CN105530660A - 一种基于主成分分析的信道建模方法及装置 - Google Patents

Abstract

本发明提出了一种基于主成分分析的信道建模方法及装置，本发明中的基于主成分分析的信道建模方法利用获取单元对环境参数进行感应和量化从而确定环境影响因子X，通过第一确定单元接收环境影响因子X并完成对信道参数的估计，第二确定单元完成对测量的数据进行主成分提取，第三确定单元保存测量的环境样本数据和实测的信道参数数据，本发明中的信道建模方法主要对影响信道的环境因素进行主成分分析，提取相关的环境主成分用于对信道特征进行表征，实现快速的信道估计，该基于主成分分析的信道建模方法及装置，适用于复杂环境下的快速信道估计。

Description

一种基于主成分分析的信道建模方法及装置

技术领域

本发明涉及无线通信技术领域，特别是涉及一种基于主成分分析的信道建模方法及装置。

背景技术

现有的无线通信技术和移动通信系统都具有一个重要的特征，能够对现行的无线信道状况来适配其功能和参数性能，如现有的4G网络，基站侧会根据用户与基站之间的信道状况自适应调整编码和调制方式，从而获得更好的传输效率和服务质量，因此对无线信道进行较为准确的建模对于提高通信系统的性能具有重要的意义。

现有的陆地无线传播模型主要采用统计模型，如下所示为较为通用的无线传播模型：

P_loss＝K₁+K₂lg(d)+K₃(H_ms)+K₄lg(H_ms)+K₅lg(H_eff)+K₆lg(H_eff)lg(d)+K₇+K_clutter其中P_loss为路径损耗，单位dB；K₁为与频率相关的常数；K₂表示距离衰减常数，K₃、K₄移动台天线高度修正系数；K₅、K₆基站天线高度修正系数；K₇为绕射修正系数；K_clutter表示地物衰减修正系数；d为基站与移动台之间的距离，单位Km；H_ms、H_eff分别表示移动台天线和基站天线的高度，单位m。

如上所述的无线传播模型考虑了多种环境因素，但对多种因素独立考虑，忽略了各种因素之间可能存在的相关联系，同时在实际传输环境中，信道的变化状况是随时间变化的，而上述模型并不能很好体现信道的动态变化特性。

5G网络为了满足各种场景的宽带接入需求，其各种通信设备会针对不同的场景进行专门定制。因此，对不同场景下的信道模型会趋于精细化的方向发展，进而提高通信效率。同时第五代移动通信(5G)标准推进组的计划里面提出了高速应用场景和一定程度的海上宽带覆盖，可见5G网络将面对更为复杂的通信环境，因此，未来的信道模型考虑的因素将不仅仅是上述传播模型所设计的环境因子，而是需要考虑更为复杂的环境因素，以及信道的动态变化状况。

如海上无线传播模型与现有的陆地无线传播模型存在较大的差异。海上无线信道除了常见的收发信机天线高度、收发信机距离、工作频段、带宽、雨雾衰减之外，还受海洋环境影响，如海面粗糙程度、近海面的大气湿度和海水盐碱度等方面因素的影响。同时，海洋环境无时无刻在变化。目前应用较多的海上无线损耗模型主要有双射线模型，其模型如下所述：

${\mathrm{PL}}_{2-ray}=-10\lg \left\{{\left(\frac{\mathrm{\λ}}{4\mathrm{\π}d}\right)}^2{\[2sin\left(\frac{2{\mathrm{\πh}}_t{h}_r}{\mathrm{\λ}d}\right)\]}^2\right\}$

其中，λ表示发射信号的波长；d表示发射天线和接收天线的距离；h_t、h_r分别表示发射天线和接收天线的高度，双射线模型是基于一个平稳海面的场景下推导出来的结果，显然与现实存在较大的差距，同时由于海水波动造成的发射天线和接收天线高度的变化也无法很好通过双射线模型来体现。

将多种环境因素考虑进来时，信道模型的分析和建模将变得更为复杂和困难。如果只是单纯考虑单个因素的作用会忽略环境因素之间的相关特性。其中影响信道的因素有多个，假设影响信道状况的因素可以表示为X向量，X＝(x₁,x₂,…,x_n)，其中，第i个信道状况影响因素为x_i。在陆地无线传播模型中，x_i被认为是相互独立的，但是在复杂的环境下，x_i之间可能存在关联性，并且，如果独立看待x_i，当n非常大的时候，其模型的分析和建立是困难的，同时精确度也会降低。

