CN111294128B - 一种基于马尔可夫信道模型的机会频谱接入方法 - Google Patents

Abstract

本发明公开了一种基于马尔可夫信道模型的机会频谱接入方法。该方法步骤为：建立马尔可夫信道模型；对马尔可夫信道模型进行初始化；确定要感知的信道集合；采用基于随机长度时隙块的信道感知方式，进行多个时隙的连续感知；次用户选择具有静态信道空闲概率最大的M个主信道，计算所选主信道接入条件的收益值，选择收益值最大的信道进行接入。本发明提高了频谱传感精度、操作的可靠性和频谱资源的使用效率。

Description

一种基于马尔可夫信道模型的机会频谱接入方法

技术领域

本发明涉及无线网络技术领域，特别是一种基于马尔可夫信道模型的机会频谱接入方法。

背景技术

认知无线电通过在操作过程中学习和适应无线电环境，使无线电设备具备认知能力。更具体地说，认知无线电发现无线电频谱中特定时间在特定位置没有被占用的部分，并将操作转移到这些被称为“频谱洞穴”的部分，以便进行机会性访问。因此，认知无线电有两个主要函数：频谱感知和数据传输。频谱感知在很多情况下可能比数据传输更重要，因为频谱感知决定了对其它系统的干扰量，包括可能许可系统，这正是当前固定频谱接入政策试图避免的，也是监管结构关注的主要问题。因此，获得尽可能精确的频谱感知结果是至关重要的。频谱感知的精确性依赖于多种因素，但最终依赖于信道的占用状态，因此频谱占用模型在认知无线电的设计中具有重要意义，可用于提高频谱传感精度，以实现更可靠的操作，去除频谱传感以提高资源使用效率，或选择通道以实现更好的机会接入。

目前，多数研究工作在假设次用户已知主用户信道统计信息条件下，对单用户的多信道感知接入问题进行了研究，提出了多信道感知接入的最优方法，实现了次用户期望收益最大的效果。但在实际认知网络里，主用户统计信息对于次用户来说通常是未知的，需要通过大量时间测量来获得。除此之外，主用户统计信息还会随时间变化，导致测量结果存在较大偏差。而目前已有的研究难以很好地解决上述问题。为解决主用户统计信息未知情况下的信道感知与接入问题，部分工作将次用户信道感知与接入问题建模为经典统计学问题—多臂老虎机问题(Multi-armed bandit problem,MABP)。其中，LifengLai等人(Lai,L.F.,El Gamal,H.,Jiang,H.and Poor,H.V.(2011)Cognitive medium access:Exploration,exploitation,and competition.IEEE Transactions on MobileComputing,10,239-253.)将感知频谱选择问题建立成了多臂赌博机模型，并且分析了不同场景下的感知信道选择问题，假设次用户可在主信道时隙开始阶段同时感知一个或多个信道，并接入所有感知为空闲的信道。上述方法主要研究主用户统计信息未知且次用户完美感知的条件下，次用户对多个主用户信道的感知和机会接入问题。次用户完美感知是指，次用户可同时感知和接入多个主信道；多个主信道之间空闲状态相互独立，同一信道中不同时隙之间主用户忙-闲状态也是相互独立的。

但是在实际场景中，目前已有的信道模型难以满足复杂的实际信道情况，且次用户对信道感知时会存在一定错误。除此之外，由于次用户硬件条件等问题，次用户可能存在感知多个信道但只接入其中部分信道的情况。

