本發(fā)明涉及通信技術(shù)領(lǐng)域，特別是涉及一種mimoota三維信道空間特性重現(xiàn)的方法及裝置。

背景技術(shù)：

隨著通信技術(shù)的發(fā)展，多入多出(multiple-inputmultiple-output，mimo)技術(shù)的應(yīng)用越來越廣泛。mimo技術(shù)通過空編碼等技術(shù)，利用傳播信道中的非相關(guān)性，可以在不額外消耗頻譜與時(shí)域資源的同時(shí)，成倍地提高通信系統(tǒng)的信道容量，提高了數(shù)據(jù)傳輸速率。

為了有效的評估無線通信系統(tǒng)的mimo設(shè)備在真實(shí)環(huán)境中的性能，研究人員提出了多入多出空中特性(multiple-inputmultiple-outputover-the-air，mimoota)測試。mimoota測試方案可以在被測的mimo設(shè)備周圍創(chuàng)建一個(gè)模擬真實(shí)環(huán)境的信道空間，該mimo設(shè)備則可以在模擬的信道空間中完成性能測試。其中，三維的mimoota測試是常用的測試方案之一。在三維的mimoota測試方案中，用于模擬信道空間的三維信道探頭模型包括上中下三個(gè)探頭環(huán)，每個(gè)探頭環(huán)上固定設(shè)置有多個(gè)探頭。這些探頭可以發(fā)射電磁波，技術(shù)人員根據(jù)待模擬的實(shí)際信道空間，設(shè)置各探頭的功率權(quán)重，控制各探頭的發(fā)射功率，從而模擬該實(shí)際信道空間。

基于現(xiàn)有技術(shù)的方案，探頭位置是固定的，只是通過設(shè)置各探頭的功率權(quán)重來模擬不同的信道空間。在實(shí)現(xiàn)高精確度的信道空間模擬時(shí)，會(huì)需要大量的探頭，導(dǎo)致測試成本較高。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例的目的在于提供一種mimoota三維信道空間特性重現(xiàn)的方法及裝置，以實(shí)現(xiàn)高精確度的信道空間模擬，并且減少探頭的數(shù)目，以降低測試成本。具體技術(shù)方案如下：

第一方面，提供了一種mimoota三維信道空間特性重現(xiàn)的方法，所述方法包括：

獲取預(yù)設(shè)進(jìn)化算法中的每個(gè)個(gè)體的初始屬性向量，所述初始屬性向量的維度根據(jù)三維信道探頭模型中預(yù)設(shè)的探頭數(shù)目n確定；

根據(jù)所述每個(gè)個(gè)體的初始屬性向量、所述預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和所述全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量，其中，所述目標(biāo)信道空間的相關(guān)性向量是待模擬的實(shí)際信道空間的相關(guān)性向量，所述最優(yōu)屬性向量是滿足所述全局最優(yōu)適應(yīng)度時(shí)的屬性向量；

根據(jù)所述最優(yōu)屬性向量，確定探頭位置向量和各探頭的功率權(quán)重，并基于所述探頭位置向量和各探頭的功率權(quán)重，確定三維信道探頭模型。

可選的，所述根據(jù)所述每個(gè)個(gè)體的初始屬性向量、所述預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和所述全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量，包括：

根據(jù)所述每個(gè)個(gè)體的初始屬性向量、所述預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，分別確定每個(gè)個(gè)體對應(yīng)的個(gè)體最優(yōu)適應(yīng)度、以及所述每個(gè)個(gè)體滿足所述個(gè)體最優(yōu)適應(yīng)度時(shí)的屬性向量；

將所述個(gè)體最優(yōu)適應(yīng)度中數(shù)值最小的個(gè)體最優(yōu)適應(yīng)度，作為全局最優(yōu)適應(yīng)度，并將所述全局最優(yōu)適應(yīng)度對應(yīng)的屬性向量作為最優(yōu)屬性向量。

