[发明专利]一种基于三层神经网络的列车通信信道预测方法

说明书

一种基于三层神经网络的列车通信信道预测方法，本发明采用基于神经网络的学习方法对信道变化情况进行学习，建立以前N个时刻的速度、多径衰落参数、多普勒频移参数的状态量为输入；以预测多径衰落参数、预测多普勒频移参数及信道平稳时长为输出的网络模型。该网络模型可应用于高速行进列车下一时刻的信道参数估计。鉴于列车运行路线的固定性及重复性，本发明充分利用列车信道变化的内在规律性，降低信道估计的使用频率，达到了提升信道总体利用率的效果。

技术领域

本发明涉及通信领域，具体涉及一种基于三层神经网络的列车通信信道预测方法。

背景技术

近年来，我国高速铁路的快速发展对高速移动环境下的列车无线通信系统提出了新的挑战，要求通信系统能够适应高速变化的通信环境，为列车旅客和列车控制系统提供大容量、高质量的信息服务。列车的高速移动使得无线通信信道急剧变化，带来大多普勒频移、严重的多径衰落以及频繁的小区切换，这些问题给列车高速移动信道的信道参数估计造成极大困难，难以准确快速的补偿信道频偏和跟踪信道变化。

传统的信道估计方法中，需要不断地探测信道以获得多径衰落参数、多普勒频移参数，信道估计开销较大。由于列车周而复始运行在同一路线上，相近的通信环境不断出现，因此不必在通信的每一刻进行信道估计。

现有关于列车通信信道估计的专利中，如“车地通信中列车速度和位置的信道估计和分集方法”(CN201010542351.7)，公开了一种基于列车速度和位置来获得信道参数的方法，其通过事先构建信道状态经验信息库，根据列车当前运行速度和位置查询信息库中对应的信道状态作为初步的信道状态，然后再利用参考信号进行验证。该方法需要通过两步才能确定信道状态信息，且在验证中需要在数据帧中插入参考信号，降低了信道利用率，限制了信道容量。“一种针对有轨交通的无线信道预测方法”(CN200810112082.3)，提出了利用信道测量的手段，记录轨道沿线的信道状态信息和对应的位置，构建大数据量样本库，然后在实际中基于列车位置和速度进行信道估计，并采用发送导频的方式进行辅助。该方法需要时时刻刻进行基于导频的信道估计，降低通信效率且构建数据样本库时需要存储大数据量样本，查询耗时较长。

发明内容

本发明要解决的技术问题是，克服现有技术存在的上述缺陷，提供一种信道利用率高的基于三层神经网络的列车通信信道预测方法。

由于列车行进路线固定，列车周而复始地行进在此路线上，因此相近的通信环境不断出现。当列车以相近的速度经过相同的环境时，其多径衰落及多普勒频移情况相似。针对此，本发明提出一种基于三层神经网络的列车通信信道预测方法，对信道情况进行预测，并获得信道平稳时长。在信道平稳时长内，将不再进行信道估计，大大提高信道利用率。具体的方法如下：

本方法采用基于神经网络的学习方法对信道变化情况进行学习，建立以前N个时刻的速度、多径衰落参数、多普勒频移参数的状态量为输入、以预测多径衰落参数、预测多普勒频移参数及信道平稳时长为输出的三层网络模型，并将该网络模型应用于列车通信时的信道估计。

本发明解决其技术问题所采用的技术方案是：

一种基于三层神经网络的列车通信信道预测方法，包括训练阶段及预测阶段：

1)训练阶段:

S11，对列车行进过程中的信道情况进行等时间间隔采样；