CN115767756B - 一种低信噪比下重要多径分量的辨识方法、系统及介质 - Google Patents

一种低信噪比下重要多径分量的辨识方法、系统及介质 Download PDF

Info

Publication number
CN115767756B
CN115767756B CN202211366948.XA CN202211366948A CN115767756B CN 115767756 B CN115767756 B CN 115767756B CN 202211366948 A CN202211366948 A CN 202211366948A CN 115767756 B CN115767756 B CN 115767756B
Authority
CN
China
Prior art keywords
multipath
component
components
sub
multipath component
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211366948.XA
Other languages
English (en)
Other versions
CN115767756A (zh
Inventor
隋永波
高辉
蒋国平
陈璐
徐霄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202211366948.XA priority Critical patent/CN115767756B/zh
Publication of CN115767756A publication Critical patent/CN115767756A/zh
Application granted granted Critical
Publication of CN115767756B publication Critical patent/CN115767756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Monitoring And Testing Of Transmission In General (AREA)
  • Noise Elimination (AREA)

Abstract

本发明公开了一种低信噪比下重要多径分量的辨识方法、系统及介质，通过将无线通信中的信道脉冲响应中各个多径分量分解为多个子分量，通过评估各个子分量的递归特性确定可用的子分量，重构信道脉冲响应中各个多径分量，解决高噪声对多径分量辨识的负面影响；最后，通过评估重构多径分量的平均功率辨识出重要的多径分量。基于重要多径分量，调整无线通信系统发射端的调制方式，实现减小无线通信系统的误码率，本发明可以解决低信噪比下重要多径分量的辨识问题，为实现无线通信的自适应传输和自适应编码等提供了保障。