可選的，所述探頭位置向量包括各探頭的水平方位角和垂直高度角，所述初始屬性向量的維度為2n。

可選的，所述根據(jù)所述最優(yōu)屬性向量，確定探頭位置向量，包括：

在所述最優(yōu)屬性向量中，將垂直高度角對應(yīng)的分量乘以預(yù)設(shè)的調(diào)整比值，得到探頭位置向量。

可選的，所述根據(jù)所述最優(yōu)屬性向量，確定各探頭的功率權(quán)重，包括：

根據(jù)所述最優(yōu)屬性向量和預(yù)設(shè)的空間相關(guān)性算法，確定所述最優(yōu)屬性向量對應(yīng)的相關(guān)性向量；

根據(jù)所述目標(biāo)信道空間的相關(guān)性向量和所述最優(yōu)屬性向量對應(yīng)的相關(guān)性向量，確定適應(yīng)度函數(shù)的表達(dá)式；

根據(jù)所述適應(yīng)度函數(shù)的表達(dá)式，確定所述適應(yīng)度函數(shù)取最小值時(shí)各探頭的功率權(quán)重。

第二方面，提供了一種mimoota三維信道空間特性重現(xiàn)的裝置，所述裝置包括：

獲取模塊，用于獲取預(yù)設(shè)進(jìn)化算法中的每個(gè)個(gè)體的初始屬性向量，所述初始屬性向量的維度根據(jù)三維信道探頭模型中預(yù)設(shè)的探頭數(shù)目n確定；

最優(yōu)屬性向量確定模塊，用于根據(jù)所述每個(gè)個(gè)體的初始屬性向量、所述預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和所述全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量，其中，所述目標(biāo)信道空間的相關(guān)性向量是待模擬的實(shí)際信道空間的相關(guān)性向量，所述最優(yōu)屬性向量是滿足所述全局最優(yōu)適應(yīng)度時(shí)的屬性向量；

三維信道探頭模型確定模塊，用于根據(jù)所述最優(yōu)屬性向量，確定探頭位置向量和各探頭的功率權(quán)重，并基于所述探頭位置向量和各探頭的功率權(quán)重，確定三維信道探頭模型。

可選的，所述最優(yōu)屬性向量確定模塊，還用于：

根據(jù)所述每個(gè)個(gè)體的初始屬性向量、所述預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，分別確定每個(gè)個(gè)體對應(yīng)的個(gè)體最優(yōu)適應(yīng)度、以及所述每個(gè)個(gè)體滿足所述個(gè)體最優(yōu)適應(yīng)度時(shí)的屬性向量；

將所述個(gè)體最優(yōu)適應(yīng)度中數(shù)值最小的個(gè)體最優(yōu)適應(yīng)度，作為全局最優(yōu)適應(yīng)度，并將所述全局最優(yōu)適應(yīng)度對應(yīng)的屬性向量作為最優(yōu)屬性向量。

可選的，所述探頭位置向量包括各探頭的水平方位角和垂直高度角，所述初始屬性向量的維度為2n。

可選的，所述三維信道探頭模型確定模塊，還用于：

在所述最優(yōu)屬性向量中，將垂直高度角對應(yīng)的分量乘以預(yù)設(shè)的調(diào)整比值，得到探頭位置向量。

第三方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)內(nèi)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-5任一所述的方法步驟。

本發(fā)明實(shí)施例提供的mimoota三維信道空間特性重現(xiàn)的方法及裝置，可以獲取預(yù)設(shè)進(jìn)化算法中的每個(gè)個(gè)體的初始屬性向量(該初始屬性向量的維度是根據(jù)三維信道探頭模型中預(yù)設(shè)的探頭數(shù)目n確定的)，然后根據(jù)每個(gè)個(gè)體的初始屬性向量、預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量，進(jìn)而根據(jù)最優(yōu)屬性向量，確定探頭位置向量和各探頭的功率權(quán)重，并基于探頭位置向量和各探頭的功率權(quán)重，確定三維信道探頭模型。這樣，通過靈活的調(diào)整各探頭的位置以及各探頭的權(quán)重，來進(jìn)行信道空間模擬，能夠?qū)崿F(xiàn)高精確度的信道空間模擬，并且無需設(shè)置大量的探頭，有效的降低了測試成本。當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品或方法必不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例提供的一種mimoota三維信道空間特性重現(xiàn)的方法流程圖；

