一种基于核功率密度的无线信道多径分簇方法与流程

技术特征：

1.一种基于核功率密度的无线信道多径分簇方法，信号由发射机历经无线信道多径传播后到达接收机(是未来无线通信领域面向簇结构的信道处理技术)，其特征在于，包括如下步骤：

1)利用多天线信道探测仪实时采集信道数据，获得连续时刻下信道冲激响应数据，通过先入先出控制器实时地存放在第一存储介质；

2)第一存储介质中的原始采样数据被输送至串-并转换器，通过数个“参数估计”处理器同时对各路并行的基带原始数据进行参数估计，获得每一路并行数据(其对应不同时刻的测试数据)所对应的多径样本信号，之后再被输送至并-串转换器，所得结果存放在第二存储介质(这样，由于使用了多个“参数估计处理器”，使得有新数据进入第一存储介质时，“参数估计1”处理器已经完成了对之前数据的估计处理，从而保证了系统处理的实时性；另外，经并-串转换器后存放在第二存储介质的只是多径信号的功率、时延、角度等统计特性参数，它比原始信道数据占用空间更小，更易于实时处理)；

3)信道探测仪至少具有8个处理器(它们也可以是一个处理器的不同存储区域)，即处理单元1-8，用于后续FPGA分簇处理，前后处理单元之间利用移位寄存器传递数据，各处理单元共享系统时钟且并行处理；

4)将第二存储介质中的多径信号读入信道探测仪内部“处理单元1”，以矩阵单元的形式依次存放；

5)在“处理单元2”中设置一个计数器，其初值为0；在“处理单元2”所存储的这个逻辑空间内，对任意一个多径信号x以欧氏距离的方式依次搜索距离它最近的多径信号，每搜到一个多径信号，则将其存入“处理单元3”中，同时令“处理单元2”中计数器加1；

6)利用“处理单元3”中所存放的所有多径信号以及“处理单元2”中多径信号x数据及多径信号各个参数的统计分布特性，得出x的原始核功率密度，存储在信道探测仪内“处理单元4”中；

7)基于“处理单元3”中的数据在内部处理器中计算x的相对核功率密度，删除掉“处理单元4”中原先存放的原始核功率密度数据，将新的相对核功率密度数据存放在“处理单元4”中(所存储的相对核功率密度代表了该多径信号在后处理中的重要程度，其值越大，表明该多径信号在后续信道探测仪的内部处理中所占的权重越大)；

8)将“处理单元2”中的计数器值归零，重复步骤5)-7)，直至完成对“处理单元2”中所有多径信号相对核功率密度的计算，将所获得的相对核功率密度数据全部存放在“处理单元4”中；

9)在“处理单元4”中搜索相对核功率密度为1的多径信号，将所有这些相对核功率密度为1的多径信号的编号以及其在“处理单元2”中所对应的空间坐标存储在“处理单元5”里，这些多径信号是后续处理中建立多径成簇关系的初始中心点，即“初始多径核心点单元”；

10)在信道探测仪的“处理单元2”里，借助空间坐标及“处理单元4”数据搜索任意多径信号x附近，距离它最近、相对核功率密度又比它大的多径信号，将这个多径信号称之为x的高密度最近邻信号，二者存在“逻辑连通关系”，并将其编号存放在“处理单元6”的高密度最近邻矩阵中；

11)重复步骤10)，直至完成对“处理单元2”里所有数据的计算，将所有获得的高密度最近邻信号编号及“逻辑连通关系”编号存放在“处理单元6”的高密度最近邻矩阵中；

12)通过数据检索的方法，对每一个存放在存储器里的多径数据进行排查判决，建立存储器中所有存放的多径信号之间的初始成簇关系，这样，完成了对“处理单元2”中所有多径信号归属关系的初始分簇，将每一个多径信号的分簇编号存放在“处理单元7”中；

13)继续通过数据检索的方法，对“处理单元7”中的每个多径信号的分簇编号进行更新；

14)找出“处理单元7”中所有出现的编号值，统计它们的总个数，并重新将它们按顺序序列编排，删除不连续的序号，将所得结果存入“处理单元8”中；

15)将信道探测仪“处理单元8”中的结果存入第三存储介质，多径信号的分簇过程结束。

2.如权利要求1所述的方法，其特征在于，

通过数字下变频和模数转换操作，获得连续时刻下信道冲激响应数据；

所述第一存储介质是磁盘阵列A区；所述第二存储介质是磁盘阵列B区；所述第三存储介质是磁盘阵列C区；所述第一存储介质、所述第二存储介质、所述第三存储介质在同一磁盘上；

若信道探测器配置有多天线射频单元，则所存储的多径样本包含多径的幅度、时延、角度3方面信息；若信道探测仪配置仅为单天线射频单元，则所存储的多径样本包含多径的幅度、时延2方面信息；

在信道探测仪内部的处理器中预先分配出8个处理单元；

每个多径信号均独立地存放在各“处理单元1”里的不同的矩阵单元中；将每一个矩阵单元中的多径信号映射到功率-时延-角度的三维逻辑空间中，并在“处理单元2”中存储每个多径数据的空间坐标；

若“处理单元2”中计数器值等于则停止对“处理单元2”中数据的搜索；

设备处理器内部的判决依据如下：“处理单元2”中不同的多径信号如果依照“处理单元6”中的高密度最近邻逻辑连通关系找到一条通往“处理单元5”中同一个“初始多径核心点单元”的逻辑通路，那么，这些多径信号属于这个“初始多径核心点单元”的内部数据；

