一種移動授權(quán)用戶頻譜檢測與其地理位置估計方法與裝置制造方法
【專利摘要】本發(fā)明針對移動授權(quán)用戶頻譜感知與其地理位置信息估計問題，設(shè)計了一種聯(lián)合頻譜感知與授權(quán)用戶位置估計方案。此法首次提出了一種自適應(yīng)視野擴展方法，有效應(yīng)對由授權(quán)用戶位置不確定性及靜默狀態(tài)所造成的負面影響，提高了頻譜感知性能?；诓S機有限集及貝葉斯序貫估計框架，構(gòu)造了一種全新的動態(tài)空間模型，并設(shè)計了一種三段式伯努利濾波機制，在檢測授權(quán)用戶工作狀態(tài)的同時，估計其地理位置信息，從而顯著提升頻譜感知性能。同時，實現(xiàn)了時間、頻率和空間的頻譜復(fù)用，從而進一步優(yōu)化后續(xù)頻譜資源配置。
【專利說明】一種移動授權(quán)用戶頻譜檢測與其地理位置估計方法與裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明針對移動場景下的認知無線電（Cognitive Radio, CR)授權(quán)用戶頻譜檢測 問題，設(shè)計一種全新的授權(quán)用戶工作狀態(tài)與其地理位置信息的聯(lián)合估計方法與裝置。新方 案在檢測授權(quán)用戶工作狀態(tài)的同時，充分考慮由于其位置移動所帶來的動態(tài)能量衰減，繼 而將未知授權(quán)用戶位置信息納入估計過程，建立起一種包含授權(quán)用戶工作狀態(tài)和其位置的 動態(tài)空間模型Oynamic State-space Model, DSM)?；陔S機有限集理論，將授權(quán)用戶工作 狀態(tài)和其動態(tài)位置信息建模成一個伯努利隨機有限集（Bernoulli Random Finite Sets, BRFS)，并設(shè)計了一種與之適應(yīng)的伯努利濾波機制，在實現(xiàn)感知授權(quán)用戶工作狀態(tài)的同時， 亦可聯(lián)合估計出其未知的地理位置信息。屬于通信領(lǐng)域。

