[發明專利]一種無線信道測量中基于神經網絡的偽徑消除方法

有效

• 申請號: 201910867595.3
• 申請日: 2019-09-13
• 公開（公告）號: CN110798271B
• 公開（公告）日: 2021-10-12
• 發明（設計）人: 張若南;徐浩晨;蔣毅;唐曉;王大偉
• 申請（專利權）人: 西北工業大學
• 主分類號: H04B17/30
• 分類號: H04B17/30;H04L12/24
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種信道測量中基于神經網絡的偽徑消除方法，其特征在于，所述基于神經網絡的偽徑消除方法包括以下步驟：

步驟一，利用信道測量采集的時延功率譜構建測量數據矩陣；

步驟二，尋找存在偽徑的可疑時延窗，剔除存在偽徑的可疑時延窗的數據；

步驟三，利用不存在偽徑的時延窗的數據構建神經網絡；

步驟四，向神經網絡輸入全部時延窗標號，訓練得到新的時延功率譜數據矩陣；

步驟五，判斷新的時延功率譜數據矩陣是否已經消除偽徑；

步驟六，結束并輸出數據；

所述步驟一中，數據測量矩陣的構建方法如下：

1)定義在測量場景下一共得到N組測量數據，獲得N組時延功率譜；每組數據有M個時延窗，表示時延從1到M；

2)在信道測量技術中，收發端約定一組特定長度的偽隨機序列，發射端發射該序列經過調制后的電信號，接收端在接收到信號后利用接收信號與存于本地的PN序列相關運算來獲取信道沖激響應，并依此計算PDP；

3)若PN序列長度為M，則PDP有M個時延窗，時延窗以碼片為單位；構建矩陣MP₀為M×N的矩陣；矩陣的每一列代表一組測量數據中M個時延窗的歸一化功率值，矩陣的N行則代表在該場景下得到N組測量數據，下標0代表該矩陣為初始數據矩陣，每經過一次剔除偽徑操作，獲得新的數據矩陣，下標增加1；

用MP_i表示進行第i次剔除偽徑操作前的數據矩陣，MP_i+1表示第i此剔除偽徑操作后的數據矩陣，每次新得到的數據矩陣尺寸不會被改變；

所述步驟二中，確定可能存在偽徑的可疑的時延窗的方法如下：

1)對矩陣的每一列求前向差分，得到大小為(M-1)×N的新的矩陣MPd_i，其中，矩陣MPd_i表示PDP中相鄰時延窗之間變化的劇烈程度；

2)對矩陣MPd_i的每一行數據進行K-means聚類，類數量為1；聚類后得到由每一行數據所聚的類的簇心值所構成的長度為(M-1)的向量c；其中的每一個元素c_m，m∈(1，2，…M-1)代表每一個類的唯一簇心；

3)計算向量的L1范數，得到向量L_i＝[L₁,L₂,…L_M-1]^T，其中E_n表示尺寸為N×N的單位矩陣，c_n表示向量c中的第n個元素；

4)對向量L_i中的元素由小到大排序，得到新的向量Ls_i＝[L_a1，L_a2，…L_a(M-1)]^T，其下標ak代表了時延窗的標號；

5)對Ls_i求前項差分，得到向量Ls′_i＝[L_b1，L_b2，…L_b(M-2)]^T，其下標bk代表了時延窗的標號；

6)找到向量Ls′_i中的最大值則可能存在偽徑的時延窗為[a1，a2，…bkT_max]，不存在偽徑的時延窗為：

τ_i＝[(bk_max+1),(bk_max+2),…,a(M-1)]^T；

計算矩陣MPd_i每一行的N個數據與簇心c_m之差的絕對值并求和，計算公式：

其中，L_m為向量的L₁范數，表示矩陣由MPd_i第n行數據按其在矩陣MPd_i中的排列順序所組成的向量，diag(E_n)為長度為n的全1列向量；向量[L₁,L₂,…L_M-1]^T代表N測量數據在相鄰時延窗之間變化的劇烈程度；

所述步驟三中，利用不存在偽徑的時延窗的數據構建神經網絡的方法為：

用于獲得神經網絡參數集的樣本為時延窗向量τ_i與其所對應的測試數據的功率強度值；從向量τ_i中隨機選取70％作為訓練集的輸入，若時延窗數量為A，相應的大小為A×N的時延窗的功率強度值矩陣MPt_i作為訓練集的輸出，另外30％的時延窗標號及其相應功率強度值矩陣作為驗證集數據，得到構建的神經網絡；

所述步驟四中，利用已構建的神經網絡作為重構時延功率譜的工具，將全部M個時延窗標號作為網絡輸入送入該神經網絡，網絡輸出的M×N的矩陣即為一次偽徑消除操作后的數據矩陣，記為MP_i+1；

所述步驟五中的判斷方法包括：設定一個閾值ε，當時判定偽徑消除完成，停止偽徑消除并輸出步驟四得到的MP_i+1作為消除偽徑后的PDP矩陣；否則判定尚有偽徑存在并轉回步驟二；當前MP_i+1為消除偽徑后的數據矩陣。

2.一種應用權利要求1所述一種信道測量中基于神經網絡的偽徑消除方法的信道測量系統。