0 引言

近些年，移动通信发展之快远超出了人们的预料，极大促进信息化时代的社会、经济的发展.同时，各大运营商之间的市场竞争愈发的激烈，其中先进的移动通信技术更是各大通信公司争夺市场的利剑，制胜的法宝，越来越多的科研工作者开始从事这方面的研究.

综合考虑价值性、稀缺性、难以模仿性、组织四者与知识链知识优势之间的关系，可以构建一个基于VRIO的知识链知识优势来源分析框架，见表1。

移动通信的基础性研究就是信道模型的建立[1-2]，其对信号的调制技术、编码方式、多址方式、以及功率控制技术的研究具有重要的指导意义.关于移动通信信道的传播特性，国内外很多研究组织和个人提出了适用不同场景下的单一环境信道统计模型[3-4].但在移动通信系统中，移动终端不可避免的经过城市、郊区、农村和开阔度等不同的传播环境，试图以一种单一模式描述移动通信的信道特性是显然是不合理的.必须对不同的传播环境进行逐一分析，建立基站到终端之间不同环境下的混合统计模型[5]，才能准确描述实际的信道传播特性.

混合统计模型的关键是对对信道状态的划分，传统研究中作者只是根据个人经验将信道状态粗糙的划分为“理想”与“非理想”的2种状态或者“好”、“中”、“差”3种状态.此种处理方法虽然实现难度比较低，但比较粗糙，存在着很多问题，比如：

1) 划分为2个或者3个状态是否能概括所有的信道特性；

如新疆某工程，拟选两个厂址位于煤矿工业场地东侧与西侧；电厂煤源采用工业场地西南侧的2号煤矿，总体规划时只知用2号煤矿，忽略了1号煤矿的总体规划，2号矿在工业场地西南、而1号矿在工业场地的东南，厂址分别位于1号矿与2号矿北侧，推荐厂址位于工业场地东侧，坐落在1号矿废渣场地上，而比选厂址的输煤栈桥路经位于 2号矿的废渣场地上，总体规划因未与煤矿的总体规划相协调，厂址被否定，由于厂址被颠覆而需另选厂址，要重新论证厂址选择的合理性与可行性，延误了工期，给工作造成了损失。

R→R2→R4→…→R2(k+1)=R2k，

3) 此种信道模型能否描述移动通信的移动性.

步骤一：确定每个单一状态的统计模型.

1 典型的移动通信信道统计模型分析

1.1 存在LOS分量的信道统计特性分析

在开阔地域良好通信环境下，移动通信接收信号中以LOS分量为主的多径信号短时间的信道特性可以用Rice[6]过程描述，幅度r的概率密度函数为

 

(1)

式中，I0为第一类修正的零阶Bessel函数；2σ2为散射分量的功率；A是直射信号的强度.

Rice过程相位θ的概率密度函数为

 

erf(G))]，

(2)

式中，为误差函数.

文化旅游部门数据显示，2017年全国乡村旅游人数达25亿人次，同比增长16%，约占国内游客的一半；消费规模超过1.4万亿元，同比增长27.3%，超过全国国内旅游收入的30%。文化和旅游部资源司副司长徐海军表示，乡村旅游已成为国内旅游消费主市场和投资新热点，且正在逐步与国际接轨。

随着终端的移动，直射波强度A逐渐变弱为0时，Rice过程的幅度和相位的概率密度函数转化为

 

(3)

 

(4)

此时，信号的幅度服从Rayleigh分布[7-8]，相位服从均匀分布，也即Rayleigh分布可以描述没有直射波成分的多径传播环境.

设定Rice过程中直射成分为1个实值常数，且2个正交成分相互独立，Rice过程的电平交叉率(LCR)和平均衰落时间(AFD)分别为

这些断层在各期次活动中不断发生变化，相互切割交错，在交汇处形成复杂的断裂组合，控制形成潜山、洼陷、隆洼相间的构造样式。

高校通过建立专职学生管理信息化机构的方式，不仅促进了高校学生管理工作效率和水平的全面提升，同时也为学生提供了更加全面和完善的服务[3]。所以，为了确保学生管理信息化建设措施的有效落实，高校必须以信息化技术中心为依托，采取成立专职学生管理信息化机构的方式，直接负责高校学生的信息化管理工作，从而达到促进高校学生管理工作效率和质量稳步提升的目的。

 

 

(5)

 

(6)

式中，r≥0，β为色噪声自相关在t=0时的曲率，β=2σ2·(πfd2；fd为最大多普勒频移.