Description

一种低信噪比下重要多径分量的辨识方法、系统及介质
技术领域
本发明涉及一种低信噪比下重要多径分量的辨识方法、系统及介质，属于无线通信自适应传输技术领域。
背景技术
随着科技的发展，无线通信的自适应传输是未来发展的趋势。在信道脉冲响应中，多径分量的辨别是支撑自适应传输技术中重要的一部分。在现有技术中，准确地在低信噪比环境下识别和选择多径分量是一个比较困难的问题。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种低信噪比下重要多径分量的辨识方法、系统及介质，解决难以准确识别和选择信道脉冲响应中重要时延抽头的技术问题。
为达到上述目的，本发明提供一种低信噪比下重要多径分量的辨识方法，包括：
通过信道估计获得无线通信系统发射端的信道状态信息估计值；
基于无线通信系统发射端的信道状态信息估计值，通过快速傅里叶逆变换获得信道脉冲响应各个多径分量采样值；
计算各个多径分量采样值的实数部分的迹矩阵；
计算各个多径分量采样值的虚数部分的迹矩阵；
通过截断的随机奇异值分解多径分量采样值实数部分的迹矩阵，获得各个多径分量实数部分的多径分量的子分量；
通过截断的随机奇异值分解多径分量采样值虚数部分的迹矩阵，获得各个多径分量虚数部分的多径分量的子分量；
通过估计各个多径分量实数部分的多径分量的子分量的递归率，确定实数部分有效的子分量；
通过估计各个多径分量虚数部分的多径分量的子分量的递归率，确定虚数部分有效的子分量；
通过实数部分有效的子分量和虚数部分有效的子分量，重构各个多径分量实数部分与各个多径分量虚数部分；
计算重构后的各个多径分量实数部分与各个多径分量虚数部分的能量平均值，辨识出重要多径分量。
优先地，计算各个多径分量采样值的实数部分的迹矩阵，通过以下步骤实现：计算第
Figure BDA00039216923500000211
个多径分量采样值的实数部分的迹矩阵/>
Figure BDA00039216923500000212
/>
Figure BDA0003921692350000021
其中，
Figure BDA0003921692350000022
表示信道脉冲响应第/>
Figure BDA00039216923500000213
个多径分量采样值的实数部分的第l个采样值，l＝1,2,3,...,L，L表示第/>
Figure BDA00039216923500000214
个多径分量采样值的实数部分的总数，/>
Figure BDA0003921692350000023
右下角的R表示信道脉冲响应第/>
Figure BDA00039216923500000219
个多径分量第l个采样值/>
Figure BDA0003921692350000024
的实数部分，N表示观测窗口的长度，
Figure BDA00039216923500000220
K表示子载波的总数。
优先地，通过截断的随机奇异值分解多径分量采样值实数部分的迹矩阵的迹矩阵，获得各个多径分量实数部分的多径分量的子分量，通过以下步骤实现：
通过截断的随机奇异值分解第
Figure BDA00039216923500000217
个多径分量采样值的实数部分的迹矩阵/>
Figure BDA00039216923500000215
获得第/>
Figure BDA00039216923500000216
个多径分量采样值的实数部分的迹矩阵的左奇异矩阵/>
Figure BDA0003921692350000025
奇异矩阵
Figure BDA0003921692350000026
和右奇异矩阵/>
Figure BDA0003921692350000027
L表示第/>
Figure BDA00039216923500000218
个多径分量采样值的实数部分的总数，N为观测窗口的长度；
利用第
Figure BDA00039216923500000221
个多径分量采样值的实数部分的迹矩阵的奇异矩阵SR的第n个奇异值、左奇异矩阵UR的第n列和右奇异矩阵/>
Figure BDA0003921692350000028
的第n行，组合获得矩阵/>
Figure BDA0003921692350000029
计算第
Figure BDA00039216923500000222
个多径分量的实数部分的第n个子分量的第q个元素的值/>
Figure BDA00039216923500000210
Figure BDA0003921692350000031
其中，(Xn,R)m,q-m+1表示矩阵Xn,R的第m行第q-m+1列的值；
基于
Figure BDA0003921692350000032
获得第/>
Figure BDA00039216923500000320
个多径分量的实数部分的n个子分量
Figure BDA0003921692350000033
Figure BDA0003921692350000034
为第/>
Figure BDA00039216923500000319
个多径分量的实数部分的第N个子分量的第q个元素的值；其中，[*]T表示矩阵转置操作，l＝1,2,3,...,L，/>
Figure BDA00039216923500000321
优先地，通过估计各个多径分量实数部分的多径分量的子分量的递归率，确定实数部分有效的子分量，通过以下步骤实现：
步骤1：通过虚假临近法估计第
Figure BDA00039216923500000318
个多径分量的实数部分的第n个子分量/>
Figure BDA0003921692350000035
的最优嵌入维度/>
Figure BDA0003921692350000036
步骤2：通过互信息法估计第
Figure BDA00039216923500000317
个多径分量的实数部分的第n个子分量/>
Figure BDA0003921692350000037
的最优时延/>
Figure BDA0003921692350000039
步骤3：计算第
Figure BDA00039216923500000316
个多径分量的实数部分的n个子分量/>
Figure BDA00039216923500000310
重构相空间
Figure BDA00039216923500000311
Figure BDA00039216923500000312
其中，
Figure BDA00039216923500000313
步骤4：计算重构相空间中第a个点与第b个点的距离
Figure BDA00039216923500000314
Figure BDA00039216923500000315
其中，||*||表示欧几里得距离，
Figure BDA0003921692350000041
为第/>
Figure BDA00039216923500000422
个多径分量的实数部分的第n个子分量的重构相空间的第a个值，/>
Figure BDA0003921692350000042
为第/>
Figure BDA00039216923500000421
个多径分量的实数部分的第n个子分量的重构相空间的第b个值；
步骤5：计算第
Figure BDA00039216923500000419
个多径分量的实数部分的第n个子分量的递归率/>
Figure BDA0003921692350000043
Figure BDA0003921692350000044
Figure BDA0003921692350000045
其中，
Figure BDA0003921692350000046
表示第/>
Figure BDA00039216923500000420
个多径分量的实数部分的第n个子分量的长度为/>
Figure BDA0003921692350000047
的对角线所出现的概率，/>
Figure BDA0003921692350000048
表示第/>
Figure BDA00039216923500000418
个多径分量的实数部分的第n个子分量的对角线最小的长度，L'R表示第/>
Figure BDA00039216923500000417
个多径分量的实数部分的重构相空间的长度；
Ψ表示Heaviside函数，
Figure BDA0003921692350000049
表示给定的阈值，/>
Figure BDA00039216923500000410
为中间变量。
步骤6：将
Figure BDA00039216923500000411
大于给定阈值δR的子多径分量，确定为实数部分有效的子分量。
优先地，计算各个多径分量采样值的虚数部分的迹矩阵，通过以下步骤实现：计算第
Figure BDA00039216923500000423
个多径分量采样值的虚数部分的迹矩阵/>
Figure BDA00039216923500000416
Figure BDA00039216923500000412
其中，
Figure BDA00039216923500000413
表示第/>
Figure BDA00039216923500000414
个多径分量采样值的虚数部分的第l个估计值，l＝1,2,3,...,L，L表示第/>
Figure BDA00039216923500000415
个多径分量采样值的虚数部分的总数目，N表示观测窗口的长度，
Figure BDA00039216923500000424
K表示子载波的总数；I表示虚数部分的相关矩阵。
优先地，通过截断的随机奇异值分解多径分量采样值虚数部分的迹矩阵，获得各个多径分量虚数部分的多径分量的子分量，通过以下步骤实现：
通过截断的随机奇异值分解第
Figure BDA00039216923500000512
个多径分量采样值的虚数部分的迹矩阵/>
Figure BDA00039216923500000520
获得第/>
Figure BDA00039216923500000514
个多径分量采样值的虚数部分的迹矩阵的左奇异矩阵/>
Figure BDA0003921692350000051
奇异矩阵
Figure BDA0003921692350000052
和右奇异矩阵/>
