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。