基于云平台的物流状态实时监控方法与流程

本发明涉及物流管理领域，尤其涉及一种基于云平台的物流状态实时监控方法。

背景技术：

随着无线通信技术的发展和基站布局数量的增加，人们对无线通信技术应用的依赖程度也更加加深。无线通信技术深深地融入到人们的生活、学习和工作中，也深刻地影响着社会管理、交通管控以及社会安全的方方面面。通信技术的发展和成熟，也对促进经济活动的物流管理活动提供了便利，物流公司对物流信息的管理也实现了信息化。物流公司在接收到寄件人的货物后，物流公司会给每个货物进行编号，并将这些信息录入到物流公司的物流信息数据库中。当物流车辆载运这些货物时，物流公司通常会要求物流车辆开启视频监控，以保证远端的物流公司管理中心能够实时地监测到货物在车辆上的情况，这对于重要物资的承载尤为重要。

但是，载运货物的物流车辆不仅需要在高速公路上快速行驶，而且也会在诸如国道或者省道等交通相对拥堵的路段上行驶。当物流车辆在高速公路上快速行驶时，由于受到车辆速度的影响，物流车辆与远端的物流公司管理中心之间的通信会受到很大的不利影响，致使物流车辆发送给物流公司管理中心的监控视频数据传输非常慢，从而导致物流公司管理中心对物流车辆上货物状态的监控不顺畅且产生延时；另外，当物流车辆在交通相对拥堵的路段上行驶时，由于受到周围各种通信设备的影响，物流车辆周围可用的通信信道会非常紧缺，物流车辆上的通信模块在使用信道通信时也会受到周围通信设备的干扰，这样也会导致物流车辆与物流公司管理中心之间通信的不顺畅，难以实现物流管理中心对物流信息的远程监控，更不利客户通过物流管理中心查询、了解货物的状态信息。

技术实现要素：

本发明所要解决的技术问题是针对上述现有技术提供一种能够实现物流车辆与物流公司管理平台之间监控数据的顺畅传输，以方便客户查询货物状态的基于云平台的物流状态实时监控方法。

本发明解决上述技术问题所采用的技术方案为：基于云平台的物流状态实时监控方法，用于由云平台、客户终端、至少两个物流管理平台以及载有货物的物流车辆所形成的物流状态实时监控系统，云平台分别与各物流管理平台通信连接，各物流管理平台与客户终端通信连接，各物流车辆上均设置有控制器以及分别连接控制器的RFID扫描器、GPS定位器、摄像头、存储器、频谱感知融合模块、N个频谱感知模块以及实现连接物流管理平台的通信模块，RFID扫描器、GPS定位器、摄像头和通信模块分别连接存储器，货物上具有含有货物编号、货物名称、发件人信息和收件人信息的RFID标签；N≥3；其特征在于，所述物流状态实时监控方法依次包括如下步骤1至步骤9：

步骤1，各物流管理平台对本物流公司所属物流员已揽件的货物进行登记、存储，并生成包括有货物编号、货物名称、发件人信息以及收件人信息的RFID标签，RFID标签贴于对应的货物上；其中，RFID标签内的货物编号与货物名称一一对应；

步骤2，物流管理平台根据已登记的货物信息将各货物分配给对应的物流车辆载运，物流管理平台存储各货物与载运物流车辆之间的一一对应关系，从而在物流管理平台中建立已登记货物载运的物流信息数据库；

步骤3，各物流管理平台将已建立的物流信息数据库分别与云平台建立通信连接，以实现各物流管理平台与云平台之间的物流信息实时共享；

步骤4，物流车辆在运送货物的过程中，物流车辆通过通信模块建立与物流管理平台的通信连接；

步骤5，当物流管理平台需要实时监控货物状态时，物流管理平台发送货物的货物编号给对应的物流车辆，对应物流车辆上的控制器在接收到物流管理平台发送来的监控命令以及货物编号后，控制器命令RFID扫描器扫描车辆上的货物，控制器命令GPS定位器、摄像头和频谱感知模块启动，并转入执行步骤6；

步骤6，物流车辆上的各频谱感知模块在物流车辆内移动，由频谱感知融合模块与各频谱感知模块启动对周围通信环境中各授权信道的侦测并识别占用授权信道的用户信号调制方式，以在物流管理平台需要监控货物状态时，物流车辆上的通信模块在调整自身信号调制方式后切换至空闲信道上通信，从而建立起物流车辆与物流管理平台之间无干扰的大数据顺畅通信；其中，假设物流车辆周围通信环境中具有M个授权信道，频谱感知融合模块与各频谱感知模块侦测识别占用授权信道的用户信号调制方式的方过程包括如下步骤6-1至步骤6-9：

步骤6-1，N个频谱感知模块分别获取自身信噪比和即时速度矢量值，各频谱感知模块按照各自的预设检测周期对周围通信环境中M个授权信道的占用情况依次分别作能量检测，然后将获取的即时位置、检测概率、虚警概率以及自身信噪比分别对应地发送给频谱感知融合模块，由频谱感知融合模块发送其自身位置给各频谱感知模块，M≥2；其中：

