用于提高授权系统收益的次级业务选择接入方法及装置

摘要

本发明实施例提供用于提高授权系统收益的次级业务选择接入方法及装置，该方法包括：确定网络中各用户的业务模型及其对应的业务模型参数，并确定网络中授权频谱使用场景模型；实时检测空闲频谱资源；当成功检测并获取到空闲频谱资源后，根据网络中各用户的业务模型及其对应的业务模型参数，统计此时有接入意愿的所有次级业务对应的业务长度以及所愿意支付的费用；根据有接入意愿的所有次级业务对应的业务长度以及所愿意支付的费用，分别估计有接入意愿的所有次级业务接入后的收益；选择有接入意愿的所有次级业务接入后的收益中估计值最大的次级业务，对获取到的空闲频谱资源进行使用。本发明实施例可以充分利用频谱资源，提高了授权系统的收益。

说明书

技术领域

本发明涉及无线电技术领域，尤其涉及一种用于提高授权系统收益的次级业务选择接 入方法及装置。

背景技术

随着信息社会的建设和发展，无线通信服务的需求量不断增长，特别在当前无线通信 已经进入了爆炸式的增长阶段，但是频谱资源却是一种不可再生的资源，目前对频谱资源 的管理主要为固定分配，频谱一旦被分配给固定的授权用户后，将不能再被其他的用户使 用，因此形成了一方面频谱资源不够使用，另一方面很多授权频段频谱使用率低下的矛盾。 如果继续照现有的使用方式，将很快出现频谱资源不够使用的情况。认知无线电技术正是 通过让非授权的用户暂时性的使用授权系统的空闲频谱资源来提高频谱的使用效率，同时 不影响授权用户的正常通信，因此认知无线电被认为是解决未来频谱资源短缺的一项重要 技术。

认知无线电的基本规则为授权用户对频谱拥有绝对的所有权，当授权用户需要使用频 谱时，可以随时占用授权频谱，但是由于授权用户不可能一直占用某段频谱，那么在授权 频谱中必然存在着很多的空闲频谱资源，从授权用户的角度来说，由于存在着空闲的频谱 资源，若不对其进行使用，将会造成频谱资源的浪费，如果将其让给有需求的次级用户使 用，次级用户也愿意支付一定的费用，而这部分费用又可以被作为授权系统的收益，这样 就可以即方便了次级用户，又给授权系统带来了收益。通过对以上过程的描述，次级用户 使用授权频谱可以被认为是一种频谱租赁行为，授权用户愿意将空闲的频谱资源租赁给次 级用户进行使用，而次级用户为了在非授权频段传输自己的业务，也愿意支付一定的费用， 如果某个次级业务使用某个授权信道空闲频谱资源完成了传输，就意味着租赁行为的完 成，授权系统将收集所有次级业务支付的费用作为收益。由于在认知无线系统中存在着多 个次级用户，因此在这种租赁行为中将往往会出现当授权系统有一段空闲频谱资源时，多 个次级业务想同时使用该资源的情况，各种次级业务所愿意支付的费用与各个空闲频谱资 源块的大小都是随机变量，如果只是简单的直接选择次级业务进行接入，将极有可能造成 传输失败，从而浪费频谱资源，而在这种情况下如何利用认知与学习过程，对信道状态进 行预测，并充分利用预测后的结果来对资源进行利用，从而提高授权系统收益就成为了一 个有待研究和解决的问题。

现有的关于频谱租赁方面的研究，往往以空闲频谱资源块的形式直接对次级用户进行 分配，模型没有从资源块持续时长，次级业务能够完成传输等方面进行考虑。而认知无线 电的特点，正是希望通过对以往知识的学习，来预测未来的情况，同时伴随着业务复杂性 的增加，传统的单峰业务模型无法准确的描述当前的业务达到情况，并且当空闲频谱资源 出现时多个次级用户都想同时接入时的情况也没有得到很好的解决，而在真实场景中，最 普遍的情况肯定包括了多个授权用户和次级用户，如何通过对授权信道上已有空闲频谱资 源的学习，实时得到每个信道参数，并以此决定如何对多个次级业务进行服务成为了一个 需要考虑的问题，同样的频谱资源，如果不能合理的使用，将会造成收益上的降低。

