一种基于信道感知和预测的多址接入方法

摘要

本发明公开了一种基于信道感知和预测的多址接入方法。能根据授权用户占用信道的统计规律自适应地调整非授权用户的传输时间和退避时间。采用改进后的载波侦听多址接入算法，使得非授权用户根据当前的感知结果、当前时隙的持续时间、授权用户占用信道的统计规律以及授权用户的阻塞概率约束进行频谱状态和状态剩余持续时间的预测。另外，本发明提供了一种递归的参数估计方法，以免非授权用户在使用频段前需要对其进行长期观察。该方法能在保证授权用户的阻塞概率约束的前提下，提高信道使用效率。

权利要求

1.一种基于信道感知和预测的多址接入方法，其特征在于非授权用户只有在感知到信道空闲时才能占用信道，非授权用户进入传输过程，否则非授权用户要一直侦听信道；在传输过程中，非授权用户一边发送数据，一边感知信道状态，并根据感知结果、已经用去的传输时间、授权用户占用信道的统计规律以及授权用户的阻塞概率约束，进行非授权用户传输过程期间的信道状态和状态持续时间的预测，直到预测的信道状态为信道被授权用户占用，非授权用户进入退避过程；在退避过程中，非授权用户仅感知信道状态，并根据感知结果、已经用去的退避时间、授权用户占用信道的统计规律以及授权用户的阻塞概率约束，进行非授权用户退避过程期间的信道状态和状态持续时间的预测，直到预测的信道状态为信道空闲，非授权用户进入传输过程；非授权用户采用递归误差预测方法进行参数估计，使得非授权用户不需要对某频段进行长期观察以获得频谱使用情况的统计参数；

所述进行非授权用户传输过程期间的信道状态和状态持续时间的预测包括如下步骤：

(m)当非授权用户检测到授权用户的状态从空闲变为忙，则授权用户的预测状态为忙，否则，非授权用户根据授权用户占用信道的统计规律进行状态预测，即

$u_{i,j}=\left\{\begin{array}{c}1,u_{i,j-1}=0,z_{i,j-1}=1\\ \arg \underset{k=\mathrm{0,1}}{\max }{p}_{0k}\left(T_{\mathrm{dR}}^i\right),u_{i,j-1}=0,z_{i,j-1}=0\end{array}\right.$式中ui，j为在第i个时隙第j次预测的授权用户状态，ui，j-1为在第i个时隙第(j-1)次预测的授权用户状态，为非授权用户在第i个时隙第(j-1)次检测到的授权用户状态，TdRi为已经用去的传输时间，p0k(TdRi)为非授权用户在传输了TdRi时间后授权用户从状态0转变为状态k的概率，即$p_{0k}\left(T_{\mathrm{dR}}^i\right)=\left\{\begin{array}{c}\mathrm{Pr}(t_0>T_{\mathrm{dR}}^i),k=0\\ 1-\mathrm{Pr}(t_0>T_{\mathrm{dR}}^i),k=1\end{array}\right.$式中，t0为授权用户的空闲时间；

(n)如果授权用户的预测状态为空闲，则非授权用户的剩余传输时间TdPi按下式进行预测：

$\mathrm{Pr}\left(T_{\mathrm{dP}}^i\right|u_{i,j}=0,T_{\mathrm{dR}}^i)=\frac{\mathrm{Pr}(T_{\mathrm{dR}}^i<t_0\le T_{\mathrm{dP}}^i+T_{\mathrm{dR}}^i)}{\mathrm{Pr}(t_0>T_{\mathrm{dR}}^i)}\le {\bar{P}}_{\mathrm{out}}$式中，其中ui，j为在第i个时隙第j次预测的授权用户状态，ui，j-1为在第i个时隙第(j-1)次预测的授权用户状态，zi，j-1为非授权用户在第i个时隙第(j-1)次检测到的授权用户状态，TdRi为已经用去的传输时间，p0k(TdRi)为非授权用户在传输了TdRi时间后授权用户从状态0转变为状态k的概率，为授权用户的阻塞概率约束；

(o)如果授权用户的预测状态为忙，则本传输时隙终止，下一时隙的退避时间TbPi+1按下式进行预测：

$\mathrm{Pr}\left(T_{\mathrm{bP}}^{i+1}\right|u_{i,j}=1)=\mathrm{Pr}(t_1>T_{\mathrm{bP}}^{i+1})\le {\bar{P}}_{\mathrm{out}}$式中t1为授权用户的占用时间，ui，j为在第i个时隙第j次预测的授权用户状态，TbPi+1为非授权用户在第(i+1)个时隙的退避时间；