物流车辆上的频谱感知融合模块标记为FC，第i个频谱感知模块标记为CR_i，频谱感知模块CR_i自身的信噪比记为SNR_i，即使速度矢量值包括即使速度值以及即使速度的偏移角，即时速度的偏移角为频谱感知模块当前前进方向偏离该频谱感知模块前一时刻速度方向的偏离角度，频谱感知模块CR_i的即时速度值标记为v_i，频谱感知模块CR_i的即时速度v_i的偏移角标记为θ_i，频谱感知模块CR_i的预设检测周期记为频谱感知模块CR_i对授权信道j的检测概率为P_d(CR_i,j)，频谱感知模块CR_i对授权信道j的虚警概率记为P_f(CR_i,j)，i＝1,2,…,N，N≥3；j＝1,2,…,M，M≥2；

步骤6-2，物流车辆上的各频谱感知模块判断在其对应的预设检测周期内，如果当前时刻获取的检测概率与其前一时刻获取的检测概率之间的差值没有处于允许误差范围内时，则该频谱感知模块发送当前时刻的检测结果给频谱感知融合模块，以更新其在频谱感知融合模块处的检测概率和虚警概率；否则，该频谱感知模块在当前的预设检测周期内不再对频谱感知融合模块处的检测结果进行更新；频谱感知模块发送的检测结果包括对授权信道的检测概率和虚警概率；

步骤6-3，物流车辆上的频谱感知融合模块计算各频谱感知模块在所有频谱感知模块中的归一化可信指数；其中，频谱感知模块CR_i的归一化可信指数记为

${\mathrm{\ω}}_i=\frac{{\mathrm{SNR}}_i}{\sqrt{\frac{\underset{i=1}{\overset{N}{\Σ}}{\left({\mathrm{SNR}}_i\right)}^2}{N}}}\·\frac{v_i\·{\mathrm{cos\θ}}_i}{\underset{i=1}{\overset{N}{\Σ}}(v_i\·{\mathrm{cos\θ}}_i)};\stackrel{\‾}{{\mathrm{\ω}}_i}=\frac{{\mathrm{\ω}}_i}{\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\ω}}_i};$

步骤6-4，物流车辆上的频谱感知融合模块根据各频谱感知模块的预设检测周期、即时速度值以及即时速度方向的偏移角，获取得到各频谱感知模块的归一化速度影响因子以及参与协作检测的优先级指数；其中，各频谱感知模块的归一化速度影响因子和优先级指数的获取过程包括如下步骤6-41至步骤6-44：

步骤6-41，物流车辆上的频谱感知融合模块根据各频谱感知模块的预设检测周期、即时速度值以及即时速度方向的偏移角，得到频谱感知模块至频谱感知融合模块实时距离之间的函数方程；其中：

${\mathrm{\Δd}}_i=\sqrt{{(D_{0i}+v_i\·T_{{\mathrm{CR}}_i}\·{\mathrm{cos\θ}}_i)}^2+{(v_i\·T_{{\mathrm{CR}}_i}\·{\mathrm{sin\θ}}_i)}^2};$

其中，Δd_i表示频谱感知模块CR_i至频谱感知融合模块FC的实时距离，表示频谱感知模块CR_i的预设检测周期，表示频谱感知模块CR_i初始位置至频谱感知融合模块FC的直线距离；

步骤6-42，根据频谱感知模块与频谱感知融合模块间的实时距离以及频谱感知模块的累计移动时间，得到频谱感知模块在累计移动时间内的平均速度值，并将该平均速度值发送给频谱感知融合模块；频谱感知模块CR_i的平均速度值计算如下：

$\stackrel{\‾}{v_i}=\frac{{\mathrm{\Δd}}_i}{T_i};$

其中，表示频谱感知模块CR_i在累计移动时间内的平均速度值，T_i表示频谱感知模块CR_i的累计移动时间；

步骤6-43，物流车辆上的频谱感知融合模块根据各频谱感知模块发送来的平均速度值以及各频谱感知模块的信噪比，计算各频谱感知模块的速度对其检测结果的归一化速度影响因子以及所处周围频谱感知模块对各频谱感知模块检测性能影响的归一化折衷指数；其中，频谱感知模块CR_i所对应的归一化速度影响因子记为频谱感知模块CR_i所受周围频谱感知模块对该频谱感知模块CR_i检测性能影响的归一化折衷指数记为

${\mathrm{\κ}}_i=\frac{\max \left(\stackrel{\‾}{v}\right)-\min \left(\stackrel{\‾}{v}\right)}{\max \left(\stackrel{\‾}{v}\right)+\min \left(\stackrel{\‾}{v}\right)}\·\frac{{\stackrel{\‾}{v}}_i\·{\mathrm{\θ}}_i}{\underset{i=1}{\overset{N}{\Σ}}(\stackrel{\‾}{v_i}\·{\mathrm{\θ}}_i)};\stackrel{\‾}{{\mathrm{\κ}}_i}=\frac{{\mathrm{\κ}}_i}{\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\κ}}_i};$

