[发明专利]参数确定方法、干扰分类识别方法及其装置

说明书

本发明实施例提供一种参数确定方法、干扰分类识别方法及其装置，其中，该干扰分类识别方法包括针对Q个时刻，检测每个时刻的K个第一网络参数，以获得由所述Q个时刻的、K个第一网络参数构成的第三参数序列；根据所述第三参数序列和隐马尔可夫模型，分别确定所述Q个时刻存在的干扰源类别；另外，本实施例还提供了确定上述隐马尔可夫模型中的参数方法。通过本实施例的上述方法，能够容易地确定隐马尔可夫模型中的参数，其中，基于门限值简化处理参数序列，使得参数序列为有限集合，降低了确定上述隐马尔可夫模型中的参数的复杂度。此外，可以将干扰分类识别问题转换为解码问题，实现难度低。

技术领域

本发明涉及通信技术领域，尤其涉及一种参数确定方法、干扰分类识别方法及其装置。

背景技术

在现有的无线通信技术中，有很多技术都会使用相同的频段，例如在2.4G频段中，基于IEEE 802.11b标准的无线局域网，如无线保真(Wireless Fidelity，Wi-Fi)；蓝牙(Bluetooth)；微波炉(Micro Oven，MWO)；基于IEEE 802.15.4标准的无线局域网，如紫蜂(Zigbee)网络都会使用这一频段工作。

图1A至图1D分别是Wi-Fi，Bluetooth，MWO，Zigbee在2.4G频段工作的示意图。如图1A所示，Wi-Fi网络是宽带系统，具有14个信道(Channel)，其信道带宽为22MHz，其最大传输功率为20dBm；如图1B所示，Bluetooth网络是跳频窄带系统，其具有79个信道，每个信道带宽为1MHz，其发射功率为0dBm，4dBm或20dBm；MWO网络具有不同的模型，不同的模型都以60Hz为周期，具有窄带特性，图1C所示的一种模型；如图1D所示，Zigbee网络具有16个信道，每个信道带宽为2MHz，其典型的传输功率为20dBm。因此，Wi-Fi，Bluetooth，MWO，Zigbee网络彼此之间会造成干扰，例如，在Zigbee网络工作在信道20时，使用信道7-10工作的Wi-Fi网络会对Zigbee网络造成干扰，同样的，MWO网络和使用信道47-49工作的Bluetooth网络会对Zigbee网络造成干扰。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

在现有技术中，提出了一种基于隐马尔可夫(Hidden Markov Model，HMM)模型对干扰进行分类识别的方法(参考文献1)，该方法使用最大期望算法(ExpectationMaximization Algorithm，EM)训练隐马尔可夫模型中的参数，但是经研究发现，上述构建HMM模型的方法复杂度高，实现难度较高。

参考文献1：Zhiyuan Weng,Philip Orlik,and Kyeong Jin Kim,Classificationof Wireless Interference on 2.4GHz Spectrum,WCNC IEEE,pp.786-791,6-9April,2014.

本发明实施例提出了一种参数确定方法、干扰分类识别方法及其装置，能够容易地确定隐马尔可夫模型中的参数，其中，基于门限值简化处理参数序列，使得参数序列为有限集合，降低了确定上述隐马尔可夫模型中的参数的复杂度。此外，可以将干扰分类识别问题转换为解码问题，实现难度低。

本发明实施例的上述目的是通过如下技术方案实现的：

根据本发明实施例的第一个方面，提供了一种用于干扰分类识别的参数确定装置，其中，对当前网络造成干扰的干扰源为第一数量M个，该装置包括：

第一确定单元，其用于针对M个干扰源中的每一个干扰源分别是对该当前网络造成干扰的主要干扰源的M个干扰状态，来确定M组参数，每组参数包括第二数量N1个参数值，该N1个参数值之和等于1；