[发明专利]一种基于粒子滤波修正的信道预测方法

权利要求书

1.一种基于粒子滤波修正的信道预测方法，其特征在于包括以下步骤：

a.将信道的历史信息通过训练序列得到AR线性预测模型，再用LRP信道 预测算法进行预测，并输出预测值；

b.对输出的预测值与实际值进行误差计算，若预测值与实际值之间的误差 e小于设定值E，则采用LRP信道预测算法的预测值作为信道估计值；若预测值 与实际值之间的误差e大于设定值E，则系统受非线性非高斯噪声的干扰，下一 个时段进入粒子滤波器进行粒子滤波修正，并将粒子滤波的预测值作为先验概 率下的信道估计值；

c.更新AR线性预测模型的系数，并进行下一时段的信道预测；

该粒子滤波修正包括对粒子滤波的序贯重要性采样法的初始化设置，其中 初始化设置包括设置信道粒子的数目、粒子范围及各个粒子所对应的权重，信 道粒子的初始值设定为步骤a中建立的AR线性预测模型的系数，序贯重要性采 样法对信道随机粒子的先验概率和信道的实际值进行加权运算，算出先验概率 下的信道估计值，然后对先验概率下的AR线性预测模型系数进行粒子滤波更新， 得到以当前接收信号为条件的信道粒子值的后验概率；

上述对AR线性预测模型系数进行粒子滤波更新的方法为：

假设AR模型为P阶，将其视为P维向量P＝[p₁，p₂，...，p_n]，在P维向量的周 围均匀取100个点，然后根据AR线性预测模型计算出预测的信道值；对于后验 概率密度函数p(c_t|y_o∶t)的贝叶斯估计表示为采用 序贯重要采样，也就是这里的w_t表示粒子的权重，初始 设置为1/P，δ这里为冲击函数，用来表示后验概率密度，表达式为 π(c_t|c_t-1，y_t)表示当前系统的先验概率函数，当 π(c_t|c_t-1，y_t)无限接近后验概率函数，先验概率函数的表达形式化简为 再用接收信号和信道粒子构成的先验概率和当前的接收信号来 更新每个粒子的权值；然后对所有粒子的权值进行归一化，也就是得到各个粒子新的权重值，再利用各个粒子进行加权，得到粒子滤波修正过后 的AR线性预测模型系数，接着利用该系数向量计算下一步信道预测；

在上述所有粒子的值和更新的权值之后，把这些离散的粒子作为AR线性预 测模型系数的离散概率密度分布，利用离散的积分方法，把这概率密度转换成 概率分布，然后对概率分布的概率轴进行M等分，对重新分割的分布轴上进行 分配粒子，并且在分配粒子的时候引入向外延拓的粒子。

2.根据权利要求1所述的基于粒子滤波修正的信道预测方法，其特征在于： 通过对后验概率密度重采样N次，产生新的支撑点集保留或复制具有 较大权值的粒子，剔除权值较小的粒子。

3.根据权利要求2所述的基于粒子滤波修正的信道预测方法，其特征在于： 上述重采样步骤是利用粒子滤波退化检测公式进行 检测，M为重采样前的初始粒子个数，如果滤波器性能低于门限值，当 N_eff＜N_th，N_th＜M，进行重采样算法。