[发明专利]一种变分推断估计主用户占空比的方法

摘要

本发明公开了一种变分推断估计主用户占空比的方法，其对连续的多个时隙内的信号进行采样；根据每个时隙内采集的样本计算每个时隙的平均功率；引入有多个高斯分布的混合高斯模型；利用变分推断方法计算每个高斯分布的混合系数对应的狄利克雷分布参数、均值的两个超参数及精度的两个超参数；根据五个参数计算变分下界；根据变分下界变更前后的值确定判决式，根据判决式确定是否更新每个时隙的平均功率服从各个高斯分布的概率；针对每个时隙的平均功率，根据其对应的多个概率将平均功率分类；根据平均值最小的类别中的平均功率个数及时隙总个数，得到主用户占空比的估计值；优点是能准确估计出主用户占空比，且无需知道噪声功率，也无需设置门限值。

主权项

1.一种变分推断估计主用户占空比的方法，其特征在于包括以下步骤：步骤1：在认知无线电系统中，对连续的N个时隙内的信号进行采样，且每个时隙内等时间间隔地采集L个样本，将对第n个时隙内的信号进行采样得到的第j个样本记为r_n(j)；其中，N≥1000，L≥100，n和j均为正整数，n和j的初始值均为1，1≤n≤N，1≤j≤L；步骤2：计算每个时隙内采集的所有样本的平均功率，将第n个时隙内采集的所有样本的平均功率记为x_n，其中，符号“| |”为求复数的模值运算符号；步骤3：引入混合高斯模型，混合高斯模型中的高斯分布的个数为K个，将混合高斯模型中的第k个高斯分布的均值和精度对应记为μ_k和λ_k，混合高斯模型中的所有高斯分布的混合系数的先验分布服从K维的狄利克雷分布；然后设置每个时隙内采集的所有样本的平均功率服从混合高斯模型中的各个高斯分布的概率的初始值，将x_n服从混合高斯模型中的第k个高斯分布的概率记为g_n,k，并设置g_n,k的初始值为其中，K为正整数，K∈[2,20]，k为正整数，k的初始值为1，1≤k≤K，μ_k的先验分布服从均值为m_k且精度为β_kλ_k的高斯分布，m_k和β_k均为超参数，λ_k的先验分布服从超参数为a_k和b_k的Gamma分布，狄利克雷分布的K个参数分别为δ₁,δ₂,…,δ_k,…,δ_K，δ₁表示狄利克雷分布的第1个参数，δ₂表示狄利克雷分布的第2个参数，δ_k表示狄利克雷分布的第k个参数，δ_K表示狄利克雷分布的第K个参数；步骤4：利用变分推断方法，计算混合高斯模型中的每个高斯分布的混合系数对应的狄利克雷分布参数、每个高斯分布的均值对应的两个超参数、每个高斯分布的精度对应的两个超参数，对于混合高斯模型中的第k个高斯分布，其混合系数对应的狄利克雷分布参数δ_k的计算公式为其均值对应的一个超参数β_k的计算公式为其均值对应的另一个超参数m_k的计算公式为其精度对应的一个超参数a_k的计算公式为其精度对应的另一个超参数b_k的计算公式为其中，δ₀、β₀、a₀和b₀的值均为1，步骤5：计算变分下界，记为ζ₁，；其中，ψ()为Digamma函数，Γ()为Gamma函数，步骤6：判断是否成立，如果成立，则执行步骤8；如果不成立，则执行步骤7；其中，abs()为求绝对值函数，ζ₀的初始值为一个负实数，ε表示预设的判决阈值；步骤7：将ζ₁赋值给ζ₀；然后更新每个时隙内采集的所有样本的平均功率服从混合高斯模型中的各个高斯分布的概率，将g_n,k更新后的值记为g'_n,k，接着令g_n,k＝g'_n,k；再返回执行步骤4；其中，exp()为以自然常数e为底的指数函数，g_n,k＝g'_n,k中的“＝”为赋值符号；步骤8：构建K个空的集合，对应记为Ω₁,Ω₂,…,Ω_k,…,Ω_K；然后将每个时隙内采集的所有样本的平均功率划分到不同的集合中，对于x_n，从g_n,1,g_n,2,…,g_n,k,…,g_n,K中找出最大值，当最大值有多个时任选一个最大值，若最大值为g_n,k'，则将x_n划分到第k'个集合Ω_k'中；接着计算每个非空的集合中的所有元素的平均值；再统计平均值最小的一个非空的集合中的元素个数，记为N_x；其中，Ω₁表示第1个集合，Ω₂表示第2个集合，Ω_k表示第k个集合，Ω_K表示第K个集合，g_n,1表示x_n服从混合高斯模型中的第1个高斯分布的概率，g_n,2表示x_n服从混合高斯模型中的第2个高斯分布的概率，g_n,K表示x_n服从混合高斯模型中的第K个高斯分布的概率，k'为正整数，k'的初始值为1，1≤k'≤K，g_n,k'表示x_n服从混合高斯模型中的第k'个高斯分布的概率；步骤9：计算主用户占空比的估计值，记为u，