基于状态转移概率估计的感知时隙长度优化方法

摘要

一种基于状态转移概率估计的感知时隙长度优化方法，包括步骤：在感知周期感知时隙的开始，认知无线网络中心基站在τa时间内把需要合作感知的感知信道集合以及集合中各授权信道的感知时间发送给认知用户；认知用户在τs时间里对授权信道进行合作感知，并在τb的时间里把感知结果发送到基站；基站对感知结果进行融合，并在τc时间里把融合结果发送给认知用户；在感知时隙结束后，基站利用剩余的T-τ时间估计下一感知周期各授权信道的可用概率，并选择下一感知周期认知无线网络需合作感知的信道集合以及集合中各授权信道的感知时间，并在下一感知周期初始时刻发送给认知用户。本发明能够优化认知无线网络在各个感知周期的感知时隙长度，提高系统吞吐量。

主权项

1.一种基于状态转移概率估计的感知时隙长度优化方法，其特征在于，包括下列步骤：（a）、在每一个感知周期T的感知时隙τ的开始，认知无线网络中心基站在τ_a时间内把当前感知周期认知无线网络需要合作感知的最优感知信道集合以及该集合中各个授权信道的感知时间即上一个感知周期所得到的下一个感知周期认知无线网络需要合作感知的最优感知信道集合以及该集合中各个授权信道的感知时间发送给认知无线网络中的各个认知用户m；（b）、认知无线网络中的各个认知用户m在接下来的τ_s时间里对最优感知信道集合里的各个授权信道进行检测统计，得到各自的检测统计量表示认知用户m在授权信道i上的检测统计量；（c）、各个认知用户m在接下来的τ_b时间里把各自的检测统计量发送到认知无线网络中心基站，中心基站进行数据融合判决，得到融合判决结果，中心基站利用τ_c时间把最终的融合判决结果发送给各个认知用户m；所述步骤c中的数据融合方法为等增益合并的软信息融合方法或加权融合方法，其中：当采用等增益合并的软信息融合方法时，授权信道i在中心基站的最终判决统计量Y_i为：$Y_i=\frac{{\Sigma }_{m=1}^M{Y}_i^m}{M}$M为认知无线网络中的认知用户数目；把授权信道i的最终判决统计量Y_i与它的判决门限ε_i比较即可得到授权信道i的最终的判决结果：$\left\{\begin{array}{cc}{Y}_i>{ϵ}_i& H_1\\ Y_i<{ϵ}_i& H_0\end{array}\right.$其中：H₀表示授权信道空闲；H₁表示授权信道占用；（d）、在每一个感知周期T的感知时隙τ结束后，认知无线网络中心基站根据历史感知信息和当前感知周期的感知结果即步骤c中得到的融合判决结果，利用该感知周期T剩余的时间即数据传输时隙τ’=T-τ，估计下一个感知周期各个授权信道i的可用概率，其中τ=τ_a+τ_s+τ_b+τ_c；所述步骤d中授权信道i可用概率的估计方法如下：如果授权信道i在任意两个感知周期l₁、l₂中，如果感知周期l₁被感知为“空闲”状态，并且它在感知周期l₁至感知周期l₂这段时间内没有被感知，则在感知周期l₂它的状态为H₀“空闲”的概率为$\begin{array}{c}{P}_i\left(H_0\right)=P_i(H_0/Y_i<{ϵ}_i)P_{I|I}^i\left((l_2-l_1)T\right)+\\ (1-P_i(H_0/Y_i<{ϵ}_i))P_{I|B}^i\left((l_2-l_1)T\right)\end{array}$同理，如果授权信道i在感知周期l₁被感知为“占用”状态，并且它在感知周期l₁至感知周期l₂这段时间内没有被感知，则在感知周期l₂它的状态为H₀“空闲”的概率为$\begin{array}{c}{P}_i\left(H_0\right)=P_i(H_1/Y_i>{ϵ}_i)P_{I|B}^i\left((l_2-l_1)T\right)+\\ (1-P_i(H_1/Y_i>{ϵ}_i))P_{I|I}^i\left((l_2-l_1)T\right)\end{array}$其中P_i(H₀/Y_i<ε_i)为授权信道i在当前感知周期被感知为“空闲”状态的条件下，该授权信道实际状态为“空闲”的后验概率，P_i(H₁/Y_i>ε_i)为授权信道i在当前感知周期被感知为“占用”状态的条件下，该授权信道实际状态为“占用”的条件概率，由贝叶斯理论可知，$P_i(H_0/Y_i<{ϵ}_i)=\frac{P_i(Y_i<{ϵ}_i/H_0)}{P_i(Y_i<{ϵ}_i/H_0)+P_i(Y_i<{ϵ}_i/H_1)}=\frac{1-P_{f,i}({\tau }_i,{ϵ}_i)}{1-P_{\mathrm{th}}+1-P_{f,i}({\tau }_i,{ϵ}_i)}$$P_i(H_1/Y_i<{ϵ}_i)=\frac{P_i(Y_i<{ϵ}_i/H_1)}{P_i(Y_i<{ϵ}_i/H_1)+P_i(Y_i<{ϵ}_i/H_0)}=\frac{P_{\mathrm{th}}}{P_{\mathrm{th}}+P_{f,i}({\tau }_i,{ϵ}_i)}$其中：ε_i为判决门限，P_th为各个授权信道必须满足的检测概率最小值，为从授权用户开始使用授权信道i的时刻开始算起，t时刻时授权信道i的状态由“占用”转为“空闲”的状态转移概率，为从授权用户停止使用授权信道i的时刻开始算起，t时刻时授权信道i的状态仍为“空闲”状态的概率，它们可由下式得到$P_{I|B}^i\left(t\right)={\int }_0^t{f}_{T_{\mathrm{ON}}^i}\left(t\right)\mathrm{dt}$$P_{I|I}^i\left(t\right)={\int }_t^{\infty }{f}_{T_{\mathrm{OFF}}^i}\left(t\right)\mathrm{dt}$其中：为授权信道i在占用状态上的驻留时间的概率密度函数；为授权信道i在空闲状态上的驻留时间的概率密度函数；（e）、求解下一个感知周期各个授权信道的表示当认知无线网络在每个感知周期仅合作感知授权信道i时的认知无线网络的最大吞吐量；（f）、认知无线网络中心基站以步骤e得到的最大化认知无线网络最大吞吐量为目标，根据步骤d估计得到的下一个感知周期各个授权信道i的可用概率，选择下一个感知周期认知无线网络需要合作感知的最优感知信道集合以及该集合中各个授权信道的感知时间并把该结果在下一个感知周期的初始时刻发送给各个认知用户；所述步骤f中，选择下一个感知周期认知无线网络需要合作感知的最优感知信道集合以及该集合中各个授权信道的感知时间的具体实现方法如下：1)把所有授权信道的最大吞吐量按从大到小进行排队，得到矢量I；2)从n=1开始按照n从小到大的顺序迭代搜索最优目标值，在每一次迭代过程中，选择矢量I中前n个授权信道作为当感知信道数目为n时的感知信道集合；3)利用给定感知信道集合条件下认知无线网络的最大吞吐量求解方法计算与该感知信道集合相对应的认知无线网络的最大吞吐量，并记录该目标值；当n=I时，迭代过程结束，此时得到I个目标值，其中与最大的目标值相对应的感知信道集合以及该集合中各个授权信道的感知时间即为最优的感知信道集合以及该集合中各个授权信道的感知时间