基于压缩感知和稀疏表示理论的无线环境分类方法.docVIP

 基于压缩感知和稀疏表示理论的无线环境 分类方法 ** 5 10 15 20 25 30 35 40  摘要：在对无线环境准确分类的基础上，可以根据无线环境的类型，有针对性地配置网络或 者网元的参数，以最小化的资源实现最大化的性能提升。在本文中，稀疏表示理论被首次应 用于无线环境分配的研究中，通过对无线环境的用户行为、传播环境、网络运行的统计，反 映无线环境的特征矢量被提取出来，然后使用压缩感知的模型，可以将相同无线环境的特征 矢量聚类在一起，提升分类的精度。 关键词：稀疏表示；无线电环境分类；模式识别 中图分类号：TN929.5 Wireless Environment Classification Based on Compressed Sensing and Sparse Representation ZHANG Ping, LIU Baoling (Information and Communication School, Beijing University of Posts and Telecommunications, Beijing 100876) Abstract: In radio resource management, self-configuration, self-optimization operations in wireless networks, the classification of wireless environment is crucial. Based on accurate classification of wireless environment, the network can reconfigure itself more efficiently to adapt the environment. In this paper, the theory of sparse representation is firstly applied to the classification of wireless environment. By analyze the user behavior, propagation environment and network statistics, the vector that characterizes the wireless environment is adopted. Then use the compressed sensing model, the character vector of the same wireless environment is gathered and the precision of the classification is improved. Key words: Sparse Representation; Wireless Environment Classification; Pattern Recognition 0 引言 网络自配置和自优化能力是未来通信网络自主性管理中的关键技术[1][2]。随着网络的结 构更加复杂，用户对服务的需求快速增长并多样化，以及 2G 向 4G 技术的发展。价格低， 接入速率高，易配置的网络设备在未来网络数量急剧增加，得到大量部署，用户对服务的需 求快速增长并更加多样化，未来网络的管理对网络的自配置和自优化性管理能力提出了更高 和更为迫切的要求。 网络自配置技术是研究新加入网络的节点在预运行阶段自动配置初始运行参数的技术。 预运行阶段指射频端尚未完全激活的时期。在初始配置以后节点应该获得与网络的基本连 接，以进行通信或是进一步的配置优化。网络自优化是指网元在运行阶段，根据信道、用户、 网络等环境的变化等因素自动调节运行参数的过程。网络中元素加入网络时由自配置机制配 置参数后，然后进入循环的运行过程并进行周而复始的自优化过程，如图 1 所示。 -1-  图 1  自优化 网元运作循环 自配置 自配置和自优化关系图  网络自配置和自优化的前提就是对无线电环境能够自动识别，比如基站可以自动地对业 务场景的室内/室外类型作出判决，那么就可以有的放矢地进行室内覆盖。先对场景进行分 45 50 55 类，然后再根据各类场景有针对性地配置网元的参数，这对于网络的自配置自优化能力的提 升非常有意义。 文献[3][4]介绍了压缩感知理论的原理及其应用，文献[5][6][7]介绍了稀疏表示理论，并且提出 了实用的信号稀疏表示的算法。稀疏表示理论在图像识别中应用广泛，文献[8][9]研究了稀疏 表示理论用于图像识别和分类。文献[10]用压缩感知实现