Figure BDA0003921692350000053
L表示第/>
Figure BDA00039216923500000513
个多径分量采样值的虚数部分的总数目，N为观测窗口的长度；
利用第
Figure BDA00039216923500000515
个多径分量采样值的虚数部分的迹矩阵的奇异矩阵SI的第n个奇异值、左奇异矩阵UI的第n列和右奇异矩阵/>
Figure BDA0003921692350000054
的第n行，组合获得矩阵/>
Figure BDA0003921692350000055
I表示虚数部分的相关分解矩阵；
计算获得第
Figure BDA00039216923500000516
个多径分量的虚数部分的第n个子分量的第q个元素的值/>
Figure BDA0003921692350000056
/>
Figure BDA0003921692350000057
其中，(Xn,I)m,q-m+1表示矩阵Xn,I的第m行第q-m+1列的值；
基于
Figure BDA0003921692350000058
获得第/>
Figure BDA00039216923500000517
个多径分量的虚数部分的n个子分量
Figure BDA0003921692350000059
其中，T表示矩阵转置，l＝1,2,3,...,L，
Figure BDA00039216923500000518
优先地，通过估计各个多径分量虚数部分的多径分量的子分量的递归率，确定虚数部分有效的子分量，通过以下步骤实现：
通过虚假临近法估计第
Figure BDA00039216923500000519
个多径分量的虚数部分的第n个子分量/>
Figure BDA00039216923500000510
的最优嵌入维度/>
Figure BDA00039216923500000511
通过互信息法估计第
Figure BDA00039216923500000620
个多径分量的虚数部分的第n个子分量/>
Figure BDA0003921692350000061
的最优时延/>
Figure BDA0003921692350000062
计算第/>
Figure BDA00039216923500000621
个多径分量的虚数部分的n个子分量/>
Figure BDA0003921692350000063
重构相空间
Figure BDA0003921692350000064
Figure BDA0003921692350000065
其中，
Figure BDA0003921692350000066
计算重构相空间中第a个点与第b个点的距离
Figure BDA0003921692350000067
Figure BDA0003921692350000068
其中，||*||表示欧几里得距离，
Figure BDA0003921692350000069
为第/>
Figure BDA00039216923500000622
个多径分量的虚数部分的第n个子分量的重构相空间的第a个值，/>
Figure BDA00039216923500000610
为第/>
Figure BDA00039216923500000623
个多径分量的虚数部分的第n个子分量的重构相空间的第b个值；/>
计算第
Figure BDA00039216923500000624
个多径分量的虚数部分的第n个子分量的递归率/>
Figure BDA00039216923500000611
Figure BDA00039216923500000612
Figure BDA00039216923500000613
其中，
Figure BDA00039216923500000614
表示第/>
Figure BDA00039216923500000625
个多径分量的虚数部分的第n个子分量的长度为/>
Figure BDA00039216923500000615
的对角线所出现的概率，/>
Figure BDA00039216923500000616
表示第/>
Figure BDA00039216923500000626
个多径分量的虚数部分的第n个子分量的对角线最小的长度，L'I表示第/>
Figure BDA00039216923500000627
个多径分量的虚数部分的重构相空间的长度；
Ψ表示Heaviside函数，
Figure BDA00039216923500000617
表示给定的阈值，/>
Figure BDA00039216923500000618
为中间变量；
将
Figure BDA00039216923500000619
大于给定阈值δI的子多径分量，确定为虚数部分有效的子分量。
优先地，通过实数部分有效的子分量和虚数部分有效的子分量，重构各个多径分量实数部分与各个多径分量虚数部分，通过以下步骤实现：
利用实数部分有效的子分量重构各个多径分量实数部分
Figure BDA0003921692350000071
Figure BDA0003921692350000072
Figure BDA0003921692350000073
表示实数部分有效子的分量数目，l＝1,2,3,...,L，/>
Figure BDA00039216923500000717
Figure BDA0003921692350000074
为第/>
Figure BDA00039216923500000718
个多径分量的实数部分的第i个子分量的第q个元素的值，i∈[1,N]；
利用虚数部分有效的子分量重构各个多径分量虚数部分
Figure BDA0003921692350000075
Figure BDA0003921692350000076
Figure BDA0003921692350000077
表示虚数部分有效的子分量数目，l＝1,2,3,...,L，/>
Figure BDA00039216923500000720
Figure BDA0003921692350000078
为第/>
Figure BDA00039216923500000719
个多径分量的虚数部分的第i个子分量的第q个元素的值，i∈[1,N]。
优先地，计算重构后的各个多径分量实数部分与各个多径分量虚数部分的能量平均值，辨识出重要多径分量，通过以下步骤实现：
计算重构多径分量值的平均幅值
Figure BDA0003921692350000079
Figure BDA00039216923500000710
其中，
Figure BDA00039216923500000711
表示重构后的第/>
Figure BDA00039216923500000721
个多径分量的虚数部分，/>
Figure BDA00039216923500000712
表示重构后的第/>
Figure BDA00039216923500000722
个多径分量实数部分，E表示平均计算操作；
将Lcp个最大
Figure BDA00039216923500000713
对应的多径分量，确定为重要多径分量，Lcp表示循环前缀的数目。
优先地，基于重要多径分量，调整无线通信系统发射端的调制方式，实现减小无线通信系统的误码率，通过以下步骤实现：
步骤1：假设第
Figure BDA00039216923500000714
个多径分量为重要多径分量，通过下式计算第/>
Figure BDA00039216923500000715
个重要多径分量的信噪比/>
Figure BDA00039216923500000716
Figure BDA0003921692350000081
其中，
Figure BDA0003921692350000082
为第/>
Figure BDA0003921692350000083
个重要多径分量的噪声功率，/>
Figure BDA0003921692350000084
为第/>
Figure BDA0003921692350000085
个重要多径分量的信号功率；
步骤2：计算重要多径分量的平均信噪比：
Figure BDA0003921692350000086
步骤3：判断平均信噪比
Figure BDA0003921692350000087
在给定判决阈值组合{G0,G1,...,Gc}的区间位置，Gc表示在给定的第c个判别阈值，G0表示给定的第0个判别阈值；
根据区间位置在调制方式组合{M0,M1,...,Ma}中找到对应的调制方式，其中，Ma表示调制阶数为a的调制方式，对应星座点数为2a；
当若
Figure BDA0003921692350000088
小于G0，则无线通信系统不发送无线信号，否则无线通信系统发送无线信号。
一种低信噪比下重要多径分量的辨识系统，包括：
矢量信号分析仪，用于进行信道估计，获取无线通信系统发射端的信道状态信息估计值；
数字信号处理器，用于计算通信系统的信道脉冲响应；
多径分量辨识控制器，用于对通信系统信道脉冲响应的重要多径分量进行辨识。
优先地，多径分量辨识控制器包含以下子模块：
预处理模块，用于对各个多径分量的实数部分与虚数部分分别计算迹矩阵；
子分量处理模块，用于获得各个多径分量实数部分与虚数部分的多径分量的子分量，并通过估计各个子分量的递归率确定有效的子分量；
多径分量重构模块，用于重构各个多径分量实数部分与虚数部分；
多径分量辨识模块，用于通过评估重构后多径分量的能量平均值辨识出重要的多径分量。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述方法的步骤。
本发明所达到的有益效果：
本发明的低信噪比下重要多径分量的辨识方法，通过将无线通信中的信道脉冲响应中各个多径分量分解为多个子分量，进一步通过评估各个子分量的递归特性确定可用的子分量，重构信道脉冲响应中各个多径分量，解决高噪声对多径分量辨识的负面影响；最后，通过评估重构多径分量的平均功率辨识出重要的多径分量。重要多径分量的信息代表了当前无线通信环境的状态，可以用于评估无线通信系统发射环境的质量。
对应地，基于重要多径分量，通过发射环境的质量及时地调整无线通信系统发射端的相关参数，以适用当前的通信环境，减小无线通信系统的误码率。
