10.14132/j.cnki.1673-5439.2015.01.012
一种基于隐马尔可夫模型的自适应联合频谱预测方法
基于隐马尔可夫模型(Hidden Markov Model,HMM)的频谱预测是次用户(SU)根据频谱感知历史信息得到主用户(PU)信道状态训练集,用前M个时刻信道的状态组成的矩阵作为待测矩阵与训练集匹配,根据匹配的相似度对下一时刻的信道状态进行预测.由于信道预测是基于前M个时刻的信道状态,其信道状态的不确定性直接影响到预测的准确性.文中针对这一问题,提出一种基于HMM的自适应联合频谱预测方法,根据本地预测中各待测矩阵的可信度给予不同的权值,通过数据融合来得到最终的预测结果.此外,为了解决文中的数据融合问题又提出一种基于本地预测可信度的自适应分组融合算法.仿真结果表明,该方法能够明显提高频谱预测的准确性.
认知无线电、频谱预测、联合预测、隐马尔可夫模型、机器学习
35
TN911.7;TN821+.91
国家重点基础研究发展计划973计划2013CB329005;江苏省高校自然科学基金12KJB510014
2015-04-10（万方平台首次上网日期，不代表论文的发表时间）
共5页
79-83
