CN114676729A - 时分复用信号的分接方法、装置、设备及存储介质 - Google Patents

Abstract

本申请涉及数字信息传输技术领域，特别涉及一种时分复用信号的分接方法、装置、设备及存储介质，其中，方法包括：采集通信跟踪记录过程中的时分复用信号；根据时隙信号的信号特征构建时隙信号的特征向量，基于所有特征向量对所有时隙信号进行聚类，得到聚类结果，并基于支路已经标号的时隙信号从聚类结果中选择至少一个目标聚类中心；根据至少一个目标聚类中心计算并拟合得到待分接时隙信号的高斯混合模型的所有分类，并依次计算待分接时隙信号的特征向量与高斯混合模型中所有分类的匹配概率，将匹配概率最大的分类作为待分接时隙信号的支路。由此，解决相关技术中随着信号复接技术越来越复杂，时分复用信号的分接难度增加，分接效率较低等问题。

Description

时分复用信号的分接方法、装置、设备及存储介质

技术领域

本申请涉及数字信息传输技术领域，特别涉及一种时分复用信号的分接方法、装置、设备及存储介质。

背景技术

在非合作通信中，由于没有分接设备和随数据一起传输的信令信息，只能根据接收到的复接后的高速数据，利用数据的报面特征和统计规律来对支路信号进行分选。在实际的工作中，经常会面临对部分支路信息已知的时分复用信号进行新支路发现和分接的任务需求。

然而，随着信号复接技术越来越复杂，各用户特征差异会变得越来越小，同时同一用户时隙的分布也变得越来越不规律，分清支路信号也变得越来越难。

发明内容

本申请提供一种时分复用信号的分接方法、装置、电子设备及存储介质，以解决相关技术中随着信号复接技术越来越复杂，各用户特征差异会变得越来越小，同时同一用户时隙的分布也变得越来越不规律，分清支路信号也变得越来越难等问题。

本申请第一方面实施例提供一种时分复用信号的分接方法，包括以下步骤：采集通信跟踪记录过程中的时分复用信号，其中，所述时分复用信号包括支路已经标号的时隙信号和支路没有标号的待分接时隙信号；根据所述时隙信号的信号特征构建所述时隙信号的特征向量，基于所有特征向量对所有时隙信号进行聚类，得到聚类结果，并基于所述支路已经标号的时隙信号从所述聚类结果中选择至少一个目标聚类中心；根据所述至少一个目标聚类中心计算并拟合得到所述待分接时隙信号的高斯混合模型的所有分类，并依次计算所述待分接时隙信号的特征向量与所述高斯混合模型中所有分类的匹配概率，并将所述匹配概率最大的分类作为所述待分接时隙信号的支路。

进一步地，所述根据所述时隙信号的信号特征构建所述时隙信号的特征向量，包括：计算同一支路中不同时隙信号在比特变换频率值上的统计特性和在第一至第四游程长度的统计特性；根据所有统计特性构建初步特征向量，并对所述初步特征向量进行归一化处理，得到所述时隙信号的特征向量。

进一步地，所述基于所有特征向量对所有时隙信号进行聚类，得到聚类结果，并基于所述支路已经标号的时隙信号从所述聚类结果中选择至少一个目标聚类中心，包括：根据所述时隙信号的特征向量计算任意两个时隙信号之间的欧氏距离，构建相似度矩阵；根据所述相似度矩阵迭代更新吸引度矩阵和归属度矩阵，并在迭代更新的过程中确定每类时隙信号的聚类中心，直到满足近邻传播聚类的迭代结束条件，得到近邻传播聚类的聚类结果；基于所述支路已经标号的时隙信号从所述近邻传播聚类的聚类结果中选择满足目标条件的至少一个目标聚类中心。

进一步地，所述近邻传播聚类的迭代结束条件包括：每次迭代更新后，所述吸引度矩阵和所述归属度矩阵的改变量小于预设值；和/或，经过连续的多次迭代更新后，所述聚类中心不再改变；和/或，迭代更新的次数达到第一预设次数。

进一步地，所述根据所述至少一个目标聚类中心计算并拟合得到所述待分接时隙信号的高斯混合模型的所有分类，包括：获取至少一个候选聚类中心；根据所述目标聚类中心和所述候选聚类中心进行K均值聚类，得到K均值聚类的聚类结果，并计算所述K均值聚类的聚类结果下的轮廓系数；迭代更新所述候选聚类中心，并在迭代更新过程中计算新轮廓系数，直到满足K均值聚类的迭代结束条件；基于所有K均值聚类的聚类结果计算并拟合得到所述高斯混合模型的所有分类。

