CN102332957A

CN102332957A - 一种动态异构网络环境下的电波传播多维特征认知方法

Info

Publication number: CN102332957A
Application number: CN201110283871A
Authority: CN
Inventors: 王玉皞; 刘祎
Original assignee: Nanchang University
Current assignee: Nanchang University
Priority date: 2011-09-23
Filing date: 2011-09-23
Publication date: 2012-01-25

Abstract

一种动态异构网络环境下的电波传播多维特征认知方法，该方法包括：对多源多维观测数据进行预处理；构建多源多维观测数据间的映射模型；构建多源多维观测数据的高效关联表征模型；建立本地局部环境下的电波传播多维特征模型；通过增量式学习方法，获得对当前环境状态的鲁棒估计，得出最优信道变化决策。本发明使得认知终端设备能够在动态复杂异构网络环境中，实现局部环境的多维认知和预测，进而有效解决和提升用户终端对无线环境的多维感知能力。

Description

一种动态异构网络环境下的电波传播多维特征认知方法

技术领域

本发明涉及一种动态异构网络环境下的电波传播多维特征认知方法。

背景技术

随着信息时代的到来，无线通信在国家社会经济发展中发挥着越来越重要的战略作用，并渗透到社会各领域。无线频谱已成为不可或缺的宝贵资源。然而，一些非授权频段如工业、科学和医用频段以及用于陆地移动通信的2GHz左右的频段过于拥挤，而有些频段却经常空闲，由此造成了频谱资源的相对“短缺”与“浪费”。在这种情况下，认知无线电（CR）技术应运而生。它能自动感知所处的频谱环境，发现频谱空洞并利用它，因此能在很大程度上提高频谱利用率。

与传统的以基础设施为中心的无线网络设计思想相比，认知无线电更加关注于以用户为中心、以目标驱动为框架的理念。因此认知无线网络中更需要从用户终端的角度考虑局部电波传播环境的变化以及快速适应问题。认知用户终端需要通过对局部电波环境的准确认知，为无线传输策略的制定提供依据，进而有效解决在多个次要用户之间进行空闲频谱的最优化分配问题。信道传播特性也是博弈算法的重要条件，例如，次要用户需要了解从主接收机到主/次发射机的传播模型，也就是说，用户终端需要具备信道预测的能力。由于信道的时域特性和多普勒频移特性，最佳传输方案需要根据信道的变化进行实时更新，从而决定采用合作式还是非合作式传输方案。准确的无线信道局部预测还对子载波间隔和调制符号速率的调整起到决定性的作用。

然而，传统的无线信道模型均研究以基础设施为中心的电波传播衰落特性，无论是理论模型，还是经验模型，以及统计模型都没有从用户终端出发。且现有的信道估计方法都不具备对无线传播环境的增量学习功能。虽然3G或者B3G移动通信系统具有一定能力，能够不断地根据系统运行过程中测量的接收机信道状态实时或者准实时地对发射机发送策略做出调整，以期望适应变化的物理环境和用户环境。但是由于信道环境的动态随机性、复杂性、噪声不确定性、信道状态信息的不完备性等相关因素，亦使发射机难以在复杂的电波传播环境下采用最优的传输模式。

发明内容

有鉴于此，本发明的目的在于提供一种基于认知用户终端的电波传播多维特征认知方法，使终端设备能够在全面深入地理解影响因素众多且相互耦合的动态复杂异构网络环境中的无线电波传播多维特征基础上，从认知用户终端角度实现具备有局部环境认知能力的电波传播预测新方法，使之具备有由单维向多维、静态到动态、被动到主动的预测特性，进而提升认知用户终端对于动态复杂异构网络环境的多维感知能力。