${\mathrm{\Ω}}_i=\frac{\underset{l=1,l\≠i}{\overset{N}{\Σ}}\frac{{{\mathrm{SNR}}^2}_l-{{\mathrm{SNR}}^2}_i}{{{\mathrm{SNR}}^2}_i}}{\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(1/{{\mathrm{SNR}}^2}_i)}^2}}\·\frac{\underset{l=1,l\≠i}{\overset{N}{\Σ}}\frac{{\left(v_l{\mathrm{cos\θ}}_l\right)}^2-{\left(v_i{\mathrm{cos\θ}}_i\right)}^2}{{{\mathrm{SNR}}^2}_i}}{\underset{i=1}{\overset{N}{\Σ}}{(v_i\·{\mathrm{cos\θ}}_i)}^2};\stackrel{\‾}{{\mathrm{\Ω}}_i}=\frac{{\left({\mathrm{\Ω}}_i\right)}^2}{\underset{i=1}{\overset{N}{\Σ}}{\left({\mathrm{\Ω}}_i\right)}^2};$

N表示物流车辆上的所有频谱感知模块的总数目，表示所有频谱感知模块的平均速度值中的最大值，表示所有频谱感知模块的平均速度值中的最小值；θ_i表示频谱感知模块CR_i的即时速度的偏移角；

步骤6-44，物流车辆上的频谱感知融合模块根据各频谱感知模块对应的归一化可信指数以及归一化速度影响因子，得到各频谱感知模块参与协作检测的优先级指数；其中，频谱感知模块CR_i参与协作检测的优先级指数记为φ_i：优先级指数φ_i的计算公式为

步骤6-5，物流车辆上的频谱感知融合模块预设筛选协作频谱感知模块的优先级指数筛选阈值，并根据优先级指数筛选阈值以及各频谱感知模块参与协作检测的优先级指数，筛选得到最终参与协作检测的频谱感知模块，并将筛选得到的频谱感知模块置入协作频谱感知模块集合中：

当频谱感知模块对应的优先级指数大于预设优先级指数筛选阈值时，则选择该频谱感知模块参与协作检测，并将该频谱感知模块置入协作频谱感知模块集合中；否则，频谱感知融合模块拒绝该频谱感知模块参与协作检测；其中，置入到协作频谱感知模块集合中的协作频谱感知模块的总数目为N₁，0≤N₁≤N；

步骤6-6，根据协作频谱感知模块集合中各协作频谱感知模块对应的归一化可信指数、归一化速度影响因子、归一化折衷指数以及各协作频谱感知模块的检测结果，由频谱感知融合模块对所有协作频谱感知模块的检测结果融合，以得到所有协作频谱感知模块针对授权信道j的最终协作检测概率以及针对授权信道j的最终协作虚警概率；其中：

$Q_d(C_l,j)=1-\underset{k=1}{\overset{N_1}{\Π}}\[1-(\stackrel{\‾}{{\mathrm{\ω}}_k}\·\stackrel{\‾}{{\mathrm{\κ}}_k}\·\stackrel{\‾}{{\mathrm{\Ω}}_k}\·p_d({\mathrm{CR}}_k,j)\];$

$Q_f(C_l,j)=1-\underset{k=1}{\overset{N_1}{\Π}}(1-\stackrel{\‾}{{\mathrm{\ω}}_k}\·\stackrel{\‾}{{\mathrm{\κ}}_k}\·\stackrel{\‾}{{\mathrm{\Ω}}_k}\·p_f({\mathrm{CR}}_k,j\left)\right);$

其中，Q_d(C_l,j)表示所有协作频谱感知模块针对授权信道j的最终协作检测概率，Q_f(C_l,j)表示所有协作频谱感知模块针对授权信道j的最终协作虚警概率；p_d(CR_k,j)表示协作频谱感知模块集合中第k个协作频谱感知模块CR_k对授权信道j的检测概率，p_f(CR_k,j)表示协作频谱感知模块集合中第k个协作频谱感知模块CR_k对授权信道j的虚警概率，表示协作频谱感知模块CR_k对应的归一化可信指数，表示协作频谱感知模块CR_k对应的归一化速度影响因子，为频谱感知模块CR_k所受周围频谱感知模块对该频谱感知模块CR_k检测性能影响的归一化折衷指数；

步骤6-7，物流车辆上的频谱感知融合模块以及N个频谱感知模块再次按照步骤6-1至步骤6-6的方法，实现对其他剩余M-1个授权信道的侦测并得到针对各授权信道的最终协作检测概率和最终协作虚警概率，从而实现物流车辆掌握每个授权信道当前处于空闲状态还是占用状态；

步骤6-8，物流车辆上的控制器预设占用授权信道j的用户信号的可能调制方式为Modulate_r，r＝1,2,…,R，R为信号调制方式的数量，该用户信号采用各调制方式的概率相同；

