混合Markov過程及其在認知無線電中的應用.pdf

1、連續(xù)時間上的隨機過程要滿足Markov性,則狀態(tài)轉移的時間分布必須是一個指數分布,在工程實際應用中,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過程的應用條件,擴大Markov過程的應用范圍。在認知無線電當中,次級用戶即認知用戶在授權用戶即主用戶不占用頻譜時可以伺機尋找空閑頻譜使用,當授權用戶需要使用此空閑頻譜時,認知用戶再退出該頻譜。在此過程中,認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退避的動態(tài)頻譜接入的數學模型和基于常數退避的動態(tài)頻譜接入的數學模型的實驗仿真,發(fā)現后者的QoS指標更好,但是基于常數退避的動態(tài)頻譜接入過程不能用傳統(tǒng)的 Markov過程來描述,在現有的理論范圍內,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,并且由常數時間 T內穩(wěn)態(tài)變化與速率的關系式我們發(fā)現了混合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退避的動態(tài)頻譜接入模型和基于指數退避的動態(tài)頻譜接入模型在QoS指標上差異的原因。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分布的累加構成伽馬分布,而我們發(fā)現當控制總期望T不變時,累加的指數分布越多,最終變成德爾塔分布,這樣認