发明内容

本发明实施例提供一种用于提高授权系统收益的次级业务选择接入方法及装置，以充 分利用频谱资源，提高授权系统的收益。

一方面，本发明实施例提供了一种用于提高授权系统收益的次级业务选择接入方法， 所述用于提高授权系统收益的次级业务选择接入方法包括：

确定网络中各用户的业务模型及其对应的业务模型参数，并确定所述网络中授权频谱 使用场景模型；

根据所述网络中授权频谱使用场景模型，实时检测空闲频谱资源；

当成功检测并获取到空闲频谱资源后，根据所述网络中各用户的业务模型及其对应的 业务模型参数，统计此时有接入意愿的所有次级业务对应的业务长度以及所愿意支付的费 用；

根据所述有接入意愿的所有次级业务对应的业务长度以及所愿意支付的费用，分别估 计所述有接入意愿的所有次级业务接入后的收益；

选择所述有接入意愿的所有次级业务接入后的收益中估计值最大的次级业务，对获取 到的所述空闲频谱资源进行使用。

优选的，在本发明一实施例中，所述根据所述网络中授权频谱使用场景模型，实时检 测空闲频谱资源，包括：收集所述网络中授权频谱使用场景模型过往某一预置时间内信道 上所有的空闲频谱资源块，以此作为认知学习过程的样本；通过收集到的所述样本使用预 期与最大E-M算法对信道上的空闲概率密度函数进行估计；根据估计的所述信道上的空闲 概率密度函数，实时检测空闲频谱资源。

优选的，在本发明一实施例中，所述通过收集到的所述样本使用预期与最大E-M算法 对信道上的空闲概率密度函数进行估计，包括：周期性地或实时地通过收集到的所述样本 使用预期与最大E-M算法对信道上的空闲概率密度函数进行估计。

优选的，在本发明一实施例中，所述根据所述有接入意愿的所有次级业务对应的业务 长度以及所愿意支付的费用，分别估计所述有接入意愿的所有次级业务接入后的收益，包 括：根据所述有接入意愿的所有次级业务对应的业务长度以及所愿意支付的费用，采用收 益期望公式分别估计所述有接入意愿的所有次级业务接入后的收益。

优选的，在本发明一实施例中，所述根据所述有接入意愿的所有次级业务对应的业务 长度以及所愿意支付的费用，分别估计所述有接入意愿的所有次级业务接入后的收益，包 括：根据所述有接入意愿的所有次级业务对应的业务长度以及所愿意支付的费用，并利用 每一个次级业务在所述空闲频谱资源内能够成功传输的概率，分别估计所述有接入意愿的 所有次级业务接入后的收益。

另一方面，本发明实施例提供了一种用于提高授权系统收益的次级业务选择接入装 置，所述用于提高授权系统收益的次级业务选择接入装置包括：

确定单元，用于确定网络中各用户的业务模型及其对应的业务模型参数，并确定所述 网络中授权频谱使用场景模型；

检测单元，用于根据所述网络中授权频谱使用场景模型，实时检测空闲频谱资源；

统计单元，用于当成功检测并获取到空闲频谱资源后，根据所述网络中各用户的业务 模型及其对应的业务模型参数，统计此时有接入意愿的所有次级业务对应的业务长度以及 所愿意支付的费用；

估计单元，用于根据所述有接入意愿的所有次级业务对应的业务长度以及所愿意支付 的费用，分别估计所述有接入意愿的所有次级业务接入后的收益；

选择单元，用于选择所述有接入意愿的所有次级业务接入后的收益中估计值最大的次 级业务，对获取到的所述空闲频谱资源进行使用。

优选的，在本发明一实施例中，所述检测单元，进一步用于收集所述网络中授权频谱 使用场景模型过往某一预置时间内信道上所有的空闲频谱资源块，以此作为认知学习过程 的样本；通过收集到的所述样本使用预期与最大E-M算法对信道上的空闲概率密度函数进 行估计；根据估计的所述信道上的空闲概率密度函数，实时检测空闲频谱资源。

优选的，在本发明一实施例中，所述检测单元通过收集到的所述样本使用预期与最大 E-M算法对信道上的空闲概率密度函数进行估计，包括：周期性地或实时地通过收集到的 所述样本使用预期与最大E-M算法对信道上的空闲概率密度函数进行估计。

优选的，在本发明一实施例中，所述估计单元，进一步用于根据所述有接入意愿的所 有次级业务对应的业务长度以及所愿意支付的费用，采用收益期望公式分别估计所述有接 入意愿的所有次级业务接入后的收益。

优选的，在本发明一实施例中，所述估计单元，进一步用于根据所述有接入意愿的所 有次级业务对应的业务长度以及所愿意支付的费用，并利用每一个次级业务在所述空闲频 谱资源内能够成功传输的概率，分别估计所述有接入意愿的所有次级业务接入后的收益。