进一步地，所述K均值聚类的迭代结束条件包括：经过连续的多次迭代更新后，轮廓系数不在变大；和/或，迭代更新的次数达到第二预设次数。

本申请第二方面实施例提供一种时分复用信号的分接装置，包括：采集模块，用于采集通信跟踪记录过程中的时分复用信号，其中，所述时分复用信号包括支路已经标号的时隙信号和支路没有标号的待分接时隙信号；构建模块，用于根据所述时隙信号的信号特征构建所述时隙信号的特征向量；聚类模块，用于基于所有特征向量对所有时隙信号进行聚类，得到聚类结果，并基于所述支路已经标号的时隙信号从所述聚类结果中选择至少一个目标聚类中心；计算模块，用于根据所述至少一个目标聚类中心计算并拟合得到所述待分接时隙信号的高斯混合模型的所有分类，并依次计算所述待分接时隙信号的特征向量与所述高斯混合模型中所有分类的匹配概率，将所述匹配概率最大的分类作为所述待分接时隙信号的支路。

进一步地，所述构建模块用于：计算同一支路中不同时隙信号在比特变换频率值上的统计特性和在第一至第四游程长度的统计特性；根据所有统计特性构建初步特征向量，并对所述初步特征向量进行归一化处理，得到所述时隙信号的特征向量。

进一步地，所述聚类模块用于：根据所述时隙信号的特征向量计算任意两个时隙信号之间的欧氏距离，构建相似度矩阵；根据所述相似度矩阵迭代更新吸引度矩阵和归属度矩阵，并在迭代更新的过程中确定每类时隙信号的聚类中心，直到满足近邻传播聚类的迭代结束条件，得到近邻传播聚类的聚类结果；基于所述支路已经标号的时隙信号从所述近邻传播聚类的聚类结果中选择满足目标条件的至少一个目标聚类中心。

进一步地，所述近邻传播聚类的迭代结束条件包括：每次迭代更新后，所述吸引度矩阵和所述归属度矩阵的改变量小于预设值；和/或，经过连续的多次迭代更新后，所述聚类中心不再改变；和/或，迭代更新的次数达到第一预设次数。

进一步地，所述计算模块用于：获取至少一个候选聚类中心；根据所述目标聚类中心和所述候选聚类中心进行K均值聚类，得到K均值聚类的聚类结果，并计算所述K均值聚类的聚类结果下的轮廓系数；迭代更新所述候选聚类中心，并在迭代更新过程中计算新轮廓系数，直到满足K均值聚类的迭代结束条件；基于所有K均值聚类的聚类结果计算并拟合得到所述高斯混合模型的所有分类。

进一步地，所述K均值聚类的迭代结束条件包括：经过连续的多次迭代更新后，轮廓系数不在变大；和/或，迭代更新的次数达到第二预设次数。

本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的时分复用信号的分接方法。

本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的时分复用信号的分接方法。

由此，本申请至少具有如下有益效果：

针对支路信号个数及时隙信息部分已知的时分复用信号，通过将时分复用信号按照已知时隙特性进行聚类分析并建立信号模型，而后再对每一路分接信号进行分类识别的方法，以便发现新增支路，从而通过智能化识别方式及时发现时分复用信号中部分参与复接的支路信号基本情况，且能够发现采用人工或其它的一些方法难以被识别出来的部分支路信号，或对已知支路进行修正，降低时分复用信号分接的难度，提升时分复用信号分接的效率。由此，解决相关技术中随着信号复接技术越来越复杂，各用户特征差异会变得越来越小，同时同一用户时隙的分布也变得越来越不规律，分清支路信号也变得越来越难等问题。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本申请实施例提供的时分复用信号的分接方法的流程图；

图2为根据本申请实施例提供的一个时分复用信号帧的结构示意图；

图3为根据本申请一个实施例提供的时分复用信号的分接方法的流程图；

图4为根据本申请实施例提供的时分复用信号的分接装置的方框图；

图5为根据本申请实施例提供的电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

基于背景技术中提到的问题，如何利用海量的复接信号记录以及已有的部分支路先验信息，借助智能方法挖掘不同类别的信号模式并进行建模，对复接信号各支路的分离和还原具有重要意义。

