本申请涉及无线通信,特别是涉及一种无线信道建模方法、计算机设备、存储介质和计算机程序产品。
背景技术:
1、mimo(multiple-input multiple-output,多输入多输出)技术是指能在不增加带宽的情况下,成倍地提高通信系统的容量和频谱利用率。它可以定义为发送端和接收端之间存在多个独立信道,也就是说天线单元之间存在充分的间隔。因此,mimo技术消除了天线间信号的相关性,提高了信号的链路性能,增加了数据吞吐量,被广泛应用在各种无线通信系统中。
2、无线信道模型研究是系统设计、理论分析、性能评估、优化及部署的核心基础。在mimo技术的研究中,同样需要构建各种信道模型,用数学表达式描述信道特性,便于分析评估。其中,gbsm(geometrically-based stochastic model,基于几何的随机信道模型)是目前业界公认的能较好复现实际信道环境的信道建模方法。gbsm一般指以信号的物理传播机制为基本原理,在已知发射端、接收端的位置以及散射体几何形状的条件下可生成信道冲激响应的信道模型。该模型能够很好地与实际信道测量结果匹配,但其复杂度一般较高,并且信道统计特性没有闭式表达式,不利于数学分析。而cbsm(correlation basedstochastic model,基于相关的随机信道模型)不需要反映出信号的物理传播特点,模型简单,其复杂度相对较低,便于解析推导,因此常被广泛应用于信道容量计算和信号处理算法设计。但目前流行的cbsm在独立子信道样本的分布形式上均有较为严苛的前提假设,因此造成了应用场景的限制。
3、鉴于无线信道模型在无线通信研发中的重要作用,寻找到一种与gbsm信道统计特性等价的cbsm方法是亟待解决的问题。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够实现与gbsm信道统计特性等价的cbsm无线信道建模方法、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本申请提供了一种无线信道建模方法。该方法包括:
3、获取小尺度信道矩阵样本;
4、生成第一分布矩阵;第一分布矩阵为独立同分布的复正态随机矩阵;
5、根据小尺度信道矩阵样本,生成第一定值矩阵、第二定值矩阵和第二分布矩阵;第一定值矩阵用于反映视距分量能量耦合能力,第二定值矩阵用于反映散射分量能量耦合能力,第二分布矩阵的各元素为相互独立的广义伽马分布随机变量的幂次;
6、根据第一定值矩阵、第二定值矩阵、第一分布矩阵、第二分布矩阵和小尺度信道矩阵样本,获取目标信道矩阵;目标信道矩阵用于表征构建的无线信道模型。
7、在其中一个实施例中,根据小尺度信道矩阵样本,生成第一定值矩阵、第二定值矩阵和第二分布矩阵包括:
8、根据小尺度信道矩阵样本,获取发射端相关矩阵的特征基矩阵和接收端相关矩阵的特征基矩阵;
9、根据发射端相关矩阵的特征基矩阵、接收端相关矩阵的特征基矩阵和小尺度信道矩阵样本,获取第三矩阵;
10、根据第三矩阵的期望,获取第一定值矩阵;
11、根据第三矩阵的标准差,获取第二定值矩阵。
12、在其中一个实施例中,根据小尺度信道矩阵样本,生成第一定值矩阵、第二定值矩阵和第二分布矩阵包括:
13、对小尺度信道矩阵样本进行分布拟合,获取小尺度信道矩阵样本的概率分布模型;
14、根据概率分布模型,确定第二分布矩阵中各元素对应的幂的底数和幂的指数;幂的底数服从广义伽马分布。
15、在其中一个实施例中,概率分布模型包括复高斯分布、复学生分布和复拉普拉斯分布;
16、根据概率分布模型,确定第二分布矩阵中各元素对应的幂的底数和幂的指数包括:
17、当概率分布模型为复高斯分布时,幂的指数为0;
18、当概率分布模型为复学生分布时,幂的指数为第一数值,幂的底数根据小尺度信道矩阵样本的分布拟合获得;
19、当概率分布模型为复拉普拉斯分布时,幂的指数为第二数值,幂的底数根据第一参数和第二参数确定;第一参数根据第三矩阵离散样本估计的峰值系数获得,第二参数为预设形状参数。
20、在其中一个实施例中,在根据小尺度信道矩阵样本,生成第一定值矩阵、第二定值矩阵和第二分布矩阵之后,包括:
21、根据第一分布矩阵和第二分布矩阵,获取混合分布随机样本;
22、根据小尺度信道矩阵样本,获取目标概率分布函数;
23、根据混合分布随机样本的概率分布函数,获取拟合概率分布函数;
24、获取目标概率分布函数与拟合概率分布函数的差异度;
25、基于混合分布随机样本,根据差异度调整第一参数和第二参数,以优化混合分布随机样本。
26、在其中一个实施例中,基于混合分布随机样本,根据差异度调整第一参数和第二参数,以优化混合分布随机样本包括:
27、当差异度大于阈值时,在预设范围内调整第一参数和第二参数,直至调整后的第一参数和第二参数对应的混合分布随机样本的差异度满足不大于阈值的条件;
28、针对满足条件的差异度,获取由差异度对应的第一参数和第二参数确定的混合分布随机样本。
29、在其中一个实施例中,获取目标概率分布函数与拟合概率分布函数的差异度包括:
30、根据目标概率分布函数和拟合概率分布函数,获取前向kl散度和逆向kl散度;
31、根据前向kl散度和逆向kl散度的和,获取差异度。
32、第二方面,本申请还提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述的方法的步骤。
33、第三方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的方法的步骤。
34、第三方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
35、上述无线信道建模方法、计算机设备、存储介质和计算机程序产品,首先,相较于gbsm,无需分析信号的物理传播特点,模型相对更简单,并且能够形成目标信道矩阵的确定表达式,有利于数学分析。其次,本申请基于小尺度信道矩阵样本的概率分布模型,提出了由广义伽马幂次与复正态分布合成的混合分布随机样本。混合分布随机样本的各元素能够相互独立且可以服从相同或不同类型的分布,且本申请还引入了视距分量和散射分量,使得本申请相较于cbsm,普遍适用于任意分布形式信道样本的拟合,同时能够实现与gbsm在统计特性上的良好近似,尤其是在大规模mimo系统中,显著提高了统计精度。因此,本申请提出了一种普适的高精度信道建模方法,考虑实际无线信道样本的分布特性,实现普遍适用于任意场景的gbsm和cbsm统计特性等价。
1.一种无线信道建模方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于:所述根据所述小尺度信道矩阵样本,生成第一定值矩阵、第二定值矩阵和第二分布矩阵包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述小尺度信道矩阵样本,生成第一定值矩阵、第二定值矩阵和第二分布矩阵包括:
4.根据权利要求3所述的方法,其特征在于:所述概率分布模型包括复高斯分布、复学生分布和复拉普拉斯分布;
5.根据权利要求4所述的方法,其特征在于,在所述根据所述小尺度信道矩阵样本,生成第一定值矩阵、第二定值矩阵和第二分布矩阵之后,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述混合分布随机样本,根据所述差异度调整所述第一参数和所述第二参数,以优化所述混合分布随机样本包括:
7.根据权利要求5所述的方法,其特征在于,所述获取所述目标概率分布函数与所述拟合概率分布函数的差异度包括:
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。