圖2為本發(fā)明實(shí)施例提供的一種基于雞群算法進(jìn)行迭代的方法流程圖；

圖3為本發(fā)明實(shí)施例提供的一種mimoota三維信道空間特性重現(xiàn)的裝置結(jié)構(gòu)示意圖；

圖4為本發(fā)明實(shí)施例提供的一種電子設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實(shí)施例提供了一種mimoota三維信道空間特性重現(xiàn)的方法，該方法在模擬信道空間時(shí)，可以計(jì)算三維信道探頭模型中的各探頭的位置和權(quán)重，從而可以合理的調(diào)整探頭的布局，能夠在實(shí)現(xiàn)高精確度的信道空間模擬，并且無需設(shè)置大量的探頭，降低了測試成本。該方法的執(zhí)行主體可以是用于模擬信道空間的設(shè)備。

如圖1所示，該方法的處理過程可以如下：

步驟101，獲取預(yù)設(shè)進(jìn)化算法中的每個(gè)個(gè)體的初始屬性向量，初始屬性向量的維度根據(jù)三維信道探頭模型中預(yù)設(shè)的探頭數(shù)目n確定。

在實(shí)施中，終端可以通過三維信道探頭模型，來模擬某實(shí)際的信道空間。當(dāng)終端需要模擬某信道空間時(shí)，終端可以獲取預(yù)先存儲(chǔ)的三維信道探頭模型中的探頭數(shù)目n，該探頭數(shù)目可以由技術(shù)人員設(shè)置，n可以為正整數(shù)。終端中還可以存儲(chǔ)預(yù)設(shè)進(jìn)化算法，預(yù)設(shè)進(jìn)化算法可以是遺傳算法或智能群算法，智能群算法可以是雞群算法或蟻群算法等，本實(shí)施例不做限定。預(yù)設(shè)進(jìn)化算法中可以包括多個(gè)個(gè)體，例如，遺傳算法中可以包括遺傳個(gè)體，雞群算法中可以包括種群個(gè)體。終端在建立三維信道探頭模型時(shí)，需要先對預(yù)設(shè)進(jìn)化算法進(jìn)行參數(shù)初始化，即獲取預(yù)設(shè)的迭代次數(shù)和個(gè)體數(shù)目，然后可以對預(yù)設(shè)進(jìn)化算法進(jìn)行個(gè)體初始化，確定每個(gè)個(gè)體的初始屬性向量。其中，迭代次數(shù)和個(gè)體數(shù)目可以由技術(shù)人員設(shè)置；屬性向量的維度可以根據(jù)探頭數(shù)目n確定，具體處理過程后續(xù)會(huì)進(jìn)行詳細(xì)說明。終端可以在預(yù)設(shè)的初始值范圍(比如[-π,π])內(nèi)，隨機(jī)確定屬性向量的初始值，得到初始屬性向量；或者，可以將預(yù)設(shè)的向量值作為屬性向量的初始值。另外，參數(shù)初始化過程中還可以設(shè)置其他參數(shù)的參數(shù)值。以雞群算法為例，還可以確定關(guān)系更新頻率、公雞比例、母雞比例和母親母雞比例等。

可選的，三維信道探頭模型中，通常會(huì)采用水平方位角和垂直高度角這兩個(gè)參數(shù)定位探頭的位置，也即，探頭位置向量可以包括各探頭的水平方位角和垂直高度角，此時(shí)，個(gè)體的屬性向量的維度為2n，屬性向量中的n個(gè)分量對應(yīng)水平方位角，其余n個(gè)分量對應(yīng)垂直高度角。例如，某個(gè)體的屬性向量可以表示為(a11,a12,a21,a22…an1,an2)。

步驟102，根據(jù)每個(gè)個(gè)體的初始屬性向量、預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量。

其中，目標(biāo)信道空間的相關(guān)性向量是待模擬的實(shí)際信道空間的相關(guān)性向量，最優(yōu)屬性向量是滿足全局最優(yōu)適應(yīng)度的屬性向量。

在實(shí)施中，技術(shù)人員還可以在終端中設(shè)置需要模擬的實(shí)際信道空間(即目標(biāo)信道空間)，終端則可以獲取目標(biāo)信道空間的相關(guān)性向量，目標(biāo)信道空間的相關(guān)性向量為已知的常量。終端中可以預(yù)先存儲(chǔ)目標(biāo)信道空間的相關(guān)性向量，或者，終端也可以計(jì)算目標(biāo)信道空間的相關(guān)性向量，具體的計(jì)算過程可以如下：