为此，本申请实施例提出了适用于非合作条件下部分已知时分复用信号分接和新支路发现的方法。下面参考附图描述本申请实施例的时分复用信号的分接方法、装置、电子设备及存储介质。

具体而言，图1为本申请实施例所提供的一种时分复用信号的分接方法的流程示意图。

如图1所示，该时分复用信号的分接方法包括以下步骤：

在步骤S101中，采集通信跟踪记录过程中的时分复用信号，其中，时分复用信号包括支路已经标号的时隙信号和支路没有标号的待分接时隙信号。

可以理解的是，本申请实施例可以获取通信跟踪记录过程中积累的时分复用信号，将搜集到的海量时分复用信号记录进行预处理，以确定时分复用信号中已知和未知支路的时隙信号，其中，支路已知和未知是指支路序号是否已知。

具体而言，原始复用信号的采集：一个时分复用信号帧的结构如图2所示，要采集并记录每个时分复用信号帧的详细情况，包括：帧采集时间、帧编号、帧同步码、时隙1、时隙2、时隙3、……时隙N。其中，帧同步码占用的时隙编号为0，与后面的N个时隙共同构成了一个信号帧。由于该时分复用信号中的部分支路信息已知，还需要对于已知的支路信息在数据中进行标记。特别的，一个典型的时分复用信号帧一般包括640个时隙，对应多个信号支路，原始复用信号的采集记录如表1所示，其中，表1为采集的时分复用信号记录时隙与已知支路的对应关系表。

表1

为了更好的对采集到的每个原始复用信号帧进行已知支路的分析和未知支路的提取，为每个信号帧建立如下的支路—时隙对应表格，如表2所示，其中，表2为每个时分复用信号帧中已知支路与时隙的对应关系表。

表2

已知支路序号	时隙个数	对应时隙号
			1	3	2,……
2	12	1,……
			……	……	……
12	80	……,639

在步骤S102中，根据时隙信号的信号特征构建时隙信号的特征向量，基于所有特征向量对所有时隙信号进行聚类，得到聚类结果，并基于支路已经标号的时隙信号从聚类结果中选择至少一个目标聚类中心。

可以理解的是，本申请实施例可以利用通信跟踪记录过程中积累的时分复用信号，针对支路信号个数及时隙信息部分已知的待测数据构建特征向量；以构建的特征向量为基础，对时分复用信号进行初始聚类分析，并标记其中正确的聚类中心，即目标聚类中心。

在本申请实施例中，根据时隙信号的信号特征构建时隙信号的特征向量，包括：计算同一支路中不同时隙信号在比特变换频率值上的统计特性和在第一至第四游程长度的统计特性；根据所有统计特性构建初步特征向量，并对初步特征向量进行归一化处理，得到时隙信号的特征向量。

具体而言，如图3所示，帧中时隙信号特征向量的定义与构建：按照采集到的时分复用信号帧中部分时隙与支路已知的应用场景想定，帧中已知支路时隙信号特征向量应能够表征该帧中所包含的该已知支路时隙信号的具体特征。

其中，本申请实施例可以将帧中所有已知支路时隙信号特征做如下的计算：计算同一支路不同时隙在比特变换频率值上的统计特性tp、计算所有每个已知支路时隙信号在1-4游程长度的统计特性1y、2y、3y、4y。至此，依照上述想定，一个典型的已知支路的帧时隙信号特征包含如下的5个统计特征因子：tp、1y、2y、3y、4y。若全面表征信号所有时隙的特征，对于未知支路的时隙信号同样做上述的特征计算，构建帧中所有时隙信号特征向量，如表3所示，其中，表3为每个时分复用信号帧中时隙信号特征向量表。

表3

帧中时隙信号特征向量的归一化处理：时分复用信号帧中时隙信号特征向量，按照零-均值规范化处理方法，对于表3的特征数据做归一化处理，使得每列特征数据的均值为0，标准差为1。