发明内容

本发明的目的在于提供一种频谱传感精度高、操作可靠性强、频谱资源使用效率高的基于马尔可夫信道模型的机会频谱接入方法。

实现本发明目的的技术解决方案为：一种基于马尔可夫信道模型的机会频谱接入方法，其特征在于，包括以下步骤：

步骤1、建立马尔可夫信道模型；

步骤2、对马尔可夫信道模型进行初始化；

步骤3、确定要感知的信道集合；

步骤4、采用基于随机长度时隙块的信道感知方式，进行多个时隙的连续感知；

步骤5、次用户选择具有静态信道空闲概率最大的M个主信道，计算所选主信道接入条件的收益值，选择收益值最大的信道进行接入。

进一步地，步骤1所述的建立马尔可夫信道模型，具体如下：

授权信道有两个信道状态，基于Markov链理论知识的基础，将授权信道的状态变化过程建模为两个变量的Markov链的状态转移过程；

设定认知无线网络里主信道用户在每个主信道不同时隙上的忙-闲状态服从Markov链随机过程；

从一个时隙到下一个时隙，信道i的状态转移概率矩阵为：

其中

和

分别为主信道i从忙状态到忙状态的转移概率和从闲状态到闲状态的转移概率，且

主信道总数为N，N个主信道的Markov链相互统计独立，因此，主信道i＝1,2,...,N的长期空闲概率为

当次用户选择感知主信道时，需要连续感知该信道，直到观察到该信道出现两次空闲状态为止；在连续感知过程中，选定信道被连续感知的时隙数是随机的；对于主信道，分散的可变长度的信道感知时隙周期称为感知块，每个感知块由三部分组成：第一部分，从第一次采样的时隙开始，持续到第一次感知为空闲的时隙之前；第二部分，从第一次感知为空闲的时隙开始，持续到第二次感知空闲的时隙之前；第三部分，第二个感知为空闲的时隙；

对于任一信道i，连接所有分散感知块的第二部分，构造一条新的Markov链，新构造的Markov链具有与主信道i信道状态原始Markov链相同的统计特性；通过估计新建的Markov过程，表示信道对应的传统Markov链过程；

次用户使用T_i记录信道i时隙感知块第二部分的时隙数，Y_i记录信道时隙感知块第二部分中感知信道i空闲的时隙数，即信道i的信道感知块数；然后通过计算

获得新构建的Markov链中信道i空闲概率的样本均值。

进一步地，步骤2所述的对马尔可夫信道模型进行初始化，具体如下：

初始化：

I_ini＝0，I_P2＝0，t₂＝0，Y_i＝0，T_i＝0，

其中，长度为N的向量I_ini表示信道是否已经被感知，如果信道i已被感知，则I_ini中对应的第i个元素I_ini(i)取值为1；否则，I_ini(i)为0；

长度为N的向量I_p2表示对应主信道是否处于其时隙感知块的第二部分，它的第i个元素I_p2(i)初值为0；当信道i在其中一个信道块的第二部分，将对应信道参数标记为1；

集合A表示要感知的信道集合，t₂记录其中至少1个信道处于其信道感知块的第二部分的时隙数。

进一步地，步骤3所述的确定要感知的信道集合，具体如下：

(3.1)对于每个后续时隙t，判断集合A中的元素数量是否小于M，如果|A|＜M，那么跳转到步骤(3.2)；否则，跳转到步骤(3.5)；

(3.2)对于每条信道i，i∈1，2，...，N，判断该信道是否已经被感知，如果信道i未被感知过，即I_ini(i)＝0，则跳转到步骤(3.3)；否则，如果所有信道都被感知过至少一次，则跳转到步骤(3.4)；

(3.3)该信道将被选择进行感知，添加到集合A中，即A＝A∪{i}，并将对应的I_ini(i)置为1，然后进入步骤(3.4)；

(3.4)继续判断集合A中的元素数量是否小于M，如果|A|＜M，那么跳转到步骤(3.2)，否则，跳转到步骤(3.5)；

(3.5)为集合A之外的所有信道计算系数

其中T_i表示信道i在感知块第二部分中的时隙数，Y_i表示信道感知块第二部分中感知信道i为空闲的时隙数，t₂表示至少有1个信道处于其信道感知块第二部分的时隙数，L₀为设定的系数；

