[发明专利]基于隐马尔可夫模型识别无线信道的方法及系统

说明书

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。

技术领域

本发明涉及无线通信技术领域，具体涉及一种基于隐马尔可夫模型识别无线信道的方法及系统。

背景技术

随着无线通信的迅猛发展，无线技术为人们带来了新的学习、生活体验。无线系统是由信号发射端，无线信道，信号接收机组成的。传统的研究中，各大厂商对信号的发送端，和无线终端研究的比较多。然而，对无线信号的研究还是处于起步阶段。

在移动通信的信号发射端和接收端通过电磁通路传导，这条电磁通路和周围物理环境息息相关，不同的环境下，由于多径效应使无线信道具有一些差异化的特征。对典型的环境的无线信道特征进行数学描述，利用这些数学描述去识别未知的无线信道就具有重大的研究意义。通过这些特征的差异性，自适应地优化网络具有很大重要现实意义。一个典型的应用，基于一个无线信道的特征计算出这个信道的数学表达，这个数学表达就是唯一的，而且是基于现实的信道特点的，利用这个数学表达去加密一些传输的无线数据，形成一个基于无线信道特征的动态秘钥生成系统。

目前对无线信道特征的数学建模方面的研究，主要是一些统计性建模方法、确定性建模方法。这些方法的不足之处是算法复杂度高，不能应用已知的模型去估计未知的模型。

隐马尔可夫模型(HMM)是一个状态估计模型，最早由卡内基梅隆大学的学者Baker等人把该模型利用到语音识别中，使该模型最早在语音识别领域得到了很好的应用。现阶段，把隐马尔科夫模型用到无线信号处理领域是一种新的趋势，在隐马尔可夫过程中，前一状态的结果将影响下一个状态的识别结果。这类似于无线信号多径效应的过程，前一个接收信号和后一个接收信号有着相关性。因此，隐马尔可夫模型是一种很适合分析无线信号的模型。

发明内容

本发明所要解决的技术问题是，提出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。

一方面，本发明实施例提供一种基于隐马尔可夫模型识别无线信道的方法，其包括步骤：

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。

作为进一步优化，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。

作为进一步优化，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E(k)与在k时刻到达的单路多径信号的能量P_r(k)的比值，即：

结合k时刻实际接收信号函数r(n,k)，带入公式(1)和(2)，则有：