由此，通过对时分复用信号原始数据的采集和特征向量的计算和处理，得到了每个时隙信号特征向量。

在本申请实施例中，基于所有特征向量对所有时隙信号进行聚类，得到聚类结果，并基于支路已经标号的时隙信号从聚类结果中选择至少一个目标聚类中心，包括：根据时隙信号的特征向量计算任意两个时隙信号之间的欧氏距离，构建相似度矩阵；根据相似度矩阵迭代更新吸引度矩阵和归属度矩阵，并在迭代更新的过程中确定每类时隙信号的聚类中心，直到满足近邻传播聚类的迭代结束条件，得到近邻传播聚类的聚类结果；基于支路已经标号的时隙信号从近邻传播聚类的聚类结果中选择满足目标条件的至少一个目标聚类中心。

其中，近邻传播聚类的迭代结束条件包括：每次迭代更新后，吸引度矩阵和归属度矩阵的改变量小于预设值；和/或，经过连续的多次迭代更新后，聚类中心不再改变；和/或，迭代更新的次数达到第一预设次数。第一预设次数可以根据实际情况具体设置，对此不作具体限定。

具体而言，如图3所示，基于近邻传播聚类的时分复用信号初始聚类方法，包括以下步骤：

(1)初始化每个时隙信号自成一类；

(2)基于近邻传播聚类算法进行聚类：

i、根据帧中时隙信号特征向量，计算任意两个样本点之间的欧氏距离，构建相似度矩阵S，并赋初始值0给吸引度矩阵R和归属度矩阵A；

ii、迭代更新吸引度矩阵R和归属度矩阵A：首先根据公式(1)、(2)、(3)、(4)分别计算r(i,j)和a(i,j)，并分别更新存入到R、A中。

r(j,j)←s(j,j)-max[a(j,j′)+s(j,j′)] (3)

iii、根据r(i,j)+a(i,j)>0作为判断依据，来判断点j能否成为点i的聚类中心，依次找到每个点的聚类中心。

iv、判断是否达到迭代结束条件，如则进行一下阶段，否则重复步骤ii。判断迭代终止条件可以定义为：①每次循环更新后，R和A的改变量不超过指定的限定值；②经过连续的若干次迭代计算，聚类中心不再改变；③迭代次数达到最初设定的最大值。

(3)对照支路已经标号的时隙信号，在近邻传播算法聚类结果中，选取所有正确的p个聚类中心的作为下一步基于K均值计算的部分初始聚类中心。

在步骤S103中，根据至少一个目标聚类中心计算并拟合得到待分接时隙信号的高斯混合模型的所有分类，并依次计算待分接时隙信号的特征向量与高斯混合模型中所有分类的匹配概率，将匹配概率最大的分类作为待分接时隙信号的支路。

可以理解的是，本申请实施例可以以初始聚类分析中正确的聚类中心为基础，计算拟合出待测数据的最佳高斯混合模型初始参数，并针对待测信号每一时隙进行匹配分类，发现新支路或对已知支路进行修正。

在本申请实施例中，根据至少一个目标聚类中心计算并拟合得到待分接时隙信号的高斯混合模型的所有分类，包括：获取至少一个候选聚类中心；根据目标聚类中心和候选聚类中心进行K均值聚类，得到K均值聚类的聚类结果，并计算K均值聚类的聚类结果下的轮廓系数；迭代更新候选聚类中心，并在迭代更新过程中计算新轮廓系数，直到满足K均值聚类的迭代结束条件；基于所有K均值聚类的聚类结果计算并拟合得到高斯混合模型的所有分类。

其中，基于候选点的方法再选取m个其他样本作为初始聚类中心，即为候选聚类中心。

其中，K均值聚类的迭代结束条件包括：经过连续的多次迭代更新后，轮廓系数不在变大；和/或，迭代更新的次数达到第二预设次数。第二预设次数可以根据实际情况具体设置，对此不作具体限定。

具体而言，如图3所示，基于K均值计算拟合的高斯混合模型参数选取方法，包括以下步骤：

(1)设定K均值算法的初始聚类中心和参数：将前述步骤2中近邻传播聚类算法输出的正确p个聚类结果传递给本步骤中的K均值聚类算法作为部分初始聚类中心，另根据基于候选点的方法再选取m个其他样本作为初始聚类中心，m初始选择设定为p/2。