然后将这些信道系数进行降序排序，从这些信道中选择具有最大系数的(M-|A|)个信道添加到集合A中，|A|表示集合A中元素数量，此时集合A中包含M个信道；

如果次用户在上一个时隙中没有完成对该信道的感知，则该信道在下一时隙中具有最高优先级，即继续被感知；尚未感知到的信道具有次优先级，其他信道的优先级最低。

进一步地，步骤4所述的采用基于随机长度时隙块的信道感知方式，进行多个时隙的连续感知，具体如下：

(4.1)对感知集合|A|进行感知，判断是否存在空闲信道，如果存在空闲信道，将得到感知空闲的信道I(t)，跳转到步骤(4.2)；如果没有空闲信道，将跳转到步骤(4.8)；

(4.2)对于所有信道i∈A，判断该信道是否处于感知块的第二部分，如果是，即I_p2(i)＝0，那么跳转到步骤(4.3)；否则，跳转到步骤(4.4)；

(4.3)如果信道i被感知为空闲，即i∈I(t)，那么更新信道i对应的系数：将信道i的I_p2(i)置为1，Y_i和T_i各增加1，即Y_i＝Y_i+1，T_i＝T_i+1，跳转到步骤(4.7)；否则，跳转到步骤(4.6)；

(4.4)当I_p2(i)＝1，即表示信道i未处于感知块的第二部分，判断感知信道i是否为空闲，如果是，则跳转到步骤(4.5)；否则，跳转到步骤(4.6)；

(4.5)更新信道i的信息，将I_p2置为0，将该信道从集合A中删除，然后跳转到步骤(4.7)；

(4.6)更新信道i的信息，T_i增加1，即T_i＝T_i+1，然后跳转到步骤(4.7)；

(4.7)判断长度为N的向量I_p2是否等于0，如果不为0，更新t₂＝t₂+1，再跳转到步骤(4.8)；否则，直接跳转到步骤(4.8)；

(4.8)如果

那么次用户等待，直到下一时隙t+1；否则，计算I(t)中信道系数

进一步地，步骤5所述的次用户选择具有静态信道空闲概率最大的M个主信道，计算所选主信道接入条件的收益值，选择收益值最大的信道进行接入，具体如下：

针对接入问题，即每个时隙次用户在N个主信道里感知M个信道，并在空闲信道里接入K个系数

最大的空闲信道，K≤M＜N；

假设次用户能够感知多个信道，只接入1个信道，即K＝1，那么获得先知辅助下信道机会接入方法：选择具有静态信道空闲概率最大的M个主信道，计算所选主信道接入条件的收益值，选择收益值最大的信道进行接入；

假设次用户在已知所有信道的统计信息，每次选择最优信道进行感知接入条件下所能获得最优收益的方法，该方法命名为先知辅助方法；

按照先知辅助方法，时隙t前次用户能够获得的收益为：

其中，M^*为N条信道中空闲概率最大的前M条信道，S_i表示信道实际状态，S_i＝1表示信道空闲，S_i＝0表示信道占用；X_i表示次用户感知到信道的状态，X_i＝1表示次用户感知到信道为空闲，X_i＝0表示次用户感知到信道为占用；E[·]表示为求期望；

信道i被感知为空闲的条件收益为：

其中，

θ_i表示信道的静态空闲概率；

表示信道i的虚警概率，即信道实际为空闲时，次用户检测该信道为占用；

表示信道i的检测概率，即信道实际为空闲，次用户检测该信道为空闲；

集合M(j)表示在第j时隙处感知的信道集，并且如果存在至少一个感知空闲信道，将K(j)表示为要接入的信道，收益U(t)表达式为：

其中，S_K(j)(j)表示接入信道集合中信道的实际状态，S_K(j)(j)＝1表示信道K(j)为空闲，S_K(j)(j)＝0表示信道为占用；X_i(j)为信道i的感知结果，

