聯(lián)合授權用戶感知與鏈路狀態(tài)估計方法與裝置制造方法
【專利摘要】本發(fā)明針對認知無線電中的頻譜感知問題，設計了一種聯(lián)合頻譜感知與鏈路狀態(tài)估計方法裝置。此法首次納入了一種主用戶-次要用戶之間鏈路狀態(tài)信息,將其作為頻譜感知中的另一個隱藏狀態(tài)，并由此建立了一種通用的動態(tài)狀態(tài)空間模型；基于貝葉斯序貫估計框架與貝努利隨機有限集理論，設計了一種貝努利濾波機制，在感知檢測授權頻段工作狀態(tài)的同時，可獲得主-次鏈路狀態(tài)信息的聯(lián)合盲估計(算法過程已附圖)。該方法充分利用主-次鏈路狀態(tài)信息，從而顯著提升頻譜感知性能；同時，獲得的主-次鏈路狀態(tài)信息還能用以后續(xù)的資源優(yōu)化；此外，本發(fā)明所設計的聯(lián)合用戶感知與鏈路狀態(tài)信息估計方法裝置具有通用性，可拓展至其他主-次鏈路狀態(tài)信息。
【專利說明】聯(lián)合授權用戶感知與鏈路狀態(tài)估計方法與裝置
【技術領域】
[0001]本發(fā)明針對認知無線電(Cognitive Radios, CRs)中的授權頻譜感知問題,設計提出一種新的聯(lián)合授權頻譜感知和鏈路狀態(tài)估計方法，因而可將其稱為深度感知(Deepsensing)。在檢測授權用戶的同時，還將未知授權用戶-次要用戶之間鏈路狀態(tài)信息納入考慮，建立起一種動態(tài)狀態(tài)空間模型(Dynamic State-space Model, DSM);將上述授權用戶感知與聯(lián)合鏈路狀態(tài)估計問題建模為一個貝努利隨機有限集(Bernoulli Random FiniteState，BRFS)，設計了一種貝努利濾波機制，在感知檢測授權頻段工作狀態(tài)的同時，實現(xiàn)了對PS-LSI的聯(lián)合盲估計。該方法與裝置具備足夠的可拓展性，可處理任意的PS-LSI (如時變信道增益)。屬于通信領域。
【背景技術】
[0002]認知無線電技術通過機會方式動態(tài)地接入至已分配的空閑頻譜，有望顯著提升授權頻譜的時間/空間利用率，并在一定程度上緩解頻譜資源枯竭與授權頻帶利用率低這一主要矛盾，從而為新興的無線通信業(yè)務開辟了一條極具應用前景的發(fā)展道路。相對于經(jīng)典的載波偵聽多址接入(Carrier Sensing Multiple Access, CSMA)方式，CR還提供了一種更為靈活高效的無線頻譜管理與干擾消除模式。這種基于感知-接入(Sensing-and-transmissions)的新模式能降低CSAM中的等待/碰撞現(xiàn)象，從而有效提升干擾消除與多址接入的效率。為此，CR已獲得了包括LTE-A、IEEE802.1ln和LTE-U在內的諸多其他無線新標準的青睞，成為了未來無線商用標準中的一項核心技術。
[0003]頻譜感知是CR智能屬性的前提與基礎，也是CR系統(tǒng)正常運行的關鍵所在。因此，高性能、高穩(wěn)健性的頻譜算法檢測一直是CR相關研究的熱點與難點。通過頻譜感知過程，CR次要用戶需盡快接入空閑授權頻段執(zhí)行機會式傳輸，并在授權用戶重新激活時迅速退出授權頻段，從而在不影響授權用戶的前提下提升授權頻譜利用率。這種“先感知-后操作”的體制已被IEEE802.22標準所采納[33]。然而，進一步考慮未來CR場景(如LTE-A、LTE-U和802.1ln)中可能涉及的隨機移動與動態(tài)時變等復雜特性，現(xiàn)行的頻譜感知框架(包括已有的頻譜感知算法)或許已難以滿足實際應用需求。在現(xiàn)有的頻譜感知方案中，均將主用戶-次用戶無線鏈路狀態(tài)信息(Primary-user to Second-user Link State Information,PS-LSI)作為一個與主用戶工作狀態(tài)獨立的中間變量而不予估計。這主要是因為，最初所考慮的CR應用場景主要針對授權廣播電視頻段的再利用，相應的頻譜感知系統(tǒng)模型(如二元假設檢驗模型)與感知算法設計也相對簡單。