基于贝叶斯推断的认知无线电网络中的信道质量预测

本文研究了认知无线电网络中信道质量预测的问题。首先，将谱感知过程建模为非平稳隐马尔可夫模型（NSHMM），该模型捕捉到信道状态转移概率是主用户在当前状态停留的时间间隔的函数。然后，通过贝叶斯推断和吉布斯采样估计模型参数，这些参数携带有关信道状态的预期持续时间和次用户的谱感知精度（检测精度和虚警概率）信息。最后，利用估计的NSHMM参数，根据预测的信道空闲持续时间和谱感知精度设计信道质量指标。进行了广泛的仿真实验，以研究我们设计的有效性。结果表明，基于所提出的信道质量预测机制的信道排名捕捉了信道的空闲状态持续时间和次用户的谱感知精度，并在更短的谱等待时间内提供了更多高质量的传输机会和更高的成功传输率。