1.2 不存在LOS分量的信道统计特性分析

如果考虑大范围内信号的长期特性，阴影衰落的功率值服从Lognormal分布，多径衰落服从Rayleigh分布，多径和衰落信号相互独立，总的信道模型为Rayleigh和Log-normal过程乘积，即为Suzuki模型[9]

RSuzuki(t)=RRayleigh(t)·RLog(t).

(7)

Rayleigh过程的幅度概率密度函数由式(3)给出，对数正态分布的概率密度函数为

 

(8)

式中，m为lnr的标准差；s为lnr的均值，lnr服从N(s,m2)为正态分布.

由式(3)、(6)、(7)可以求出RSuzuki(t)过程的幅度概率分布为

 

(9)

由式(8)可知，衰落过程中没有直射信号，短时信号服从一定平均功率下的Rayleigh分布，在整个过程中，信号的平均功率呈对数正态分布.Suzuki过程的电平交叉率为

 

(10)

式中，其中，σc与3dB截止频率fc对应.

以上是典型的移动通信信道的分析和信道统计特性的推导过程.这些模型可以很好的描述单一情况下的移动通信信道特性，但是不符合移动通信信道时变、空变的“移动性”，因此需要采用其他手段来描述移动时变移动信道的特性.

其中文献[6-8，10]中提出的多状态模型就是一种较好的解决办法.多状态模型假设移动信道在较小的范围内是不变的，也没有选择性，可以描述为单一模式的信道，但随着移动位置的变化，信道特性发生变化，状态也就会发生转移.比较典型的多状态混合模型就是Markov模型[10-11]，具有很强的适用性.但是这种模型对信道类型的划分方法很粗糙，没有相应的理论依据，不能很好地反映信道的传播特性，因此本文针对移动通信信道的模糊性，采用模糊聚类的方法对移动通信信道状态进行划分并建立多状态Markov模型.

2 基于模糊聚类的移动通信信道划分方法

混合信道统计模型可以充分描述实际信道的很多属性，其关键是信道划分.实际的移动通信信道划分，如果采用经典数学的方法，可能会带来很多问题，首先，很难说在某一时刻的某种环境下，移动通信信道就是某种信道模型，因为实际移动通信信道具有某种程度上的模糊性.其次，无法准确判断移动通信信道划分的状态数.本文提出基于模糊聚类分析的信道划分方法，是对影响移动信道的几个重要因素采取模糊处理，得出在某种环境下的移动信道在一定程度上属于某种信道的模糊聚类分析方法.影响移动信道的关键性因素有仰角、阴影程度、终端的移动速度与多普勒效应、降雨、散射、反射、折射、多径、地形、建筑物、等等.

2.1 基于模糊聚类的移动通信信道划分

以上列出的影响移动信道的众多因素可以分为仰角、多普勒效应(反映相对运动速度)、多径效应(反映散射、折射、反射和衍射等)和阴影衰减(反映云层、降雨、树木和建筑物的遮蔽)4个主要方面，它们共同影响着移动通信信道.因此可以提取某一区域移动通信信道的关键参数，利用模糊聚类[11]的方法将信道聚类成最佳的几种类型，这几种类型具有某种程度上(隶属函数)的代表性，可以充分反映一个区域的移动通信信道性质.利用模糊聚类划分移动通信信道的步骤为

步骤一： 数据标准化.

首先确定移动通信的信道样本和特征变量(标定)，特征变量为仰角、多普勒效应、多径效应和阴影衰减效应.可以分别用仰角度数(φe)、多普勒频移(fd)、直径分量的均值(μ)和方差(σ)及Rice/Rayleigh衰减因子(K)定量的描述.即可以建立X={x1,x2,…，xn}待分类的对象全体，它们都有5个特征，原始数据为

 

(11)

为了排除不同种类物理量量纲的差异性，使具有不同量纲物理量之间也可以进行比较，需要对上述5个物理量进行数据标准化，标准化步骤如下：

四轴码垛机器人控制系统的设计与实 现 …………………………………………………… 马前帅，王二敏（29）

继续将表2中P＞0.1的自变量 （年龄、原患疾病、化疗史、放疗史、高剂量激素治疗）去掉，再进行一次logistic回归分析，结果见表3。

1) 平移-标准差变换.

 

(12)

式中,经过变换后，每个变量的均值为0，标准差为1，且消除了量纲的影响，但是，这里得到的还不一定在区间[0,1]上.

