[发明专利]一种对抗式无线通信信道模型估计和预测方法

权利要求书

1.一种对抗式无线通信信道模型估计和预测方法，其特征在于，该对抗式无线通信信道模型估计和预测方法包括下列步骤：

S1、数据初始化，从源数据中随机抽取N个历史无线信道模型作为样本数据集，对信道模型进行归一化；

S2、信道模型聚类，采用动态时间规整衡量两个长度不同的时间序列信道模型的相似度，基于动态时间规整对信道模型数据进行聚类；

S3、信道模型预测，基于LSTM动态循环神经网络递归模型进行信道模型预测模型；

S4、信道模型预测模型修正，基于对抗网络的信道模型预测模型增量修正方法对信号模型预测模型进行修正。

2.根据权利要求1所述的一种对抗式无线通信信道模型估计和预测方法，其特征在于，所述数据初始化包括下列步骤：

a、假设所有信道模型各转移矩阵参数的变化都是相互独立的，使用min-max标准化方法对所有信道模型数据实施归一化处理，如下：

b、采用伯努利抽样，在给定相对误差ε和精度ρ的条件下，即其中D为信道模型数据集，Op(D)是在数据集上的操作，是Op(D)的一个无偏估计量，计算样本量下限q，即

ω(D_k)是Op在等价类D_k分量上的实现函数；μ_δ/2为标准正态分布的δ/2上分位数；Dis(D)表示信道模型数据集上等价类的个数。

c、构建矩阵；以样本信道模型数据集中最近测量的time_d作为基准时间戳，随机选取g个大小为k个time_d的窗口作为矩阵的行，信道模型参数如转移矩阵、信道冲击响应等作为信息属性列，信道模型的变化作为决策属性列。

d、属性辨识矩阵；令步骤c构建的矩阵为信息系统T(U，A，F，Class)，记U/R_A＝{[x_i]_A|x_i∈U}，D([x_i]_A，[x_j]_A)＝{a_k∈A|f_k(x_i)≠f_k(x_j)}，称d([x_i]_A，[x_j]_A)为[x_i]_A与[x_j]_A为与的属性辨识集。称D＝{D([x_i]_A，[x_j]_A)|[x_i]_A，[x_j]_A∈U/R_A}为属性辨识矩阵。

e、主成分提取；通过步骤d构建的辨识矩阵查找主成分B，使得采用信道模型信息属性超图消解法，在提取主成分时，每次选取超图中最大公共子边中的属性集作为候选集，并删除所有含有候选集属性的超边，如此迭代，直至超图中不含有超边为止，最终将所有候选集作笛卡儿积以构成主成分属性集合。

3.根据权利要求1所述的一种对抗式无线通信信道模型估计和预测方法，其特征在于，所述信道模型数据进行聚类包括下列步骤：

a、假设信道模型时间序列S和T分别为长度为m和n的两个时间序列，其中S＝(S₁，S₂，...，S_m)，T＝(T₁，T₂，...，T_n)，DTW算法的目标是能够找到一组路径W＝w₁，w₂，...，w_k，其中max(m，n)≤k≤m+n使得经由上述路径的点对点的对应距离之和为最小，考虑时间序列的最小值来源，最终得到这两个不等长序列的最相似对于情况。

b、以样本信道模型数据集为源，使用基于DTW距离的k-means聚类算法对样本信道模型数据进行聚类分析，并形成k个不同的簇，使得每个簇中的信道模型在测试窗口内的DTW均值最小化，簇间DTW均值最大化。