[发明专利]时分复用信号的分接方法、装置、设备及存储介质有效

专利信息
申请号: 202210313886.X 申请日: 2022-03-28
公开(公告)号: CN114676729B 公开(公告)日: 2023-02-07
发明(设计)人: 刘连臣 申请(专利权)人: 清华大学
主分类号: G06F18/24 分类号: G06F18/24;G06F18/23213
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 黄德海
地址: 10008*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 时分 信号 方法 装置 设备 存储 介质
【说明书】:

本申请涉及数字信息传输技术领域,特别涉及一种时分复用信号的分接方法、装置、设备及存储介质,其中,方法包括:采集通信跟踪记录过程中的时分复用信号;根据时隙信号的信号特征构建时隙信号的特征向量,基于所有特征向量对所有时隙信号进行聚类,得到聚类结果,并基于支路已经标号的时隙信号从聚类结果中选择至少一个目标聚类中心;根据至少一个目标聚类中心计算并拟合得到待分接时隙信号的高斯混合模型的所有分类,并依次计算待分接时隙信号的特征向量与高斯混合模型中所有分类的匹配概率,将匹配概率最大的分类作为待分接时隙信号的支路。由此,解决相关技术中随着信号复接技术越来越复杂,时分复用信号的分接难度增加,分接效率较低等问题。

技术领域

本申请涉及数字信息传输技术领域,特别涉及一种时分复用信号的分接方法、装置、设备及存储介质。

背景技术

在非合作通信中,由于没有分接设备和随数据一起传输的信令信息,只能根据接收到的复接后的高速数据,利用数据的报面特征和统计规律来对支路信号进行分选。在实际的工作中,经常会面临对部分支路信息已知的时分复用信号进行新支路发现和分接的任务需求。

然而,随着信号复接技术越来越复杂,各用户特征差异会变得越来越小,同时同一用户时隙的分布也变得越来越不规律,分清支路信号也变得越来越难。

发明内容

本申请提供一种时分复用信号的分接方法、装置、电子设备及存储介质,以解决相关技术中随着信号复接技术越来越复杂,各用户特征差异会变得越来越小,同时同一用户时隙的分布也变得越来越不规律,分清支路信号也变得越来越难等问题。

本申请第一方面实施例提供一种时分复用信号的分接方法,包括以下步骤:采集通信跟踪记录过程中的时分复用信号,其中,所述时分复用信号包括支路已经标号的时隙信号和支路没有标号的待分接时隙信号;根据所述时隙信号的信号特征构建所述时隙信号的特征向量,基于所有特征向量对所有时隙信号进行聚类,得到聚类结果,并基于所述支路已经标号的时隙信号从所述聚类结果中选择至少一个目标聚类中心;根据所述至少一个目标聚类中心计算并拟合得到所述待分接时隙信号的高斯混合模型的所有分类,并依次计算所述待分接时隙信号的特征向量与所述高斯混合模型中所有分类的匹配概率,并将所述匹配概率最大的分类作为所述待分接时隙信号的支路。

进一步地,所述根据所述时隙信号的信号特征构建所述时隙信号的特征向量,包括:计算同一支路中不同时隙信号在比特变换频率值上的统计特性和在第一至第四游程长度的统计特性;根据所有统计特性构建初步特征向量,并对所述初步特征向量进行归一化处理,得到所述时隙信号的特征向量。

进一步地,所述基于所有特征向量对所有时隙信号进行聚类,得到聚类结果,并基于所述支路已经标号的时隙信号从所述聚类结果中选择至少一个目标聚类中心,包括:根据所述时隙信号的特征向量计算任意两个时隙信号之间的欧氏距离,构建相似度矩阵;根据所述相似度矩阵迭代更新吸引度矩阵和归属度矩阵,并在迭代更新的过程中确定每类时隙信号的聚类中心,直到满足近邻传播聚类的迭代结束条件,得到近邻传播聚类的聚类结果;基于所述支路已经标号的时隙信号从所述近邻传播聚类的聚类结果中选择满足目标条件的至少一个目标聚类中心。

进一步地,所述近邻传播聚类的迭代结束条件包括:每次迭代更新后,所述吸引度矩阵和所述归属度矩阵的改变量小于预设值;和/或,经过连续的多次迭代更新后,所述聚类中心不再改变;和/或,迭代更新的次数达到第一预设次数。

进一步地,所述根据所述至少一个目标聚类中心计算并拟合得到所述待分接时隙信号的高斯混合模型的所有分类,包括:获取至少一个候选聚类中心;根据所述目标聚类中心和所述候选聚类中心进行K均值聚类,得到K均值聚类的聚类结果,并计算所述K均值聚类的聚类结果下的轮廓系数;迭代更新所述候选聚类中心,并在迭代更新过程中计算新轮廓系数,直到满足K均值聚类的迭代结束条件;基于所有K均值聚类的聚类结果计算并拟合得到所述高斯混合模型的所有分类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210313886.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top