[发明专利]高铁通信网络中无线信道多径分簇方法和装置

说明书

本发明提供了一种高铁通信网络中无线信道多径分簇方法和装置，包括：确定高铁通信网络中测量得到的信道冲激响应的平稳间隔，提取在平稳间隔内的功率延迟分布；设置噪声门限，提取噪声门限以上的有效多径分量，将有效多径分量的抽头位置作为原始样本，多径分量的功率作为原始样本的权重；设置邻域样本数阈值与样本的邻域距离阈值，将原始样本及原始样本权重输入至DBSCAN算法，获得多个多链路簇，并滤除被DBSCAN算法判定为噪声的样本；将得到的多个多链路簇的样本及样本权重分别输入至K均值算法，确定每个多链路簇内的多径簇数量，获得多径分簇结果。本发明的方法可以提高多径分簇的准确性。

技术领域

本发明涉及无线通信技术领域，尤其涉及一种高铁通信网络中无线信道多径分簇方法和装置。

背景技术

在宽带无线信道中，信号经过某一组散射体到达接收机，其接收信号是由具有相似时延、到达角和离开角的多径信号叠加而成，这些具有相似参数的多径信号称为多径簇。宽带信道模型通常是采用簇的方式进行构建，例如，由Saleh和Valenzuela提出的Saleh-Valenzuela信道模型，以及其他一些方向性信道模型。多径分簇是宽带信道建模的基础，而分簇方法将直接决定所信道模型构建的准确性以及信道特性分析的可靠性。

多径分簇最直接的方式是通过视觉识别，也就是肉眼观测，但这种方法效率低下，无法实现大量数据的处理。目前，采用模式识别中的聚类算法实现多径分簇是最常用的方法。K-means算法是一种基于距离的聚类算法，广泛应用于无线信道的多径聚簇。该算法的优点在于算法快速简单，而存在的问题是需要预先估计分簇的数量，并且对噪声数据比较敏感。DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法是一种基于密度的聚类算法，可以对任意形状的样本集进行聚类，能够有效处理噪声样本。但是，该算法不适合用于识别相距较近的多径簇。

目前，高铁通信网络的部署是采用小区合并的方式进行同频组网。在高铁通信网络中，存在基站重叠覆盖区域与非重叠覆盖区域，其中重叠覆盖区域内的接收信号是来自相邻基站信号的叠加，在功率延迟分布上体现为同时出现来自多条链路的多径分量。并且，不同链路的多径分量会随着列车的运动而靠近或远离。因此，在高铁通信网络中，无线信道多径分布会存在相距较远的情况，也存在相距很近的情况。在这种情况，直接采用传统的K-means算法或DBSCAN算法进行多径分簇均会出现较大的误差。因此，需要一种高铁通信网络中无线信道多径分簇方法来提高多径分簇的准确性。

发明内容

本发明提供了一种高铁通信网络中无线信道多径分簇方法和装置，以提高多径分簇的准确性。

为了实现上述目的，本发明采取了如下技术方案。

本发明提供了一种高铁通信网络中无线信道多径分簇方法，包括：

S1确定高铁通信网络中测量得到的信道冲激响应的平稳间隔，提取在所述平稳间隔内的功率延迟分布；

S2设置所述功率延迟分布的噪声门限，提取所述噪声门限以上的有效多径分量，将所述有效多径分量的抽头位置作为原始样本，将所述多径分量的功率作为原始样本的权重；

S3设置邻域样本数阈值与样本的邻域距离阈值，将所述的原始样本及所述的原始样本权重输入至DBSCAN算法，获得多链路簇，并滤除被DBSCAN算法判定为噪声的样本；

S4将所述的不同多链路簇内的样本及对应的权重分别输入至K均值算法，确定每个所述多链路簇内的多径簇数量，获得多径分簇结果。

进一步地，确定高铁通信网络中测量得到的信道冲激响应的平稳间隔，包括：通过本地平稳区间方法确定。

进一步地，提取在所述平稳间隔内的功率延迟分布，包括：将所述平稳间隔内的信道冲激响应进行时间平均，得到功率延迟分布。