另一方面，信道脉冲响应也是大量物联网定位和感知工作的重要信息来源，可以借助特定信号的信道频率响应，计算出不同多径路径的传播特征，分析出对定位和感知有用的信息。
本发明可以解决低信噪比下重要多径分量的辨识问题，为实现无线通信的自适应传输和自适应编码等自适应传输工作及物联网定位感知工作提供保障。
附图说明
图1是本发明的设备连接图；
图2是本发明实施例提供的流程示意图；
图3是本发明实施例提供的系统结构图。
具体实施方式
以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图2所示，本发明提供一种低信噪比下重要多径分量的辨识方法，包括：
通过信道估计获得无线通信系统发射端的信道状态信息估计值；
基于无线通信系统发射端的信道状态信息估计值，通过快速傅里叶逆变换获得信道脉冲响应各个多径分量采样值；
计算各个多径分量采样值的实数部分的迹矩阵；
计算各个多径分量采样值的虚数部分的迹矩阵；
通过截断的随机奇异值分解多径分量采样值实数部分的迹矩阵，获得各个多径分量实数部分的多径分量的子分量；
通过截断的随机奇异值分解多径分量采样值虚数部分的迹矩阵，获得各个多径分量虚数部分的多径分量的子分量；
通过估计各个多径分量实数部分的多径分量的子分量的递归率，确定实数部分有效的子分量；
通过估计各个多径分量虚数部分的多径分量的子分量的递归率，确定虚数部分有效的子分量；
通过实数部分有效的子分量和虚数部分有效的子分量，重构各个多径分量实数部分与各个多径分量虚数部分；
计算重构后的各个多径分量实数部分与各个多径分量虚数部分的能量平均值，辨识出重要多径分量。
进一步地，本实施例中计算各个多径分量采样值的实数部分的迹矩阵，通过以下步骤实现：计算第
Figure BDA0003921692350000101
个多径分量采样值的实数部分的迹矩阵/>
Figure BDA0003921692350000102
Figure BDA0003921692350000103
其中，
Figure BDA0003921692350000104
表示信道脉冲响应第/>
Figure BDA00039216923500001022
个多径分量采样值的实数部分的第l个采样值，l＝1,2,3,...,L，L表示第/>
Figure BDA0003921692350000105
个多径分量采样值的实数部分的总数，/>
Figure BDA0003921692350000106
右下角的R表示信道脉冲响应第/>
Figure BDA0003921692350000107
个多径分量第l个采样值/>
Figure BDA0003921692350000108
的实数部分，N表示观测窗口的长度，
Figure BDA0003921692350000109
K表示子载波的总数。
进一步地，本实施例中通过截断的随机奇异值分解多径分量采样值实数部分的迹矩阵的迹矩阵，获得各个多径分量实数部分的多径分量的子分量，通过以下步骤实现：
通过截断的随机奇异值分解第
Figure BDA00039216923500001010
个多径分量采样值的实数部分的迹矩阵/>
Figure BDA00039216923500001011
获得第/>
Figure BDA00039216923500001012
个多径分量采样值的实数部分的迹矩阵的左奇异矩阵/>
Figure BDA00039216923500001013
奇异矩阵
Figure BDA00039216923500001014
和右奇异矩阵/>
Figure BDA00039216923500001015
L表示第/>
Figure BDA00039216923500001016
个多径分量采样值的实数部分的总数，N为观测窗口的长度；
利用第
Figure BDA00039216923500001017
个多径分量采样值的实数部分的迹矩阵的奇异矩阵SR的第n个奇异值、左奇异矩阵UR的第n列和右奇异矩阵/>
Figure BDA00039216923500001018
的第n行，组合获得矩阵/>
Figure BDA00039216923500001019
计算第
Figure BDA00039216923500001020
个多径分量的实数部分的第n个子分量的第q个元素的值/>
Figure BDA00039216923500001021
/>
Figure BDA0003921692350000111
其中，(Xn,R)m,q-m+1表示矩阵Xn,R的第m行第q-m+1列的值；
基于
Figure BDA0003921692350000112
获得第/>
Figure BDA0003921692350000113
个多径分量的实数部分的n个子分量
Figure BDA0003921692350000114
Figure BDA0003921692350000115
为第/>
Figure BDA0003921692350000116
个多径分量的实数部分的第N个子分量的第q个元素的值；其中，[*]T表示矩阵转置操作，l＝1,2,3,...,L，/>
Figure BDA0003921692350000117
进一步地，本实施例中通过估计各个多径分量实数部分的多径分量的子分量的递归率，确定实数部分有效的子分量，通过以下步骤实现：
步骤1：通过虚假临近法估计第
Figure BDA0003921692350000118
个多径分量的实数部分的第n个子分量/>
Figure BDA0003921692350000119
的最优嵌入维度/>
Figure BDA00039216923500001110
步骤2：通过互信息法估计第
Figure BDA00039216923500001111
个多径分量的实数部分的第n个子分量/>
Figure BDA00039216923500001112
的最优时延/>
Figure BDA00039216923500001113
步骤3：计算第
Figure BDA00039216923500001114
个多径分量的实数部分的n个子分量/>
Figure BDA00039216923500001115
重构相空间
Figure BDA00039216923500001116
Figure BDA00039216923500001117
其中，
Figure BDA00039216923500001118
步骤4：计算重构相空间中第a个点与第b个点的距离
Figure BDA00039216923500001119
Figure BDA00039216923500001120
其中，||*||表示欧几里得距离，
Figure BDA0003921692350000121
为第/>
Figure BDA0003921692350000122
个多径分量的实数部分的第n个子分量的重构相空间的第a个值，/>
Figure BDA0003921692350000123
为第/>
Figure BDA0003921692350000124
个多径分量的实数部分的第n个子分量的重构相空间的第b个值；
步骤5：计算第
Figure BDA0003921692350000125
个多径分量的实数部分的第n个子分量的递归率/>
Figure BDA0003921692350000126
Figure BDA0003921692350000127
Figure BDA0003921692350000128
其中，
Figure BDA0003921692350000129
表示第/>
Figure BDA00039216923500001210
个多径分量的实数部分的第n个子分量的长度为/>
Figure BDA00039216923500001211
的对角线所出现的概率，/>
Figure BDA00039216923500001212
表示第/>
Figure BDA00039216923500001213
个多径分量的实数部分的第n个子分量的对角线最小的长度，L'R表示第/>
Figure BDA00039216923500001214
个多径分量的实数部分的重构相空间的长度；
Ψ表示Heaviside函数，
Figure BDA00039216923500001215
表示给定的阈值，/>
Figure BDA00039216923500001216
为中间变量。
步骤6：将
Figure BDA00039216923500001217
大于给定阈值δR的子多径分量，确定为实数部分有效的子分量。
进一步地，本实施例中计算各个多径分量采样值的虚数部分的迹矩阵，通过以下步骤实现：
计算第
Figure BDA00039216923500001218
个多径分量采样值的虚数部分的迹矩阵/>
Figure BDA00039216923500001219
Figure BDA00039216923500001220
其中，
Figure BDA00039216923500001221
表示第/>
Figure BDA00039216923500001222
个多径分量采样值的虚数部分的第l个估计值，l＝1,2,3,...,L，L表示第/>
Figure BDA00039216923500001223
个多径分量采样值的虚数部分的总数目，N表示观测窗口的长度，
Figure BDA00039216923500001224
K表示子载波的总数；I表示虚数部分的相关矩阵。
进一步地，本实施例中通过截断的随机奇异值分解多径分量采样值虚数部分的迹矩阵，获得各个多径分量虚数部分的多径分量的子分量，通过以下步骤实现：
通过截断的随机奇异值分解第
Figure BDA0003921692350000131
个多径分量采样值的虚数部分的迹矩阵/>
Figure BDA0003921692350000132
获得第/>
Figure BDA0003921692350000133
个多径分量采样值的虚数部分的迹矩阵的左奇异矩阵/>
Figure BDA0003921692350000134
奇异矩阵/>
Figure BDA0003921692350000135
和右奇异矩阵/>
