[发明专利]一种基于HDP-NSHMM的频谱感知方法

摘要

本发明涉及一种基于HDP‑NSHMM的频谱感知方法，采用分层狄利克雷过程‑非平稳隐马尔可夫模型对历史感知数据进行融合和聚类，在聚类循环中，在当前状态的保持时间较短时，设置较大的自转移偏移参数，以保证其状态不会随时间快速变化，而随着当前状态保持时间的增长，减小自转移偏移参数，从而减小状态的自转移概率，使其更有可能选择转移到不同的状态。与现有技术相比，本发明通过与聚类类别保持时间相关的自转移偏移参数调整状态自转移概率，对于信道状态的变化能够更准确的判断，通过固定的状态类别可避免冗余状态的出现，提高了历史感知数据聚类准确性，从而具有更高的感知性能，提高了频谱判决准确性。

主权项

一种基于HDP‑NSHMM的频谱感知方法，其特征在于，包括以下步骤：S1、收集所有历史时刻的频谱感知观察数据，做初始化处理；S2、采用分层狄利克雷过程‑非平稳隐马尔可夫模型对历史感知数据进行融合和聚类，在聚类循环中，当信道状态保持时间增长到大于设定时间时，减小自转移偏移参数，使得选择转移到不同的信道状态的可能性增大；S3、采用伽马分布作为不同信道状态的频谱感知数据指数分布参数的共轭先验来构造贝叶斯模型，利用归为同一信道状态聚类的所有感知数据更新每一类的指数分布参数的伽马分布超参数；S4、通过更新的伽马分布超参数估计每一类信道状态的功率值，将功率估计值与预设的门限值进行对比，得到频谱判决结果。