【技术实现步骤摘要】
本专利技术属于无线信道研究领域，尤其涉及一种基于电子地图的通信场景分割与识别方法。
技术介绍
1、随着移动通信系统需求的不断提高，许多国家都在开展第六代无线通信技术(6thgeneration wireless communication technology，6g)的研究。6g技术的愿景涉及全频谱、全球覆盖场景和全应用场景。因此，6g通信涉及多种通信场景。研究无线信道是设计、优化和评估6g网络性能的基础。传统的标准化信道模型如3gpp tr 38.901、winner ii、miweba和cost 2100被广泛用于表征无线通信信道。然而，现有的标准化渠道模型在场景分类上相对粗糙。例如，3gpp tr 38.901的场景分类为“城市宏观”、“城市微观”、“农村宏观”、“室内热点”和“室内办公”。在无线信道的研究中，不同的信道模型用来捕捉每个通信场景中独特的信道特征。传统的标准化信道模型难以精确的描述6g众多通信场景的信道特性。因此，在实际的6g通信环境中，必须进一步将这些场景细化为更具体的类别。也就是说，现有的标准化信道模型无法满足6g愿景的发展要求。
2、针对以上挑战，已有学者针对6g通信场景做了扩展。许多机器学习算法都用于解决场景识别问题。然而，已有的场景识别方法都没有考虑到场景分割。这些研究都是基于直接给定的场景类别，然后通过信道测量和仿真获得数据来识别通信场景。这些方法与实际应用还有一定的差距。为了填补这一空白，本专利技术从更实用的角度提出了一种新的场景分割识别方法。
技术实现思
1、本专利技术的目的在于提供一种基于电子地图的通信场景分割与识别方法，场景化信道建模的前提条件，以解决目前标准化信道模型难以准确描述6g众多场景下的信道特性的问题。
2、为解决上述技术问题，本专利技术的具体技术方案如下：
3、一种基于电子地图的通信场景分割与识别方法，包括以下步骤：
4、步骤1、确定所使用电子地图的格式、精度及所能获取的物理环境参数；
5、步骤2、对目标城区进行场景的初次分割，主要按照四种场景大类进行分割，场景大类分别是住宅场景、商业场景、办公场景和工业场景；
6、步骤3、根据分割结果计算需要的物理环境参数；
7、步骤4、对物理环境参数进行预处理，即分类标注，主要是基于物理环境参数是在哪一种场景下获取的；
8、步骤5、利用已标注过的数据作为识别特征，采用核朴素贝叶斯算法进行初次识别；
9、步骤6、在初步识别出场景大类结果后，基于该场景类型确定该场景可能包含的子场景类型；
10、步骤7、基于确定的子场景类型，对已识别出的场景大类进行二次分割；
11、步骤8、基于分割结果再次计算需要的物理环境参数，并基于已有的子场景信道模型仿真接收功率；
12、步骤9、将物理环境参数和接收功率一起作为识别特征，采用高斯朴素贝叶斯算法进行子场景的识别。
13、进一步的，步骤1包含以下步骤：
14、步骤1.1、确定电子地图格式为“plantet”；
15、步骤1.2、确定电子地图精度为5米；
16、步骤1.3、确定电子地图能提取的物理环境参数：
17、(1)建筑物平均高度：
18、
19、其中，hi和si分别为第i个建筑物的高度和面积。
20、(2)建筑物高度起伏：
21、bstd＝std(bheight)
22、其中，std为取标准差函数。
23、(3)平均楼间距：
24、
25、其中，ci为第i个建筑物的周长，ssector为基站扇区面积。
26、(4)区域los占比，即对目标计算区域进行5m*5m执行栅格化，统计区域内los栅格的占比：
27、plos＝nlos/n
28、其中，nlos为los栅格的数量，n为栅格的总数量。
29、(5)建筑物比例：
30、
31、进一步的，步骤4具体包括以下步骤：
32、步骤4.1、将计算所得物理环境参数按照所属场景类型进行分类；
33、步骤4.2、样本数据量为210，其中住宅场景的数量为84，商业场景的数量为71，工业场景的数量为14，办公场景的数量为41。为分别将住宅场景、商业场景、工业场景和办公场景标注为0、1、2和3。