(2)利用K均值聚类算法进行聚类分析：

i、以上述输入作为K均值算法的初始数据，利用K均值算法得到p+p/2个聚类结果，计算该聚类结果下的总的轮廓系数。

ii、循环调整K均值算法的初始聚类中心并计算新的轮廓系数：具体的调整步骤为，继续以前述近邻传播聚类算法输出的正确聚类中心作为K均值算法的部分初始聚类中心，继续基于候选点的方法选取m+p/2个其他样本点作为其他初始聚类中心，执行K均值聚类算法，计算出新的聚类结果下的总轮廓系数。

iii、判断是否达到循环结束条件，如则进行一下阶段，否则重复步骤ii。判断循环终止条件可以定义为：①最近若干次的K均值聚类结果总轮廓系数不再变大；②循环次数达到最初设定的最大值。

(3)高斯混合模型参数选取与估计：初始化高斯混合模型，利用上述K均值聚类算法计算的聚类结果作为高斯混合模型的初始模型的输入，其中样本集的分类数量m，以及每一类中所有特征向量的均值、方差、及每一类中特征向量个数占总数的比例，作为高斯混合模型的阶数、模型参数中的均值、方差和权重。

进一步而言，如图3所示，本申请实施例基于高斯混合模型进行时分复用信号分接与新支路发现，具体如下：

(1)与高斯混合模型的匹配概率：依次计算某个未知支路时隙信号的特征向量与高斯混合模型中所有类的匹配概率；

(2)结果判决：找到最大的匹配概率，并将其划分到概率最大的那个高斯模型对应的分类作为新的支路。

由此，本申请实施例通过如图3所示的步骤，即可完成部分支路已知时分复用信号的分接和新支路发现。

综上，本申请实施例首先将搜集到的海量时分复用信号记录进行预处理，对于部分支路信息已知的时分复用信号构建特征向量；然后使用近邻传播聚类方法，将训练数据划分成若干具备相似时隙特性的初始聚类，并标记其中正确的聚类中心；再通过K均值聚类算法计算拟合全部待测数据的最佳高斯混合模型初始参数；最后利用上述高斯混合模型结果对待测数据进行时分复用信号的匹配与分类，发现新支路或对已知支路进行修正。

根据本申请实施例提出的时分复用信号的分接方法，针对支路信号个数及时隙信息部分已知的时分复用信号，通过将时分复用信号按照已知时隙特性进行聚类分析并建立信号模型，而后再对每一路分接信号进行分类识别的方法，以便发现新增支路，从而通过智能化识别方式及时发现时分复用信号中部分参与复接的支路信号基本情况，且能够发现采用人工或其它的一些方法难以被识别出来的部分支路信号，或对已知支路进行修正，降低时分复用信号分接的难度，提升时分复用信号分接的效率。

其次参照附图描述根据本申请实施例提出的时分复用信号的分接装置。

图4是本申请实施例的时分复用信号的分接装置的方框示意图。

如图4所示，该时分复用信号的分接装置10包括：采集模块100、构建模块200、聚类模块300和计算模块400。

其中，采集模块100用于采集通信跟踪记录过程中的时分复用信号，其中，时分复用信号包括支路已经标号的时隙信号和支路没有标号的待分接时隙信号；构建模块200用于根据时隙信号的信号特征构建时隙信号的特征向量；聚类模块300用于基于所有特征向量对所有时隙信号进行聚类，得到聚类结果，并基于支路已经标号的时隙信号从聚类结果中选择至少一个目标聚类中心；计算模块400用于根据至少一个目标聚类中心计算并拟合得到待分接时隙信号的高斯混合模型的所有分类，并依次计算待分接时隙信号的特征向量与高斯混合模型中所有分类的匹配概率，将匹配概率最大的分类作为待分接时隙信号的支路。

在本申请实施例中，构建模块200用于：计算同一支路中不同时隙信号在比特变换频率值上的统计特性和在第一至第四游程长度的统计特性；根据所有统计特性构建初步特征向量，并对初步特征向量进行归一化处理，得到时隙信号的特征向量。

在本申请实施例中，聚类模块300用于：根据时隙信号的特征向量计算任意两个时隙信号之间的欧氏距离，构建相似度矩阵；根据相似度矩阵迭代更新吸引度矩阵和归属度矩阵，并在迭代更新的过程中确定每类时隙信号的聚类中心，直到满足近邻传播聚类的迭代结束条件，得到近邻传播聚类的聚类结果；基于支路已经标号的时隙信号从近邻传播聚类的聚类结果中选择满足目标条件的至少一个目标聚类中心。