上述技术方案具有如下有益效果：因为采用确定网络中各用户的业务模型及其对应的 业务模型参数，并确定所述网络中授权频谱使用场景模型；根据所述网络中授权频谱使用 场景模型，实时检测空闲频谱资源；当成功检测并获取到空闲频谱资源后，根据所述网络 中各用户的业务模型及其对应的业务模型参数，统计此时有接入意愿的所有次级业务对应 的业务长度以及所愿意支付的费用；根据所述有接入意愿的所有次级业务对应的业务长度 以及所愿意支付的费用，分别估计所述有接入意愿的所有次级业务接入后的收益；选择所 述有接入意愿的所有次级业务接入后的收益中估计值最大的次级业务，对获取到的所述空 闲频谱资源进行使用的技术手段，所以达到了如下的技术效果：可以充分利用频谱资源， 提高了授权系统的收益。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技 术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根 据这些附图获得其他的附图。

图1为本发明实施例一种用于提高授权系统收益的次级业务选择接入方法流程图；

图2为本发明实施例一种用于提高授权系统收益的次级业务选择接入装置结构示意 图；

图3为本发明应用实例认知无线电网络模型示意图；

图4为本发明应用实例频谱租赁过程场景图与场景描述示意图；

图5为本发明应用实例用于提高授权系统收益的次级用户选择方法的具体操作流程 图；

图6为本发明应用实例不同授权业务强度参数lambda（拉姆达）条件下，所提次级用 户选择方法的收益情况示意图；

图7为本发明应用实例不同次级业务持续时长参数n条件下，所提次级用户选择方法 的收益情况示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地 描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本 发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实 施例，都属于本发明保护的范围。

本发明实施例涉及一种用于认知无线电网络中，混合业务网络环境下，根据每个信道 上认知学习后所得到的参数结果对信道空闲资源进行使用，以提高授权频谱总体收益的次 级业务选择接入方法，本发明实施例中的收益主要是指在认知无线电环境中，次级用户为 了传输自己的业务而支付的费用，在暂时性使用授权频谱成功完成传输后，授权用户就将 得到次级用户所支付的费用作为授权系统的收益。本发明实施例中的认知无线电属于未来 无线通信的一个重要研究领域，因此本发明实施例属于无线通信技术领域。

如图1所示，为本发明实施例一种用于提高授权系统收益的次级业务选择接入方法流 程图，所述用于提高授权系统收益的次级业务选择接入方法包括：

101、确定网络中各用户的业务模型及其对应的业务模型参数，并确定所述网络中授 权频谱使用场景模型；

102、根据所述网络中授权频谱使用场景模型，实时检测空闲频谱资源；

103、当成功检测并获取到空闲频谱资源后，根据所述网络中各用户的业务模型及其 对应的业务模型参数，统计此时有接入意愿的所有次级业务对应的业务长度以及所愿意支 付的费用；

104、根据所述有接入意愿的所有次级业务对应的业务长度以及所愿意支付的费用， 分别估计所述有接入意愿的所有次级业务接入后的收益；

105、选择所述有接入意愿的所有次级业务接入后的收益中估计值最大的次级业务， 对获取到的所述空闲频谱资源进行使用。

优选的，所述根据所述网络中授权频谱使用场景模型，实时检测空闲频谱资源，包括： 收集所述网络中授权频谱使用场景模型过往某一预置时间内信道上所有的空闲频谱资源 块，以此作为认知学习过程的样本；通过收集到的所述样本使用预期与最大E-M算法对信 道上的空闲概率密度函数进行估计；根据估计的所述信道上的空闲概率密度函数，实时检 测空闲频谱资源。

优选的，所述通过收集到的所述样本使用预期与最大E-M算法对信道上的空闲概率密 度函数进行估计，包括：周期性地或实时地通过收集到的所述样本使用预期与最大E-M算 法对信道上的空闲概率密度函数进行估计。

优选的，所述根据所述有接入意愿的所有次级业务对应的业务长度以及所愿意支付的 费用，分别估计所述有接入意愿的所有次级业务接入后的收益，包括：根据所述有接入意 愿的所有次级业务对应的业务长度以及所愿意支付的费用，采用收益期望公式分别估计所 述有接入意愿的所有次级业务接入后的收益。