表示是否存在至少一个感知为空闲的信道，如果

那么

否则，

因此，t时隙之前的收益损失R(t)为：

本发明与现有技术相比，其显著优点在于：(1)将主信道不同时隙的统计特性抽象为离散马尔科夫链，且马尔可夫过程的统计信息对于次用户未知。这种抽象更接近实际的信道运行的情况；(2)在信道探测和接入过程中，为次用户设计高效的信道感知接入算法，使得t足够大时，次用户能够感知接入最优信道；(3)提高了频谱传感精度、操作的可靠性和频谱资源的使用效率。

附图说明

图1是认知无线网络中主信道时隙状态的组成示意图。

图2是认知无线网络中主信道状态不同时刻的忙-闲状态转换概率示意图。

图3是本发明中主信道感知块的组成结构示意图。

图4是本发明基于马尔可夫信道模型的机会频谱接入方法的流程示意图。

图5是本发明实施例中部分信道感知下次用户收益损失时间t对应的R(t)/lnt性能曲线图。

图6是本发明实施例中部分信道感知下所提方法收益损失R(t)/ln(t)受参数K影响曲线图。

具体实施方式

首先为了便于理解，对文中用到的技术术语做出如下解释：

不完美主信道感知：实际认知网络里由于主用户信道接收信噪比的限制，次用户信道感知通常是不完美的，可能存在信道识别错误。

机会频谱接入：如果次用户没有对主用户产生干扰作用，次用户则可以辨别机会频谱，并将其使用到系统之中。

主用户：授权接入频谱的用户。

次用户：不影响主用户情况下，接入频谱的用户。

马尔可夫过程：Markov过程，是随机过程中的一种过程，即要确定过程将来的状态，不需要知道它过去的状况，只需知道它现在的情况就足够了，此即“无后效性”(也叫Markov性)。具有“无后效性”的随机过程称为Markov过程。

蒙特卡罗方法：Monte-Carlo，也称统计模拟方法。是指使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。

下面结合附图及具体实施例对本发明作进一步详细说明。

结合图1～图4，本发明一种基于马尔可夫信道模型的机会频谱接入方法，包括以下步骤：

步骤1、建立马尔可夫信道模型，将主用户信道忙-闲状态建模为马尔科夫过程(Markov)，具体如下：

授权信道有两个信道状态，基于Markov链理论知识的基础，将授权信道的状态变化过程建模为两个变量的Markov链的状态转移过程。

假设认知无线网络里主信道用户在每个主信道不同时隙上的忙-闲状态服从Markov链随机过程。主信道时隙状态如图1所示，每个主信道状态不同时刻的忙-闲状态转换概率如图2所示。

从一个时隙到下一个时隙，信道i状态的转移概率矩阵为：

其中

和

分别为主信道i从忙状态到忙状态的转移概率和从闲状态到闲状态的转移概率，且

主信道总数为N，N个主信道的Markov状态链相互统计独立，因此，主信道i＝1,2,...,N的长期空闲概率为

其中长期空闲概率是指经过一定时隙数后主信道的忙-闲概率收敛后的概率分布。

当次用户选择感知主信道时，需要连续感知该信道，直到观察到该信道出现两次空闲状态为止；在连续感知过程中，选定信道被连续感知的时隙数是随机的；对于主信道，分散的可变长度的信道感知时隙周期称为感知块，每个感知块可由三部分组成：第一部分，从第一次采样的时隙开始，持续到第一次感知为空闲的时隙之前；第二部分，从第一次感知为空闲的时隙开始，持续到第二次感知空闲的时隙之前；第三部分，第二个感知为空闲的时隙；单个时隙块的组成结构如下图3。

对于任一信道i，连接其所有分散感知块的第二部分，可以构造一条新的Markov链，新构造的Markov链具有与主信道i信道状态原始Markov链相同的统计特性；同时考虑到对算法性能的保证，因此，通过估计新建的马尔可夫过程，可准确表示信道对应的传统马尔可夫过程；

