概率统计下的窄带信道评估方法范文

摘要：信道评估技术作为有效提升通信性能的重要技术，其最终精确度直接决定了整个通信传输系统性能发挥的好坏。针对传统窄带信道评估方法最终准确度较低的缺陷，提出基于概率统计的窄带信道评估方法研究，具体步骤包括数据预处理、建立信道模型以及衰落幅值与差分值概率的统计。实验结果证明，采用改进后的概率统计算法进行的窄带信道评估方法，相比于传统评估方法，可以有效提升数据的最终准确度，具备极大的发展潜力。

关键词：概率统计；窄带信道；评估；方法

引言

无线网络通信传输指的是从发射端发射出来的数据信号，经由信道传输至接收端的整个过程，因此，信道传输的优劣直接影响到无线网络通信性能及其质量的好坏。因为无线信道与有线信道之间存在较大的差别，具备了时变特征与衰落布局，对通信轨道的设计要求提出较为严格的标准，使其可以充分克服信号数据在无线传输过程中产生的种种困难。信道评估技术作为有效提升通信性能的重要技术，最终精确度直接决定了整个通信传输系统性能发挥的好坏［2］。另外从世界范围内将近有三分之二的人正在进行或曾经使用过无线通讯。所以，为了创造一种优良的通信环境进而提升其网络通信质量，保证信号可以圆满完成传输，对信道评估方法及其算法进行研究是十分有必要的。

1基于概率统计的窄带信道评估方法

1.1数据预处理

待分类的小差别数据通常是从来源各不相同的应用系统中分散采集而成的，而不同系统的数据定义标准也存在一定程度的差异以及不足，所以，采集到的数据就具备了混乱性、冗长性以及任意性，为了便于对其进行分类处理，因此就需要对初始数据进行预处理，具体包括数据清洗、数据变换和数据归约［3］。数据清洗的主要目的是为了检查并除掉数据中间反复出现的数据记录，清洗方法包括：将与数据有关的一系列属性值进行一定要求的抽选并从中生成关键字选项；按照上述选项的关键字对数据重新进行排列，从而使其中可能反复出现的记录始终处在临近区域范围内［4］；移动一个大小一定、属性稳定的窗口在排列后的数据集合上，并将数据集合范围内的每一条数据依次和窗口内的数据进行比较，一旦窗口内包含的记录数为L，那么就需要将窗口内的新记录和之前的L-1条的记录再次进行比较，并依次检查数据集合的重合记录，进行数据合并，以此完成对冗长数据的清洗。数据变换主要是根据概率统计中分类算法的现实需要，采取最大/最小值的规范化将数据转换成适宜该项分类算法进行集中处理的数据形式。设置样本采集数据属性M的最小值、最大值分别为、，规范化转换可以利用以下计算公式的运算来完成：将属性M的值域映射至区域内的V，在进行数据转换的时候大大保障了原始数据之间关系稳定不变。数据归约能够最大限度地降低待分类数据中的冗长属性，利用排除不相关的数据属性获取到具备最优属性的子集合。DOLPB系统普遍情况下是让应用者自主选择合并所需要的数据属性，从而获得全新的数据传输属性［5］。通过预处理后的数据，更加适合概率统计信道模型的建立，从而有效提高基本算法的科学性与实用性。