优选的，所述根据所述有接入意愿的所有次级业务对应的业务长度以及所愿意支付的 费用，分别估计所述有接入意愿的所有次级业务接入后的收益，包括：根据所述有接入意 愿的所有次级业务对应的业务长度以及所愿意支付的费用，并利用每一个次级业务在所述 空闲频谱资源内能够成功传输的概率，分别估计所述有接入意愿的所有次级业务接入后的 收益。

对应于上述方法实施例，如图2所示，为本发明实施例一种用于提高授权系统收益的 次级业务选择接入装置结构示意图，所述用于提高授权系统收益的次级业务选择接入装置 包括：

确定单元21，用于确定网络中各用户的业务模型及其对应的业务模型参数，并确定所 述网络中授权频谱使用场景模型；

检测单元22，用于根据所述网络中授权频谱使用场景模型，实时检测空闲频谱资源；

统计单元23，用于当成功检测并获取到空闲频谱资源后，根据所述网络中各用户的业 务模型及其对应的业务模型参数，统计此时有接入意愿的所有次级业务对应的业务长度以 及所愿意支付的费用；

估计单元24，用于根据所述有接入意愿的所有次级业务对应的业务长度以及所愿意支 付的费用，分别估计所述有接入意愿的所有次级业务接入后的收益；

选择单元25，用于选择所述有接入意愿的所有次级业务接入后的收益中估计值最大的 次级业务，对获取到的所述空闲频谱资源进行使用。

优选的，所述检测单元22，进一步用于收集所述网络中授权频谱使用场景模型过往某 一预置时间内信道上所有的空闲频谱资源块，以此作为认知学习过程的样本；通过收集到 的所述样本使用预期与最大E-M算法对信道上的空闲概率密度函数进行估计；根据估计的 所述信道上的空闲概率密度函数，实时检测空闲频谱资源。

优选的，所述检测单元22通过收集到的所述样本使用预期与最大E-M算法对信道上 的空闲概率密度函数进行估计，包括：周期性地或实时地通过收集到的所述样本使用预期 与最大E-M算法对信道上的空闲概率密度函数进行估计。

优选的，所述估计单元23，进一步用于根据所述有接入意愿的所有次级业务对应的业 务长度以及所愿意支付的费用，采用收益期望公式分别估计所述有接入意愿的所有次级业 务接入后的收益。

优选的，所述估计单元24，进一步用于根据所述有接入意愿的所有次级业务对应的业 务长度以及所愿意支付的费用，并利用每一个次级业务在所述空闲频谱资源内能够成功传 输的概率，分别估计所述有接入意愿的所有次级业务接入后的收益。

本发明实施例上述方法或装置技术方案具有如下有益效果：因为采用确定网络中各用 户的业务模型及其对应的业务模型参数，并确定所述网络中授权频谱使用场景模型；根据 所述网络中授权频谱使用场景模型，实时检测空闲频谱资源；当成功检测并获取到空闲频 谱资源后，根据所述网络中各用户的业务模型及其对应的业务模型参数，统计此时有接入 意愿的所有次级业务对应的业务长度以及所愿意支付的费用；根据所述有接入意愿的所有 次级业务对应的业务长度以及所愿意支付的费用，分别估计所述有接入意愿的所有次级业 务接入后的收益；选择所述有接入意愿的所有次级业务接入后的收益中估计值最大的次级 业务，对获取到的所述空闲频谱资源进行使用的技术手段，所以达到了如下的技术效果： 可以充分利用频谱资源，提高了授权系统的收益。

以下举应用实例进行说明：

本发明应用实例的目的是提出一种用于提高授权系统收益的次级业务选择接入方法， 以进一步匹配空闲频谱资源与次级业务，从而提高系统收益，本发明应用实例中的所涉及 的条件假设要求及目标：

1、基于认知无线电系统框架，建立满足不同应用场景需求的参数化混合业务模型。 授权用户的到达间隔满足泊松分布，考虑到目前业务种类的复杂性，为了能够进一步表现 授权业务的多样性和业务的时变性，采用混合泊松模型来对授权业务进行建模。

2、系统中包含多个授权用户和多个次级用户，若干个授权信道，并且每个信道的带 宽为B，各个信道间的干扰可以忽略不计，可以将各个信道进行独立的分析。

3、授权用户可以任意的使用授权信道，次级用户只能在未被授权用户使用的信道上 进行通信。即使当次级用户正在授权信道上传输，一旦授权用户在该信道上出现，次级用 户必须立即停止传输，将信道重新交还给授权用户使用。

