一种稀疏非参数身体域信道概率表征方法，包括以下步骤：S1采用体域网内的电磁波收发器采集数据；S2构建经验分布函数，并通过阶跃函数求解经验分布函数；S3使用经验分布函数近视密度函数，并构建回归函数；S4通过线性规划求解回归系数；S5通过对回归函数求导得到相应的概率函数；S6对得到的稀疏非参数概率模型进行评估和分析。本发明专利技术提出的表征模型不受具体传播情形的制约，由于其非参数特性，更适用于体域网内的无线通信。克服了以往模型对样本量有苛刻要求的问题，通过在回归过程中控制支持矢量的数量，使大量线性组合的系数为零，实现了回归系数的“稀疏化”。
【技术实现步骤摘要】
本专利技术属于电波传播
，涉及时域有限差分技术及信道表征方法，特别是身体域信道的基于有限样本的概率表征方法。
技术介绍
对于电波传播的统计模型来说，其重要组成部分就是概率的表征，在许多传播环境中，概率都被作为表征电波传播的重要手段，如陆地环境(参见:MatthiasPatzold, Ulrich Killat, and Frank Laue, “A Deterministic Digital SimulationModel for Suzuki Processes with Application to a Shadowed Rayleigh Land MobileRadio Channel，，，IEEE Transactions on Vehicular Technology, Vol.45, N0.2.pp.318-331，1996.)、移动卫星通信(参见:Chun Looj “A Statistical Model for a LandMobile Satellite Link，，，IEEE Transactions on Vehicular Technology, Vol.34, N0.3.pp.122-127，1985.)、室内环境(参见:Adel A.M.Saleh, and Reinaldo A.Valenzuela, “AStatistical Model for Indoor Multipath Propagation，，，IEEE Journal on SelectedAreas in Communications，Vol.5，N0.2，pp.128-137，1987.)、室外传播环境(参见:KlausIngemann Pedersen, Preben E.Mogensenj and Bernard H.Fleuryj “A Stochastic Modelof the Temporal and Azimuthal Dispersion Seen at the Base Station in OutdoorPropagation Environments，，，IEEE Transactions on Vehicular Technology, Vol.49, N0.2.pp.437-447, 2000.)、数字移动传播环境(参见:Tor Aulinj “Characteristics of aDigital Mobile Radio Channel，，，IEEE Transactions on Vehicular Technology, Vol.30, N0.2.pp.45-53, 1981.)、多用户移动传播环境(参见:Jean-Paul M.G.Linnartzj “ExactAnalysis of the Outage Probability in Multiple-User Mobile Radio， ，，IEEETransactions on Communications, Vol.40，N0.1，pp.20-23，1992.)、Nakagami 衰落传播环境等(参见:Valentine A.Aaloj “Performance of Maximal-Ratio Diversity Systemsin a Correlated Nakagam1-Fading Environment,，’IEEE Transactions on Communications，Vol.43，N0.8，pp.2360-2369，1995.)。近年来，身体中心无线通信在世界范围内引起了广泛的关注，其中身体中心电波传播的表征则是重要的核心内容。在身体中心通信中，概率函数可以被用来表征传播模式(参见:Simon L.Cotton, Gareth A.Conway, and WilliamG.Scanlon, “A Time-Domain Approach to the Analysis and Modeling of On-BodyPropagation Characteristics Using Synchronized Measurements at2.45GHz，，，IEEETransactions on Antennas and Propagation, Vol.57, N0.4, pp.943-955，2009.);同时，也有学者表征了体表的超宽带信道，并且得出结论:Nakagami分布可以很好地模拟均方根延迟(参见:Andrea Sanij Akram Alomainyj George Palikarasj Yuriy Nechayev, YangHaoj Clive Parini，and Peter S.Hall，“Experimental Characterization of UWB On-BodyRadio Channel in Indoor Environment Considering Different Antennas，，，IEEETransactions on Antennas and Propagation，Vol.58，N0.1，pp.238-241，2010.)。 值得注意的是，对于其他传播环境来说，参数概率逼近是传播表征的核心方法，但是，对于身体中心的情形来说，由于人体的存在，这种传播表征模式的合理性是值得商榷的，并且这个问题很少被关注。既往文献中提到监督参数估计和半监督参数估计是表征其他环境的主要方法，即使是对于体表上的情形，也用到了参数估计(参见:Andrea Sani, AkramAlomainy, George Palikaras, Yuriy Nechayev, Yang Hao, Clive Parini, and PeterS.Hall, “Experimental Characterization of UffB On-Body Radio Channel in IndoorEnvironment Considering Different Antennas, ” IEEE Transactions on Antennas andPropagation, Vol.58, N0.1，pp.238-241，2010.)。在参数估计中，首先假定一个特殊的概率模型，然后，通过优化大量的参数来拟合该模型。但是，当无线电波的传播发生在身体周围时，并没有成熟的参数概率模型可以参照，因此，需要引入非参数概率模型。在非参数估计中，并没有假定特殊的函数形式，概率完全由数据本身所决定。从以上的定义我们可以看到，非参数概率模型是符合身体中心无线通信的实际情况的，原因是这种传播环境中的信道常受到姿势，个体差异等的影响。非参数概率的基础是由Fix等人提出的(参见:E.Fix, and J.L.Hodges, “Discriminatory analysis, nonparametric discrimination, ,r\}.S.Air Force School of Aviation Medicine, Randolph Field, 本文档来自技高网...
【技术保护点】
一种稀疏非参数身体域信道概率表征方法，其特征在于:包括以下步骤：?S1采用矢量网络分析仪采集数据；?S2构建经验分布函数，并通过阶跃函数求解经验分布函数；?S3使用经验分布函数近似密度函数，并构建回归函数；?S4通过线性规划求解回归系数；?S5通过对回归函数求导得到相应的概率函数；?S6对得到的稀疏非参数概率模型进行评估和分析。
【技术特征摘要】
1.一种稀疏非参数身体域信道概率表征方法，其特征在于:包括以下步骤: Si采用矢量网络分析仪采集数据； S2构建经验分布函数，并通过阶跃函数求解经验分布函数； S3使用经验分布函数近似密度函数,并构建回归函数； S4通过线性规划求解回归系数； S5通过对回归函数求导得到相应的概率函数； S6对得到的稀疏非参数概率模型进行评估和分析。2.如权利要求1所述的一种稀疏非参数身体域信道概率表征方法...
【专利技术属性】
技术研发人员：杨晓东，卡马尔·侯赛因·阿巴西，任爱锋，张志亚，赵伟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。