[发明专利]基于业务需求的多尺度频谱接入方法

摘要

本发明提出了基于业务需求的多尺度频谱接入方法。所述方法根据信道使用状态二进制序列学习构建PST状态树，考虑认知无线电系统中业务需求差异，利用可变长Markov模型中PST对信道的状态进行多尺度预测，进而指导频谱接入策略。本发明中的PST算法对复杂序列数据建模，方法简单适合用于分析，并且学习过程具有很好的理论性能保证，预测准确度高；根据认知业务需求通过PST对信道的状态进行多尺度预测，从而使次用户优先接入与其业务需求匹配的信道，能有效降低主次用户的冲突率，改善无线通信的QoS，提高频谱的利用率。

主权项

基于业务需求的多尺度频谱接入方法，其特征在于，所述方法包括步骤如下：步骤A，构建概率后缀树PST状态树；次用户获取授权信道使用状态统计信息，经采样转换为二进制序列，作为构建所述PST状态树的训练序列，并通过学习过程构建所述PST状态树；用含有不同字符个数的字符串s标识所述PST状态树中的节点，字符串s中字符个数N_s不大于D，D表示Markov模型的最大记忆数量，用σ表示字符，添加到所述PST状态树中的字符串s需满足以下三个约束条件：训练序列中字符串s发生的概率P(s)：$P\left(s\right)=\frac{1}{m-D+1}\underset{j=N_s}{\overset{m}{\mathrm{\&Sigma;}}}{x}_j\left(x\right)>P_{\min }$其中，$x_j\left(s\right)=\left\{\begin{array}{cc}1,& {\mathrm{\&sigma;}}_{j-N_s+1}...{\mathrm{\&sigma;}}_j=s\\ 0,& {\mathrm{\&sigma;}}_{j-N_s+1}...{\mathrm{\&sigma;}}_j\&NotEqual;s\end{array}\right.,$m为训练序列的字符个数，P_min为设定的概率阈值，j为自然数；字符串序列s后字符σ发生的概率为P(σ|s)：$P\left(\mathrm{\&sigma;}\right|s)=\frac{{\mathrm{\&Sigma;}}_{j=N_s}^{m-1}{x}_{j+1}\left(\mathrm{s\&sigma;}\right)}{{\mathrm{\&Sigma;}}_{j=N_s}^m{x}_j\left(s\right)}>{\mathrm{\&gamma;}}_{\min }$其中，γ_min为设定的概率阈值；预测下一个字符σ发生的概率时，字符串节点s需要比它的父节点提供更多的信息，即：$\frac{P\left(\mathrm{\&sigma;}\right|s)}{P\left(\mathrm{\&sigma;}\right|\hat{s})}>r$其中，r为设定的阈值，如果字符串s＝σ₁σ₂…σ_k‑1σ_k，则定义它的最长后缀$\hat{s}={\mathrm{\&sigma;}}_2...{\mathrm{\&sigma;}}_{k-1}{\mathrm{\&sigma;}}_k$为其父节点；步骤B，平滑所述PST状态树；如果内部节点s后有缺少的字符σ_i,i∈[1,N_Ψ]，i是自然数；N_Ψ表示字符集Ψ中字符的个数，则把节点s′＝σ_is添加到所述PST状态树中节点s之后，节点s′之后任意字符σ发生的概率γ_s′(σ)为：γ_s′(σ)＝(1‑N_ψγ_min)P(σ|s)+γ_min其中，如果P(σ|s)＝0，则重新分配给P(σ|s)一个最小概率常量γ，γ<1/m，并使所有节点s上概率向量满足步骤C，根据认知业务需求的差异，确定所述PST预测尺度值的大小；单一业务认知无线电系统中，次用户需要传输的业务量为l，信道传输速率为v，则一次业务传输需要的时间那么系统预测尺度值其中T_d为采样时隙长度，表示向上取整运算；多业务认知无线电系统中，则按公式确定系统的预测尺度值w，其中M指不同类型的认知业务数量，M为自然数，argmax{·}表示取最大值操作；步骤D，利用所述PST状态树对信道的状态进行w个尺度的预测，进而指导频谱接入策略；定义1表示信道繁忙，0表示信道空闲，则字符σ∈{0,1}，二进制序列s后1发生的概率P(1|s)即为信道处于繁忙状态的概率，二进制序列s后0发生的概率P(0|s)即为信道处于空闲状态的概率；其过程如下：步骤D‑1，根据信道包括当前时隙t在内的过去D个时隙的历史状态序列，预测信道c在下一个时隙t+1处于空闲状态的概率如果空闲概率大于设定的该时隙的门限值那么认为信道在时隙t+1是空闲的，信道状态判断公式如下：$S_c(t+k)=\left\{\begin{array}{cc}1,& P_c^{t+k}>I_{\min }^{t+k}\\ 0,& P_c^{t+k}\&le;I_{\min }^{t+k}\end{array}\right.$其中，k∈[0,w]，表示时隙t+k信道c处于空闲状态的概率，表示设定的该时隙的门限值，S_c(t+k)表示信道c在t+k时隙的状态，假设一个时隙内信道的状态不发生变化，1表示信道可用，0表示信道不可用；假设信道c在时隙t+1是期望空闲的，计算该信道c在时隙t+2同样空闲的概率并依据信道状态判断公式判断信道状态；依次类推，直到预测到某个时隙内信道的空闲概率小于设定的该时隙的门限值或者已经预测了w个时隙为止，针对前种情况把剩余时隙空闲的概率设置为0；步骤D‑2，根据预测结果确定信道连续空闲时隙的数量n_c，根据任意信道n_c值的不同，把所有信道划分成不同的等级，同一个等级中的信道，则利用可用性指标值的大小进行升序排序；其中，k为自然数；步骤D‑3，次用户根据认知业务对时隙个数的需求差异划分不同的需求等级，次用户优先接入与其业务需求匹配的可用信道，以保证不同等级的认知业务机会均等的获得理想的可用信道，当对应等级无可用信道时，次用户接入更高等级的空闲信道，否则等待合适的空闲信道。