次用户使用T_i记录信道i时隙感知块第二部分的时隙数，Y_i记录信道时隙感知块第二部分中感知信道i空闲的时隙数，即信道i的信道感知块数；然后通过计算

获得新构建的马尔可夫链中信道i空闲概率的样本均值。

步骤2、对马尔可夫信道模型进行初始化，具体如下：

1)初始化：

I_ini＝0，I_P2＝0，t₂＝0，Y_i＝0，T_i＝0，

其中，长度为N的向量I_ini表示信道是否已经被感知，如果信道i已被感知，则I_ini中对应的第i个元素I_ini(i)取值为1；否则，I_ini(i)为0；

长度为N的向量I_p2表示对应主信道是否处于其时隙感知块的第二部分，它的第i个元素I_p2(i)初值为0；当信道i在其中一个信道块的第二部分，将对应信道参数标记为1；

集合A表示要感知的信道集合，t₂记录其中至少1个信道处于其信道感知块的第二部分的时隙数。

步骤3、确定要感知的信道集合，具体如下：

(3.1)对于每个后续时隙t，判断集合A中的元素数量是否小于M，如果|A|＜M，那么跳转到步骤(3.2)；否则，跳转到步骤(3.5)；

(3.2)对于每条信道i，i∈1，2，...，N，判断该信道是否已经被感知，如果信道i未被感知过，即I_ini(i)＝0，则跳转到步骤(3.3)；否则，如果所有信道都被感知过至少一次，则跳转到步骤(3.4)；

(3.3)该信道将被选择进行感知，添加到集合A中，即A＝A∪{i}，并将对应的I_ini(i)置为1，然后进入步骤(3.4)；

(3.4)继续判断集合A中的元素数量是否小于M，如果|A|＜M，那么跳转到步骤(3.2)，否则，跳转到步骤(3.5)；

(3.5)为集合A之外的所有信道计算系数

其中T_i表示信道i在感知块第二部分中的时隙数，Y_i表示信道感知块第二部分中感知信道i为空闲的时隙数，t₂表示至少有1个信道处于其信道感知块第二部分的时隙数，L₀为设定的系数；

然后将这些信道系数进行降序排序，从这些信道中选择具有最大系数的(M-|A|)个信道添加到集合A中，|A|表示集合A中元素数量，此时集合A中包含M个信道；

如果次用户在上一个时隙中没有完成对该信道的感知，则该信道在下一时隙中具有最高优先级，即继续被感知；尚未感知到的信道具有次优先级，其他信道的优先级最低。

步骤4、采用基于随机长度时隙块的信道感知方式，进行多个时隙的连续感知，具体如下：

(4.1)对感知集合|A|进行感知，判断是否存在空闲信道，如果存在空闲信道，将得到感知空闲的信道I(t)，跳转到步骤(4.2)；如果没有空闲信道，将跳转到步骤(4.8)；

(4.2)对于所有信道i∈A，判断该信道是否处于感知块的第二部分，如果是，即I_p2(i)＝0，那么跳转到步骤(4.3)；否则，跳转到步骤(4.4)；

(4.3)如果信道i被感知为空闲，即i∈I(t)，那么更新信道i对应的系数：将信道i的I_p2(i)置为1，Y_i和T_i各增加1，即Y_i＝Y_i+1，T_i＝T_i+1，跳转到步骤(4.7)；否则，跳转到步骤(4.6)；

(4.4)当I_p2(i)＝1，即表示信道i未处于感知块的第二部分，判断感知信道i是否为空闲，如果是，则跳转到步骤(4.5)；否则，跳转到步骤(4.6)；

(4.5)更新信道i的信息，将I_p2置为0，将该信道从集合A中删除，然后跳转到步骤(4.7)；

(4.6)更新信道i的信息，T_i增加1，即T_i＝T_i+1，然后跳转到步骤(4.7)；

(4.7)判断长度为N的向量I_p2是否等于0，如果不为0，更新t₂＝t₂+1，再跳转到步骤(4.8)；否则，直接跳转到步骤(4.8)；

(4.8)如果

那么次用户等待，直到下一时隙t+1；否则，计算I(t)中信道系数

步骤5、次用户选择具有静态信道空闲概率最大的M个主信道，计算所选主信道接入条件的收益值，选择收益值最大的信道进行接入，具体如下：

针对接入问题，即每个时隙次用户在N个主信道里感知M个信道(M＜N)并在空闲信道里接入K个系数

最大的空闲信道(K≤M)，可获得先知辅助下信道机会接入方法：选择具有静态信道空闲概率最大的M个主信道，计算所选主信道接入条件的收益值，选择收益值最大的信道进行接入。

