[發(fā)明專利]一種對(duì)抗式無(wú)線通信信道模型估計(jì)和預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110067064.3
• 申請(qǐng)日: 2021-01-19
• 公開（公告）號(hào): CN112865898A
• 公開（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 李攀攀;王贈(zèng)凱;趙一凡;林逸風(fēng);謝正霞
• 申請(qǐng)（專利權(quán)）人: 嘉興學(xué)院;浙江省電子信息產(chǎn)品檢驗(yàn)研究院
• 主分類號(hào): H04B17/391
• 分類號(hào): H04B17/391;G06K9/62;G06N3/04
• 代理公司: 濟(jì)南信在專利代理事務(wù)所(特殊普通合伙) 37271
• 代理人: 黃波

1.一種對(duì)抗式無(wú)線通信信道模型估計(jì)和預(yù)測(cè)方法，其特征在于，該對(duì)抗式無(wú)線通信信道模型估計(jì)和預(yù)測(cè)方法包括下列步驟：

S1、數(shù)據(jù)初始化，從源數(shù)據(jù)中隨機(jī)抽取N個(gè)歷史無(wú)線信道模型作為樣本數(shù)據(jù)集，對(duì)信道模型進(jìn)行歸一化；

S2、信道模型聚類，采用動(dòng)態(tài)時(shí)間規(guī)整衡量?jī)蓚€(gè)長(zhǎng)度不同的時(shí)間序列信道模型的相似度，基于動(dòng)態(tài)時(shí)間規(guī)整對(duì)信道模型數(shù)據(jù)進(jìn)行聚類；

S3、信道模型預(yù)測(cè)，基于LSTM動(dòng)態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)遞歸模型進(jìn)行信道模型預(yù)測(cè)模型；

S4、信道模型預(yù)測(cè)模型修正，基于對(duì)抗網(wǎng)絡(luò)的信道模型預(yù)測(cè)模型增量修正方法對(duì)信號(hào)模型預(yù)測(cè)模型進(jìn)行修正。

2.根據(jù)權(quán)利要求1所述的一種對(duì)抗式無(wú)線通信信道模型估計(jì)和預(yù)測(cè)方法，其特征在于，所述數(shù)據(jù)初始化包括下列步驟：

a、假設(shè)所有信道模型各轉(zhuǎn)移矩陣參數(shù)的變化都是相互獨(dú)立的，使用min-max標(biāo)準(zhǔn)化方法對(duì)所有信道模型數(shù)據(jù)實(shí)施歸一化處理，如下：

b、采用伯努利抽樣，在給定相對(duì)誤差ε和精度ρ的條件下，即其中D為信道模型數(shù)據(jù)集，Op(D)是在數(shù)據(jù)集上的操作，是Op(D)的一個(gè)無(wú)偏估計(jì)量，計(jì)算樣本量下限q，即

ω(D_k)是Op在等價(jià)類D_k分量上的實(shí)現(xiàn)函數(shù)；μ_δ/2為標(biāo)準(zhǔn)正態(tài)分布的δ/2上分位數(shù)；Dis(D)表示信道模型數(shù)據(jù)集上等價(jià)類的個(gè)數(shù)。

c、構(gòu)建矩陣；以樣本信道模型數(shù)據(jù)集中最近測(cè)量的time_d作為基準(zhǔn)時(shí)間戳，隨機(jī)選取g個(gè)大小為k個(gè)time_d的窗口作為矩陣的行，信道模型參數(shù)如轉(zhuǎn)移矩陣、信道沖擊響應(yīng)等作為信息屬性列，信道模型的變化作為決策屬性列。

d、屬性辨識(shí)矩陣；令步驟c構(gòu)建的矩陣為信息系統(tǒng)T(U，A，F(xiàn)，Class)，記U/R_A＝{[x_i]_A|x_i∈U}，D([x_i]_A，[x_j]_A)＝{a_k∈A|f_k(x_i)≠f_k(x_j)}，稱d([x_i]_A，[x_j]_A)為[x_i]_A與[x_j]_A為與的屬性辨識(shí)集。稱D＝{D([x_i]_A，[x_j]_A)|[x_i]_A，[x_j]_A∈U/R_A}為屬性辨識(shí)矩陣。

e、主成分提??；通過(guò)步驟d構(gòu)建的辨識(shí)矩陣查找主成分B，使得采用信道模型信息屬性超圖消解法，在提取主成分時(shí)，每次選取超圖中最大公共子邊中的屬性集作為候選集，并刪除所有含有候選集屬性的超邊，如此迭代，直至超圖中不含有超邊為止，最終將所有候選集作笛卡兒積以構(gòu)成主成分屬性集合。

3.根據(jù)權(quán)利要求1所述的一種對(duì)抗式無(wú)線通信信道模型估計(jì)和預(yù)測(cè)方法，其特征在于，所述信道模型數(shù)據(jù)進(jìn)行聚類包括下列步驟：

a、假設(shè)信道模型時(shí)間序列S和T分別為長(zhǎng)度為m和n的兩個(gè)時(shí)間序列，其中S＝(S₁，S₂，...，S_m)，T＝(T₁，T₂，...，T_n)，DTW算法的目標(biāo)是能夠找到一組路徑W＝w₁，w₂，...，w_k，其中max(m，n)≤k≤m+n使得經(jīng)由上述路徑的點(diǎn)對(duì)點(diǎn)的對(duì)應(yīng)距離之和為最小，考慮時(shí)間序列的最小值來(lái)源，最終得到這兩個(gè)不等長(zhǎng)序列的最相似對(duì)于情況。

b、以樣本信道模型數(shù)據(jù)集為源，使用基于DTW距離的k-means聚類算法對(duì)樣本信道模型數(shù)據(jù)進(jìn)行聚類分析，并形成k個(gè)不同的簇，使得每個(gè)簇中的信道模型在測(cè)試窗口內(nèi)的DTW均值最小化，簇間DTW均值最大化。