基于230MHz电力专用频谱的智能频谱感知方法、装置和系统制造方法及图纸

本发明专利技术公开基于230MHz电力专用频谱的智能频谱感知方法、装置和系统，其中，该方法包括终端实时小区检测各频谱资源的信干噪比，并基于隐马尔科夫预测频谱未来时刻的空闲概率，依据概率将频谱从高到低进行排序，从而形成频谱切换序列，终端当需要进行频谱搬移时，根据频谱切换序列向终端提出申请基站收到终端的切换申请后，依据终端发送的频谱切换序列与当前备选频点集分配为终端申请频谱资源。本发明专利技术在实施干扰规避的同时，终端用户能够根据现有的频谱信息预测未来时刻频谱空闲概率，在有效降低传输冲突的同时最大化频谱利用率，充分利用了230MHz特殊行业专用频道的频谱资源，避免了大量的频谱资源浪费。大量的频谱资源浪费。大量的频谱资源浪费。

Intelligent spectrum sensing method, device and system based on 230MHz power spectrum

【技术实现步骤摘要】
基于230MHz电力专用频谱的智能频谱感知方法、装置和系统


[0001]本专利技术涉及无线传输
，具体地，涉及基于230MHz电力 专用频谱的智能频谱感知方法、装置和系统。

技术介绍

[0002]电力行业拥有223MHz-235MHz频段范围内40个离散频点的授权， 该频段共分配给7个行业用户使用，目前在230MHz频段的在其他行 业的使用还不充分,大部分频点处于闲置状态。为此国家无委鼓励有 频谱需求行业用户根据自身业务需求申请非授权的空闲频点使用。非 授权频点不受政策保护，难免会有未知干扰存在。采用频谱感知技术 可以感知非授权频点的干扰情况，灵活、合理而可靠地应用非授权频 点资源。
[0003]基于认知无线电的频谱感知技术可以有效识别可用频谱与受干 扰频谱，为最大限度利用频谱资源、规避干扰频段提供依据。频谱感 知有发射机的检测、合作检测、基于干扰的检测等多种技术。现有的 频谱感知技术容易受到噪声、信道不确定性和累积干扰不确定性影响， 同时现有频谱感知技术的能量成本很高，受限于有限的能量资源、有 限的存储与有限的处理能力。因此需要对现有的频谱感知技术进行优 化，降低能量损耗，提高系统可靠性。