34、进一步的，步骤5具体包括以下步骤：
35、步骤5.1、特征空间映射，使用高斯核函数将原始特征空间映射到更高维度的空间，以处理非线性关系；
36、步骤5.2、参数估计，在高维空间中，对于每个类别，采用核密度估计方法来估计条件概率分布；
37、步骤5.3、根据训练数据和条件概率分布估计，计算出每个类别的先验概率；
38、步骤5.4条件概率分布和类别的先验概率估计完成后，使用贝叶斯定理来进行分类。对于给定的测试样本，计算它在每个类别下的后验概率，然后选择具有最高后验概率的类别作为最终分类结果；
39、步骤5.5、评估和调优，需要对算法性能进行评估，并可能进行参数调优，以确保分类效果良好。通常使用交叉验证或其他评估指标，如准确度、精确度、召回率等。
40、进一步的，步骤6具体包括以下步骤：
41、步骤6.1、确定场景大类是住宅场景、商业场景、办公场景和工业场景中的一种；
42、步骤6.2、根据已有场景列表，住宅场景中包含高层住宅、低层住宅、十字路口和城市街道，商业场景中包含百货商场、小型市场、十字路口和城市街道，办公场景包括写字楼、行政机关、学校、十字路口和城市街道，工业场景包括大型工厂、小型工厂、十字路口和城市街道。此时根据该列表确定二次分割识别的场景类型，以住宅场景为例，此时可确定二次分割和识别的场景有高层住宅、低层住宅、十字路口和城市街道。
43、进一步的，步骤8具体包括以下步骤：
44、步骤8.1、场景分割按照实际场景特点，对不同场景进行不同范围的切割，其中高层住宅和低层住宅按照边长为300米的方框进行分割，同理，城市街道的边长为200米，十字路口的边长为100米；
45、步骤8.2、地图中可提取的物理环境参数都是在一个基站扇区内计算的，而不同场景的分割范围不同，此时对于一个分割后的场景其物理环境参数要根据分割结果进行汇总。
46、步骤8.3：针对已有的6g普适信道模型进行具体场景化的参数调整，从而得到适用子场景的信道模型，再根据几种子场景的信道模型仿真得到相应的接收功率(模型输出相应场景类型的信道特性，即接收功率)。
47、进一步的，步骤9具体包括以下步骤：
48、步骤9.1、准备训练数据集，样本数据包括物理环境参数和接收功率，并为样本数据标注对应的类别标签。其中样本数据量为138，训练集和测试集的比例设置本文档来自技高网...
【技术保护点】
1.一种基于电子地图的通信场景分割与识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于电子地图的通信场景分割与识别方法，其特征在于，所述电子地图的格式为“plantet”，精度为5米，物理环境参数包括：建筑物平均高度、建筑物高度起伏、平均楼间距、区域Los占比、建筑物比例。
3.根据权利要求1所述的一种基于电子地图的通信场景分割与识别方法，其特征在于，步骤4具体包括以下步骤：
4.根据权利要求1所述的一种基于电子地图的通信场景分割与识别方法，其特征在于，步骤5具体包括以下步骤：
5.根据权利要求4所述的一种基于电子地图的通信场景分割与识别方法，其特征在于，步骤7具体包括以下步骤：
6.根据权利要求1所述的一种基于电子地图的通信场景分割与识别方法，其特征在于，步骤8具体包括以下步骤：
【技术特征摘要】
1.一种基于电子地图的通信场景分割与识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于电子地图的通信场景分割与识别方法，其特征在于，所述电子地图的格式为“plantet”，精度为5米，物理环境参数包括：建筑物平均高度、建筑物高度起伏、平均楼间距、区域los占比、建筑物比例。
3.根据权利要求1所述的一种基于电子地图的通信场景分割与识别方法，...
【专利技术属性】
技术研发人员：王承祥，丁书艺，黄晨，李俊伶，赵德源，周文奇，
申请(专利权)人：东南大学，
类型：发明
国别省市：
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。