[发明专利]基于空间转换c-Means的无线信道多径模糊聚类的方法及系统

说明书

本发明属于电子信息技术领域，公开了一种基于空间转换c‑Means的无线信道多径模糊聚类的方法及系统，首先将信号多径参数(包括振幅、时延、波达角和波发角)用变量空间转换的方法转换成与MCD兼容的形式后进行多径的聚类，另外该方法及系统为每个候选的多径聚类类别数K∈κ建立两个排名，在每个排名中，聚类结果都按照GD或者XB指数进行排序，排序后使用如附图所示的特定的计分机制选出最佳的聚类类别数。本发明在同等条件下的聚类准确率比KPowerMeans方法高44％，在较佳情况下相比FCM方法而言能实现100％的聚类准确率。

技术领域

本发明属于电子信息技术领域，尤其涉及一种基于空间转换c-Means的无线信道多径模糊聚类的方法及系统。

背景技术

目前，业内常用的现有技术是这样的：无线信号在蜂窝无线信道中传播的时候，大多数会受到周围环境中的反射、散射以及由建筑物等障碍物造成的衍射的影响，所以信道在响应冲击时会产生多径效应。大量的信道测试证明，这些多径(MPCs)并不是互相独立存在的，他们可以被分组，也就是所谓的“簇”。通常同一个簇里的信号路径是由同一个障碍物或者散射物造成的，他们也因此有着相似的参数，例如时延、入射角以及反射角。簇的概念被广泛的应用于信道模型，例如3GPP，WINNER，COST2100和METIS。信道建模需要解决多径问题。MPCs有着传输能量随传输距离呈指数衰减的性质，这一性质在早期被用于多径聚类，例如RMSE。但是由于当时技术水平有限，信道建模时并没有能力将MPCs在空间中的传播性质考虑在内。这类方法只使用了能量衰减这一个性质，MPCs在空间中的传播性质(例如入射角和反射角)没有被考虑，而这些参数对多径聚类非常有用。

模式识别是一种非常有前景的多径聚类方法，例如在KMeans基础上提出的KPowerMeans方法用衡量多径距离(MCD)以及多径能量衰减的方式进行多径的聚类。也有人将MCD应用在传统的c-Means模糊聚类(FCD)中进行多径的分类。但是Schneider’s FCM方法在同时应用MCD和FCM的时候在数学上并不严谨。因此下面有必要对传统的FCM方法进行说明，在信道建模问题中，聚类之前的信道冲击响应可以表示为式(1)，其中L是MPCs的总数目，是第l个MPC的复幅值。τ_l，分别表示延时、反射角的方位角、反射角的俯仰角，入射角的方位角和方位角的俯仰角。我们使用来表示第l个MPC的参数。又假设K是簇的个数，L_k是第K个簇中路径的的个数，而{K，l}表示第K个簇里的第l条信号路径，则聚类之后的信道冲激响应表示为式(2)：

通过迭代式(3)，可以得到某个信号属于某条路径的置信矩阵以及每个簇的中心向量，至此聚类工作完成：

在Schneider’s FCM中，使用式(4)表示的MCD替代式(3)中的来衡量多个信号路径之间的差异，其中，d_T，i，j和d_R，i，j被定义为式(5)，d_τ，i，j被定义为式 (6)：

在欧式空间下，欧式距离应该具有如下性质：但是在非欧式空间中，MCD(多径距离)的偏导在数学上没有意义同时也不成立，因此用MCD取代之后，同样使用FCM算法将导致多径聚类算法在数学上不成立，也因此，在欧式距离下能收敛的迭代方程在MCD距离下不能保证收敛。

综上所述，现有技术存在的问题是：由于没有恰当的技术手段利用MPCs 在空间中的传播性质(例如入射角和反射角)来提高聚类准确率，因此多径的聚类算法只使用了MPCs的幅度特性，算法的准确率较低；同时FCM算法由于使用了MCD距离而非欧式距离，因此FCM算法在数学上不成立，同时也不能保证算法的收敛性，这会导致聚类过程的不准确甚至聚类失败。

解决上述技术问题的难度：