CN101425855B - 宽带信道参数抽取方法、宽带信道仿真方法及其装置 - Google Patents

Abstract

本发明公开了一种宽带信道参数抽取方法及其装置，以及一种基于该宽带信道参数抽取方法得到的信道参数实现信道建模的宽带信道仿真方法及其装置。本发明的宽带信道参数抽取方法包括步骤：根据测量到的信道冲激响应计算噪底；根据所述噪底确定信号分量阈值；在由所述信号分量阈值划分的有效信号分量中寻找局部最大值点和局部最小值点，并将与局部最大值点相邻的两个局部最小值点之间的信道冲激响应作为一个子信道；分别在各子信道上并行进行信道参数抽取。采用本发明，可提高宽带信道参数抽取的收敛速度慢、提高抽取精度；利用抽取到的信道参数进行信道仿真，可真实准确地反映实际传播环境的特性，并且本发明提供的方法实现复杂度低。

Description

宽带信道参数抽取方法、宽带信道仿真方法及其装置

技术领域

本发明涉及无线通信领域，尤其涉及一种宽带信道参数抽取方法及其装置，以及一种宽带信道仿真方法及其装置。

背景技术

为满足下一代无线通信系统提供高数据速率(100Mbps～1Gbps)的业务需求，系统的带宽将扩展到20MHz～100MHz。信号带宽增加使得系统可分离的多径数量增加，这对将应用于如此宽带信道的无线系统提出了新的挑战。因此只有在充分研究和了解所设计系统的宽带信道特征后，才能采取与之相适应的无线技术，从而充分提高系统的容量，并进一步优化系统的性能。

在实际的地理环境中进行无线传播特性的测量，是了解真实信道特征的最佳途径。在测得大量的信道数据后，需要使用信道参数抽取方法抽取无线信道的参数，如多径的数目，每径的延时、水平离开角、垂直离开角、水平到达角、垂直到达角、多普勒频移、极化复幅度等，以便深入研究实际信道的特征及变化规律。但目前要抽取如此多的参数，算法往往复杂度高、收敛速度慢、精度低。

在获得实际信道参数后，需要对信道进行建模，开发出便于仿真并能准确反映信道特征的信道模型。下一代无线通信系统为了增加频谱效率，将采用宽带多天线技术，而影响宽带多天线技术性能的信道特征参数已不同于以往的窄带单天线系统。比如信道的角度信息对计算多入多出(Multiple Input MultipleOutput，MIMO)信道容量是至关重要的，而在之前的单天线系统中通常是忽略的。在欧洲，3GPP(The 3rd Generation Partnership Project)组织开发的SCM(Spatial Channel Model)、SCME(Spatial Channel Model Extension)模型，以及WINNER(Wireless World Initiative New Radio)提出的WIM(WINNERInterim Model)模型中，包含信道的空间信息，把信道建模成由多个有角度扩展的簇构成，但是为了简化模型，这些簇是没有延时扩展的，这将使得模型不能正确反映实际信道中信号传播本质。

综上，现有技术中的宽带信道参数抽取方法复杂度高、收敛速度慢、精度低；现有技术中的宽带信道建模方法不能真实准确地反映实际传播环境的特性。

发明内容

本发明实施例揭示了一种宽带信道参数抽取方法及其装置，以提高参数抽取精度，提高收敛速度。

本发明实施例揭示的宽带信道参数抽取方法，包括步骤：

根据测量到的信道冲激响应计算噪底，根据所述噪底确定信号分量阈值；

在由所述信号分量阈值划分的有效信号分量中寻找局部最大值点和局部最小值点，并将与局部最大值点相邻的两个局部最小值点之间的信道冲激响应作为一个子信道；

分别在各子信道上并行进行信道参数抽取。

本发明实施例揭示的宽带信道参数抽取装置，包括：

计算模块，用于根据测量到的信道冲激响应计算噪底，根据所述噪底确定信号分量阈值；

子信道划分模块，用于在由所述信号分量阈值划分的有效信号分量中寻找局部最大值点和局部最小值点，并将与局部最大值点相邻的两个局部最小值点之间的信道冲激响应作为一个子信道；

