道不可用，若x＜λ则认为信道可用；然后根据判决结果，确定信道可用性，记为z，若判决结果为信道不可用，则令z＝0；若判决结果为信道可用，则令z＝1；
步骤6：将用于估计主用户占空比的Beta分布的两个参数对应记为a0和a1，并将与信道可用性z相关联的Bernoulli分布的一个参数记为η；然后通过变分推断方法，计算a0、a1和η，
Figure FDA0003003459430000021
Figure FDA0003003459430000022
其中，
Figure FDA0003003459430000023
和
Figure FDA0003003459430000024
的初始值均为1，η0的初始值为区间(0,1)内的一个任意实数，exp()表示以自然常数e为底的指数函数，ψ()表示Digamma函数；
步骤7：判断是否对下一个时隙继续采样，如果是，则将a0赋值给
Figure FDA0003003459430000025
将a1赋值给
Figure FDA0003003459430000026
将η赋值给η0，然后将下一个待处理的时隙作为当前时隙，再返回步骤2继续执行，同时删除前一个时隙的数据；否则，计算主用户占空比的估计值，记为u，
Figure FDA0003003459430000027
CN201910484681.6A 2019-06-05 2019-06-05 一种判决后变分推断估计主用户占空比的方法 Active CN110289925B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910484681.6A CN110289925B (zh) 2019-06-05 2019-06-05 一种判决后变分推断估计主用户占空比的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910484681.6A CN110289925B (zh) 2019-06-05 2019-06-05 一种判决后变分推断估计主用户占空比的方法

Publications (2)

Publication Number Publication Date
CN110289925A CN110289925A (zh) 2019-09-27
CN110289925B true CN110289925B (zh) 2021-06-11

Family

ID=68003379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910484681.6A Active CN110289925B (zh) 2019-06-05 2019-06-05 一种判决后变分推断估计主用户占空比的方法

Country Status (1)

Country Link
CN (1) CN110289925B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103885050A (zh) * 2014-03-20 2014-06-25 西安电子科技大学 基于缩放字典的回波信号参数估计方法
CN104320649A (zh) * 2014-11-04 2015-01-28 北京邮电大学 一种基于全概率模型的多视点深度图增强系统
CN104915527A (zh) * 2015-07-15 2015-09-16 哈尔滨工业大学 一种基于变分积分离散拉格朗日模型的Buck-Boost变换器建模与非线性分析方法
CN106295653A (zh) * 2016-07-29 2017-01-04 宁波大学 一种水质图像分类方法
CN107370693A (zh) * 2017-08-07 2017-11-21 电子科技大学 大规模mimo系统和dp先验下多用户信道估计方法
CN109219055A (zh) * 2018-10-19 2019-01-15 宁波大学 一种主用户占空比估计方法
CN105931271B (zh) * 2016-05-05 2019-01-18 华东师范大学 一种基于变分bp-hmm的人的行为轨迹识别方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130201316A1 (en) * 2012-01-09 2013-08-08 May Patents Ltd. System and method for server based control
JP6131579B2 (ja) * 2012-11-28 2017-05-24 セイコーエプソン株式会社 表示装置及び表示装置の制御方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103885050A (zh) * 2014-03-20 2014-06-25 西安电子科技大学 基于缩放字典的回波信号参数估计方法
CN104320649A (zh) * 2014-11-04 2015-01-28 北京邮电大学 一种基于全概率模型的多视点深度图增强系统
CN104915527A (zh) * 2015-07-15 2015-09-16 哈尔滨工业大学 一种基于变分积分离散拉格朗日模型的Buck-Boost变换器建模与非线性分析方法
CN105931271B (zh) * 2016-05-05 2019-01-18 华东师范大学 一种基于变分bp-hmm的人的行为轨迹识别方法
CN106295653A (zh) * 2016-07-29 2017-01-04 宁波大学 一种水质图像分类方法
CN107370693A (zh) * 2017-08-07 2017-11-21 电子科技大学 大规模mimo系统和dp先验下多用户信道估计方法
CN109219055A (zh) * 2018-10-19 2019-01-15 宁波大学 一种主用户占空比估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An empirical study of stochastic variational algorithms for the beta bernoulli process;Amar Shah 等;《Computer Science》;20150626;正文第1-8页 *
无线传感器网络中时变稀疏信号重构;彭嫔;《中国优秀硕士学位论文全文库》;20180715;全文 *

Also Published As

Publication number Publication date
CN110289925A (zh) 2019-09-27

Similar Documents

Publication Publication Date Title
CN106549722B (zh) 一种基于历史感知信息的双门限能量检测方法
CN109347584B (zh) 基于指数平滑预测的频谱感知方法
CN103987056A (zh) 基于大数据统计模型的无线网络话务量预测方法
CN102984711A (zh) 基于单比特压缩感知技术的多用户协作频谱感知方法
CN113014340A (zh) 一种基于神经网络的卫星频谱资源动态分配方法
CN109039505B (zh) 一种认知无线电网络中信道状态转移概率预测方法
CN103117820A (zh) 基于可信度的加权协作频谱检测方法
Li et al. A two-step spectrum sensing scheme for cognitive radio networks
CN112968739B (zh) 一种短波应急通信信道评估分配方法及系统
Tehrani et al. Asymptotically efficient multichannel estimation for opportunistic spectrum access
CN109219055B (zh) 一种主用户占空比估计方法
CN113572708A (zh) 一种dft信道估计改进方法
Nadeem et al. Non-cooperative spectrum sensing in context of primary user detection: A review
CN110289925B (zh) 一种判决后变分推断估计主用户占空比的方法
Liu et al. An adaptive double thresholds scheme for spectrum sensing in cognitive radio networks
CN105634634A (zh) 一种存在未知定时的异步信道感知方法
CN109150344B (zh) 一种卫星通信中成对载波多址快速频谱感知方法
CN110311743B (zh) 一种变分推断估计主用户占空比的方法
Håkansson et al. Cost-aware dual prediction scheme for reducing transmissions at IoT sensor nodes
Budianu et al. Good-Turing estimation of the number of operating sensors: a large deviations analysis
CN112073138B (zh) 一种基于量化的双门限协作频谱感知方法
CN110289924B (zh) 一种变分推断估计噪声功率的方法
CN109067484B (zh) 一种利用以往感知时隙数据的能量检测频谱感知方法
CN109286937B (zh) 利用小特征值估计噪声功率的协方差矩阵频谱感知方法
CN109104741A (zh) 一种样本分组方法及使用其估计主用户占空比的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant