[发明专利]一种动态信道的时变多径聚类方法

说明书

本发明提供了一种动态信道的时变多径聚类方法。该方法包括：初始化MPC的参数，得到多个M帧的多径分量：根据多径分量对MPC进行追踪，得到MPC在连续帧间的演变轨迹。根据MPC在连续帧间的演变轨迹计算MPC轨迹的波动趋势；根据MPC轨迹的波动趋势将两条MPC轨迹分为三种位置情况：完全重叠、部分重叠和完全分离，结合每条轨迹的波动趋势计算两两MPC轨迹间的距离，根据两两MPC轨迹间的距离进行MPC聚类。本发明提出的聚类方法以MPC轨迹的波动趋势和轨迹间距作为聚类依据，能够准确地识别出波动趋势相似、轨迹间距相近的重叠轨迹并进行聚类。

技术领域

本发明涉及无线通信技术领域，尤其涉及一种动态信道的时变多径聚类方法。

背景技术

随着智能交通系统的发展，车辆通信的研究受到了广泛的关注。由于通信终端的移动性和周围环境的动态变化，移动通信中的无线信道普遍具有时变特性。因此，动态信道特性的描述和建模非常重要。目前，已有大量的信道测量结果表明，MPC(multipathcomponent，多径分量)的参数(如时延、角度、功率等)在时变信道中呈簇分布。因此，需要一种合适的MPC聚类方法对MPC的动态信道特性进行准确且全面的理解。

现有技术中的一种基于多径分量距离的MIMO信道参数自动聚类方法使用K-Means算法，并利用MPC距离(MCD)来量化MPC之间的相似性。

现有技术中的一种含路径功率参数的MIMO信道数据自动聚类框架进一步对K-Means算法进行优化，并使用MPC功率作为加权因子来获得簇心。

上述现有技术中的方法的缺点为：尽管这些工作对MPC进行了聚类研究，但主要是针对静态信道而设计，即在静态信道中，分别对信道的每帧执行聚类过程，这显然并不适用于时变的动态信道。对动态信道的建模不仅需要在单帧内进行聚类，还需要在连续帧间探究MPC随时间变化的特性，这是目前静态信道聚类算法所欠缺的。另一方面，目前提出的轨迹聚类算法过于片面，只考虑了MPC轨迹的部分段落，舍弃了非重叠段，这将导致信道聚类的不准确。为此，有必要开发一种基于MPC随时间演变的精确识别方法。

发明内容

本发明的实施例提供了一种动态信道的时变多径聚类方法，以克服现有技术的问题。

为了实现上述目的，本发明采取了如下技术方案。

一种动态信道的时变多径聚类方法，包括：

初始化MPC的参数，得到多个M帧的多径分量：

根据所述多径分量对MPC进行追踪，得到MPC在连续帧间的演变轨迹。

根据所述MPC在连续帧间的演变轨迹计算MPC轨迹的波动趋势；

根据MPC轨迹的波动趋势将两条MPC轨迹分为三种位置情况：完全重叠、部分重叠和完全分离，结合每条轨迹的波动趋势计算两两MPC轨迹间的距离，根据两两MPC轨迹间的距离进行MPC聚类。

优选地，所述的初始化MPC的参数，得到多个M帧的多径分量，包括：

初始化MPC的参数，该参数包括功率α、时延τ、到达角(φ_R,θ_R)和离开角(φ_T,θ_T)参数，得到N个M帧的多径分量；

其中，是在第m帧第n个MPC的功率，是在第m帧第n个MPC的时延，和分别是在第m帧第n个MPC的离开方位角和离开俯仰角，和是在第m帧第n个MPC的到达方位角和到达俯仰角。

优选地，所述的根据所述多径分量对MPC进行追踪，得到MPC在连续帧间的演变轨迹，包括：

利用Kalman滤波对MPC进行追踪，根据第m帧MPC的功率、角度和时延，通过Kalman滤波估计出第m+1帧的MPC的估计值