[发明专利]一种基于软判决可视与非可视信道的识别方法、系统及装置

权利要求书

1.一种基于软判决可视与非可视信道的识别方法，其特征在于，包括以下步骤：

S1，获取数据包信息计算信道特征；

S2，计算S1所得信道特征的概率分布函数；

S3，用多个高斯函数拟合S2的概率分布函数；

S4，采用软判决判断数据包信息属于视距环境还是非视距环境下所接收的；

S3中所述的高斯函数如下：

其中z为测量得到的样本数据，f(z)为该样本数据的密度概率，n为拟合的高斯函数总个数，a_j，b_j，c_j为第j组拟合高斯函数的系数，a为曲线尖峰的高度，b是尖峰的中心坐标，c是标准方差；

用多个高斯函数分别拟合视距/非视距场景下的特征的概率分布；S4中，计算该数据包在视距/非视距场景下对应的特征的概率，具体如下：

其中y₁，y₂，y_n分别代表没有相关性的信道特征，P(y₁|x＝LOS)，P(y₁|x＝NLOS)，分别代表信号在y₁特征视距和非视距条件下的概率，P(y₂|x＝LOS),P(y₂|x＝NLOS)分别代表信号y₂特征在视距和非视距条件下的概率，P(y_n|x＝LOS),P(y_n|x＝NLOS)分别代表信号y_n特征在视距和非视距条件下的概率，P(x＝LOS)和P(x＝NLOS)代表视距与非视距条件下的先验概率，x为LOS状态或NLOS状态；S4中，具体判断公式为：

视距信号：P(x＝LOS|y₁,y₂,…y_n)≥1-P(x＝LOS|y₁,y₂,…y_n)

非视距信号：P(x＝LOS|y₁,y₂,…y_n)＜1-P(x＝LOS|y₁,y₂,…y_n)。

2.根据权利要求1所述的基于软判决可视与非可视信道的识别方法，其特征在于，获取数据包信息计算信道特征具体如下：

获取数据包信道信息并处理合成信道状态信息；

对所述每个信道状态信息数据进行傅里叶反变换，得到其对应的信道冲击响应；

计算信道冲击响应幅值的峰度和偏度，即得到所述信道特征。

3.根据权利要求2所述的基于软判决可视与非可视信道的识别方法，其特征在于，

采用下式计算峰度：

采用下式计算偏度：

其中E{·}表示采样期望延时，μ_h和σ_h分别表示CIR振幅的|h(τ)|的均值和标准差。

4.根据权利要求1所述的基于软判决可视与非可视信道的识别方法，其特征在于，S2中选择S1所述特征中没有相关性的特征，计算其概率分布函数。

5.一种基于软判决可视与非可视信道的识别装置，其特征在于，包括信息接收装置、处理器以及存储器，信息接收装置和存储器均与处理器通过I/O接口连接，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现权利要求1～4任一项所述基于软判决可视与非可视信道的识别方法，存储器还用于存储信息接收装置所获取的信息数据。

6.一种计算机可读介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1～4中任一项所述基于软判决可视与非可视信道的识别方法。

7.一种基于软判决可视与非可视信道的识别系统，其特征在于，包括信道特征计算模块、概率分布计算模块以及判定模块；

信道特征计算模块用于获取数据包信息计算信道特征；

概率分布计算模块用于计算所述信道特征的概率分布函数并采用多个高斯函数拟合所述概率分布函数；

判定模块用于基于软判决判断数据包信息属于视距环境还是非视距环境下所接收的；概率分布计算模块中高斯函数如下：

其中z为测量得到的样本数据，f(z)为该样本数据的密度概率，n为拟合的高斯函数总个数，a_j，b_j，c_j为第j组拟合高斯函数的系数，a为曲线尖峰的高度，b是尖峰的中心坐标，c是标准方差；

用多个高斯函数分别拟合视距/非视距场景下的特征的概率分布；判定模块计算该数据包在视距/非视距场景下对应的特征的概率，具体如下：

其中y₁，y₂，y_n分别代表没有相关性的信道特征，P(y₁|x＝LOS)，P(y₁|x＝NLOS)，分别代表信号在y₁特征视距和非视距条件下的概率，P(y₂|x＝LOS),P(y₂|x＝NLOS)分别代表信号y₂特征在视距和非视距条件下的概率，P(y_n|x＝LOS),P(y_n|x＝NLOS)分别代表信号y_n特征在视距和非视距条件下的概率，P(x＝LOS)和P(x＝NLOS)代表视距与非视距条件下的先验概率，x为LOS状态或NLOS状态；具体判断公式为：

视距信号：P(x＝LOS|y₁,y₂,...y_n)≥1-P(x＝LOS|y₁,y₂,...y_n)

非视距信号：P(x＝LOS|y₁,y₂,...y_n)＜1-P(x＝LOS|y₁,y₂,…y_n)。