CN118074838A - 一种无线信道多径分簇方法、装置、设备及介质 - Google Patents

一种无线信道多径分簇方法、装置、设备及介质 Download PDF

Info

Publication number
CN118074838A
CN118074838A CN202410345739.XA CN202410345739A CN118074838A CN 118074838 A CN118074838 A CN 118074838A CN 202410345739 A CN202410345739 A CN 202410345739A CN 118074838 A CN118074838 A CN 118074838A
Authority
CN
China
Prior art keywords
cluster
multipath
clustering
density
point
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.)
Pending
Application number
CN202410345739.XA
Other languages
English (en)
Inventor
张晓瀛
米渊
魏急波
刘潇然
赵海涛
熊俊
辜方林
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202410345739.XA priority Critical patent/CN118074838A/zh
Publication of CN118074838A publication Critical patent/CN118074838A/zh
Pending legal-status Critical Current

Links

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

  • Noise Elimination (AREA)

Abstract

本申请公开了一种无线信道多径分簇方法、装置、设备及介质，涉及无线信道探测与建模技术领域，包括获取无线信道的信道数据，利用信道模型对所述信道数据进行计算，以得到分簇参数；利用核密度函数对所述分簇参数进行计算，以得到多径密度，根据所述多径密度计算相对密度；基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的非簇心多径点建立弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表；计算所述簇分类表的簇内紧度，判断所述簇内紧度是否大于预设阈值，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表。本申请能够提高无线信道多径分簇效果。

