一种稀疏非参数身体域信道概率表征方法
【专利摘要】一种稀疏非参数身体域信道概率表征方法，包括以下步骤：S1采用体域网内的电磁波收发器采集数据；S2构建经验分布函数，并通过阶跃函数求解经验分布函数；S3使用经验分布函数近视密度函数，并构建回归函数；S4通过线性规划求解回归系数；S5通过对回归函数求导得到相应的概率函数；S6对得到的稀疏非参数概率模型进行评估和分析。本发明提出的表征模型不受具体传播情形的制约，由于其非参数特性，更适用于体域网内的无线通信。克服了以往模型对样本量有苛刻要求的问题，通过在回归过程中控制支持矢量的数量，使大量线性组合的系数为零，实现了回归系数的“稀疏化”。
【专利说明】一种稀疏非参数身体域信道概率表征方法【技术领域】
[0001]本发明属于电波传播【技术领域】，涉及时域有限差分技术及信道表征方法，特别是身体域信道的基于有限样本的概率表征方法。
【背景技术】
[0002]对于电波传播的统计模型来说，其重要组成部分就是概率的表征，在许多传播环境中，概率都被作为表征电波传播的重要手段，如陆地环境(参见:MatthiasPatzold, Ulrich Killat, and Frank Laue, “A Deterministic Digital SimulationModel for Suzuki Processes with Application to a Shadowed Rayleigh Land MobileRadio Channel，，，IEEE Transactions on Vehicular Technology, Vol.45, N0.2.pp.318-331，1996.)、移动卫星通信(参见:Chun Looj “A Statistical Model for a LandMobile Satellite Link，，，IEEE Transactions on Vehicular Technology, Vol.34, N0.3.pp.122-127，1985.)、室内环境(参见:Adel A.M.Saleh, and Reinaldo A.Valenzuela, “AStatistical Model for Indoor Multipath Propagation，，，IEEE Journal on SelectedAreas in Communications，Vol.5，N0.2，pp.128-137，1987.)、室外传播环境(参见:KlausIngemann Pedersen, Preben E.Mogensenj and Bernard H.Fleuryj “A Stochastic Modelof the Temporal and Azimuthal Dispersion Seen at the Base Station in OutdoorPropagation Environments，，，IEEE Transactions on Vehicular Technology, Vol.49, N0.2.pp.437-447, 2000.)、数字移动传播环境(参见:Tor Aulinj “Characteristics of aDigital Mobile Radio Channel，，，IEEE Transactions on Vehicular Technology, Vol.30, N0.2.pp.45-53, 1981.)、多用户移动传播环境(参见:Jean-Paul M.G.Linnartzj “ExactAnalysis of the Outage Probability in Multiple-User Mobile Radio， ，，IEEETransactions on Communications, Vol.40，N0.1，pp.20-23，1992.)、Nakagami 衰落传播环境等(参见:Valentine A.Aaloj “Performance of Maximal-Ratio Diversity Systemsin a Correlated Nakagam1-Fading Environment,，’IEEE Transactions on Communications，Vol.43，N0.8，pp.2360-2369，1995.)。近年来，身体中心无线通信在世界范围内引起了广泛的关注，其中身体中心电波传播的表征则是重要的核心内容。在身体中心通信中，概率函数可以被用来表征传播模式(参见:Simon L.Cotton, Gareth A.Conway, and WilliamG.Scanlon, “A Time-Domain Approach to the Analysis and Modeling of On-BodyPropagation Characteristics Using Synchronized Measurements at2.45GHz，，，IEEETransactions on Antennas and Propagation, Vol.57, N0.4, pp.943-955，2009.);同时，也有学者表征了体表的超宽带信道，并且得出结论:Nakagami分布可以很好地模拟均方根延迟(参见:Andrea Sanij Akram Alomainyj George Palikarasj Yuriy Nechayev, YangHaoj Clive Parini，and Peter S.Hall，“Experimental Characterization of UWB On-BodyRadio Channel in Indoor Environment Considering Different Antennas，，，IEEETransactions on Antennas and Propagation，Vol.58，N0.1，pp.238-241，2010.)。 值得注意的是，对于其他传播环境来说，参数概率逼近是传播表征的核心方法，但是，对于身体中心的情形来说，由于人体的存在，这种传播表征模式的合理性是值得商榷的，并且这个问题很少被关注。既往文献中提到监督参数估计和半监督参数估计是表征其他环境的主要方法，即使是对于体表上的情形，也用到了参数估计(参见:Andrea Sani, AkramAlomainy, George Palikaras, Yuriy Nechayev, Yang Hao, Clive Parini, and Peter
