基于空间转换c-Means的无线信道多径模糊聚类的方法及系统技术方案

本发明专利技术属于电子信息技术领域，公开了一种基于空间转换c‑Means的无线信道多径模糊聚类的方法及系统，首先将信号多径参数(包括振幅、时延、波达角和波发角)用变量空间转换的方法转换成与MCD兼容的形式后进行多径的聚类，另外该方法及系统为每个候选的多径聚类类别数K∈κ建立两个排名，在每个排名中，聚类结果都按照GD或者XB指数进行排序，排序后使用如附图所示的特定的计分机制选出最佳的聚类类别数。本发明专利技术在同等条件下的聚类准确率比KPowerMeans方法高44％，在较佳情况下相比FCM方法而言能实现100％的聚类准确率。

Multipath Fuzzy Clustering Method and System for Wireless Channel Based on Spatial Conversion c-Means

【技术实现步骤摘要】
基于空间转换c-Means的无线信道多径模糊聚类的方法及系统
本专利技术属于电子信息
，尤其涉及一种基于空间转换c-Means的无线信道多径模糊聚类的方法及系统。
技术介绍
目前，业内常用的现有技术是这样的：无线信号在蜂窝无线信道中传播的时候，大多数会受到周围环境中的反射、散射以及由建筑物等障碍物造成的衍射的影响，所以信道在响应冲击时会产生多径效应。大量的信道测试证明，这些多径(MPCs)并不是互相独立存在的，他们可以被分组，也就是所谓的“簇”。通常同一个簇里的信号路径是由同一个障碍物或者散射物造成的，他们也因此有着相似的参数，例如时延、入射角以及反射角。簇的概念被广泛的应用于信道模型，例如3GPP，WINNER，COST2100和METIS。信道建模需要解决多径问题。MPCs有着传输能量随传输距离呈指数衰减的性质，这一性质在早期被用于多径聚类，例如RMSE。但是由于当时技术水平有限，信道建模时并没有能力将MPCs在空间中的传播性质考虑在内。这类方法只使用了能量衰减这一个性质，MPCs在空间中的传播性质(例如入射角和反射角)没有被考虑，而这些参数对多径聚类非常有用。模式识别是一种非常有前景的多径聚类方法，例如在KMeans基础上提出的KPowerMeans方法用衡量多径距离(MCD)以及多径能量衰减的方式进行多径的聚类。也有人将MCD应用在传统的c-Means模糊聚类(FCD)中进行多径的分类。但是Schneider’sFCM方法在同时应用MCD和FCM的时候在数学上并不严谨。因此下面有必要对传统的FCM方法进行说明，在信道建模问题中，聚类之前的信道冲击响应可以表示为式(1)，其中L是MPCs的总数目，是第l个MPC的复幅值。τl，分别表示延时、反射角的方位角、反射角的俯仰角，入射角的方位角和方位角的俯仰角。我们使用来表示第l个MPC的参数。又假设K是簇的个数，Lk是第K个簇中路径的的个数，而{K，l}表示第K个簇里的第l条信号路径，则聚类之后的信道冲激响应表示为式(2)：通过迭代式(3)，可以得到某个信号属于某条路径的置信矩阵以及每个簇的中心向量，至此聚类工作完成：在Schneider’sFCM中，使用式(4)表示的MCD替代式(3)中的来衡量多个信号路径之间的差异，其中，dT，i，j和dR，i，j被定义为式(5)，dτ，i，j被定义为式(6)：在欧式空间下，欧式距离应该具有如下性质：但是在非欧式空间中，MCD(多径距离)的偏导在数学上没有意义同时也不成立，因此用MCD取代之后，同样使用FCM算法将导致多径聚类算法在数学上不成立，也因此，在欧式距离下能收敛的迭代方程在MCD距离下不能保证收敛。综上所述，现有技术存在的问题是：由于没有恰当的技术手段利用MPCs在空间中的传播性质(例如入射角和反射角)来提高聚类准确率，因此多径的聚类算法只使用了MPCs的幅度特性，算法的准确率较低；同时FCM算法由于使用了MCD距离而非欧式距离，因此FCM算法在数学上不成立，同时也不能保证算法的收敛性，这会导致聚类过程的不准确甚至聚类失败。解决上述技术问题的难度：需要使用变量空间转换的方法来利用多径参数(包括振幅、时延、波达角和波发角)。只有实现变量的空间转换，上述多径参数才能用于提高多径聚类准确率。解决上述技术问题的意义：本专利技术以变量空间转换为基础，利用了多径的振幅、时延、波达角和波发角等多种多径信息，这样可以规避只使用多径振幅作为聚类依据而导致的聚类准确率偏低的缺陷。针对多径变量空间转换，需要利用空间转换公式进行空间映射，便于多径参数批量处理。本专利技术的系统提供最佳聚类类别数自动寻找功能，系统自动寻找最佳聚类类别数，规避手动设置聚类类别数导致的聚类偏差甚至失败。自动寻找最佳聚类类别数功能可以减少人为参数设置导致的系统聚类失败，该功能可以进一步保障空间中有复杂多径分布情况的聚类准确性。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于空间转换c-Means的无线信道多径模糊聚类的方法及系统。本专利技术是这样实现的，一种基于变量空间转换c-Means的无线信道多径模糊聚类方法，所述基于变量空间转换c-Means的无线信道多径模糊聚类方法包括：步骤1，设置多径的初始置信矩阵Uk为零矩阵，该矩阵的维度为K×L，步骤2，设置初始迭代次数i为1，步骤3，初始化原参数空间中K个聚类中心为Γ(i)，步骤4，通过将原空间多径参数ωl和Γ(i)代入来计算置信矩阵中的值步骤5，根据步骤4得到置信矩阵中第l列向量步骤6，根据步骤5得到置信矩阵步骤7，当||U(i)-U(i-1)||＞ε时循环执行步骤8，9，10，步骤8，更新迭代次数i＝i+1，步骤9，将U(i-1)代入计算新的聚类中心，步骤10，根据以及由步骤9得到的聚类中心计算新的置信矩阵Ui步骤11，令Uk＝U(i)得到迭代完毕时的多径聚类置信矩阵步骤12，根据计算原变量空间里的聚类中心进一步，所述基于空间转换c-Means的无线信道多径模糊聚类方法的一种寻找最佳聚类类别数的方法包括：步骤1：让候选的聚类类别数K从Kmin迭代到Kmax；步骤2：在步骤1的基础上根据ST-FCM算法计算出多径的置信矩阵Uk和对应的聚类中心ΓK；步骤3：在步骤2的基础上让l从1到L迭代，如果那么让并且令在k＝1，2，…，K并且时令ul(k)＝0；否则将wl和ul从Ω和Uk中移除；步骤4：步骤2，3迭代完成之后，计算GD和XB指数，循环执行步骤1；步骤5：步骤1，2，3，4都完成之后，计算每个聚类类别数的得分，按照计分规则选取最佳的聚类类别数；步骤6：根据得到的最佳聚类类别数对多径进行聚类，得到置信度矩阵以及对应的聚类中心进一步，所述基于空间转换c-Means的无线信道多径模糊聚类方法的一种聚类类别数评价方法包括：假设Ωk＝{ωl|l＝1，2，…，Lk}是当有K个簇时第k个簇里的多径的集合。定义接着定义GD指数为任意两个SID的和与两倍SID最大值之间的商：GD指数越高，聚类效果越好。定义XB指数为所有MCD值的平方和与L倍MCD最大值平方的比值：XB指数越小，聚类效果越好。进一步，所述基于空间转换c-Means的无线信道多径模糊聚类方法的一种聚类类别数计分方法，所述一种聚类类别数计分方法包括：首先根据GD和XB指数为每个候选的类别数K∈κ建立两个排名，在每个排名中，聚类结果都按照GD或者XB指数进行排序，好结果排在前而差结果排在后；其次在每个排名中，排序结果最差的聚类结果对应的聚类类别数获得一分；然后每个比之前结果更好的聚类结果对应的聚类类别数多获得一分，聚类结果对应的聚类类别数比次好的聚类结果对应的聚类类别数多得两分；最后得分统计完成之后将两个排名的得分值进行简单的相加作为某个聚类类别数的最终得分，得分最高的类别数成为最佳的聚类类别数。本专利技术的另一目的在于提供一种实现所述基于空间转换c-Means的无线信道多径模糊聚类的方法的基于空间转换c-Means的无线信道多径模糊聚类的系统，所述基于空间转换c-Means的无线信道多径模糊聚类的系统包括：基于变量空间转换c-Means的无线信道多径模糊聚类模块：用于使用多径参数信息进行多径的聚类。寻找最佳聚类类别数模块：用于寻找最佳聚类类别数。聚类本文档来自技高网...

