基于实测数据的信道特性分析与特征挖掘研究

发布时间：2020-04-29 14:04

【摘要】：随着多天线的应用和发展,通信系统中的天线数目不断增加,同时无线电波的传播特性随着场景、频段和带宽的改变呈现出复杂多样的特点,而且这些特性和规律都隐含在海量的信道测量数据中,仅仅通过传统的数据处理和分析方法难以高效地得到可靠、准确的变化规律。所以,基于大数据思想并利用机器学习方法的信道特性分析与特征挖掘对信道实测数据的分析和规律总结有着重要的价值和意义。本文从信道测量出发,研究信道测量中发射功率对信道测量结果的影响,为信道测量提供指导性建议。同时,本文采集了 5G重要部署场景之一的农村宏蜂窝场景3D-MIMO信道数据,利用传统数据分析方法总结农村宏蜂窝场景特性,并从相关性的角度分析了信道冲激响应的动态范围和信道特性之间的联系。最后,本文基于数据挖掘的思想并结合机器学习方法,提取信道数据中的有效特征,分析信道数据中的潜在规律,并提出了基于神经网络的场景相似度计算方法。本文的主要研究内容包括:1.信道测量中发射功率对信道特性分析的影响在信道测量中由于测量系统发送功率有限,会导致部分多径信号被淹没在噪声中,对信道特性分析造成一定的影响。本文设计了室内热点场景的信道测量方案,利用信道测量平台采集不同发射功率下的信道实测数据。通过平方和误差、时延扩展和信道互信息三个角度对比不同发射功率下的信道特性,发现在测量过程中接收响应的动态范围在20 dB以上时,才能够采集到比较完整的多径信号。2.农村宏蜂窝场景的信道测量与信道特性分析农村宏蜂窝场景是5G的重要部署场景之一,但目前对该场景三维空间信道的测量和研究仍有不足。本文通过信道测量,对3.5 GHz农村场景的3D-MIMO信道特性进行了分析,针对室外视距、室外非视距与室外覆盖室内三种环境给出了包括大尺度、小尺度、参数间相关性的信道分析结果。同时,由于农村宏蜂窝场景中存在较强的绕射情况,本文基于信道冲激响应的动态范围分析了信道特性的变化,并发现了它们之间存在较强的依赖性。3.基于机器学习的特征挖掘研究为了剖析信道冲激响应在不同信道环境下的分布与特点,本文利用机器学习方法挖掘实测数据中的隐含特征。首先,本文通过主成分分析(Principal Component Analysis,PCA)方法对信道冲激响应的时延维度进行降维,提取有效特征。其次,本文利用降维后的有效特征对信道冲激响应进行聚类,并利用前两个重要维度可视化信道冲激响应的分布,分析和总结不同信道环境下的信道特性。最后,本文基于神经网络模型提出信道场景的相似度计算方法,并利用农村宏蜂窝场景数据进行了实验测试。
【图文】：

示意图,信道,发送端,上变频

点阐述信道实测数据采集平台的参数、信道特征参数提取过程以及本道场景特点介绍。逡逑道测量平台和原理逡逑了了解、研宄和利用无线信道特性，需要通过信道测量采集信道实测参数提取方法来挖掘无线信道的特性。在无线信道测量中需要使用专备，，这种设备需要满足信道测量中的频段、带宽、采样频率和灵敏度要求。信道测量一般包含以下几个步骤：逡逑信道测量平台同步校准，同步发送端和接收端的时钟。逡逑通过电缆与衰减直连发送端与接收端，采集测量平台的系统响应。逡逑根据测量方案采集各个测量点／测量路线的接收信号。逡逑通过接收响应、系统响应以及天线增益计算得出实测数据的信道冲激道测量原理示意图如下：逦逡逑

直接序列扩频,测量设备,工作原理图,信道

北京邮电大学工学硕士学位论文的快速切换，避免干扰。该平台由专用收发端设备、上下变频单元、高换单元、大容量存储单元和多阵列天线构成，可支持５６ｘ３２个多天线信采集，可以支持各种配置和各种测量场景，可实时观测测量结果，快速并记录信道冲激响应［４４］。逦逡逑发送端电脑逦均匀平面阵列天线
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN929.5

【相似文献】