基于隱馬爾科夫模型的盲主用戶檢測與發(fā)送電平識別方法
【專利摘要】本發(fā)明公開了一種基于隱馬爾科夫模型的盲主用戶檢測與發(fā)送電平識別方法，其實(shí)現(xiàn)步驟為：(1)對主用戶進(jìn)行觀察,計算每個觀察周期內(nèi)接收信號的功率，組成功率序列；(2)估計主用戶電平數(shù)；(3)確定每個電平的訓(xùn)練序列，對每個電平的隱馬爾科夫模型進(jìn)行訓(xùn)練；(4)根據(jù)檢測策略，對主用戶狀態(tài)進(jìn)行檢測判決。設(shè)置了兩種檢測策略，可以針對噪聲大小選擇合適的檢測策略，本發(fā)明解決了認(rèn)知無線電系統(tǒng)中主用戶存在與否的檢測與主用戶存在時發(fā)送電平識別的問題，具有有效、快速、無需先驗(yàn)知識以及識別主用戶發(fā)送電平的優(yōu)點(diǎn)，可應(yīng)用于認(rèn)知無線電系統(tǒng)中次級用戶的功率分配，提高無線電中頻譜資源的利用率，能在工程中廣泛應(yīng)用。
【專利說明】基于隱馬爾科夫模型的盲主用戶檢測與發(fā)送電平識別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于通信【技術(shù)領(lǐng)域】，主要涉及信號檢測技術(shù)，具體是一種基于隱馬爾科夫 模型的盲主用戶檢測與發(fā)送電平識別方法，可用于認(rèn)知無線電中的次級用戶的功率分配。

【背景技術(shù)】
[0002] 隨著如智能手機(jī)、平板電腦等無線設(shè)備越來越普及，頻譜資源日益緊張。然而據(jù)統(tǒng) 計，根據(jù)現(xiàn)有的頻譜分配方案分配頻譜，其頻譜使用率只有15% -85%。因此亟需一種高效 的頻譜利用技術(shù)，在此背景下，認(rèn)知無線電應(yīng)用而生。在認(rèn)知無線電系統(tǒng)中，次級用戶首先 對主用戶進(jìn)行檢測，在主用戶信道空閑或次級用戶的數(shù)據(jù)傳輸不會對主用戶造成干擾的情 況下使用主用戶的信道，從而提高了頻譜的利用率。因此，主用戶的檢測是整個認(rèn)知無線電 的基礎(chǔ)。
[0003] 目前的主用戶檢測方法主要有匹配濾波器檢測法、能量檢測法、循環(huán)平穩(wěn)檢測法 以及特征值檢測法等。
[0004] 匹配濾波器檢測法具有檢測時間短、檢測準(zhǔn)確度高的優(yōu)點(diǎn)，然而，該方法需要主用 戶的先驗(yàn)信息，需要對每個主用戶設(shè)計專門的檢測器，在實(shí)際應(yīng)用中受限。
[0005] 能量檢測法檢測復(fù)雜度最低，且不需要知道主用戶的先驗(yàn)信息，但其需要噪聲信 息，且在低性噪比下性能差，在實(shí)際應(yīng)用中受限。
[0006] 循環(huán)平穩(wěn)檢測法通過檢測信號的循環(huán)分量來檢測主用戶是否存在。然而，當(dāng)主用 戶的循環(huán)平率未知時，需要使用窮搜方案尋找循環(huán)頻率，算法復(fù)雜度大，在實(shí)際應(yīng)用中受 限。
[0007] 特征值檢測法是一種盲檢測算法，通過計算接收數(shù)據(jù)的樣本協(xié)方差矩陣的特征值 并與預(yù)設(shè)的門限對比，來判決主用戶存在與否，其無需主用戶與信道的先驗(yàn)知識，但需要數(shù) 據(jù)量大，在實(shí)際應(yīng)用中受限。
[0008] 所有上述的檢測方法均認(rèn)為主用戶只有兩種狀態(tài)：不存在或存在且以固定的功率 通信。無法對主用戶的發(fā)送電平進(jìn)行識別。


【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的在于克服上述方法的不足，提出一種基于隱馬爾科夫模型的主用戶 盲檢測與發(fā)送電平識別方法，在無先驗(yàn)知識條件下，以低算法復(fù)雜度和快速處理能力，檢測 主用戶存在與否，并對主用戶的發(fā)送電平進(jìn)行識別。
[0010] 為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方法包括如下步驟：