本发明中，假设次用户能够感知多个信道，只接入1个信道，即K＝1，那么获得先知辅助下信道机会接入方法：选择具有静态信道空闲概率最大的M个主信道，计算所选主信道接入条件的收益值，选择收益值最大的信道进行接入；

为了说明本发明所提方法的有效性，应为本发明所提方法提供一个参照，即假设次用户在已知所有信道的统计信息，每次选择最优信道进行感知接入条件下所能获得最优收益的方法。我们将该方法命名为先知辅助方法。

按照先知辅助方法，时隙t前次用户能够获得的收益为：

其中，M^*为N条信道中空闲概率最大的前M条信道，S_i表示信道实际状态，S_i＝1表示信道空闲，S_i＝0表示信道占用；X_i表示次用户感知到信道的状态，X_i＝1表示次用户感知到信道为空闲，X_i＝0表示次用户感知到信道为占用；E[·]表示为求期望。

信道i被感知为空闲的条件收益为：

其中，

表示信道i的虚警概率，

表示信道i的检测概率；

对于具有可操作性的机会信道感知与接入方法，集合M(j)表示在第j时隙处感知的信道集，并且如果存在至少一个感知空闲信道，将K(j)表示为要接入的信道，收益U(t)表达式为：

其中，S_K(j)(j)表示接入信道集合中信道的实际状态，S_K(j)(j)＝1表示信道K(j)为空闲，S_K(j)(j)＝0表示信道为占用；X_i(j)为信道i的感知结果，

表示是否存在至少一个感知为空闲的信道，如果

那么

否则，

因此，t时隙之前的收益损失R(t)为：

实施例1

本发明使用Monte-Carlo(蒙特卡洛)仿真来验证上述分析结论，假设无线认知网络中，信道数量为N＝6，8，次用户使用信道感知，参数

和

步骤8中的参数L₀＝2；其他网络参数如表1所示：

表1仿真参数

针对马尔可夫信道模型下的次用户信道机会接入方法，图5给出了部分信道感知下次用户收益损失时间t对应的归一化收益B(t)/ln t性能曲线。从图中可以看出，由ln t归一化后的性能曲线存在上界，即表明t足够大时，收益损失R(t)将保持不变，即所提方法将按照理论最优方法感知接入最优信道。

考虑次用户多个信道机会接入场景，进一步分析接入信道数K对收益损失的影响，如图6所示。假设无线认知网络中信道数量N＝6，感知信道数量M＝3，接入信道数量K＝1，2，3。由图中结果可以看出，标准化收益损失函数R(t)/lnt最终收敛到的数值将随着K的增大而增大。这是因为，部分信道感知中，本发明提出的方法和先知辅助方法的M个感知信道可能不相同。如果选择更多信道进行机会接入，即K值更大的情况，所提方法所选择的信道将与先知辅助方法选择的信道有存在更大差异，从而导致标准化性能曲线进一步增加。

Claims (5)