4、在次级用户使用授权频段的过程中，次级用户的不同次级业务长短各不相同，并 且他们愿意为占用授权频谱支付不同的费用，在次级业务传输过程中只有成功完成传输次 级用户才会支付对应的费用。

5、基于之前建立的业务模型以及对应准则，可以通过对以往信道状态的收集，找出 每个信道对应空闲频谱资源特点，与不同的次级业务进行匹配，从而提高授权频谱的收益。

如图3所示，为本发明应用实例认知无线电网络模型示意图，本发明应用实例是一种 用于提高授权系统收益的次级业务选择接入方法，属于认知无线电领域，在认知无线电系 统中包括了授权系统和次级系统，认知无线电基站服务于一个小区，小区中包括了多个授 权用户和次级用户（参见图3），其中授权用户和次级用户的到达都满足混合泊松到达过 程，服务持续的时长满足负指数分布，在小区中的授权用户可以任意的使用各个信道，而 次级用户则必须利用授权用户传输间隙来传输自己的次级业务，并且一旦授权用户需要再 次占用该信道，次级用户的传输将立刻中断。

如图4所示，为本发明应用实例频谱租赁过程场景图与场景描述示意图，介绍了频谱 租赁的场景和过程，从图4中可以看出，在一个授权信道上，授权用户可以随时使用该信 道，当授权用户没有使用该信道时，该信道上将出现空闲资源块，该资源块可以交由次级 用户暂时性使用，空闲资源长度本身并不是一个固定值而是满足一定分布的随机变量。当 在某一时刻出现了空闲资源块时，往往不只一个次级用户需要传输次级业务，这时将会出 现多个次级用户想同时接入使用授权信道空闲频谱资源的问题。在所有的次级业务中，每 个次级用户都有不同大小的次级业务需要进行传输，在成功完成传输后，也会为使用授权 空闲的频谱资源支付不同的费用，从授权系统的角度来讲只是在不影响授权用户的情况下 将频谱资源租赁给次级用户使用，租赁给哪个次级用户并不重要，目标是尽量合理的让次 级用户使用授权空闲频谱资源，形成次级业务与空闲频谱资源的最佳匹配，以获得最大的 收益，因此如何对次级业务的传输进行选择就成为一个有待研究的问题。为了达到以上目 的，就需要一种合理的频谱分配方法，来决定当出现空闲授权频谱资源时，针对空闲频谱 资源进行分析决策，决定如何对次级业务进行服务，以最大的提高授权系统的频谱租赁所 带来的收益。

如图5所示，为本发明应用实例用于提高授权系统收益的次级用户选择方法的具体操 作流程图，介绍本发明应用实例用于提高授权系统收益的次级业务选择接入方法过程的各 个具体操作步骤：

501、确定网络中各用户的业务模型及其简化的业务模型参数，同时确定整个授权频 谱使用场景模型。

由于本发明应用实例目的是提出一种能够提高授权系统收益的次级业务选择接入方 法用于提高多次级用户接入情况下授权系统的总收益，因此属于认知无线电范畴。认知无 线电系统中包含授权用户和次级用户，由于当前业务复杂性不断增加，网络中往往存在着 不只一种业务，为了体现这一特点引入了混合泊松到达过程，作为授权用户到达模型，泊 松参数的不同可以表现授权用户不同业务到达间隔的差异，从次级业务角度看，授权业务 的到达间隔也就是授权空闲频谱资源块的大小。假设存在着M种混合业务，在一定时间t 内，某种业务对应参数为λ_i（1≤i≤M）。对应的比重为a_i（1≤i≤M），则对应的混合 业务概率密度函数为：

$f\left(x\right|\lambda )=a_{1}f\left(x\right|{\lambda }_1)+a_{2}f\left(x\right|{\lambda }_2)+...a_{M}f\left(x\right|{\lambda }_M)=\underset{i=1}{\overset{M}{\Sigma }}{a}_{i}f\left(x\right|{\lambda }_i)$

对应期望为而单位时间主用户平均个数为则λ为混合泊松 分布的强度。由随机过程可知，业务达到间隔T服从参数为λ的指数分布，可以知道对应 的空闲概率密度函数为：f(t)＝λe^-λt

由于本发明应用实例中的授权用户与次级用户频谱共享采用OVERLAY（覆盖）的共 享方式，即次级用户不能和授权用户同时使用某段频谱，因此信道上采用ON-OFF（开- 关）模型表现信道是否被授权系统占用，其中ON表示信道被主用户占用，OFF表示信道 空闲，而其中OFF的长度，则是由每个信道上的空闲概率密度函数产生的随机变量。

