无线移动信道特征提取和场景判别

刘震 李莉 叶鹏

摘要： 基于三种已知场景无线信道脉冲响应的时域实测数据，运用统计方法，提取有多径效应的信道平均多径时延特征参数和无线信道响应的时域幅值包络特征.根据这些特征参数，给出不同场景无线信道的判别机制，再将无线信道场景判别机制应用于给定的两组未知场景实测无线信道响应数据，通过将未知场景无线信道特征与已知场景无线信道特征进行相关匹配，可以估计两种未知场景属于三种已知场景中的哪一种.

关键词：

多径效应； 平均时延； 特征提取； 场景判别

中图分类号： TN 929文献标志码： A文章编号： 10005137（2018）02015608

Feature extraction of wireless mobile channel and the scene discrimination

Liu Zhen， Li Li*， Ye Peng

（The College of Information，Mechanical and Electrical Engineering，Shanghai Normal University，Shanghai 200234，China）

Abstract：

Based on the time domain impulse response measurements of wireless channel in three known multipath scenarios，the average time delay parameters and time domain amplitude envelope characteristics of wireless channel response were extracted by applying statistical method.The mechanism to discriminate different multipath scenarios was identified according to the characteristics of these parameters.Besides，by applying the proposed discrimination mechanism into two wireless channel impulse response data sets measured in unknown scenarios，the features of the wireless channel could be extracted.The unknown scenarios could be determined belonging to which one of the three known scenarios by comparing the features of the unknown wireless channel with those of the known wireless channel.

Key words：

multipath effect； average time delay； feature extraction； scenario discrimination

收稿日期： 20161128

作者简介： 刘震（1992-），男，硕士研究生，主要从事无线通信方面的研究.Email：18817955714@163.com

导师简介： 李莉（1962-），女，博士，教授，主要从事认知无线通信频谱感知、异构无线网络干扰共存管理、通信信号随机处理等方面的研究.Email：lilyxuan@shnu.edu.cn

*通信作者

引用格式： 刘震，李莉，叶鹏.无线移动信道特征提取和场景判别 [J].上海师范大学学报（自然科学版），2018，47（2）：156-163.

Citation format： Liu Z，Li L，Ye P.Feature extraction of wireless mobile channel and the scene discrimination [J].Journal of Shanghai Normal University （Natural Sciences），2018，47（2）：156-163.

无线信道的传输质量与其周围环境有很大关系，不同环境中的移动信道具有不同的特点，甚至在同一环境下的不同路径传输信号时也具有差异性.

在无线信道传输中，多径效应是指电磁波信号的传输路径由许多因反射、衍射和散射而形成的路径所构成，在收发端，由于电磁波沿各条路径的传播距离不同，同一发射信号经由各路径到达接收端的多径时延和多径数目等参数各不相同.

由于多径效应的存在，现实场景或区域内的无线信道存在一定的差异化特征，导致每个无线信道的单位脉冲序列响应（以下简称“响应”）有所不同[1].本文作者利用真实场景无线信道响应数据测量结果，运用统计方法分析各场景下的平均时延变化趋势和时域包络，提取在多径效应作用下，平均多径时延和测量数据的时域幅度包络特征，进而分析并建立無线信道的特征模型.

无线信道的随机性和时变性增加了无线信道的分析和建模难度，近年来涌现出很多关于无线信道特征参数估计的精确算法，如空间谱估计、参数估计算法及多重信号分类算法等.目前常用的信道建模方法有正弦波叠加法和成型滤波器法两种[1]，正弦波叠加法运算量小，实现简单，但是用确定性过程去模拟随机过程，性能不够理想.成型滤波器法通过对高斯白噪声滤波来模拟衰落信道的功率谱，能较好地模拟衰落信道的特性，但是算法复杂度高，消耗资源多.本文作者在成型滤波器法的基础上利用离散时间线性系统建模.

1无线信道特征提取模型分析

1.1无线信道模型

无线信道可用离散时间线性系统建模[2]，在时域上可以用其单位取样脉冲响应表示.

