CN103428704B - 一种频谱感知方法及装置 - Google Patents

Abstract

本发明公开了一种频谱感知方法及装置，涉及认知无线电技术领域。该方法包括：将同一业务下的所有信道进行聚类，得到N个信道集合及每个信道集合的代表信道；确定待感知信道所属的信道集合及对应的代表信道C_n，1≤n≤N，根据所述待感知信道的历史占用状态和代表信道C_n的当前占用状态，计算出所述待感知信道的当前占用状态。采用该方法，仅需检测某一代表信道的当前占用状态，便能够计算和预测对应的信道集合中全部信道的当前占用状态。该方法利用了同一业务下各信道间的占用相关性，能够提高信道占用状态预测的准确性。

Description

一种频谱感知方法及装置

技术领域

本发明涉及认知无线电技术领域，特别涉及一种频谱感知方法及装置。

背景技术

随着无线电通信业务量的急速增长，频谱紧缺问题越来越严重。通过研究世界各国的频谱检测结果发现，授权频段的利用率普遍较低。然而固定的频谱分配政策使得低利用率的授权频段在空闲时无法被非授权用户使用，造成极大的资源浪费。认知无线电技术的出现为这一问题的解决提供了很好的途径与方案。电气和电子工程师协会（简称IEEE）的有关工作组（如802.22、802.16）和国际电信联盟（简称ITU）已先后制定或正在积极制定一系列标准以推动该技术在各种应用场景下的发展。在认知无线电中，次级用户可以在不干扰主用户通信的情况下动态地接入授权频段，从而提高信道的利用率。为了不影响主用户的通信，次级用户在接入信道之前要先进行频谱感知来确定信道是否被占用，次级用户只有在信道空闲时才可以接入。所以，频谱感知技术是实现认知无线电技术的关键。频谱检测是频谱感知技术的常用方式。

传统的频谱检测采取对信道逐个检测的方式，在时间和能量上的开销都非常大。在信道数目庞大、多个次级用户存在的情况下，这种开销尤其明显。解决这个问题的一个有效方案就是频谱预测。频谱预测是根据各个信道占用的历史情况来预测下一时刻各个信道的占用状态。次级用户对信道按空闲概率由高到低顺序检测，从而加大接入的概率，节省检测时间和能量。申请号为“201010204687.2”的中国专利，公开了一种基于频谱感知及预测的水下多路通信方法。该发明利用对 各个信道的历史使用状态的统计和建模来预测信道下一时刻的占用概率，从而判断其占用状态。其实现过程是：感知节点按预定的时间间隔周期对各个信道进行检测，得到充足的历史数据；通过各个信道的历史占用信息使用马尔科夫模型进行建模，得到各个信道的占用概率及状态转移概率；然后，利用建立好的马尔科夫预测模型在任一时刻对各个信道的占用概率进行预测。通过预测信道占用状态代替直接检测的方式，能够有效提高数据传输速率，并节省能量。

然而，由于进行信道预测或估计时，现有技术只考虑信道的历史状态信息对预测的作用，考虑的影响因素太过单一，仅根据各个信道的历史占用状态进行计算，难以保证预测的准确性；另外，仅利用信道的历史信息对信道占用状态进行预测，随着预测的时间增长，会产生错误传播的现象。因此，对频谱预测技术来说，如何尽可能地提高预测的准确性是一个亟需解决的问题。

发明内容

（一）所要解决的技术问题

本发明的目的在于提供一种频谱感知方法及装置，以提高信道占用状态预测的准确性，并提高频谱感知效率。

（二）技术方案

为了解决上述技术问题，本发明提出了一种频谱感知方法，所述方法包括：

将同一业务下的所有信道进行聚类，得到N个信道集合及每个信道集合的代表信道，N为正整数；

确定待感知信道所属的信道集合及对应的代表信道C_n，1≤n≤N，根据所述待感知信道的历史占用状态和代表信道C_n的当前占用状态，计算出所述待感知信道的当前占用状态。