2) 平移-极差变换．

《世说新语》及刘孝标注都有重要的学术价值，学界常作为一个整体来研究。刘注《世说新语》撰著的起始时间有可能在梁天监十五年(516)之前[2](P20)。《世说新语》在唐及其前惟一幸存本，为日本明治十年(1877)在京都东寺库中发现的唐写本《世说新语》残卷。

 

(13)

显然有0≤xik≤1，且可以消除量纲的影响.

2.城镇住房供给调节机制：由计划机制向市场机制演进。改革开放40年来中国住房供给调节机制演进的最大特征是由单位分配到市场购买的结构性变迁。与此同时，国家持续加大保障房的供应。总的来看，尽管改革开放40年里中国城镇住房供给调节机制市场化改革成就斐然，但同样也带来了负面效应，表现为商品房供给被住房投资者和投机者引导，炒房时有发生，偏离了住房供给是为了满足民生需求的根本目标。这表明，新时代中国城镇住房供给调节机制改革应当是在市场调节机制基础上，加大政府调节，使城镇住房供给调节机制在一定范围内发挥作用，范围之外(譬如保障房、自建房、共建房)构建政府主导、社会参与和民众配合的城镇住房供给调节机制。

步骤二：建立模糊相似矩阵.

经过步骤一的变换之后就完成了对数据的标准化.接下来就是模糊相似矩阵的建立过程.本文中采用夹角余弦法来建立相似矩阵，余弦夹角法建立相似矩阵的公式为

 

(14)

从而获得移动通信信道的模糊相似矩阵R=(rij)n×n.

步骤四：确定最佳聚类数.

模糊聚类分析要求建立的模糊等价矩阵应具有自反性、对称性和传递性，一般的模糊相似矩阵具有前两个性质.因此，利用平方自合成法将模糊相似矩阵R改造成模糊等价矩阵t(R)即

2) 3个状态相互之间界定标准是什么；

(15)

 

(16)

设对应于λ值的分类数为r，第j类的样本数为nj，第j类的样本记做：第j类的聚类中心向量

麦克尤恩《时间中的孩子》这种全景式的文学叙事构建的伦敦镜像如同艾略特(T. S Eliot)笔下的荒原，从生态批评角度看来，麦克尤恩运用文学叙事的“艺术之境”创作的《时间中的孩子》这部小说，构成了一面用以折射和反衬人类文明价值扭曲的“自然之镜”。对应今天扭曲发展的社会生态现实，麦克尤恩笔下的伦敦荒原镜像具有积极的现实镜鉴价值。在21世纪人类中心主义(anthropocentrism)越来越占据社会发展的主导地位时，文学叙事中的城市荒原镜像为我们思考社会的发展方式以及处理人与自然的关系提供了一个具有反思意义的批评视角。

总之，巧用乘法分配律与结合律解释小数乘法的意义，有助于学生对小数乘法的习得过程更为灵活、高效，同时可避免传统课堂中对于小数乘法知识内容的死记硬背式的学习.

(17)

通过以上的模糊聚类分析方法得出移动通信信道的最佳聚类数之后，即可根据第一部分的经典信道模型及其参数确定每种单一信道的统计模型，建立移动通信信道的多状态Markov信道模型.

步骤三：动态模糊聚类.

在临床治疗上,输血操作是一类临床常用的一类治疗操作路径之一,是外科手术中,一般需要准备血,以备手术过程中输血的需要,主要包括了手术带来的大量出血以及患者本身具有的严重贫血症状等[1]。本文主要选取的是我院接收治疗的200例需进行输血治疗患者作为研究对象,观察、分析在需进行输血治疗患者的治疗中,总结并阐述输血路径在临床输血护理中的应用效果。现报道如下。

在确定分类数时，传统的方法是在动态聚类视图中调整λ值以得到适当的分类，而不需要事先准确地估计好样本应分成几类.这种方法往往会在主观愿望上先进行分类，然后再去凑λ，导致不同的人分类会得到不同的结果.因此本文采用F-统计量[11]来确定最佳阈值λ，再根据λ值在动态聚类视图中进行分类，最终得到最佳分类数.其算法过程如下：

计算原始数据矩阵样本的中心向量

 

(18)

t(R)=R2k=(tij)m×m.

