一种基于KNN和SVM算法的5G无线信道多径分簇计算方法

    公开(公告)号:CN112564835B

    公开(公告)日:2022-09-20

    申请号:CN202011346164.1

    申请日:2020-11-26

    IPC分类号: H04B17/391

    摘要: 本发明提出一种基于K近邻(K‑NearestNeig hbor,KNN)和支持向量机(Support Vector Machine,SVM)算法的5G无线信道多径分簇计算方法,采用高分辨率信道参数提取算法提取信道每一快照中的小尺度参数;用随机抽样算法抽取部分多径分量(Multi‑Path Component,MPC)进行聚类用于预分簇;利用KNN算法对抽取出来的MPC计算多维相对距离并进行预分簇;利用SVM算法对已知MPC的预分簇标签进行模式识别得到新的分簇标签;利用SVM算法生成的分簇标签对所有MPC进行模式识别得到最终的分簇结果。本发明方法能够更准确地对无线通信信道数据进行分簇,从而建立更加精准的信道模型,对于5G背景下的无线信道链路和系统级性能仿真评估与网络设计有非常重要的应用价值。

    一种基于KNN和SVM算法的5G无线信道多径分簇计算方法

    公开(公告)号:CN112564835A

    公开(公告)日:2021-03-26

    申请号:CN202011346164.1

    申请日:2020-11-26

    IPC分类号: H04B17/391

    摘要: 本发明提出一种基于K近邻(K‑NearestNeighbor,KNN)和支持向量机(Support Vector Machine,SVM)算法的5G无线信道多径分簇计算方法,采用高分辨率信道参数提取算法提取信道每一快照中的小尺度参数;用随机抽样算法抽取部分多径分量(Multi‑Path Component,MPC)进行聚类用于预分簇;利用KNN算法对抽取出来的MPC计算多维相对距离并进行预分簇;利用SVM算法对已知MPC的预分簇标签进行模式识别得到新的分簇标签;利用SVM算法生成的分簇标签对所有MPC进行模式识别得到最终的分簇结果。本发明方法能够更准确地对无线通信信道数据进行分簇,从而建立更加精准的信道模型,对于5G背景下的无线信道链路和系统级性能仿真评估与网络设计有非常重要的应用价值。

    适用于毫米波通信的无线信道状态及场景识别方法及系统

    公开(公告)号:CN115913411A

    公开(公告)日:2023-04-04

    申请号:CN202211409204.1

    申请日:2022-11-11

    摘要: 本发明公开了属于无线通信技术领域,特别涉及适用于毫米波通信的无线信道状态及场景识别方法及系统。所述识别方法建立多层深度神经网络;计算信道统计参数和多径簇参数,其中信道统计参数包括信号接收功率、动态范围、时延扩展及莱斯因子;多径簇参数包括平均簇间隔、簇衰减因子、首簇多径衰减因子及平均多径衰减因子;将信道统计参数及多径簇参数输入网络,输出信道状态及场景信息完成训练;使用经过训练的神经网络对信道状态和场景进行实时识别。本发明公开识别方法克服传统识别方法准确度较低的问题,无需复杂的输入参数,有效提升识别的实时性及准确度,适用于毫米波通信中高铁、无人机等快时变应用,保障毫米波通信安全正常运行。

    基于SVM-AKPD的5G无线信道多径分簇计算方法

    公开(公告)号:CN115225180A

    公开(公告)日:2022-10-21

    申请号:CN202210840098.6

    申请日:2022-07-18

    IPC分类号: H04B17/391

    摘要: 本发明公开了属于无线信道建模技术领域的基于SVM‑AKPD的5G无线信道多径分簇计算方法,包括:采用高分辨率信道参数算法提取信道小尺度参数;利用基于MPC距离算法计算MPC的adaptive‑K值;根据MPC附近adaptive‑K个MPCs的小尺度参数计算MPC的相对密度并确定初始簇心,并根据簇心分配标签;根据初始簇心,利用一对多法训练SVM分类器,并利用该SVM分类器对所有MPC进行模式识别,并完成分簇。本发明能够在多径分布不均匀、且复杂的信道环境中实现精确分簇,无需预制簇的数量和初始位置,无需手动调整簇的参数,并能够以较低的复杂度实现无线信道自动分簇,具有较高的应用价值。