可选的，将同一业务下的所有信道进行聚类具体包括：

根据所有信道的历史占用状态，计算出每两个信道之间的相关系 数，并根据相关系数对所有信道进行聚类。

可选的，每两个信道之间的相关系数ρ的计算公式为：

$\mathrm{\ρ}=\frac{E}{E+D},$

其中，E为两个信道的历史占用状态序列中对应比特位值相同的个数，D为两个信道的历史占用状态序列中对应比特位值不同的个数。

可选的，根据相关系数对所有信道进行聚类具体包括：

根据相关系数构建出相关系数矩阵A；

根据预设的相关系数门限Th_ρ，将相关系数矩阵A转化为相关判决矩阵B；

将相关判决矩阵B的每一行分别转换成相关信道集合；

采用贪心算法，根据所述相关信道集合得到所述N个信道集合及每个信道集合的代表信道。

可选的，相关系数矩阵A的元素记为ρ_ij，ρ_ij为信道c_i与信道c_j之间的相关系数，1≤i≤W，1≤j≤W，W为所述同一业务下的所有信道的个数；

相关判决矩阵B的元素记为b_ij，且有：

$b_{\mathrm{ij}}=\left\{\begin{array}{cc}1& {\mathrm{\&rho;}}_{\mathrm{ij}}\&GreaterEqual;{\mathrm{Th}}_{\mathrm{\&rho;}}\\ 0& {\mathrm{\&rho;}}_{\mathrm{ij}}<{\mathrm{Th}}_{\mathrm{\&rho;}}\end{array}\right.;$

所述相关信道集合记为s_i，且s_i＝{c_j|b_ij＝1}。

可选的，所述贪心算法具体包括：

将所述同一业务下的所有信道的集合记为U；

计算出使得|s_i∩U|最大的相关信道集合s_i，并将U∩s_i记为第一信道集合，s_i对应的信道c_i记为所述第一信道集合的代表信道；

令U＝U-s_i，重复上一步骤，得到第二信道集合及其代表信道；

重复上一步骤，直至，从而得到所述N个信道集合及每个信道集合的代表信道。

可选的，计算出所述待感知信道的当前占用状态具体包括：

通过频谱检测得到代表信道C_n的当前占用状态i_c；

采用马尔科夫模型，根据所述待感知信道的历史占用状态序列和代表信道C_n的历史占用状态序列，计算出所述待感知信道的状态转移概率p(m_c|m_h)以及所述待感知信道与代表信道C_n之间的状态转移概率p(i_c|m_cm_h)，其中，m_c为所述待感知信道的当前占用状态，m_h为所述待感知信道的历史占用状态序列；

根据条件概率公式计算出联合概率p(i_cm_cm_h)：

p(i_cm_cm_h)＝p(i_c|m_cm_h)p(m_c|m_h)p(m_h)，

其中，p(m_h)为所述待感知信道的历史占用状态序列为m_h的概率；

采用MAP准则，根据联合概率p(i_cm_cm_h)得到m_c的估计值从而得到所述待感知信道的当前占用状态

可选的，的计算公式为：

${\hat{m}}_c=\arg \underset{m_c}{\max }p\left(i_c{m}_c{m}_h\right).$

本发明同时提出了一种频谱感知装置，所述装置包括聚类模块和估计模块，其中：

所述聚类模块，用于将同一业务下的所有信道进行聚类，得到N个信道集合及每个信道集合的代表信道，N为正整数；

所述估计模块，用于确定待感知信道所属的信道集合及对应的代表信道C_n，1≤n≤N，根据所述待感知信道的历史占用状态和代表信道C_n的当前占用状态，计算出所述待感知信道的当前占用状态。

可选的，所述装置进一步包括存储模块和检测模块，其中：

所述存储模块用于存储所述同一业务下的所有信道的历史占用状态；

所述检测模块用于通过频谱检测得到代表信道C_n的当前占用状态；

所述聚类模块进一步用于从所述存储模块获取所述同一业务下的所有信道的历史占用状态，并根据所有信道的历史占用状态进行聚类；

所述估计模块进一步用于从所述存储模块获取所述待感知信道的历史占用状态，从所述检测模块获取代表信道C_n的当前占用状态，并计算出所述待感知信道的当前占用状态。

（三）有益效果

本发明提出的频谱感知方法及装置利用了同一业务下各信道间的相关性，通过对同一业务下的所有信道进行聚类，并从每类信道中选择一个代表信道，在对待感知信道进行占用状态预测时，结合待感知信道自身的历史占用状态信息以及代表信道的当前占用状态，得到预测结果。采用该方法，仅需检测某一代表信道的当前占用状态，便能够计算和预测对应的信道集合中全部信道的当前占用状态。由于该方法不仅考虑了信道的历史状态信息，还考虑了信道间的占用相关性，因此，与现有技术相比，预测的准确性更高，接入的成功率更大，且效率较高。另外，由于代表信道的状态信息会用于对待感知信道占用状态的估计中，所以每一时刻都要对每一信道集合中的代表信道进行检测，这样会对错误有纠正作用，从而对错误传播有明显的抑制作用。

附图说明

图1是本发明一个实施例中频谱感知方法的实现流程图。

图2是本发明一个实施例中信道聚类结果的示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

现有方案中在进行信道占用状态预测时，都仅仅只是从各个独立的信道角度出发，分别针对每个信道的历史占用情况进行建模和预测，却忽略了在同一业务下各信道之间客观存在的关联性这部分重要信息。事实上，通过实测发现，在真实的通信环境中，同一业务下的不同信道的占用状态之间存在很高的关联性。如果能够对这种同一业务中不同信道间的高关联性加以利用，则可对信道的预测准确性和检测 效率起到很大的提升作用。

有鉴于此，本发明实施例提供了一种频谱感知方法，如图1所示，所述方法包括：

将同一业务下的所有信道进行聚类，得到N个信道集合及每个信道集合的代表信道，N为正整数；

确定待感知信道所属的信道集合及对应的代表信道C_n，1≤n≤N，根据所述待感知信道的历史占用状态和代表信道C_n的当前占用状态，计算出所述待感知信道的当前占用状态。

本发明提出的频谱感知方法利用了同一业务下各信道间的相关性，通过对同一业务下的所有信道进行聚类，并从每类信道中选择一个代表信道，在对待感知信道进行占用状态预测时，结合待感知信道自身的历史占用状态信息以及代表信道的当前占用状态，得到预测结果。采用该方法，仅需检测某一代表信道的当前占用状态，便能够计算和预测对应的信道集合中全部信道的当前占用状态。由于该方法不仅考虑了信道的历史状态信息，还考虑了信道间的占用相关性，因此，与现有技术相比，预测的准确性更高，接入的成功率更大，且效率较高。另外，由于代表信道的状态信息会用于对待感知信道占用状态的估计中，所以每一时刻都要对每一信道集合中的代表信道进行检测，这样会对错误有纠正作用，从而对错误传播有明显的抑制作用。

本发明提出的技术方案实行的前提条件是在目标业务的各个信道上进行了长时间的检测，有足够的历史检测数据的储备，用以对将来信道状态进行预测和估计。即，首先需要利用历史检测数据得到同一业务下各个信道的历史占用状态信息。通常信道在某一时刻的占用状态用比特位0或1表示，0表示空闲，1表示占用，信道的历史占用状态信息实际上就是一个由0、1组成的序列。

本发明提出的频谱感知方法包括信道聚类和类内估计两个步骤。

在信道聚类时，需要根据同一业务下各信道间相关性的判定，利用信道聚类算法将所有信道聚成若干个类（即信道集合），并在每个信 道集合中选出一个代表信道，此代表信道是类内与其他信道最相关的信道。

