基于自适应核功率密度的5G无线信道多径分簇算法制造技术

本发明专利技术公开了属于无线信道建模技术领域的一种基于自适应核功率密度的5G无线信道分簇算法；包括：采用高分辨率信道参数提取算法提取信道每一快照中的小尺度参数；利用基于多径分量距离的算法计算每一个多径分量的adaptive

【技术实现步骤摘要】
基于自适应核功率密度的5G无线信道多径分簇算法


[0001]本专利技术属于无线信道建模
，特别涉及一种基于自适应核功率密度的5G无线信道分簇算法。

技术介绍

[0002]在无线信道建模领域，目前常用的无线信道模型大多基于簇模型，例如3G、4G和5G无线通信系统中使用的信道模型。在5G毫米波通信中，由于使用了更高的频段和更加庞大的天线阵列，在时延域和角度域中都可以观察到更高分辨率的MPC(Multi-Path Component：多径分量)，因此在5G无线信道研究中，分簇问题更为重要。MPC的分簇有助于减少MIMO(Multiple-lnput Multiple-Output：多输入多输出)信道模型中参数的数量，并且簇结构在表征多链路场景时更加灵活。
[0003]目前已存在几种考虑多径的功率、时延和角度信息的MPC分簇算法。K-Means和KPM(K-Power-Means：K功率均值)算法使用MPC功率以及MPC距离量化MPC之间的相似性，从而寻找簇心。但是，由于KPM的无监督学习属性，其初值必须按先验值进行确定，我们需要根据不同的数据手动调整初值。DBSCAN(the density-based spatial clustering for application with noise：伴有噪声的基于密度空间分簇)算法无需先验地知道簇的数量，但当簇密度很高时，DBSCAN算法分簇效果差。KPD(Kernel-Power-Density：核功率密度)算法是一种基于核功率密度的算法，该算法不需要先验信息，例如簇的数量，但是需要在簇内设置固定数量的MPC，然后根据其相近的MPC计算MPC密度。因此，当MPC数量较少时，KPD算法无法准确分簇。