1.2建立信道模型

伴随无线通信网络系统窄带的广泛普及与应用，信道模型也急需适应窄带的发展。在窄带信道中，由于信道速率受到一定的限制，为了避免缓冲、数据错乱、丢失等问题，绝大部分情况都是需要要求相邻信道距离相等。而为了更好地对其最终精确度进行分析，将对终端到终端的传输效率进行建模。同时，信息的传输在绝大部分状况下都是以数据包的方式出现，从数据层反映即表示为一定长度的字节包，属于数据链接层的网络协议。采取ORDM技术的LTE(LongTermEvolution）系统窄带为40MHz，而其发展系统LOT-A(LOT-Advanced）则需要将窄带缩小到15MHz。窄带信道的完成最直接有效的手段，便是正弦相加（SOS）方法获取的窄带仿真信道的基础上，产生多条衰落信道并分析数据，用不同功能与功率去区分这些衰落信道中散落的数据，从而形成多路径窄带。这种窄带信道也因此被称之为延时布局（TimeDelayLine，TDL）信道模型［6］。在4GPQ数据规范中，推荐采取此类窄带信道进行分级链接线路的仿真，并根据不同场景规定了4种运行模式，即EPM（ExtendedPreparemodel）、测试ETAM（ExtendedTestAmodel）、EILM（ExtendedImportLineModel）以及ETU（ExtendedTypicalUrbanmodel），它们之间的区别就在于多径窄带的数量、各个路径的相对延时性与及功率多少。在LOT-A等通信系统中，物理层的一个关键技术便是多天线搜集技术，从而增加了天线之间的彼此关联性。在4GPP规范窄带信道中对多天线的空间大小属性做了一系列的规定。假设基本站口终端（ENB）以及用户终端（UE）配置的是线性距离的矩形阵图，令基本站口终端之间相隔距离最远的两根天线的有关系数设为，用户终端相邻最近的两根有关系数设为，彼此之间的计算关系为：（2）如此一来，就会使基本站口终端之间相隔距离的最大/最小值均会自动生成，提高了计算效率。

1.3衰落幅值与差分值概率统计

 按照以上分析，顺时针计算采样数据点，计算公式如下所示：其中，A表示衰落点，i表示信码率，f表示载波频率，d表示信道距离，T表示信达传输时间，由此对所得差分值以0.1步长进行分区概率统计。通过对幅值进行等幅值间隔的计算可明确不同信道区间内的数据大小及其属性，进而完整统计出各个区间的数据集合个数，从而确定信道衰落值和数据上传速度。

2工程实验与效果分析

为了更加明确看出此评估方法的精确性，特与传统窄带信道评估方法进行对比，对其精确性进行比较。

2.1实验准备

为了验证窄带信道评估的最终精确度，我们假设某一通道的窄带中心频率设定为40MHz。输入高频、信号率分别设为220MHz和1036MHz，用chipcode获取到窄带DDC后的数据一起送进matline作数据分析。除此之外，为保证试验的准确性，将两种窄带信道评估方法的实践均置于相同的试验环境之中，进行精确性的试验。试验环境设定见表1。

2.2实验结果分析

试验过程中，通过两种不同的窄带信道评估方法同时在相同环境中工作，分析其最终精确度的变化。具体实验效果对比如图1所示。实验结果证明，采用改进后的概率统计算法进行的窄带信道评估方法，相比于传统评估方法，可以有效提升数据的最终准确度，具备极大的发展潜力。

3结束语

本文对基于概率统计的窄带信道评估方法进行分析，依托概率统计的相关运行机制，根据窄带信道评估存在的部分缺陷与不足，对其评估方法进行改进，实现本文设计。实验论证表明，本文设计的方法具备极高的有效性。希望本文的研究能够为基于概率统计的窄带信道评估方法提供理论依据。

参考文献：

［1］罗振东,赵明,刘思杨,等.一种新型的快速递归V-BLAST检测算法［J］.电子与信息学报,2017,29(7):1546-1550.

［2］刘磊,夏伟,韩江洪.基于随机桥过程的窄带信道多径衰落仿真研究［J］.电信科学,2015,31(2):52-62.

［3］缪祎晟,吴华瑞,李飞飞,等.基于统计分布的小麦农田多径衰落信道建模研究［J］.电子学报,2016,44(3):665-672.

［4］廖希,薛睿,赵旦峰,等.一种适用于多场景的窄带LMS信道模型［J］.哈尔滨工业大学学报,2015,47(3):66-71.

［5］李艳红.SC-FDEUWB系统WMMDT抗窄带干扰信道估计［J］.电视技术,2014,38(3):127-130.

［6］沈连腾,巩克现,潘一苇,等.利用频谱峰值特征的窄带频谱感知方法［J］.西安交通大学学报,2016,50(6):68-74.

作者：潘东阳 刘静瑞 单位：信阳职业技术学院数学与计算机科学学院