[发明专利]基于UKFNN的无线信道场景识别方法

摘要

本发明公开了一种基于UKFNN的无线信道场景识别方法，包括以下步骤采集连续路段的信道数据作为训练样本；确定分段数目并得到连续信道数据分段模型；利用AP算法对每一段数据进行区域划分；将训练样本进行标记，建立连续信道数据分区模型；将待测数据带入分段模型，判断出属于哪一路段；将待测数据带入分区模型，判断出属于哪一区域。有益效果模型建立复杂性低和计算量少，提高模型的精度；采用AP算法进行聚类，无需指定聚类数目，使信道识别方法更加简单，构建模型更加容易，能准确的识别出采集自该连续路段测试数据属于哪一路段、哪一区域。

主权项

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Xm×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。