技术实现思路

[0004]本专利技术针对现有频谱感知技术容易受到噪声、信道不确定性和 累积干扰不确定性影响且能量成本过高等不足，提供了基于230MHz 电力专用频谱的智能频谱感知方法。
[0005]本专利技术为实现上述技术目的，采用以下技术方案。
[0006]一方面，本专利技术提供基于230MHz电力专用频谱的智能频谱感知 方法，其特征在于，包括：
[0007]终端实时进行小区检测，获得各频谱资源的信干噪比，基于隐马 尔科夫预测频谱未来时刻的空闲概率，依据概率将频谱从高到低进行 排序，获得频谱切换序列；
[0008]终端驻留于被阻塞的子带时，根据频谱切换序列向基站发起频点 切换申请；
[0009]终端获得基站根据终端发送的频谱切换序列与当前备选频点集为 其分配的频谱资源。
[0010]进一步地，终端获得频谱切换序列的具体方法包括：
[0011]C1：终端基于频谱感知推测基站侧的信道状态，所有可能的信道 状态的集合由X＝{x1,
…
x
N
}表示,其中N为所有可能的状态数；用 Y＝{y1,
…
y
M
}表示所有可能的观测状态的集合，其中M为所有可能 的观测数。其中设q
n
表示信道在时刻n所处的信道状态，o
n
表示与之 对应的观测值，O＝{o1,o2,
…
,o
N
}为时刻1,
…
,N的观测序列。
[0012]隐马尔科夫模型是由初始状态概率序列π，状态转移矩阵A和观测概 率矩阵B所决定的。初始状态概率序列π＝{π
i
}，π
i
＝P(q1＝x
i
)为初始 状态分布，表示时刻t＝1处于状态x
i
的概率。状态转移矩阵为 A＝[a
ij
]2×2,a
ij
＝P(q
n+1
＝X
j
|q
n
＝X
i
),X
i
,X
j
∈X，a
ij
表示时刻n处
于 状态X
i
的条件下n+1时刻处于状态X
j
的概率，观测概率矩阵B为 B＝[b
ik
]2×2,b
ik
＝P(o
n+1
＝Y
k
|q
n
＝X
i
),X
i
∈X,Y
k
∈Y，其中b
ik
表示时刻i 处于状态X
i
的条件下n+1时刻处于状态Y
k
的概率,。
[0013]其中O＝{o1,o2,
…
,o
N
}是可观测的，基于该序列使用式(1)估计模型参 数：
[0014]Λ
*
＝arg max P(O|Λ)
ꢀꢀ
(1)
[0015]Λ为初始隐马尔科夫模型Λ＝(π,A,B),π为初始状态概率分布，A为状 态转移概率矩阵，B为观测概率矩阵。Λ
*
为由Baum-Welch算法迭代 得到的局部最优模型。
[0016]C2：对真实频谱状态进行估计，运用维特比算法解决优化问 题Q＝arg max P(Q,O|Λ)，使得频谱感知结果序列O＝{o1,o2,
…
,o
N
}的概率 最大的频谱状态序列；
[0017]C3：对频谱状态预测，已知由C1得到的模型参数与由C2解码 得到的真实频谱状态序列，终端用户根据式(2)进行未来时刻的频谱 状态预测：
[0018][0019]其中待测矩阵Q＝{q1,q2,
…
,q
M
}代表前M个时刻的信道状态，表 示预测的下一是时刻的信道状态，表示信道被占用，表 示信道空闲。
[0020]C4：对C3得到的未来时刻频谱空闲状态概率进行排序，设计合 理的频谱切换序列。
[0021]再进一步地，隐马尔科夫训练模型算法为Baum-Welch算法。
[0022]第二方方面，本专利技术提供基于230MHz电力专用频谱的智能频 谱感知终端，其特征在于包括：频谱切换序列确定模块和频点切换申 请模块；
[0023]所述频谱切换序列确定模块用于终端实时进行小区检测，获得各 频谱资源的信干噪比，基于隐马尔科夫预测频谱未来时刻的空闲概率， 依据概率将频谱从高到低进行排序，获得频谱切换序列；
[0024]所述频点切换申请模块，用于终端驻留于被阻塞的子带时，根据 频谱切换序列向基站发起频点切换申请；终端获得基站根据终端发送 的频谱切换序列与当前备选频点集为其分配的频谱资源。
[0025]第三方面，本专利技术提供基于230MHz电力专用频谱的智能频谱感 知方法，其特征在于，包括以下步骤：
[0026]230MHz电力专用频谱基站在设定周期内同步子帧对小区内的 全部授权子带的所有频点的噪声进行测量；
[0027]如果发现存在连续M个子带中的N个子带的干扰信号过强，基 站已经无法正确解调这些子带的信号，则在M个子带上所有授权子 带进行小区信息更新，指出该子带已经被阻塞，阻塞信号仅发送一次， 发送后，整个组停止全部信号的发送，其中M和N为预先设定参数；
[0028]终端驻留于被阻塞的子带后，向基站发起频点切换申请；终端 实时小区检测各频谱资源的信干噪比，并基于隐马尔科夫预测频谱未 来时刻的空闲概率，依据概率将频谱从