Figure BDA0003921692350000136
L表示第/>
Figure BDA0003921692350000137
个多径分量采样值的虚数部分的总数目，N为观测窗口的长度；
利用第
Figure BDA0003921692350000138
个多径分量采样值的虚数部分的迹矩阵的奇异矩阵SI的第n个奇异值、左奇异矩阵UI的第n列和右奇异矩阵/>
Figure BDA0003921692350000139
的第n行，组合获得矩阵/>
Figure BDA00039216923500001310
I表示虚数部分的相关分解矩阵；
计算获得第
Figure BDA00039216923500001311
个多径分量的虚数部分的第n个子分量的第q个元素的值/>
Figure BDA00039216923500001312
Figure BDA00039216923500001313
其中，(Xn,I)m,q-m+1表示矩阵Xn,I的第m行第q-m+1列的值；
基于
Figure BDA00039216923500001314
获得第/>
Figure BDA00039216923500001315
个多径分量的虚数部分的n个子分量
Figure BDA00039216923500001316
其中，T表示矩阵转置，l＝1,2,3,...,L，
Figure BDA00039216923500001317
进一步地，本实施例中通过估计各个多径分量虚数部分的多径分量的子分量的递归率，确定虚数部分有效的子分量，通过以下步骤实现：
通过虚假临近法估计第
Figure BDA00039216923500001318
个多径分量的虚数部分的第n个子分量/>
Figure BDA00039216923500001319
的最优嵌入维度/>
Figure BDA00039216923500001320
通过互信息法估计第
Figure BDA0003921692350000141
个多径分量的虚数部分的第n个子分量/>
Figure BDA0003921692350000142
的最优时延/>
Figure BDA0003921692350000143
计算第
Figure BDA0003921692350000144
个多径分量的虚数部分的n个子分量/>
Figure BDA0003921692350000145
重构相空间
Figure BDA0003921692350000146
Figure BDA0003921692350000147
其中，
Figure BDA0003921692350000148
/>
计算重构相空间中第a个点与第b个点的距离
Figure BDA0003921692350000149
Figure BDA00039216923500001410
其中，||*||表示欧几里得距离，
Figure BDA00039216923500001411
为第/>
Figure BDA00039216923500001412
个多径分量的虚数部分的第n个子分量的重构相空间的第a个值，/>
Figure BDA00039216923500001413
为第/>
Figure BDA00039216923500001414
个多径分量的虚数部分的第n个子分量的重构相空间的第b个值；
计算第
Figure BDA00039216923500001415
个多径分量的虚数部分的第n个子分量的递归率/>
Figure BDA00039216923500001416
Figure BDA00039216923500001417
Figure BDA00039216923500001418
其中，
Figure BDA00039216923500001419
表示第/>
Figure BDA00039216923500001420
个多径分量的虚数部分的第n个子分量的长度为/>
Figure BDA00039216923500001421
的对角线所出现的概率，/>
Figure BDA00039216923500001422
表示第/>
Figure BDA00039216923500001423
个多径分量的虚数部分的第n个子分量的对角线最小的长度，L'I表示第/>
Figure BDA00039216923500001424
个多径分量的虚数部分的重构相空间的长度；
Ψ表示Heaviside函数，
Figure BDA00039216923500001425
表示给定的阈值，/>
Figure BDA00039216923500001426
为中间变量；
将
Figure BDA00039216923500001427
大于给定阈值δI的子多径分量，确定为虚数部分有效的子分量。
进一步地，本实施例中通过实数部分有效的子分量和虚数部分有效的子分量，重构各个多径分量实数部分与各个多径分量虚数部分，通过以下步骤实现：
利用实数部分有效的子分量重构各个多径分量实数部分
Figure BDA0003921692350000151
Figure BDA0003921692350000152
Figure BDA0003921692350000153
表示实数部分有效子的分量数目，l＝1,2,3,...,L，/>
Figure BDA0003921692350000154
Figure BDA0003921692350000155
为第/>
Figure BDA0003921692350000156
个多径分量的实数部分的第i个子分量的第q个元素的值，i∈[1,N]；
利用虚数部分有效的子分量重构各个多径分量虚数部分
Figure BDA0003921692350000157
/>
Figure BDA0003921692350000158
Figure BDA0003921692350000159
表示虚数部分有效的子分量数目，l＝1,2,3,...,L，/>
Figure BDA00039216923500001510
Figure BDA00039216923500001511
为第/>
Figure BDA00039216923500001512
个多径分量的虚数部分的第i个子分量的第q个元素的值，i∈[1,N]。
进一步地，本实施例中计算重构后的各个多径分量实数部分与各个多径分量虚数部分的能量平均值，辨识出重要多径分量，通过以下步骤实现：
计算重构多径分量值的平均幅值
Figure BDA00039216923500001513
Figure BDA00039216923500001514
其中，
Figure BDA00039216923500001515
表示重构后的第/>
Figure BDA00039216923500001516
个多径分量的虚数部分，/>
Figure BDA00039216923500001517
表示重构后的第/>
Figure BDA00039216923500001518
个多径分量实数部分，E表示平均计算操作；
将Lcp个最大
Figure BDA00039216923500001519
对应的多径分量，确定为重要多径分量，Lcp表示循环前缀的数目。
进一步地，本实施例中基于重要多径分量，调整无线通信系统发射端的调制方式，实现减小无线通信系统的误码率，通过以下步骤实现：
步骤1：假设第
Figure BDA00039216923500001520
个多径分量为重要多径分量，通过下式计算第/>
Figure BDA00039216923500001521
个重要多径分量的信噪比/>
Figure BDA00039216923500001522
Figure BDA0003921692350000161
其中，
Figure BDA0003921692350000162
为第/>
Figure BDA0003921692350000163
个重要多径分量的噪声功率，/>
Figure BDA0003921692350000164
为第/>
Figure BDA0003921692350000165
个重要多径分量的信号功率；
步骤2：计算重要多径分量的平均信噪比：
Figure BDA0003921692350000166
步骤3：判断平均信噪比
Figure BDA0003921692350000167
在给定判决阈值组合{G0,G1,...,Gc}的区间位置，Gc表示在给定的第c个判别阈值，G0表示给定的第0个判别阈值；
根据区间位置在调制方式组合{M0,M1,...,Ma}中找到对应的调制方式，其中，Ma表示调制阶数为a的调制方式，对应星座点数为2a；
当若
Figure BDA0003921692350000168
小于G0，则无线通信系统不发送无线信号，否则无线通信系统发送无线信号。如图1所示，一种低信噪比下重要多径分量的辨识系统，包括：
发射天线，用于发射无线信号；
接收天线，用于接收无线信号；
矢量信号分析仪，用于进行信道估计，获取无线通信系统发射端的信道状态信息估计值；
数字信号处理器，用于计算通信系统的信道脉冲响应；
多径分量辨识控制器，用于对通信系统信道脉冲响应的重要多径分量进行辨识。
进一步地，如图3所示，本实施例中多径分量辨识控制器包含以下子模块：
预处理模块，用于对各个多径分量的实数部分与虚数部分分别计算迹矩阵；
子分量处理模块，用于获得各个多径分量实数部分与虚数部分的多径分量的子分量，并通过估计各个子分量的递归率确定有效的子分量；
多径分量重构模块，用于重构各个多径分量实数部分与虚数部分；
多径分量辨识模块，用于通过评估重构后多径分量的能量平均值辨识出重要的多径分量。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述方法的步骤。
发射天线、接收天线、矢量信号分析仪和数字信号处理器上述部件在现有技术中可采用的型号很多，本领域技术人员可根据实际需求选用合适的型号，本实施例不再一一举例。
通过重要多径分量信息、给定阈值判决阈值组合和调制方式组合，发射端可以及时地调整发射系统的调制方式，以适应当前的通信环境。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (12)