[0011] 步驟1、在足夠長的觀察時間內(nèi)，對所要觀察主用戶的頻段采集功率序列， 其中i為時刻值，NT為觀察時間長度，wi時刻采集到的功率值。
[0012] 步驟2、根據(jù)功率序列{IV, ，通過滑動濾波進(jìn)行降噪聲，多尺度連續(xù)小波變換提 取電平突變，去偽峰處理，電平分段求均值，k-means聚類算法進(jìn)行電平值分類，以及類方差 突變索引得到主用戶電平數(shù)估計值1,以便后續(xù)處理。
[0013] 步驟3、根據(jù)主用戶電平數(shù)估計值1建立隱馬爾科夫模型，針對每個電平進(jìn)行隱 馬爾科夫模型訓(xùn)練得到由狀態(tài)Pi組成的隱馬爾科夫模型，其中，Pk為第k個電平狀態(tài)， 女= ，以構(gòu)建隱馬爾科夫模型統(tǒng)計數(shù)據(jù)，為后續(xù)兩種檢測方案提供基礎(chǔ)。
[0014] 步驟4、采取兩種檢測策略，即采取"隱馬爾科夫模型檢測"策略或"特征值法一一 隱馬爾科夫模型檢測"策略，判決主用戶存在與否，對主用戶存在的判決結(jié)果進(jìn)行發(fā)送電平 值估算。
[0015] 現(xiàn)有技術(shù)中的檢測方法只判決主用戶為兩種狀態(tài)：不存在或存在且以固定的功率 通信。然而，在實(shí)際情形中，主用戶都是具有多個發(fā)送電平。本發(fā)明經(jīng)過研宄與創(chuàng)新，所提 供的技術(shù)方法能對主用戶的發(fā)送電平進(jìn)行識別，即可根據(jù)主用戶的發(fā)送電平實(shí)時調(diào)整次級 用戶的發(fā)送功率，從而在不干擾主用戶的情況下使次級用戶通過量最大。
[0016] 本發(fā)明的實(shí)現(xiàn)還在于：步驟2所述的估計主用戶電平數(shù)，按如下步驟進(jìn)行：
[0017] (2. 1)對主用戶的功率序列{叫丨；!彳進(jìn)行滑動平均濾波得到滑動濾波序列：

【權(quán)利要求】
1. 一種基于隱馬爾科夫模型的盲主用戶檢測與發(fā)送電平識別方法，包括有如下步驟： 步驟1、在足夠長的觀察時間內(nèi)，對所要觀察主用戶的頻段采集功率序列!·2，其中 i為時刻值，Nt為觀察時間長度，wi時刻采集到的功率值； 步驟2、根據(jù)功率序列{vv, 1?，通過滑動濾波，多尺度連續(xù)小波變換，去偽峰處理，電平 分段求均值，k-means聚類分類，以及類方差突變索引得到主用戶電平數(shù)估計值^ ; 步驟3、根據(jù)主用戶電平數(shù)估計值1建立連續(xù)隱馬爾科夫模型，針對每個電平進(jìn)行隱 馬爾科夫模型訓(xùn)練得到由狀態(tài)Pk組成的隱馬爾科夫模型，其中，Pk為第k個電平狀態(tài)， k = \,...,K； 步驟4、采取兩種檢測策略，即采取"隱馬爾科夫模型檢測"策略或"特征值法一一隱馬 爾科夫模型檢測"策略，判決主用戶存在與否，對主用戶存在的判決結(jié)果進(jìn)行發(fā)送電平值估 算。
2. 根據(jù)權(quán)利要求1所述的基于隱馬爾科夫模型的盲主用戶檢測與發(fā)送電平識別方法， 其特征在于步驟2所述的估計主用戶電平數(shù)，按如下步驟進(jìn)行： (2. 1)對主用戶的功率序列{$丨；^進(jìn)行滑動平均濾波得到滑動濾波序列： ? ? L . \ AT L w： I <- or I > Nt-- 122 W{i)= Wi+Wi-Lj2n+ · · · +wULti eise Ie從 其中，L為滑動濾波長度，i= 1，2, . . .NT; (2.2) 對主用戶的滑動濾波序列W(i)作多個尺度的連續(xù)小波變換得到小波系數(shù)序列： 代.α)=?妒(/>/人(i^) -Js!=1S 其中S為小波尺度，函數(shù)K·)為haar小波基，k= 1，2,…，Ντ; (2.3) 根據(jù)小波系數(shù)序列Θ(s，k)計算小波系數(shù)序列的和序列： =X 其中，η為所取的小波尺度最大值； (2.4) 劃定去除門限去除主用戶的和序列S(k)中的偽峰得到去偽峰序列： s( |5(,)ifSik^c IOifS(k) <? 