Description

一种无线信道多径分簇方法、装置、设备及介质
技术领域
本发明涉及无线信道探测与建模技术领域，特别涉及一种无线信道多径分簇方法、装置、设备及介质。
背景技术
无线信道中多径簇的划分算法已经历了广泛的研究，整个分簇算法大致可以分为两类，一类是基于区域划分的聚类算法，该类算法以经典的Kpowermean(多径簇识别)算法最为广泛，该算法的主要步骤与K-mean(k-means clustering algorithm，k均值聚类)算法相近，但由于在实际的物理信道中，簇的数量是未知的，所以需提前给定簇的数目K的范围[K_min，K_max]，之后随机初始化K个簇心，以功率为权重，计算每个信号点与簇心之间的MCD(Multipath Component Distance，多径分量距离)，分类后使用重新划分的信号点计算簇心位置，直至簇心的位置不再变化或到达最大循环次数，之后采用CH指数与DB指数联合估计的方法选择最优的簇数量，缺点在于由于簇心的随机选择会导致分簇结果的随机性较大。第二类是密度算法，密度识别算法以DBSCAN(Density-Based Spatial ClusteringofApplications with Noise，基于密度的聚类算法)为代表，主要思想为在数据中找到具有高密度的数据点聚类，并剔除稀疏密度的噪声点，算法主要包含两个参数，半径与最小样本数，随机选择一个数据点并以该点为圆心绘制半径为∈的圆，若圆内包含大于等于最小样本数个数据点，则将该点标记为核心点，并将周围数据点合成一个簇并以∈为半径进行扩展，否则认为该点为噪声点，通过不断的簇生长，直至所有数据点被访问，缺点在于半径与最小样本数两个参数的选择易造成错误的聚类结果。
由上可见，如何提高无线信道多径分簇效果是本领域有待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种无线信道多径分簇方法、装置、设备及介质，能够提高无线信道多径分簇效果。其具体方案如下：
第一方面，本申请公开了一种无线信道多径分簇方法，包括：
获取无线信道的信道数据，利用预设的信道模型对所述信道数据进行计算，以得到分簇参数；
利用核密度函数对所述分簇参数进行计算，以得到多径密度，根据所述多径密度计算相对密度；
基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的非簇心多径点建立弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表；
计算所述簇分类表的簇内紧度，判断所述簇内紧度是否大于预设阈值，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表。
可选的，所述信道模型为：
其中，t为时变，τ为时延域的变量表示，θ为接收端所接收到的来波方向的方位角信息，M为簇的数量，Nm为第m个簇内的多径数量，αm，n为第m个簇内的第n条多径的信号功率，φm，n为第m个簇内第n条路径的相位，δ()为狄拉克函数，τm为第m个簇的首径时延，τm，n为第m个簇内，第n条径相对于首径的超额时延。
可选的，所述利用核密度函数对所述分簇参数进行计算，包括：
利用所述核密度函数并基于预设的核密度计算公式对所述分簇参数进行计算；所述核密度计算公式为：
其中，y为多径分量对应的点的索引，Kx为距离径x最近的K个值的集合，α为信号的幅度信息，τx为径x的时延，τy为距离径x最近的K个点的中点y的时延，στ为时延域上信号分布的标准差，θx为接收端所接收到的径x的方位角信息，θy为接收端所接收到的径y的方位角信息，σθ为到达方位角θ的标准差。
可选的，所述根据所述多径密度计算相对密度，包括：
将所述多径密度代入至预设的相对密度计算公式，以计算所述相对密度；所述相对密度计算公式为：
其中，y为多径分量，Kx为距离点x最近的K个值的集合，ρx为点x的多径密度，ρy为点y的多径密度。
可选的，所述根据除所述簇心多径点之外的非簇心多径点建立弧方向表，包括：
根据除所述簇心多径点之外的所述非簇心多径点生成信号点索引表，从所述信号点索引表中筛选目标信号点索引；
基于所述目标信号点索引建立所述弧方向表。
可选的，所述计算所述簇分类表的簇内紧度，包括：
利用预设的簇内紧度计算公式计算所述簇分类表的簇内紧度；所述簇内紧度计算公式为：
其中，Si为第i个簇的紧度，Li为第i个簇内径的个数，Ci为第i个簇的多径点集合，xj为第j个多径点，φi为簇心，MCD为多径分量距离；
MCD在时延域角度的计算公式为：
MCD在多普勒角度的计算公式为：
τi为多径点i的时延，τj为多径点j的时延，Δτmax为全域范围内最大的时延差，fj为多径点j的最强多普勒所对应的频移，fi为多径点i的最强多普勒所对应的频移，fmax为全域内所有多径点的最强多普勒所对应的频移的绝对值的最大值。
可选的，所述对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表，包括：
对所述簇分类表进行孤立径去除处理，以得到孤立径去除处理后的所述簇分类表；
按照预设的簇合并条件对孤立径去除处理后的所述簇分类表进行簇合并操作，以得到多径点分簇的目标簇分类表。
第二方面，本申请公开了一种无线信道多径分簇装置，包括：
信道数据计算模块，用于获取信道数据，利用预设的信道模型对所述信道数据进行计算，以得到分簇参数；
多径密度计算模块，用于利用核密度函数对所述分簇参数进行计算，以得到多径密度，根据所述多径密度计算相对密度；
初始化分簇模块，用于基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的非簇心多径点建立弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表；
目标簇分类表确定模块，用于计算所述簇分类表的簇内紧度，判断所述簇内紧度是否大于预设阈值，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表。