在0时刻，发送一个单位脉冲信号δ（0），经无线信道传输后，测量被接收到的信号，这一过程可被理解为对理想的无线信道脉冲响应的测量.无线信道脉冲响应测量数据包含反映其对应的无线信道传播特征的信息.

在实际无线通信系统中，为了提高信号传播质量，一般在无线通信系统的发射端和接收端分别添加一个滤波器，假设滤波器的系统特征等效地采用单位取样脉冲响应函数g（k）建模，则此时实际无线信道接收数据的测量结果为[3]：

r（k）=h（k）*g（k）=∑M-1m=0h（k-m）*g（m），k=0，1，2，…，K-1，（1）

其中，r（k）表示无线信道时域中，测量的第k个采样点对应的数值结果，“*”表示序列的卷积运算，g（m） 表示滤波器系统特征函数的时域表达，m表示滤波器的抽头序号，M表示滤波器的有效长度，即g（m）的时间采样点个数，K表示无线信道一次时域测量样本的长度，即无线信道时域测量中每条样本有K个采样数值.

由于多径场景中多径个数及多径时延的影响，无线信道具有明显的时变性.在实际测量中还引入了一定的噪声，因此实际测量无线信道脉冲响应时，（1）式可修改为 [4-5]：

r（k，n）=h（k，n）*g（k）+u（k，n）=∑M-1m=0h（k-m，n）*g（m）+u（k，n），

k=0，1，…，K-1，n=0，1，…，N-1，（2）

h（k，n）=∑L-1l=0hl（n）*δ（k-τl（n）），（3）

其中，n表示无线信道测量的样本顺序号，也对应着测试时刻n，这里假设共有N个样本，即共发送了N个单位取样脉冲信号，hl（n）表示n时刻第l条路径上的信道系数，通常是复数；τl（n）表示n时刻第l条路径时间延迟，以折合的样点数为时延单位，L表示无线移动通信场景中的多径数目；u（k，n）表示n时刻第k个样点测试值上引入的复高斯白噪声，r（k，n） 表示n时刻的单位脉冲依次经发送滤波器、信道和接收滤波器后的实际接收信号.

在同一场景无线信道中，虽然参数的变化会导致离散时间线性系统函数h（k，n）有所差异，但由于处于同一场景，其不同特征参数的变化存在一定的规律，而且系统函数相近或存在一定的共性.对于不同场景而言，系统函数是有明显差异的.因此，通过对不同无线信道脉冲响应的测量样本数据表示的系统函数进行分类，可以区分无线信道对应的不同场景.

假定所有无线信道的滤波器系统特征函数统一为g（m），m=0，1，…，M-1，由（3）式可知，不同场景h（k，n）的差异可以通过接收信号r（k，n）反映.因此，不同无线通信场景的区分可以通过对接收信号r（k，n）的区分来实现.

1.2无线信道脉冲响应数据测量方案

假设信号源只有一个，发射的脉冲信号是单频的，不考虑多频率混合.每一样本只反映当前时刻无线信道脉冲信号响应，样本之间无相互影响，单一样本采样过程中多径数目和通道系数保持不变.每个场景中的噪声都为复高斯白噪声且噪声功率相同，无线信道脉冲响应信号强度强于噪声信号，除复高斯白噪声外不考虑其他干扰.实测中每个场景的滤波器数在误差允许的范围内相同，假设测得的数据完全为接收信号数据，其模运算的值表示信号强度，每个场景测量4组，每组1 500 条样本.

通过一个固定的单频信号源实时发送单位脉冲信号，单位脉冲信号时间间隔设为Tp，在开阔地、郊区街道、城市街道三种场景中选取采样位置，测量接收的无线信道脉冲响应数据，等效的采样时间周期设为Ts.每个场景测量得到4组1 500×100的矩阵数据，即每组数据包含N=1 500条样本数据，每条样本选取K=100个采样点.

假设每条样本中每个样点采样时间周期 Ts非常短且远小于相邻样本的间隔时间Tp，可以将每条采样样本近似地对应于一个时间点n.