1.一种低信噪比下重要多径分量的辨识方法，其特征在于，包括：
通过信道估计获得无线通信系统发射端的信道状态信息估计值；
基于无线通信系统发射端的信道状态信息估计值，通过快速傅里叶逆变换获得信道脉冲响应各个多径分量采样值；
计算各个多径分量采样值的实数部分的迹矩阵；
计算各个多径分量采样值的虚数部分的迹矩阵；
通过截断的随机奇异值分解多径分量采样值实数部分的迹矩阵，获得各个多径分量实数部分的多径分量的子分量；
通过截断的随机奇异值分解多径分量采样值虚数部分的迹矩阵，获得各个多径分量虚数部分的多径分量的子分量；
通过估计各个多径分量实数部分的多径分量的子分量的递归率，确定实数部分有效的子分量；
通过估计各个多径分量虚数部分的多径分量的子分量的递归率，确定虚数部分有效的子分量；
通过实数部分有效的子分量和虚数部分有效的子分量，重构各个多径分量实数部分与各个多径分量虚数部分；
计算重构后的各个多径分量实数部分与各个多径分量虚数部分的能量平均值，辨识出重要多径分量；
基于重要多径分量，调整无线通信系统发射端的调制方式，实现减小无线通信系统的误码率；
其中，计算重构后的各个多径分量实数部分与各个多径分量虚数部分的能量平均值，辨识出重要多径分量，通过以下步骤实现：
计算重构多径分量值的平均幅值
Figure FDA0004203847550000011
Figure FDA0004203847550000012
其中，
Figure FDA0004203847550000013
表示重构后的第/>
Figure FDA0004203847550000015
个多径分量的虚数部分，/>
Figure FDA0004203847550000014
表示重构后的第/>
Figure FDA0004203847550000016
个多径分量实数部分，E表示平均计算操作；
将Lcp个最大
Figure FDA0004203847550000021
对应的多径分量，确定为重要多径分量，Lcp表示循环前缀的数目；
基于重要多径分量，调整无线通信系统发射端的调制方式，实现减小无线通信系统的误码率，通过以下步骤实现：
步骤1：假设第
Figure FDA0004203847550000029
个多径分量为重要多径分量，通过下式计算第/>
Figure FDA00042038475500000210
个重要多径分量的信噪比/>
Figure FDA00042038475500000216
/>
Figure FDA0004203847550000022
其中，
Figure FDA00042038475500000211
为第/>
Figure FDA00042038475500000212
个重要多径分量的噪声功率，/>
Figure FDA00042038475500000213
为第/>
Figure FDA00042038475500000214
个重要多径分量的信号功率；
步骤2：计算重要多径分量的平均信噪比：
Figure FDA0004203847550000023
步骤3：判断平均信噪比
Figure FDA0004203847550000024
在给定判决阈值组合{G0,G1,...,Gc}的区间位置，Gc表示给定的第c个判别阈值，G0表示给定的第0个判别阈值；
根据区间位置在调制方式组合
Figure FDA0004203847550000025
中找到对应的调制方式，其中，/>
Figure FDA0004203847550000026
表示调制阶数为a的调制方式，对应星座点数为2a；
当若
Figure FDA0004203847550000027
小于G0，则无线通信系统不发送无线信号，否则无线通信系统发送无线信号。
2.根据权利要求1所述的一种低信噪比下重要多径分量的辨识方法，其特征在于，
计算各个多径分量采样值的实数部分的迹矩阵，通过以下步骤实现：计算第
Figure FDA00042038475500000215
个多径分量采样值的实数部分的迹矩阵/>
Figure FDA0004203847550000028
Figure FDA0004203847550000031
其中，
Figure FDA0004203847550000032
表示信道脉冲响应第/>
Figure FDA00042038475500000320
个多径分量采样值的实数部分的第l个采样值，l＝1,2,3,...,L，L表示第/>
Figure FDA00042038475500000319
个多径分量采样值的实数部分的总数，/>
Figure FDA0004203847550000033
右下角的R表示信道脉冲响应第/>
Figure FDA00042038475500000318
个多径分量第l个采样值/>
Figure FDA0004203847550000034
的实数部分，N表示观测窗口的长度，
Figure FDA00042038475500000321
K表示子载波的总数。
3.根据权利要求2所述的一种低信噪比下重要多径分量的辨识方法，其特征在于，
通过截断的随机奇异值分解多径分量采样值实数部分的迹矩阵的迹矩阵，获得各个多径分量实数部分的多径分量的子分量，通过以下步骤实现：
通过截断的随机奇异值分解第
Figure FDA00042038475500000315
个多径分量采样值的实数部分的迹矩阵/>
Figure FDA0004203847550000035
获得第/>
Figure FDA00042038475500000317
个多径分量采样值的实数部分的迹矩阵的左奇异矩阵/>
Figure FDA0004203847550000036
奇异矩阵
Figure FDA0004203847550000037
和右奇异矩阵/>
Figure FDA0004203847550000038
L表示第/>
Figure FDA00042038475500000314
个多径分量采样值的实数部分的总数，N为观测窗口的长度；/>
利用第
Figure FDA00042038475500000312
个多径分量采样值的实数部分的迹矩阵的奇异矩阵SR的第n个奇异值、左奇异矩阵UR的第n列和右奇异矩阵/>
Figure FDA0004203847550000039
的第n行，组合获得矩阵/>
Figure FDA00042038475500000310
计算第/>
Figure FDA00042038475500000313
个多径分量的实数部分的第n个子分量的第q个元素的值/>
Figure FDA00042038475500000311
Figure FDA0004203847550000041
其中，(Xn,R)m,q-m+1表示矩阵Xn,R的第m行第q-m+1列的值；
基于
Figure FDA0004203847550000042
获得第/>
Figure FDA00042038475500000417
个多径分量的实数部分的n个子分量
Figure FDA0004203847550000043
Figure FDA0004203847550000044
为第/>
Figure FDA00042038475500000416
个多径分量的实数部分的第N个子分量的第q个元素的值；其中，[*]T表示矩阵转置操作，l＝1,2,3,...,L，/>
Figure FDA00042038475500000415
4.根据权利要求3所述的一种低信噪比下重要多径分量的辨识方法，其特征在于，
通过估计各个多径分量实数部分的多径分量的子分量的递归率，确定实数部分有效的子分量，通过以下步骤实现：
步骤1：通过虚假临近法估计第
Figure FDA00042038475500000414
个多径分量的实数部分的第n个子分量/>
Figure FDA0004203847550000045
的最优嵌入维度/>
Figure FDA0004203847550000046
步骤2：通过互信息法估计第
Figure FDA00042038475500000413
个多径分量的实数部分的第n个子分量/>
Figure FDA0004203847550000047
的最优时延/>
Figure FDA0004203847550000048
步骤3：计算第
Figure FDA00042038475500000412
个多径分量的实数部分的n个子分量/>
Figure FDA0004203847550000049
重构相空间
Figure FDA00042038475500000410
Figure FDA00042038475500000411
其中，
Figure FDA0004203847550000051
步骤4：计算重构相空间中第a个点与第b个点的距离
Figure FDA0004203847550000052
/>
Figure FDA0004203847550000053
其中，||*||表示欧几里得距离，
Figure FDA0004203847550000054
为第/>
Figure FDA00042038475500000521
个多径分量的实数部分的第n个子分量的重构相空间的第a个值，/>
Figure FDA0004203847550000055
为第/>
Figure FDA00042038475500000522
个多径分量的实数部分的第n个子分量的重构相空间的第b个值；
步骤5：计算第
Figure FDA00042038475500000520
个多径分量的实数部分的第n个子分量的递归率/>
Figure FDA0004203847550000056
Figure FDA0004203847550000057
Figure FDA0004203847550000058
其中，
Figure FDA0004203847550000059
表示第/>
Figure FDA00042038475500000523
个多径分量的实数部分的第n个子分量的长度为/>
Figure FDA00042038475500000510
的对角线所出现的概率，/>
Figure FDA00042038475500000511
表示第/>
Figure FDA00042038475500000519
个多径分量的实数部分的第n个子分量的对角线最小的长度，L'R表示第/>
Figure FDA00042038475500000517
个多径分量的实数部分的重构相空间的长度；Ψ表示Heaviside函数，
Figure FDA00042038475500000512
表示给定的阈值，/>
Figure FDA00042038475500000513
为中间变量；
步骤6：将
Figure FDA00042038475500000514
大于给定阈值δR的子多径分量，确定为实数部分有效的子分量。
5.根据权利要求4所述的一种低信噪比下重要多径分量的辨识方法，其特征在于，
计算各个多径分量采样值的虚数部分的迹矩阵，通过以下步骤实现：计算第
Figure FDA00042038475500000516
个多径分量采样值的虚数部分的迹矩阵/>
Figure FDA00042038475500000515
Figure FDA0004203847550000061
其中，
Figure FDA0004203847550000062
表示第/>
Figure FDA00042038475500000615
个多径分量采样值的虚数部分的第l个估计值，l＝1,2,3,...,L，L表示第/>
Figure FDA00042038475500000618
个多径分量采样值的虚数部分的总数目，N表示观测窗口的长度，/>
Figure FDA00042038475500000617
K表示子载波的总数；I表示虚数部分的相关矩阵。