参数抽取模块，用于分别在各子信道上并行进行信道参数抽取。

本发明的上述实施例，通过由信号分量阈值划分的有效信号分量中寻找局部最大值点和局部最小值点，并将与局部最大值点相邻的两个局部最小值点之间的信道冲激响应作为一个子信道，从而提高了子信道划分的准确性，进而提高了信道参数抽取的准确性，并且分别在各子信道上并行进行信道参数抽取，从而提高了收敛速度。

本发明实施例还揭示了一种宽带信道仿真方法及其装置，以真实准确地反映实际传播环境。

本发明实施例揭示的宽带信道仿真方法，包括步骤：如上述的宽带信道参数抽取过程，以及根据抽取到的信道参数进行信道建模的过程，所述信道建模的过程包括：

根据抽取到的信道参数，将具有相似时延和角度的径集合成簇；

统计簇间参数，所述簇间参数包括簇的延时和角度分布；

统计簇内参数，所述簇内参数包括簇内径的功率、相对簇平均值的延时和角度的分布。

本发明实施例揭示的宽带信道仿真装置，包括：如上述的宽带信道参数抽取装置，以及

簇识别模块，用于根据抽取到的信道参数，将具有相似时延和角度的径集合成簇；

簇间参数统计模块，用于统计簇间参数，所述簇间参数包括簇的延时和角度分布；

簇内参数统计模块，用于统计簇内参数，所述簇内参数包括簇内径的功率、相对簇平均值的延时和角度的分布。

本发明的上述实施例，基于上述宽带信道参数抽取过程得到的信道参数进行信道仿真建模，由于抽取到的信道参数准确性高，因此基于该参数进行信道仿真建模可提高信道模型的准确性和真实性。并且本发明的上述实施例，在进行信道仿真建模时所统计的簇参数既包括关于时延的参数又包括关于角度的参数，因此所建的信道模型充分考虑到了时延与角度因素，从而能够正确反映实际传输环境的特性。

附图说明

图1为本发明实施例的宽带信道参数抽取流程示意图；

图2为本发明实施例的宽带信道建模流程示意图；

图3为本发明实施例的宽带信道参数抽取及建模框图；

图4为本发明实施例的确定信号分量阈值以及根据该阈值划分子信道的示意图；

图5为本发明实施例的宽带信道参数抽取装置结构示意图；

图6为本发明实施例的宽带信道仿真装置结构示意图。

具体实施方式

本发明实施例提出了一种宽带信道参数抽取方法以及利用信道参数对信道进行仿真以取得信道模型的方法，用于高效地提取多维信道特征参数，并运用能反映宽带信道特征的方法进行建模，为各种物理层技术和上层技术提供真实可靠的仿真平台。

下面结合附图对本发明实施例进行详细描述。

参见图1，为本发明实施例提供的宽带信道参数抽取方法的流程示意图，具体步骤包括：

步骤101、根据测量得到的CIR(信道冲激响应)计算动态噪底P_noise。

P_noise是CIR在延时τ_noise后功率的平均值，τ_noise大于信道的最大多径时延τ_max，这样可保持τ_noise后为纯噪声样值。由于不同的CIR的τ_max是不同的，并且难以准确估计。在具体实现中，在每个测量场景中，优选的，τ_noise可以统一取τ_max粗略值的2～5倍。

假设t时刻测得的CIR为h_t，τ，则t时刻动态噪底为：

$P_{\mathrm{noise}}=\frac{1}{N_{\mathrm{noise}}}\underset{\mathrm{\τ}>{\mathrm{\τ}}_{\max }}{\mathrm{\Σ}}{\left|h_{t,\mathrm{\τ}}\right|}^2$

其中，N_noise为τ_noise后的噪声样值个数。

步骤102、设置用于划分有效信号分量和噪声的信号分量阈值P_threshold。

设CIR中功率最大值为P_peak，结合峰值衰减法(从峰值向下取一常数值作为P_threshold)和噪底基准法(在噪底的基础上向上取一常数作为P_threshold)，P_threshold取P_peak-XdB和P_noise+YdB中的最大值，即