针对各频谱感知模块的接收信号进行单认知信号识别，当得到的信号调制方式为Modulate_r时，则记调制方式的识别结果U_s＝r，分别计算各种调制方式的似然函数值，并得到的所有似然函数值的最大值，并以该最大似然函数值所对应的调制方式作为占用授权信道j的用户信号调制方式识别结果；其中：

$p\left(K\right|{\mathrm{Modulate}}_r)={\left(\frac{1}{2{\mathrm{\π\σ}}_n^2}\right)}^{\frac{M2}{2}}\·e^{(-\underset{s=1}{\overset{M2}{\Σ}}\frac{{(Us-r)}^2}{2{\mathrm{\σ}}_n^2})};$

p(K|Modulate_r')＝max(p(K|Modulate₁),p(K|Modulate₂),…,p(K|Modulate_R))；

其中，p(K|Modulate_r)表示调制方式为Modulate_r时所对应的似然函数值，K表示参与协作的所有协作频谱感知模块的识别结果，表示高斯信道中噪声的方差；p(K|Modulate_r')表示R个似然函数值中的最大值，即最大似然函数值；Modulate_r'表示最大似然函数值p(K|Modulate_r')所对应的信号调制方式；

步骤6-9，按照与步骤6-8中相同的信号调制方式识别方法，依次识别得到对应占用剩余M-1个授权信道的用户信号调制方式，从而完成对物流车辆当前周围通信环境中处于占用状态的授权信道上用户信号的调制方式识别；

步骤7，物流车辆上的频谱感知融合模块将对周围通信环境中各授权信道状态的侦测结果发送给控制器，控制器根据各授权信道的当前状态以及已识别对应信道上的用户信号调制方式，由控制器命令通信模块调整自身信号调制方式区别与所识别信道上的用户信号调制方式，并命令通信模块切换到空闲信道上通信，以保证物流车辆与物流管理平台之间在空闲信道上无干扰地通信；

步骤8，物流管理平台获取物流车辆通过所选空闲信道发送来的实时位置信息以及实时监控信息，从而由物流管理平台根据需要实时监控物流车辆上货物的当前状态信息；

步骤9，客户需要查询货物状态时，客户利用客户端输入货物编号以及承载货物的物流公司名称，客户端将客户输入的货物编号以及物流公司名称发送至云平台，由云平台调取该物流公司所属物流管理平台中的物流信息数据库，并由云平台反馈物流信息数据库中货物的最新状态信息给客户端，以供客户掌握货物的最新状态。

与现有技术相比，本发明的优点在于：

首先，本发明中通过在物流车辆上设置频谱感知模块和频谱感知融合模块，以利用频谱感知模块和频谱感知融合模块之间的协同工作，实现对物流车辆周围通信环境中各通信信道状态的检测，从而供物流车辆的通信模块切换至空闲的通信信道上，以实现物流车辆与物流管理平台之间的顺畅通信，保证了物流管理平台对物流车辆上货物状态的远程实时监控效果；

其次，在针对物流车辆周围通信环境中各通信信道状态的检测过程中，本发明中充分考虑各信道感知模块的实际运动状态情况，通过频谱感知模块的即时速度值以及即时速度偏移角的获取，得到影响频谱感知模块检测性能的归一化速度影响因子，从而把速度对频谱感知模块检测性能的影响情况实现具体化和数值化；

再次，通过各频谱感知模块的信噪比，得到表征频谱感知模块性能的归一化可信指数，将表征频谱感知模块检测性能的归一化可信指数以及影响频谱感知模块检测性能归一化速度影响因子综合权衡，以获取得到用来表征处于移动状态的频谱感知模块性能的优先级指数指标，避免了传统方法中采用单一的信噪比权值所带来的表征频谱感知模块性能不准确的不足；

最后，通过优先级指数的设置来筛选参与协作检测的频谱感知模块，保证了所筛选出的频谱感知模块的高检测性能以及对物流车辆周围通信环境中信道状态的检测准确度，实现了物流车辆上的通信模块能够准确地切换至空闲信道上工作，以保证远端物流管理平台对物流车辆上货物的远程实时监控，并且也方便了客户利用客户终端，通过物流管理平台来查询、了解货物的实时状态情况；

预设占用单一授权信道的用户信号的可能调制方式，分别计算各种调制方式的似然函数值，得到所有似然函数值的最大值，并以该最大似然函数值所对应的调制方式作为占用该单一授权信道的用户信号调制方式辨识结果，由控制器命令通信模块调整自身信号调制方式区别与所识别信道上的用户信号调制方式，并命令通信模块切换到空闲信道上通信，以保证物流车辆与物流管理平台之间在空闲信道上无干扰地通信，从而进一步保证了物流车辆与物流管理平台之间的顺畅通信效果。

附图说明

图1为本发明实施例中物流状态实时监控系统的结构示意图；

图2为本发明实施例中基于云平台的物流状态实时监控方法的流程示意图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