发明内容

本发明的目的在于满足未来无线信道模型精细化、动态化的要求，提供一种基于主成分分析的信道建模方法和装置，能够在复杂环境中对信道进行快速地较为准确地估计。

一种基于主成分分析的信道建模方法，包括以下步骤：

1)在不同环境影响因素下对无线信道进行实地测量，保存数据测量结果Y，同时对每次测量的环境因素影响因子向量X进行量化，保存每次测量时的环境影响因子X；

2)对在不同环境影响因素下实地测量的多个X样本求其均值向量μ，其中X＝(X₁,X₂,…X_m)^T，X_i＝(x_i1,x_i2,…x_in)表示第i次测量时的环境影响因子对应的值；

3)对所得的样本数据X去均值化，得到去均值后的样本向量表示环境因子的平均统计特性，其中

4)对向量构建协方差矩阵Φ，其中

5)求协方差矩阵Φ的特征值k_i，及其对应的特征向量W_i，其中i＝1,2,…n；

6)对所得的特征值k_i从大到小排列，使得k₁≥k₂≥…≥k_n，k_i的大小表示对应的主成分对信道特征的贡献程度；

7)确定累计贡献率当累计贡献率c_p≥ρ时，优选地取前p个特征向量W_p＝[W₁,W₂…,W_p]，作为子空间的基，其中ρ为常数，一般取ρ≥80％；

8)确定所提取的p个主成分为其中p＜n，为较小的数值；

本发明中的较佳实施例中，所述步骤1)中包括对频率、距离、基站高度、移动台高度、绕射修正、常见地物衰减修正因子和天气状况修正因子等环境影响因素进行测量的步骤，其中量化的数值根据对应环境情况下的环境影响因子对信道的影响程度确定。

本发明中的较佳实施例中，所述步骤8)之后还包括确定信道参数的步骤，即根据所得的p个主成分确定环境影响因子对信道模型的影响程度，由相对应的主成分向量F快速确定信道参数。

本发明中的较佳实施例中，所述确定信道参数的步骤包括，对样本数据X求其对应的主成分矩阵F，根据所得的主成分矩阵F与数据测量结果Y进行数据关系的映射，得到对应的映射函数f，根据当前的环境参数x，由变换矩阵W_p确定对应的主成分F，得到信道参数Y＝f(F)。。

一种基于主成分分析的信道建模装置，一种基于主成分分析的信道建模装置，包括获取单元、第一确定单元、第二确定单元、第三确定单元，所述获取单元、第一确定单元、第二确定单元、第三确定单元之间用信号传输线连接，所述获取单元用于对环境参数进行感应和量化从而确定环境影响因子X；所述第一确定单元用于接收所述环境影响因子X并完成对信道参数的估计；所述第二确定单元用于对测量的数据进行主成分提取，提取出对应的空间变换矩阵W_p和映射函数f；所述第三确定单元用于保存测量的环境样本数据、实测的信道参数数据、变换矩阵W_p和映射函数f。本发明中的较佳实施例中，所述第一确定单元是根据变换矩阵W_p、映射函数f和对应的环境影响因子X实现信道参数的估计。

本发明中的较佳实施例中，所述第二确定单元进行主成分提取包括接收所述第一确定单元保存的样本数据，通过主成分分析方法进行主成分提取后确定变换矩阵W_p，而后通过所求得的变换矩阵W_p，确定样本数据的主成分矩阵F，同时根据数据测量结果Y进行数据关系的映射，确定对应的映射函数f。