P_threshold＝max(P_peak-X，P_noise+Y)dB

上述P_threshold的确定方法可以保证算法既能抽取到有效可靠的径，又能保证抽取出的径能充分反映此实际信道。其中，X和Y的值由实际的测试场景和信道数据来定，Y取值的目标是要保证算法能抽取到有效可靠的径，X取值的目标是保证抽取出足够多的径充分反映实际信道，优选的，X取18dB，Y取6dB。

步骤103、在P_threshold之上(即有效信号分量部分)寻找局部极大值点以及局部极小值点，并将1个局部极大值点与相邻的2个局部极小值点之间的CIR构成一个子信道。

步骤104、在各子信道上独立并行地进行信道参数抽取。抽取的参数可以包括径的功率、延时、到达角、离开角等。

在子信道上进行信道参数抽取的过程中，可以根据感兴趣的分析域和分析精度，进行联合多维或独立单维的估计。例如，对径的延时、到达角、离开角和多普勒联合估计时，可以采用如基于信号子空间分解的旋转不变信号估计(Estimating Signal Parameters via Rational Invariance Technique，ESPRIT)系列算法以及源于最大似然估计的广义空间交替期望最大化(Space-AlternatingGeneralized Expectation-maximization algorithm，SAGE)算法。若只分析延时域，可以直接对功率延迟线进行分析；若分析空域的角度信息，可以利用如Barelette谱或Capon系列波束形成算法进行分析；若分析每径的多普勒谱，可以采用经典的谱分析方法进行分析。在估计径的角度信息时，还需考虑CIR中是否包含了收发天线对径的复增益，如果包含复增益，则估计时要先去掉收发天线增益对径的影响。

为了提高搜索效率，估计径的各个参数时，优选的可使用基于特征子空间的方法或次优的最大似然估计算法，采用先粗搜索后细搜索的步骤进行搜索。粗搜索和细搜索的间隔设置需要考虑搜索的效率、可靠性和结果的精度。基于特征子空间的方法包括MUSIC(Multiple Signal Characteristic)和ESPRIT算法，次优的最大似然估计算法包括EM(Expectation Maximization)和SAGE算法。

如果该子信道搜索出来的径的功率小于P_threshold，则停止对该子信道参数的抽取，以保证收敛速度。

对各子信道进行信道参数抽取后，就可以根据抽取出的实际信道参数进行信道建模。进行信道建模的过程可如图2所示。

参见图2，为本发明实施例根据抽取出的信道参数进行信道建模的流程示意图，本实施例中的信道建模过程中，根据抽取出的实际信道参数，识别出簇并统计簇间参数和簇内参数，将信道建模成多个具有时延扩展和角度扩展的簇。信道建模的具体步骤包括：

步骤201、根据信道参数的抽取结果进行簇的识别。本实施例中的簇是信道中具有相似参数(比如到达角、离开角、延时等)的多径的集合体。

假设根据测量得到的CIR，抽取出J组信道参数，其中第.j组信道参数中共有L_j条径，识别出K_j个簇。簇识别的方式包括K-Means或KPowerMeans等方法。

步骤202、统计簇间参数。簇间参数包括：簇的个数、簇的功率分布、延时分布和角度分布。径的功率由下式给出：

$P_l=\underset{m=1}{\overset{2}{\mathrm{\Σ}}}\underset{n=1}{\overset{2}{\mathrm{\Σ}}}{\left|{\mathrm{\α}}_{l,m,n}\right|}^2$

其中，α_l，m，n表示第l径发射端n极化到接收端m极化的复幅度。当m，n＝1时表示垂直极化，m，n＝2时表示水平极化。簇间参数具体为：

簇的个数：对不同时刻、不同地点，信道的簇的个数进行统计，即对各簇K_j，j＝1，2，...，J，进行统计，得出经验的CDF(Cumulative Distribution Functions)或PDF(Probability Density Function)曲线，再用理论的分布去拟合，根据一定准则(如最小二乘准则)选出最佳的理论分布，并确定该分布的参数，根据该分布的参数确定信道中簇的个数。优选地，服从泊松分布。