高到低进行排序，从而形成频 谱切换序列，终端当需要进行频谱搬移时，根据频谱切换序列本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于230MHz电力专用频谱的智能频谱感知方法，其特征在于，包括：终端实时进行小区检测，获得各频谱资源的信干噪比，基于隐马尔科夫预测频谱未来时刻的空闲概率，依据概率将频谱从高到低进行排序，获得频谱切换序列；终端驻留于被阻塞的子带时，根据频谱切换序列向基站发起频点切换申请；终端获得基站根据终端发送的频谱切换序列与当前备选频点集为其分配的频谱资源。2.根据权利要求1所述的基于230MHz电力专用频谱的智能频谱感知方法，其特征在于，终端获得频谱切换序列的具体方法包括：C1：终端基于频谱感知推测基站侧的信道状态，所有可能的信道状态的集合由X＝{x1,
…
x
N
}表示,其中N为所有可能的状态数；用Y＝{y1,
…
y
M
}表示所有可能的观测状态的集合，其中M为所有可能的观测数；其中设q
n
表示信道在时刻n所处的信道状态，o
n
表示与之对应的观测值，O＝{o1,o2,
…
,o
N
}为时刻1,
…
,N的观测序列；隐马尔科夫模型是由初始状态概率序列π，状态转移矩阵A和观测概率矩阵B所决定的；初始状态概率序列π＝{π
i
}，π
i
＝P(q1＝x
i
)为初始状态分布，表示时刻t＝1处于状态x
i
的概率；状态转移矩阵为A＝[a
ij
]2×2,a
ij
＝P(q
n+1
＝X
j
|q
n
＝X
i
),X
i
,X
j
∈X，a
ij
表示时刻n处于状态X
i
的条件下n+1时刻处于状态X
j
的概率，观测概率矩阵B为B＝[b
ik
]2×2,b
ik
＝P(o
n+1
＝Y
k
|q
n
＝X
i
),X
i
∈X,Y
k
∈Y，其中b
ik
表示时刻i处于状态X
i
的条件下n+1时刻处于状态Y
k
的概率；其中O＝{o1,o2,
…
,o
N
}是可观测的，基于该序列使用式1估计模型参数：Λ
*
＝argmaxP(O|Λ)
ꢀꢀ
(1)Λ为初始隐马尔科夫模型Λ＝(π,A,B),π为初始状态概率分布，A为状态转移概率矩阵，B为观测概率矩阵；Λ
*
为由Baum-Welch算法迭代得到的局部最优模型；C2：对真实频谱状态进行估计，运用维特比算法解决优化问题Q＝argmaxP(Q,O|Λ)，使得频谱感知结果序列O＝{o1,o2,
…
,o
N
}的概率最大的频谱状态序列；C3：对频谱状态预测，已知由C1得到的模型参数与由C2解码得到的真实频谱状态序列，终端用户根据式(2)进行未来时刻的频谱状态预测：其中待测矩阵Q＝{q1,q2,
…
,q
M
}代表前M个时刻的信道状态，表示预测的下一是时刻的信道状态，表示信道被占用，表示信道空闲；C4：对C3得到的未来时刻频谱空闲状态概率进行排序，设计合理的频谱切换序列。3.根据权利要求2所述的基于230MHz电力专用频谱的智能频谱感知方法，其特征在于，隐马尔科夫训练模型算法为Baum-Welch算法。4.基于230MHz电力专用频谱的智能频谱感知终端，其特征在于包括：频谱切换序列确定模块和频点切换申请模块；所述频谱切换序列确定模块用于终端实时进行小区检测，获得各频谱资源的信干噪比，基于隐马尔科夫预测频谱未来时刻的空闲概率，依据概率将频谱从高到低进行排序，获得频谱切换序列；
所述频点切换申请模块，用于终端驻留于被阻塞的子带时，根据频谱切换序列向基站发起频点切换申请；终端获得基站根据终端发送的频谱切换序列与当前备选频点集为其分配的频谱资源。5.基于230MHz电力专用频谱的智能频谱感知方法，其特征在于，包括以下步骤：230MHz电力专用频谱基站在设定周期内同步子帧对小区内的全部授权子带的所有频点的噪声进行测量；如果发现存在连续M个子带中的N个子带的干扰信号过强，基站已经无法正确解调这些子带的信号，则在M个子带上所有授权子带进行小区信息更新，指出该子带已经被阻塞，阻塞信号仅发送一次，发送后，整个组停止全部信号的发送，其中M和N为预先设定参数；终端驻留于被阻塞的子带后，向基站发起频点切换申请；终端实时小区检测各频谱资源的信干噪比，并基于隐马尔科夫预测频谱未来时刻的空闲概率，依据概率将频谱从高到低进行...

【专利技术属性】
技术研发人员：朱晟桢，刘金锁，李洋，张立武，丁忠林，何莉媛，吕超，孟伟伟，朱雪阳，黄忠明，曹委，杨爽，徐玉杰，邢海平，
申请(专利权)人：南京南瑞信息通信科技有限公司，
类型：发明
国别省市：