6.根据权利要求5所述的一种低信噪比下重要多径分量的辨识方法，其特征在于，
通过截断的随机奇异值分解多径分量采样值虚数部分的迹矩阵，获得各个多径分量虚数部分的多径分量的子分量，通过以下步骤实现：
通过截断的随机奇异值分解第
Figure FDA00042038475500000613
个多径分量采样值的虚数部分的迹矩阵/>
Figure FDA0004203847550000063
获得第/>
Figure FDA00042038475500000614
个多径分量采样值的虚数部分的迹矩阵的左奇异矩阵/>
Figure FDA0004203847550000064
奇异矩阵/>
Figure FDA0004203847550000065
和右奇异矩阵/>
Figure FDA0004203847550000066
L表示第/>
Figure FDA00042038475500000612
个多径分量采样值的虚数部分的总数目，N为观测窗口的长度；
利用第
Figure FDA00042038475500000611
个多径分量采样值的虚数部分的迹矩阵的奇异矩阵SI的第n个奇异值、左奇异矩阵UI的第n列和右奇异矩阵/>
Figure FDA0004203847550000067
的第n行，组合获得矩阵/>
Figure FDA0004203847550000068
I表示虚数部分的相关分解矩阵；
计算获得第
Figure FDA00042038475500000610
个多径分量的虚数部分的第n个子分量的第q个元素的值/>
Figure FDA0004203847550000069
Figure FDA0004203847550000071
其中，(Xn,I)m,q-m+1表示矩阵Xn,I的第m行第q-m+1列的值；
基于
Figure FDA0004203847550000072
获得第/>
Figure FDA00042038475500000716
个多径分量的虚数部分的n个子分量
Figure FDA0004203847550000073
其中，T表示矩阵转置，l＝1,2,3,...,L，
Figure FDA00042038475500000715
7.根据权利要求6所述的一种低信噪比下重要多径分量的辨识方法，其特征在于，
通过估计各个多径分量虚数部分的多径分量的子分量的递归率，确定虚数部分有效的子分量，通过以下步骤实现：
通过虚假临近法估计第
Figure FDA00042038475500000714
个多径分量的虚数部分的第n个子分量/>
Figure FDA0004203847550000074
的最优嵌入维度/>
Figure FDA0004203847550000075
通过互信息法估计第/>
Figure FDA00042038475500000713
个多径分量的虚数部分的第n个子分量/>
Figure FDA0004203847550000076
的最优时延/>
Figure FDA0004203847550000077
计算第
Figure FDA00042038475500000712
个多径分量的虚数部分的n个子分量/>
Figure FDA0004203847550000078
重构相空间/>
Figure FDA0004203847550000079
Figure FDA00042038475500000710
其中，
Figure FDA00042038475500000711
计算重构相空间中第a个点与第b个点的距离
Figure FDA0004203847550000081
Figure FDA0004203847550000082
其中，||*||表示欧几里得距离，
Figure FDA0004203847550000083
为第/>
Figure FDA00042038475500000820
个多径分量的虚数部分的第n个子分量的重构相空间的第a个值，/>
Figure FDA0004203847550000084
为第/>
Figure FDA00042038475500000821
个多径分量的虚数部分的第n个子分量的重构相空间的第b个值；
计算第
Figure FDA00042038475500000819
个多径分量的虚数部分的第n个子分量的递归率/>
Figure FDA0004203847550000085
Figure FDA0004203847550000086
Figure FDA0004203847550000087
其中，
Figure FDA0004203847550000088
表示第/>
Figure FDA00042038475500000818
个多径分量的虚数部分的第n个子分量的长度为/>
Figure FDA0004203847550000089
的对角线所出现的概率，/>
Figure FDA00042038475500000810
表示第/>
Figure FDA00042038475500000817
个多径分量的虚数部分的第n个子分量的对角线最小的长度，L'I表示第/>
Figure FDA00042038475500000816
个多径分量的虚数部分的重构相空间的长度；Ψ表示Heaviside函数，
Figure FDA00042038475500000811
表示给定的阈值，/>
Figure FDA00042038475500000812
为中间变量；
将
Figure FDA00042038475500000813
大于给定阈值δI的子多径分量，确定为虚数部分有效的子分量。
8.根据权利要求7所述的一种低信噪比下重要多径分量的辨识方法，其特征在于，
通过实数部分有效的子分量和虚数部分有效的子分量，重构各个多径分量实数部分与各个多径分量虚数部分，通过以下步骤实现：
利用实数部分有效的子分量重构各个多径分量实数部分
Figure FDA00042038475500000814
/>
Figure FDA00042038475500000815
Figure FDA0004203847550000091
表示实数部分有效子的分量数目，l＝1,2,3,...,L，/>
Figure FDA00042038475500000915
Figure FDA0004203847550000092
为第/>
Figure FDA00042038475500000914
个多径分量的实数部分的第i个子分量的第q个元素的值，i∈[1,N]；利用虚数部分有效的子分量重构各个多径分量虚数部分/>
Figure FDA0004203847550000093
Figure FDA0004203847550000094
Figure FDA0004203847550000095
表示虚数部分有效的子分量数目，l＝1,2,3,...,L，/>
Figure FDA00042038475500000916
Figure FDA0004203847550000096
为第/>
Figure FDA00042038475500000917
个多径分量的虚数部分的第i个子分量的第q个元素的值，i∈[1,N]。
9.一种低信噪比下重要多径分量的辨识系统，其特征在于，
矢量信号分析仪，用于进行信道估计，获取无线通信系统发射端的信道状态信息估计值；
数字信号处理器，用于计算通信系统的信道脉冲响应；
多径分量辨识控制器，用于对通信系统信道脉冲响应的重要多径分量进行辨识；基于重要多径分量，调整无线通信系统发射端的调制方式，实现减小无线通信系统的误码率；
其中，辨识重要多径分量，通过以下步骤实现：
计算重构多径分量值的平均幅值
Figure FDA0004203847550000097
Figure FDA0004203847550000098
其中，
Figure FDA0004203847550000099
表示重构后的第/>
Figure FDA00042038475500000913
个多径分量的虚数部分，/>
Figure FDA00042038475500000910
表示重构后的第/>
Figure FDA00042038475500000912
个多径分量实数部分，E表示平均计算操作；
将Lcp个最大
Figure FDA00042038475500000911
对应的多径分量，确定为重要多径分量，Lcp表示循环前缀的数目；
基于重要多径分量，调整无线通信系统发射端的调制方式，实现减小无线通信系统的误码率，通过以下步骤实现：
步骤1：假设第
Figure FDA0004203847550000107
个多径分量为重要多径分量，通过下式计算第/>
Figure FDA0004203847550000108
个重要多径分量的信噪比/>
Figure FDA0004203847550000109
/>
Figure FDA0004203847550000101
其中，
Figure FDA00042038475500001011
为第/>
Figure FDA00042038475500001010
个重要多径分量的噪声功率，/>
Figure FDA00042038475500001012
为第/>
Figure FDA00042038475500001013
个重要多径分量的信号功率；
步骤2：计算重要多径分量的平均信噪比：
Figure FDA0004203847550000102
步骤3：判断平均信噪比
Figure FDA0004203847550000106
在给定判决阈值组合{G0,G1,...,Gc}的区间位置，Gc表示给定的第c个判别阈值，G0表示给定的第0个判别阈值；
根据区间位置在调制方式组合
Figure FDA0004203847550000103
中找到对应的调制方式，其中，/>
Figure FDA0004203847550000104
表示调制阶数为a的调制方式，对应星座点数为2a；
当若
Figure FDA0004203847550000105
小于G0，则无线通信系统不发送无线信号，否则无线通信系统发送无线信号。
10.根据权利要求9所述的一种低信噪比下重要多径分量的辨识系统，其特征在于，多径分量辨识控制器包含以下子模块：
预处理模块，用于对各个多径分量的实数部分与虚数部分分别计算迹矩阵；
子分量处理模块，用于获得各个多径分量实数部分与虚数部分的多径分量的子分量，并通过估计各个子分量的递归率确定有效的子分量；
多径分量重构模块，用于重构各个多径分量实数部分与虚数部分；
多径分量辨识模块，用于通过评估重构后多径分量的能量平均值辨识出重要的多径分量。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至8中任一项所述方法的步骤。
12.一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，该计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
CN202211366948.XA 2022-11-02 2022-11-02 一种低信噪比下重要多径分量的辨识方法、系统及介质 Active CN115767756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211366948.XA CN115767756B (zh) 2022-11-02 2022-11-02 一种低信噪比下重要多径分量的辨识方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211366948.XA CN115767756B (zh) 2022-11-02 2022-11-02 一种低信噪比下重要多径分量的辨识方法、系统及介质