技术实现思路

[0004]本专利技术提出一种基于自适应核功率密度的无线信道多径分量分簇算法，其特征在于，包括如下步骤：
[0005]步骤5101：采用高分辨率信道参数提取算法提取信道每一快照中小尺度参数；
[0006]步骤S102：利用基于MPC距离算法计算每一个MPC的adaptive-K值；
[0007]步骤S103：根据每个MPC附近adaptive-K个MPC的小尺度参数计算每个MPC的相对密度；
[0008]步骤S104：根据每个MPC的相对密度进行分簇；
[0009]步骤S105：对分簇结果进行簇合并。
[0010]所述小尺度参数包括每个快照对应的MPC个数、MPC时延、MPC复振幅、MPC到达角、MPC离开角和多普勒频移。
[0011]所述步骤S101中小尺度参数包括每个快照对应的MPC个数、MPC时延、MPC复振幅、MPC到达角、MPC离开角和多普勒频移。
[0012]所述步骤S102包括：为每个MPC分配初始K值；计算任意两个MPC之间的归一化距离；将距离结果升序排列并计算任意相邻两个距离的差；根据距离的差与预设的阈值确定
adaptive-K值；具体根据步骤S101提取的小尺度参数，计算任意两个MPC之间的距离，其计算公式如下：
[0013][0014]其中i，j分别为MPCx
i
，x
j
的标号，τ
i
代表x
i
的多径时延，Ω
T，i
，Ω
R，i
，Θ
T，i
，Θ
R，i
分别代表x
i
的AAoD(Azimuth Angle of Departure，水平离开角)，AAoA(Azimuth Angle of Arrival：水平到达角)，EAoD(Elevation Angle of Departure：垂直离开角)，EAoA(Elevation Angle of Arrival：垂直到达角)。参数τ，Ω，Θ均进行归一化处理，归一化公式如下：
[0015][0016]其中X表示参数τ，Ω，Θ之一。
[0017]所述步骤S103包括：为每个MPC分配到大小为adaptive-K的MPC组，其中的元素是距该MPC最近的adaptive-K个MPCs；根据每个MPC所属的MPC组计算该MPC的密度；将每个MPC的密度进行归一化，计算出每个MPC的相对密度；具体根据步骤S101中提取的小尺度参数，计算MPCx
i
的密度其计算公式如下：
[0018][0019]其中代表x
i
的复幅值；代表x
i
的多径时延；分别代表x
i
的AAoD，AAoA，EAoD，EAoA；σ
(
·
)
表示(
·
)的标准差。I
i
是MPCx
i
的相邻MPCs的集合，其元素为距x
i
最近的Adaptive-K
i
个MPC，即
[0020]将MPCx
i
的密度归一化，得到相对密度其公式如下：
[0021][0022]所述步骤S104包括：根据所有MPCs的相对密度，寻找key-MPC，并确定key-MPC为初始簇心；计算除key-MPC外每一MPC的高密度邻居MPC，即在比该MPC密度高的MPCs中寻找距该MPC最近的MPC；将每个MPC与其高密度邻居MPC归入同一簇中，每个簇中有且只有一个初始簇心。
[0023]所述MPCs分簇：
[0024]步骤S1041：寻找尚未分簇的MPCs中相对密度最小的MPC，以该MPC为源反复进行高密度邻居MPC搜寻，直到搜寻到初始簇心集合中的MPC，并把搜寻到的所有MPCs置于同一集合中，即：
[0025][0026]其中x
i
是相对密度最小的MPC，为x
i
的邻居MPC链中的元素。该邻居MPC链中有且只有一个初始簇心。
[0027]步骤S1042：将集合中的MPC归入同一簇中，即集合中的初始簇心所在的簇，并将这些MPC标注为已分簇。
[0028]所述步骤S105包括：对于任意两个簇，计算簇心之间以两簇中MPC为节点连成的路径；路径中相邻MPC至少有一MPC属于另一MPC的MPC组，根据路径上所有MPC的相对密度进行簇合并。
[0029]本专利技术的有益效果：本专利技术是基于AKPD(Adaptive-Kernel-Power-Density：自适应核功率密度)的分簇算法。AKPD算法不需要多径的先验信息，不需要手动调整分簇参数，可以准确地区分具有相似簇密度和簇内MPC较少的簇。因此本专利技术能够更准确地对5G无线通信信道数据分簇，从而建立更加精准的信道模型，对科研机构和工业界实现5G链路和系统级性能仿真评估与5G网络设计有非常重要的应用价值。
附图说明
[0030]图1为无线信道多径分量分簇算法流程框图。
[0031]图2为计算每个MPC的自适应K值详细流程框图。
[0032]图3为计算每个M本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应核功率密度的无线信道多径分量分簇算法，其特征在于，包括如下步骤：步骤S101：采用高分辨率信道参数提取算法提取信道每一快照中小尺度参数；步骤S102：利用基于MPC距离算法计算每一个MPC的adaptive-K值；步骤S103：根据每个MPC附近adaptive-K个MPC的小尺度参数计算每个MPC的相对密度；步骤S104：根据每个MPC的相对密度进行分簇；步骤S105：对分簇结果进行簇合并。2.根据权利要求1所述的基于自适应核功率密度的无线信道多径分量分簇算法，其特征在于，所述步骤S101中小尺度参数包括每个快照对应的MPC个数、MPC时延、MPC复振幅、MPC到达角、MPC离开角和多普勒频移。3.根据权利要求1所述的基于自适应核功率密度的无线信道多径分量分簇算法，其特征在于，所述步骤S102包括：为每个MPC分配初始K值；计算任意两个MPC之间的归一化距离；将距离结果升序排列并计算任意相邻两个距离的差；根据距离的差与预设的阈值确定adaptive-K值；具体根据步骤S101提取的小尺度参数，计算任意两个MPC之间的距离，其计算公式如下：其中i,j分别为MPCx
i
,x
j
的标号，τ
i
代表x
i
的多径时延，Ω
T,i
，Ω
R,i
，Θ
T,i
，Θ
R,i
分别代表x
i
的AAoD(Azimuth Angle of Departure，水平离开角)，AAoA(Azimuth Angle of Arrival：水平到达角)，EAoD(Elevation Angle of Departure：垂直离开角)，EAoA(Elevation Angle of Arrival：垂直到达角)。参数τ，Ω，Θ均进行归一化处理，归一化公式如下：其中X表示参数τ，Ω，Θ之一；对于定义d
i
：＝{d
i,1
,
…
,d
i,j
,
…
,d
i,L
}是距离集合的升序排列，计算Δd
i
：＝{Δd
i,1
,
…
,Δd
i,j
,
…
,Δd
i,K-1
}，公式如下：Δd
i,j
＝d
i,j+1-d
i,j
,d
i,j
∈d
i
,j∈[1,K-1]其中K为的初始化K值计算阈值Δd
threshold
，公式如下：Δd
threshold
＝μ
×
d
max
...

【专利技术属性】
技术研发人员：杜飞，赵雄文，崔昊，汪洋，王智慧，孟萨出拉，邱兰馨，王彦波，
申请(专利权)人：中国电力科学研究院有限公司国网浙江省电力有限公司信息通信分公司国家电网有限公司，
类型：发明
国别省市：