所述进行非授权用户退避过程期间的信道状态和状态持续时间的预测包括如下步骤：

(p)当非授权用户检测到授权用户的状态从忙变为空闲，则授权用户的预测状态为空闲，否则，非授权用户根据授权用户占用信道的统计规律进行状态预测，即

$u_{i+1,j}=\left\{\begin{array}{c}1,u_{i+1,j-1}=1,z_{i+1,j-1}=0\\ \arg \underset{k=\mathrm{0,1}}{\max }{p}_{1k}\left(T_{\mathrm{bR}}^{i+1}\right),u_{i+1,j-1}=1,z_{i+1,j-1}=1\end{array}\right.$式中ui+1，j为在第(i+1)个时隙第j次预测的授权用户状态，ui+1，j-1为在第(i+1)个时隙第(j-1)次预测的授权用户状态，zi，j-1为非授权用户在第i个时隙第(j-1)次检测到的授权用户状态，TbRi+1为已经用去的退避时间，p1k(TbRi+1)为非授权用户在退避了TbRi+1时间后授权用户从状态1转变为状态k的概率，即$p_{1k}\left(T_{\mathrm{bR}}^{i+1}\right)=\left\{\begin{array}{c}1-\mathrm{Pr}(t_1>T_{\mathrm{bR}}^{i+1}),k=0\\ \mathrm{Pr}(t_1>T_{\mathrm{bR}}^{i+1}),k=1\end{array}\right.$式中t1为授权用户的占用时间，TbRi+1为非授权用户在第(i+1)个时隙已经去的退避避时间；

(q)如果授权用户的预测状态为忙，则非授权用户的剩余退避时间TbPi+1按下式进行预测：

$\mathrm{Pr}\left(T_{\mathrm{bP}}^{i+1}\right|u_{i+1,j}=1,T_{\mathrm{bR}}^{i+1})=\frac{\mathrm{Pr}(t_1>T_{\mathrm{bP}}^{i+1}+T_{\mathrm{bR}}^{i+1})}{\mathrm{Pr}(t_1>T_{\mathrm{bR}}^{i+1})}\le {\bar{P}}_{\mathrm{out}}$式中ui+1，j为在第(i+1)个时隙第j次预测的授权用户状态，TbRi+1为已经用去的退避时间，为授权用户的阻塞概率约束；

(r)如果授权用户的预测状态为空闲，则本退避时隙终止，下一时隙的传输时间TdPi+2按下式进行预测：

$\mathrm{Pr}\left(T_{\mathrm{dP}}^{i+2}\right|u_{i+1,j}=0)=\mathrm{Pr}(t_0\le T_{\mathrm{dP}}^{i+2})\le {\bar{P}}_{\mathrm{out}}$式中t0为授权用户的空闲时间，TdPi+2为非授权用户在第(i+2)个时隙的传输时间，为授权用户的阻塞概率约束

所述非授权用户采用递归误差预测方法进行参数估计如下式所示：

${\theta }_i={\theta }_{i-1}+{\Delta }_i{R}_i^{-1}{\psi }_i$其中，θi为第i次估计的估计结果，Δi是步进，Ri为Hessian矩阵的估计，ψi为似然函数的梯度，且Ri的递归公式为：

$R_i=R_{i-1}+{\Delta }_i({\psi }_i{\psi }_i^T-R_{i-1}).$

2.根据权利要求1所述的一种基于信道感知和预测的多址接入方法，其特征在于所述非授权用户进入传输过程包括如下步骤：

(a)在第i个时隙开始时，如果非授权用户预测的授权用户的状态为空闲，预测的传输时间为TdPi，则非授权用户进入传输状态；

(b)如果在预测的传输时间TdPi内检测到授权用户的状态从空闲变为忙，则认为第i个时隙终止，进入下一个时隙；第(i+1)个时隙的授权用户的预测状态为忙，更新第i个时隙的实际传输时间TdRi以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+1)个时隙的退避时间TbPi+1；

(c)如果在预测的传输时间TdPi内没有检测到授权用户状态从空闲变为忙，则根据授权用户占用信道的统计规律预测授权用户的状态；

(d)如果预测的授权用户状态为空闲，则根据授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测剩余的传输时间TdPi；

(e)如果授权用户的预测状态为忙，则认为第i个时隙终止，进入下一个时隙；更新第i个时隙的实际传输时间TdRi以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+1)个时隙的退避时间TbPi+1；

