[發明專利]環境反向散射通信信號處理方法有效
| 申請號: | 202011541565.2 | 申請日: | 2020-12-23 |
| 公開(公告)號: | CN112668352B | 公開(公告)日: | 2022-04-22 |
| 發明(設計)人: | 汪玉蓉;黃曉霞;陳國林 | 申請(專利權)人: | 中山大學 |
| 主分類號: | G06K7/10 | 分類號: | G06K7/10;G06K9/62;G06F17/18 |
| 代理公司: | 廣州嘉權專利商標事務所有限公司 44205 | 代理人: | 胡輝 |
| 地址: | 510275 *** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 環境 反向 散射 通信 信號 處理 方法 | ||
1.一種環境反向散射通信信號處理方法,其特征在于,包括:
獲取混合信號;所述混合信號包括多個電子標簽各自發出的通信信號,所述通信信號由所述電子標簽通過反射或不反射環境信號形成;
獲取所述混合信號在IQ域上對應的多個數據點;其中,一個所述數據點對應一個所述通信信號的一個可能狀態;所述IQ域中的數據點由所述通信信號中的I分量作為橫坐標、Q分量作為縱坐標確定;
使用基于高斯混合模型的最大期望聚類算法對各所述數據點進行聚類,確定目標點簇;所述目標點簇包括多個所述數據點;
以所述目標點簇中各所述數據點對應的所述通信信號的可能狀態,作為對所述混合信號的解碼結果進行返回;
所述使用基于高斯混合模型的最大期望聚類算法對各所述數據點進行聚類,確定目標點簇,包括:
隨機確定多個初始點簇;
使用基于高斯混合模型的最大期望聚類算法調整所述初始點簇的分布,分別確定各所述數據點屬于各所述初始點簇的概率;
將各所述數據點唯一地歸屬至最大概率所屬的所述初始點簇;
當檢測到一所述初始點簇所包括的各所述數據點能夠對應全部所述電子標簽,將該所述初始點簇確定為所述目標點簇;
所述隨機確定多個初始點簇,包括:
設定個mN所述初始點簇;其中,m為一個所述通信信號的可能狀態的數量,N為所述電子標簽的數量;m=2;
隨機設定mN個初始均值和mN個初始方差;
向每個所述初始點簇分別分配一個所述初始均值和一個所述初始方差;
將各所述初始點簇設定為由分配到的所述初始均值和所述初始方差確定的高斯分布;
所述使用基于高斯混合模型的最大期望聚類算法調整所述初始點簇的分布,分別確定各所述數據點屬于各所述初始點簇的概率,包括:
A.確定第k個所述初始點簇滿足高斯分布其中,μk為第k個所述初始點簇所滿足的高斯分布的均值,σk2為第k個所述初始點簇所滿足的高斯分布的方差;
B.根據所述初始點簇滿足的高斯分布,確定所述數據點xn屬于第k個所述初始點簇的概率為πk;
C.根據所述初始點簇滿足的高斯分布,確定所述數據點xn屬于第k個所述初始點簇的后驗概率為
D.確定所述均值的極大似然估計為所述方差的極大似然估計為所述數據點xn屬于第k個所述初始點簇的概率的極大似然估計為其中Nk為第k個所述初始點簇中包括的數據點的數量;
E.以步驟C和D執行迭代,直至所獲得的所述數據點xn屬于第k個所述初始點簇的概率的極大似然估計收斂。
2.根據權利要求1所述的環境反向散射通信信號處理方法,其特征在于,所述獲取所述混合信號在IQ域上對應的多個數據點,包括:
對所述混合信號進行IQ分解,獲取各所述通信信號的振幅信息和相位信息;其中,同一所述通信信號的所述振幅信息包括多種可能狀態;所述IQ分解獲取所述混合信號中每個分量的I分量和Q分量;
以所述振幅信息和所述相位信息作為在IQ域上的坐標以確定所述數據點。
3.根據權利要求1所述的環境反向散射通信信號處理方法,其特征在于:
所述均值的極大似然估計,是使μk的極大似然函數對μk的偏導數為零的解;
所述方差的極大似然估計,是使σk2的極大似然函數對σk2的偏導數為零的解;
所述數據點xn屬于第k個所述初始點簇的概率的極大似然估計,是使πk的極大似然函數對πk的偏導數為零的解。
4.根據權利要求1-3任一項所述的環境反向散射通信信號處理方法,其特征在于,所述環境反向散射通信信號處理方法由閱讀器執行,所述閱讀器與各所述電子標簽連接。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中山大學,未經中山大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011541565.2/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種基于雷達檢測的手勢轉動輪椅
- 下一篇:熱界面材料及其制備方法、熱管理組件





