[发明专利]一种无线信道特征提取与降维方法及系统

说明书

本发明涉及信道分类领域内的一种无线信道特征提取与降维方法及系统，该方法包括：根据通信接收机接收到的时域基带信号，对无线接收机所处环境下的信道冲击响应特征进行估计；通过数据截取，降低待测或待训练数据的维度；将截取后的信道从时域信道转换为频域信道；根据转换得到的频域信道，对无线接收机所处环境下的信道冲击响应特征进行估计；通过对频域信道特征的抽取，降低待测或待训练数据的维度；最后将抽取的频域信道特征送入信道分类算法模块，完成对通信收发机所处的信道环境进行识别和分类。本发明通过时域特征提取并转换到频域后，可以有效恢复信道特征。

技术领域

本发明涉及信道分类领域，具体地，涉及一种无线信道特征提取与降维方法以及系统，更为具体地，涉及无线信道特征提取及降维方法和信道分类感知方法。

背景技术

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。由于无线通信中信道环境复杂多变，信号传输过程收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。

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。通过对无线信道的冲击响应的估计，对通信收发信机所处的环境进行感知，追求的目标是分类的准确性。如果只用一种特征，如时域特征，有可能会导致分类的准确性不够，尤其是在动态信道场景下，信道会有时间选择性衰落，从而造成仅靠时域特征分类的准确度下降。

如果能联合时间域，或频域(这里的频域可以是广义的频域，除了是FFT变换外，还可以是小波变换)的特征提取，那么分类的准确性，可靠性可以有保障。而现有的通信波形，采用OFDM技术的很普遍，用频域的特征提取更容易。

数据的降维方法主要有主成分分析算法(PCA)、有监督的线性降维算法(LDA)、局部线性嵌入(LLE)、拉普拉斯特征映射等。PCA是最常用的线性降维方法，通过某种线性投影，将高维的数据映射到低维的空间中表示，并期望在所投影的维度上数据的方差最大，以此使用较少的数据维度，并保留较多的原数据特性。

发明内容

针对现有技术的缺陷，本发明的目的是提供一种信道特征提取与降维方法及系统。

根据本发明提供的一种无线信道特征提取与降维方法，包括：

时域信道特征估计步骤：根据通信接收机接收到的时域基带信号，对无线接收机所处环境下的信道冲击响应特征进行估计；

时域信道特征截取步骤：通过对时域信道特征估计数据的截取，降低待测或待训练数据的维度；

时频域信道转换步骤：将截取后的信道从时域信道转换为频域信道；

频域信道特征估计步骤：根据转换得到的频域信道，对无线接收机所处环境下的信道冲击响应特征进行估计；

频域信道特征抽取步骤：通过对频域信道特征的抽取，降低待测或待训练数据的维度；

信道分类算法步骤：将抽取的频域信道特征送入信道分类算法模块，得到所处信道的分类结果，完成对通信收发机所处的信道环境进行识别和分类。

一些实施方式中，所述时域信道特征估计步骤中，通过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，并进行归一化与增益合并操作，完成信号特征的提取。

一些实施方式中，所述时域信道特征截取步骤，是通过观察特征提取后的信号，截取满足预定要求的部分，降低数据的维度，从而减少数据的复杂度。

一些实施方式中，所述时频域信道转换步骤中，时域信道转换为频域信道通过快速傅里叶变换完成。

一些实施方式中，所述信道分类算法步骤中，通过KNN、SVM、随机森林、神经网络或CNN算法完成对抽取的频域信道特征的处理。