[发明专利]一种基于混合聚类的卫星随机接入前导检测方法

说明书

本发明提供了一种基于混合聚类的卫星随机接入前导检测方法，利用k‑means算法计算目标类质心与各数据样点之间的距离，实现正确类与错误类两类的聚类，利用EM算法对目标类别进行二次聚类，完成对目标类别的精确聚类，根据聚类结果筛选出最终正确定时索引。本发明针对多径信道下首径非最强径的场景，对传统基于门限设计的检测算法进行了突破，从崭新的角度对前导序列检测算法进行研究设计，利用人工智能算法设计出了一种能够独立于门限设计的联合聚类定时检测方法，该方法与传统检测算法相比能够有效检测首径位置，完成定时估计。

技术领域

本发明涉及卫星通信技术领域，尤其是一种卫星随机接入前导检测方法，可用于低轨卫星通信。

背景技术

近年来，随着人工智能相关技术的快速发展，无论是科学研究创新还是国家发展人民生活都逐步进入了智能化时代，与人工智能的结合愈发紧密，随处可见的智能化终端设备都离不开人工智能相关技术的强大支撑。在未来构建物联网世界以及天地空一体化网络中，人工智能技术将占据着至关重要的地位。

在现有卫星通信领域中，随机接入过程是搭建用户与卫星通信链路的重要前提，其中用户完成初始上行同步的关键问题在于卫星端如何成功并且高效的检测到用户所发送的前导序列以完成定时估计。现有卫星随机接入前导序列检测算法均是基于相关检测，在进行设计时往往需要设置合理的门限来提取用户正确定时位置处的相关峰值，进一步完成定时估计。传统门限的设定具有两种方式，一种为固定设定，另一种为动态设定。对于固定门限方法而言，需要考虑所有信道特性并通过多次的测试和修订确定一个最佳判决门限。当信道发生变化时检测性能便会受到影响。对于动态门限设定方法，需要实时对噪声进行捕获来完成动态比对来调整检测门限，由于计算量大，系统接入时延可能会增大。因此往往需要耗费大量时间以及精力去设计出合理的门限，具体设计过程十分复杂。

为了避免门限设计对检测带来的不利影响，因此需要考虑从其他角度来对前导检测算法进行研究设计。

发明内容

为了克服现有技术的不足，本发明提供一种基于混合聚类的卫星随机接入前导检测方法。本发明的目的在于针对传统前导检测算法中门限设计的困难以及复杂度，从数字特征角度对相关检测结果分析后，利用人工智能算法设计了一种能够独立于门限设计的联合聚类检测算法。该方法独立于门限设计，从较新的角度出发将人工智能算法运用于卫星随机接入前导检测，突破了传统检测算法的固定框架，在多径信道下比传统检测算法能更加有效地检测到首径位置，实现更好的前导检测性能。

本发明解决其技术问题所采用的技术方案的具体步骤为

第一步：完成对相关检测结果的初始聚类，对参数进行优化；

利用k-means算法计算目标类质心与各数据样点之间的距离，实现分类的类内各数据点之间距离小于各类间距离以完成初始聚类，实现正确类与错误类两类的聚类；

第二步：通过二次聚类进一步完成对检测结果的精确聚类；

利用EM算法对目标类别进行二次聚类，首先要对EM算法的初始参数进行设置，即对正确类别和错误类别的初始方差进行设置；将初始聚类的结果质心数值作为初始方差参数进行设置，利用初始参数开始进行参数估计，不断迭代参数估计的过程，当参数最大似然估计满足收敛条件时便停止迭代过程，完成对目标类别的精确聚类；

第三步，根据聚类结果筛选出最终正确定时索引。

最终经过初始聚类和二次聚类，无论在正确定时索引处的结果还是在错误定时索引处的结果都将聚类到对应的类别中，此时所有定时位置索引d处对应的P_corr(d)都会有其对应的类别状态信息H_d∈{0,1}，对于聚类到正确索引类的全部样点索引d有H_d＝0，对于聚类到错误类别的全部样点索引d有H_d＝1；