本发明属于无线信道特征提取技术领域,具体涉及一种无线信道环境特征参数突变检测方法。
背景技术:
在移动通信中,发射端和接收端之间通过电磁波来传输信号,我们可以想象两者之间有一些看不见的电磁通路,并把这些电磁通路称为无线信道。无线信道与周围的环境密切相关,不同环境下的无线信道具有一些差异化的特征,如何发现并提取这些特征并将其应用于优化无线网络,是当前的一个研究热点。
无线信道的大尺度衰减特性是无线通信网络规划和覆盖范围预测的重要研究内容。长期以来,移动信道和地空信道的传播特性在相关领域受到重视并得到广泛研究,近地面信道由于缺乏应用需求的推动而研究较少。近年来,随着无线传感器网络技术的不断发展,其在地面或低空环境下的广泛应用前景开始引起人们对近地面无线信道研究的重视,但当前的研究重点仍集中于上层路由、组网以及接入协议,涉及信道传播特性的研究工作很少。在极低天线高度下,无线信号传播对信道的考察较以往的研究要求更细微化。地面的微小起伏都会阻挡收发信机间的传播路径而形成非视距(non-line-of-sight,nlos)通信,不同地形地貌引起的阴影衰落更是千差万别,该种环境即使能进行有效的信号强度测量,也难以形成可借鉴的信道模型,当前的信号检测技术大部分已无法满足高精度检测场景的需求。
技术实现要素:
为了解决现有信号检测技术无法满足高精度检测场景需求的技术缺陷,本发明提供一种利用无线信道大尺度衰减采集阴影衰落序列,建立马尔可夫转移概率矩阵,准确快速的检测信道环境是否发生突变的方法。
本发明是通过以下技术方案实现的:
一种无线信道环境特征参数突变检测方法,包括如下步骤:
步骤s1,在正常通信情况下,采集无线信道内的功率信号序列,并利用无线信道大尺度模型计算阴影衰落序列;
步骤s2,计算所述阴影衰落序列的增量序列;对所述增量序列做赋值、取值划分处理;根据所述取值划分后所述增量序列的概率分布,计算无线信道的先验状态转移概率矩阵;
步骤s3,在正常通信情况下,重复所述步骤s1和步骤s2若干次;计算所述无线信道的先验状态转移概率矩阵的相似度,称为第一相似度,统计正常通信相似度波动范围;
步骤s4,统计监测样本信号下一采样时刻点实际所处的状态区间的个数,计算监测数据状态转移概率矩阵;计算所述无线信道的先验状态转移概率矩阵与所述监测数据状态转移概率矩阵的相似度,称为第二相似度,并根据所述正常通信相似度波动范围和所述第二相似度判断所监测信道环境特征参数是否发生突变。
本发明相对于现有技术的有益效果在于:
第一,运算简单快速,便于实现实时监测;
第二,状态转移概率矩阵对异常的发生较为敏感,能够准确确定异常的发生。
附图说明
图1为实施例1的无线信道环境特征参数突变检测方法的总流程图;
图2为阴影衰落序列
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
实施例1:
首先,对本发明提供的无线信道环境特征参数突变检测方法所需的硬件环境做简要说明:本发明提供的检测方法针对的是无线信道(即无线通信中发送端和接收端之间通路)的环境特征参数突变检测,一般情况下,该方法基于的硬件环境包括:一台信号发射机、一台信号接收机、一组发射天线和一组接收天线,在检测过程中,利用信号发射机通过发射天线向外发射信号,信号接收机通过接收天线接收上述信号。
如图1所示,无线信道环境特征参数突变检测方法包括如下步骤:
步骤s1,在正常通信情况下,采集无线信道内的功率信号序列,并利用无线信道大尺度模型计算阴影衰落序列。具体包括如下步骤:
步骤s101,在正常通信情况下,在信号接收机端以远小于原信号频率fo的采样频率fc