然而在實際中，未知PS-LSI將增加接收信號不確定性，繼而對頻譜感知性能產(chǎn)生負面影響。尤其考慮實際的時變衰落信道，隨時間變化的動態(tài)信道增益將極大增加檢測難度，導致頻譜感知性能欠佳。盡管已有文獻考慮了信道衰落的統(tǒng)計概率分布函數(shù)(Probability Density Function, PDF),并通過邊緣化思想在一定程度上降低了隨機衰落的負面影響[29];然而，統(tǒng)計概率分布僅能反映衰落的瞬時隨機行為，未能刻畫相關的時變遷移性質，因而也就無法對時變信道進行實時追蹤，致使其檢測性能仍然難以接受。[0004]本發(fā)明首次考慮了未知授權用戶-次要用戶之間鏈路狀態(tài)信息，基于動態(tài)狀態(tài)空間模型和Bernoulli隨機有限集理論(BRFS)，設計了一種聯(lián)合估計未知授權用戶工作狀態(tài)和相關鏈路狀態(tài)信息的方法裝置；該方法基于一種貝努利濾波機制，通過前向預測和后向更新兩個階段，迭代地估計出了未知授權用戶工作狀態(tài)和相關鏈路狀態(tài)信息的聯(lián)合后驗分布，從而基于最大后驗概率準則，實現(xiàn)了對上述兩個未知隱含狀態(tài)的聯(lián)合估計。為了降低算法設計與實現(xiàn)的復雜度，進一步引入了基于重要性采樣的粒子濾波機制，以數(shù)值逼近方式估計相關的后驗分布。通過估計未知鏈路狀態(tài)信息、并深入發(fā)掘其動態(tài)特性，該方案能顯著提升頻譜感知的性能；與此同時，估計獲得的相關鏈路狀態(tài)信息還可為后續(xù)的認知資源分配與調度提供必要的前提，進一步優(yōu)化認知網(wǎng)絡的傳輸容量。

【發(fā)明內容】

[0005]本發(fā)明基于Bernoulli隨機有限集(BRFS)與Bernoulli濾波算法,設計了一種兩階段(前向預測和后向更新)的聯(lián)合頻譜感知與相關鏈路狀態(tài)信息估計方案。新方案基于一種序貫估計理論，通過迭代方式聯(lián)合獲得了兩個未知狀態(tài)的最大后驗概率估計。在實現(xiàn)未知授權頻段使用狀態(tài)的同時，聯(lián)合估計出了主次鏈路狀態(tài)信息，極大提高了非理想場景下(如時變衰落信道)的頻譜感知性能，同時估計獲得的鏈路狀態(tài)信息還可進一步優(yōu)化后續(xù)認知資源分配與調度。綜上所述，新方案將為下一代無線通信系統(tǒng)中頻譜檢測的解決提供一種極具應用潛力的方案。
[0006]本發(fā)明采用以下技術方案。
[0007]首先，將未知授權用戶工作狀態(tài)和相關鏈路狀態(tài)信息作為兩個未知隱含狀態(tài)，建立起一個通用的動態(tài)狀態(tài)空間系統(tǒng)模型。并將上述兩個未知狀態(tài)建模為一個Bernoulli隨機有限集(BRFS)。
[0008]其次，基于歷史觀測值，充分利用相關的動態(tài)概率轉移特性，執(zhí)行一步前向預測，獲得未知授權用戶工作狀態(tài)和相關鏈路狀態(tài)信息的預測概率分布。
[0009]接著，基于采樣處理得到的當前時刻觀測值，充分利用相關的似然分布，執(zhí)行后向更新預測，獲得未知授權用戶工作狀態(tài)和相關鏈路狀態(tài)信息的后驗概率分布。
[0010]最后，基于估計獲得的未知授權用戶工作狀態(tài)和相關鏈路狀態(tài)信息的后驗概率分布，從而實現(xiàn)了最大后驗概率準則下的聯(lián)合頻譜感知與鏈路狀態(tài)信息盲估計。
[0011]本發(fā)明的優(yōu)點是:
[0012]I)該發(fā)明充分利用時變信道及授權用戶工作狀態(tài)的先驗信息，并采用粒子濾波技術有效克服觀測信號(累積能量)呈現(xiàn)出的非平穩(wěn)非高斯特性，極大地提升了時變衰落信道下的頻譜感知性能。本發(fā)明技術方案適用于復雜應用場景下的頻譜感知，區(qū)別于傳統(tǒng)感知方案，新方案能有效應對非理想因素(如未知時變衰落信道)給頻譜感知算法帶來的負面影響，通過估計鏈路狀態(tài)信息并深入發(fā)掘其動態(tài)特性，繼而顯著提升頻譜感知性能。