1.一种基于马尔可夫信道模型的机会频谱接入方法，其特征在于，包括以下步骤：

步骤1、建立马尔可夫信道模型；

步骤2、对马尔可夫信道模型进行初始化；

步骤3、确定要感知的信道集合；

步骤4、采用基于随机长度时隙块的信道感知方式，进行多个时隙的连续感知；

步骤5、次用户选择具有静态信道空闲概率最大的M个主信道，计算所选主信道接入条件的收益值，选择收益值最大的信道进行接入；

步骤1所述的建立马尔可夫信道模型，具体如下：

授权信道有两个信道状态，基于Markov链理论知识的基础，将授权信道的状态变化过程建模为两个变量的Markov链的状态转移过程；

设定认知无线网络里主信道用户在每个主信道不同时隙上的忙-闲状态服从Markov链随机过程；

从一个时隙到下一个时隙，信道i的状态转移概率矩阵为：

其中

和

分别为主信道i从忙状态到忙状态的转移概率和从闲状态到闲状态的转移概率，且

主信道总数为N，N个主信道的Markov链相互统计独立，因此，主信道i＝1，2，...,N的长期空闲概率为

当次用户选择感知主信道时，需要连续感知该信道，直到观察到该信道出现两次空闲状态为止；在连续感知过程中，选定信道被连续感知的时隙数是随机的；对于主信道，分散的可变长度的信道感知时隙周期称为感知块，每个感知块由三部分组成：第一部分，从第一次采样的时隙开始，持续到第一次感知为空闲的时隙之前；第二部分，从第一次感知为空闲的时隙开始，持续到第二次感知空闲的时隙之前；第三部分，第二个感知为空闲的时隙；

对于任一信道i，连接所有分散感知块的第二部分，构造一条新的Markov链，新构造的Markov链具有与主信道i信道状态原始Markov链相同的统计特性；通过估计新建的Markov过程，表示信道对应的传统Markov链过程；

次用户使用T_i记录信道i时隙感知块第二部分的时隙数，Y_i记录信道时隙感知块第二部分中感知信道i空闲的时隙数，即信道i的信道感知块数；然后通过计算

获得新构建的Markov链中信道i空闲概率的样本均值。

2.根据权利要求1所述的基于马尔可夫信道模型的机会频谱接入方法，其特征在于，步骤2所述的对马尔可夫信道模型进行初始化，具体如下：

初始化：

I_ini＝0，I_P2＝0，t₂＝0，Y_i＝0，T_i＝0，

其中，长度为N的向量I_ini表示信道是否已经被感知，如果信道i已被感知，则I_ini中对应的第i个元素I_ini(i)取值为1；否则，I_ini(i)为0；

长度为N的向量I_p2表示对应主信道是否处于其时隙感知块的第二部分，它的第i个元素I_p2(i)初值为0；当信道i在其中一个信道块的第二部分，将对应信道参数标记为1；

集合A表示要感知的信道集合，t₂记录其中至少1个信道处于其信道感知块的第二部分的时隙数。

3.根据权利要求2所述的基于马尔可夫信道模型的机会频谱接入方法，其特征在于，步骤3所述的确定要感知的信道集合，具体如下：

(3.1)对于每个后续时隙t，判断集合A中的元素数量是否小于M，如果|A|＜M，那么跳转到步骤(3.2)；否则，跳转到步骤(3.5)；

(3.2)对于每条信道i，i∈1，2，...，N，判断该信道是否已经被感知，如果信道i未被感知过，即I_ini(i)＝0，则跳转到步骤(3.3)；否则，如果所有信道都被感知过至少一次，则跳转到步骤(3.4)；

(3.3)该信道将被选择进行感知，添加到集合A中，即A＝A∪{i}，并将对应的I_ini(i)置为1，然后进入步骤(3.4)；

(3.4)继续判断集合A中的元素数量是否小于M，如果|A|＜M，那么跳转到步骤(3.2)，否则，跳转到步骤(3.5)；

(3.5)为集合A之外的所有信道计算系数

其中T_i表示信道i在感知块第二部分中的时隙数，Y_i表示信道感知块第二部分中感知信道i为空闲的时隙数，t₂表示至少有1个信道处于其信道感知块第二部分的时隙数，L₀为设定的系数；

