-
-
微信
微信扫一扫 - 搜索
虽然1阶Markov结构简单且待估计的参数少，但是其仅能利用当前信道当前状态的信息，做出的预测的效果有限。因此，可以考虑通过提高Markov的阶数来提高
虽然1阶Markov结构简单且待估计的参数少，但是其仅能利用当前信道当前状态的信息，做出的预测的效果有限。因此，可以考虑通过提高Markov的阶数来提高频谱学习预测的效果。然而，随着阶数的增长，带来的结果是模型待估计的参数以指数级增长。
（2）隐马尔科夫模型
相比较Markov模型，HMM可以看做是一个双随机过程。其一是Markov过程描述不直接可见的隐状态的变化过程;其二是普通随机过程描述某一特定隐状态下的观测结果的变化过程。在认知无线电网络中，无法直接观测授权频段信息，其授权信道状态不可见，只有通过认知用户对频谱实行感知才能得到其观察数据。针对这个感知过程建立了HMM，并用一组参数集来定义。设这个感知系统的观测状态是离散且有限的，隐藏状态数为N，观测状态数为M，并在观测时长T下，形成隐藏状态序列的Markov过程和观测状态序列的一般随机过程。