面向信道沖激響應的分簇方法和裝置的制造方法
【技術領域】
[0001] 本發明設及屬于信號處理領域，尤其設及一種面向信道沖激響應的分簇方法和裝 置。
【背景技術】
[0002] 準確的信道模型是開展無線通信系統設計與性能分析的前提。而在寬帶通信系統 中，對信道沖激響應(CIR)的建模至關重要，因為CIR決定了碼間干擾、頻率復用等重要特 性。在所有CIR模型中，Saleh-Valenzuela(SV)模型是最為著名的一個。該模型引入了多徑 簇的概念，即多徑分量在時延域成簇的現象，并且每個多徑簇的第一個多徑分量W及每個 多徑簇內的多徑分量幅度都服從指數衰減。現有科學研究發現SV模型在寬帶信道、超寬帶 信道W及毫米波波段與測量數據都有著較好的一致性。因此基于測量對SV模型進行參數化 對于建立一個可靠的CIR模型具有重要意義。
[0003] 在對SV模型進行參數化的過程中，首先，需要在CIR中對多徑分量進行分簇。當前 大部分學者采用視覺鑒別的方法實現CIR的多徑分簇，因為人體視覺可W有效地從噪聲中 鑒別多徑的結構與模式。但是運個方法面對海量的測量數據顯得過于繁瑣，實用性較差，并 且易受主觀判決差異的影響。
[0004] CIR自動分簇算法可W克服視覺鑒別法的諸多不足，在近幾年逐漸成為研究熱點。 CIR自動分簇算法的難點主要在于：（i)簇的物理概念缺乏明確的定義；（ii)簇的數目通常 未知；（iii)多徑分量相似性的測度難W建立；（iv)CIR統計特性的物理規律難W融入分簇 算法。
[0005] 當前較為著名的分簇算法為KMeans，運種算法是一種硬判決算法，采用歐式距離 來計算樣本點與簇屯、之間的距離，因此更容易在數據中發現球形簇。然而，標準的KMeans算 法并未廣泛應用于CIR的分簇研究，運一領域使用最為廣泛的分簇算法是KPowerMeans，其 核屯、是將多徑分量的功率引入標準的KMeans算法中。在KPowerMeans算法中，簇個數的上下 界需要預先設定，而分簇是通過最小化簇內點與簇屯、的距離W及最大化簇與簇之間的距離 來實現的。然而運種算法適合于在同時擁有多徑時延和角度信息的條件下，因而更加適合 于針對空-時兩域的信道測量數據進行分簇。
[0006] 除了KPowerMeans算法，還有一些其他分簇算法被應用于CIR的分簇中。如通過一 系列的對數曲線來擬合測量得到的CIR從而達到最小的均方根誤差(RMSE)。然而，運種方法 對于RMSE的口限值非常敏感，并且復雜度較大;再如通過一些統計性的手段將數據分為多 個維度的分析區域;還有算法利用隱藏Markov模型來學習多徑參數的分布并對CIR中的多 徑分量進行劃分;另外一些算法通過區域競爭的策略對CIR進行分簇。
[0007] 然而，上述當前已有的算法均沒有考慮CIR中多徑分量的物理變化特性，即多徑分 量的能量隨著時延指數遞減運一電波傳播的物理特征。忽略CIR的物理傳播特性會極大的 降低多徑分簇的準確度。除此之外，現有分簇算法還需要預設大量初始參數，如簇的數目、 簇的初始位置W及多徑相似度的測度，因此算法的性能將極大的受到運些配置參數的影 響。
【發明內容】
[0008] 本發明的實施例提供了一種面向信道沖激響應的分簇方法和裝置，提升了 CIR多 徑分簇的準確度。
[0009] 為了實現上述目的，本發明采取了如下技術方案：
[0010] -種面向信道沖激響應的分簇方法，包括：
[0011] 步驟一，基于稀疏優化理論對原始信道的信道沖激響應CIR信號進行重構；
[0012] 步驟二，基于重構的所述CIR信號進行CIR多徑簇的檢測，生成分簇結果；
[0013] 步驟Ξ，根據模型擬合度，對所述分簇結果進行修正。
[0014] 所述基于稀疏優化理論對原始信道的信道沖激響應CIR信號進行重構的步驟包 括：
[0015] 步驟a,設置初始狀態下在每一個待分簇的功率時延譜中每組信道沖激響應中多 徑簇數目的最大值Lmax;設置初始迭代次數;設置初始權重= L ...，jV;設置加權1范 數最小化的迭代過程的最大迭代次數M;n是多徑數序號;N是總多徑數目；
[0016] 步驟b，計算重構信號巧τ)的矢量形式P如)；具體為：
：·
[0019] 其中，Ρ為測量的功率時延譜PDP的矢量信號;Ρ為通過優化的方式還原的與Ρ信號 接近、與ai,k的平均能量形式相同的重構信號;ai,k為第1個簇內第k徑的幅度;Ρ為Ρ(τ)的矢 量形式；Ρ為Κτ)的矢量形式；Ω功第一有限差分參數；Ω 2為第二有限差分參數;W?為第 m次迭代中的權重因子組成的對角矩陣;τ是每條多徑的時延值；
[0020] 步驟C，判斷當前迭代次數m是否等于最大迭代次數Μ，生成判斷結果；
[0021 ]步驟d，如果等于，則迭代終止;如果小于，則對當前迭代次數m加一，并對當前權重 因子進行更新，生成更新后的權重因子;并使用所述更新后的權重因子，執行所述步驟b。
