[发明专利]一种基于支持向量机的信道环境检测方法

权利要求书

1.一种使用支持向量机SVM的信道环境检测方法，依次按以下步骤实现，

步骤(1)，按以下步骤对训练集数据进行处理，确定支持向量机模型及适当的惩罚参数c和函数参数g：

步骤(1.1)，将发送信息转化为数据块步骤如下：

把发送信息u，转化为数据块u_i，i表示训练集数据块编号，i＝1，2，…，I，每个数据块包括两个部分，信息符号s_g和导频符号p_g，在一个数据块中均匀插入G个导频符号p_g，g＝1，2，…，G，G为有限数，数据块u_i用下式表示：

ui=[p0T,s0T,p1T,s1T,···,pG-1T,sG-1T]T,]]>

步骤(1.2)，利用所述复指数基扩展算法、多项式基函数扩展算法以及切换信道算法确定出当前信道环境下使用的信道模型步骤如下：

步骤(1.2.1)，利用所述复指数基扩展模块计算信道估计值用下式表示：

hiCE-BEM(n)=Σq=0Qhi,qeiωqn,]]>

其中，ω_q＝2π(q-Q/2)/MN，M＝2，为过采样复指数基扩展，Q表示多项式基函数的项数，q＝1，2，…，Q，q表示多项式基函数的项数序号，f_max为最大多普勒频移，T_s为发送序列和接收序列的抽样间隔，i＝1，2，…，I，n＝1，2，…，N表示信号在数据块内的位置；

步骤(1.2.2)，利用所述多项式基函数扩展模块计算信号估计值用下式表示：

hiP-BEM(n)=Σq=0Qhi,q(n-n0)q,]]>

其中，i＝1，2，…，I，n＝1，2，…，N表示信号在数据块内的位置，n₀表示数据块的中点位置，为基扩展模型参数，d表示求导；

步骤(1.2.3)，利用所述切换信道算法，计算所有信道模型算法Ω＝{M_y|y＝1，2，…，Y}的多个连续的数据块间跳变幅度之和E，并以此确定出道模型算法y^*为当前信道环境下的最优信道模型算法，用下式表示：

y*=argminy(Ey),]]>

其中，y＝1，2，…，Y，Y表示信道模型个数，I为所取的多个连续数据块的个数，I∈[3，5]，I＜I，h_i(1)表示第i个数据块的第一个符号的信号估计值，h_i-1(N)表示第i-1个数据块的最后一个符号的信号估计值；

步骤(1.3)，按以下步骤确定训练集中的标签值、属性值：信号估计值变化量和数据块间跳变幅度：

步骤(1.3.1)，通过判断信道环境与上次检测时是否发生了变化作为训练集标签值，所述训练集标签值分为信道环境已发生变化和信道环境未发生变化；

步骤(1.3.2)，通过信号估计值变化量算法，计算信道环境未发生改变时数据块内的信号估计值变化量用r_i表示：

r_i＝[h_i(2)-h_i(1)，…h_i(n+1)-h_i(n)，…h_i(N)-h_i(N-1)]^T，

其中，n＝1，2，…，N-1；

步骤(1.3.3)，对步骤(1.3.2)输出的信号估计值变化量r_i，求取所述第i个数据块内的所有信号估计值变化量r_i的平均值r_icp，并利用下式计算信道环境已发生改变时的数据块内信号估计值变化量

r~i=ricp±Max(hi(n+1)-hi(n))-Min(hi(n+1)-hi(n)i)β1,]]>

其中，|Max(hi(n+1)-hi(n))-Min(hi(n+1)-hi(n)i)β1|>0]]>时，表示信道环境发生了变化，

|Max(hi(n+1)-hi(n))-Min(hi(n+1)-hi(n)i)β1|=0]]>时，表示信道环境没有发生变化，β₁∈[1，20]，为经验系数，表示支持向量机对信道环境变化的感知灵敏程度；从步骤(1.3.2)输出的信道环境未发生改变时数据块内的信号估计值变化量r_i和从步骤(1.3.3)输出的信道环境已发生改变时的数据块内信号估计值变化量统称为信号估计值变化量；