其中ξ為去除門限，且< = 幻； 丄Ntk=\ (2.5) 根據(jù)去偽峰序列S'（k)，通過二次差分法得到S'（k)中的峰值點(diǎn)序列號{弋匕。， 其中kQ= 1，R為峰值點(diǎn)總數(shù)，kr表示第r個峰值點(diǎn)，r= 0, 1，…R; (2. 6)根據(jù)峰值點(diǎn)序列號{Κ=()將功率序列{vv,Sfi1分為R段功率序列{%!:，其中， ^ = 表示第r段功率序列，對于W,段，i=k^kg+1，. . . (2. 7)根據(jù)死L計算均值序列y= ,其中，/? = ,, _^ι+1；Σ叫'r= I, 2,...,R； (2. 8)用k-means聚類算法將均值序列U分為1到R-I類，計算每個分類結(jié)果的類內(nèi)方 差I(lǐng)，組成類內(nèi)方差序列化.!=: dΣ沖"v'): wkeCrie&k 其中r表示分為r類，且r= 1，2,. . .R-I，（；表示將U分為r類的類集合，Ck為類ωk 類心，δ(i，Ck)表示類ω,內(nèi)元素i與Ck的歐氏距離； (2. 9)根據(jù)類內(nèi)方差序列計算其下降程度序列{漢I^12: β .κ-κ, β"κ+κ+ι 其中，表示第r個下降序列，且r=l，2，...，R-2; (2. 10)根據(jù)下降程度序列彳汊丨估計主用戶電平個數(shù)#,包括零電平： K^1 + argmax J/?,. |γ_,2 其中，m'gmaxU表示取序列最大值對應(yīng)的r索引。
3. 根據(jù)權(quán)利要求1所述的基于隱馬爾科夫模型的盲主用戶檢測與發(fā)送電平識別方法， 其特征在于步驟3所述的建立由狀態(tài)Pk組成的隱馬爾科夫模型，按如下步驟進(jìn)行： (3. 1)通過k-means聚類算法將主用戶的均值序列U分為f類得到類集合丨％ 和類 心序列丨^I^1 ,其中Uk表示第k類，ck表示Uk的類心，且滿足C1 <C2 <... <Cf ; (3. 2)根據(jù)類集合恥I和類心序列，通過k-means聚類算法得到訓(xùn)練序列 ('々=Uf; 1凡eKJ=I5UI，其中，A= 1,2,.··,P,Clk表示類Uk的訓(xùn)練序列； (3. 3)根據(jù)訓(xùn)練序列Clk對每個電平的隱馬爾科夫模型進(jìn)行訓(xùn)練得到￡個電平訓(xùn)練值 Pk，以及對應(yīng)的電平狀態(tài)模型，其中，々=1,2,...,/?且有GC<…< &，將P#應(yīng)的狀態(tài)命名 為零電平狀態(tài)。
4. 根據(jù)權(quán)利要求1所述的基于隱馬爾科夫模型的盲主用戶檢測與發(fā)送電平識別方法， 其特征在于步驟4所述的采取兩種檢測策略，判決主用戶存在與否，對主用戶存在的判決 結(jié)果進(jìn)行電平值估算，按如下兩種策略進(jìn)行： (4. 1) "隱馬爾科夫模型檢測"策略：對一個檢測周期內(nèi)接收的信號計算其樣本功率值， 通過步驟3中訓(xùn)練得到的隱馬爾科夫模型，計算每個狀態(tài)的似然函數(shù)值，若零電平狀態(tài)對 應(yīng)的似然函數(shù)值最大則判決主用戶不存在，否則，判決主用戶存在，同時，將似然函數(shù)值最 大的狀態(tài)所對應(yīng)的電平值作為主用戶電平估計值； (4. 2) "特征值法一一隱馬爾科夫模型檢測"策略：通過特征值檢測法，判決主用戶存在 與否，若判決主用戶存在，則根據(jù)接收信號的功率，通過步驟3中訓(xùn)練得到的隱馬爾科夫模 型，計算每個狀態(tài)的似然函數(shù)值，將似然函數(shù)值最大的狀態(tài)所對應(yīng)的電平值作為主用戶電 平估計值。
【文檔編號】H04B17/391GK104467995SQ201410577419
【公開日】2015年3月25日 申請日期:2014年10月24日 優(yōu)先權(quán)日:2014年10月24日
【發(fā)明者】劉伯陽, 李贊, 司江勃, 楊鼎, 劉向麗, 周福輝, 熊天意, 胡偉龍, 萬鵬武, 牛宏偉 申請人:西安電子科技大學(xué)