在本申请实施例中，近邻传播聚类的迭代结束条件包括：每次迭代更新后，吸引度矩阵和归属度矩阵的改变量小于预设值；和/或，经过连续的多次迭代更新后，聚类中心不再改变；和/或，迭代更新的次数达到第一预设次数。

在本申请实施例中，计算模块400用于：获取至少一个候选聚类中心；根据目标聚类中心和候选聚类中心进行K均值聚类，得到K均值聚类的聚类结果，并计算K均值聚类的聚类结果下的轮廓系数；迭代更新候选聚类中心，并在迭代更新过程中计算新轮廓系数，直到满足K均值聚类的迭代结束条件；基于所有K均值聚类的聚类结果计算并拟合得到高斯混合模型的所有分类。

在本申请实施例中，K均值聚类的迭代结束条件包括：经过连续的多次迭代更新后，轮廓系数不在变大；和/或，迭代更新的次数达到第二预设次数。

需要说明的是，前述对时分复用信号的分接方法实施例的解释说明也适用于该实施例的时分复用信号的分接装置，此处不再赘述。

根据本申请实施例提出的时分复用信号的分接装置，针对支路信号个数及时隙信息部分已知的时分复用信号，通过将时分复用信号按照已知时隙特性进行聚类分析并建立信号模型，而后再对每一路分接信号进行分类识别的方法，以便发现新增支路，从而通过智能化识别方式及时发现时分复用信号中部分参与复接的支路信号基本情况，且能够发现采用人工或其它的一些方法难以被识别出来的部分支路信号，或对已知支路进行修正，降低时分复用信号分接的难度，提升时分复用信号分接的效率。

图5为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括：

存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。

处理器502执行程序时实现上述实施例中提供的时分复用信号的分接方法。

进一步地，电子设备还包括：

通信接口503，用于存储器501和处理器502之间的通信。

存储器501，用于存放可在处理器502上运行的计算机程序。

存储器501可能包含高速RAM(Random Access Memory，随机存取存储器)存储器，也可能还包括非易失性存储器，例如至少一个磁盘存储器。

如果存储器501、处理器502和通信接口503独立实现，则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture，工业标准体系结构)总线、PCI(Peripheral Component，外部设备互连)总线或EISA(Extended Industry Standard Architecture，扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器501、处理器502及通信接口503，集成在一块芯片上实现，则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。

处理器502可能是一个CPU(Central Processing Unit，中央处理器)，或者是ASIC(Application Specific Integrated Circuit，特定集成电路)，或者是被配置成实施本申请实施例的一个或多个集成电路。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的时分复用信号的分接方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列，现场可编程门阵列等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

Claims (14)

1.一种时分复用信号的分接方法，其特征在于，包括以下步骤：

采集通信跟踪记录过程中的时分复用信号，其中，所述时分复用信号包括支路已经标号的时隙信号和支路没有标号的待分接时隙信号；

根据所述时隙信号的信号特征构建所述时隙信号的特征向量，基于所有特征向量对所有时隙信号进行聚类，得到聚类结果，并基于所述支路已经标号的时隙信号从所述聚类结果中选择至少一个目标聚类中心；以及

根据所述至少一个目标聚类中心计算并拟合得到所述待分接时隙信号的高斯混合模型的所有分类，并依次计算所述待分接时隙信号的特征向量与所述高斯混合模型中所有分类的匹配概率，将所述匹配概率最大的分类作为所述待分接时隙信号的支路。

2.根据权利要求1所述的方法，其特征在于，所述根据所述时隙信号的信号特征构建所述时隙信号的特征向量，包括：

计算同一支路中不同时隙信号在比特变换频率值上的统计特性和在第一至第四游程长度的统计特性；

根据所有统计特性构建初步特征向量，并对所述初步特征向量进行归一化处理，得到所述时隙信号的特征向量。

3.根据权利要求1所述的方法，其特征在于，所述基于所有特征向量对所有时隙信号进行聚类，得到聚类结果，并基于所述支路已经标号的时隙信号从所述聚类结果中选择至少一个目标聚类中心，包括：

根据所述时隙信号的特征向量计算任意两个时隙信号之间的欧氏距离，构建相似度矩阵；

根据所述相似度矩阵迭代更新吸引度矩阵和归属度矩阵，并在迭代更新的过程中确定每类时隙信号的聚类中心，直到满足近邻传播聚类的迭代结束条件，得到近邻传播聚类的聚类结果；