第三方面，本申请公开了一种电子设备，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现前述的无线信道多径分簇方法。
第四方面，本申请公开了一种计算机存储介质，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的无线信道多径分簇方法的步骤。
可见，本申请提供了一种无线信道多径分簇方法，包括获取无线信道的信道数据，利用预设的信道模型对所述信道数据进行计算，以得到分簇参数；利用核密度函数对所述分簇参数进行计算，以得到多径密度，根据所述多径密度计算相对密度；基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的非簇心多径点建立弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表；计算所述簇分类表的簇内紧度，判断所述簇内紧度是否大于预设阈值，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表。本申请利用利用核密度函数对信道模型计算出的分簇参数进行计算，得到多径密度，并计算出相对密度，从而确定出簇心多径点，以便建立弧方向表，并对非簇心多径点进行初始化分簇，判断簇内紧度是否大于预设阈值，若大于，则进行表进行孤立径去除处理，所以能够解决分簇结果随机性较大的问题，从而提高无线信道多径分簇效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种无线信道多径分簇方法流程图；
图2为本申请公开的一种实际采集得到的多径图；
图3为本申请公开的一种进行去除孤立点的核心思路图；
图4为本申请公开的一种多径点分簇的分簇结果图；
图5为本申请公开的一种无线信道多径分簇装置结构示意图；
图6为本申请提供的一种电子设备结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
无线信道中多径簇的划分算法已经历了广泛的研究，整个分簇算法大致可以分为两类，一类是基于区域划分的聚类算法，该类算法以经典的Kpowermean算法最为广泛，该算法的主要步骤与K-mean算法相近，但由于在实际的物理信道中，簇的数量是未知的，所以需提前给定簇的数目K的范围[K_min，K_max]，之后随机初始化K个簇心，以功率为权重，计算每个信号点与簇心之间的MCD(Multipath Component Distance，多径分量距离)，分类后使用重新划分的信号点计算簇心位置，直至簇心的位置不再变化或到达最大循环次数，之后采用CH指数与DB指数联合估计的方法选择最优的簇数量，缺点在于由于簇心的随机选择会导致分簇结果的随机性较大。第二类是密度算法，密度识别算法以DBSCAN为代表，主要思想为在数据中找到具有高密度的数据点聚类，并剔除稀疏密度的噪声点，算法主要包含两个参数，半径与最小样本数，随机选择一个数据点并以该点为圆心绘制半径为∈的圆，若圆内包含大于等于最小样本数个数据点，则将该点标记为核心点，并将周围数据点合成一个簇并以∈为半径进行扩展，否则认为该点为噪声点，通过不断的簇生长，直至所有数据点被访问，缺点在于半径与最小样本数两个参数的选择易造成错误的聚类结果。由上可见，如何提高无线信道多径分簇效果是本领域有待解决的问题。
参见图1所示，本发明实施例公开了一种无线信道多径分簇方法，具体可以包括：
步骤S11：获取无线信道的信道数据，利用预设的信道模型对所述信道数据进行计算，以得到分簇参数。
本实施例中，首先经过实际的信道探测获得初始信道数据，并通过SAGE(一种迭代优化算法)提取出多径时延、角度等信息，得到信道数据，实际采集得到的多径图如图2所示，然后基于预设的信道模型实现无线信道多径分簇，信道模型为：
t为时变，τ为时延域的变量表示，θ为接收端所接收到的来波方向的方位角信息，M为簇的数量，Nm为第m个簇内的多径数量，αm，n为第m个簇内的第n条多径的信号功率，φm，n为第m个簇内第n条路径的相位，δ()为狄拉克函数，τm为第m个簇的首径时延，τm，n为第m个簇内，第n条径相对于首径的超额时延。
其中，φm，n＝2πft+φn；
f为多普勒频移，f=fc·v/c·cosθ，θ为到达方向的方位角，φn为第n条路径的随机相位，将其建模为在[0，2π]上均匀分布。
步骤S12：利用核密度函数对所述分簇参数进行计算，以得到多径密度，根据所述多径密度计算相对密度。
本实施例中，多径点的密度计算的核心思想为：信号点越密集的地方，密度越大。本算法使用核密度进行密度计算是通过目标点领域内最近的K个值与目标点之间的距离体现目标点的密度。核密度本质是权重，通过所有对象对所求点的密度值的贡献对簇中的目标多径点进行有偏估计。密度与目标点和邻近点之间的距离成负关系，离目标点越近，对目标点密度的贡献值越大。
具体的，利用所述核密度函数并基于预设的核密度计算公式对所述分簇参数进行计算；所述核密度计算公式为：
其中，y为多径分量对应的点的索引，y≠x，Kx为距离径x最近的K个值的集合，α为信号的幅度信息，τx为径x的时延，τy为距离径x最近的K个点的中点y的时延，στ为时延域上信号分布的标准差，θx为接收端所接收到的径x的方位角信息，θy为接收端所接收到的径y的方位角信息，σθ为到达方位角θ的标准差。
多径分量y的幅度ay采用指数的形式作用于ρx，主要有两个原因：1)增加多径分量之间的距离；2)功率越强的多径，其周围的信号点密度越大，可以使高密度点位于强功率附近。时延特性选择高斯核密度，原因为时延域并没有一个确切的分布，στ指时延域上信号分布的标准差。θ表示到达接收端的方位角，本发明只考虑方位角，同时在MIMO(Multi-InputMulti-Out，多进多出)信道探测中，也可以扩展到俯仰角。
本实施例中，通过核密度的计算方法会使得不同簇之间的密度差别太大，导致低密度很容易被认为是噪声，所以需引入相对密度，相对密度ρx *的计算方法是通过目标多径点周围最近K个多径点的密度计算得到。