502、收集过往某一段时间内信道上所有的空闲频谱资源块，以此作为认知学习过程 的样本。

503、通过收集到的样本使用E-M（Expectation and Maximization，预期与最大）算法 对信道上的空闲概率密度函数进行估计：

首先通过一段时间对于信道授权空闲样本的采集，假设样本X＝{x₁,x₂...x_i}中有N个 样本值，这N个样本值是对信道的观察值，设有一个不可观测数据Y_i＝{y_i1,y_i2,...y_iM}，当 y_ij＝1时表示x_i来自于第j个业务类型，且Y_i中只有一个为1，其余都为0，θ表示所需要 估计的参数（λ_i，a_i），λ_i表示业务类型i对应的到达率参数，a_i表示业务类型i所占比 重，g表示迭代的次数。

根据样本X和当前参数估计，计算完成数据似然函数logp(X,Y|θ)关于隐藏数据类型 Y的期望。

Q(θ|X,θ^(g-1))＝Q(λ，a|X,λ^(g-1),a^(g-1))＝E[log(θ|X,Y)|X,θ^(g-1)]

＝∫log[p(θ^(g-1)|X,Y)]f(Y|X,θ^(g-1))dY

最大化Q(θ|X,θ^(g-1))，使得${\theta }^{\left(g\right)}=\arg \underset{\theta }{\max }Q\left(\theta \right|X,{\theta }^{(g-1)})$

可以通过求导的方式得到，直到|a^(g)_i-a_i^(g-1)|和都小于一个极小值时，迭 代完成，得到θ＝(a₁,a₂...a_M;λ₁,λ₂...λ_M)。

通过E-M算法得到的混合业务概率密度函数可以表示为： f(x|λ)＝a₁f(x|λ₁)+a₂f(x|λ₂)+...a_kf(x|λ_k)

样本采集与更新过程可以根据需求设定为隔一段时间更新或者实时更新。

504、实时检测空闲频谱资源，如果没有发现空闲频谱资源则继续检测，直到发现空 闲频谱资源。

505、成功检测到空闲频谱资源后，统计此时有接入意愿的所有次级业务对应的业务 长度以及所愿意支付的费用。此时采用收益期望公式对各种接入情况下次级业务接入后的 收益进行估计。

为了能够更加清晰的介绍方法的流程，这里先以最简单的一种情况进行介绍：假设在 某时刻一个信道上出现了一个空闲频谱资源，这时候存在着两个次级业务同时都希望通过 使用授权空闲频谱资源进行传输的情况，本发明应用实例可以通过得到的空闲概率密度函 数计算得到其能够成功传输的概率：假设次级业务1所需传输的数据所需要占据信道的时 长为t₁,只有当空闲授权频谱资源的持续长度大于t₁时，次级业务才能成功的完成传输，则 在该空闲频谱资源内能够成功传输的概率为:其中f(x|λ)为通过之前学 习过程得到的该信道在这段时间内的空闲时长概率密度函数。如果次级业务传输成功，次 级用户将会支付传输该业务所愿意付出的费用k₁,而如果次级业务没有能够成功的完成传 输，则该空闲频谱资源被直接的浪费掉，授权系统没有任何收益。对于次级业务2，则与 次级业务1的情况相同，传输对应数据需要占用信道的时长为t₂,愿意支付的费用为k₂，则 在该空闲频谱资源内能够成功传输的概率为：以上讨论只是完成单个次 级业务传输的情况，这时考虑当有不只一个次级业务的情况，在完成了一个次级业务传输 的情况下，还可以继续服务其他的次级业务，比如这里，当授权空闲频谱资源持续的时长 大于t₁+t₂，则两个次级业务能够在同一资源块内完成传输，该情况对应的概率为： 在这种最理想的情况下，授权系统可以同时得到两个次级业务支付的 费用k₁+k₂,但是由于空闲授权频谱资源是一个随机变量，则还存在着不能在这个空闲频 谱资源内完成所有次级业务的传输的情况，比如该段空闲频谱资源只完成了第一个次级业 务的传输，没能完成第二个次级业务的传输，该种情况对应的概率为：这种情况下，由于空闲频谱资源只完成了第一个次级业务的传输，则只能得到第一个次级 业务支付的费用k₁,而损失了服务第二个次级业务所能带来的收益k₂。同理在在另一种情况 下，空闲频谱资源只能顺利的完成第二个次级业务的传输的概率为：在这种情况下授权系统只能得到顺利完成第二个次级业务传输其支付的费用k₂作为收益。 由于次级业务本身类型不同，并且相同类型次级业务也各有区别，因此次级业务的构成是 非常复杂的，每个次级业务所需要的传输时间长度t_i和愿意支付的费用k_i都是不一样，因 此如果不能根据每个信道上的授权空闲频谱资源特点将其与不同次级业务进行合理的匹 配，则会很容易出现授权空闲频谱资源的浪费。比如虽然服务某些次级业务有较高的收益， 但是由于在某信道上成功传输该业务的概率非常低，而某次级业务虽然收益相对较低，但 是成功完成服务的可能性很高，则在这种情况下如果直接先服务第一个次级业务，则服务 失败的概率很高，在这种情况下，授权系统不但没有能够得到第一个次级业务的收益，同 时也丢掉了服务第二个次级业务可能带来的收益。然而如果能够优先服务第二个次级业务 则成功获得第二个次级业务收益的概率较高，这两种不同的服务方式，将会在空闲频谱资 源相同的情况下，给授权系统带来不同的收益，因此设计一个合理的空闲频谱分配方法， 将有效匹配空闲频谱资源与不同的次级业务，从而进一步提高授权系统的总体收益。