步驟一，終端建立三維球形功率譜模型。該三維球形功率譜可以建模為垂直高度角θ和水平方位角φ的函數(shù)：

p(ω)＝p(θ,φ)＝p(θ)p(φ)(1)

其中，ω為立體角，p(ω)為三維球形功率譜，p(θ)、p(φ)分別為高度角功率譜(powerelevationspectrum，pes)和方位角功率譜(powerazimuthspectrum，pas)。pes和pas可以由目標(biāo)信道空間決定。p(ω)可以滿足以下條件：

步驟二，終端可以計(jì)算目標(biāo)信道空間的相關(guān)性向量。

目標(biāo)信道空間的相關(guān)性向量可以根據(jù)三維球形功率譜來計(jì)算，假設(shè)被測設(shè)備的兩個(gè)天線的方向圖為全向時(shí)，目標(biāo)信道空間中某一采樣點(diǎn)對的相關(guān)性可以為：

其中，和是目標(biāo)信道空間的球面上包含位置信息的向量，代表了兩個(gè)相對球心對稱的球面上的采樣點(diǎn)(可稱為采樣點(diǎn)對)。j為虛數(shù)單位，k為波數(shù)，計(jì)算公式為：k＝2π/λ，λ為目標(biāo)信道空間的頻率對應(yīng)的波長，π為圓周率。目標(biāo)信道空間確定后，k為常數(shù)。

終端可以通過上式，分別計(jì)算目標(biāo)信道空間中m個(gè)采樣點(diǎn)對的相關(guān)性，得到目標(biāo)信道空間的相關(guān)性向量。

終端獲取到每個(gè)個(gè)體的初始屬性向量后，可以根據(jù)該初始屬性向量、預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量。如上所述，預(yù)設(shè)進(jìn)化算法可以是遺傳算法、雞群算法或蟻群算法等。不同的進(jìn)化算法確定全局最優(yōu)適應(yīng)度和最優(yōu)屬性向量的處理方式可以是不同的。本實(shí)施例以雞群算法為例進(jìn)行說明，具體的處理過程可以如下：根據(jù)每個(gè)個(gè)體的初始屬性向量、預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，分別確定每個(gè)個(gè)體對應(yīng)的個(gè)體最優(yōu)適應(yīng)度、以及每個(gè)個(gè)體滿足個(gè)體最優(yōu)適應(yīng)度時(shí)的屬性向量；將個(gè)體最優(yōu)適應(yīng)度中數(shù)值最小的個(gè)體最優(yōu)適應(yīng)度，作為全局最優(yōu)適應(yīng)度，并將全局最優(yōu)適應(yīng)度對應(yīng)的屬性向量作為最優(yōu)屬性向量。

在實(shí)施中，對于雞群算法中的任一個(gè)體，終端可以根據(jù)該個(gè)體的屬性向量和預(yù)設(shè)的空間相關(guān)性算法，確定該個(gè)體對應(yīng)的模擬信道空間的相關(guān)性，計(jì)算公式可以如下：

其中，wn是第n個(gè)探頭的功率權(quán)重，wn是未知量；是第n個(gè)探頭在三維空間單位位置向量，n是探頭的總數(shù)目；和是模擬信道空間的球面上包含位置信息的向量，代表了兩個(gè)相對球心對稱的球面上的采樣點(diǎn)(可稱為采樣點(diǎn)對)。j為虛數(shù)單位，k為波數(shù)，計(jì)算公式為：k＝2π/λ，λ為根據(jù)目標(biāo)信道空間的頻率對應(yīng)的波長，π為圓周率。當(dāng)目標(biāo)信道空間確定后，k為常數(shù)。

終端可以通過上式，分別計(jì)算模擬信道空間中m個(gè)采樣點(diǎn)對的相關(guān)性，得到模擬信道空間的相關(guān)性向量，進(jìn)而可以確定凸優(yōu)化的目標(biāo)函數(shù)，該目標(biāo)函數(shù)是最小化目標(biāo)信道空間的相關(guān)性和模擬信道空間的相關(guān)性之間的誤差和。這個(gè)最小化的誤差和可以作為雞群算法的適應(yīng)度函數(shù)f，f的表達(dá)式可以如下：