计算相对密度的流程如下：将所述多径密度代入至预设的相对密度计算公式，以计算所述相对密度；所述相对密度计算公式为：
其中，y为多径分量，Kx为距离点x最近的K个值的集合，ρx为点x的多径密度，ρy为点y的多径密度。
步骤S13：基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的非簇心多径点建立弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表。
本实施例中，基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的所述非簇心多径点生成信号点索引表，从所述信号点索引表中筛选目标信号点索引，基于所述目标信号点索引建立所述弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表。
一般选择相对密度为1的点作为初始的簇心多径点，即ρx *＝1。对于非簇心多径点x，设是离x最近且密度大于x的点，建立以x为弧尾指向/>为弧头的一段弧/>对每个非簇心的点均建立其指向距离最近且密度大于自身的一段弧，由此建立起弧方向表，任何一个多径点可以顺着弧线找到最终归类的簇心，具体流程如下：(1)选取第i个非簇心多径点为弧尾，设其索引为xi；(2)得到与xi距离由近及远的信号点索引表{y1′，y2′，...，yT-1′}，yj′为按照距离排列的第j个点的索引；(3)对信号点索引表{y1′，y2′，...，yT-1′}从1|(T-1)，得到与非簇心多径点最近且相对密度大于xi的信号点索引，记为yj；(4)将<xi，yj>放置于方向表第j行，得到弧方向表。
初始化分簇的具体流程如下：设簇心索引集合为Φ，簇心数量为N，多径信号的个数为T，初始的簇分类表为E2(Φ，X)；取第i个簇心索引记为φi；以1-T顺序选取非簇心的信号点xi，根据方向表E1(X，Y)判断是否进行初始化分簇；最终到达簇心φi，将簇心与可到达的信号点放于E2(Φ，X)的第i行；不断重复上式步骤直到所有信号点被分类，得到最终的簇分类表。
步骤S14：计算所述簇分类表的簇内紧度，判断所述簇内紧度是否大于预设阈值，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表。
本实施例中，在实际的物理信道中，并不是所有的径均属于簇，尤其散射体的稀疏性会导致存在孤立的径，通过簇内紧度的计算可以判断分簇的性能，计算簇内紧度的流程如下：利用预设的簇内紧度计算公式计算所述簇分类表的簇内紧度；所述簇内紧度计算公式为：
其中，Si为第i个簇的紧度，Li为第i个簇内径的个数，Ci为第i个簇的多径点集合，xj为第j个多径点，φi为簇心，MCD为多径分量距离；
MCD在时延域角度的计算公式为：
MCD在多普勒角度的计算公式为：
τi为多径点i的时延，τj为多径点j的时延，Δτmax为全域范围内最大的时延差，fj为多径点j的最强多普勒所对应的频移，fi为多径点i的最强多普勒所对应的频移，fmax为全域内所有多径点的最强多普勒所对应的频移的绝对值的最大值。
本实施例中，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到孤立径去除处理后的所述簇分类表，按照预设的簇合并条件对孤立径去除处理后的所述簇分类表进行簇合并操作，以得到多径点分簇的目标簇分类表。
具体的，进行去除孤立点的核心思路如图3所示，对簇分类表中第i个簇(第i行)计算簇内紧度Si，并设置簇的阈值Sχ，若第i个簇的紧度小于Sχ，则认为簇内无孤立径，分簇良好，若第i个簇的紧度大于Sχ，则计算簇心φi及最近的K个值共K+1个点计算圆的半径rK，设集合Eexd，将簇心以及最近K个值放入集合Eexd中，并以Eexd内的点为圆心，rK为半径，认为所有点离Eexd距离小于rK的点均加入集合Eexd中，去除Eexd中的重复元素，不断重复上述两个步骤，直至集合Eexd中的点的数目不再发生变化，将Eexd中的元素替换簇分类表的第i行，以得到孤立径去除处理后的所述簇分类表，然后进行簇合并操作。
KPD(Ketyrnel-Power-Densi)算法给出的簇的合并的条件为：两个簇心之间若存在一条链路，该链路上任意多径分量的相对密度ρ*大于界限值χ，则认为这两个簇可以合并。上述条件可以转换为：两个簇从簇心开始向外扩张，每次选择K个离初始点最近的且相对密度大于阈值χ的多径点，直到扩张到最大，若两个集合有交集，则认为两个簇可以合并。簇合并操作的具体流程如下：将簇心φi放入集合Kexd中初始化，该变量将存放所有扩展后的多径索引值，将簇心φi放入集合N_ew中，该变量将存放新生成的将作为下一循环生成点的变量；得到集合New，中个多径点的邻近K个多径点，并将相对密度大于阈值的多径点存入Kexd中，并去除Kexd中的重复多径点，并将新生成的点存入集合中New；直至Kexd中的变量不再发生变化，以得到多径点分簇的目标簇分类表，图4为经过本申请的无线信道多径分簇得到的分簇结果图。
本实施例中，获取无线信道的信道数据，利用预设的信道模型对所述信道数据进行计算，以得到分簇参数；利用核密度函数对所述分簇参数进行计算，以得到多径密度，根据所述多径密度计算相对密度；基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的非簇心多径点建立弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表；计算所述簇分类表的簇内紧度，判断所述簇内紧度是否大于预设阈值，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表。本申请利用利用核密度函数对信道模型计算出的分簇参数进行计算，得到多径密度，并计算出相对密度，从而确定出簇心多径点，以便建立弧方向表，并对非簇心多径点进行初始化分簇，判断簇内紧度是否大于预设阈值，若大于，则进行表进行孤立径去除处理，所以能够解决分簇结果随机性较大的问题，从而提高无线信道多径分簇效果。