本实施例中基于云平台的物流状态实时监控方法，用于由云平台、客户终端、至少两个物流管理平台以及载有货物的物流车辆所形成的物流状态实时监控系统，云平台分别与各物流管理平台通信连接，各物流管理平台与客户终端通信连接，各物流车辆上均设置有控制器以及分别连接控制器的RFID扫描器、GPS定位器、摄像头、存储器、频谱感知融合模块、N个频谱感知模块以及实现连接物流管理平台的通信模块，RFID扫描器、GPS定位器、摄像头和通信模块分别连接存储器，货物上具有含有货物编号、货物名称、发件人信息和收件人信息的RFID标签；N≥3。物流状态实时监控系统参见图1中所示；其中，频谱感知模块能够对周围通信环境中的信道使用状态情况进行检测，以得到信道处于空闲状态还是处于占用状态；频谱感知融合模块则是负责对各频谱感知模块的检测结果进行融合，以融合得到针对信道的最终结果。如图2所示，本实施例中基于云平台的物流状态实时监控方法依次包括如下步骤1至步骤9：

步骤1，各物流管理平台对本物流公司所属物流员已揽件的货物进行登记、存储，并生成包括有货物编号、货物名称、发件人信息以及收件人信息的RFID标签，RFID标签贴于对应的货物上；其中，RFID标签内的货物编号与货物名称一一对应；例如，设定物流员已揽件的货物名称为A，则物流管理平台生成货物A的货物编号为0001；

步骤2，物流管理平台根据已登记的货物信息将各货物分配给对应的物流车辆载运，物流管理平台存储各货物与载运物流车辆之间的一一对应关系，从而在物流管理平台中建立已登记货物载运的物流信息数据库；例如，货物A由物流车辆甲负责载运，则物流公司管理平台就将货物A与物流车辆甲之间的一一对应关系进行存储，并建立被载运货物A的物流信息，且将被载运货物A的物流信息登记到物流信息数据库中；

步骤3，各物流管理平台将已建立的物流信息数据库分别与云平台建立通信连接，以实现各物流管理平台与云平台之间的物流信息实时共享；此时云平台可以随时调取各物流管理平台中的物流信息数据库；

步骤4，物流车辆在运送货物的过程中，物流车辆通过通信模块建立与物流管理平台的通信连接；

步骤5，当物流管理平台需要实时监控货物状态时，物流管理平台发送货物的货物编号给对应的物流车辆，对应物流车辆上的控制器在接收到物流管理平台发送来的监控命令以及货物编号后，控制器命令RFID扫描器扫描车辆上的货物，控制器命令GPS定位器、摄像头和频谱感知模块启动，并转入执行步骤6；

在该步骤5中，对应地，物流管理平台需要实时监控货物A的状态时，则物流管理平台发送货物A的编号0001给对应的物流车辆甲，然后物流车辆甲上的控制器接收到针对货物编号为0001的货物进行监测时，控制器便命令物流车辆甲上的RFID扫描器对车辆上的货物A编号，控制器也命令GPS定位器获取当前车辆甲的具体位置，命令摄像头启动对车辆甲上货物的监控、命令车辆甲上各频谱感知模块启动对周围通信环境中信道状态的检测，从而开启物流管理平台对物流车辆甲上货物A的远程实时监控；

步骤6，物流车辆上的各频谱感知模块在物流车辆内移动，由频谱感知融合模块与各频谱感知模块启动对周围通信环境中各授权信道的侦测并识别占用授权信道的用户信号调制方式，以在物流管理平台需要监控货物状态时，物流车辆上的通信模块在调整自身信号调制方式后切换至空闲信道上通信，从而建立起物流车辆与物流管理平台之间无干扰的大数据顺畅通信；其中，假设物流车辆周围通信环境中具有M个授权信道，频谱感知融合模块与各频谱感知模块侦测识别占用授权信道的用户信号调制方式的方过程包括如下步骤6-1至步骤6-9：

步骤6-1，N个频谱感知模块分别获取自身信噪比和即时速度矢量值，各频谱感知模块按照各自的预设检测周期对周围通信环境中M个授权信道的占用情况依次分别作能量检测，然后将获取的即时位置、检测概率、虚警概率以及自身信噪比分别对应地发送给频谱感知融合模块，由频谱感知融合模块发送其自身位置给各频谱感知模块，M≥2；其中：

物流车辆上的频谱感知融合模块标记为FC，第i个频谱感知模块标记为CR_i，频谱感知模块CR_i自身的信噪比记为SNR_i，即使速度矢量值包括即使速度值以及即使速度的偏移角，即时速度的偏移角为频谱感知模块当前前进方向偏离该频谱感知模块前一时刻速度方向的偏离角度，频谱感知模块CR_i的即时速度值标记为v_i，频谱感知模块CR_i的即时速度v_i的偏移角标记为θ_i，频谱感知模块CR_i的预设检测周期记为频谱感知模块CR_i对授权信道j的检测概率为P_d(CR_i,j)，频谱感知模块CR_i对授权信道j的虚警概率记为P_f(CR_i,j)，i＝1,2,…,N，N≥3；j＝1,2,…,M，M≥2；