为达到上述目的，本发明提出的技术方案为：

1）认知用户终端对接收到的多源多维观测数据进行预处理，包括数据选择，数据净化和属性转换过程；

2）根据多源多维观测数据特性及其彼此间的相互作用关系，建立多源多维观测数据之间的映射模型；

3）对观测数据进行误差补偿，并基于观测信号的高阶功率谱特性、高阶循环累积量特性、时频特性以及各维数据间的内在相关性所蕴含的信息，建立多源多维观测数据的高效关联表征模型；

4）将关联后的多维观测数据特性与电波传播多维特性有效融合，建立本地局部环境下的电波传播多维特征模型；

5)在电波传播多维特征模型的基础上，通过增量式学习方法，获得对当前环境状态的鲁棒估计，得出最优信道变化决策。

所述的电波传播多维特征包括：频谱、时间、位置、码字、信号极化方式以及波束角度。

综上所述，本发明能够在终端设备上实现局部环境的多维特征构建及快速认知。通过该方法，用户终端能够在信道状态或传播环境等相关信息了解不完全的情况下，利用已知的认知信息来推理无线传播环境的未来状态及传播条件，实现不完备信息推出完备信息、局部信息推出全局信息、过去信息推出将来信息的过程，进而有效解决和提升用户终端对无线环境的多维感知能力。

本发明使得认知终端设备能够在动态复杂异构网络环境中，实现局部环境的多维认知和预测，进而有效解决和提升用户终端对无线环境的多维感知能力。

附图说明

图1为本发明所述的电波传播多维特征认知方法流程图。

图2为本发明实施例中电波传播多维特征认知方法流程图。

具体实施方式

为使本发明的目的和技术方案更加清楚，下面结合附图1和图2及具体实施例对本发明做进一步地详细描述。

图2为本发明实施例的电波传播多维特征认知方法流程图。如图所示，该实施例包括如下步骤：

1）步骤101,102,103，用户终端对采集到的多源多维观测数据进行预处理，包括数据选择，数据净化和属性转换过程。其中，数据选择过程根据电波传播机理及先验领域知识，去除观测数据中与本地局部无线环境无关的属性；数据净化过程则对数据选择过程挑选出来的数据进行干扰去除，这有利于保证数据的完整性，同时从原始数据属性中派生出一些新属性，以便后续的数据处理；属性转换过程则将所有属性的取值范围进行归一化处理。

2）步骤201,202，根据观测数据间的相关性，对多维数据进行合理降维，并构建多源多维观测数据间映射模型。

3）步骤301,302,303，根据观测误差产生机理对数据进行误差补偿，分析观测数据的高阶功率谱特性、高阶循环累积量特性和时频特性，并根据各维数据的内在相关性及所蕴含的信息，采用统计模式识别方法提取有效特征，完成多源多维观测数据的关联表征模型的构建。

4）步骤401,402,403，基于观测数据的关联表征模型，利用统计学习理论和信息融合理论分析传播环境的物理、几何、行为以及信道的本质特征分布规律，完成参数化建模，获取时间-空间-频谱多维数据，信道转移概率，以及信道驻留时间等参数。在此基础上建立本地局部的信道多维特征库。并运用可变长马尔可夫方法建立基于不完备信息的信道多维特征模型。

步骤501,502，在信道多维特征模型基础上，通过机器学习的方法，获得对当前环境的鲁棒估计，进而得出最优信道变化决策。其核心在于任何一次信道变化估计均以先验知识为基础，同时又考虑环境的当前状态，因此能够避免当前的瞬时估计量偏差带来的影响，且保证信道变化估计能够跟踪环境的状态变化。在此过程中，电波传播多维特征模型亦使用贝叶斯推理方法进行调整和完善，从而使得对局部电波传播信道未来状态的估计也逐渐达到最优。

Claims

1. 一种动态异构网络环境下的电波传播多维特征认知方法，其特征在于，该方法包括以下步骤：

2.根据权利1所述的电波传播多维特征认知方法，其特征在于，所述的电波传播多维特征包括：频谱、时间、位置、码字、信号极化方式以及波束角度。