参见图5所示，本发明实施例公开了一种无线信道多径分簇装置，具体可以包括：
信道数据计算模块11，用于获取信道数据，利用预设的信道模型对所述信道数据进行计算，以得到分簇参数；
多径密度计算模块12，用于利用核密度函数对所述分簇参数进行计算，以得到多径密度，根据所述多径密度计算相对密度；
初始化分簇模块13，用于基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的非簇心多径点建立弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表；
目标簇分类表确定模块14，用于计算所述簇分类表的簇内紧度，判断所述簇内紧度是否大于预设阈值，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表。
本实施例中，获取无线信道的信道数据，利用预设的信道模型对所述信道数据进行计算，以得到分簇参数；利用核密度函数对所述分簇参数进行计算，以得到多径密度，根据所述多径密度计算相对密度；基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的非簇心多径点建立弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表；计算所述簇分类表的簇内紧度，判断所述簇内紧度是否大于预设阈值，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表。本申请利用利用核密度函数对信道模型计算出的分簇参数进行计算，得到多径密度，并计算出相对密度，从而确定出簇心多径点，以便建立弧方向表，并对非簇心多径点进行初始化分簇，判断簇内紧度是否大于预设阈值，若大于，则进行表进行孤立径去除处理，所以能够解决分簇结果随机性较大的问题，从而提高无线信道多径分簇效果。
在一些具体实施例中，所述信道模型为：
其中，t为时变，τ为时延域的变量表示，θ为接收端所接收到的来波方向的方位角信息，M为簇的数量，Nm为第m个簇内的多径数量，αm，n为第m个簇内的第n条多径的信号功率，φm，n为第m个簇内第n条路径的相位，δ()为狄拉克函数，τm为第m个簇的首径时延，τm，n为第m个簇内，第n条径相对于首径的超额时延。
在一些具体实施例中，所述多径密度计算模块12，具体可以包括：
分簇参数计算模块，用于利用所述核密度函数并基于预设的核密度计算公式对所述分簇参数进行计算；所述核密度计算公式为：
其中，y为多径分量对应的点的索引，Kx为距离径x最近的K个值的集合，α为信号的幅度信息，τx为径x的时延，τy为距离径x最近的K个点的中点y的时延，στ为时延域上信号分布的标准差，θx为接收端所接收到的径x的方位角信息，θy为接收端所接收到的径y的方位角信息，σθ为到达方位角θ的标准差。
在一些具体实施例中，所述多径密度计算模块12，具体可以包括：
相对密度模块，用于将所述多径密度代入至预设的相对密度计算公式，以计算所述相对密度；所述相对密度计算公式为：
其中，y为多径分量，Kx为距离点x最近的K个值的集合，ρx为点x的多径密度，ρy为点y的多径密度。
在一些具体实施例中，所述初始化分簇模块13，具体可以包括：
信号点索引表生成模块，用于根据除所述簇心多径点之外的所述非簇心多径点生成信号点索引表，从所述信号点索引表中筛选目标信号点索引；
弧方向表建立模块，用于基于所述目标信号点索引建立所述弧方向表。
在一些具体实施例中，所述目标簇分类表确定模块14，具体可以包括：
簇内紧度计算模块，用于利用预设的簇内紧度计算公式计算所述簇分类表的簇内紧度；所述簇内紧度计算公式为：
其中，Si为第i个簇的紧度，Li为第i个簇内径的个数，Ci为第i个簇的多径点集合，xj为第j个多径点，φi为簇心，MCD为多径分量距离；
MCD在时延域角度的计算公式为：
MCD在多普勒角度的计算公式为：
τi为多径点i的时延，τj为多径点j的时延，Δτmax为全域范围内最大的时延差，fj为多径点j的最强多普勒所对应的频移，fi为多径点i的最强多普勒所对应的频移，fmax为全域内所有多径点的最强多普勒所对应的频移的绝对值的最大值。
在一些具体实施例中，所述目标簇分类表确定模块14，具体可以包括：
孤立径去除处理模块，用于对所述簇分类表进行孤立径去除处理，以得到孤立径去除处理后的所述簇分类表；
簇合并模块，用于按照预设的簇合并条件对孤立径去除处理后的所述簇分类表进行簇合并操作，以得到多径点分簇的目标簇分类表。
图6为本申请实施例提供的一种电子设备的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的由电子设备执行的无线信道多径分簇方法中的相关步骤。
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源包括操作系统221、计算机程序222及数据223等，存储方式可以是短暂存储或者永久存储。
其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，以实现处理器21对存储器22中数据223的运算与处理，其可以是Windows、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的无线信道多径分簇方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。数据223除了可以包括无线信道多径分簇设备接收到的由外部设备传输进来的数据，也可以包括由自身输入输出接口25采集到的数据等。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
