【技术实现步骤摘要】
一种无线信道测量中基于神经网络的伪径消除方法
本专利技术属于信道测量
，尤其涉及一种无线信道测量中基于神经网络的伪径消除方法。
技术介绍
目前，最接近的现有技术：在信道测量中，获取时延功率谱(PowerDelayProfile,PDP)是一个重要环节，通过时延功率谱可以获得无线电信号在无线信道中经过散射、反射、绕射形成的多径分量到达接收端的时间与强度，进而可以获得时延扩展(DelaySpread,DS)和相干带宽(CoherentBandwidth,CB)等重要的信道时域参数。目前，PDP使用包含发射端和接收端的信道测量系统(ChannelSounder)获取。在信号通过信道测量系统的过程中难以避免的会受到系统性能的影响。一个值得关注的影响是由于发射端功率放大器以及接收端低噪声放大器(LowNoiseAmplifier,LNA)的放大倍数过大所导致的信号的非线性失真。这种非线性失真反应在PDP中便是时域中会在特定时延窗产生“毛刺”，即伪径。这些伪径的存在干扰了DS和CB的计算值，从而导致信道的时域特性被错误估计。
【技术保护点】
1.一种信道测量中基于神经网络的伪径消除方法，其特征在于，所述基于神经网络的伪径消除方法包括以下步骤：/n步骤一，利用信道测量采集的时延功率谱构建测量数据矩阵；/n步骤二，寻找存在伪径的可疑时延窗，剔除存在伪径的可疑时延窗的数据；/n步骤三，利用不存在伪径的时延窗的数据构建神经网络；/n步骤四，向神经网络输入全部时延窗标号，训练得到新的时延功率谱数据矩阵；/n步骤五，判断新的时延功率谱数据矩阵是否已经消除伪径；/n步骤六，结束并输出数据。/n
【技术特征摘要】
1.一种信道测量中基于神经网络的伪径消除方法，其特征在于，所述基于神经网络的伪径消除方法包括以下步骤：
步骤一，利用信道测量采集的时延功率谱构建测量数据矩阵；
步骤二，寻找存在伪径的可疑时延窗，剔除存在伪径的可疑时延窗的数据；
步骤三，利用不存在伪径的时延窗的数据构建神经网络；
步骤四，向神经网络输入全部时延窗标号，训练得到新的时延功率谱数据矩阵；
步骤五，判断新的时延功率谱数据矩阵是否已经消除伪径；
步骤六，结束并输出数据。
2.如权利要求1所述的信道测量中基于神经网络的伪径消除方法，其特征在于，所述步骤一中，数据测量矩阵的构建方法如下：
1)定义在测量场景下一共得到N组测量数据，获得N组时延功率谱；每组数据有M个时延窗，表示时延从1到M；
2)在信道测量技术中，收发端约定一组特定长度的伪随机序列，发射端发射该序列经过调制后的电信号，接收端在接收到信号后利用接收信号与存于本地的该PN序列相关运算来获取信道冲激响应，并依此计算PDP；
3)若PN序列长度为M，则PDP有M个时延窗，时延窗以码片为单位；构建矩阵MP0为M×N的矩阵；矩阵的每一列代表一组测量数据中M个时延窗的归一化功率值，矩阵的N行则代表在该场景下得到N组测量数据，下标0代表该矩阵为初始数据矩阵，每经过一次剔除伪径操作，获得新的数据矩阵，下标增加1；
用MPi表示进行第i次剔除伪径操作前的数据矩阵，MPi+1表示第i此剔除伪径操作后的数据矩阵，每次新得到的数据矩阵尺寸不会被改变。
3.如权利要求1所述的一种信道测量中基于神经网络的伪径消除方法，其特征在于，所述步骤二中，确定可能存在伪径的可疑的时延窗的方法如下：
1)对矩阵的每一列求前向差分，得到大小为(M-1)×N的新的矩阵MPdi，其中，矩阵MPdi表示PDP中相邻时延窗之间变化的剧烈程度；
2)对矩阵MPdi的每一行数据进行K-means聚类，类数量为1；聚类后得到由每一行数据所聚的类的簇心值所构成的长度为(M-1)的向量c；其中的每一个元素cm，m∈(1，2，…M-1)代表每一个类的唯一簇心；
3)计算向量的L1范数，得到向量Li＝[L1，L2，…LM-1]T。其中En表示尺寸为N×N...
【专利技术属性】
技术研发人员：张若南，徐浩晨，蒋毅，唐晓，王大伟，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。