Publications (2)

Publication Number Publication Date
CN115767756A CN115767756A (zh) 2023-03-07
CN115767756B true CN115767756B (zh) 2023-06-13

Family

ID=85356159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211366948.XA Active CN115767756B (zh) 2022-11-02 2022-11-02 一种低信噪比下重要多径分量的辨识方法、系统及介质

Country Status (1)

Country Link
CN (1) CN115767756B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114189407A (zh) * 2021-11-16 2022-03-15 西安电子科技大学 一种dft信道估计方法、系统、介质、设备及终端

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101326783A (zh) * 2005-12-09 2008-12-17 高通股份有限公司 用于在多天线系统中进行信道估计的基于平均抽头能量的阈值处理
CN102638290B (zh) * 2012-03-15 2015-12-09 北京邮电大学 一种基于信道测量的多径信号分量提取方法及装置
CN103179057B (zh) * 2013-03-21 2015-11-18 山东大学 一种适用于直接序列扩频超宽带系统的信道估计方法
DE102014008347B4 (de) * 2014-06-05 2021-01-28 Apple Inc. Verfahren und vorrichtung zur kanalschätzung und ofdm-empfänger
CN107086969B (zh) * 2017-03-23 2020-07-31 西安电子科技大学 一种基于特征值分解的sage信道参数估计方法
CN111490954B (zh) * 2020-04-03 2021-08-10 武汉大学 信道脉冲响应的重要时延抽头选择方法及系统
CN112953863B (zh) * 2021-02-09 2022-12-02 西安电子科技大学 一种适用于超低信噪比多径传输环境的信道参数估计方法
CN114050952B (zh) * 2021-11-02 2024-02-23 北京鹏鹄物宇科技发展有限公司 一种基于多波束天线的自动调制方式识别方法
CN115189990B (zh) * 2022-06-29 2023-05-30 南京邮电大学 一种基于循环储蓄学习网络的ofdm时域信道预测方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114189407A (zh) * 2021-11-16 2022-03-15 西安电子科技大学 一种dft信道估计方法、系统、介质、设备及终端

Also Published As

Publication number Publication date
CN115767756A (zh) 2023-03-07

Similar Documents

Publication Publication Date Title
CN111783558A (zh) 一种卫星导航干扰信号类型智能识别方法及系统
CN102724147B (zh) 一种水声正交频分复用的信道估计方法
CN109995449B (zh) 一种基于深度学习的毫米波信号检测方法
CN111817757B (zh) 一种用于mimo无线通信系统的信道预测方法及系统
CN109194596A (zh) 一种基于稀疏贝叶斯学习的水声ofdm时变信道估计方法
CN102143113B (zh) 一种信道估计方法及装置
CN108270702A (zh) 基于MCMC的turbo迭代均衡检测方法
CN115250216A (zh) 一种基于深度学习的水声ofdm联合信道估计和信号检测方法
CN111541505A (zh) 一种面向ofdm无线通信系统的时域信道预测方法及系统
Smith et al. A communication channel density estimating generative adversarial network
CN114760176B (zh) 电力线通信自适应脉冲噪声抑制方法和装置、存储介质
CN104601512B (zh) 一种检测相位调制信号载波频偏的方法及系统
CN109450829B (zh) 数字调制信号码速率估计方法和装置
Ma et al. CNN-based automatic modulation recognition of wireless signal
CN115767756B (zh) 一种低信噪比下重要多径分量的辨识方法、系统及介质
CN113259283B (zh) 一种基于循环神经网络的单通道时频混叠信号盲分离方法
CN111490954B (zh) 信道脉冲响应的重要时延抽头选择方法及系统
CN107947899B (zh) 单载波交织频分多址系统中的多用户信噪比盲估计方法
CN114615113B (zh) 一种利用前导序列对基系数降噪的多符号bem信道估计方法
CN104270328A (zh) 一种信噪比实时估计方法
CN112202696B (zh) 基于模糊自编码器的水声信号自动调制识别方法
CN111865849B (zh) 一种信号调制的方法、装置和服务器
CN112995072B (zh) 信道估计方法、装置、计算机设备和存储介质
CN110198196B (zh) 通信系统中基于信号强度的振幅估计方法
CN106453165B (zh) 一种dft－base信道估计方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant