1.一种变分推断估计主用户占空比的方法，其特征在于包括以下步骤：步骤1：在认知无线电系统中，对连续的N个时隙内的信号进行采样，且每个时隙内等时间间隔地采集L个样本，将对第n个时隙内的信号进行采样得到的第j个样本记为rn(j)；其中，N≥1000，L≥100，n和j均为正整数，n和j的初始值均为1，1≤n≤N，1≤j≤L；

步骤2：计算每个时隙内采集的所有样本的平均功率，将第n个时隙内采集的所有样本的平均功率记为xn， 其中，符号“| |”为求复数的模值运算符号；

步骤3：引入混合高斯模型，混合高斯模型中的高斯分布的个数为K个，将混合高斯模型中的第k个高斯分布的均值和精度对应记为μk和λk，混合高斯模型中的所有高斯分布的混合系数的先验分布服从K维的狄利克雷分布；然后设置每个时隙内采集的所有样本的平均功率服从混合高斯模型中的各个高斯分布的概率的初始值，将xn服从混合高斯模型中的第k个高斯分布的概率记为gn,k，并设置gn,k的初始值为 其中，K为正整数，K∈[2,20]，k为正整数，k的初始值为1，1≤k≤K，μk的先验分布服从均值为mk且精度为βkλk的高斯分布，mk和βk均为超参数，λk的先验分布服从超参数为ak和bk的Gamma分布，狄利克雷分布的K个参数分别为δ1,δ2,…,δk,…,δK，δ1表示狄利克雷分布的第1个参数，δ2表示狄利克雷分布的第2个参数，δk表示狄利克雷分布的第k个参数，δK表示狄利克雷分布的第K个参数；

步骤4：利用变分推断方法，计算混合高斯模型中的每个高斯分布的混合系数对应的狄利克雷分布参数、每个高斯分布的均值对应的两个超参数、每个高斯分布的精度对应的两个超参数，对于混合高斯模型中的第k个高斯分布，其混合系数对应的狄利克雷分布参数δk的计算公式为 其均值对应的一个超参数βk的计算公式为其均值对应的另一个超参数mk的计算公式为其精度对应的一个超参数ak的计算公式为 其精度对应的另一个超参数bk的计算公式为 其中，δ0、β0、a0和b0的值均为1，步骤5：计算变分下界，记为ζ1，

；其中，ψ

()为Digamma函数，Γ()为Gamma函数，步骤6：判断 是否成立，如果成立，则执行步骤8；如果不成立，则执行步骤7；其中，abs()为求绝对值函数，ζ0的初始值为一个负实数，ε表示预设的判决阈值；

步骤7：将ζ1赋值给ζ0；然后更新每个时隙内采集的所有样本的平均功率服从混合高斯模型中的各个高斯分布的概率，将gn,k更新后的值记为g'n,k， 接着令gn,k＝g'n,k；再返回执行步骤4；其中，exp()为以自

然常数e为底的指数函数，gn,k＝g'n,k中的“＝”为赋值符号；

步骤8：构建K个空的集合，对应记为Ω1,Ω2,…,Ωk,…,ΩK；然后将每个时隙内采集的所有样本的平均功率划分到不同的集合中，对于xn，从gn,1,gn,2,…,gn,k,…,gn,K中找出最大值，当最大值有多个时任选一个最大值，若最大值为gn,k'，则将xn划分到第k'个集合Ωk'中；

接着计算每个非空的集合中的所有元素的平均值；再统计平均值最小的一个非空的集合中的元素个数，记为Nx；其中，Ω1表示第1个集合，Ω2表示第2个集合，Ωk表示第k个集合，ΩK表示第K个集合，gn,1表示xn服从混合高斯模型中的第1个高斯分布的概率，gn,2表示xn服从混合高斯模型中的第2个高斯分布的概率，gn,K表示xn服从混合高斯模型中的第K个高斯分布的概率，k'为正整数，k'的初始值为1，1≤k'≤K，gn,k'表示xn服从混合高斯模型中的第k'个高斯分布的概率；

步骤9：计算主用户占空比的估计值，记为u，