混合Markov過程及其在認(rèn)知無線電中的應(yīng)用.pdf

1、連續(xù)時間上的隨機過程要滿足Markov性,則狀態(tài)轉(zhuǎn)移的時間分布必須是一個指數(shù)分布,在工程實際應(yīng)用中,我們往往也會遇到不滿足Markov性但是跟Markov過程相似的隨機過程,這樣就需要我們進一步放寬 Markov過程的應(yīng)用條件,擴大Markov過程的應(yīng)用范圍。在認(rèn)知無線電當(dāng)中,次級用戶即認(rèn)知用戶在授權(quán)用戶即主用戶不占用頻譜時可以伺機尋找空閑頻譜使用,當(dāng)授權(quán)用戶需要使用此空閑頻譜時,認(rèn)知用戶再退出該頻譜。在此過程中,認(rèn)知用戶可以退避到系統(tǒng)

2、隊列中進行等待,尋找另外可用的空閑頻譜繼續(xù)傳輸。
　　本文通過比較基于指數(shù)退避的動態(tài)頻譜接入的數(shù)學(xué)模型和基于常數(shù)退避的動態(tài)頻譜接入的數(shù)學(xué)模型的實驗仿真,發(fā)現(xiàn)后者的QoS指標(biāo)更好,但是基于常數(shù)退避的動態(tài)頻譜接入過程不能用傳統(tǒng)的 Markov過程來描述,在現(xiàn)有的理論范圍內(nèi),我們沒有辦法計算其穩(wěn)態(tài)概率,因而也無法從理論上去求得其掉線率和通話率。用一個新的隨機過程----混合 Markov過程來描述上述退避過程。通過對混合Markov過程

3、的研究,我們給出了混合Markov過程的第一類表示及其計算方法,并且由常數(shù)時間 T內(nèi)穩(wěn)態(tài)變化與速率的關(guān)系式我們發(fā)現(xiàn)了混合Markov過程不同于連續(xù)Markov過程的一些特性,從而解釋了基于常數(shù)退避的動態(tài)頻譜接入模型和基于指數(shù)退避的動態(tài)頻譜接入模型在QoS指標(biāo)上差異的原因。然后我們介紹了混合馬爾可夫過程的第二種表示方法。多個相同期望的指數(shù)分布的累加構(gòu)成伽馬分布,而我們發(fā)現(xiàn)當(dāng)控制總期望T不變時,累加的指數(shù)分布越多,最終變成德爾塔分布,這樣認(rèn)