一种基于信道测量的分类方法技术

本发明专利技术涉及一种基于信道测量的分类方法，属于信道识别环境反向散射通信以及机器学习技术领域。依托的系统包括发射机、接收机及小型射频收发设备；发射机发送PN码以及正弦波；接收机接收经小型射频收发设备反射、吸收后的信号；所述方法，包括：步骤1、接收机接收发射机发送的信号；步骤2、对接收的信号进行特征提取，分别得到特征集X和特征测试集X

【技术实现步骤摘要】
一种基于信道测量的分类方法


[0001]本专利技术涉及一种基于信道测量的分类方法，属于信道识别环境反向散射通信以及机器学习


技术介绍

[0002]5G通信技术推动了万物互联的物联网技术的发展，物联网的一个重要特征就是大规模连接。每平方公里百万级的连接为物联网系统带来了能量消耗大、硬件费用高和频谱资源短缺三个挑战。环境反向散射系统的被动式通信方式通过反射环境中存在的信号达到和接收机通信的目的，不需要额外的频谱同时也降低了标签的成本，和大规模连接的发展需求相契合。
[0003]实际使用时，需要对不同的小型射频收发设备进行分类。由于发射机和接收机之间的传播路径非常复杂，传播的机制也是多种多样的，在电波的传播过程中会受到信道的影响，因此可以利用接收机接收到的信号对信道特性的表征来对小型射频收发设备进行分类。
[0004]已有的支持向量机分类算法分类效率比较高，然而在数据记录增加的情况下，即使使用了核函数，线性SVM需要较大的计算和存储成本，因此传统基于SVM分类方法的性能还存在很大的改进空间。利用核函数的特征变换方法是非线性的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信道测量的分类方法依托的环境反向散射通信系统包括发射机、接收机及小型射频收发设备；发射机通过发射天线发送pn码以及正弦波两种信号；接收机通过接收天线接收经过小型射频收发设备反射、吸收后的信号，其特征在于：所述方法，包括如下步骤：步骤1、接收机接收发射机发送的信号；步骤2、对步骤1接收的信号进行特征提取，分别得到特征集X和特征测试集X
t
；步骤3、使用特征集X进行训练，得到训练好的分类模型参数；其中，分类模型参数包括权重向量和分离间隔，分别记为w和ρ；步骤3.1、对特征集X进行随机傅里叶特征变换，得到随机傅里叶特征变换后的特征集Z；步骤3.2、从随机傅里叶特征变换后的特征集Z中随机选择一个数据点作为初始权重向量w；步骤3.3、基于w通过黄金分割线搜索计算分离间隔ρ；步骤3.4、对所有计算wz(x
j
)
‑
ρ小于0的数据点z(x
j
)求平均后得到权重向量w
m
；其中，x
j
为信号特征集X的数据，z(x
j
)为特征集Z中x
j
的对应项；步骤3.5、通过随机梯度下降方法计算w和w
m
间新的权重向量w
new
，再用w
new
更新权重向量w；步骤3.6、重复步骤3.3至步骤3.5，直至K次迭代后w基本趋于稳定，记w为最优权重向量w
*
，并根据黄金分割线搜索计算出最优权重向量w
*
对应的最优分离间隔ρ
*
；其中，最优权重向量w
*
以及最优分离间隔ρ
*
为训练好的模型参数；步骤4、对特征测试集X
t
进行随机傅里叶变换并进行分类。2.依据权利要求1所述的一种基于信道测量的分类方法，其特征在于：步骤1中，接收机接收的信号包括不同极化角度以及小型射频收发设备存在与否的信号，极化角度包括
±
90
°
、
±
45
°
以及0
°
。3.依据权利要求2所述的一种基于信道测量的分类方法，其特征在于：步骤2中，特征提取方法，包括但不限于：对接收信号进行小波熵以及自相关系数提取。4.依据权利要求3所述的一种基于信道测量的分类方法，其特征在于：步骤3中的权重向量特征空间的分离超平面的法向量；分离间隔为分离面和坐标原点的间隔。5.依据权利要求4所述的一种基于信道测量的分类方法，其特征在...

【专利技术属性】
技术研发人员：卢继华，吴编，冯立辉，周正阳，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：