步骤s102,利用无线信道大尺度模型,见下式:
其中,dn为信号接收机到信号发射机的距离;pl(dn)[db]为路径功率损耗对数形式,db为单位;
计算阴影衰落序列
在本实施例中,步骤s102中的无线信道大尺度模型中计算阴影衰落序列
步骤s1021,计算路径功率损耗pl(dn)[db],如下式所示:
其中pt,gt,
步骤s1022,计算参考位置d0处的路径功率损耗
其中pt,gt,
步骤s1023,计算
步骤s1024,计算阴影衰落序列,如下式所示:
其中,pl(dn,m)表示为路径功率损耗序列pl(dn)的第m个值,m=1,2,...,m。
步骤s2,计算所述阴影衰落序列的增量序列;对所述增量序列做赋值、取值划分处理;根据所述取值划分后所述增量序列的概率分布,计算无线信道的先验状态转移概率矩阵。
步骤s201,计算所述阴影衰落序列的增量序列:
步骤s202,对所述增量序列
其中,“←”为赋值运算,
再对所述增量序列
规则(1),当s∈[0,1)时,
规则(2),当s∈[1,2)时,若
其中,所述增量序列
以
步骤s203,统计落入各区间
计算前一时刻
则先验状态转移概率矩阵pth为:
步骤s3,在正常通信情况下,重复所述步骤s1和步骤s2若干次;计算所述无线信道的先验状态转移概率矩阵的相似度,称为第一相似度,统计正常通信相似度波动范围。
步骤s301,在正常通信情况下,重复所述步骤s1和步骤s2l次;其中,l为大于100的整数;
步骤s302,计算所述无线信道的先验状态转移概率矩阵pth的相似度el,l=1,2,...,l,称为第一相似度,如下式:
统计正常通信相似度波动范围:
其中,
步骤s4,统计监测样本信号下一采样时刻点实际所处的状态区间的个数,计算监测数据状态转移概率矩阵;计算所述无线信道的先验状态转移概率矩阵与所述监测数据状态转移概率矩阵的相似度,称为第二相似度,并根据所述正常通信相似度波动范围和所述第二相似度判断所监测信道环境特征参数是否发生突变。
步骤s401,统计监测样本信号
步骤s402,记pre元素为
步骤s403,计算所述无线信道的先验状态转移概率矩阵
其中,
本发明的有益效果如下:
本发明提供的无线信道环境特征参数突变检测方法基于马尔可夫性原理实现。马尔可夫过程(markovprocess)是一类随机过程,具有马尔可夫性特性,即在已知“现在”的条件下,“将来”与“过去”无关,因此也称作无后效性。本发明引入无线信道大尺度衰减功率的马尔可夫转移概率,可以简化监测模型,准确快速的确定监测信道环境是否发生突变。
现有的信号检测方法一般基于频谱检测、压缩感知检测法,而本发明引入马尔可夫概率矩阵检测后,计算复杂度降低。
并且作为一种能量检测法,本发明具有通用性、盲检测和高性能。
相比传统的检测参数,本发明采用的马尔可夫概率矩阵检测参数所需的先验知识较少。本发明对突变的反应主要是概率计算,比数值计算的可靠性更高。
本发明对大尺度衰减的阴影衰落序列使用马尔可夫概率矩阵检测主要是从非视距因素出发,因此对于不同的环境具有良好的适应性。
本发明引入的马尔可夫概率矩阵检测研究的是数值的波动变化程度,因此其检测应用范围较广,可用于检测原信号的切换、环境的变换及异常信号介入等等,例如,所处检测环境不变,正在发送的信号变成另一个不同的信号,或发送信号不变,检测范围内物理环境受到破坏;再或者,检测范围内有异常信号介入影响正常通信时,所检测特征参数都将发生突变。本发明提供的检测方法能够快速有效准确检测上述无线信道环境突变情况。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。