(f)重复步骤(b)、步骤(c)、步骤(d)和步骤(e)，直到授权用户的预测状态从空闲变为忙为止。

3.根据权利要求1所述的一种基于信道感知和预测的多址接入方法，其特征在于所述非授权用户进入退避过程包括如下步骤：

(g)在第(i+1)个时隙开始时，如果非授权用户预测的授权用户状态为忙，预测的退避时间为TbPi+1，则非授权用户进入退避状态；

(h)如果在预测的退避时间TbPi+1内检测到授权用户状态从忙变为空闲，则认为第(i+1)个时隙终止，进入下一个时隙；第(i+2)个时隙的非授权用户的预测状态为空闲，更新第i个时隙的实际退避时间TbRi+1以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+2)个时隙的传输时间TdPi+2；

(i)如果在预测的退避时间TbPi+1内没有检测到授权用户状态从忙变为空闲，则根据授权用户占用信道的统计规律预测授权用户的状态；

(j)如果授权用户的预测状态为忙，则根据授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测剩余退避时间TbPi+1；

(k)如果授权用户的预测状态为空闲，认为第i个时隙终止，进入下一个时隙；更新第i个时隙的实际退避时间TbRi+1以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+2)个时隙的传输时间TdPi+2；

(l)重复步骤(h)、步骤(i)、步骤(j)和步骤(k)，直到授权用户的预测状态从忙变为空闲为止。

说明书

技术领域

本发明涉及无线通信领域，尤其涉及一种基于信道感知和预测的多址接入方法。

背景技术

认知无线电(cognitive radio，CR)作为一种新型的智能无线传输技术，它通过感知周围的无线传输特征，自适应地调整传输参数，有效解决了频谱资源匮乏的问题。传统的信道感知多接入方法包括CSMA(载波侦听多址接入)及其衍生方法，如CSMA/CD(载波侦听冲突检测)，CSMA/CA(载波侦听冲突避免)等。此类算法的基本思想是：当用户想要发送数据时，先侦听信道，若侦听到信道空闲，则用户可以传输，否则，一直侦听直到信道空闲然后立即传输；若用户在传输中侦听到冲突，立即停止传输，并等待一段随机的时间，再次试图传输。虽然传统CSMA算法也能在一定程度上保护授权用户的正常传输，但是随机退避会使非授权用户损失掉很多传输机会，信道使用效率不高。
实际上在认知环境下，授权用户(Primary User，PU)对信道的占用情况具有一定的统计规律以及时频相关性，即授权用户的使用具有一定的突发性和相关性，且这种突发性和相关性是时变的，在某些时段可能使用较为频繁，某些时间段内使用比较稀疏。因此授权用户占用信道的统计规律可以建模为一个具有时变参数的非独立增量过程。非授权用户(Secondary User，SU)占用信道的时间越长，它与授权用户发生冲突的概率就越大；同样的，非授权用户退避的时间越长，虽可以避免与授权用户的冲突，但它损失的传输机会就越多，信道使用效率较低。因此，为最大限度地提高非授权用户使用信道的效率，可以在感知的基础上结合预测机制充分利用授权用户占用信道的统计规律，设计出一种认知多接入机制，不仅能对信道空闲充分利用，还能对冲突进行主动避免，从而保护授权用户，提高信道利用效率。