在上述条件下，可进一步测得未知场景的两组测量数据，根据提取的无线信道特征进行未知场景的判别.

1.3无线信道模型特征参数提取

无线信道平均多径时延特征參数的分析，如（3）式所示，第n条测试样本的平均多径时延[6]

τn=∫∞0A（t，n）dt=1maxk（r（k，n））∑Kk=1k·r（k，n），（4）

其中，A（t，n）是n确定条件下，无线信道测量数据随时间变化的归一化包络.

接收信号的功率定义为某场景下无线信道测量信号一条测试样本的平均功率，当n每取一个值时，基于测量接收的无线信道脉冲响应为r（k，n）（k=1，2，…，100），接收信号的功率延迟分布[7]

AC（τn）=1K∑K-1k=0r（k，n）2，（5）

其中，τn为平均多径时延.

对某个场景，选择平均多径时延估计值τ—来描述多径效应的特征参数，基于同一场景中的一组测量数据，当测试样本数n变化时，平均多径时延估计值τ—为功率时延谱的一阶距[7]，

τ—=∑Nn=1τnAC（τn）∑Nn=1AC（τn）.

（6）

归纳总结每个已知场景的4组测量数据的平均多径时延τ—的特征[8-9]，可以找出已知的三个不同无线通信场景以无线信道平均多径时延和时延扩展为特征的区别机制.

本文作者通过响应数据幅值特征提取多径数目，给定同一场景，认定幅值的峰值分布较集中部分对应一个多径分量，在r（k，n）已知的情况下，n取[0，1 499]，绘制以k为参数的时域幅值包络图，对每个r（k，n）先取绝对值，每间隔10取平均值，根据包络特征提取多径数目.幅值均值

r（k，n）=11 500∑1 500n=1r（k，n）.（7）

2无线信道响应数据分析和结果讨论

2.1已知场景无线信道响应数据的时域分析

设每个场景测量4组数据，每一组测量数据包括1 500条样本，相邻样本时间间隔Tp约为2/3 ms；每条样本包括100个采样点，样本点采样周期Ts约为65 ns.

不同场景无线信道的区分可以转化为对无线信道多径时延的区分.根据给定场景时域测试数据，由（5）式繪制出每个场景对应的4组测量数据平均多径时延的变化趋势如图1～3所示.

由图1～3可得，三种场景中平均多径时延变化趋势分别为：场景一中，平均多径时延随时间采样点延迟上下波动明显，并且不呈单调变化趋势；场景二中，平均多径时延随时间采样点延迟呈微弱下降趋势；场景三中，平均多径时延随时间采样点延迟呈微弱的上升趋势.

不同场景中无线信道的区分可以转化为对信道多径数目个数及比例的区分.提取无线信道接收数据的时域幅值包络特征，可找出无线信道的传播路径，对场景或地理位置进行有效划分.将场景一中4组测量数据，分别绘制1 500条样本的时域幅度如图4所示.

由图4可看出，场景一中的4组测量数据对应在时域上幅值的包络起伏集中在样点顺序号第45～60之间，并且在第45～55和第55～60个采样点各出现一个峰值，因此场景一中存在2条主传播路径，多径数目为2条，且多径信道增益相当.

将场景二中4组测量数据，分别绘制1 500条样本的时域幅度图，如图5所示.

由图5可看出，场景二中4组测量数据对应在时域上幅值的包络起伏集中在样点顺序号第45～55个之间，并且均只出现一个峰值，因此场景二中存在1条主传播路径，多径数目为1.

将场景三中4组测量数据，分别绘制1 500条样本的时域幅度，如图6所示.

由图6可看出，场景三中的4组测量数据对应在时域上幅值的包络起伏集中在时间采样点第45～60个之间，并且在第45～55和第55～60个采样点各出现一个峰值，因此场景三中存在2条主传播路径，且两条多径信道的增益差异明显.

综上，时域中无线信道的平均时延和多径数目的变化规律及数值特征，可以作为无线信道特征，也即场景的判断机制，实现对场景一、场景二和场景三的区分.

