一种动态信道的时变多径聚类方法技术

本发明专利技术提供了一种动态信道的时变多径聚类方法。该方法包括：初始化MPC的参数，得到多个M帧的多径分量：根据多径分量对MPC进行追踪，得到MPC在连续帧间的演变轨迹。根据MPC在连续帧间的演变轨迹计算MPC轨迹的波动趋势；根据MPC轨迹的波动趋势将两条MPC轨迹分为三种位置情况：完全重叠、部分重叠和完全分离，结合每条轨迹的波动趋势计算两两MPC轨迹间的距离，根据两两MPC轨迹间的距离进行MPC聚类。本发明专利技术提出的聚类方法以MPC轨迹的波动趋势和轨迹间距作为聚类依据，能够准确地识别出波动趋势相似、轨迹间距相近的重叠轨迹并进行聚类。轨迹间距相近的重叠轨迹并进行聚类。轨迹间距相近的重叠轨迹并进行聚类。

【技术实现步骤摘要】
一种动态信道的时变多径聚类方法


[0001]本专利技术涉及无线通信
，尤其涉及一种动态信道的时变多径聚类方法。

技术介绍

[0002]随着智能交通系统的发展，车辆通信的研究受到了广泛的关注。由于通信终端的移动性和周围环境的动态变化，移动通信中的无线信道普遍具有时变特性。因此，动态信道特性的描述和建模非常重要。目前，已有大量的信道测量结果表明，MPC(multipath component，多径分量)的参数(如时延、角度、功率等)在时变信道中呈簇分布。因此，需要一种合适的MPC聚类方法对MPC的动态信道特性进行准确且全面的理解。
[0003]现有技术中的一种基于多径分量距离的MIMO信道参数自动聚类方法使用K
‑
Means算法，并利用MPC距离(MCD)来量化MPC之间的相似性。
[0004]现有技术中的一种含路径功率参数的MIMO信道数据自动聚类框架进一步对K
‑
Means算法进行优化，并使用MPC功率作为加权因子来获得簇心。
[0005]上述现有技术中的方法的缺点为：尽管这些工作对MPC进行了聚类研究，但主要是针对静态信道而设计，即在静态信道中，分别对信道的每帧执行聚类过程，这显然并不适用于时变的动态信道。对动态信道的建模不仅需要在单帧内进行聚类，还需要在连续帧间探究MPC随时间变化的特性，这是目前静态信道聚类算法所欠缺的。另一方面，目前提出的轨迹聚类算法过于片面，只考虑了MPC轨迹的部分段落，舍弃了非重叠段，这将导致信道聚类的不准确。为此，有必要开发一种基于MPC随时间演变的精确识别方法。