在一个完整的场景中，当某一时刻授权信道上出现了一个空闲频谱资源，而在这个时 候有m个次级业务同时有传输的需求，系统首先统计这m个次级业务对应的需要传输时 间长度向量：T＝[t₁，t₂,..t_m]，同时统计m个次级业务对应的愿意支付的费用向量： K＝[k₁,k₂,...k_m]，然后利用该信道空闲时长概率密度函数f(x|λ)，使用以下公式对不同的 服务情况对应的收益期望进行计算：

$\mathrm{profit}=k_1*\underset{t_1}{\overset{t_1+t_2}{\int }}f\left(x\right|\lambda )\mathrm{dx}+(k_1+k_2)*\underset{t_1+t_2}{\overset{t_1+t_2+t_3}{\int }}f\left(x\right|\lambda )\mathrm{dx}+...$

$(k_1+k_2+...+k_{m-1})*\underset{k_1+k_2+...+k_{m-1}}{\overset{k_1+k_2+...+k_m}{\int }}f\left(x\right|\lambda )\mathrm{dx}+(k_1+k_2+...+k_m)*\underset{k_1+k_2+...+k_m}{\overset{\infty }{\int }}f(x|\lambda )\mathrm{dx}$

这里对应着一个在服务顺序1，2，…m情况下的授权系统收益，当服务顺序改变时， 将会得到不同的profit（收益）值。这里本发明应用实例可以根据不同次级业务服务顺序， 得到各种不同的服务情况下对应的收益期望。

506、选择估计值最大的方式对空闲频谱资源进行使用。根据得到的结果选择收益期 望值最大的方式进行服务，使得与空闲频谱资源形成最佳匹配以获得最大收益。

申请人利用相关软件对本发明应用实例方法进行了多次试验实施和仿真验证，试验实 施的场景为一个认知无线电系统，系统中包括授权用户和次级用户，其中授权用户的到达 强度为lambda，3个次级用户分别为业务长度满足n的负指数分布。授权系统的总收益用 profit来表示。

如图6所示，为本发明应用实例不同授权业务强度参数lambda（拉姆达）条件下，所 提次级用户选择方法的收益情况示意图，介绍本发明应用实例授权业务强度变化时，所提 收益提升方法的表现。图6中实线曲线代表不使用本方法时授权系统所对应的收益，虚线 曲线代表使用收益提升方法后，系统所对应的收益。通过对图中结果的分析，得到以下结 论：（1）授权业务强度lambda的影响：当授权业务强度增加时，授权用户到达的间隔增 加，次级业务有更多的机会完成传输，并支付费用，因此对应的系统收益增加；（2）两 种方法的比较：在其他条件都相同的情况下，当使用了收益提升方法后，系统的收益有较 为明显的提升，虽然无论授权业务强度如何变化，使用收益提升方法都会对系统收益有相 应提升，但是随着授权业务强度的增大，提升的效果更为明显。

如图7所示，为本发明应用实例不同次级业务持续时长参数n条件下，所提次级用户 选择方法的收益情况示意图，介绍本发明应用实例次级业务持续时长参数n变化时，所提 收益提升方法的表现。图7中实线曲线代表不使用本方法时授权系统所对应的收益，虚线 曲线代表使用收益提升方法后，系统所对应的收益。从图7中结果可以得出以下结论：（1） 次级业务持续时长参数n的影响：当次级业务持续时长参数n增大时，次级业务的长度增 大，能够在空闲资源块内完成传输的可能性将减小，因此服务成功率下降，对应的授权系 统收益也将减小，在参数n逐渐增大的过程中，在n较小的时候收益下降较为明显，随着 n的达到一定数值后收益的变化逐渐趋缓；（2）两种方法的比较：在其他条件都相同的情 况下，使用收益提升方法后，系统收益会有较大提升，特别在次级业务持续时长参数较小 的时候，提升的效果更为明显。

本发明应用实例的流程清晰，实现过程容易达到，充分利用了认知学习过程得到的结 果，为在多个次级业务想同时接入空闲频谱资源条件下，如何抉择服务方式提供了准则， 在不改变其他条件的情况下，最大限度的利用了空闲频谱资源，提高了出让授权频谱资源 带来的收益，并且通过实验证明了相对于不加预测直接对次级业务进行服务方法性能上的 提升，特别在授权业务到达率较低以及次级业务持续时长较短情况下，使用本发明应用实 例所提方法优点更为明显。因此，本发明应用实例所提方法对认知无线电中多次级业务同 时接入情况下空闲频谱资源的分配以及次级业务的选择问题研究提供了实际的指导作用。

本发明应用实例提供了一种用于提高授权系统收益的次级业务选择接入方法，首先建 立了更加符合实际网络情况的混合业务到达模型，并且基于此模型利用收集过往空闲频谱 资源进行E-M参数估计，得到信道对应的混合到达率参数后，使用提出的收益期望公式， 将已知的到达率参数，各个次级业务长度以及对应的费用代入，对所有不同的接入情况进 行计算，得到各种接入方式下不同的系统收益，这时候选择期望值最大的接入方式进行接 入，以使得授权系统得到最大的收益。

本发明应用实例方法中，所述混合业务到达模型具有可扩展性，其中的混合业务种类 可以任意扩张，这样的业务模型相对于传统的单峰模型能够更加准确的描述实际网络中的 业务特征。

在一般的接入场景中，由于存在着多个次级业务，一旦出现空闲频谱资源，如果没有 好的机制对其进行管理，将很有可能出现能够完成传输的次级业务没有能够传输，而传输 可能性较小的业务却占用了该资源块，确没有能够顺利完成传输，造成授权频谱资源利用 的不充分，导致授权系统收益的下降。基于提高空闲频谱资源利用率，提高授权系统收益 的目的，提出了通过对以往的各个信道上的空闲频谱资源进行收集和学习，估计出信道对 应参数并联合各个次级业务长度及所付费用构成收益期望公式，并以此来决定服务方式， 本发明应用实例用于提高授权系统收益的次级业务选择接入方法及装置具有下述优点：

（1）充分考虑到了现有复杂网络环境中业务多样性的特点，并以此建立更加符合实 际网络情况的混合业务模型，能够更加准确描述当前日益复杂的业务环境。（2）所提收 益期望公式充分利用了以往信道上空闲资源所提供的信息，估计出对应参数，并以此信道 参数估计的结果，结合其他所有在次级业务接入之前所有已知的参数，这样的计算结果能 够最大程度上利用已知条件，对系统收益期望进行预测，优化授权频谱资源利用方式，提 高系统收益，充分体现认知无线电认知的特点。（3）方法的流程非常清晰，在整个实施 过程中步骤简单、快捷、计算量小、可扩展性强，并且具有良好的普遍适用性，因此本发 明具有良好的推广及应用前景。

本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块（illustrative  logical block），单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为 清楚展示硬件和软件的可替换性（interchangeability），上述的各种说明性部件（illustrative  components），单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软 件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的 应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保 护的范围。

本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字 信号处理器，专用集成电路（ASIC），现场可编程门阵列（FPGA）或其它可编程逻辑装 置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的 功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、 控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处 理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任 何其它类似的配置来实现。

本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模 块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM 存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意 形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒 介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。 处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和 存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、 固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒 介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑 存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是 任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不 限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置， 或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或 特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读 媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光 纤电缆、双绞线、数字用户线（DSL）或以例如红外、无线和微波等无线方式传输的也被 包含在所定义的电脑可读媒介中。所述的碟片（disk）和磁盘（disc）包括压缩磁盘、镭射 盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光 学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细 说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的 保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包 含在本发明的保护范围之内。