【背景技術(shù)】
[0002] 隨著無線業(yè)務(wù)的不斷拓展，頻譜資源的匱乏成為了無線通信系統(tǒng)亟待解決的重大 難題。在此背景下，如何合理調(diào)配頻譜資源并提高頻譜資源利用率成為了未來無線業(yè)務(wù)發(fā) 展的新方向。認知無線電作為一種頻譜共享技術(shù)，能夠動態(tài)地感知外部頻譜環(huán)境，有效地 利用頻譜空穴，從時間、頻率和空間多方面進行頻譜復(fù)用，從而在不影響授權(quán)用戶工作的同 時，有效提高了頻譜資源的利用率。因此，作為一種目前廣受親睞的新型無線通信技術(shù)，CR 將為未來無線業(yè)務(wù)的發(fā)展提供了理論基礎(chǔ)與實踐。
[0003] 然而，為了實現(xiàn)靈活高效的動態(tài)頻譜接入，首先需設(shè)計優(yōu)良的頻譜感知方案，并解 決高精度動態(tài)頻譜檢測難題?？梢园l(fā)現(xiàn)，頻譜感知將是CR技術(shù)能否順利實施的前提與保 障，即只有獲得了準(zhǔn)確的頻譜感知結(jié)果，CR系統(tǒng)才能良好運轉(zhuǎn)。遺憾的是，伴隨著無線業(yè)務(wù) 的蓬勃發(fā)展，未來實際的CR應(yīng)用場景（譬如LTE-A、LTE-U和802. lln)中，將不可避免地出 現(xiàn)授權(quán)用戶發(fā)生動態(tài)移動的復(fù)雜情形，無疑極大增大頻譜感知算法的設(shè)計復(fù)雜度。
[0004] 不難預(yù)見，現(xiàn)行的主流頻譜感知算法已無法應(yīng)對此類復(fù)雜CR應(yīng)用場景，尤其考慮 動態(tài)移動場景中，授權(quán)用戶位置也會發(fā)生隨機遷移，從而極大限度降低了頻譜感知算法的 檢測精度；因此，如何設(shè)計頻譜感知算法以克服上述動態(tài)未知因素，已成為一項迫在眉睫的 難題。由于傳統(tǒng)頻譜感知算法主要著眼于廣播電視頻段等準(zhǔn)靜態(tài)應(yīng)用場景，未能充分考慮 時變位置所帶來的負面影響，致使現(xiàn)有算法在類種接收能量亦呈動態(tài)波動的新場景中無法 適用，事實上，動態(tài)移動場景下的感知算法還面臨著另一個難題，即待跟蹤授權(quán)用戶工作狀 態(tài)的間斷特性。具體來講，在授權(quán)用戶發(fā)射狀態(tài)可能發(fā)生動態(tài)變換的CR場景下，授權(quán)用戶 位置跟蹤也將變得異常復(fù)雜：顯著區(qū)別于傳統(tǒng)移動定位應(yīng)用，授權(quán)用戶發(fā)射信號時有時無， 勢必給定位算法設(shè)計帶來前所未有的挑戰(zhàn)。綜上所述，移動場景下頻譜感知包含了兩個相 互耦合、相互干擾的子任務(wù)，需要未知授權(quán)用戶發(fā)射狀態(tài)的情況下，實現(xiàn)其動態(tài)地理位置的 估計與跟蹤。據(jù)我們所知，目前尚無文獻考慮上述動態(tài)移動場景中的授權(quán)用戶頻譜感知難 題，更鮮有算法能同時解決上述聯(lián)合估計與檢測難題。
[0005] 本發(fā)明首次考慮了在CR場景下授權(quán)用戶工作狀態(tài)與其動態(tài)位置信息的聯(lián)合估 計，所設(shè)計方法裝置在檢測授權(quán)用戶工作狀態(tài)的同時，亦能估計并跟蹤其動態(tài)位置信息?；?于動態(tài)空間模型（DSM)和伯努利隨機有限集（BRFS)理論，本方案提出了一種聯(lián)合授權(quán)用戶 工作狀態(tài)及地理位置信息估計方法與裝置，并集成設(shè)計了一種自適應(yīng)視野擴展（Adaptive Horizon Expanding, AHE)機制。該方法主要基于伯努利濾波機制，包含了前向估計、后向更 新及自適應(yīng)視野擴展等三個階段，通過數(shù)值方式，迭代估計出授權(quán)用戶工作狀態(tài)和地理位 置信息的聯(lián)合后驗分布，從而基于最大后驗概率準(zhǔn)則，實現(xiàn)了對兩個相互耦合未知量的聯(lián) 合估計。為了降低算法實現(xiàn)的復(fù)雜度，進一步引入粒子濾波（Particle Filtering, PF)機 制，通過數(shù)值逼近的方法估計相關(guān)的概率分布函數(shù)。即使考慮復(fù)雜的移動CR場景，該方法 亦能自適應(yīng)地聯(lián)合估計出授權(quán)用戶工作狀態(tài)及其未知地理位置信息，克服了頻譜空閑時授 權(quán)用戶隨機移動所造成的目標(biāo)偏離；通過深入發(fā)掘了其位置動態(tài)特性，顯著提高了移動場 景下的頻譜感知性能。與此同時，實現(xiàn)了授權(quán)用戶空間位置的跟蹤與檢測，從而為時間、頻 率和空間全方位實現(xiàn)動態(tài)頻譜接入提供了保證，極大提升了頻譜資源的利用率，為后續(xù)未 來CR系統(tǒng)設(shè)計提供了一種全新的思路。


