[发明专利]认知无线电系统中基于合作感知的授权用户参数估计方法

说明书

认知无线电系统中基于合作感知的授权用户参数估计方法，涉及认知无线电通信系统中的参数估计领域。它为了解决认知无线电系统中认知用户在低信噪比条件下对授权用户参数进行估计的问题。在合作检测的基础上，利用隐式马尔可夫模型描述授权系统中授权用户繁忙与空闲状态变化过程，使得隐式马尔可夫模型中隐藏状态转移概率矩阵由授权系统中授权用户到达率与服务率来表示。每个认知用户将检测结果传送至认知基站，基站通过“或准则”对收集到的数据进行处理，得出最终检测结果。最后采用Baum‑Welsh算法估计隐式马尔可夫模型，获得隐藏状态转移概率矩阵和混淆矩阵，从而估计出授权系统中到达率与服务率参数。本发明适用于认知无线电系统中。

技术领域

本发明涉及认知无线电通信系统中的参数估计领域，具体涉及一种基于合作感知方法的授权用户参数估计方法。

背景技术

在认知无线电通信系统中，授权用户对授权频段具有优先接入权，只有当授权用户处于空闲状态时，认知用户才能接入空闲信道进行数据传输。因此，这种通信机制要求认知用户具有感知能力，即感知授权用户所处状态(空闲或者繁忙)。认知用户感知能力主要通过检测概率和虚警概率来体现。检测概率越高，虚警概率越低，则说明认知用户感知能力越强。然而，对于单个认知用户感知而言，由于位置、多径、阴影等因素的影响，感知结果并不理想。例如，如若在授权用户和认知用户之间存在高山或者建筑物，那么认知用户很难感知到授权用户的存在。所以，如若位于不同位置的认知用户同时进行频谱感知，然后再由认知基站对这些结果进行处理，则能够明显地提高感知能力，从而减少感知错误而带来的损失。另外，即使认知用户能够在空闲信道上进行数据传输，但是当授权用户出现时也要退出该信道。此时，认知用户需要选择别的空闲信道继续传输数据，即频谱切换。而在选择切换策略时，还要考虑授权用户参数值。所以，对于授权用户参数估计是最优化频谱切换的关键。基于上述分析，本发明在合作检测基础上利用隐式马尔可夫模型对授权用户参数进行估计。

发明内容

本发明为了解决认知无线电系统中认知用户在低信噪比条件下对授权用户参数进行估计的问题以及解决现有的认知无线电频谱切换中存在的问题(认知用户通过假定或者长期统计来获取授权用户参数，而没有即时的、有效的估计方法)，从而提出了一种认知无线电系统中基于合作感知的授权用户参数估计方法。该方法能够克服位置、多径、阴影等因素的影响，准确地估计授权用户参数。

认知无线电系统中基于合作感知的授权用户参数估计方法，它由以下步骤实现：

步骤一、利用排队模型对每条授权信道进行建模与分析，假设授权用户到达率服从泊松分布，窗口服务率满足指数分布，每个信道同一时刻仅有一个窗口进行服务，信道缓存容量为授权用户遵从“先到先服务”原则。设表示授权信道所处的状态，即授权系统中授权用户的数量。当时，λ_c表示授权信道状态从c到c+1的到达率；当时，μ_c表示授权信道状态从c到c-1的服务率。此时，令授权用户稳定的信道状态概率分布如下，

步骤二、利用隐式马尔可夫模型θ＝(R,E,π)来分析授权用户信道繁忙与空闲的变化过程。R表示隐藏状态转移概率矩阵，E表示混淆矩阵，π表示授权用户初始状态概率分布。将授权用户对于信道的真实使用情况视为隐藏状态，1示繁忙，0示空闲；而认知用户检测结果视为可观测序列，1示检测结果为繁忙，0示检测结果为空闲。因此，隐藏状态转移概率矩阵可以表示为，

其中，r_ij(i,j∈{0,1})表示授权用户由状态i到状态的转移概率，并且满足∑_ir_ij＝1和∑_jr_ij＝1。根据排队论模型，单位时间内授权用户的状态转移概率可以表示为如下表达式，