进一步的，本申请实施例还公开了一种计算机可读存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行时，实现前述任一实施例公开的无线信道多径分簇方法步骤。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种无线信道多径分簇方法、装置、设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种无线信道多径分簇方法，其特征在于，包括：
获取无线信道的信道数据，利用预设的信道模型对所述信道数据进行计算，以得到分簇参数；
利用核密度函数对所述分簇参数进行计算，以得到多径密度，根据所述多径密度计算相对密度；
基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的非簇心多径点建立弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表；
计算所述簇分类表的簇内紧度，判断所述簇内紧度是否大于预设阈值，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表。
2.根据权利要求1所述的无线信道多径分簇方法，其特征在于，所述信道模型为：
其中，t为时变，τ为时延域的变量表示，θ为接收端所接收到的来波方向的方位角信息，M为簇的数量，Nm为第m个簇内的多径数量，αm，n为第m个簇内的第n条多径的信号功率，φm，n为第m个簇内第n条路径的相位，δ()为狄拉克函数，τm为第m个簇的首径时延，τm，n为第m个簇内，第n条径相对于首径的超额时延。
3.根据权利要求1所述的无线信道多径分簇方法，其特征在于，所述利用核密度函数对所述分簇参数进行计算，包括：
利用所述核密度函数并基于预设的核密度计算公式对所述分簇参数进行计算；所述核密度计算公式为：
其中，y为多径分量对应的点的索引，Kx为距离径x最近的K个值的集合，α为信号的幅度信息，τx为径x的时延，τy为距离径x最近的K个点的中点y的时延，στ为时延域上信号分布的标准差，θx为接收端所接收到的径x的方位角信息，θy为接收端所接收到的径y的方位角信息，σθ为到达方位角θ的标准差。
4.根据权利要求1所述的无线信道多径分簇方法，其特征在于，所述根据所述多径密度计算相对密度，包括：
将所述多径密度代入至预设的相对密度计算公式，以计算所述相对密度；所述相对密度计算公式为：
其中，y为多径分量，Kx为距离点x最近的K个值的集合，ρx为点x的多径密度，ρy为点y的多径密度。
5.根据权利要求1所述的无线信道多径分簇方法，其特征在于，所述根据除所述簇心多径点之外的非簇心多径点建立弧方向表，包括：
根据除所述簇心多径点之外的所述非簇心多径点生成信号点索引表，从所述信号点索引表中筛选目标信号点索引；
基于所述目标信号点索引建立所述弧方向表。
6.根据权利要求1所述的无线信道多径分簇方法，其特征在于，所述计算所述簇分类表的簇内紧度，包括：
利用预设的簇内紧度计算公式计算所述簇分类表的簇内紧度；所述簇内紧度计算公式为：
其中，Si为第i个簇的紧度，Li为第i个簇内径的个数，Ci为第i个簇的多径点集合，xj为第j个多径点，φi为簇心，MCD为多径分量距离；
MCD在时延域角度的计算公式为：
MCD在多普勒角度的计算公式为：
τi为多径点i的时延，τj为多径点j的时延，Δτmax为全域范围内最大的时延差，fj为多径点j的最强多普勒所对应的频移，fi为多径点i的最强多普勒所对应的频移，fmax为全域内所有多径点的最强多普勒所对应的频移的绝对值的最大值。
7.根据权利要求1至6任一项所述的无线信道多径分簇方法，其特征在于，所述对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表，包括：
对所述簇分类表进行孤立径去除处理，以得到孤立径去除处理后的所述簇分类表；
按照预设的簇合并条件对孤立径去除处理后的所述簇分类表进行簇合并操作，以得到多径点分簇的目标簇分类表。
8.一种无线信道多径分簇装置，其特征在于，包括：
信道数据计算模块，用于获取无线信道的信道数据，利用预设的信道模型对所述信道数据进行计算，以得到分簇参数；
多径密度计算模块，用于利用核密度函数对所述分簇参数进行计算，以得到多径密度，根据所述多径密度计算相对密度；
初始化分簇模块，用于基于所述相对密度确定簇心多径点，根据除所述簇心多径点之外的非簇心多径点建立弧方向表，基于所述弧方向表对所述非簇心多径点进行初始化分簇，以得到簇分类表；
目标簇分类表确定模块，用于计算所述簇分类表的簇内紧度，判断所述簇内紧度是否大于预设阈值，若所述簇内紧度大于预设阈值，则对所述簇分类表进行孤立径去除处理，以得到多径点分簇的目标簇分类表。
9.一种电子设备，其特征在于，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的无线信道多径分簇方法。
10.一种计算机可读存储介质，其特征在于，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的无线信道多径分簇方法。
CN202410345739.XA 2024-03-25 2024-03-25 一种无线信道多径分簇方法、装置、设备及介质 Pending CN118074838A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410345739.XA CN118074838A (zh) 2024-03-25 2024-03-25 一种无线信道多径分簇方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410345739.XA CN118074838A (zh) 2024-03-25 2024-03-25 一种无线信道多径分簇方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN118074838A true CN118074838A (zh) 2024-05-24