信道聚类算法主要是通过同一业务内信道间占用状态的相关程度进行信道分组，即信道占用状态的相关程度大的分为一组。

具体的，根据所有信道的历史占用状态，计算出每两个信道之间的相关系数，并根据相关系数对所有信道进行聚类。

优选的，每两个信道之间的相关系数ρ的计算公式为：

$\mathrm{\&rho;}=\frac{E}{E+D},$

其中，E为两个信道的历史占用状态序列中对应比特位值相同的个数，D为两个信道的历史占用状态序列中对应比特位值不同的个数。例如，两个信道的历史占用状态序列为00001111000与00010010110，这里E=5，D=6。这里的相关系数ρ实际上表示的是信道的占用状态的相关性，本发明研究的信道间的相关性均指占用状态的相关性。

相关系数ρ越大，即两个信道的相关性越大，则说明两个信道之间的占用状态序列越相似。当两个信道之间的ρ足够大时，就可以较准确地通过一个信道的状态信息估计另一个信道的占用状态。极端情况，如果ρ＝1，则可以通过检测一个信道，无差错地估计另一个信道的占用状态。

信道聚类算法的目的是在保证ρ≥Th_ρ（Th_ρ表示相关系数门限）的情况下，将同一业务下的所有信道聚为若干个信道集合，并在每个信道集合中选择一个需要检测的代表信道，使得分组数最少。也就是说，在保证预测准确率的情况下实现检测次数最少。

优选的，信道聚类的具体过程如下：

根据相关系数构建出相关系数矩阵A；

根据预设的相关系数门限Th_ρ，将相关系数矩阵A转化为相关判决矩阵B；

将相关判决矩阵B的每一行分别转换成相关信道集合；

采用贪心算法，根据所述相关信道集合得到所述N个信道集合及每个信道集合的代表信道。

举例来说，针对某一业务，假设其总共含有W个信道，记为C＝{c₁,c₂,...,c_W}。

相关系数矩阵A的元素记为ρ_ij，ρ_ij为信道c_i与信道c_j之间的相关系数，1≤i≤W，1≤j≤W，矩阵A表示如下：

相关判决矩阵B的元素记为b_ij，且有：

$b_{\mathrm{ij}}=\left\{\begin{array}{cc}1& {\mathrm{\&rho;}}_{\mathrm{ij}}\&GreaterEqual;{\mathrm{Th}}_{\mathrm{\&rho;}}\\ 0& {\mathrm{\&rho;}}_{\mathrm{ij}}<{\mathrm{Th}}_{\mathrm{\&rho;}}\end{array}\right.$

矩阵B记录了信道间相关系数大于预设门限Th_ρ的情况。根据以上所述可知，矩阵B中为1的元素对应的两个信道满足很高的相关性。利用矩阵B可以设计算法来进行信道分组并选出最合理的代表信道。此问题与集合覆盖问题类似，就是要在保证满足Th_ρ的情况下，用最少的集合数覆盖C＝{c₁,c₂,...,c_W}。

为了将此问题转化为集合覆盖问题，设集合S＝{s₁,s₂...}为矩阵B对应的一个选择集合，S中的每一个元素均为一个相关信道集合，可记为s_i，s_i由矩阵B的每一行分别转换而来，且s_i＝{c_j|b_ij＝1}。

S构建的一个例子如下：

每一个S中包含元素最多的s_i表示当检测信道c_i时，可估计的信道最多的分类。

采用启发式的贪心算法对这个问题进行求解，所述贪心算法具体包括：

将所述同一业务下的所有信道的集合记为U；

计算出使得|s_i∩U|最大的相关信道集合s_i，并将U∩s_i记为第一信道集合，s_i对应的信道c_i记为所述第一信道集合的代表信道；

令U＝U-s_i，重复上一步骤，得到第二信道集合及其代表信道；

重复上一步骤，直至从而得到所述N个信道集合及每个信道集合的代表信道。

上述过程也可以表示如下：

1 设置U←{c₁,c₂,...,c_W}，

2 while

3 选择s_i使得|s_i∩U|最大

4 g←U∩s_i

5 U←U-s_i

6 G←G∪{g}

7 Return G

这里g即为一个信道集合(也可说是一个类)，s_i对应的信道c_i即为g的代表信道。集合G包含了所有的信道集合。图2是本发明一个实施例中信道聚类结果的示意图，图中每个方框代表一个信道集合，每个方框中的白色圆点代表该信道集合的代表信道，黑色圆点代表该信道集合中的待感知信道。由于采用贪心式算法，即每次选择最大组数进行分组，所以先分出的组内信道数比后分出的组大。

