一种频谱感知训练方法及系统与流程

本发明涉及信息技术领域，具体涉及一种频谱感知训练方法及系统。

背景技术：

随着无线通信网络的迅猛发展，频谱资源开始日趋紧张，无线资源越来越成为一种紧缺的自然资源。目前，频谱资源由国家统一进行分配与管理，频谱的分配方式是固定的。其中频谱分为授权频谱与非授权频谱，授权频谱是分配给特定用户与设备使用的，只有指定的用户或设备才可以接入，而非授权频谱则可以给任意只要不干扰其他用户工作的设备进行使用。

相较于传统的技术，认知无线网络技术可以更加有效的解决频谱资源利用率低下的问题：传统技术受限于香农信道容量的极限值，无法从根本上解决问题，然而认知无线网络因具有可以自主学习并可自适应调节的特点，对于解决频谱资源问题更为有效。目前常用的频谱感知方法主要有：能量感知方法、匹配滤波器感知方法。

能量感知是最常用的频谱感知技术，因其实现简单易于操作，且是一种非相干检测，无需知道主用户的先验信息，因此传统的频谱检测技术都是基于能量感知的。能量感知方法首先将输入的信号进行A/D模数转换，将模拟信号转换为数字信号，对转换之后的信号求模平方，在一段时间内进行抽样平均，求其能量值，将这个值作为检验统计量。将检验统计量与门限值进行比较，如果大于门限值，则判决为主用户存在，如果小于门限值，则判决为主用户不存在。能量检测并不需要主用户信号的先验信息即可进行判决，属于非相干检测，所以是一种较为简单且常用的频谱感知方法，但是其抗干扰性能较差，对于信噪比较小的信号感知性能不佳。

匹配滤波器是一种相干检测，需知道主用户信号的先验信息，在这种情况下，匹配滤波器检测是性能最优的检测方法。其原理是在接收端利用发端所发射的信号与所接收到的信号取样之后相乘作为检验统计量，与所设定的门限值进行比较，如果大于门限值，则主用户存在，如果小于门限值，则只存在噪声，即存在频谱空洞。匹配滤波器检测的设计原则就是使输出信号的信噪比在某一时刻达到最大值，所以在知道主用户先验信息的前提下，匹配滤波器检测是一种最佳检测方法。相应的，其计算复杂度较高，实现过程比能量检测要繁杂。

由于感知过程之前的实际检测概率是由历史信息而决定的，然而，由于认知用户的位置以及环境的影响，实际检测概率并不是一成不变的，实际输出的检测概率与期望输出的检测概率之间存在误差，如何从根本上减小频谱感知系统实际检测概率和期望检测概率之间的误差，是信息技术领域亟待解决的问题。

技术实现要素：

本发明所要解决的技术问题是针对现有技术中所存在的上述缺陷，提供一种频谱感知训练方法及系统，用以解决现有技术中存在的多个感知用户进行频谱感知时实际检测概率和期望检测概率之间存在的误差。

为实现上述目的，本发明提供一种频谱感知训练方法，应用于包括至少两个感知用户的频谱感知系统中，所述方法包括：

获取各感知用户第1次至第J次的感知结果；

根据所述各感知用户第1次至第J次的感知结果分别计算第1次至第J次的检测概率，所述检测概率为感知到频谱占用或未感知到频谱占用的用户的占所有感知用户的比例，根据所述各感知用户第1次至第J次的检测概率计算第H次的实际检测概率，其中H≤J；