发明内容

本发明的目的是提供一种基于信道感知和预测的多址接入方法。
基于信道感知和预测的多址接入方法是非授权用户只有在感知到信道空闲时才能占用信道，非授权用户进入传输过程，否则非授权用户要一直侦听信道；在传输过程中，非授权用户一边发送数据，一边感知信道状态，并根据感知结果、已经用去的传输时间、授权用户占用信道的统计规律以及授权用户的阻塞概率约束，进行非授权用户传输过程期间的信道状态和状态持续时间的预测，直到预测的信道状态为信道被授权用户占用，非授权用户进入退避过程；在退避过程中，非授权用户仅感知信道状态，并根据感知结果、已经用去的退避时间、授权用户占用信道的统计规律以及授权用户的阻塞概率约束，进行非授权用户退避过程期间的信道状态和状态持续时间的预测，直到预测的信道状态为信道空闲，非授权用户进入传输过程；非授权用户的传输过程和退避过程交替进行，其传输时间和退避时间不是固定的，由非授权用户根据改进算法决定；非授权用户采用递归误差预测方法进行参数估计，使得非授权用户不需要对某频段进行长期观察以获得频谱使用情况的统计参数。
所述非授权用户进入传输过程包括如下步骤：
(a)在第i个时隙开始时，如果非授权用户预测的授权用户的状态为空闲，预测的传输时间为TdPi，则非授权用户进入传输状态；
(b)如果在预测的传输时间TdPi内检测到授权用户的状态从空闲变为忙，则认为第i个时隙终止，进入下一个时隙；第(i+1)个时隙的授权用户的预测状态为忙，更新第i个时隙的实际传输时间TdRi以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+1)个时隙的退避时间TbPi+1；
(c)如果在预测的传输时间TdPi内没有检测到授权用户状态从空闲变为忙，则根据授权用户占用信道的统计规律预测授权用户的状态；
(d)如果预测的授权用户状态为空闲，则根据授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测剩余的传输时间TdPi；
(e)如果授权用户的预测状态为忙，则认为第i个时隙终止，进入下一个时隙；更新第i个时隙的实际传输时间TdRi以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+1)个时隙的退避时间TbPi+1；
(f)重复步骤(b)、步骤(c)、步骤(d)和步骤(e)，直到授权用户的预测状态从空闲变为忙为止。
所述非授权用户进入退避过程包括如下步骤：
(g)在第(i+1)个时隙开始时，如果非授权用户预测的授权用户状态为忙，预测的退避时间为TbPi+1，则非授权用户进入退避状态；
(h)如果在预测的退避时间TbPi+1内检测到授权用户状态从忙变为空闲，则认为第(i+1)个时隙终止，进入下一个时隙；第(i+2)个时隙的非授权用户的预测状态为空闲，更新第i个时隙的实际退避时间TbRi+1以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+2)个时隙的传输时间TdPi+2；
(i)如果在预测的退避时间TbPi+1内没有检测到授权用户状态从忙变为空闲，则根据授权用户占用信道的统计规律预测授权用户的状态；
(j)如果授权用户的预测状态为忙，则根据授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测剩余退避时间TbPi+1；
(k)如果授权用户的预测状态为空闲，认为第i个时隙终止，进入下一个时隙；更新第i个时隙的实际退避时间TbRi+1以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+2)个时隙的传输时间TdPi+2；
(l)重复步骤(h)、步骤(i)、步骤(j)和步骤(k)，直到授权用户的预测状态从忙变为空闲为止。
所述进行非授权用户传输过程期间的信道状态和状态持续时间的预测包括如下步骤：
(m)当非授权用户检测到授权用户的状态从空闲变为忙，则授权用户的预测状态为忙，否则，非授权用户根据授权用户占用信道的统计规律进行状态预测，即
$u_{i,j}=\left\{\begin{array}{cc}1& ,u_{i,j-1}=0,z_{i,j-1}=1\\ \arg \underset{k=\mathrm{0,1}}{\max }{p}_{0k}\left(T_{\mathrm{dR}}^i\right)& ,u_{i,j-1}=0,z_{i,j-1}=0\end{array}\right.$
式中ui，j为在第i个时隙第j次预测的授权用户状态，ui，j-1为在第i个时隙第(j-1)次预测的授权用户状态，zi，j-1为非授权用户在第i个时隙第(j-1)次检测到的授权用户状态，TdRi为已经用去的传输时间，p0k(TdRi)为非授权用户在传输了TdRi时间后授权用户从状态0转变为状态k的概率，即
$p_{0k}\left(T_{\mathrm{dR}}^i\right)=\left\{\begin{array}{cc}\mathrm{Pr}(t_0>T_{\mathrm{dR}}^i)& ,k=0\\ 1-\mathrm{Pr}\left(t_0{>T}_{\mathrm{dR}}^i\right)& ,k=1\end{array}\right.$
式中，t0为授权用户的空闲时间；
(n)如果授权用户的预测状态为空闲，则非授权用户的剩余传输时间TdPi按下式进行预测：
