[发明专利]基于UKFNN的无线信道场景识别方法

权利要求书

1.一种基于UKFNN的无线信道场景识别方法，其特征在于包括以下步骤：

S1：采集连续路段的信道数据作为训练样本；

S2：将所得的训练样本平均分为l段，l＝2,3,4,5,…，分别利用无迹卡尔曼滤波神经网络进行建模，根据建模效果确定分段数目并得到连续信道数据分段模型；

具体步骤如下：

S21：利用霍特林变换将复数形式的信道数据转换为实数域数据；

S22：利用主成份分析法对步骤S21转换后的信道数据进行降维处理；

步骤S22中降维的具体方法为：

S221：特征中心化，即将矩阵B的每一维数据都减去该维的均值，得到矩阵BB，其中，矩阵BB的均值为0；

S222：计算矩阵BB的协方差矩阵C；

S223：按照特征值大小，选取对应的特征向量，使得矩阵B转换为主元矩阵t；

S224：确定主元个数k，从而得到新的数据集；

S23：对步骤S21和S22处理后的数据进行归一化处理，得到新数据X_m×N，其中，m为变量个数，N为样本数目；

S24：利用无迹卡尔曼滤波神经网络对信道数据进行建模，得到无线信道模型；

S25：定义归类准则，并以无迹卡尔曼滤波神经网络的输出变量对输入样本进行归类，对信道分段场景进行识别；

S3：利用AP算法对每一段数据进行区域划分；

S4：将所得的训练样本按照步骤S3所划分出的区域进行标记，并利用无迹卡尔曼滤波神经网络进行区域特征建模，得到连续信道数据分区模型；

S5：将待测数据带入步骤S2所训练出的连续信道数据分段模型，判断出属于哪一路段；

S6：将待测数据带入步骤S4所训练出的连续信道数据分区模型，从而判断出属于哪一区域。

2.根据权利要求1所述的基于UKFNN的无线信道场景识别方法，其特征在于，步骤S21中霍特林变换为：

矩阵A为复数形式的信道数据，寻求正交矩阵Q，使得Qφ_AQ^T＝diag(λ₁,λ₂,…λ_n)，从而得到经霍特林变换后的实数矩阵B＝QA，其中，λ_iA为矩阵A的特征值，1≤i≤n，φ_A为矩阵A的协方差矩阵，φ_A＝E{(A-E(A))(A-E(A))^T}，E(A)为矩阵A的期望值矩阵。

3.根据权利要求1所述的基于UKFNN的无线信道场景识别方法，其特征在于，步骤S224中采用累积贡献率CPV来确定主元个数k，即：

第i个主元的贡献率为：

前k个主元的累积贡献率为：式中，λ_iC为协方差矩阵C中第i个特征值，

若CPV(i)大于设定值CL，则前k个主元可替代原始数据。

4.根据权利要求1所述的基于UKFNN的无线信道场景识别方法，其特征在于，步骤S23中归一化处理的具体方法为：

式中，x_i'为归一化处理之前的输入变量，x_i”为归一化处理之后的变量，x'_min为归一化处理前输入变量x_i'的最小值，x'_max为归一化处理前输入变量x_i'的最大值。