信道状态ONOFF模型介绍.docx

近期进展报告

介绍了信道状态ON/OFF模型，其次介绍ON/OFF模型的具体的预测方法。最后，结合具体

的场景，研究了结合预测结果的信道接入和切换算法，分别比较了随机接入被动切换、结合预测接入被动切换、结合预测接入主动切换的性能。通过仿真可以看出，通过预测可以获得可用资源的移动性信息，切换到合适的信道，并且减少冲突次数。

一.信道状态ON/OFF模型：

主用户使用信道是一个忙闲交替的开关过程。它主要用于分析信道利用率和信道的占用情况。

ON

OFF

ON

OFF

二.马尔科夫调制的泊松分布ON/OFF模型的预测方法

马尔科夫调制泊松分布的ON和OFF阶段长度服从指数分布，ON阶段用户的到达服从泊松分布，

设ON和OFF阶段长度分别服从参数为a。和a。的指数分布，那么ON阶段的平均长度为1/λ。,相

应的OFF阶段的平均长度是1/λ。。因为我们可以观察到信道的每个ON和OFF阶段长度，则模型已

定，只是参数未知，所以就用最大似然估计来估计参数λ。和a。,从而可以得到每个ON和OFF阶

段的平均长度。然而我们的预测目标是信道的当前可用时间(当用户在接入一个信道前，要先考虑此信道的剩余空闲时间长度),依据我们的观察值可以得出信道的每次OFF阶段到当前时刻为止已经空闲的时间，那么信道的可用时间就是预测的OFF阶段平均时间长度与已经空闲的时间长度之差。

ON和OFF阶段均是服从指数分布参数分别为a。和a。,我们只能以概率的形式来估计信道空闲长度。由ON阶段的指数参数λ可以得到ON阶段的长度均值为1/λ。,由OFF阶段的指数参数

a。可以得到OFF阶段的长度是均值为1/λ。,则其ON阶段的持续时间1的概率密度函数为

其OFF的持续时间1。的概率密度函数为

(1)

(2)

我们不知道指数分布的参数a。。和λ。,但λ。和a。是满足非随机变化的，已知ON出现的次

数为N,OFF出现的次数为N。,1和1是第i次ON和OFF阶段的持续时间，构造观察向量3

L=(lon,lo?nN)(3)

L=(loy,lor?oN(4)

按照参数估计理论可以构造指数分布参数a。和λ。的似然函数如(5)和(6)。似然函数代表在参数λ。

和λ。确定的情况下，观察向量L。和L。的概率密度函数，其中观察向量中各项是独立的。

指数分布参数的最大似然估计就是指满足(7)和(8)的估计值(33),

(5)

(6)

(7)

(8)

由(7)和(8)可以得到采用最大似然方法得到ON阶段持续长度1。和OFF阶段持续长度1。均值的估计

值，见(9)至(12):

(9)

(10)

(11)

(12)

i。为ON阶段时间指数分布参数λ的估计结果，i。为ON阶段持续长度1均值的估计结果，

为OFF阶段时间指数分布参数a。的估计结果，。为OFF阶段持续长度1。均值的估计结果。信道剩余可用时间的预测值是依据信道平均空闲时间的估计值和信道已经空闲的时间长度得到的。假设

剩余空闲时间均值的预测值为T。…,信道到当前时刻为止已经空闲的时间为T。,则

T=1-T(13)

下面给出具体的预测算法的步骤和参数：

(1)依据历史信息统计OFF阶段出现的次数N。和第i次出现持续时间的长度L,

(2)按照(12)计算信道OFF阶段持续长度均值的估计值；

(3)判断每个信道当前信道的状态，若为ON,则其信道可用时间的预测值为0;若为OFF,

依据历史信息统计该OFF阶段已经持续的时间T。,信道的可用时间的预测值按照(13)计算。

三.三种信道切换方案的性能比较

上述的信道预测方法可以用在信道切换中，由此出现三种切换方案：随机接入被动切换、结合预测接入被动切换和结合预测接入主动切换。由参考文献中得出：(1)随机接入被动切换的冲突次数和切换次数是一样的，切换次数比主动切换少，因为在信道发生冲突之前是不会发生切换也就是不会中断。(2)结合预测接入被动切换的切换次数是比较少的，因为已经通过预测选择了可用时间比较长的信道，而且在信道发生冲突之前是不会切换的。(3)结合预测接入主动切换的切换次数比被动切换多，但是冲突次数要少一些，中断次数是最多的。因为预测的值毕竟不是很准确，可能在

当前信道还空闲时就切换了。

四.部分可观察Markov决策过程POMDP

POMDP用来描述这样的问题：在不能观察到所有状态的情况下，用户与环境交互，并进行决策如何来行动。在POMDP模型中，,在每个时间点上，用户观察到的信息不完整，用户