$\mathrm{Pr}\left(T_{\mathrm{dP}}^i\right|u_{i,j}=0,T_{\mathrm{dR}}^i)=\frac{\mathrm{Pr}(T_{\mathrm{dR}}^i<t_0{<T}_{\mathrm{dP}}^i+T_{\mathrm{dR}}^i)}{\mathrm{Pr}\left(t_0{>T}_{\mathrm{dR}}^i\right)}{\le \bar{P}}_{\mathrm{out}}$
式中，其中ui，j为在第i个时隙第j次预测的授权用户状态，ui，j-1为在第i个时隙第(j-1)次预测的授权用户状态，zi，j-1为非授权用户在第i个时隙第(j-1)次检测到的授权用户状态，TdRi为已经用去的传输时间，p0k(TdRi)为非授权用户在传输了TdRi时间后授权用户从状态0转变为状态k的概率，为授权用户的阻塞概率约束；
(o)如果授权用户的预测状态为忙，则本传输时隙终止，下一时隙的退避时间TbPi+1按下式进行预测：
$\mathrm{Pr}\left(T_{\mathrm{bP}}^{i+1}\right|u_{i,j}=1)=\mathrm{Pr}(t_1>T_{\mathrm{bP}}^{i+1})\le {\bar{P}}_{\mathrm{out}}$
式中，t1为授权用户的占用时间，ui，j为在第i个时隙第j次预测的授权用户状态，TbPi+1为非授权用户在第(i+1)个时隙的退避时间。
所述进行非授权用户退避过程期间的信道状态和状态持续时间的预测包括如下步骤：
(p)当非授权用户检测到授权用户的状态从忙变为空闲，则授权用户的预测状态为空闲，否则，非授权用户根据授权用户占用信道的统计规律进行状态预测，即
$u_{i+1,j}=\left\{\begin{array}{cc}1& ,u_{i+1,j-1}=1,z_{i+1,j-1}=0\\ \arg \underset{k=\mathrm{0,1}}{\max }{p}_{1k}\left(T_{\mathrm{bR}}^{i+1}\right)& ,u_{i+1,j-1}=1,z_{i+1,j-1}=1\end{array}\right.$
式中ui+1，j为在第(i+1)个时隙第j次预测的授权用户状态，ui+1，j-1为在第i个时隙第(j-1)次预测的授权用户状态，zi，j-1为非授权用户在第i个时隙第(j-1)次检测到的授权用户状态，TbRi+1为已经用去的退避时间，p1k(TbRi+1)为非授权用户在退避了TbRi+1时间后授权用户从状态1转变为状态k的概率，即
$p_{1k}\left(T_{\mathrm{bR}}^{i+1}\right)=\left\{\begin{array}{cc}1-\mathrm{Pr}(t_1>T_{\mathrm{bR}}^{i+1})& ,k=0\\ \mathrm{Pr}\left(t_1{>T}_{\mathrm{bR}}^{i+1}\right)& ,k=1\end{array}\right.$
式中t1为授权用户的占用时间，TbRi+1为非授权用户在第(i+1)个时隙已经去的退避避时间；
(q)如果授权用户的预测状态为忙，则非授权用户的剩余退避时间TbPi+1按下式进行预测：
$\mathrm{Pr}\left(T_{\mathrm{bP}}^{i+1}\right|u_{i+1,j}=1,T_{\mathrm{bR}}^{i+1})=\frac{\mathrm{Pr}(t_1{>T}_{\mathrm{bP}}^{i+1}+T_{\mathrm{bR}}^{i+1})}{\mathrm{Pr}\left(t_1{>T}_{\mathrm{bR}}^{i+1}\right)}{\le \bar{P}}_{\mathrm{out}}$
式中ui+1，j为在第(i+1)个时隙第j次预测的授权用户状态，TbRi+1为已经用去的退避时间，为授权用户的阻塞概率约束；
(r)如果授权用户的预测状态为空闲，则本退避时隙终止，下一时隙的传输时间TdPi+2按下式进行预测：
$\mathrm{Pr}\left(T_{\mathrm{dP}}^{i+2}\right|u_{i+1,j}=0)=\mathrm{Pr}\left(t_0{\le T}_{\mathrm{dP}}^{i+2}\right)\le {\bar{P}}_{\mathrm{out}}$
式中t0为授权用户的空闲时间，TdPi+2为非授权用户在第(i+2)个时隙的传输时间，为授权用户的阻塞概率约束。
所述非授权用户采用递归误差预测方法进行参数估计如下式所示：
${\theta }_i={\theta }_{i-1}+{\Delta }_i{R}_i^{-1}{\psi }_i$
其中，θi为第i次估计的估计结果，Δi是步进，Ri为Hessian矩阵的估计，ψi为似然函数的梯度，且Ri的递归公式为：
$R_i=R_i+{\Delta }_i({\psi }_i{\psi }_i^T-R_{i-1}).$
本发明在传统的CSMA算法的基础上，增加实时估计当前频谱使用情况的统计参数，并由此以及当前感知结果、已经用去的时间、授权用户的阻塞概率约束预测授权用户的状态以及时间的方法，从而能使得非授权用户主动避免对授权用户的干扰，以达到对授权用户的保护，且非授权用户能较充分地利用频谱，提高信道使用效率。