簇的功率分布：簇C_k的功率 $P_{C_k}=\underset{l\∈C_k}{\mathrm{\Σ}}{P}_l,$ 平均延时 ${\mathrm{\τ}}_{C_k}=\underset{l\∈C_k}{\mathrm{\Σ}}{P}_l\·{\mathrm{\τ}}_l/P_{C_k}.$ 对共 $K=\underset{j=1}{\overset{J}{\mathrm{\Σ}}}{K}_j$ 个样本，统计P_Ck随τ_Ck的变化规律，再用理论的分布去拟合。根据一定准则(如最小二乘准则)选出最佳的理论分布，并确定该分布的参数。优选的，P_Ck随τ_Ck，线性衰减。统计簇的功率随延时变化时，需要统一考虑在不同时刻不同地点，得到的信道的簇，此时需要对不同信道的功率做归一化处理。

簇的延时和角度分布：统计各簇的平均延时τ_Ck，以理论曲线拟合。根据一定准则(如最小二乘准则)选出最佳的分布，并确定该分布的参数。优选地，延时分布服从指数分布。然后统计各簇C_k的平均的水平到达角(

_AOA，Ck)，垂直到达角(φ_AOA，Ck)，水平离开角(

_AOD，Ck)，垂直离开角的分布(φ_AOD，Ck)。在计算平均水平到达角和水平离开角时，为了避免在坐标系中π和-π的角度模糊，对传统计算方式作了改进，即，将负值角度和非负值角度分开计算分别获得平均值，然后在使两个平均值差距小于180度后进行合并得到总的平均角度值。以计算平均水平到达角

为例。假设 _l表示第l径的水平到达角，

则传统的平均水平达到角μ

计算如下：

本实施例中，为避免角度模糊，将μ分成两部分，

记

则

平均水平达到角

统计各簇的平均角度分布，以理论曲线拟合，根据一定准则(如最小二乘准则)选出最佳的理论分布，并确定该分布的参数。优选地，角度服从高斯分布。

步骤203、对簇内各个径的参数建模，即统计簇内参数。簇内参数包括：簇内径的功率、相对簇平均值的延时和角度的分布。

假设簇C_k中第l径的参数向量为θ_l＝[_Pl，τ_l，

_AOA，l，φ_AOA，l， _AOD，l，φ_AOD，l]，其中

_AOA，l，φ_AOA，l，

_AOD，l，φ_AOD，l分别表示第l径的水平到达角、垂直达到角、水平离开角垂直离开角。簇C_k的参数向量为

其中 $\stackrel{\‾}{P_{C_k}}=P_{C_k}/N_{C_k},$ N_Ck为簇C_k中包含的径的数目。按照簇间参数统计方法，对向量(θ_l-θ_Ck)中每个参数进行统计并建立模型。每个参数具有

个样本。

例如，对于第l径的功率进行统计时，对向量(θ_l-θ_Ck)中的功率值的分布进行统计，并以理论分布去拟合，根据相应准则(如最小二乘准则)选出最佳理论分布，根据该分布的参数确定该径的功率；对于第l径的相对簇平均值的延时分布进行统计时，对向量(θ_l-θ_Ck)中的延时的分布进行统计，并以理论分布去拟合，根据相应准则(如最小二乘准则)选出最佳理论分布，根据该分布的参数确定该径相对簇平均值的延时分布；对于第l径的相对簇平均值的角度分布进行统计时，对向量(θ_l-θ_Ck)中的各角度值的分布进行统计，并以理论分布去拟合，根据相应准则(如最小二乘准则)选出最佳理论分布，根据该分布的参数确定该径相对簇平均值的角度分布。

步骤204、为了简化信道模型以及方便仿真，可选的，可以根据实际的需要调整模型参数个数。比如建模室外场景时，垂直离开角和垂直到达角很小，在模型时可以直接设成为0度或不考虑。此外，可以固定某些信道参数。优选地，固定簇内包含径的个数，并且每径的功率相同，即径的功率平分整个簇的功率；固定每簇内部的径的延时和角度相对于该簇的平均值的偏移量，并且这些偏移量的值在各簇中的值是一样的。