本发明中的基于主成分分析的信道建模装置通过设置获取单元、第一确定单元、第二确定单元、第三确定单元，利用获取单元对环境参数进行感应和量化从而确定环境影响因子X，第一确定单元用于接收所述环境影响因子X并完成对信道参数的估计，第二确定单元完成对测量的数据进行主成分提取，第三确定单元保存测量的环境样本数据和实测的信道参数数据，本发明中的基于主成分分析的信道建模方法通过对主成分分析，主成分分析是一种基于统计意义下的最小均方误差的特征提取方法，其所提取的新特征能维持大部分本质信息，通过主成分分析，将影响信道的环境因素进行联合处理，降低了信道建模的复杂度和难度，同时，主成分分析可以根据环境的动态反馈不断更新信道的特征，实现信道的动态估计，该基于主成分分析的信道建模方法和装置能够在复杂环境下对影响无线信道的环境因子进行主成分提取，将影响信道特征的多种环境因素压缩成几个主成分以计算不同时刻的环境影响因子的主成分数值，实现动态地准确地信道参数快速估计。

附图说明

图1是本发明的基于主成分分析的信道建模方法的实施例一的流程示意图；

图2是本发明的基于主成分分析的信道建模装置的实施例一的结构示意图；

图3是本发明中测量的环境因子与提取的主成分之间的相关载荷示意图。

具体实施方式

下面结合附图对本发明做进一步的说明，

本发明实施例所提供环境场景为海洋通信环境场景，本发明场景不仅局限于海洋环境场景，还适用于其他复杂的陆地通信环境，此地仅起到示例作用，本发明实施例所提供的方法为主成分分析方法，其相应的改进的类似方法也适用，在此仅起到示例作用。

根据现有的对海上无线信道进行实测的结果表明海上无线信道的情况相对复杂，例如在不同的季节对同一地点进行测量，其信道参数存在一定程度的差别。同时海面波浪的不确定性给信道的小尺度参数估计造成一定的困难。海上无线信道受到诸多环境因素的影响，如季节因素、温度、海水的盐度和海面风速等。

如图1所示，该基于主成分分析的信道建模方法的步骤包括步骤S101对信道进行实测、步骤S102对大量的X样本数据求其均值、步骤S103对其样本数据去均值、步骤S104对去均值后的样本求其协方差矩阵Φ、步骤S105对协方差矩阵Φ求其特征值k_i其及对应的特征向量W_i、步骤S106根据其特征值的贡献率大小提取p个主成分和步骤S107将对应的主成分映射到对应的信道参数上，具体的方法步骤如下：

步骤S101，对信道进行实测，记录下每次测量的环境参数和实测的信道参数。

具体的，由于海水盐度和季节因素等信息是相对不变的，在短时内取其均值，对海水盐度信息和季节信息进行量化，将数据保存下来，每次进行测量时，记录每次发射机和接收机的相对距离、海面风速和大气湿度信息。由于大气湿度信息随时间的变化相对较慢，可以每隔一段时间更新一次，保存每次测量的环境影响因子X,同时保存每次信道测量的结果，计算并保存每次测量的信道参数Y。

对不同环境影响下的信道进行多次测量，每次测量把环境影响因子X和每次测量的信道参数Y，将其保存到相应的数据库中。

步骤S102，对大量的X样本数据求其均值。

具体的，对m组数据求其均值μ，其中m足够大，并且其样本数据具有代表性。其中μ＝(μ₁,μ₂,μ₃,μ₄,μ₅)，

步骤S103，对其样本数据去均值。

其去均值后的样本数据为其中X_i为第i次测量的环境因子。

步骤S104，对去均值后的样本求其协方差矩阵Φ。

其协方差矩阵Φ为5×5的矩阵，具体的

步骤S105，对协方差矩阵Φ求其特征值k_i其及对应的特征向量W_i。

具体的，对Φ进行特征分解，求其特征值k_i其及对应的特征向量W_i，同时对k_i进行降序排列，既令k₁≥k₂≥k₃≥k₄≥k₅。其中k_i的大小表代表了不同主成分对信道的贡献程度。

步骤S106，根据其特征值的贡献率大小，提取p个主成分。

具体的，每个特征值的贡献率计算其累积贡献率，其累积贡献率当c_p≥ρ时，则选取前p个主成分，这p个主成分用以表示其环境特征，其中，ρ为一常数，一般取ρ≥80％，5≥p≥1。

同时，保存前p个特征向量，令W_p＝[W₁,W₂,…W_p]。得到空间变换矩阵W_p，其对应的p个主成分其p个主成分实质是原有环境影响因子的线性变换，通过主成分提取，将多个影响无线信道特征的环境因素压缩成几个主成分，同时用这几个主成分来表征无线信道特征。

