[发明专利]基于导频参考信号的信道时域特征提取方法及系统

说明书

本发明提供了一种基于导频参考信号的信道时域特征提取方法及系统，包括：步骤M1：根据通信接收机接收到的频域基带信号对导频参考信号处的信道冲击响应进行估计；步骤M2：根据通信接收机接收到的频域基带信号对数字子载波处的信道冲击响应进行估计；步骤M3：将导频参考信号处的信道冲击响应和数字子载波处的信道冲击响应从频域转换为时域，并进行时域特征提取；步骤M4：将信道中时域特征通过信道分类算法对信道环境进行识别和分类。本发明通过时域特征提取模块，可以将信道的冲击响应从频域变化时域，最后再送入信道分类算法模块，从而完成对通信收发信机所处的信道环境进行识别和分类。

技术领域

本发明涉及信道分类领域，具体地，涉及一种基于导频参考信号的信道时域特征提取方法及系统，更为具体地，涉及导频参考信号的特征提取方法和信道分类感知方法。

背景技术

由于无线通信中信道环境复杂多变，信号传输过程受到周边复杂的物理环境影响，导致不同信道场景下的信号在能量、功率和时延以及信道响应等方面具有明显的差异性。因此为实现通信环境的智能感知，本发明将研究重点集中在基于导频参考信号的特征提取和信道分类方法上。

信号特征提取方法主要有时频域特征如时延与频偏匹配度特征，高阶统计量、循环平稳特性、小波变换提取信号各阶分量的能量比等；基于DNN或CNN神经网络训练学习特征进行识别。神经网络是通过深层网络自动学习数据或样本的特征，避免了节点在线提取特征的过程，将复杂的信息提取过程转移到离线的网络训练中，避免了人为提取特征设定参数的影响，识别准确率较高，性能优势较为显著。本发明拟采用的特征提取是将接收信号中的导频参考信号与本地参考序列进行互相关，并进行归一化、增益合并、截取等操作。

将通过特征提取后的数据利用机器学习方法进行分类训练，从而在新环境下，可以对无线通信收发信机所处的物理环境进行感知。拟采用的方法有KNN,CNN,SVM，随机森林等。现有的典型的信道模型有：低空信道、城市信道、乡村信道和山区信道模型。根据分类得到的信道模型，通过改变系统调制阶数与调制模式等决策库进行通信系统调整。

专利文献CN101997790A(申请号：200910057756.9)公开了一种基于时域导频序列的信道估计装置,包括:分离器,信道信息估计单元,时域导频循环利用控制单元,步长自适应单元,时域自适应滤波器,加法器,时域插值单元；根据估计出的信道变化的快慢自动调整时域自适应滤波器的抽头更新步长；估计出时域导频序列的信道响应；利用时域导频循环利用控制单元产生的时域导频序列,和时域自适应滤波器输出的抽头滤波求和运算结果相减得到估计误差,并作为时域自适应滤波器的抽头更新的误差；恢复出当前帧的信道响应值。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于导频参考信号的信道时域特征提取方法及系统。

根据本发明提供的一种基于导频参考信号的信道时域特征提取方法，包括：

步骤M1：根据通信接收机接收到的频域基带信号对导频参考信号处的信道冲击响应进行估计；

步骤M2：根据通信接收机接收到的频域基带信号对数字子载波处的信道冲击响应进行估计；

步骤M3：将导频参考信号处的信道冲击响应和数字子载波处的信道冲击响应从频域转换为时域，并进行时域特征提取，，得到信道的时域特征；

步骤M4：将信道中时域特征通过信道分类算法对信道环境进行识别和分类。

优选地，所述步骤M2包括：根据通信接收机接收到的频域基带信号，通过内插和/或滤波方法对数字子载波处的信道冲击响应进行估计。

优选地，所述步骤M3包括将导频参考信号处的信道冲击响应和数字子载波处的信道冲击响应通过包括快速傅里叶变换、离散余弦变换或小波变换从频域转换为时域。

优选地，所述步骤M3中时域特征提取包括：将时域进行包括归一化、增益合并和截取操作。