附图说明

图1是授权用户的使用情况示意图；
图2是改进CSMA算法的结构框图；
图3是采用不同仿真间隔和阻塞概率约束得到的性能曲线图；
图4是采用改进的CSMA算法和传统CSMA算法得到冲突概率曲线图；
图5是采用改进的CSMA算法和传统CSMA算法得到浪费概率曲线图。

具体实施方式

基于信道感知和预测的多址接入方法是非授权用户只有在感知到信道空闲时才能占用信道，非授权用户进入传输过程，否则非授权用户要一直侦听信道；在传输过程中，非授权用户一边发送数据，一边感知信道状态，并根据感知结果、已经用去的传输时间、授权用户占用信道的统计规律以及授权用户的阻塞概率约束，进行非授权用户传输过程期间的信道状态和状态持续时间的预测，直到预测的信道状态为信道被授权用户占用，非授权用户进入退避过程；在退避过程中，非授权用户仅感知信道状态，并根据感知结果、已经用去的退避时间、授权用户占用信道的统计规律以及授权用户的阻塞概率约束，进行非授权用户退避过程期间的信道状态和状态持续时间的预测，直到预测的信道状态为信道空闲，非授权用户进入传输过程；非授权用户的传输过程和退避过程交替进行，其传输时间和退避时间不是固定的，由非授权用户根据改进算法决定；非授权用户采用递归误差预测方法进行参数估计，使得非授权用户不需要对某频段进行长期观察以获得频谱使用情况的统计参数。
以下参照非授权用户的结构框图进一步说明：
本发明中具有能自适应调整传输/退避时间功能的非授权用户的结构框图如图2所示，它包括频谱感知、状态预测、时间预测、参数估计、计时、模式切换、数据发送七个模块。
频谱感知模块，用于侦听某段频谱当前的活动情况，检测授权用户是否正在使用该频谱，感知方法可有多种，包括匹配滤波检测、能量检测、特征检测等方法，由非授权用户决定，其输入端接射频端；
状态预测模块，用于预测某段频谱可能的活动情况，其输入端接计时模块的输出端，控制端接频谱感知模块的输出端，以根据频谱感知结果选择何种状态预测模式；
时间预测模块，用于预测非授权用户的剩余传输/退避时间，其输入端接计时模块的输出端，控制端接频谱感知模块的输出端，以根据频谱感知结果选择何种时间预测模式；
参数估计模块，用于估计授权用户的频谱使用规律的统计参数，其输入端接计时模块的输出端，控制端接状态预测模块，以控制当前需要更新的参数；
计时模块，用于累计非授权用户已经用去的传输/退避时间，其输入端接数据发送模块，每发送一个数据，计时一次；
模式切换模块，用于控制是否发送数据，其控制端接状态预测模块的输出端，当状态预测为0，则该模块置于闭合状态，非授权用户处于传输阶段，否则置于打开状态，非授权用户处于退避阶段；
数据发送模块，用于对要发送的数据进行编码调制，其控制端接模式切换的输出端，输出端接射频端。
由于授权用户的使用具有突发性和相关性，且这种突发性和相关性是时变的，在某些时段可能使用较为频繁，某些时间段内使用比较稀疏，因此授权用户占用信道的统计规律可以建模为一个具有时变参数的非独立增量过程。本方案中采用半马尔可夫过程描述授权用户使用情况的统计分布，其状态空间为S＝{0，1}，0表示授权用户不使用信道，1表示授权用户使用信道；状态停留时间分布为fi(t)，i＝0，1；状态转移概率为P(t)＝[pij(ti)]，ti为状态i的停留时间，pij(ti)具有如下形式：
$P_{\mathrm{ij}}\left(t_i\right)=\left\{\begin{array}{cc}{\int }_{t_i}^{\infty }{f}_i\left(t\right)\mathrm{dt},& i+j=0\\ {\int }_0^{t_i}{f}_i\left(t\right)\mathrm{dt},& i+j=1\end{array}\right.$
式中“+”表示模2加。
参考文献中所述，状态停留时间分布可以是参数为(k，λ)的爱尔兰分布：
$f\left(x\right)=\left\{\begin{array}{cc}\frac{{\left(\mathrm{\lambda x}\right)}^{k-1}}{(k-1)!}\lambda e^{-\mathrm{\lambda x}}& ,x\ge 0\\ 0& ,x<0\end{array}\right.$
图1为采用爱尔兰分布仿真得到的授权用户的使用情况。
授权用户占用信道的统计规律采用爱尔兰分布，所述非授权用户进入传输过程包括如下步骤：
(a)在第i个时隙开始时，如果非授权用户预测的授权用户的状态为空闲，预测的传输时间为TdPi，则非授权用户进入传输状态；