信道聚类之后，需要通过检测一个信道集合内的代表信道的当前占用状态，结合待感知信道的自身历史占用状态信息来准确估计该信道集合内所有信道的忙闲状态。

下面对类内估计算法进行详细介绍。

首先确定待感知信道所属的信道集合及对应的代表信道C_n，然后对所述待感知信道的当前占用状态进行类内估计。

类内估计的过程具体如下：

通过频谱检测得到代表信道C_n的当前占用状态i_c；

采用马尔科夫模型，根据所述待感知信道的历史占用状态序列和代表信道C_n的历史占用状态序列，计算出所述待感知信道的状态转移概率p(m_c|m_h)以及所述待感知信道与代表信道C_n之间的状态转移概率p(i_c|m_cm_h)，其中，m_c为所述待感知信道的当前占用状态，m_h为所述待感知信道的历史占用状态序列；

根据条件概率公式计算出联合概率p(i_cm_cm_h)：

p(i_cm_cm_h)＝p(i_c|m_cm_h)p(m_c|m_h)p(m_h)，

其中，p(m_h)为所述待感知信道的历史占用状态序列为m_h的概率；

采用MAP准则，根据联合概率p(i_cm_cm_h)得到m_c的估计值，从而得到所述待感知信道的当前占用状态。

举例来说，假设I信道为某信道集合的代表信道，M信道是该信道集合内的一个待感知信道。考虑用n阶平稳马尔科夫模型来表示M信道历史状态信息对当前状态的影响，用p(m_c|m_h)表示M信道的状态转移概率则有：

p(m_c＝X_t|m_h＝X_t-1X_t-2...X_t-n...)＝p(m_c＝X_t|m_h＝X_t-1X_t-2...X_t-n)

其中，m_c表示当前时刻M信道的状态，m_h表示其历史状态序列，X表示占用状态取值为0或者1，t表示对应时刻。

由于I信道与M信道高度相关，所以定义信道间的状态转移概率p(i_c|m_cm_h)，m_cm_h可以表示M信道的状态序列，包括当前时刻状态和历史状态序列，i_c是I信道当前时刻状态。如此时选择n+1阶平稳马尔科夫模型来描述信道间的状态转移过程，则有下式成立：

p(i_c＝Y_t|m_cm_h＝X_tX_t-1X_t-2...X_t-n...)＝p(i_c＝Y_t|m_cm_h＝X_tX_t-1X_t-2...X_t-n)

由于马尔科夫过程是平稳的，则状态转移矩阵不随时间而变化，可以根据历史数据统计出来。

结合历史状态信息和信道间的相关信息，根据条件概率公式计算 出联合概率p(i_cm_cm_h)：

p(i_cm_cm_h)＝p(i_c|m_cm_h)p(m_c|m_h)p(m_h)

p(i_cm_cm_h)表示i_cm_cm_h状态的联合概率。

结合上述几个概率公式，采用MAP准则来估计m_c的值。由于I信道当前时刻状态和M信道的历史状态序列已知，根据MAP准则，m_c的估计值最合理的选择为使得p(i_cm_cm_h)取值较大的那个m_c的值，如下式所示：

${\hat{m}}_c=\arg \underset{m_c}{\max p}\left(i_c{m}_c{m}_h\right)$

至此，便估计得到了M信道的当前占用状态。

本发明同时提出了一种频谱感知装置，所述装置包括聚类模块和估计模块，其中：

所述聚类模块，用于将同一业务下的所有信道进行聚类，得到N个信道集合及每个信道集合的代表信道，N为正整数；

所述估计模块，用于确定待感知信道所属的信道集合及对应的代表信道C_n，1≤n≤N，根据所述待感知信道的历史占用状态和代表信道C_n的当前占用状态，计算出所述待感知信道的当前占用状态。

