基于隐马尔可夫模型识别无线信道的方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109428660A(43)申请公布日2019.03.05(21)申请号201710770689.X(22)申请日2017.08.31(71)申请人迈普通信技术股份有限公司地址610041四川省成都市高新区九兴大道16号迈普大厦(72)发明人白雁飞(74)专利代理机构成都虹桥专利事务所(普通合伙)51124代理人吴中伟(51)Int.Cl.H04B17/391(2015.01)H04B17/364(2015.01)H04B17/318(2015.01)权利要求书3页说明书6页附图2页(54)发明名称基于隐马尔可夫模型识别无线信道的方法及系统(57)摘要本发明涉及无线通信技术领域，其公开了一种基于隐马尔可夫模型识别无线信道的方法及系统，对未知无线信道进行高效、准确识别，以提高无线信号传输的稳定性。本发明中的基于隐马尔可夫模型识别无线信道的方法包括步骤：a.在已知场景的实测数据包中提取用于表达不同无线信道特征的4维特征向量；b.利用提取各个已知场景的4维特征向量作为隐马尔可夫模型的输入，训练出针对各个已知场景的无线信道的稳定的隐马尔可夫模型，并进行无线信道分类；c.利用训练出来的隐马尔可夫模型对未知无线信道进行识别。本发明适用于对无线信道的快速、准确识别。CN109428660ACN109428660A权利要求书1/3页1.基于隐马尔可夫模型识别无线信道的方法，其特征在于，包括步骤：a.在已知场景的实测数据包中提取用于表达不同无线信道特征的4维特征向量；b.利用提取各个已知场景的4维特征向量作为隐马尔可夫模型的输入，训练出针对各个已知场景的无线信道的稳定的隐马尔可夫模型，并进行无线信道分类；c.利用训练出来的隐马尔可夫模型对未知无线信道进行识别。2.如权利要求1所述的基于隐马尔可夫模型识别无线信道的方法，其特征在于，步骤a中，所述4维特征向量包括：无线信道的多径数目、时延均值、时延方差、时延扩展值。3.如权利要求2所述的基于隐马尔可夫模型识别无线信道的方法，其特征在于，所述无线信道的多径数目的提取方式为：通过k时刻接收到多径信号的功率、单路多径信号功率与多径数目的关系来确定k时刻到达的多径信号的数目，再将所有k时刻的多径数目进行累加，则有：式(1)中，N代表无线信道的多径数目，N(k)代表第k时刻到达接收机的多径信号数目，其值是由第k时刻到达的所有多径信号的能量与在k时刻到达的单路多径信号的能量的比值，即：结合k时刻实际接收信号函数r(k,n)，带入公式(1)和(2)，则有：其中，发射信号功率P、天线增益Gt和信号波长λ，通常在实验过程中被设为定值，a为常数，tk为k时刻到达接收机的时间。4.如权利要求2所述的基于隐马尔可夫模型识别无线信道的方法，其特征在于，所述时延均值的提取方式为：所述时延方差的提取方式为：其中，r(k,n)为k时刻实际接收信号函数。5.如权利要求2所述的基于隐马尔可夫模型识别无线信道的方法，其特征在于，所述时延扩展值的提取方式为：其中E(t)为接收到的离散信号的归一化包络特性曲线，它是以不同的时延信号所构成的时延谱。6.如权利要求1所述的基于隐马尔可夫模型识别无线信道的方法，其特征在于，步骤b2CN109428660A权利要求书2/3页中，所述隐马尔可夫模型记为λ＝{π,A,B}；其中π是初始状态概率矢量，表达式如下：A为状态转移矩阵，表达式如下：B为观测状态概率矩阵，表达式如下：其中，表示从si到sj的状态转移的概率，表示当处于状态si时，观测到oj的概率；步骤b中训练针对各个已知场景的无线信道的稳定的隐马尔可夫模型的具体方法为：将各个已知场景的4维特征向量作为隐马尔可夫模型的输入，通过Baum-Welch算法求解隐马尔可夫模型的模型参数。7.如权利要求1所述的基于隐马尔可夫模型识别无线信道的方法，其特征在于，步骤c中，所述利用训练出来的隐马尔可夫模型对未知无线信道进行识别，具体包括：首先提取未知无线信道的4维特征向量，然后在已知场景中提取该4维特征向量训练隐马尔科夫模型稳定，即完成训练集对分类器的训练过程，最后，利用训练完成的隐马尔科夫模型分类器在测试集中采用Viterbi算法计算输出结果，所述输出结果为观察序列O对HMM模型λ的输出概率P(O|λ)：最后，选取输出概率P(O|λ)最大的隐马尔可夫模型所对应的无线信道类别作为对此未知无线信道的识别结果。8.如权利要求1-7任意一项所述的基于隐马尔可夫模型识别无线信道的方法，其特征在于，步骤a和步骤c中，在提取无线信道的4维特征向量之前还包括：对无线信道的传输数据进行预处理，所述预处理包括根据多路无线信号数据相关性对无线数据进行去噪处理。9.基于隐马尔可夫模型识别无线信道的系统，其