(b)如果在预测的传输时间TdPi内检测到授权用户的状态从空闲变为忙，则认为第i个时隙终止，进入下一个时隙；第(i+1)个时隙的授权用户的预测状态为忙，更新第i个时隙的实际传输时间TdRi以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+1)个时隙的退避时间TbPi+1；
(c)如果在预测的传输时间TdPi内没有检测到授权用户状态从空闲变为忙，则根据授权用户占用信道的统计规律预测授权用户的状态；
(d)如果预测的授权用户状态为空闲，则根据授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测剩余的传输时间TdPi；
(e)如果授权用户的预测状态为忙，则认为第i个时隙终止，进入下一个时隙；更新第i个时隙的实际传输时间TdRi以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+1)个时隙的退避时间TbPi+1；
(f)重复步骤(b)、步骤(c)、步骤(d)和步骤(e)，直到授权用户的预测状态从空闲变为忙为止。
授权用户占用信道的统计规律采用爱尔兰分布，所述非授权用户进入退避过程包括如下步骤：
(g)在第(i+1)个时隙开始时，如果非授权用户预测的授权用户状态为忙，预测的退避时间为TbPi+1，则非授权用户进入退避状态；
(h)如果在预测的退避时间TbPi+1内检测到授权用户状态从忙变为空闲，则认为第(i+1)个时隙终止，进入下一个时隙；第(i+2)个时隙的非授权用户的预测状态为空闲，更新第i个时隙的实际退避时间TbRi+1以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+2)个时隙的传输时间TdPi+2；
(i)如果在预测的退避时间TbPi+1内没有检测到授权用户状态从忙变为空闲，则根据授权用户占用信道的统计规律预测授权用户的状态；
(j)如果授权用户的预测状态为忙，则根据授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测剩余退避时间TbPi+1；
(k)如果授权用户的预测状态为空闲，认为第i个时隙终止，进入下一个时隙；更新第i个时隙的实际退避时间TbRi+1以及统计参数，并利用授权用户占用信道的统计规律以及授权用户的阻塞概率约束预测非授权用户在第(i+2)个时隙的传输时间TdPi+2；
(l)重复步骤(h)、步骤(i)、步骤(j)和步骤(k)，直到授权用户的预测状态从忙变为空闲为止。
授权用户占用信道的统计规律采用爱尔兰分布，所述进行非授权用户传输过程期间的信道状态和状态持续时间的预测包括如下步骤：
(m)当非授权用户检测到授权用户的状态从空闲变为忙，则授权用户的预测状态为忙，否则，非授权用户根据授权用户占用信道的统计规律进行状态预测，即
$u_{i,j}=\left\{\begin{array}{cc}1& ,u_{i,j-1}=0,z_{i,j-1}=1\\ \arg \underset{k=\mathrm{0,1}}{\max }{p}_{0k}\left(T_{\mathrm{dR}}^i\right)& ,u_{i,j-1}=0,z_{i,j-1}=0\end{array}\right.$
式中ui，j为在第i个时隙第j次预测的授权用户状态，ui，j-1为在第i个时隙第(j-1)次预测的授权用户状态，zi，j-1为非授权用户在第i个时隙第(j-1)次检测到的授权用户状态，TdRi为已经用去的传输时间，p0k(TdRi)为非授权用户在传输了TdRi时间后授权用户从状态0转变为状态k的概率，即
$p_{0k}\left(T_{\mathrm{dR}}^i\right)=\left\{\begin{array}{cc}\mathrm{Pr}(t_0>T_{\mathrm{dR}}^i)& ,k=0\\ 1-\mathrm{Pr}\left(t_0{>T}_{\mathrm{dR}}^i\right)& ,k=1\end{array}\right.$
式中，t0为授权用户的空闲时间；
(n)如果授权用户的预测状态为空闲，则非授权用户的剩余传输时间TdPi按下式进行预测：
$\mathrm{Pr}\left(T_{\mathrm{dP}}^i\right|u_{i,j}=0,T_{\mathrm{dR}}^i)=\frac{\mathrm{Pr}(T_{\mathrm{dR}}^i<t_0{<T}_{\mathrm{dP}}^i+T_{\mathrm{dR}}^i)}{\mathrm{Pr}\left(t_0{>T}_{\mathrm{dR}}^i\right)}\le {\bar{P}}_{\mathrm{out}}$