优选的，所述装置进一步包括存储模块和检测模块，其中：

所述存储模块用于存储所述同一业务下的所有信道的历史占用状态；

所述检测模块用于通过频谱检测得到代表信道C_n的当前占用状态；

所述聚类模块进一步用于从所述存储模块获取所述同一业务下的所有信道的历史占用状态，并根据所有信道的历史占用状态进行聚类；

所述估计模块进一步用于从所述存储模块获取所述待感知信道的历史占用状态，从所述检测模块获取代表信道C_n的当前占用状态，并计算出所述待感知信道的当前占用状态。

本发明提出的频谱感知方法及装置利用了同一业务下各信道间的 相关性，通过对同一业务下的所有信道进行聚类，并从每类信道中选择一个代表信道，在对待感知信道进行占用状态预测时，结合待感知信道自身的历史占用状态信息以及代表信道的当前占用状态，得到预测结果。采用该方法，仅需检测某一代表信道的当前占用状态，便能够计算和预测对应的信道集合中全部信道的当前占用状态。由于该方法不仅考虑了信道的历史状态信息，还考虑了信道间的占用相关性，因此，与现有技术相比，预测的准确性更高，接入的成功率更大，且效率较高。另外，由于代表信道的状态信息会用于对待感知信道占用状态的估计中，所以每一时刻都要对每一信道集合中的代表信道进行检测，这样会对错误有纠正作用，从而对错误传播有明显的抑制作用。

同时，本发明提出的技术方案也可为次级用户提供方便。在现有方案中，如果在次级用户之间没有通信的情况下，都会在同一组可能空闲的信道中选择接入，很容易造成竞争冲突。在多个次级用户存在的认知***下，本发明的技术方案可以安排次级用户在不同的信道集合中进行动态接入，这样次级用户间就不会产生竞争冲突。

以上所述仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (9)

1.一种频谱感知方法，其特征在于，所述方法包括：

将同一业务下的所有信道进行聚类，得到N个信道集合及每个信道集合的代表信道，N为正整数；

确定待感知信道所属的信道集合及对应的代表信道C_n，1≤n≤N，根据所述待感知信道的历史占用状态和代表信道C_n的当前占用状态，计算出所述待感知信道的当前占用状态；

其中，计算出所述待感知信道的当前占用状态具体包括：

通过频谱检测得到所述代表信道C_n的当前占用状态；

采用马尔科夫模型，根据所述待感知信道的历史占用状态序列和代表信道C_n的历史占用状态序列，计算出所述待感知信道的状态转移概率p(m_c|m_h)以及所述待感知信道与代表信道C_n之间的状态转移概率p(i_c|m_cm_h)，其中，m_c为所述待感知信道的当前占用状态，m_h为所述待感知信道的历史占用状态序列；