S.Hall, “Experimental Characterization of UffB On-Body Radio Channel in IndoorEnvironment Considering Different Antennas, ” IEEE Transactions on Antennas andPropagation, Vol.58, N0.1，pp.238-241，2010.)。在参数估计中，首先假定一个特殊的概率模型，然后，通过优化大量的参数来拟合该模型。但是，当无线电波的传播发生在身体周围时，并没有成熟的参数概率模型可以参照，因此，需要引入非参数概率模型。在非参数估计中，并没有假定特殊的函数形式，概率完全由数据本身所决定。从以上的定义我们可以看到，非参数概率模型是符合身体中心无线通信的实际情况的，原因是这种传播环境中的信道常受到姿势，个体差异等的影响。非参数概率的基础是由Fix等人提出的(参见:E.Fix, and J.L.Hodges, “Discriminatory analysis, nonparametric discrimination, ,r\}.S.Air Force School of Aviation Medicine, Randolph Field, Contract, AF-41-(128)-31,1951.)，他们的结果基于的概念是连续点周围的密度函数可以通过该点周围小范围内的离散点来进行估计。尽管目前非参数概率估计已经取得了一些进展，如核密度估计(参见:Rosenblatt.M, “Remarks on Some Nonparametric Estimates of a DensityFunction,，，The Annals of Mathematical Statistics, Vol.27, N0.3, pp.832-837, 1956?)及 K 最近邻居方法(参见:D.0.Loftsgaarden, and C.P.Quesenberry, “nonparametricestimate of a multivariate density function,，’Annals of Mathematical Statistics, Vol.36，N0.3，pp.1049-1051，1965.)等。但是，这两种方法需要大量的样本来维持精度的需要，而实际上在身体中心情形中，仅能获得有限的样本。在这种背景下，Weston等(参见:J.Weston, A.Gammerman, M.Stitson, V.Vapnik, V.Vovk, and C.Watkins, “Supportvector density estimation,，，Advances in Kernel Methods—Support VectorLearning, B.SchSlkopf, C.Burges, and A.Smo I a, Eds.Cambridge, MA: MIT Press, 1999.)提出支持矢量技术可以求解线性规划等式，并且可以应用到概率问题中，这样，所需的样本量会大大减少。`
【发明内容】
[0003]本发明的目的在于克服已有的体域网中信道概率模型依托已有参数模型并难以推广的不足，结合体域网内的电波传播表征理论，利用核函数组合对经验分布函数的累积分布函数进行逼近，在此基础上利用线性规划求解回归系数，最终通过求导得到具有系数特性的非参数概率模型。
[0004]具体的，提出本发明提出一种稀疏非参数身体域信道概率表征方法，包括以下步骤:
[0005]SI数据采集步骤:采用体域网内的电磁波收发器采集数据；
[0006]S2构建经验分布函数，并通过阶跃函数求解经验分布函数；
[0007]S3使用经验分布函数近似密度函数，并构建回归函数；[0008]S4通过线性规划求解回归系数；
[0009]S5通过对回归函数求导得到相应的概率函数；
[0010]S6对得到的稀疏非参数概率模型进行评估和分析。
[0011]在上述技术方案的基础上，所述S2包括，
[0012]定义密度函数为:
[0013]
【权利要求】
1.一种稀疏非参数身体域信道概率表征方法，其特征在于:包括以下步骤: Si采用矢量网络分析仪采集数据； S2构建经验分布函数，并通过阶跃函数求解经验分布函数； S3使用经验分布函数近似密度函数,并构建回归函数； S4通过线性规划求解回归系数； S5通过对回归函数求导得到相应的概率函数； S6对得到的稀疏非参数概率模型进行评估和分析。
2.如权利要求1所述的一种稀疏非参数身体域信道概率表征方法，其特征在于:所述S2包括， 定义密度函数为:
3.如权利要求2所述的一种稀疏非参数身体域信道概率表征方法，其特征在于:所述S3包括， 基底的选择:从正交基底到回归函数，将回归问题可以表示为基底的线性组合:
4.如权利要求3所述的一种稀疏非参数身体域信道概率表征方法，其特征在于:所述S4包括， 最小化
5.如权利要求4所述的一种稀疏非参数身体域信道概率表征方法，其特征在于:所述S5包括，构建
【文档编号】G06F19/00GK103577690SQ201310521438
【公开日】2014年2月12日 申请日期:2013年10月29日 优先权日:2013年10月29日
【发明者】杨晓东, 卡马尔·侯赛因·阿巴西, 任爱锋, 张志亚, 赵伟 申请人:西安电子科技大学