[0022] 所述第一有限差分參數Ωι根據W下公式表示：
[0023]
[0024] 其中，A τ代表PDP原始測量數據中的時延最小分辨率;ΤΝ-1是是第Ν-1條多徑對應 的時延值;TN是第N條多徑對應的時延值；
[0025] 所述第二有限差分參數Ω 2根據W下公式表示：
[0026]
。
[0027]所述第m次迭代中權重因子組成的對角矩陣W?為：
[002引
[0029] 其中，CON是迭代過程中的權重因子。
[0030] 所述對當前權重因子進行更新的步驟如下：
[0031]
[0032] 其中，ε為迭代穩定系數；是第m次迭代結束后更新后的權重因子；巧是 第m次循環中重構PDP對應的第η條多徑的PDP值。
[0033] 所述基于重構的所述CIR信號進行CIR多徑簇的檢測，生成分簇結果的步驟包括：
[0034]
[0035] S:為識別的多徑簇時延編號的集合;nc為S中的元素;C為簇的序號；? 為多徑簇 識別因子Φ在nc處的值;nc為第C個簇的時延編號;。h為判斷簇的口限值；
[0036] 或者，所述基于所述重構的CIR信號進行CIR多徑簇的檢測，生成分簇結果的步驟 包括：
[0037]
[0038] 所述多徑簇識別因子Φ根據W下公式計算：
[0039]
[0040] 所述根據模型擬合度，對所述分簇結果進行修正的步驟包括：
[0041] 利用中的所有Nc個點得到最小二乘擬合曲線g(n);其中，是 基于分簇結果得到的值;np為每個簇內第一條多徑峰值所對應的時延位置的索引值；Ρτ?ρ 是多徑信號在ηρ位置所對應的能量值；
[0042] 計算符Ρ，Ρ,, J中的所有Nc個點的線性擬合度，生成擬合參數R;
[0043] 比較所述擬合參數R與擬合度判決口限Rth之間的大小，生成判斷結果；
[0044] 如果R<Rth，則令l/max = Lmax-l，并跳至所述步驟一，直至分簇結果下的參數R大于所 述擬合度判決口限Rth;!/max為更新后的在每一個待分簇的功率時延譜中每組信道沖激響應 中多徑簇數目的最大值；
[0045] 如果R含Rth，則結束步驟。
[0046] 所述計算(Πρ, 中的所有Nc個點的線性擬合度，生成擬合參數R的步驟根據W 下公式計算：
[0047]
[004引其中，巧代表（·）幾何的平均值;g(np)為最小二乘擬合曲線g(n)在np處的取值。
[0049] -種面向信道沖激響應的分簇裝置，包括：
[0050] 重構單元，基于稀疏優化理論對原始信道的信道沖激響應CIR信號進行重構；
[0051] 分簇單元，基于重構的所述CIR信號進行CIR多徑簇的檢測，生成分簇結果；
[0052] 修正單元，根據模型擬合度，對所述分簇結果進行修正。
[0053] 由上述本發明的實施例提供的技術方案可W看出，本發明充分考慮了CIR的物理 規律，在分簇過程中融入了 CIR功率隨多徑時延呈現指數遞減的變化規律，提升了 CIR多徑 分簇的準確度。
[0054] 本發明附加的方面和優點將在下面的描述中部分給出，運些將從下面的描述中變 得明顯，或通過本發明的實踐了解到。
【附圖說明】
[0055] 為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用 的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本 領域普通技術人員來講，在不付出創造性勞動性的前提下，還可W根據運些附圖獲得其他 的附圖。
[0056] 圖1為本發明實施例一提供的面向信道沖激響應的分簇方法的處理流程圖；
[0057] 圖2為本發明實施例一提供的面向信道沖激響應的分簇裝置的連接結構圖；
[005引圖3a和圖3b是測量得到的超寬帶信道PDP示意圖。測試中發射機-接收機間距15 米，圖3a和圖3b中線1表示每個簇內多徑信號基于最小二乘的回歸擬合結果。圖3a表示原始 PDP數據W及基于肉眼識別的分簇結果。每個簇內第一條多徑信號用黑色圓圈做了標記，其 線性回歸曲線如線2所示；圖3b是基于KMeans算法的分簇結果(不同的多徑簇用不同線型進 行標示），其中線3為噪聲樣本，并未用于分簇。
[0059] 圖4a和圖4b是基于CIR重構法則對多徑簇的辨識示例。圖4a表示對原始PDP樣本的 重構結果;圖4b表示基于重構的PDP對多徑簇的位置進行辨識的示例。
[0060] 圖5a和圖加是利用超寬帶信道PDP測試數據顯示的多徑分簇二次修正的示例。測 試中發射機-接收機間距5米，不同的簇用不同的線型進行標示。圖5a和圖化中曲線線1為噪 聲樣本，線段線2表示每個簇內多徑信號基于最小二乘的回歸擬合結果。每個簇內第一條多 徑信號用黑色圓圈做了標記。圖5a為未做二次修正的分簇結果，其中直線線3表示每個簇內 第一條多徑峰值隨時延遞減的回歸擬合結果，其擬合準確度較低，R=ο