[发明专利]基于信道状态信息的多径效应辨别方法和距离估计方法

权利要求书

1.一种基于信道状态信息的多径效应辨别的距离估计方法，包括以下步骤：

步骤1：从采集的待测试点的信道状态信息数据中提取可表征受多径效应干扰的强弱程度的特征，所述特征包括信道状态信息数据中时域视距路径信号强度与非视距路径信号强度的比值，信道状态信息数据的频域方差，以及信道状态信息数据的频域偏度；

步骤2：以所述特征作为输入，利用多径效应强弱分类模型判断所述待测试点受多径效应干扰的强弱程度，其中，所述多径效应强弱分类模型是基于历史的信道状态信息数据中提取的所述特征利用分类算法通过训练而获得；

步骤3：基于所述待测试点受多径效应干扰的强弱程度，确定受多径效应干扰小的点，并且利用所述受多径效应干扰小的点的无线信号估计各待测试点的距离。

2.根据权利要求1所述的方法，其中所述多径效应强弱分类模型基于决策树分类算法训练获得，并且所述步骤2包括：针对一个待测试点，判断其时域视距路径信号强度与非视距路径信号强度的比值是否小于等于所述决策树相应节点阈值，若是，则将所述待测试点分类为多径效应强，否则继续随后的步骤；判断所述待测试点的频域方差是否大于所述决策树相应节点阈值，若是，则将所述待测试点分类为多径效应强，否则继续随后的步骤；判断所述测试点的频域偏度是否大于所述决策树相应节点阈值，若是，则将所述待测试点分类为多径效应强，否则将所述待测试点分类为多径效应弱。

3.根据权利要求1所述的方法，其中，所述时域视距路径信号强度与非视距路径信号强度的比值是信道状态信息数据经过傅里叶变换后得到的时域30个子波中，第一个子波的幅值与其他29个子波子波幅值之和的比值。

4.根据权利要求1所述的方法，其中，所述分类算法为决策树、贝叶斯算法、神经网络算法或支持向量机之一。

5.根据权利要求1所述的方法，其中步骤3包括：

对于每个待测试的点，计算出判别为多径效应弱的数据占该点总数据的百分比，如果该百分比超过预定的阈值，则认为该点是受多径效应干扰较小的点。

6.根据权利要求5所述的方法，其中，所述阈值为60％。

7.根据权利要求1所述的方法，其中，步骤3包括根据以下公式估计各测试点的距离：

其中，RSSI(d)是传播距离d后的RSSI值，RSSI(d₀)是在距离参考点处的RSSI值，n是路径损耗指数，X_σ是反映遮挡导致的能量衰减的一个随机变量。

8.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至7中任一项所述方法的步骤。

9.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的方法的步骤。