根据条件概率公式计算出联合概率p(i_cm_cm_h)：

p(i_cm_cm_h)＝p(i_c|m_cm_h)p(m_c|m_h)p(m_h)，

其中，p(m_h)为所述待感知信道的历史占用状态序列为m_h的概率；

采用MAP准则，根据联合概率p(i_cm_cm_h)得到m_c的估计值从而得到所述待感知信道的当前占用状态。

2.如权利要求1所述的方法，其特征在于，将同一业务下的所有信道进行聚类具体包括：

根据所有信道的历史占用状态，计算出每两个信道之间的相关系数，并根据相关系数对所有信道进行聚类。

3.如权利要求2所述的方法，其特征在于，每两个信道之间的相关系数ρ的计算公式为：

$\mathrm{\&rho;}=\frac{E}{E+D},$

其中，E为两个信道的历史占用状态序列中对应比特位值相同的个数，D为两个信道的历史占用状态序列中对应比特位值不同的个数。

4.如权利要求2或3所述的方法，其特征在于，根据相关系数对所有信道进行聚类具体包括：

根据相关系数构建出相关系数矩阵A；

根据预设的相关系数门限Th_ρ，将相关系数矩阵A转化为相关判决矩阵B；

将相关判决矩阵B的每一行分别转换成相关信道集合；

采用贪心算法，根据所述相关信道集合得到所述N个信道集合及每个信道集合的代表信道。

5.如权利要求4所述的方法，其特征在于，相关系数矩阵A的元素记为ρ_ij，ρ_ij为信道c_i与信道c_j之间的相关系数，1≤i≤W，1≤j≤W，W为所述同一业务下的所有信道的个数；

相关判决矩阵B的元素记为b_ij，且有：

$b_{ij}=\left\{\begin{array}{cc}1& {\mathrm{\&rho;}}_{ij}\&GreaterEqual;{\mathrm{Th}}_{\mathrm{\&rho;}}\\ 0& {\mathrm{\&rho;}}_{ij}<{\mathrm{Th}}_{\mathrm{\&rho;}}\end{array}\right.;$

所述相关信道集合记为s_i，且s_i＝{c_j|bi_j＝1}。

6.如权利要求5所述的方法，其特征在于，所述贪心算法具体包括：

将所述同一业务下的所有信道的集合记为U；

计算出使得|s_i∩U|最大的相关信道集合s_i，并将U∩s_i记为第一信道集合，s_i对应的信道c_i记为所述第一信道集合的代表信道；

令U＝U-s_i，重复上一步骤，得到第二信道集合及其代表信道；

重复上一步骤，直至从而得到所述N个信道集合及每个信道集合的代表信道。

7.如权利要求1所述的方法，其特征在于，的计算公式为：

${\hat{m}}_c=\arg \underset{m_c}{max}p\left(i_c{m}_c{m}_h\right).$

8.一种频谱感知装置，其特征在于，所述装置包括聚类模块和估计模块，其中：

所述聚类模块，用于将同一业务下的所有信道进行聚类，得到N个信道集合及每个信道集合的代表信道，N为正整数；

所述估计模块，用于确定待感知信道所属的信道集合及对应的代表信道C_n，1≤n≤N，根据所述待感知信道的历史占用状态和代表信道C_n的当前占用状态，计算出所述待感知信道的当前占用状态；

其中，计算出所述待感知信道的当前占用状态具体包括：

通过频谱检测得到所述代表信道C_n的当前占用状态；

采用马尔科夫模型，根据所述待感知信道的历史占用状态序列和代表信道C_n的历史占用状态序列，计算出所述待感知信道的状态转移概率p(m_c|m_h)以及所述待感知信道与代表信道C_n之间的状态转移概率p(i_c|m_cm_h)，其中，m_c为所述待感知信道的当前占用状态，m_h为所述待感知信道的历史占用状态序列；

根据条件概率公式计算出联合概率p(i_cm_cm_h)：

p(i_cm_cm_h)＝p(i_c|m_cm_h)p(m_c|m_h)p(m_h)，

其中，p(m_h)为所述待感知信道的历史占用状态序列为m_h的概率；

采用MAP准则，根据联合概率p(i_cm_cm_h)得到m_c的估计值从而得到所述待感知信道的当前占用状态。

9.如权利要求8所述的装置，其特征在于，所述装置进一步包括存储模块和检测模块，其中：

所述存储模块用于存储所述同一业务下的所有信道的历史占用状态；

所述检测模块用于通过频谱检测得到代表信道C_n的当前占用状态；

所述聚类模块进一步用于从所述存储模块获取所述同一业务下的所有信道的历史占用状态，并根据所有信道的历史占用状态进行聚类；

所述估计模块进一步用于从所述存储模块获取所述待感知信道的历史占用状态，从所述检测模块获取代表信道C_n的当前占用状态，并计算出所述待感知信道的当前占用状态。