根据所述各感知用户第1次至第J次的感知结果计算第J次的期望检测概率；

根据所述第J次的期望检测概率和第H次的实际检测概率计算系统感知差值，并根据所述差值调整所述各感知用户。

优选的，在获取各感知用户第1次至第J次的感知结果的步骤之后，在根据所述各感知用户第1次至第J次的感知结果计算第J次的期望检测概率的步骤之前，所述方法还包括：

将所述第2次至第J次的感知结果分别与第1次的感知结果进行比较，分别确定第2次至第J次的比较感知结果，

所述根据所述各感知用户第1次至第J次的感知结果计算第J次的期望检测概率，还包括：

根据所述各感知用户第2次至第J次的比较感知结果计算第J次的期望检测概率。

优选的，所述根据所述各感知用户第1次至第J次的感知结果计算第J次的期望检测概率，具体包括：

利用公式(1)计算所述第J次的期望检测概率：

其中：

i为感知用户；

r_i(m)为感知用户i第m次感知结果；

k_i(j)为感知用户i第j次感知的期望检测概率。

优选的，所述根据所述各感知用户第1次至第J次的检测概率计算第H次的实际检测概率，具体包括：

根据第1次至第L次的检测概率组成的数组Q计算所述第H次的实际检测概率，其中，L≤H；

所述数组Q为Q＝[q1，…，q(L-1)，q(L)]，其中，q1为所有感知用户第1次的检测概率，q(L)为所有感知用户第L次的检测概率。

优选的，所述根据第1次至第L次的检测概率组成的数组Q计算所述第H次的实际检测概率，具体包括：

利用公式(2)计算所述第H次的实际检测概率：

其中，

S_i(H)为各感知用户第H次的实际检测概率；

Q为第1次至第L次的检测概率组成的数组Q。

本发明还提供一种频谱感知训练系统，包括：

接收模块，用于获取各感知用户第1次至第J次的感知结果；

实际检测概率模块，用于根据所述各感知用户第1次至第J次的感知结果分别计算第1次至第J次的检测概率，所述检测概率为感知到频谱占用或未感知到频谱占用的用户的占所有感知用户的比例，根据所述各感知用户第1次至第J次的检测概率计算第H次的实际检测概率，其中H≤J；

期望检测概率模块，用于根据所述各感知用户第1次至第J次的感知结果计算第J次的期望检测概率；

调整模块，用于根据所述第J次的期望检测概率和第H次的实际检测概率计算系统感知差值，并根据所述差值调整所述各感知用户。

优选的，还包括：

比较模块，用于将所述第2次至第J次的感知结果分别与第1次的感知结果进行比较，分别确定第2次至第J次的比较感知结果，

所述期望检测概率模块，还用于根据所述各感知用户第2次至第J次的比较感知结果计算第J次的期望检测概率。

优选的，所述期望检测概率模块，具体用于：

利用公式(1)计算所述第J次的期望检测概率：

其中：

i为感知用户；

r_i(m)为感知用户i第m次感知结果；

k_i(j)为感知用户i第j次感知的期望检测概率。

优选的，所述实际检测概率模块，具体用于：

根据第1次至第L次的检测概率组成的数组Q计算所述第H次的实际检测概率，其中，L≤H；

所述数组Q为Q＝[q1，…，q(L-1)，q(L)]，其中，q1为所有感知用户第1次的检测概率，q(L)为所有感知用户第L次的检测概率。

优选的，所述实际检测概率模块，具体用于：

利用公式(2)计算所述第H次的实际检测概率：

其中，

S_i(H)为各感知用户第H次的实际检测概率；

Q为第1次至第L次的检测概率组成的数组Q。

本发明所提供的频谱感知训练方法及系统，能够减小频谱感知系统的实际检测概率和期望检测概率之间的误差值，提高频谱感知的检测效率和检测速度。

附图说明

为了更清楚的说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的频谱感知训练方法的流程示意图；

图2为本发明提供的频谱感知训练系统的结构示意图。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和实施例对本发明作进一步详细描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明提供的频谱感知训练方法的流程示意图，如图1所示的频谱感知训练方法包括如下步骤：

步骤S101，获取各感知用户第1次至第J次的感知结果。

具体的，在包括至少两个感知用户的频谱感知训练系统中，所述各感知用户向融合中心发送每次的感知结果。所述的感知结果包括已占用和未占用，在实际的应用中，可用数字1表示已占用，0表示未占用。

步骤S102，根据所述各感知用户第1次至第J次的感知结果分别计算第1次至第J次的检测概率，所述检测概率为感知到频谱占用或未感知到频谱占用的用户的占所有感知用户的比例，根据所述各感知用户第1次至第J次的检测概率计算第H次的实际检测概率，其中H≤J。

具体的，首先，根据所述各感知用户第1次至第J次的感知结果，并根据所述第1次至第J次的感知结果，分别计算第1次至第J次的检测概率，所述检测概率为感知到频谱占用或未感知到频谱占用的用户的占所有感知用户的比例，如，共有10个感知用户，所述10个感知用户中，第1次的感知结果中有8个感知用户的感知结果为已占用，则所述第1次的检测概率为0.8；第5次的感知结果中有6个感知用户的感知结果为已占用，则所述第5次的检测概率为0.6。在实际的应用中，也可根据其他已知的计算检测概率的算法进行第1次至第J次的检测概率的计算。