其中，w是凸優(yōu)化的探頭的功率權(quán)重向量，功率權(quán)重向量所包含的分量wi是第i個(gè)探頭的功率權(quán)重，且wi滿足0≤wi≤1，是模擬信道空間的相關(guān)性向量，ρ是目標(biāo)信道空間的相關(guān)性向量。需要說明的是，這兩個(gè)相關(guān)性向量均由個(gè)m采樣點(diǎn)對的空間相關(guān)性組成，且模擬信道空間的相關(guān)性向量對應(yīng)的采樣點(diǎn)，與目標(biāo)信道空間的相關(guān)性向量對應(yīng)的采樣點(diǎn)是相同的。

終端獲取到雞群算法中每個(gè)個(gè)體的初始屬性向量后，可以基于上述公式(4)和公式(5)，分別計(jì)算出每個(gè)個(gè)體對應(yīng)的適應(yīng)度函數(shù)的表達(dá)式。對于任一適應(yīng)度函數(shù)，終端可以確定該適應(yīng)度函數(shù)取最小值時(shí)各探頭的功率權(quán)重，以及該該適應(yīng)度函數(shù)的最小值。然后，終端可以基于雞群算法的迭代規(guī)律，對每個(gè)個(gè)體的初始屬性向量進(jìn)行迭代處理，得到迭代后的屬性向量(可稱為當(dāng)代的屬性向量)。終端可以基于每個(gè)個(gè)體迭代后的屬性向量和上述公式(4)和公式(5)，分別計(jì)算每個(gè)個(gè)體在當(dāng)代的適應(yīng)度函數(shù)的表達(dá)式，并確定該適應(yīng)度函數(shù)的最小值。對于任一個(gè)體，終端可以將該個(gè)體當(dāng)代的適應(yīng)度函數(shù)的最小值(可稱為第一數(shù)值)，與上一代計(jì)算出的適應(yīng)度函數(shù)的最小值(可稱為第二數(shù)值)進(jìn)行對比，如果第一數(shù)值小于第二數(shù)值，則將當(dāng)代的屬性向量作為下一次迭代使用的屬性向量；如果第一數(shù)值大于第二數(shù)值，則將上一代的屬性向量作為下一次迭代使用的屬性向量。這樣，終端可以確定出每個(gè)個(gè)體進(jìn)行下一次迭代使用的屬性向量，然后基于雞群算法的迭代規(guī)律進(jìn)行迭代處理。終端可以重復(fù)該迭代處理過程，直到達(dá)到預(yù)設(shè)的迭代次數(shù)為止。其中，雞群算法的迭代規(guī)律后續(xù)會(huì)進(jìn)行詳細(xì)說明。

當(dāng)完成迭代處理后，終端可以得到整個(gè)迭代過程中，每個(gè)個(gè)體的最小適應(yīng)度(即個(gè)體最優(yōu)適應(yīng)度)，以及每個(gè)個(gè)體最優(yōu)適應(yīng)度對應(yīng)的屬性向量。終端可以在個(gè)體最優(yōu)適應(yīng)度中，確定數(shù)值最小的個(gè)體最優(yōu)適應(yīng)度，作為全局最優(yōu)適應(yīng)度，并將全局最優(yōu)適應(yīng)度對應(yīng)的屬性向量作為最優(yōu)屬性向量。

步驟103，根據(jù)最優(yōu)屬性向量，確定探頭位置向量和各探頭的功率權(quán)重，并基于探頭位置向量和各探頭的功率權(quán)重，確定三維信道探頭模型。

在實(shí)施中，終端確定出最優(yōu)屬性向量后，可以根據(jù)預(yù)先存儲(chǔ)的屬性向量和探頭位置向量的對應(yīng)關(guān)系，確定最優(yōu)屬性向量對應(yīng)的探頭位置向量。終端還可以根據(jù)預(yù)設(shè)的凸優(yōu)化算法和最優(yōu)屬性向量，確定各探頭的功率權(quán)重。本實(shí)施例的三維信道探頭模型中，各探頭可以設(shè)置在探頭軌道上，并且可以在該探頭軌道上進(jìn)行水平和垂直方向上的移動(dòng)。這樣，可以基于探頭位置向量，調(diào)整各探頭的位置，并基于各探頭的功率權(quán)重，設(shè)置各探頭的發(fā)射功率，從而確定三維信道探頭模型，該三維信道探頭模型即可模擬目標(biāo)信道空間。