本实施例通过上述过程可得到信道模型。本实施例提供的信道建模方法，可以利用经过高效准确的无线信道参数，采用简单而能有效的反映实际传播环境特征的建模方法进行建模。

图3给出了信道参数抽取以及信道仿真的实现框图，显示出了从实际测量得到的CIR到建成信道模型的过程，具体包括：

首先测量信道的CIR，并根据测量到的CIR计算动态噪底P_noise(步骤301)，根据动态噪底P_noise设置信号分量阈值P_threshold(步骤302)，根据信号分量阈值P_threshold将CIR分成多个子信道(步骤303)，然后在各子信道上独立并行地应用信道参数抽取方法抽取信道参数(步骤304)。然后，根据抽取到的信道参数，识别出簇(步骤305)，并统计簇间参数(如簇的个数、簇的功率分布、延时分布和角度分布，见步骤306)和簇内参数(如簇内径的功率、相对簇平均值的延时和角度的分布，见步骤307)，在统计簇间参数和簇内参数过程中，可根据实际需要调整已有参数个数和固定参数的值(步骤308)，以降低模型复杂度，最终建成易于仿真并能反映实际信道特征的信道模型。

针对具体场景的信道参数检测过程，图4给出了确定信号分量阈值P_threshold以及根据该阈值划分子信道的示意图。在该具体场景中，对CIR中750ns后的功率做平均得到P_noise。假设CIR中功率最高点为P_peak，则P_threshold取P_peak-XdB和P_noise+YdB中的最大值。在P_threshold之上寻找局部极大值点以及局部极小值点。一个局部极大值点和相邻的局部极小值点之间的CIR构成一个子信道。在图4中有5个局部极大值点(以“

”表示)，8个局部极小值点(延时分别为τ_i，i＝1，2，....，8)。因此，CIR可被分成5个子信道，延时区间分别为[τ₁，τ₂]，[τ₂，τ₃]，[τ₃，τ₄]，[τ₅，τ₆]，[τ₇，τ₈]。在各子信道上并行的进行信道参数抽取，可以极大地提高算法效率和收敛速度。

在抽取信道参数过程中估计径的各个参数时，可使用基于特征子空间的方法或次优的最大似然估计算法。采用先粗搜索后细搜索的步骤，比如估计径的水平到达角时，假设实际天线响应校准数据间隔为2度，角度估计精度要求为0.1度。则以4度的间隔进行粗搜索，然后再在搜索到的值的前后共8度范围内以0.1度的间隔(此时需对天线响应插值)进行细搜索，以得到更精细的结果。因为实际天线响应变化是连续缓慢的，所以先粗搜索后细搜索的方法不会影响估计的准确性。如果某个子信道搜索出来的径的功率小于P_threshold，则停止对该子信道的搜索。当所有的子信道停止搜索时，信道抽取算法停止，以保证收敛。

本发明实施例还提供了一种宽带信道参数抽取装置以及一种宽带信道仿真装置。

参见图5，为本发明实施例提供的宽带信道参数抽取装置的结构示意图，该装置包括计算模块、子信道划分模块和参数抽取模块。其中

计算模块，用于根据测量到的信道冲激响应计算噪底，并根据该噪底确定信号分量阈值；

子信道划分模块，用于在由信号分量阈值划分的有效信号分量中寻找局部最大值点和局部最小值点，并将与局部最大值点相邻的两个局部最小值点之间的信道冲激响应作为一个子信道；

参数抽取模块，用于分别在各子信道上并行地抽取信道参数，该参数抽取模块可根据划分的子信道的数量设置为多个，每个参数抽取模块负责一个子信道的参数抽取。

上述宽带信道参数抽取装置中的计算模块可包括噪底计算子模块和阈值计算子模块，其中

噪底计算子模块，用于对信道的最大多径时延之后得到的信道冲激响应的功率进行累加，将累加得到的功率值除以噪声样值个数得到噪底。其中，噪声样值个数为在所述最大多径时延之后再延时一段时间后的样值个数；

阈值计算子模块，用于取信道冲激响应的功率值中的最大值并向下取第一常数值得到第一功率值；取信道冲激响应的功率值中的最小值并向上取第二常数值得到第二功率值；将第一功率值和第二功率值中的最大值确定为信号分量阈值。其中，第一常数值和第二常数值由实际的测试场景和信道数据来定，第一常数值取值的目标是保证抽取出足够多的径充分反映实际信道，第二常数值取值的目标是要保证算法能抽取到有效可靠的径，优选的，第一常数值取18dB，第二常数值取6dB。