Family

ID=91109467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410345739.XA Pending CN118074838A (zh) 2024-03-25 2024-03-25 一种无线信道多径分簇方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN118074838A (zh)

Similar Documents

Publication Publication Date Title
US10070264B2 (en) Automated WLAN radio map construction method and system
CN109450834B (zh) 基于多特征关联和贝叶斯网络的通信信号分类识别方法
JP5934846B2 (ja) 球面復号化検出方法及び装置
US20180089566A1 (en) Method and apparatus for positioning of artificial neural network
CN113435247B (zh) 一种通信干扰智能识别方法、系统及终端
CN109120435B (zh) 网络链路质量预测方法、装置及可读存储介质
CN109829477B (zh) 基于启发式聚类的多属性物理层认证方法、装置和服务器
Wan et al. Autonomous vehicle source enumeration exploiting non-cooperative UAV in software defined internet of vehicles
CN109490826A (zh) 一种基于无线电波场强rssi的测距与位置定位方法
Amditis et al. Multiple hypothesis tracking implementation
CN105405118A (zh) 基于量子衍生混合蛙跳的水下声纳图像目标检测方法
CN105842666B (zh) 基于差分算法的雷达子阵划分优化方法
CN114004259A (zh) 基于改进社区合并的雷达信号密度峰值聚类方法
Li A novel recognition algorithm based on holder coefficient theory and interval gray relation classifier
CN114745233A (zh) 一种基于导频设计的联合信道估计方法
Chanama et al. A comparison of decision tree based techniques for indoor positioning system
US11310083B2 (en) Method and system for selecting important delay taps of channel impulse response
CN118074838A (zh) 一种无线信道多径分簇方法、装置、设备及介质
CN114423025B (zh) 一种场景识别方法、装置、设备以及存储介质
CN104639495A (zh) 星座软解映射的方法和装置
Sun et al. Deep convolutional neural networks enabled fingerprint localization for massive MIMO-OFDM system
CN112437485B (zh) 一种基于神经网络的指纹空间插值法的定位方法及装置
CN110543664B (zh) 一种面向具有特有结构fpga的工艺映射方法
CN114785433A (zh) 信道场景识别的方法、网络设备及存储介质
Ni et al. Fast direct-position-determination based on PSO

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