可選的，確定探頭位置向量的具體處理過程可以如下：在最優(yōu)屬性向量中，將垂直高度角對應(yīng)的分量乘以預(yù)設(shè)的調(diào)整比值，得到探頭位置向量。

在實(shí)施中，探頭的垂直高度角可以設(shè)置在的范圍內(nèi)，而初始屬性向量的取值范圍是[-π,π]，因此，調(diào)整比值可以為1/2。終端可以在最優(yōu)屬性向量中，確定垂直高度角對應(yīng)的分量，然后可以將垂直高度角對應(yīng)的分量乘以1/2，得到探頭位置向量。例如，最優(yōu)屬性向量可以表示為(a11,a12,a21,a22…an1,an2)，則探頭位置向量為其中，可以表示第i個(gè)探頭的垂直高度角，ai2可以表示第i個(gè)探頭的水平方位角。

可選的，確定各探頭的功率權(quán)重的處理過程可以如下：根據(jù)最優(yōu)屬性向量和預(yù)設(shè)的空間相關(guān)性算法，確定最優(yōu)屬性向量對應(yīng)的相關(guān)性向量；根據(jù)目標(biāo)信道空間的相關(guān)性向量和最優(yōu)屬性向量對應(yīng)的相關(guān)性向量，確定適應(yīng)度函數(shù)的表達(dá)式；根據(jù)適應(yīng)度函數(shù)的表達(dá)式，確定適應(yīng)度函數(shù)取最小值時(shí)各探頭的功率權(quán)重。

在實(shí)施中，終端獲取到最優(yōu)屬性向量后，可以基于最優(yōu)屬性向量、上述公式(4)和公式(5)，確定適應(yīng)度函數(shù)的表達(dá)式，該表達(dá)式中包含功率權(quán)重向量，且該功率權(quán)重向量是未知的。終端可以基于預(yù)設(shè)的凸優(yōu)化算法，確定該適應(yīng)度函數(shù)取最小值時(shí)各探頭的功率權(quán)重，以便設(shè)置各探頭的發(fā)射功率。另外，終端還可以計(jì)算目標(biāo)信道空間的相關(guān)性向量，與模擬信道空間的相關(guān)性向量之間的誤差，該誤差即為空間特性重現(xiàn)的準(zhǔn)確度，具體的計(jì)算公式可以如下：

其中，m為采樣點(diǎn)對的數(shù)目，ρ是目標(biāo)信道空間的相關(guān)性向量，是模擬信道空間的相關(guān)性向量。

本實(shí)施例還提供了一種基于雞群算法進(jìn)行迭代的處理過程，如圖2所示，該處理過程可以如下：

步驟201：雞群分組條件判斷

終端在對雞群算法進(jìn)行參數(shù)初始化時(shí)，可以獲取預(yù)設(shè)的迭代次數(shù)x、種群的個(gè)體數(shù)目pop、關(guān)系更新頻率g和屬性向量的維度(可稱為位置維度)dim，即雞群每個(gè)個(gè)體的覓食位置向量包括dim個(gè)維度的值。終端還可以獲取預(yù)設(shè)的公雞比例rpercent，母雞比例hpercent和母親母雞比例mpercent，然后可以計(jì)算公雞個(gè)體數(shù)rnum為round(pop*rpercent)，母雞個(gè)體數(shù)hnum為round(pop*hpercent)，小雞個(gè)體數(shù)cnum為pop-rnum–hnum，母親母雞個(gè)體數(shù)mnum為round(hnum*mpercent)，其中round()表示四舍五入取整。

