买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京熊猫汉达科技有限公司

摘要：本发明公开了一种基于SVR的衰落信道估计方法，该方法为：首先，用发送数据帧中的训练序列估计出相应时刻的信道冲激响应，在此基础上确定信道冲激响应训练样本，并将训练样本归一化；然后建立SVR预测模型，进行SVR模型参数优化；接着对样本进行训练，确立SVR回归模型；最后利用SVR回归模型得到未知数据符号的信道冲激响应；重复进行其它样本的估计，直到所有未知数据块完成估计。本发明提高了信道变化规律估计的准确性，得到的每个时刻的信道冲激响应更加准确，改善了后续的均衡性能，提高了无线通信的质量。

主权项：1.一种基于SVR的衰落信道估计方法，其特征在于，包括以下步骤：步骤1、确定信道冲激响应训练样本；步骤2、训练样本归一化；步骤3、建立SVR预测模型；步骤4、SVR模型参数优化；步骤5、对样本进行训练，确立SVR回归模型；步骤6、利用SVR回归模型得到未知数据符号的信道冲激响应；步骤7、重复步骤2～步骤6，直到所有未知数据块完成估计；步骤1所述的确定信道冲激响应训练样本，具体如下：步骤1.1、设定信道冲激响应序列h的长度为Nh，h＝[h[0],h[1],…h[Nh-1]]，若发送的数据帧当中共有N个未知数据块，每个数据块前后各有一个训练序列，则共有N+1个训练序列，将用每个训练序列估计得到的信道冲激响应分别设为h0,h1,h2…hN，h0,h1,h2…hN分别为用第1个、第2个、第3个...第N+1个训练序列估计得到的信道冲激响应；步骤1.2、根据系统所能承受的时延，确定用于回归估计的信道冲激响应序列的数量，设定每次需要估计出M个未知数据块中的每个符号所对应的信道冲激响应，利用未知数据块前后的训练序列，估计得到M+1个信道冲激响应，记这M+1个信道冲激响应为h0,h1,…hM，1≤M≤N，将其作为训练样本集；步骤1.3、设信道冲激响应序列h的长度为Nh，h＝[h[0],h[1],…h[Nh-1]]，对每一项逐个进行回归估计对于信道冲激响应序列h中的任意一项i，训练样本为[h0[i],h1[i],…hM[i]]T；步骤3所述的建立SVR预测模型，具体如下：步骤3.1、给定训练样本集T＝{x1,y1,…xl,yl}，其中xi∈Rn表示输入,yi∈R表示输出，i＝1,...,l表示样本个数，寻找目标函数y＝fx来拟合训练样本，线性情况下，用fx＝w·x+b拟合样本，w是权向量，b为常数项；非线性情况下，通过非线性变换φ·将输入空间映射到高维特征空间，并在这个特征空间用线性函数fx＝w·φx+b拟合样本，从而将非线性问题转换为线性问题；步骤3.2、SVR问题等价为线性约束二次规划的优化问题： 其中，ε是拟合误差，用做约束条件来控制支持向量个数和泛化能力；是当约束条件不能实现时引入的松弛变量；C＞0是惩罚系数，为模型复杂度和估计误差之间的平衡量；步骤3.3、利用拉格朗乘子法，求解约束问题的最优解，得到回归函数： 其中αi,αi*为拉格朗日乘子，Kxi,xj＝φxiT·φxj为核函数，步骤3.4、初步确立SVR模型为ε型SVR，ε的值设10-4，C的初值设为1，选择径向基函数Kxi,x＝exp-||x-xi||2σ2作为核函数，训练样本[h0[i],h1[i],…hM[i]]T作为输出yi，对应的时间作为输入xi。

全文数据：

权利要求：

百度查询： 南京熊猫汉达科技有限公司 一种基于SVR的衰落信道估计方法