设备处理器内部的更新依据如下：如果“处理单元5”中的两个“初始多径核心点单元”在步骤5)所描述的“逻辑邻域”中相互存在相连关系，且二者的相连关系中存在一条逻辑连接路径上每一个多径信号数据节点的相对核功率密度值均大于0.8，那么就将这两个“初始多径核心点单元”所对应的全部元素在“处理单元7”中的值更新为同一个新的编号值；和/或，

将信道探测仪“处理单元8”中的结果存入“磁盘阵列C区”中，并在处理器中依据“磁盘阵列B区”和“磁盘阵列C区”中的数据对多径信号的分簇结果进行图示化处理，实时地显示在信道探测仪的显示屏窗口中。

3.一种基于核功率密度的无线信道多径分簇方法，信号由发射机历经无线信道多径传播到达接收机，MIMO信道被建模为双方向性信道，并且双方向性脉冲响应包括多径的功率、时延、离开角以及达到角(不同的参数具备彼此独立的统计特征)，信道中的多径信号呈现成簇现象，在同一个簇中的多径信号拥有相似的功率、时延以及角度参数，其特征在于，所有的多径参数都利用高分辨率算法(例如，MUSIC、CLEAN、SAGE、RiMAX)从实际测试数据中进行估计，考虑在一个时间时刻内多个簇中的多条多径分量，而这些多径分量由功率、时延、DOD以及DOA进行表示(是未来无线通信领域面向簇结构的信道处理技术)。

4.如权利要求3所述的方法，其特征在于，

a)针对每一个多径样本x，利用距离它最近的K个多径分量计算其密度；在计算密度的过程中，结合多径信号参数的统计特征分别在时延域采用基于高斯分布的核密度加权因子、在角度域采用基于拉普拉斯分布的核密度加权因子，以此提升多径密度计算中所得结果与多径分量统计特征的吻合程度；在功率维度采用指数形式进行加权计算，将不同多径分量之间的功率差放大，在核密度中考虑功率，使得分簇结果中的多径簇心更靠近功率较强的点；

b)针对每一个多径样本点，利用它的K个最近的多径分量计算其相对密度，利用相对密度，在不同区域对多径密度进行归一化，从而确保不同的簇具有相似的密度值，以更好地识别出功率相对较弱的簇；

c)对于每一个多径样本x，得到多径核心点的集合，多径核心点被设定为初始的多径簇心；

d)对每一个多径样本x，将每一个多径分量与其高密度最近邻相互连接，并建立映射路径，得到连接图(两个多径分量可以通过多条映射路径相互连接，不同的多径分量如果在连接图中与同一个多径核心点相连通，则它们被分到同一个多径簇中)；

e)对于任意一个多径分量，将其与它的K个最近的多径分量相互连接，建立映射路径，得到连接图。

5.如权利要求4所述的方法，其特征在于，

如果：i)两个多径核心点在连接图中相互可达；ii)在这两个多径核心点相互连通的任意路径上，存在某条路径上的样本点始终大于密度门限，就将这两个多径核心点所对应的簇合并为一个簇；

K决定了在计算密度的过程中要使用多少本地多径信号从而获得连接图，K越小，则本地多径密度的波动对于分簇结果的敏感性就越大，这等效于缩小了本地区间的范围；

每一个簇内有个样本点，使得簇具有一定的紧凑度；

χ决定两个簇是否可以被合并，χ越大，簇的数目就越多，簇与簇之间的分离度较高；和/或，优选地，χ为0.7-1.0，更优选为0.8。

6.如权利要求3所述的方法，其特征在于，

利用核函数的思想构建核密度加权因子，将多径在功率、时延、角度维度的统计分布规律融入分簇过程中；在3D MIMO测量的条件下，可在2D测量数据的基础上增加俯仰角维度所对应的核密度因子(如果多径的角度信息无法从信道数据中获得，将相应的核密度因子删除)，使得所产出的多径分簇结果在相应空间内各个维度的统计分布规律趋近于核函数的表现形式；

在多径密度计算中仅考虑K个最近的多径分量，保证估计的多径密度对于局部区域数据密度的变化具有足够的敏感度；

在多径密度计算中使用“相对密度”，以有助于反映本地区域多径密度的变化情况，从而使得每个多径簇更易于辨识；

将彼此距离相对较近的簇进行合并，以克服由于多径簇能量衰落所造成分簇数量过多的情况。

7.如权利要求3所述的方法，其特征在于，

使用核密度的方式将多径各个维度中参数的统计分布特征与分簇过程相融合；

在对多径密度进行估计的过程中，通过相对密度仅考虑K近邻内的多径信号，以更有效地识别局部区域多径密度的变化特征；

采用多径簇合并机制，以有效地改善多径分簇性能；

应用信道探测仪，实现信道数据的实时处理。

8.如权利要求7所述的方法，其特征在于，信道探测仪用内部FPGA芯片，实时地分析所采集多径数据的成簇效应，输出分簇结果，并依据分簇结果实现设备内对信道统计特征的计算、分析、显示等功能。

9.如权利要求7所述的方法，其特征在于，通过核密度函数将真实环境中多径分量的统计分布特性以及多径分量功率同时考虑进来。

10.如权利要求7所述的方法，其特征在于，解决了传统算法多径簇的先验信息未知的难题，进而服务于基于簇结构的无线通信信道建模以及通信系统的设计；核密度既考虑了多径分量的统计特性，也考虑了多径功率；能够更好地识别多径分量的本地密度变化，不需要簇的先验信息；能够满足未来无线通信领域面向簇结构的信道处理技术。