技术实现思路

[0006]本专利技术的实施例提供了一种动态信道的时变多径聚类方法，以克服现有技术的问题。
[0007]为了实现上述目的，本专利技术采取了如下技术方案。
[0008]一种动态信道的时变多径聚类方法，包括：
[0009]初始化MPC的参数，得到多个M帧的多径分量：
[0010]根据所述多径分量对MPC进行追踪，得到MPC在连续帧间的演变轨迹。
[0011]根据所述MPC在连续帧间的演变轨迹计算MPC轨迹的波动趋势；
[0012]根据MPC轨迹的波动趋势将两条MPC轨迹分为三种位置情况：完全重叠、部分重叠和完全分离，结合每条轨迹的波动趋势计算两两MPC轨迹间的距离，根据两两MPC轨迹间的距离进行MPC聚类。
[0013]优选地，所述的初始化MPC的参数，得到多个M帧的多径分量，包括：
[0014]初始化MPC的参数，该参数包括功率α、时延τ、到达角(φ
R
,θ
R
)和离开角(φ
T
,θ
T
)参数，得到N个M帧的多径分量；
[0015][0016]其中，是在第m帧第n个MPC的功率，是在第m帧第n个MPC的时延，和分别是在第m帧第n个MPC的离开方位角和离开俯仰角，和是在第m帧第n个MPC的到达方位角和到达俯仰角。
[0017]优选地，所述的根据所述多径分量对MPC进行追踪，得到MPC在连续帧间的演变轨迹，包括：
[0018]利用Kalman滤波对MPC进行追踪，根据第m帧MPC的功率、角度和时延，通过Kalman滤波估计出第m+1帧的MPC的估计值
[0019]使用Kuhn
–
Munkres算法将第m帧的MPC真实值与第m+1帧的MPC估计值进行匹配，使得全局匹配的权重和为最小值，得到全局最佳匹配，匹配阈值计算如下：
[0020][0021]其中，为和的匹配，U是所有匹配的集合，是和的多径距离。
[0022]以两个MPC间距为判断依据，判断追踪过程中是否有MPC的消失和新生，设判断阈值为η，如果则认为是新生MPC，具体阈值公式为：
[0023][0024]优选地，所述的根据所述MPC在连续帧间的演变轨迹计算MPC轨迹的波动趋势，包括：
[0025]将每条轨迹上的j个MPC的状态划分为0，1，
‑
1，2，
‑
2五种状态，判决公式计算如下：
[0026][0027]其中，δ1和δ2是状态判断阈值，状态0代表第n个MPC轨迹从第m帧到第(m+1)帧的轨迹状态保持不变，1/(
‑
1)表示轨迹从第m帧到第(m+1)帧呈上升/下降趋势，2/(
‑
2)表示轨迹从第m帧到第(m+1)帧呈快速上升/下降趋势；
[0028]若MPC在第m帧到第(m+l
c
)帧的状态相同，则将该(l
c
+1)帧MPC分为一段，并计算该段轨迹的波动，公式如下:
[0029][0030]其中，l
c
表示状态连续相同的轨迹段长度，表示该轨迹段的波动，
表示与的距离。
[0031]优选地，所述的根据MPC轨迹的波动趋势将两条MPC轨迹分为三种位置情况：完全重叠、部分重叠和完全分离，结合每条轨迹的波动趋势计算两两MPC轨迹间的距离，根据两两MPC轨迹间的距离进行MPC聚类，包括：
[0032]若存在轨迹A和轨迹B完全重叠且轨迹A的长度大于轨迹B时，延长轨迹A的长度得到A
′
，具体计算如下：
[0033][0034]其中，m
A
＝1,...,M
A
是轨迹A的帧数，m
B
＝1,...,M
B
是轨迹B的帧数，L
A
′
表示轨迹A
′
的帧长，D
c
(m
A
′
,m
B
)表示轨迹A和轨迹B的波动差距，表示和的距离；
[0035]若轨迹A和轨迹B部分重叠时，计算如下：
[0036][0037]其中，l
o
表示轨迹A和轨迹B重叠部分的长度，l
n
表示轨迹A和轨迹B非重叠部分的长度。是时间，是对轨迹A的时间域函数；
[0038]若轨迹A和轨迹B完全分离时，计算如下：
[0039][0040]其中，l
s
是轨迹A和轨迹B中的最短长度，是对轨迹B的时间域函数；
[0041]在获得两两MPC轨迹间的距离后，利用KPD算法对每条轨迹进行聚类，轨迹距离较近的则聚为一类，轨迹距离较远的则聚为另一类。
[0042]由上述本专利技术的实施例提供的技术方案可以看出，本专利技术实施例提出的聚类方法以MPC轨迹的波动趋势和轨迹间距作为聚类依据，能够准确地识别出波动趋势相似、轨迹间距相近的重叠轨迹并进行聚类。
[0043]本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0044]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态信道的时变多径聚类方法，其特征在于，包括：初始化MPC的参数，得到多个M帧的多径分量：根据所述多径分量对MPC进行追踪，得到MPC在连续帧间的演变轨迹。根据所述MPC在连续帧间的演变轨迹计算MPC轨迹的波动趋势；根据MPC轨迹的波动趋势将两条MPC轨迹分为三种位置情况：完全重叠、部分重叠和完全分离，结合每条轨迹的波动趋势计算两两MPC轨迹间的距离，根据两两MPC轨迹间的距离进行MPC聚类。2.根据权利要求1所述的方法，其特征在于，所述的初始化MPC的参数，得到多个M帧的多径分量，包括：初始化MPC的参数，该参数包括功率α、时延τ、到达角(φ
R
,θ
R
)和离开角(φ
T
,θ
T
)参数，得到N个M帧的多径分量；其中，是在第m帧第n个MPC的功率，是在第m帧第n个MPC的时延，和分别是在第m帧第n个MPC的离开方位角和离开俯仰角，和是在第m帧第n个MPC的到达方位角和到达俯仰角。3.根据权利要求2所述的方法，其特征在于，所述的根据所述多径分量对MPC进行追踪，得到MPC在连续帧间的演变轨迹，包括：利用Kalman滤波对MPC进行追踪，根据第m帧MPC的功率、角度和时延，通过Kalman滤波估计出第m+1帧的MPC的估计值使用Kuhn
–
Munkres算法将第m帧的MPC真实值与第m+1帧的MPC估计值进行匹配，使得全局匹配的权重和为最小值，得到全局最佳匹配，匹配阈值计算如下：其中，为和的匹配，U是所有匹配的集合，是和的多径距离。以两个MPC间距为判断依据，判断追踪过程中是否有MPC的消失和新生，设判断阈值为η，如果则认为是新生MPC，具体阈值公式为：4.根据权利要求3所述的方法，其特征在于，所述的根据所述MPC在连续帧间的演变轨迹计算MPC轨迹的波动趋势，包括：将每条轨迹上的j个MPC的状态划分为0，1，
‑
1，2，
‑
2五种状态，判决公式计算如下：
其中，δ1和δ2是状态判断阈值，状态0...

【专利技术属性】
技术研发人员：何睿斯，孙桂琪，黄晨，艾渤，马张枫，米航，陈瑞凤，费丹，钟章队，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：