無線物聯網的頻譜感知模型

袁麗娜

摘 要：近些年，在物聯網中許多操作設備經歷了巨大的增長。另一方面，增長引起頻譜稀缺。已提出認知無線電系統有效地開發已分配的頻譜，但沒有充分使用。本文，基于馬爾可夫鏈提出的頻譜感知模型用來預測無線物聯網中認識無線電的頻譜空穴。

關鍵詞：物聯網；認知無線電；頻譜空穴；馬爾可夫鏈

1 介紹

為解決頻譜稀缺，已提出認知無線電（CR）系統來經濟地開發整個頻譜，通過租賃用戶（RUs）訪問已分配到得到許可的用戶（LUs）的頻譜，但未充分使用。因此，CR系統一個重要要求是不斷地感知頻譜，探測LUs信號的存在和分配空閑子信道到RUs。CR系統的關鍵特點是認知通信環境和適應地修改通信方案的參數的能力。近來，已提出基于多載波調制的CR（MCM-CR）系統，如正交頻分多址和過濾多頻聲調制。在基礎設施網絡中使用，通過中心站（CS），產生并廣播BAV/SHV到移動終端。為了精確地分配沒有使用過的子載波到RUs。在不產生過量干擾到LUs，一個MCM-CR系統在每一個瞬態需要預測信道狀態信息。由于簡單預測處理的優勢，一個馬爾可夫鏈具有兩個狀態的預測模型提出預測下一個瞬態SHV。根據統計學的理論，包含的信息越多，獲得的精確度就越高。因此，為精確性和效率高，考慮超過一個連續的SHV來預測下一個SHV。然后，本文中引入一個具有四種狀態的馬爾可夫鏈預測模型，將上面兩個連續的SHV考慮在內。

2 系統模型

考慮一個具有N個子載波，N1個LUs和Nr個RUs的MCM-CR系統（如圖1所示），在這有一個中心站，包括無線局域網絡的訪問點和蜂窩系統的基站。采取子載波分配和多址訪問方法，本文中，用具有兩種狀態的馬爾可夫預測模型取代具有四種狀態的馬爾可夫預測模型。

3 馬爾可夫鏈預測模型

在不損失整體情況下，具有四種狀態的馬爾可夫鏈預測模型的狀態轉移圖如如圖2所示，在這[U（k，n），U（k，n-1）]代表MCP-4的狀態，意思是第k個子載波的當前第n個和上一個[（n-1）]狀態。為簡單起見，用S0代替（0，0），這代表第k個子載波由LUs（處于第n個和（n-1）個瞬間）占住，這狀態S3，（1，1），代表第k個子載波由LUs釋放。類似地，狀態S1，（0，1）代表第k個子載波分別由處于第n個和n-1個瞬間的LUs占住和釋放。狀態S1，（1，0）代表第k個子載波分別由處于第n個和n-1個瞬間的LUs釋放和占住。

MCP-4的轉移矩陣用下式表示：

在這 表明從在第（n-1）個瞬間狀態Si到第n個瞬間狀態Sj，同時 。很明顯，在這情況下，P01，P03，P11，P13，P20，P22，P30和P32全為0，因為它們均為不可能事件。

MCP-4預測模型的參數訓練類似于MCP-2模型。訓練步驟如下：第一，為每個子載波記錄訓練數據， ，很長一段時間，如n=1，2，3，...然后MCP-4的參數，轉移概率和在狀態Si，Pi，則使用概率比檢測來估計。也就是

在這Nij標注子載波（在三個連續瞬間中從狀態Si轉換到狀態Sj）的數目。顯然，參數能自適應地修改正在運行的系統。

4 結論

本文主要研究了馬爾可夫一個順序四種狀態的預測模型。理論分析表明具有兩種狀態的模型在MCM-CR系統中能很好工作。沒必要采用更多的狀態模型，因為在實際應用中比較復雜。提出的MCP模型比較適合無線物聯網。

[參考文獻]

[1]Wen ZHigang，Liu Jie，"Spectrum Sensing Model for Wireless Internet of Things"，China Communications，2011，1，pp：8-13.