假设p＝2，则其主成分分别为F₁、F₂，如图3所示，表示了每个环境影响因子x_i与主成分的线性相关关系。其横坐标表示x_i对F₁的载荷，亦即表示其贡献程度，相应的纵坐标表示x_i对F₂的载荷。由图3可以看出，x₁、x₂与主成分F₂的相关程度较高，相应的，x₃、x₄和x₅与主成分F₁的相关程度较高，通过主成分提取，将影响信道的环境因素由两个主成分进行表征，易于对信道特征进行分析。

步骤S107，将对应的主成分映射到对应的信道参数上。

具体的，根据变换矩阵W_p和样本数据求其对应的主成分数值矩阵F，根据F和信道参数Y求得其映射关系f，即Y＝f(F_P)，信道参数矩阵Y表示m组测量结果。同时保存其相应的映射函数f，或映射关系表，其估计参数主要包括对路径损耗的参数K和σ²。通过对不同环境场景下的主成分分析，确定环境对路径损耗和σ²的影响程度。如上所述过程，得到了信道的映射函数f及其相应的空间变换矩阵W_p，则在某一个特定时刻，发射机可以通过环境感应当时的风速、大气湿度和接收机的相对距离，同时通过网络或者其他渠道获取海水的盐度和相关海域的季节气候信息，就可通过变换矩阵确定相应的主成分F_p，通过信道与主成分的映射关系，快速确定其路径损耗K和小尺度参数σ²，从而实现对信道参数的快速相对准确的估计。

如上所述的情况，因此假设影响海上无线信道的因素为接收机与发射机的距离、海面风速、海水盐度、大气湿度和季节因素，其分别表示为x₁～x₅，则影响无线信道的因素可以表示为X＝(x₁,x₂,x₃,x₄,x₅)。

无线信道特征由大尺度特征和小尺度特征共同组成，其信道可以被表示为Y＝K+r_σ。其中K为大尺度损耗参数，r_σ为服从某一分布的方差为σ²的随机变量。由于海上无线信道的复杂性造成的信道的波动较大，即σ²较大。通过主成分分析，由几个主成分来表示信道特征，对σ²实现一个较为准确的估计。

参见图2，图2中的信道建模装置包括相互连接的获取单元201、第一确定单元202、第二确定单元203和第三确定单元204，该装置可以位于接收机和发射机内，也可以是独立于二者之外以用于执行基于主成分分析的信道建模流程，具体的，该装置包括：

1)获取单元201，用于对环境参数进行感应和量化，确定环境影响因子X；

2)第一确定单元202，用于根据所述的环境影响因子X、变换矩阵W_p和映射函数f对信道参数Y进行快速估计。

优选的，第一确定单元202具体用于：根据所述的环境影响因子X和空间变换矩阵W_p，确定其对应的主成分为环境影响因子X去均值后的结果。

优选的，第一确定单元202还用于：根据所述的映射函数f和所求的主成分F_p进行信道估计，其估计的信道参数B＝f(F_p)。

3)第二确定单元203，用于根据所获得的样本数据进行主成分提取，提取出对应的空间变换矩阵W_p和映射函数f。

优选的，第二确定单元203，具体用于：根据大量样本数据，通过求样本数据X去均值，求其协方差矩阵Φ，同时对协方差矩阵Φ进行特征分解，求解其求其特征值k_i其及对应的特征向量W_i。同时对k_i进行降序排列，既令k₁≥k₂≥k₃≥k₄≥k₅，根据所求特征值求其累积贡献率，其累积贡献率的计算公式如下：根据其累积贡献率，确定其p个主成分及其对应的空间变换矩阵W_p，同时确定其主成分为

