水下认知网络中提高预测准确性的频谱预测方法

摘要

本发明涉及一种水下认知网络中提高预测准确性的频谱预测方法，该方法利用频谱感知的结果进行频谱预测，频谱感知后可以得到各信道的状态信息，分为空闲、占用两种状态，每个数据在发送时会加入时间标签，通过频谱感知得到时间信息并估计传输时延；统计一段时间内各信道空闲与占用的变化情况，计算信道状态转移概率矩阵P；设初始时刻信道状态信息概率矩阵为S(n-d)，信道的传播延时为d,利用频谱预测公式即可得到n时刻实际的信道状态信息概率矩阵即为预测结果S(n)，同时用所得信道状态信息结果更新状态转移概率矩阵，作为新学到的信道状态信息。本发明的可以提高水下认知网络中提高预测准确性。

主权项

一种水下认知网络中提高预测准确性的频谱预测方法，包括下列步骤：步骤一，进行水下声通信的频谱感知，感知时间由通信环境决定，感知的数个信道频带N被均匀的划分，且信道只有空闲、占用两种状态，分别用“0”、“1”表示，延时信息可从信道中传输的数据中获得，每个数据在发送时会加入时间标签，通过频谱感知得到时间信息并估计传输时延；信道可用与否通过设定信道占用率门限值判定，且信道时延小的优先接入；有数据传输的节点不断地通过预测寻找可以接入的信道过程是持续进行的，信道的占用状态要不断更新。步骤二：运用步骤一的频谱感知获取一定时间内各个信道的状态变换情况，得到统计信息，利用得到的各个信道的状态信息建立初始的频谱预测模型，由状态变化结果计算不同信道的占用概率以及状态转移概率矩阵，用P₀₀表示空闲状态一步转移到空闲状态的次数，P₀₁表示空闲状态一步转移到占用状态的次数，P₁₀表示占用状态一步转移到空闲状态的次数，P₁₁表示占用状态一步转移到占用状态的次数，得到信道状态统计结果后即可计算得到各个信道的状态转移概率，P(0/0)表示状态“0”一步转移到状态“0”的转移概率，P(0/1)表示状态“0”一步转移到状态“1”的转移概率，P(1/0)表示状态“1”一步转移到状态“0”的转移概率，P(1/1)表示状态“1”一步转移到状态“1”的转移概率，各个转移概率得到后，即可下式得到信道的一步状态转移概率矩阵P：$P=\left(\begin{array}{cc}P(0/0)& P(0/1)\\ P(1/0)& P(1/1)\end{array}\right)=\left(\begin{array}{cc}\frac{P_{00}}{P_{00}+P_{01}}& \frac{P_{01}}{P_{00}+P_{01}}\\ \frac{P_{10}}{P_{10}+P_{11}}& \frac{P_{11}}{P_{10}+P_{11}}\end{array}\right)$步骤三：用S(n‑d)表示n时刻利用认知节点的时延信息获取的n‑d时刻的信道状态信息概率矩阵，且S(n‑d)＝(P(0)P(1))，其中，P(0)为预测得到该时刻信道空闲的概率，P(1)为预测得到该时刻信道占用的概率；开始时刻，如果由频谱感知得到信道是空闲状态，则S(n‑d)＝(10)，反之，如果感知到的结果的占用状态，则S(n‑d)＝(01)，将S(n‑d)以及步骤二得到的状态转移概率矩阵P带入到频谱预测模型S(n)＝S(n‑d)P^d中即可得到得到的n时刻实际的信道状态信息概率矩阵预测结果S(n)。步骤四：由步骤三得到的预测结果S(n)可以得到该时刻信道空闲的概率P(0)，将P(0)记为ω_n，即水下频谱预测的结果，最后将预测结果最为已知量对之前计算得到的状态转移概率矩阵P更新。