基于所述支路已经标号的时隙信号从所述近邻传播聚类的聚类结果中选择满足目标条件的至少一个目标聚类中心。

4.根据权利要求3所述的方法，其特征在于，所述近邻传播聚类的迭代结束条件包括：

每次迭代更新后，所述吸引度矩阵和所述归属度矩阵的改变量小于预设值；

和/或，经过连续的多次迭代更新后，所述聚类中心不再改变；

和/或，迭代更新的次数达到第一预设次数。

5.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个目标聚类中心计算并拟合得到所述待分接时隙信号的高斯混合模型的所有分类，包括：

获取至少一个候选聚类中心；

根据所述目标聚类中心和所述候选聚类中心进行K均值聚类，得到K均值聚类的聚类结果，并计算所述K均值聚类的聚类结果下的轮廓系数；

迭代更新所述候选聚类中心，并在迭代更新过程中计算新轮廓系数，直到满足K均值聚类的迭代结束条件；

基于所有K均值聚类的聚类结果计算并拟合得到所述高斯混合模型的所有分类。

6.根据权利要求5所述的方法，其特征在于，所述K均值聚类的迭代结束条件包括：

经过连续的多次迭代更新后，轮廓系数不再变大；和/或

迭代更新的次数达到第二预设次数。

7.一种时分复用信号的分接装置，其特征在于，包括：

采集模块，用于采集通信跟踪记录过程中的时分复用信号，其中，所述时分复用信号包括支路已经标号的时隙信号和支路没有标号的待分接时隙信号；

构建模块，用于根据所述时隙信号的信号特征构建所述时隙信号的特征向量；

聚类模块，用于基于所有特征向量对所有时隙信号进行聚类，得到聚类结果，并基于所述支路已经标号的时隙信号从所述聚类结果中选择至少一个目标聚类中心；以及

计算模块，用于根据所述至少一个目标聚类中心计算并拟合得到所述待分接时隙信号的高斯混合模型的所有分类，并依次计算所述待分接时隙信号的特征向量与所述高斯混合模型中所有分类的匹配概率，将所述匹配概率最大的分类作为所述待分接时隙信号的支路。

8.根据权利要求7所述的装置，其特征在于，所述构建模块用于：

计算同一支路中不同时隙信号在比特变换频率值上的统计特性和在第一至第四游程长度的统计特性；

根据所有统计特性构建初步特征向量，并对所述初步特征向量进行归一化处理，得到所述时隙信号的特征向量。

9.根据权利要求7所述的装置，其特征在于，所述聚类模块用于：

根据所述时隙信号的特征向量计算任意两个时隙信号之间的欧氏距离，构建相似度矩阵；

根据所述相似度矩阵迭代更新吸引度矩阵和归属度矩阵，并在迭代更新的过程中确定每类时隙信号的聚类中心，直到满足近邻传播聚类的迭代结束条件，得到近邻传播聚类的聚类结果；

基于所述支路已经标号的时隙信号从所述近邻传播聚类的聚类结果中选择满足目标条件的至少一个目标聚类中心。

10.根据权利要求9所述的装置，其特征在于，所述近邻传播聚类的迭代结束条件包括：

每次迭代更新后，所述吸引度矩阵和所述归属度矩阵的改变量小于预设值；和/或

经过连续的多次迭代更新后，所述聚类中心不再改变；和/或

迭代更新的次数达到第一预设次数。

11.根据权利要求7所述的装置，其特征在于，所述计算模块用于：

获取至少一个候选聚类中心；

根据所述目标聚类中心和所述候选聚类中心进行K均值聚类，得到K均值聚类的聚类结果，并计算所述K均值聚类的聚类结果下的轮廓系数；

迭代更新所述候选聚类中心，并在迭代更新过程中计算新轮廓系数，直到满足K均值聚类的迭代结束条件；

基于所有K均值聚类的聚类结果计算并拟合得到所述高斯混合模型的所有分类。

12.根据权利要求11所述的装置，其特征在于，所述K均值聚类的迭代结束条件包括：

经过连续的多次迭代更新后，轮廓系数不再变大；和/或

迭代更新的次数达到第二预设次数。

13.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-6任一项所述的时分复用信号的分接方法。

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-6任一项所述的时分复用信号的分接方法。

Images