一种存在未知定时的异步信道感知方法

摘要

本发明公开了一种存在未知定时的异步信道感知方法，具体为：一、预测某个PU在k时刻的存在概率和感知时间差；二、由观测值更新存在概率预测值和感知时间差预测值；三、将更新的存在概率预测值与判决门限比较，得到PU的状态值；步骤四、根据状态值，计算PU在k时刻的感知时间差；步骤五、根据k-1时刻的感知时间差计算k时刻的出生粒子的状态值和权值；六、判断k时刻是否为最后一个时刻，如果是，记录并保存全部时刻的感知时间差以及状态值；否则，用k时刻的粒子集，迭代预测PU在k+1时刻的存在概率和感知时间差。优点在于：适用于异构无线网络动态频谱共享，避免了PU与SU之间繁杂的信令交互，降低了CR系统的配置复杂度并节省了时间与能量开销。

主权项

一种存在未知定时的异步信道感知方法，其特征在于，具体步骤如下：步骤一、针对已经分配好频谱资源的某个授权用户PU，预测PU在第k时刻的存在概率q_k|k‑1和感知时间差；PU在第k时刻存在概率的预测值q_k|k‑1，公式如下：q_k|k‑1＝|p_b×(1‑q_k‑1|k‑1)+p_s×q_k‑1|k‑1其中，q_k‑1|k‑1为PU在第k‑1时刻的存在概率；p_b为出生概率，p_s为幸存概率；PU在第k时刻的感知时间差采用粒子的预测值表示，包括两部分：感知时间差粒子状态值的预测值t_k|k‑1⁽ⁱ⁾和粒子权值的预测值ε_k|k‑1⁽ⁱ⁾；首先，感知时间差粒子状态值的预测值t_k|k‑1⁽ⁱ⁾根据重要性函数生成：t_k|k‑1⁽ⁱ⁾～π_t(t_k|k‑1⁽ⁱ⁾|t_k‑1|k‑1⁽ⁱ⁾)其中，i＝1,2,...,N+B；t_k‑1|k‑1⁽ⁱ⁾为k‑1时刻第i个粒子对应的感知时间差的状态值，π_t(t_k|k‑1⁽ⁱ⁾|t_k‑1|k‑1⁽ⁱ⁾)为感知时间差的转移概率分布；然后，感知时间差粒子权值的预测值ε_k|k‑1⁽ⁱ⁾包括两部分：一直存在的粒子权值的预测值和出生粒子权值的预测值；${{ϵ}_{k|k-1}}^{\left(i\right)}=\left\{\begin{array}{c}\frac{p_s·q_{k-1|k-1}}{q_{k|k-1}}·{{ϵ}_{k-1|k-1}}^{\left(i\right)};i=1,2,...,N\\ \frac{p_b·\left(1-q_{k-1|k-1}\right)}{q_{k|k-1}}·\frac{1}{B};i=N+1,N+2,...,N+B\end{array}\right.$i＝1,2,...,N；N表示一直存在粒子的个数；i＝N+1,N+2,...,N+B；B表示出生粒子的个数；步骤二、由PU在k时刻接收到的观测值z_k，计算存在概率预测值的更新值q_k|k和感知时间差预测值的更新值；步骤201、计算PU在k时刻的存在概率预测值的更新值q_k|k；公式如下：$q_{k|k}=\frac{I_k·q_{k|k-1}}{1-q_{k|k-1}+I_k·q_{k|k-1}}$I_k表示PU的似然比率；步骤202、用似然函数计算PU在第k时刻感知时间差的粒子权值的更新值ε'_k|k⁽ⁱ⁾；公式如下：i＝1,2...N+B；步骤203、对粒子权值的更新值ε'_k|k⁽ⁱ⁾进行归一化，得到归一化后的值ε_k|k⁽ⁱ⁾：${{ϵ}_{k|k}}^{\left(i\right)}={ϵ}^{\prime }{{}_{k|k}}^{\left(i\right)}/\underset{i=1}{\overset{N+B}{\Sigma }}{ϵ}^{\prime }{{}_{k|k}}^{\left(i\right)}$i＝1,2...N+B；步骤204、选取一直存在的粒子权值归一化后的更新值ε_k|k⁽ⁱ⁾，对粒子状态值的预测值重采样，得到感知时间差粒子状态值预测值的更新值t_k|k⁽ⁱ⁾；将每个一直存在的粒子权值归一化后的更新值ε_k|k⁽ⁱ⁾，i＝1,2...N；与随机产生的n⁽ⁱ⁾相比，n⁽ⁱ⁾∈[0,1]，若ε_k|k⁽ⁱ⁾≥n⁽ⁱ⁾，则将该粒子的状态值保存下来，令t_k|k⁽ⁱ⁾＝t_k|k‑1⁽ⁱ⁾；否则，则令t_k|k⁽ⁱ⁾等于被保存下来的上一个粒子状态值；步骤205、对每个一直存在的粒子权值归一化后的更新值ε_k|k⁽ⁱ⁾重置为重采样后一直存在的粒子集为{t_k|k⁽ⁱ⁾,ε_k|k⁽ⁱ⁾}，其中步骤三、将步骤二得到的存在概率预测值的更新值q_k|k与判决门限γ比较，得到当前授权用户PU的状态值判决门限γ选取PU存在概率的中间值；计算如下：${\hat{x}}_k=\left\{\begin{array}{cc}0,& q_{k|k}<\gamma \\ 1,& q_{k|k}\ge \gamma \end{array}\right.$当更新值q_k|k小于判决门限γ时，授权用户PU的状态值为0；否则，授权用户PU的状态值为1；步骤四、根据当前授权用户PU的状态值，计算当前授权用户PU在k时刻的感知时间差当时，观测值z_k中只有观测噪声，用k‑1时刻的感知时间差值作为k时刻的感知时间差值，即当时，用PU在k时刻感知时间差粒子的更新值，计算k时刻的感知时间差值即：${\hat{t}}_k=\underset{i=1}{\overset{N}{\Sigma }}{t_{k|k}}^{\left(i\right)}{{ϵ}_{k|k}}^{\left(i\right)}$步骤五、根据k‑1时刻的感知时间差计算k时刻的出生粒子的状态值t_k|k⁽ⁱ⁾，并对每个出生粒子权值归一化后的更新值ε_k|k⁽ⁱ⁾重置为${t_{k|k}}^{\left(i\right)}~{\pi }_t\left({t_{k|k}}^{\left(i\right)}\right|{\hat{t}}_{k-1});$i＝N+1,N+2,...,N+B；对每个出生粒子权值归一化后的更新值ε_k|k⁽ⁱ⁾重置为${{ϵ}_{k|k}}^{\left(i\right)}=\frac{1}{B}$i＝N+1,N+2,...,N+B；步骤六、判断k时刻是否为最后一个时刻，如果是，记录并保存全部时刻的感知时间差以及授权用户PU的状态值否则，进入步骤七；步骤七、重复步骤一，用步骤二和步骤五得到的k时刻的粒子集{t_k|k⁽ⁱ⁾,ε_k|k⁽ⁱ⁾}，i＝1,2,...,N+B，迭代预测PU在第k+1时刻的存在概率和感知时间差。