認知無線電中基于Markov模型的頻譜預測算法研究.pdf

1、頻譜預測是認知無線電中的一項關鍵技術，它是指認知系統(tǒng)根據(jù)獲得的信道歷史信息，分析頻譜的使用規(guī)律，進而預測頻譜的空洞信息，以指導認知設備進行智能的頻譜感知和動態(tài)的頻譜接入，從而降低主次用戶的碰撞率，提高認知系統(tǒng)的整體性能，最終達到提高頻譜利用率的目的。
　　由于現(xiàn)有頻譜預測算法復雜度高、準確度低、所需歷史序列長，不適用于能量受限的認知節(jié)點和快變信道環(huán)境。本文以提高預測準確度降低預測復雜度為目的，提出一種基于上下文樹的可變長Marko

2、v預測方法。該方法將認知用戶感知的歷史狀態(tài)信息構建成可變階的狀態(tài)樹，在進行預測時動態(tài)改變所需的最近歷史狀態(tài)數(shù)目，具有復雜度低、預測準確度高、所需歷史序列短的特點，并能通過周期的更新狀態(tài)樹提高非平穩(wěn)環(huán)境下的預測準確度?？紤]到頻譜檢測誤差對預測準確度的影響，進一步完善上述算法，提出一種隱馬爾科夫模型與上下文樹可變長Markov模型相結合的頻譜預測方法，先是訓練隱馬爾科夫模型恢復真實的信道狀態(tài)序列，然后在此基礎上構建狀態(tài)樹，從而取消頻譜檢測誤