例如，设定频谱感知模块CR₁前一时刻的位置为O，频谱感知模块CR₁当前时刻的位置为A，频谱感知模块CR₁的前进方向(也就是即时速度方向)为沿着OB方向，则频谱感知模块CR₁的即时速度的偏移角θ₁为∠BOA；

本实施例中充分考虑了频谱感知模块实际环境中的移动情况，尤其是针对物流车辆这种必须考虑车辆速度影响的特殊情景，通过利用频谱感知模块的即时速度、即时速度的偏移角来表征物流车辆上频谱感知模块的移动情况，从而能够更加切合实际需要，更有使用性；

步骤6-2，物流车辆上的各频谱感知模块判断在其对应的预设检测周期内，如果当前时刻获取的检测概率与其前一时刻获取的检测概率之间的差值没有处于允许误差范围内时，则该频谱感知模块发送当前时刻的检测结果给频谱感知融合模块，以更新其在频谱感知融合模块处的检测概率和虚警概率；否则，该频谱感知模块在当前的预设检测周期内不再对频谱感知融合模块处的检测结果进行更新；频谱感知模块发送的检测结果包括对授权信道的检测概率和虚警概率；

其中，此处通过不断更新频谱感知模块在频谱感知融合模块处的检测概率和虚警概率，使频谱感知模块在频谱感知融合模块处始终为最新的检测概率和虚警概率，从而保证后续针对授权信道的检测性能；

步骤6-3，物流车辆上的频谱感知融合模块计算各频谱感知模块在所有频谱感知模块中的归一化可信指数；其中，频谱感知模块CR_i的归一化可信指数记为

${\mathrm{\ω}}_i=\frac{{\mathrm{SNR}}_i}{\sqrt{\frac{\underset{i=1}{\overset{N}{\Σ}}{\left({\mathrm{SNR}}_i\right)}^2}{N}}}\·\frac{v_i\·{\mathrm{cos\θ}}_i}{\underset{i=1}{\overset{N}{\Σ}}(v_i\·{\mathrm{cos\θ}}_i)};\stackrel{\‾}{{\mathrm{\ω}}_i}=\frac{{\mathrm{\ω}}_i}{\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\ω}}_i};$

在计算频谱感知模块的归一化可信指数过程中，考虑各频谱感知模块信噪比在物流车辆上所有频谱感知模块中的权重情况，并考虑处于移动状态的各频谱感知模块的即时速度值以及即时速度的偏移角因素影响，以此准确得到用于筛选参与协作检测的频谱感知模块的真实筛选参考指标，从而提高后续协作检测中频谱感知融合模块的融合性能；

步骤6-4，物流车辆上的频谱感知融合模块根据各频谱感知模块的预设检测周期、即时速度值以及即时速度方向的偏移角，获取得到各频谱感知模块的归一化速度影响因子以及参与协作检测的优先级指数；其中，各频谱感知模块的归一化速度影响因子和优先级指数的获取过程包括如下步骤6-41至步骤6-44：

步骤6-41，物流车辆上的频谱感知融合模块根据各频谱感知模块的预设检测周期、即时速度值以及即时速度方向的偏移角，得到频谱感知模块至频谱感知融合模块实时距离之间的函数方程；其中：

${\mathrm{\Δd}}_i=\sqrt{{(D_{0i}+v_i\·T_{{\mathrm{CR}}_i}\·{\mathrm{cos\θ}}_i)}^2+{(v_i\·T_{{\mathrm{CR}}_i}\·{\mathrm{sin\θ}}_i)}^2};$

其中，Δd_i表示频谱感知模块CR_i至频谱感知融合模块FC的实时距离，表示频谱感知模块CR_i的预设检测周期，表示频谱感知模块CR_i初始位置至频谱感知融合模块FC的直线距离；例如，频谱感知模块CR_m在第一次实时检测的时刻值为T₁，频谱感知模块CR_m在第二次实时检测的时刻值为T₂，则频谱感知模块CR_m的预设检测周期T_CRm＝T₂-T₁；

步骤6-42，根据频谱感知模块与频谱感知融合模块间的实时距离以及频谱感知模块的累计移动时间，得到频谱感知模块在累计移动时间内的平均速度值，并将该平均速度值发送给频谱感知融合模块；频谱感知模块CR_i的平均速度值计算如下：

$\stackrel{\‾}{v_i}=\frac{{\mathrm{\Δd}}_i}{T_i};$

其中，表示频谱感知模块CR_i在累计移动时间内的平均速度值，T_i表示频谱感知模块CR_i的累计移动时间；此处的累计移动时间T_i也就是频谱感知模块CR_i从启动检测工作至当前时刻的时间间隔；

步骤6-43，物流车辆上的频谱感知融合模块根据各频谱感知模块发送来的平均速度值以及各频谱感知模块的信噪比，计算各频谱感知模块的速度对其检测结果的归一化速度影响因子以及所处周围频谱感知模块对各频谱感知模块检测性能影响的归一化折衷指数；其中，频谱感知模块CR_i所对应的归一化速度影响因子记为频谱感知模块CR_i所受周围频谱感知模块对该频谱感知模块CR_i检测性能影响的归一化折衷指数记为