 

(19)

根据式(17)、(18)作F-统计量

 

(20)

它的分子表征为类与类之间的距离，分母表征为类内样本间的距离.因此，F值越大，说明类与类之间的距离大，分类就越好.如果F>Fα(r-1,n-r),(α=0.05)，则根据数理统计分析理论知道类与类之间差异是显著的，说明分类比较合理，如果满足不等式F>Fα(r-1,n-r)的值不止一个，则可进一步考查(F-Fα)的大小，从较大者中找一个满意的F值即可.

由式(17)得到模糊等价矩阵t(R)后，将t(R)中不同数值元素从大到小排列，λ按这个排列依次取值，就可形成移动通信信道的动态聚类图.

2.2 移动通信信道多状态Markov信道模型

当终端在不同的环境中移动时，其信道特性也会发生相应的变化，在一定的区域内可通过模糊聚类方法聚类成几种极具代表性的移动通信信道状态.当移动终端沿着一定路径运动时，几种信道会发生相互的转换，这种转换过程可用多状态Markov模型来表达，可以充分的描述此时的信道特性，下面是建立Markov模型的具体步骤.

以上3个问题说明移动通信信道的划分具有模糊特性，可以通过模糊数学的方法来解决.本文采用模糊聚类作为处理工具，将移动信道划分为极具代表性的几种信道状态，最后利用多状态Markov模型建立可以描述移动通信独有的“移动性”的移动通信信道混合模型并仿真验证.

假设由上面的模糊聚类方法得出某一区域的移动通信信道的最佳聚类数为n，其中第一种移动通信信道服从Rayleigh模型，第二种服从Suzuki模型，第三种服从Rice模型，……，第n种信道服从Suzuki分布，具体的信道参数可以从原始数据中获得.

步骤二：建立移动通信信道Markov模型.

移动通信信道Markov模型可被描述成转移矩阵P和状态向量S,n状态的Markov转移矩阵为

 

(21)

式中,pij表示由状态i转移到状态j的转移概率且满足

状态向量S=[s1,s2,…,sn]，由于此时的Markov链是非周期、不可约的，它的稳态分布存在且等于极限分布，可得

SP=S.

(22)

也就是如果转移矩阵已知，即可以得到S，显然这里的P、S和移动信道的仰角、阴影以及多径有关.

3 数值仿真和比较

为了验证本文所提基于模糊聚类的移动通信信道的Markov模型有效性，接下来利用实测数据(MD)、模糊聚类模型的仿真数据(FMM)以及传统方法信道模型的仿真数据(GMM)进行比较.其中仿真数据来自于文献[2]中哈尔滨工业大学的实测数据.

多普勒频移可表示为

 

(23)

式中，v为终端移动速度;λ为入射波长;φe为仰角.

衰落因子K可表示为

甲洛洛很希望能抓到凶手，但也很不情愿去怀疑登子，因为登子平时是个三棒子打不出一个闷屁的人，而且只要有需要，他总是默默地帮他打磨斧头，修理门窗，打制锁门和拴狗的链子，不仅不收一分钱，还时常给他陪着笑脸，人前人后也从不叫他甲洛洛。

 

(24)

式中，ρ为直射分量幅度为平均多径散射功率.

为了得到更多的实测样本值，这里将会对现有的实测值进行数值拟合，产生20组实验样本值，拟合方法为

K(α)=K0+K1α+K2α2+K3α3,

(25)

μ(α)=μ0+μ1α+μ2α2+μ3α3,

(26)

σ(α)=σ0+σ1α+σ2α2+σ3α3.

(27)

通过以上转换可以得到该地区20个样本的仰角度数(φe)、多普勒频移(fd)、直径分量的均值(μ)和方差(σ)及Rice/Rayleigh衰减因子(K)5个物理量.具体数据如表1所示.模糊聚类方法得到的动态模糊聚类图如图1所示.由F分布可以确定最佳分类数如表2所示，其中分类数为1和20显然没有太大意义，故分类数为18种.通过表2分析可知该区域的移动通信信道的最佳聚类数为3，也就是Markov模型有3个状态S=[s1,s2,s3]，现在取实测数据并对实测数据中的信号包络幅度进行划分[6-7]，接收信号包络-5～-15 dB为s1，-15～-25 dB为s2，-25～-35 dB为s3.对图2进行状态划分可知

S={1,2,2,3,1,2,2,1,1,2,1,2,1,2,3,3,1,2,1,2,1,1,1,2,1,2,2,1,1,2,23,1,3,1,1,1,2,3,2,1,3,2,2,2,1,2,1,2,2,3,1,2,3,1,1,3,1,2,1,1,2,2,3,2,2,1,2,3,1,1,1,2,1,2,3,2,1,1,3,2,1,3,2}，可知由上述划分的状态得到转移矩阵P，并可计算出状态S的理论值.