【發(fā)明內(nèi)容】

[0006] 為了解決移動CR場景下聯(lián)合授權(quán)用戶頻譜檢測與地理位置估計問題，本發(fā)明基 于伯努利隨機有限集（BRFS)理論，提出了一種伯努利濾波算法和針對未知授權(quán)用戶位置 估計的自適應(yīng)視野擴展（AHE)算法，設(shè)計了一種三階段（即前向預(yù)測、后向更新和自適應(yīng)視 野（AHE))的聯(lián)合授權(quán)用戶頻譜感知與動態(tài)位置跟蹤估計的方法裝置。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，并通過自適應(yīng) 視野擴展（AHE)算法對授權(quán)用戶靜默狀態(tài)帶來的其地理位置估計偏差進行補償。在檢測授 權(quán)用戶工作狀態(tài)的同時，對其移動位置進行動態(tài)估計與跟蹤，極大地提高了頻譜感知算法 的準(zhǔn)確性與穩(wěn)定性；與此同時，對授權(quán)用戶位置進行估計與檢測，有望從空間上對認知頻譜 資源進行深度優(yōu)化，從而極大提高了動態(tài)頻譜資源的利用率。綜上所述，新方案將對移動CR 場景下的授權(quán)用戶位置跟蹤的解決提供了一種極具應(yīng)用潛力的新方案。
[0007] 本發(fā)明采用以下技術(shù)方案。
[0008] 首先，將授權(quán)用戶工作狀態(tài)和位置信息作為兩個未知狀態(tài)，建立起一個通用的動 態(tài)空間系統(tǒng)（DSM)模型，并針對兩個未知狀態(tài)的變化過程，將其統(tǒng)一建模為一個伯努利隨 機有限集（BRFS)。
[0009] 其次，基于歷史觀測值，根據(jù)兩個未知狀態(tài)的動態(tài)先驗轉(zhuǎn)移特性，并執(zhí)行前向預(yù) 測，得到兩個未知狀態(tài)的聯(lián)合先驗概率分布。
[0010] 之后，基于采樣處理得到的當(dāng)前觀測值，并充分利用相關(guān)的似然分布，執(zhí)行后向更 新，獲得授權(quán)用戶工作狀態(tài)和位置信息的后驗概率分布。
[0011] 然后，設(shè)計門限，估計出當(dāng)前的授權(quán)用戶的工作狀態(tài)，并根據(jù)最大后驗概率準(zhǔn)則得 出其位置信息。
[0012] 最后，根據(jù)后向更新估計值及歷史估計值，設(shè)計一種機制，判斷位置是否需要進行 自適應(yīng)視野擴展（AHE)，并通過此算法得到的結(jié)果作為新的后驗概率分布并重復(fù)上述步驟 更新授權(quán)用戶的工作狀態(tài)及位置信息。
[0013] 本發(fā)明優(yōu)點包括：
[0014] 1)本發(fā)明技術(shù)方案適用于授權(quán)用戶隨機移動場景下的頻譜感知方法，區(qū)別于傳統(tǒng) 感知方案，新方案通過實現(xiàn)授權(quán)用戶工作狀態(tài)及其位置信息的聯(lián)合估計，能有效應(yīng)對授權(quán) 用戶位置不確定性給頻譜感知算法造成的負面影響，繼而顯著提升頻譜感知性能。
[0015] 2)本發(fā)明所設(shè)計的CR場景下授權(quán)用戶位置估計方案，基于伯努利隨機有限集理 論，結(jié)合貝葉斯估計原理，利用伯努利濾波機制，實現(xiàn)了對兩個相互耦合未知參量的聯(lián)合估 計。
[0016] 3)本發(fā)明設(shè)計的CR場景下授權(quán)用戶位置估計方案，主要采用了三段式估計方法， 在貝葉斯序貫原理框架的基礎(chǔ)上，通過前向預(yù)測、后向更新及自適應(yīng)視野擴展（AHE)三個 階段實現(xiàn)了對聯(lián)合后驗概率的估計。
[0017] 4)本發(fā)明設(shè)計的CR場景下授權(quán)用戶位置估計方案，采用了最大后驗概率準(zhǔn)則，通 過上述算法估計出來的聯(lián)合后驗概率分布，依據(jù)其統(tǒng)計特性，實現(xiàn)最優(yōu)估計。
[0018] 5)本發(fā)明設(shè)計的伯努利濾波方案，采用了粒子濾波來數(shù)值逼近相關(guān)的后驗分布， 在降低實現(xiàn)復(fù)雜度的同時，也保證了估計量的漸進最優(yōu)性。
[0019] 6)本發(fā)明設(shè)計的自適應(yīng)視野擴展（AHE)算法，與伯努利濾波算法完美結(jié)合，彌補 了靜默期（即授權(quán)用戶處于休眠狀態(tài)，而感知節(jié)點接收信號中不包含任何授權(quán)用戶位置信 息）所帶來的授權(quán)用戶位置跟蹤誤差，因而也保證了整體方案的穩(wěn)定性。
[0020] 7)本發(fā)明設(shè)計的CR場景下授權(quán)用戶位置估計方案，在不改變授權(quán)用戶發(fā)射端的 機制的情況下，實現(xiàn)了對授權(quán)用戶位置跟蹤，從而從時間、頻率和空間三方面實現(xiàn)了對頻率 資源的復(fù)用。

【專利附圖】

【附圖說明】
[0021] 圖1移動場景下授權(quán)用戶頻譜檢測與地理位置估計方案原理圖。
[0022] 圖2授權(quán)用戶位置跟蹤線路與跟蹤誤差對比圖。
[0023] 圖3授權(quán)用戶位置估計的RMSE性能曲線。
[0024] 圖4授權(quán)用戶工作狀態(tài)的性能曲線。