${\mathrm{\κ}}_i=\frac{\max \left(\stackrel{\‾}{v}\right)-\min \left(\stackrel{\‾}{v}\right)}{\max \left(\stackrel{\‾}{v}\right)+\min \left(\stackrel{\‾}{v}\right)}\·\frac{{\stackrel{\‾}{v}}_i\·{\mathrm{\θ}}_i}{\underset{i=1}{\overset{N}{\Σ}}(\stackrel{\‾}{v_i}\·{\mathrm{\θ}}_i)};\stackrel{\‾}{{\mathrm{\κ}}_i}=\frac{{\mathrm{\κ}}_i}{\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\κ}}_i};$

${\mathrm{\Ω}}_i=\frac{\underset{l=1,l\≠i}{\overset{N}{\Σ}}\frac{{{\mathrm{SNR}}^2}_l-{{\mathrm{SNR}}^2}_i}{{{\mathrm{SNR}}^2}_i}}{\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(1/{{\mathrm{SNR}}^2}_i)}^2}}\·\frac{\underset{l=1,l\≠i}{\overset{N}{\Σ}}\frac{{\left(v_l{\mathrm{cos\θ}}_l\right)}^2-{\left(v_i{\mathrm{cos\θ}}_i\right)}^2}{{{\mathrm{SNR}}^2}_i}}{\underset{i=1}{\overset{N}{\Σ}}{(v_i\·{\mathrm{cos\θ}}_i)}^2};\stackrel{\‾}{{\mathrm{\Ω}}_i}=\frac{{\left({\mathrm{\Ω}}_i\right)}^2}{\underset{i=1}{\overset{N}{\Σ}}{\left({\mathrm{\Ω}}_i\right)}^2};$

N表示物流车辆上的所有频谱感知模块的总数目，表示所有频谱感知模块的平均速度值中的最大值，表示所有频谱感知模块的平均速度值中的最小值；θ_i表示频谱感知模块CR_i的即时速度的偏移角；

本发明实施例中设置的归一化速度影响因子既充分考虑各频谱感知模块运动时的平均速度值情况，并把单个频谱感知模块自身运动时的即时速度值和即时速度的偏移角值也考虑在归一化速度影响因子的获取中，这样可以避免将频谱感知模块假定为理想化静止状态而带来的不适应实际情景的检测需要，从而使得本实施例中针对信道状态情况的检测因考虑到物流车辆上频谱感知模块的移动而更具准确性和实用性；

步骤6-44，物流车辆上的频谱感知融合模块根据各频谱感知模块对应的归一化可信指数以及归一化速度影响因子，得到各频谱感知模块参与协作检测的优先级指数；其中，频谱感知模块CR_i参与协作检测的优先级指数记为φ_i：优先级指数φ_i的计算公式为

在该步骤6-44中，将影响频谱感知模块检测性能的归一化可信指数以及归一化速度影响因子这两个指标综合权衡，以获取得到用来表征处于移动状态的频谱感知模块性能的优先级指数指标；本实施例中，设定频谱感知模块优先级指数的方法，避免了传统方法中采用单一的信噪比权值所带来的表征频谱感知模块性能不准确的不足，通过优先级指数的设置来筛选参与协作检测的频谱感知模块，这在很大程度上保证了本实施例所筛选出的频谱感知模块的高检测性能；

步骤6-5，物流车辆上的频谱感知融合模块预设筛选协作频谱感知模块的优先级指数筛选阈值，并根据优先级指数筛选阈值以及各频谱感知模块参与协作检测的优先级指数，筛选得到最终参与协作检测的频谱感知模块，并将筛选得到的频谱感知模块置入协作频谱感知模块集合中：

当频谱感知模块对应的优先级指数大于预设优先级指数筛选阈值时，则选择该频谱感知模块参与协作检测，并将该频谱感知模块置入协作频谱感知模块集合中；否则，频谱感知融合模块拒绝该频谱感知模块参与协作检测；其中，置入到协作频谱感知模块集合中的协作频谱感知模块的总数目为N₁，0≤N₁≤N；

步骤6-6，根据协作频谱感知模块集合中各协作频谱感知模块对应的归一化可信指数、归一化速度影响因子、归一化折衷指数以及各协作频谱感知模块的检测结果，由频谱感知融合模块对所有协作频谱感知模块的检测结果融合，以得到所有协作频谱感知模块针对授权信道j的最终协作检测概率以及针对授权信道j的最终协作虚警概率；其中：

$Q_d(C_l,j)=1-\underset{k=1}{\overset{N_1}{\Π}}\[1-(\stackrel{\‾}{{\mathrm{\ω}}_k}\·\stackrel{\‾}{{\mathrm{\κ}}_k}\·\stackrel{\‾}{{\mathrm{\Ω}}_k}\·p_d({\mathrm{CR}}_k,j)\];$