上述宽带信道参数抽取装置中的参数抽取模块在各子信道上抽取信道参数时，采用基于特征子空间的方法或次优的最大似然估计算法，先进行粗搜索后进行细搜索。该模块在各子信道上抽取信道参数的过程中，若子信道的径的功率小于信号分量阈值，则停止对该子信道进行参数抽取。参数抽取模块抽取的参数可以包括径的功率、延时、到达角、离开角等。

参见图6，为本发明实施例提供的宽带信道仿真装置的结构示意图，该装置包括图5所示的宽带信道参数抽取装置，以及簇识别模块、簇间参数统计模块和簇内参数统计模块。其中

簇识别模块，用于根据抽取到的信道参数，将具有相似时延和角度的径集合成簇；

簇间参数统计模块，用于统计簇间参数，该簇间参数包括簇的个数、簇的功率分布、簇的延时和角度分布；

簇内参数统计模块，用于统计簇内参数，该簇内参数包括簇内径的功率、相对簇平均值的延时和角度的分布。

上述宽带信道仿真装置中的簇间参数统计模块包括簇延时分布统计子模块和簇角度分布统计子模块，还可以包括簇个数统计子模块和簇功率分布统计子模块，其中

簇个数统计子模块，用于对不同时刻不同地点的信道的簇的个数进行统计，得出经验曲线(如CDF或PDF曲线)并以理论分布拟合，根据相应准则(如最小二乘准则)选出最佳理论分布，根据该分布的参数确定信道中簇的个数；

簇功率分布统计子模块，用于统计各簇的功率随该簇的平均时延的变化规律并以理论分布拟合，根据相应准则(如最小二乘准则)选出最佳理论分布，根据该分布的参数确定簇的功率分布；优选的，认为功率所时延线形衰减；

簇延时分布统计子模块，用于统计各簇的平均延时并以理论曲线拟合，根据相应准则(如最小二乘准则)选出最佳理论分布，根据该分布的参数确定簇的延时分布；优选的，延时分布服从指数分布；

簇角度分布统计子模块，用于统计各簇的平均水平到达角、垂直到达角、水平离开角和垂直离开角分布并以理论曲线拟合，根据相应准则(如最小二乘准则)选出最佳理论分布，根据该分布的参数确定簇的角度分布；优选的，角度服从高斯分布。为了避免在坐标系中π和-π的角度模糊，在进行统计时将水平到达角μ

分成两部分，即，将负值角度和非负值角度分开计算，分别获得平均值，然后在使两个平均值差距小于180度后进行合并得到总的平均角度值，表示为：

记

则

平均水平达到角

上述宽带信道仿真装置中的簇内参数统计模块包括径功率统计子模块、径延时分布统计子模块和径角度分布统计子模块，其中

径功率统计子模块，用于针对簇内的每个径统计该径及其之后的每个径的功率，以及所在簇的功率的分布并以理论分布拟合，根据相应准则(如最小二乘准则)选出最佳理论分布，根据该分布的参数确定该径的功率；

径延时分布统计子模块，用于针对簇内的每个径统计该径及其之后的每个径的延时，以及所在簇的延时的分布并以理论分布拟合，根据相应准则(如最小二乘准则)选出最佳理论分布，根据该分布的参数确定该径相对簇平均值的延时分布；

径角度分布统计子模块，用于针对簇内的每个径统计该径及其之后的每个径的角度，以及所在簇的角度的分布并以理论分布拟合，根据相应准则(如最小二乘准则)选出最佳理论分布，根据该分布的参数确定该径相对簇平均值的角度分布。

上述簇间参数统计模块或/和簇内参数统计模块在进行参数统计时，可以进一步根据实际的需要调整模型参数个数。比如建模室外场景时，垂直离开角和垂直到达角很小，在模型时可以直接设成为0度或不考虑。此外，可以固定某些信道参数。优选地，固定簇内包含径的个数，并且每径的功率相同，即径的功率平分整个簇的功率；固定每簇内部的径的延时和角度相对于该簇的平均值的偏移量，并且这些偏移量的值在各簇中的值是一样的。