2.2基于无线信道响应测量数据的未知场景判别

采用相同统计方法，以信号的平均多径时延、多径数目作为无线信道特征，提取两个未知场景无线信道响应测量数据（test_data1和test_data2）中的平均多径时延变化趋势，如图7、8所示.

由图7、8可以看出：测量数据test_data1的平均多径时延随时间采样点延迟上下波动明显，和已知场景一数据的平均时延变化特征相符；测量数据test_data2的平均多径时延随时间采样点延迟呈不明显的下降趋势，和已知场景二数据的平均时延变化特征相符.

用两个未知场景无线信道响应测量数据，分别绘制采样点时域幅值包络波形，如图9、10所示.

图9测量数据test_data1的时域幅度包络图

图10测量数据test_data2的时域幅度包络图

由图9可看出，测量数据test_data1对应在时域上绘制的幅值包络起伏集中在样点顺序号第45～60个之间，并且在第45～55和第55～60个采样点各出现一个峰值，因此对应场景中存在2条主传播路径，二者所占信道比例相当.参照2.1节的判断机制可知：在时域上，测量数据test_data1对应场景在误差允许的范围内，可判别为场景一.

由图10可看出，测量数据test_data2对应在时域上绘制的幅值包络起伏集中在样点顺序号第45～55个之间，并且仅出现一个峰值，因此场景中存在1条传播路径，多径数目为1.参照2.1节的判断机制可知：在时域上，测量数据test_data2对应场景在误差允许的范围内，可判别为场景二.

3结语

通过对无线信道接收信号时域响应数据，运用统计方法提取信号特征来判别不同的场景，在一定程度能有效地进行不同场景的分类，但实验的约束条件较为苛刻，在实际操作中误差较大.

参考文献：

[1]张峻铭.无线信道多径时延估计及信道建模 [D].成都：电子科技大学，2013.

Zhang J M.Multipath time delay estimation and modeling of wireless channel [D].Chengdu：University of Electronic Science and Technology of China，2013.

[2]程文璞.高速移动环境中基于理论方法的无线信道建模研究 [D].北京：北京交通大学，2014.

Cheng W P.Wireless channel modeling for high speed railway environments based on theoretical methods [D].Beijing：Beijing Jiaotong University，2014.

[3]朱洪波.城市微区移动无线信道的特征分析与建模 [J].南京邮电学院学报，1997，17（4）：35-39.

Zhu H B.Characteristic analysis and modelling of mobile radio channel in urban mircocells [J].Journal of Nanjing Institute of Posts and Telecommunication，1997，17（4）：35-39.

[4]金鑫.无线信道传播模型的研究与实现 [D].北京：北京邮电大学，2010.

Jin X.Research and realization of wireless communication channel propagation model [D].Beijing：Beijing University of Posts and Telecommunications，2010.

[5]赵敏.高速铁路无线宽带信道测量、数据分析与建模研究 [D].北京：北京邮电大学，2014.

Zhao M.Measurements，data analysis and modeling of broadband wireless channel in high speed railway scenarios [D].Beijing：Beijing University of Posts and Telecommunications，2014.

[6]Lee W C Y.Mobile Communications Engineering—Theory and Applications [M].2nd ed.New York：The McGrawHill，1997.

[7]和雨佳.基于LTE高速環境下无线信道测量和建模关键技术的研究 [D].北京：北京交通大学，2013.

He Y J.The Key Techniques of wireless channel measurement and modeling based on LTE high speed environment [D].Beijing：Beijing Jiaotong University，2013.

[8]张弦.无线通信的信道建模与仿真技术研究 [D].西安：西安电子科技大学，2012.

Zhang X.Research on channel modeling for wireless communication [D].Xi′an：Xidian University，2012.

[9]成澜.无线信道仿真与建模 [D].兰州：兰州大学，2008.

Cheng L.Radio channel simulating and modeling [D].Lanzhou：Lanzhou University，2008.

（责任编辑：包震宇，冯珍珍）