【具體實施方式】
[0025] 本發(fā)明設(shè)計的移動CR場景下授權(quán)用戶位置估計方案的動態(tài)空間模型（DSM)，采用 隨機有限集理論，設(shè)計一種三階段伯努利濾波算法，采用粒子濾波技術(shù)，實現(xiàn)了授權(quán)用戶工 作狀態(tài)和位置信息的聯(lián)合估計。下面分別闡述相關(guān)的方法與理論。
[0026] 1.動態(tài)空間模型（DSM)
[0027] 本發(fā)明所提出的DSM模型如下所示：

【權(quán)利要求】
1. 一種移動授權(quán)用戶頻譜檢測與其地理位置估計方法與裝置，在估計出授權(quán)用戶工作 狀態(tài)的同時，聯(lián)合估計出授權(quán)用戶地理位置信息。其特征在于；在復(fù)雜的移動CR場景下，設(shè) 計一種新算法，能有效應(yīng)對授權(quán)用戶位置不確定性給頻譜感知算法造成的負面影響，繼而 提高頻譜感知性能。
2. 根據(jù)權(quán)利要求1所述的移動授權(quán)用戶頻譜檢測與其地理位置估計方法與裝置，其特 征在于；設(shè)計一種移動授權(quán)用戶頻譜感知系統(tǒng)模型，借動態(tài)狀態(tài)空間模型來有效描述感知 過程中涉及的兩個未知相關(guān)禪合量，即授權(quán)用戶工作狀態(tài)和其地理位置信息。
3. 根據(jù)權(quán)利要求2所述的移動授權(quán)用戶頻譜感知系統(tǒng)模型，其特征在于：新建立的頻 譜感知系統(tǒng)模型充分考慮授權(quán)用戶的隨機移動性，實現(xiàn)對其地理位置信息的檢測，在提高 頻譜感知性能的同時，從時間、頻率和空間H個維度，實現(xiàn)了頻譜復(fù)用，繼而為后續(xù)頻譜資 源調(diào)度提供保證。
4. 根據(jù)權(quán)利要求2所述的移動授權(quán)用戶頻譜感知系統(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，對于其他具有非授權(quán)工作特性的通信系統(tǒng)裝置，該方 法也同樣適用，其中包括時變衰落信道響應(yīng)、未知授權(quán)用戶調(diào)制方式、未知授權(quán)用戶發(fā)射動 態(tài)功率等。
5. 根據(jù)權(quán)利要求1所述的移動場景下授權(quán)用戶頻譜監(jiān)測與地理位置估計方法與裝置： 所設(shè)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(quán)利要求5所述的聯(lián)合估計與檢測實現(xiàn)方法；新設(shè)計的算法基于隨機有限集統(tǒng) 計推理框架及自適應(yīng)視野擴展算法（A肥)，集成了H階段遞推的伯努利濾波機制，通過前向 預(yù)測（predict)和后向更新（update)及自適應(yīng)視野擴展（AHE) H個步驟，實現(xiàn)了對授權(quán)用 戶狀態(tài)與其位置信息聯(lián)的合后驗概率的迭代估計。
7. 根據(jù)權(quán)利要求5所述的伯努利濾波機制實現(xiàn)方法，其特征在于：采用粒子濾波算法 對伯努利隨機有限集的計算過程（譬如積分）進行離散求和逼近，結(jié)合粒子濾波理論，降低 伯努利濾波機制實現(xiàn)的復(fù)雜度。
8. 根據(jù)權(quán)利要求5所述的自適應(yīng)視野擴展算法（A肥)，其特征在于；彌補了靜默期（即 授權(quán)用戶處于休眠狀態(tài)，感知節(jié)點接收信號中不包含任何授權(quán)用戶位置信息）所帶來授權(quán) 用戶的位置跟蹤誤差，首次提出了一種位置誤差補償算法，基于序貫估計理論，減少了其由 于授權(quán)用戶靜默狀態(tài)帶來的累計誤差。
【文檔編號】H04W16/10GK104469782SQ201410549874
【公開日】2015年3月25日 申請日期:2014年10月16日 優(yōu)先權(quán)日:2014年10月16日
【發(fā)明者】李斌, 趙成林, 南一江, 許方敏 申請人:北京郵電大學(xué)