综上所述，本发明的上述实施例，通过测量得到的CIR，首先确定动态噪底，在根据动态噪底计算信号分量阀值，以确定信道中多径的搜索范围并判断径的有效性；然后，在阈值之上寻找局部极大值点以及局部极小值点，一个局部极大值点和相邻的局部极小值点之间的CIR构成一个子信道；在各子信道上并行的进行信道参数抽取，从而极大的提高了搜索效率。在抽取各径参数时，使用基于特征子空间的方法或次优的最大似然估计算法，采用先粗搜索后细搜索的步骤，能够快速准确的估计出所需的多维参数。抽取出的信道参数可以进一步用于信道的建模。本发明实施例涉及的信道仿真方法中的信道建模过程是将信道建模成多个具有时延扩展和角度扩展的簇。本发明实施例中的簇是信道中具有相似参数(比如到达角、离开角、延时等)的多径的集合体。进行信道建模时，统计簇间参数和簇内参数，簇间参数包括：簇的个数、簇的功率分布、延时分布和角度分布；簇内参数包括：簇内径的功率、相对簇平均值的延时和角度的分布。为了简化信道模型，方便仿真，可以根据实际的需要调整模型参数个数和固定参数的值。上述建模过程可以为宽带系统提供简单而又能反映实际信道特征的仿真模型。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种宽带信道参数抽取方法，其特征在于，包括以下步骤：

根据测量到的信道冲激响应计算噪底，取信道冲激响应的功率值中的最大值并向下取第一常数值，得到第一功率值；将所述噪底向上取第二常数值，得到第二功率值；将第一功率值和第二功率值中的最大值确定为信号分量阈值；

在由所述信号分量阈值划分的有效信号分量中寻找局部最大值点和局部最小值点，并将与局部最大值点相邻的两个局部最小值点之间的信道冲激响应作为一个子信道；

分别在各子信道上并行进行信道参数抽取。

2.如权利要求1所述的方法，其特征在于，根据测量到的信道冲激响应计算噪底，包括：

对信道的最大多径时延之后得到的信道冲激响应的功率进行累加；

将累加得到的功率值除以噪声样值个数得到噪底，所述噪声样值个数为在所述最大多径时延之后再延时一段时间后的样值个数。

3.如权利要求1所述的方法，其特征在于，在各子信道上抽取信道参数时，采用基于特征子空间的方法或次优的最大似然估计算法，先进行粗搜索后进行细搜索。

4.如权利要求1所述的方法，其特征在于，在各子信道上抽取信道参数的过程中，若所述子信道的径的功率小于所述信号分量阈值，则停止对该子信道进行参数抽取。

5.如权利要求1所述的方法，其特征在于，抽取到的信道参数包括：径的功率、延时、到达角、离开角。

6.一种宽带信道参数抽取装置，其特征在于，包括：

计算模块，用于根据测量到的信道冲激响应计算噪底，取信道冲激响应的功率值中的最大值并向下取第一常数值得到第一功率值；将所述噪底向上取第二常数值得到第二功率值；将第一功率值和第二功率值中的最大值确定为信号分量阈值；

子信道划分模块，用于在由所述信号分量阈值划分的有效信号分量中寻找局部最大值点和局部最小值点，并将与局部最大值点相邻的两个局部最小值点之间的信道冲激响应作为一个子信道；

参数抽取模块，用于分别在各子信道上并行进行信道参数抽取。

7.如权利要求6所述的装置，其特征在于，所述计算模块包括：

噪底计算子模块，用于对信道的最大多径时延之后得到的信道冲激响应的功率进行累加，将累加得到的功率值除以噪声样值个数得到噪底，所述噪声样值个数为在所述最大多径时延之后再延时一段时间后的样值个数；

阈值计算子模块，用于取信道冲激响应的功率值中的最大值并向下取第一常数值得到第一功率值；将所述噪底向上取第二常数值得到第二功率值；将第一功率值和第二功率值中的最大值确定为信号分量阈值。

8.如权利要求6所述的装置，其特征在于，所述参数抽取模块在各子信道上抽取信道参数时，采用基于特征子空间的方法或次优的最大似然估计算法，先进行粗搜索后进行细搜索。

9.如权利要求6所述的装置，其特征在于，所述参数抽取模块在各子信道上抽取信道参数的过程中，若所述子信道的径的功率小于所述信号分量阈值，则停止对该子信道进行参数抽取。

Images