 

S=0.4146 0.4025 0.1829.

 

表1 实测数据

  

φeKfdμσ200．64952．61-0．30110．0173300．85692．35-0．23650．0254401．30892．13-0．15320．0368502．29631．62-0．11230．2954603．16231．35-0．06520．0518706．56980．63-0．69210．0591807．94330．46-0．08270．0656200．49952．01-0．35720．2590300．69851．92-0．34560．2311400．89431．73-0．43260．2072602．87331．15-0．84560．2878704．26582．54-0．74530．2514806．90513．84-0．63960．2303200．34510．78-0．18960．4260300．65240．61-0．86000．4512400．86380．52-1．79600．4835501．15360．42-1．56270．5013602．12760．37-1．35850．5411703．65840．29-1．24580．7561804．87940．12-1．17430．9026

 

表2 F分布相关参数

  

聚类数2345678910λ0．91470．92630．95240．95480．95510．95550．95570．95710．9630F3．655．364．324．113．963．673．553．123．01F0．054．413．593．243．062．962．922．912．953．02聚类数111213141516171819λ0．96330．96410．96540．97130．97210．97330．97580．99320．9941F2．192．081．891．651．431．270．980．780．62F0．053．143．313．283．974．645．868．6919．43247．32

  

图1 移动通信信道动态聚类图

采用上述参数并对模型进行Matlab仿真，可以得出该模型的二阶统计量(平均衰落时间、电平交叉率)分别如图3～4所示.

在移动信道建模中，评价信道性能的两个最重要的指标是平均衰落时间和电平交叉率，尤其是在信号电平低于0 dB时更具参考价值[1].从图3和图4的仿真结果可以看出，基于模糊聚类的信道模型(FMM)仿真产生的平均衰落时间、电平交叉率和实测数据(MD)具有良好的一致性，在低电平时比一般方法(GMM)表现出更好吻合性，充分验证了仿真模型的正确性，可以用来描述.

  

图2 状态划分

  

图3 平均衰落时间

  

图4 电平交叉率

4 结语

本文在理论分析的基础上，结合移动通信信道的实际情况和前人单一状态下经典统计模型，提出了基于模糊聚类的多状态移动通信信道的Markov模型.既克服了单一模型的局限性，同时又解决了普通多状态模型对状态划分缺乏理论依据的缺点.最后用计算机仿真得到衡量信道性能最重要的两个二阶统计量(AFD和LCR)，通过比较仿真结果和实测数据可以验证本文提出的信道模型的正确性并可说明模型具有实际意义.

参考文献：

[1] Vucetic B, Du J. Channel Modeling and Simulation in Satellite Mobile Communication Systems[J]．IEEE J．Select．Areas Comm,1992．

[2] 陈秀廷．三状态信道模型在移动通信系统中的应用研究[J]．哈尔滨工业大学学报，1998，30(1):91-94.

[3] Loo C．A Statistical Model for a Land Mobile Satellite Link[J]．IEEE Trans on Vehiculr Technology，1985，34(3):122-127.

[4] Lutz E，Cygan D，Dippold M，et al．The Land Mobile Satellite Communication Channel recording，Statistics，and Channel Model[J]．IEEE Trans．Vehic．Technol，1991，40(2):375-385.

[5] 申东娅．基于独立阴影的移动通信信道模型及仿真[J]．云南大学学报，2008，30(1)：16-20.

[6] Fernando Pérez Fontán. Statistical Modeling of the LMS Channel[J].Trans．Vehic．Technol．2001(6):1549-1567.

[7] Yang Mingchuan．Markov Chain Based Two-state Satellite Mobile Channel Model[C]//Vehicular Technology Conference (VTC Spring) 2011 IEEE，2011.

[8] Suzuki H．A Statistical Model for Urban Radio Propagation[J]．IEEE Trans． Comm．，1977，25(7)：673-680.

[9] 高电波，陈贺新．移动通信信道确定性仿真模型分析[J]．长春邮电学院学报,2001,19(3):14-19.

[10] 陈伟．移动衰落信道[M]．北京：电子工业出版社，2009.

[11] 梁保松．模糊数学及其应用[M]．北京：科学出版社，2007.