$Q_f(C_l,j)=1-\underset{k=1}{\overset{N_1}{\Π}}(1-\stackrel{\‾}{{\mathrm{\ω}}_k}\·\stackrel{\‾}{{\mathrm{\κ}}_k}\·\stackrel{\‾}{{\mathrm{\Ω}}_k}\·p_f({\mathrm{CR}}_k,j\left)\right);$

其中，Q_d(C_l,j)表示所有协作频谱感知模块针对授权信道j的最终协作检测概率，Q_f(C_l,j)表示所有协作频谱感知模块针对授权信道j的最终协作虚警概率；p_d(CR_k,j)表示协作频谱感知模块集合中第k个协作频谱感知模块CR_k对授权信道j的检测概率，p_f(CR_k,j)表示协作频谱感知模块集合中第k个协作频谱感知模块CR_k对授权信道j的虚警概率，表示协作频谱感知模块CR_k对应的归一化可信指数，表示协作频谱感知模块CR_k对应的归一化速度影响因子，为频谱感知模块CR_k所受周围频谱感知模块对该频谱感知模块CR_k检测性能影响的归一化折衷指数；本实施例中设置的归一化折衷指数将周围频谱感知模块速度以及信噪比对各频谱感知模块检测性能的影响情况考虑在内，并将归一化折衷指数融合在对授权信道的协作检测中，从而获得针对授权信道更为准确的检测结果。

步骤6-7，物流车辆上的频谱感知融合模块以及N个频谱感知模块再次按照步骤6-1至步骤6-6的方法，实现对其他剩余M-1个授权信道的侦测并得到针对各授权信道的最终协作检测概率和最终协作虚警概率，从而实现物流车辆掌握每个授权信道当前处于空闲状态还是占用状态；

步骤6-8，物流车辆上的控制器预设占用授权信道j的用户信号的可能调制方式为Modulate_r，r＝1,2,…,R，R为信号调制方式的数量，该用户信号采用各调制方式的概率相同；

针对各频谱感知模块的接收信号进行单认知信号识别，当得到的信号调制方式为Modulate_r时，则记调制方式的识别结果U_s＝r，分别计算各种调制方式的似然函数值，并得到的所有似然函数值的最大值，并以该最大似然函数值所对应的调制方式作为占用授权信道j的用户信号调制方式识别结果；其中：

$p\left(K\right|{\mathrm{Modulate}}_r)={\left(\frac{1}{2{\mathrm{\π\σ}}_n^2}\right)}^{\frac{M2}{2}}\·e^{(-\underset{s=1}{\overset{M2}{\Σ}}\frac{{(Us-r)}^2}{2{\mathrm{\σ}}_n^2})};$

p(K|Modulate_r')＝max(p(K|Modulate₁),p(K|Modulate₂),…,p(K|Modulate_R))；

其中，p(K|Modulate_r)表示调制方式为Modulate_r时所对应的似然函数值，K表示参与协作的所有协作频谱感知模块的识别结果，表示高斯信道中噪声的方差；p(K|Modulate_r')表示R个似然函数值中的最大值，即最大似然函数值；Modulate_r'表示最大似然函数值p(K|Modulate_r')所对应的信号调制方式；

例如，在授权信道j上，针对该授权信道j所属的用户信号调制方式可能为Modulate₁的似然函数值为p(K|Modulate₁)，针对用户信号调制方式可能为Modulate₂的似然函数值为p(K|Modulate₂)，同样地，针对用户信号调制方式可能为Modulate_R的似然函数值为p(KModulate_R)，那么假设这些似然函数值中的最大似然函数值为p(K|Modulate_r')，从而确定授权信道j上的用户信号调制方式为|Modulate_r'，由此实现了对授权信道j上的用户信号辨识；

步骤6-9，按照与步骤6-8中相同的信号调制方式识别方法，依次识别得到对应占用剩余M-1个授权信道的用户信号调制方式，从而完成对物流车辆当前周围通信环境中处于占用状态的授权信道上用户信号的调制方式识别；

步骤7，物流车辆上的频谱感知融合模块将对周围通信环境中各授权信道状态的侦测结果发送给控制器，控制器根据各授权信道的当前状态以及已识别对应信道上的用户信号调制方式，由控制器命令通信模块调整自身信号调制方式区别与所识别信道上的用户信号调制方式，并命令通信模块切换到空闲信道上通信，以保证物流车辆与物流管理平台之间在空闲信道上无干扰地通信；

步骤8，物流管理平台获取物流车辆通过所选空闲信道发送来的实时位置信息以及实时监控信息，从而由物流管理平台根据需要实时监控物流车辆上货物的当前状态信息；

步骤9，客户需要查询货物状态时，客户利用客户端输入货物编号以及承载货物的物流公司名称，客户端将客户输入的货物编号以及物流公司名称发送至云平台，由云平台调取该物流公司所属物流管理平台中的物流信息数据库，并由云平台反馈物流信息数据库中货物的最新状态信息给客户端，以供客户掌握货物的最新状态。