[发明专利]一种无线信道场景识别方法及系统

权利要求书

1.一种无线信道场景识别方法，其特征在于，包括：

(1)建立无线信道场景模型，并根据所述无线信道场景模型仿真出不同的无线信道场景，对于各所述无线信道场景，采集通频带信号并进行预处理得到信道场景基带信号；

其中，对所述通频带信号进行预处理，包括：

由求出所述通频带信号的基带接收信号y(t)_pq，其中，φ_i(t)＝2π{(f_c+f_i)τ_i-f_iτ_i}，C_i与τ_i分别表示第i条传播路径的信道增益与路径时延，f_i表示多普勒频移，v表示移动台的速度，λ表示移动台的波长，f_m为最大多普勒频移，θ_i为第i个平面波的到达角度，p表示第p种无线信道场景，q表示第p种无线信道场景中第q个信道通频带信号，I表示传播路径数量；

将y(t)_pq建模成为一个线性时变滤波器，求该滤波器的复基带脉冲响应其中，δ_i(·)为狄拉克函数，在采样周期比路径时延之间的差大于预设阈值的情况下，路径时延τ_i用近似表示，将h(t_,τ)_pq表示为其中，a_i为第i条路径的幅值；

设定基带发射信号x(t)＝1，则将通带接收信号表示为：

其中，h_I(t)_pq与h_Q(t)_pq分别是h(t)_pq的同向分量与正交分量，φ₀是相位偏移量，为时延，f_c为载波频率；

(2)采用自相关方法对所述信道场景基带信号进行特征参数提取，提取出所述信道场景基带信号的自相关函数；

(3)对所述自相关函数进行傅里叶变换得到功率谱密度函数，对所述功率谱密度函数作归一化处理得到归一化信道场景功率谱密度函数；

(4)设计深度学习网络，将所述归一化信道场景功率谱密度函数与对应的场景类别标签作为所述深度学习网络的输入，对所述深度学习网络进行训练，以采用训练好的深度学习网络对待识别的信道场景进行识别。

2.根据权利要求1所述的方法，其特征在于，所述根据所述无线信道场景模型仿真出不同的无线信道场景，包括：

初始化相关参数，利用平坦滤波器法产生不同无线信道场景，通过两路高斯白噪声随机序列输入平坦滤波器，从而分别产生有色高斯白噪声随机序列，组成不同无线信道场景的实部和虚部；

在输出端获取通频带信号其中，y(t)表示基带接收信号，h_I(t)表示同向分量，h_Q(t)表示正交分量，f_c为载波频率；

对不同无线信道场景进行一阶和二阶统计分析。

3.根据权利要求2所述的方法，其特征在于，步骤(2)包括：

对同向分量h_I(t)_pq求取自相关函数

其中，P_h为接收信号的功率，J₀(x)为贝叶斯函数，f_D表示最大多普勒平移，θ表示波达角；

对同向分量h_I(t)_pq与正交分量h_Q(t)_pq求取互相关函数

求取复基带脉冲响应h(t_,τ)_pq的自相关函数A_h(τ)_pq：