然后将这些信道系数进行降序排序，从这些信道中选择具有最大系数的(M-|A|)个信道添加到集合A中，|A|表示集合A中元素数量，此时集合A中包含M个信道；

如果次用户在上一个时隙中没有完成对该信道的感知，则该信道在下一时隙中具有最高优先级，即继续被感知；尚未感知到的信道具有次优先级，其他信道的优先级最低。

4.根据权利要求3所述的基于马尔可夫信道模型的机会频谱接入方法，其特征在于，步骤4所述的采用基于随机长度时隙块的信道感知方式，进行多个时隙的连续感知，具体如下：

(4.1)对感知集合|A|进行感知，判断是否存在空闲信道，如果存在空闲信道，将得到感知空闲的信道I(t)，跳转到步骤(4.2)；如果没有空闲信道，将跳转到步骤(4.8)；

(4.2)对于所有信道i∈A，判断该信道是否处于感知块的第二部分，如果是，即I_p2(i)＝0，那么跳转到步骤(4.3)；否则，跳转到步骤(4.4)；

(4.3)如果信道i被感知为空闲，即i∈I(t)，那么更新信道i对应的系数：将信道i的I_p2(i)置为1，Y_i和T_i各增加1，即Y_i＝Y_i+1，T_i＝T_i+1，跳转到步骤(4.7)；否则，跳转到步骤(4.6)；

(4.4)当I_p2(i)＝1，即表示信道i未处于感知块的第二部分，判断感知信道i是否为空闲，如果是，则跳转到步骤(4.5)；否则，跳转到步骤(4.6)；

(4.5)更新信道i的信息，将I_p2置为0，将该信道从集合A中删除，然后跳转到步骤(4.7)；

(4.6)更新信道i的信息，T_i增加1，即T_i＝T_i+1，然后跳转到步骤(4.7)；

(4.7)判断长度为N的向量I_p2是否等于0，如果不为0，更新t₂＝t₂+1，再跳转到步骤(4.8)；否则，直接跳转到步骤(4.8)；

(4.8)如果

那么次用户等待，直到下一时隙t+1；否则，计算I(t)中信道系数

5.根据权利要求4所述的基于马尔可夫信道模型的机会频谱接入方法，其特征在于，步骤5所述的次用户选择具有静态信道空闲概率最大的M个主信道，计算所选主信道接入条件的收益值，选择收益值最大的信道进行接入，具体如下：

针对接入问题，即每个时隙次用户在N个主信道里感知M个信道，并在空闲信道里接入K个系数

最大的空闲信道，K≤M＜N；

假设次用户能够感知多个信道，只接入1个信道，即K＝1，那么获得先知辅助下信道机会接入方法：选择具有静态信道空闲概率最大的M个主信道，计算所选主信道接入条件的收益值，选择收益值最大的信道进行接入；

假设次用户在已知所有信道的统计信息，每次选择最优信道进行感知接入条件下所能获得最优收益的方法，该方法命名为先知辅助方法；

按照先知辅助方法，时隙t前次用户能够获得的收益为：

其中，M^*为N条信道中空闲概率最大的前M条信道，S_i表示信道实际状态，S_i＝1表示信道空闲，S_i＝0表示信道占用；X_i表示次用户感知到信道的状态，X_i＝1表示次用户感知到信道为空闲，X_i＝0表示次用户感知到信道为占用；E[·]表示为求期望；

信道i被感知为空闲的条件收益为：

其中，

θ_i表示信道的静态空闲概率；

表示信道i的虚警概率，即信道实际为空闲时，次用户检测该信道为占用；

表示信道i的检测概率，即信道实际为空闲，次用户检测该信道为空闲；

集合M(j)表示在第j时隙处感知的信道集，并且如果存在至少一个感知空闲信道，将K(j)表示为要接入的信道，收益U(t)表达式为：

其中，S_K(j)(j)表示接入信道集合中信道的实际状态，S_K(j)(j)＝1表示信道K(j)为空闲，S_K(j)(j)＝0表示信道为占用；X_i(j)为信道i的感知结果，

表示是否存在至少一个感知为空闲的信道，如果

那么

否则，

因此，t时隙之前的收益损失R(t)为：

Images