[发明专利]认知无线电中频谱环境学习与预测

权利要求书

1.针对频谱空闲和占用时间长度服从指数分布的认知无线电系统，运用机器学习和预测的思想实现目标授权信道的频谱感知，其特征在于根据认知循环观察和学习环节的一般模型，认知用户基于机器学习和预测的无线信道频谱感知一般步骤可以归纳如下：

(1) 认知用户根据已经收集到的目标授权信道的状态信息，运用机器学习算法预测下一个时隙目标信道为空闲或占用的概率；

(2) 认知用户将下一个时隙目标授权信道的空闲概率从高到低排列并按照此顺序进行无线信道的频谱感知；

(3) 认知用户将在检测到的第一个空闲信道上传输数据，同时完成剩余目标信道的检测并记录相关信息。

2.根据权利要求1所述的运用机器学习和预测的思想实现目标授权信道频谱感知，其特征在于针对不同业务类型的认知用户，设定了丢包率和吞吐量两种评价标准，其中丢包率是开展固定速率业务的认知用户性能评估参数，吞吐量是开展可变速率业务的认知用户性能评估参数。

3.根据权利要求1所述的运用机器学习和预测的思想实现目标授权信道频谱感知，其特征在于信道平均错误预测概率和空闲状态概率存在对应关系，若无线频谱环境中目标授权信道的空闲状态概率为P，则认知用户对该信道的平均错误预测概率P_E＝2P(1－P)，由此可得，认知用户基于机器学习和预测的频谱感知性能较随机频谱感知有不同程度的改善。

4.根据权利要求1所述的运用机器学习和预测的思想实现目标授权信道频谱感知，其特征在于找到了用指数分布来拟合频谱空闲和频谱占用时间的理论依据，若无线频谱环境中目标授权信道的空闲和占用状态时间长度相互独立，且均服从指数分布，则目标授权信道空闲状态概率密度函数仅与其占空比有关，特别地，当目标授权信道的占空比为1时，空闲状态概率服从均匀分布。

5.根据权利要求2所述的丢包率和吞吐量两种评价参数，其特征在于对于开展固定速率业务的认知用户，引入统计平均吞吐量作为认知用户有效性的重要指标，随着样本容量的增加，吞吐量的估计值依概率收敛于统计平均值，并最终通过调整信道时间检测门限值，可以使单位时间内信息比特统计量在统计意义下达到最大。