式中，其中ui，j为在第i个时隙第j次预测的授权用户状态，ui，j-1为在第i个时隙第(j-1)次预测的授权用户状态，zi，j-1为非授权用户在第i个时隙第(j-1)次检测到的授权用户状态，TdRi为已经用去的传输时间，p0k(TdRi)为非授权用户在传输了TdRi时间后授权用户从状态0转变为状态k的概率，为授权用户的阻塞概率约束；
(o)如果授权用户的预测状态为忙，则本传输时隙终止，下一时隙的退避时间TbPi+1按下式进行预测：
$\mathrm{Pr}\left(T_{\mathrm{bP}}^{i+1}\right|u_{i,j}=1)=\mathrm{Pr}(t_1>T_{\mathrm{bP}}^{i+1})\le {\bar{P}}_{\mathrm{out}}$
式中t1为授权用户的占用时间，ui，j为在第i个时隙第j次预测的授权用户状态，TbPi+1为非授权用户在第(i+1)个时隙的退避时间。
授权用户占用信道的统计规律采用爱尔兰分布，所述进行非授权用户退避过程期间的信道状态和状态持续时间的预测包括如下步骤：
(p)当非授权用户检测到授权用户的状态从忙变为空闲，则授权用户的预测状态为空闲，否则，非授权用户根据授权用户占用信道的统计规律进行状态预测，即
$u_{i+1,j}=\left\{\begin{array}{cc}1& ,u_{i+1,j-1}=1,z_{i+1,j-1}=0\\ \arg \underset{k=\mathrm{0,1}}{\max }{p}_{1k}\left(T_{\mathrm{bR}}^{i+1}\right)& ,u_{i+1,j-1}=1,z_{i+1,j-1}=1\end{array}\right.$
式中ui+1，j为在第(i+1)个时隙第j次预测的授权用户状态，ui+1，j-1为在第(i+1)个时隙第(j-1)次预测的授权用户状态，zi，j-1为非授权用户在第i个时隙第(j-1)次检测到的授权用户状态，TbRi+1为已经用去的退避时间，p1k(TbRi+1)为非授权用户在退避了TbRi+1时间后授权用户从状态1转变为状态k的概率，即
$p_{1k}\left(T_{\mathrm{bR}}^{i+1}\right)=\left\{\begin{array}{cc}1-\mathrm{Pr}(t_1>T_{\mathrm{bR}}^{i+1})& ,k=0\\ \mathrm{Pr}\left(t_1{>T}_{\mathrm{bR}}^{i+1}\right)& ,k=1\end{array}\right.$
式中t1为授权用户的占用时间，TbRi+1为非授权用户在第(i+1)个时隙已经去的退避避时间；
(q)如果授权用户的预测状态为忙，则非授权用户的剩余退避时间TbPi+1按下式进行预测：
$\mathrm{Pr}\left(T_{\mathrm{bP}}^{i+1}\right|u_{i+1,j}=1,T_{\mathrm{bR}}^{i+1})=\frac{\mathrm{Pr}(t_1{>T}_{\mathrm{bP}}^{i+1}+T_{\mathrm{bR}}^{i+1})}{\mathrm{Pr}\left(t_1{>T}_{\mathrm{bR}}^{i+1}\right)}{\le \bar{P}}_{\mathrm{out}}$
式中ui+1，j为在第(i+1)个时隙第j次预测的授权用户状态，TbRi+1为已经用去的退避时间，为授权用户的阻塞概率约束；
(r)如果授权用户的预测状态为空闲，则本退避时隙终止，下一时隙的传输时间TdPi+2按下式进行预测：
$\mathrm{Pr}\left(T_{\mathrm{dP}}^{i+2}\right|u_{i+1,j}=0)=\mathrm{Pr}(t_0\le T_{\mathrm{dP}}^{i+2})\le {\bar{P}}_{\mathrm{out}}$
式中t0为授权用户的空闲时间，TdPi+2为非授权用户在第(i+2)个时隙的传输时间，为授权用户的阻塞概率约束。
授权用户占用信道的统计规律采用爱尔兰分布，所述非授权用户采用递归误差预测方法进行参数估计如下式所示：
${\theta }_i={\theta }_{i-1}+{\Delta }_i{R}_i^{-1}{\psi }_i$
其中，θi＝(ki，λi)T为第i次估计的估计结果，Δi是步进，Ri为Hessian矩阵的估计，ψi为似然函数的梯度，且Ri的递归公式为：
$R_i=R_{i-1}+{\Delta }_i({\psi }_i{\psi }_i^T-R_{i-1}).$
通过计算机仿真表明，该改进的CSMA算法能够在保证授权用户的阻塞概率约束的前提下，较好地利用空闲频段进行传输，提高了频谱的利用率，非常适用于认知无线电中。