优选的，第二确定模块203还用于：

根据变换矩阵W_p和样本数据求其对应的主成分数值矩阵F，根据F和信道参数矩阵Y求得其映射关系f，即Y＝f(F_P)。信道参数矩阵Y表示m组测量结果。

4)第三确定单元204，用于存储和读取样本数据，保存和更新变换矩阵W_p和映射函数f。

综上所述，该基于主成分分析的信道建模方法及装置通过对不同环境影响下的信道测量数据，获取信道测量结果及相对应的环境影响因子，并根据信道测量结果和环境影响因子，通过主成分分析方法提取主成分，确定空间变换矩阵，而后根据空间变换矩阵确定样本主成分矩阵，并根据样本主成分矩阵和信道测量结果确定信道参数和主成分的映射关系，而后根据映射关系和空间变换矩阵结合具体情况的环境因素计算其主成分数值，实现对信道的快速而准确的估计。本发明实施例中，环境影响因子是影响信道状况的最主要因素，通过主成分分析降低复杂环境因子的维度，提取相应的主成分，确定其环境因素对无线信道的影响程度，通过对所述的主成分的计算在复杂环境下实现对信道参数的快速估计。这种估计方法具有相对准确的和反应迅速的优点。

上述仅为本发明的一个具体实施例，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (7)

1.一种基于主成分分析的信道建模方法，其特征在于：包括以下步骤：

1)在不同环境影响因素下对无线信道进行实地测量，保存数据测量结果Y，同时对每次测量的环境因素影响因子向量X进行量化，保存每次测量时的环境影响因子X；

2)对在不同环境影响因素下实地测量的多个X样本求其均值向量μ，其中X＝(X₁,X₂,…X_m)^T，X_i＝(x_i1,x_i2,…x_in)表示第i次测量时的环境影响因子对应的值；

3)对所得的样本数据X去均值化，得到去均值后的样本向量表示环境因子的平均统计特性，其中

4)对向量构建协方差矩阵Φ，其中

5)求协方差矩阵Φ的特征值k_i，及其对应的特征向量W_i，其中i＝1,2,…n；

6)对所得的特征值k_i从大到小排列，使得k₁≥k₂≥…≥k_n，k_i的大小表示对应的主成分对信道特征的贡献程度；

7)确定累计贡献率当累计贡献率c_p≥ρ时，优选地取前p个特征向量W_p＝[W₁,W₂…,W_p]，作为子空间的基，其中ρ为常数，一般取ρ≥80％；

8)确定所提取的p个主成分为其中p<n，为较小的数值。

2.根据权利要求1所述的基于主成分分析的信道建模方法，其特征在于：所述步骤1)中包括对频率、距离、基站高度、移动台高度、绕射修正、常见地物衰减修正因子和天气状况修正因子等环境影响因素进行测量的步骤，其中量化的数值根据对应环境情况下的环境影响因子对信道的影响程度确定。

3.根据权利要求1所述的基于主成分分析的信道建模方法，其特征在于：所述步骤8)之后还包括确定信道参数的步骤，即根据所得的p个主成分确定环境影响因子对信道模型的影响程度，由相对应的主成分向量F快速确定信道参数。

4.根据权利要求3所述的基于主成分分析的信道建模方法，其特征在于：所述确定信道参数的步骤包括，对样本数据X求其对应的主成分矩阵F，根据所得的主成分矩阵F与数据测量结果Y进行数据关系的映射，得到对应的映射函数f，根据当前的环境参数x，由变换矩阵W_p确定对应的主成分F，得到信道参数Y＝f(F)。

5.一种基于主成分分析的信道建模装置，其特征在于：包括获取单元、第一确定单元、第二确定单元、第三确定单元，所述获取单元、第一确定单元、第二确定单元、第三确定单元之间用信号传输线连接，所述获取单元用于对环境参数进行感应和量化从而确定环境影响因子X；所述第一确定单元用于接收所述环境影响因子X并完成对信道参数的估计；所述第二确定单元用于对测量的数据进行主成分提取，提取出对应的空间变换矩阵W_p和映射函数f；所述第三确定单元用于保存测量的环境样本数据、实测的信道参数数据、变换矩阵W_p和映射函数f。

6.根据权利要求4所述的基于主成分分析的信道建模装置，其特征在于：所述第一确定单元是根据变换矩阵W_p、映射函数f和对应的环境影响因子X实现信道参数的估计。

7.根据权利要求4所述的基于主成分分析的信道建模装置，其特征在于：所述第二确定单元进行主成分提取包括接收所述第一确定单元保存的样本数据，通过主成分分析方法进行主成分提取后确定变换矩阵W_p，而后通过所求得的变换矩阵W_p，确定样本数据的主成分矩阵F，同时根据数据测量结果Y进行数据关系的映射，确定对应的映射函数f。