[0013]2)本發(fā)明設計的聯(lián)合頻譜感知與相關鏈路狀態(tài)信息估計方案，無需在授權用戶端強加額外的操作，即可實現(xiàn)對授權用戶至次要用戶鏈路狀態(tài)信息的估計。該估計量可用以提升頻譜感知性能，并有望進一步優(yōu)化后續(xù)認知資源調度與分配。
[0014]3)區(qū)別于已有的方案，本發(fā)明所設計的聯(lián)合頻譜感知與相關鏈路狀態(tài)信息估計方法裝置，主要基于Bernoulli隨機有限集(BRFS)，在此統(tǒng)一數(shù)學理論框架下，實現(xiàn)了對兩個未知狀態(tài)的聯(lián)合最優(yōu)估計。
[0015]4)本發(fā)明設計的聯(lián)合頻譜感知與相關鏈路狀態(tài)信息估計方法裝置，主要采用了兩階段貝葉斯序貫估計框架，通過前向預測和后向更新，實現(xiàn)了對聯(lián)合后驗概率的估計。
[0016]5)本發(fā)明設計的聯(lián)合頻譜感知與相關鏈路狀態(tài)信息估計方法裝置，采用最大后驗概率準則估計相關未知量，相比于現(xiàn)有方法，新方案能更充分有效的利用相關的統(tǒng)計特性，因而也能獲得更加優(yōu)越的感知與估計性能。
[0017]6)本發(fā)明設計的Bernoulli濾波方案，采用了粒子濾波來數(shù)值逼近相關的后驗分布，在降低實現(xiàn)復雜度的同時，也保證了估計量的漸進最優(yōu)性。
【專利附圖】

【附圖說明】
[0018]圖1聯(lián)合頻譜感知與鏈路狀態(tài)信息估計方法與裝置示意圖
[0019]圖2聯(lián)合頻譜感知與鏈路狀態(tài)信息估計算法原理圖。
[0020]圖3未知時變信道增益的估計MSE性能曲線。
[0021]圖4未知時變衰落信道下的頻譜感知性能曲線。
【具體實施方式】
[0022]本發(fā)明建立起聯(lián)合頻譜感知與相關鏈路狀態(tài)信息估計的動態(tài)狀態(tài)空間模型，采用Bernoulli隨機有限集理論,設計一種兩階段Bernoulli濾波算法,采用粒子濾波技術,實現(xiàn)了未知授權用戶工作狀態(tài)與相關鏈路狀態(tài)信息的聯(lián)合估計。下面分別闡述相關的方法與理論。
[0023]1.動態(tài)空間狀態(tài)模型(DSM)
[0024]本發(fā)明所提出的DSM模型如下所示:
[0025]Sn = F(Slri)(I)
[0026]an = H(Qn^1)(2)
[0027]Yn = G(an, sn；m,wn；m)(3)
[0028]其中，式(I)和(2)為動態(tài)方程，Sn表示第η時刻授權用戶狀態(tài)，a η表示η時刻未知PS-LSI ;式(3)稱為觀測方程，其中yn表示η時刻認知設備的觀測量;wn則表示獨立同分布的疊加高斯白噪聲，其方差記為σ/。上述DSM中，F(xiàn)(.)和Η(.)分別是兩個隱含狀態(tài)對應的狀態(tài)轉移函數(shù)；G(.)則表示系統(tǒng)觀測函數(shù)，實際中與特定感知方案有關。下面將分別針對上述三個方程進行詳細介紹。
[0029]a)注意，上述DSM (以及后續(xù)的聯(lián)合檢測與估計方案)適用于實際應用中的一切PS-LSI，只要與觀測量yn相耦合，該PS-LSI即可納入上述框架中去。為了分析方便起見，特以授權用戶-次要用戶之間的時變衰落信道為例，來進一步闡釋上述DSM。本發(fā)明中采用離散狀態(tài)馬爾科夫鏈(discrete state Markov chain, DSMC)模型刻畫實際的時變衰落信道。在每個離散時刻(L表示信道穩(wěn)態(tài)持續(xù)周期)，DSMC信道狀態(tài)可看作一個特定馬爾科夫過程的輸出[38]，記為為€人虻〗()，1，...人-1卜隨著時間的不斷推移，離散信道狀態(tài)也會發(fā)生動態(tài)遷移，該過程由一個狀態(tài)轉移矩陣(TPM) IIκχκ={e O, Ι,...,Κ-l}加以描述，即:
[0030]
【權利要求】
1.一種聯(lián)合頻譜感知與信道狀態(tài)估計方法裝置，能在檢測授權頻段使用狀態(tài)的同時，聯(lián)合估計出相關的主-次鏈路狀態(tài)信息。其特征在于:將主-次鏈路狀態(tài)信息動態(tài)納入考慮，利用一種新設計的動態(tài)狀態(tài)空間模型，實現(xiàn)了對于未知授權用戶狀態(tài)和相關鏈路狀態(tài) 息聯(lián)合估計。
2.根據(jù)權利要求1所述的聯(lián)合頻譜感知與信道狀態(tài)估計的實現(xiàn)方法，其特征在于:一種全新的通用頻譜感知系統(tǒng)模型，將未知授權用戶和相關鏈路狀態(tài)信息作為隱藏狀態(tài)，并借助于Bernoulli隨機有限集來有效描述深度感知過程中涉及的相關耦合量。
3.根據(jù)權利要求2所述的全新的頻譜感知系統(tǒng)模型，其特征在于:新建立的頻譜感知系統(tǒng)模型具備良好的通用性，該模型可擴展至任意的主-次鏈路狀態(tài)信息，其中包括時變衰落信道響應、未知授權用戶調制方式、未知授權用戶發(fā)射動態(tài)功率等。
4.根據(jù)權利要求1所述的聯(lián)合頻譜感知與信道狀態(tài)估計的實現(xiàn)方法，其特征在于:基于認知用戶觀測信號，實現(xiàn)了對授權用戶工作狀態(tài)和相關鏈路狀態(tài)信息(如時變衰落信道增益)的聯(lián)合估計。
5.根據(jù)權利要求1所述的聯(lián)合頻譜感知與信道狀態(tài)估計的實現(xiàn)方法:所設計的聯(lián)合估計與檢測方法主要基于最大后驗概率思想實現(xiàn)對上述兩個未知狀態(tài)的貝葉斯最優(yōu)估計。
6.根據(jù)權利要求5所述的聯(lián)合估計與檢測實現(xiàn)方法:新設計的貝葉斯濾波算法基于隨機有限集統(tǒng)計推理框架，集成了兩階段遞推估計方法，通過前向預測(predict)和后向更新(update)兩個步驟，實現(xiàn)了對未知授權用戶狀態(tài)與相關鏈路狀態(tài)信息聯(lián)合后驗概率的迭代估計。
7.根據(jù)權利要求6所述的葉斯濾波算法與隨機有限集統(tǒng)計實現(xiàn)方法，其特征在于:利用粒子濾波對相關后驗分布進行數(shù)值方式逼近，降低了所設計方案的實現(xiàn)復雜度。 本發(fā)明公開了聯(lián)合授權頻譜感知和鏈路狀態(tài)估計方法與裝置，基于Bernoulli隨機有限集(BRFS)理論與動態(tài)狀態(tài)空間模型，設計一種針對未知授權用戶工作狀態(tài)下的主次鏈路狀態(tài)信息聯(lián)合估計方法與裝置。該系統(tǒng)中包括信號采集、前向預測、后向更新、重要性采樣與權重更新、MAP估計未知狀態(tài)等五個模塊。通過本發(fā)明所設計提出的聯(lián)合頻譜感知與鏈路狀態(tài)信息估計實現(xiàn)方法，可以以一種全盲方式聯(lián)合估計出相關主次鏈路狀態(tài)信息(譬如時變衰落信道增益)，顯著提升了復雜場景下的頻譜檢測性能，在下一代非授權無線通信系統(tǒng)中具有極其廣泛的應用。同時，該方案具備良好可拓展性，亦可用來聯(lián)合估計未知授權信號模式、授權用戶發(fā)射功率等。該發(fā)明不限于認知無線電系統(tǒng)，對于其他具有非授權工作特性的通信系統(tǒng)裝置，該方法也同樣適用，因而在其他無線通信領域也具有極其重要的理論研究與實際應用價值。
【文檔編號】H04W72/14GK103916969SQ201410155420
【公開日】2014年7月9日 申請日期:2014年4月17日 優(yōu)先權日:2014年4月17日
【發(fā)明者】李斌, 南一江, 趙成林, 許方敏 申請人:北京郵電大學