步骤(1.3.4)，通过所述数据块间跳变幅度算法，计算信道环境未发生改变时数据块间跳变幅度用e_i表示：

e_i＝h_i(1)-h_i-1(N)，

其中，i＝2，3，…，I；

步骤(1.3.5)，利用步骤(1.3.4)输出的数据块间跳变幅度e_i，求取全部所述数据块间跳变幅度e_i的平均值e_icp，并利用下式计算信道环境已发生改变时的数据块内信号估计值变化量

e~i=eicp±Max(hi(1)-hi-1(N))-Min(hi(1)-hi-1(N))β2,]]>

其中，|Max(hi(1)-hi-1(N))-Min(hi(1)-hi-1(N))β2|>0]]>时，表示信道环境发生了变化，

|Max(hi(1)-hi-1(N))-Min(hi(1)-hi-1(N))β2|=0]]>时，表示信道环境没有发生变化，β₂∈[1，20]，为经验系数，表示支持向量机对信道环境变化的感知灵敏程度；从步骤(1.3.4)输出的信道环境未发生改变时数据块间跳变幅度e_i和从步骤(1.3.5)输出的信道环境已发生改变时的数据块间跳变幅度统称为数据块间跳变幅度；

步骤(1.3.6)，按以下步骤对信道环境进行判断：

利用步骤(1.3.2)和步骤(1.3.4)输出得到的信号估计值变化量r_i和数据块间跳变幅度e_i，作为判断信道环境未发生改变时的训练集属性值；利用步骤(1.3.3)和步骤(1.3.5)输出得到的信号估计值变化量和数据块间跳变幅度作为判断信道环境已发生改变时的训练集属性值；

步骤(1.4)，进行串并转换：

串行输入所述的信号估计值变化量、数据块间跳变幅度和训练集标签值，进行串并转换，并行输出至缓存存储器；

步骤(1.5)，按以下步骤建立缓存存储器：

将所述串并转换后得到的信号估计值变化量作为训练集的第一个属性值，数据块间跳变幅度作为训练集的第二个属性值，与训练集标签值，存储到缓存存储器；

步骤(1.6)，确定支持向量机模型及适当的惩罚参数c和函数参数g步骤如下：

步骤(1.6.1)，建立所述支持向量机模型从所述缓存存储器，经串并转换输入作为训练集的属性值的信号估计值变化量，数据块间跳变幅度以及训练集标签值；从配置参数输出的小于最高限值，且大于最低限值的惩罚参数c和函数参数g，以及所述并以径向基函数为支持向量机核函数，然后，建立所述两个属性值和一个标签值之下的所述支持向量机模型；

步骤(2)，使用支持向量机模型检测信道环境：

步骤(2.1)，利用交叉验证K-CV方法确定并输出最佳的惩罚参数c和函数参数g；

步骤(2.2)，利用步骤(1.3.2)计算得到当前数据块的信号估计值变化量；利用步骤(1.3.2)计算得到当前数据块与上一个数据块间的跳变幅度；

步骤(2.3)，输入当前数据块的信号估计值变化量，当前数据块与上一个数据块间的跳变幅度，最佳的惩罚参数c和函数参数g，利用支持向量机模型，输出得到当前数据块的信道环境检测结果；

步骤(2.4)，按以下步骤对信道环境监测结果进行判断：

步骤(2.4.1)，判断当前数据块是否为最后一个数据块：

若不是最后一个数据块，则转入步骤(2.4.2)；

若是最后一个数据块，则结束；

步骤(2.4.2)，判断当前信道环境是否发生变化的判断：

若信道环境发生变化，转入步骤(1.2)；

若信道环境未发生变化，转入步骤(2.3)。