在确定了第1次至第J次的检测概率后，根据所述第1次至第J次的检测概率，计算第H次的实际检测概率，其中H≤J。

优选的，本发明提供一种优选的方案为，根据第1次至第L次的检测概率组成的数组Q计算所述第H次的实际检测概率，其中，L≤H；

所述数组Q为Q＝[q1，…，q(L-1)，q(L)]，其中，q1为所有感知用户第1次的检测概率，q(L)为所有感知用户第L次的检测概率。

利用公式(2)计算所述第H次的实际检测概率：

其中，

S_i(H)为各感知用户第H次的实际检测概率；

Q为第1次至第L次的检测概率组成的数组Q。

即，将第1次至第L次的检测概率组成的数组，带入实际检测概率的结算公式，即公式(2)中，确定第L次以后的第H次的实际检测概率。

步骤S103，根据所述各感知用户第1次至第J次的感知结果计算第J次的期望检测概率。

具体的，所述根据所述各感知用户第1次至第J次的感知结果计算第J次的期望检测概率，具体包括：

利用公式(1)计算所述第J次的期望检测概率：

其中：

i为感知用户；

r_i(m)为感知用户i第m次感知结果；

k_i(j)为感知用户i第j次感知的期望检测概率。

本发明还提供一种优选的方案为，在获取各感知用户第1次至第J次的感知结果的步骤之后，在根据所述各感知用户第1次至第J次的感知结果计算第J次的期望检测概率的步骤之前，所述方法还包括：

将所述第2次至第J次的感知结果分别与第1次的感知结果进行比较，分别确定第2次至第J次的比较感知结果，

所述根据所述各感知用户第1次至第J次的感知结果计算第J次的期望检测概率，还包括：

根据所述各感知用户第2次至第J次的比较感知结果计算第J次的期望检测概率。

获取第2次至第J次放入比较感知结果后在进一步对期望检测概率进行计算，可以消除系统中存在的系统噪声，使计算结果更加准确。

利用所述第2次至第J次的比较感知结果计算第J次的期望检测概率的计算公式同公式(1)。

步骤S104，根据所述第J次的期望检测概率和第H次的实际检测概率计算系统感知差值，并根据所述差值调整所述各感知用户。

根据系统感知差值，对各感知用户的感知方法，或感知的阈值进行调整，使得各感知用户在相同的感知条件下，输出不同的感知结果，以使各感知用户的检测结果更加符合系统的期望感知概率。

本发明所提供的频谱感知训练方法及系统，能够减小频谱感知系统的实际检测概率和期望检测概率之间的误差值，提高频谱感知的检测效率和检测速度。

图2为本发明提供的频谱感知训练系统的结构示意图，如图2所示的频谱感知训练系统包括：

接收模块201，用于获取各感知用户第1次至第J次的感知结果。

实际检测概率模块202，用于根据所述各感知用户第1次至第J次的感知结果分别计算第1次至第J次的检测概率，所述检测概率为感知到频谱占用或未感知到频谱占用的用户的占所有感知用户的比例，根据所述各感知用户第1次至第J次的检测概率计算第H次的实际检测概率，其中H≤J；具体用于根据第1次至第L次的检测概率组成的数组Q计算所述第H次的实际检测概率，其中，L≤H；所述数组Q为Q＝[q1，…，q(L-1)，q(L)]，其中，q1为所有感知用户第1次的检测概率，q(L)为所有感知用户第L次的检测概率。

利用公式(2)计算所述第H次的实际检测概率：

其中，

S_i(H)为各感知用户第H次的实际检测概率；

Q为第1次至第L次的检测概率组成的数组Q。

期望检测概率模块203，用于根据所述各感知用户第1次至第J次的感知结果计算第J次的期望检测概率；还用于根据所述各感知用户第2次至第J次的比较感知结果计算第J次的期望检测概率。具体用于利用公式(1)计算所述第J次的期望检测概率：

其中：

i为感知用户；

r_i(m)为感知用户i第m次感知结果；

k_i(j)为感知用户i第j次感知的期望检测概率。

调整模块204，用于根据所述第J次的期望检测概率和第H次的实际检测概率计算系统感知差值，并根据所述差值调整所述各感知用户。

比较模块205，用于将所述第2次至第J次的感知结果分别与第1次的感知结果进行比较，分别确定第2次至第J次的比较感知结果。

本发明所提供的频谱感知训练方法及系统，能够减小频谱感知系统的实际检测概率和期望检测概率之间的误差值，提高频谱感知的检测效率和检测速度。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法、设备和系统，可以通过其它的方式实现。例如，以上所描述的设备实施例仅是是示意性的，所述功能模块的划分，仅为一种逻辑功能的划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或者一些特征可以忽略，或不执行。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。