【技术保护点】
1.一种基于变量空间转换c‑Means的无线信道多径模糊聚类方法，其特征在于，所述基于变量空间转换c‑Means的无线信道多径模糊聚类方法包括：步骤一，设置多径的初始置信矩阵Uk为零矩阵，该矩阵的维度为K×L；步骤二，设置初始迭代次数i为1；步骤三，初始化原参数空间中K个聚类中心为Γ

【技术特征摘要】
1.一种基于变量空间转换c-Means的无线信道多径模糊聚类方法，其特征在于，所述基于变量空间转换c-Means的无线信道多径模糊聚类方法包括：步骤一，设置多径的初始置信矩阵Uk为零矩阵，该矩阵的维度为K×L；步骤二，设置初始迭代次数i为1；步骤三，初始化原参数空间中K个聚类中心为Γ(i)；步骤四，通过将原空间多径参数ωl和Γ(i)代入计算置信矩阵中的值步骤五，根据步骤四得到置信矩阵中第l列向量步骤六，根据步骤五得到置信矩阵步骤七，当||U(i)-U(i-1)||>ε时循环执行第八步-第十步；步骤八，更新迭代次数i＝i+1；步骤九，将U(i-1)代入计算新的聚类中心；步骤十，根据以及由步骤九得到的聚类中心计算新的置信矩阵Ui；步骤十一，令UK＝U(i)得到迭代完毕时的多径聚类置信矩阵；步骤十二，根据计算原变量空间里的聚类中心。2.如权利要求1所述的基于变量空间转换c-Means的无线信道多径模糊聚类方法，其特征在于，所述基于变量空间转换c-Means的无线信道多径模糊聚类方法的寻找最佳聚类类别数的方法包括：第一步，让候选的聚类类别数K从Kmin迭代到Kmax；第二步，在第一步的基础上根据ST-FCM算法计算出多径的置信矩阵UK和对应的聚类中心ΓK；第三步，在第二步的基础上让l从1到L迭代，如果那么让并且令在k＝1,2,…,K并且时令ul(k)＝0；否则将wl和ul从Ω和UK中移除；第四步，第二步和第三步迭代完成之后，计算GD和XB指数，循环执行第一步；第五步，第一步-第四步都完成之后，计算每个聚类类别数的得分，按照计分规则选取最佳的聚类类别数；第六步，根据得到的最佳聚类类别数对多径进行聚类，得到置信度矩阵以及对应的聚类中心3.如权利要求2所述的的基于变量空间转换c-Means的无线信道多径模糊聚类方法，其特征在于，所述...

【专利技术属性】
技术研发人员：张若南，黄之鸣，蒋毅，丁启民，翟道森，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61