一种基于支持向量机的信道估计方法

摘要

一种使用支持向量机SVM的信道估计方法属于无线信道估计技术领域，其特征在于，先取出信道的大概位置及误差半径，取观测值、导频符号、噪声方差、信道变化量以及用最小二乘法LS直接判决反馈值作为信道大概位置的五个属性值以及误差半径内当用均值表示各网格信道数值的排序号作标签值作在支持向量机的初始赋值。用K-CV法确定惩罚参数c及函数参数g，径向基核函数作为支持向量机参数来建立支持向量机模型并计算信道估计值。本发明能在不增加支持向量机复杂度的条件下，保证信道估计准确性以及收敛的快速性，便于推广使用。

主权项

1.一种使用支持向量机SVM的信道估计方法，其特征在于是用专用数字集成电路芯片ASIC依次按以下步骤实现的，步骤（1），所述ASIC芯片初始化，设置以下模块：误差半径确定模块、信道大概位置确定模块，用于确定误差半径和信道大概位置；划分误差半径内网格模块、计算网格偏观测值模块、信道变化量计算模块、随机噪声生成模块、噪声方差计算模块、最小二乘法计算信道模块，以及数据库，用于确定训练集；模型参数配置模块和建立支持向量机模型并控制、计算信道估计值模块，用于信道估计并判断当前时刻是否为最后一个时刻，以及判断所估计得到的信道是否与上一时刻的估计信道相同；步骤（2），依次将以下步骤进行信道估计：步骤（2.1），利用所述信道大概位置确定模块和误差半径确定模块确定不同信噪比下各信道的大概位置和误差半径步骤如下：步骤（2.1.1）当借助参考信号进行信道估计时，其n时刻的观测值Y_n用下式表示：Y_n＝X_n×H_n+noise，其中，n＝1,2,…,N，N≥1，当n=1时表示为第一时刻，Y_n为第n时刻的观测值，X_n为第n时刻的导频符号，H_n为第n时刻的实际信道，noise为噪声；所述信道大概位置确定模块按下式计算第一时刻的最小二乘法LS直接判决反馈值并以此作为信道的大概位置：其中，Y₁表示为第一时刻的观测值，X₁为第一时刻的导频符号；步骤（2.1.2），所述误差半径确定模块通过对各信号的5000次测试，得到各信道第一时刻的所述最小二乘法LS直接反馈值与对应的实际信道的差值的模，成为误差半径，然后取得各误差半径的95%置信区间，作为最终的误差半径；步骤（2.2），按以下步骤确定训练集中的属性值：N≥2时的信道大概位置、信道变化量和噪声方差：步骤（2.2.1），在第n时刻，把所述信道的大概位置和误差半径输入所述划分误差半径内网格模块，以所述的信道大概位置为中心，两倍所述最终误差半径为边长的正方形，在所述正方形内平均划分为M个网格，M取值区间为16至64之间的能被开平方的自然数，为M的开平方，即统计各网格内的所有信道数值，求取所述各网格内的所有信道数值的平均值作为各网格内的信道数值并输出，i，j为正整数，i，j为所述正方形的直角坐标，并把各个按逐行的顺序排列，把排列序号作为所述训练集的标签值，以便与相应的属性值对应；步骤（2.2.2），按下列公式计算当前时刻n≥2时导频符号的网格偏观测值，用y_n表示：在当前时刻为第一时刻时，y_n＝Y_１，已知；步骤（2.2.3），通过所述随机噪声生成模块，用一个Matlab函数生成当前信噪比下的随机噪声，该随机噪声生成模块的初始输入是当前情况下的信噪比和生成随机噪声的个数，输出为对应于所述随机噪声个数且符合当前信噪比的随机噪声；步骤（2.2.4），所述噪声方差计算模块利用设定的方差公式对从步骤（2.2.3）输出的设定个数且符合当前信噪比的随机噪声进行方差计算；步骤（2.2.5），所述信道变化量计算模块从所述计算网格偏观测值模块输入当前时刻导频符号的网格偏观测值y_n，其中n≥2，当n＝1时，即为第一时刻，y_n＝Y_１，已知，从所述随机噪声生成模块输入当前时刻信噪比下设定数量的随机噪声，按下式计算当前时刻对应信噪比下的信道变化量e_H：其中n≥2；i，j为正整数，在当前时刻为第一时刻，即n＝1时，e_H＝0；步骤（2.2.6），所述最小二乘法计算信道模块从所述随机噪声生成模块输入当前时刻下所对应信噪比的设定数量的随机噪声，按下式计算最小二乘法LS直接判决反馈值步骤（3），按以下步骤建立缓存存储器：从所述信道变化量计算模块输入作为训练集的属性值之一的当前时刻对应信噪比下的信道变化量e_H，从所述最小二乘法计算信道模块输入作为训练集的属性值之一的当前时刻最小二乘法LS直接判决反馈值从所述噪声方差计算模块输入作为训练集属性值之一的噪声方差，还有所述训练集的两个属性值导频符号X_n和观测值Y_n，n＝1,2,…,N，在输入了上述共五个属性值后，再从所述计算网格偏观测值模块输入作为训练集标签值的所述误差半径内各网格的信道数值均值的排列序号，即标签值，存储到缓存存储器；步骤（4），判断当前网格是否为最后一网格：所述建立支持向量机模型并控制、计算信道估计值模块从所述计算网格偏观测值模块输入作为训练集标签值的所述误差半径内各网格的所有信道的数值的平均值的排列序号，判断当前网格是否为最后一网格，即是否与相等：若不相等，则输入步骤（2.2.2），并继续向下执行；若相等，则输出控制信号，转入步骤（5）；步骤（5），对于属性值及标签值进行串并转换：从所述缓存存储器中，串行输入所述共M组的五个属性值及一个标签值，进行串并转换，并行输出M组的五个属性值及一个标签值；步骤（6），按以下步骤建立支持向量机模型并计算信道估计值：步骤（6.1），对于所述模型参数配置模块做如下初始化赋值：惩罚函数c的选择范围为[-4,4]，函数参数g的选择范围为[-4,4]，再输入利用K重交叉验证（K-CV，K-fold Cross Validation）方法确定并输出最佳的惩罚参数c和函数参数g；步骤（6.2），按以下步骤建立支持向量机模型并控制、计算信道估计值模块：步骤（6.2.1），所述建立支持向量机模型并控制、计算信道估计值模块从所述串并转换模块输入作为训练集的属性值的当前时刻对应信噪比下的信道变化量e_H，当前时刻最小二乘法LS直接判决反馈值噪声方差，导频符号X_n，观测值Y_n和训练集的标签值，以及所述配置模型参数模块输出的在libsvm工具箱配置的最佳的惩罚参数c和函数参数g，并以径向基函数为支持向量机核函数，然后，建立所述五个属性值和一个标签值之下的所述支持向量机模型模块；步骤（6.2.2），利用所述数据库的libsvm工具箱，初始化赋值为当前时刻的观测值Y_n，当前时刻的导频符号X_n，n＝1,2,…,N，前时刻的信道大概位置当前时刻的信道变化量e_H，当前时刻的噪声方差以及网格内信道数值均值的排列序号，其中可由当前时刻的Y_n和X_n通过步骤（2.2.6）中最小二乘法LS直接判决反馈值计算得到，为随机选取的排列序号值；步骤（7），所述建立支持向量机模型并控制、计算信道估计值模块判断当前时刻是否为最后一个时刻，即n是否与N相等：若不相等，则转入步骤（2.2）；若相等，则结束。