終端可以對雞群中的個(gè)體進(jìn)行分組，得到至少一個(gè)子群，每個(gè)子群可以由一個(gè)公雞、若干母雞和若干小雞組成。終端可以分別計(jì)算每個(gè)個(gè)體的最小適應(yīng)度，然后按照適應(yīng)度從小到大對個(gè)體進(jìn)行排序。終端可以將適應(yīng)度值最小的r個(gè)個(gè)體作為公雞，并且每只公雞都是一個(gè)子群的頭目，具有最差適應(yīng)度值的c個(gè)個(gè)體作為小雞，剩余的個(gè)體就作為母雞。確定分組后，把母雞依概率分配到各個(gè)分組中，這樣每個(gè)分組的公雞與母雞就建立伙伴關(guān)系，母雞的尋優(yōu)能力受本組公雞約束。可以在母雞中依概率(即mpercent)選中一些母雞作為母親母雞，把小雞依概率分配給母親母雞，建立母親母雞與小雞的母子關(guān)系，小雞在母子關(guān)系約束下在局部范圍內(nèi)挖掘最優(yōu)解。

同時(shí)這種等級秩序和關(guān)系并不是不變的，在一定迭代次數(shù)后按適應(yīng)度重新建立等級秩序，滿足算法搜索最優(yōu)解的需要。這樣的雞群分組以及不斷更新充分保證該算法內(nèi)部個(gè)體多對多的信息交流，使探索最優(yōu)解能力得到進(jìn)一步開發(fā)。

終端在迭代的過程中，可以判斷當(dāng)前迭代次數(shù)t是否滿足條件：mod(t,g)＝＝1||t＝＝1，若滿足該條件，則可以更新雞群分組，若不滿足，則可以不更新雞群分組。也即，雞群每g代就更新一次雞群分組。其中，mod()為求余操作。

步驟202：個(gè)體位置更新

(1)公雞的覓食位置更新

適應(yīng)度小的公雞比適應(yīng)度大的公雞能優(yōu)先獲得食物，也就是說，適應(yīng)度小的公雞在其覓食位置上能夠在更大范圍內(nèi)搜索食物，實(shí)現(xiàn)全局搜索，它的更新受隨機(jī)選取的其它公雞的覓食位置(即屬性向量)的影響。位置更新策略用下公式描述：

xi,j表示第i只公雞的覓食位置的第j維的值，第j維的值為雞群算法優(yōu)化的第j個(gè)變量；t表示當(dāng)前的迭代次數(shù)；randn(0,σ²)表示一個(gè)服從均值為0，方差為σ²的正態(tài)分布的隨機(jī)數(shù)；fi表示第i只公雞的適應(yīng)度；fk表示第k只公雞的適應(yīng)度，第k只公雞隨機(jī)的從公雞組里選擇；為避免除數(shù)為零，在分母中加上無窮小數(shù)ε。

在更新公雞的覓食位置的過程中，將公雞的新覓食位置的每一維的值均約束在[-π,π]之內(nèi)，根據(jù)每個(gè)公雞的新覓食位置和上述公式(4)和公式(5)，分別計(jì)算每個(gè)公雞的最小適應(yīng)度，得到rnum個(gè)公雞的新覓食位置對應(yīng)的適應(yīng)度值。

(2)母雞的覓食位置更新

母雞搜索能力較公雞稍差，其跟隨伙伴公雞搜索，更新受伙伴公雞的覓食位置影響。同時(shí)由于其偷食和它們之間存在競爭，更新又受其它公雞和母雞的影響。位置更新策略用下公式描述：

s2＝exp(fr2-fi)

rand是一個(gè)服從[0，1]均勻分布的隨機(jī)數(shù)，fr1表示該母雞伙伴公雞r1的適應(yīng)度，s1表示伙伴公雞對其的影響因子，fr2表示該從其他公雞和母雞中隨機(jī)選取個(gè)體r2的適應(yīng)度，s2表示其他雞對其的影響因子。

在更新母雞的覓食位置的過程中，將母雞的新覓食位置的每一維的值均約束在[-π,π]之內(nèi)，根據(jù)每個(gè)母雞的新覓食位置和上述公式(4)和公式(5)，分別計(jì)算每個(gè)母雞的最小適應(yīng)度，得到hnum個(gè)母雞的新覓食位置對應(yīng)的適應(yīng)度值。

(3)小雞的覓食位置更新

小雞的搜索能力最差，跟隨在母親母雞附近搜索，搜索范圍最小，其實(shí)現(xiàn)局部最優(yōu)解的挖掘。它的搜索范圍受母親母雞的覓食位置的影響。其位置更新策略用下公式描述：

xm,j表示母親母雞m的覓食位置的第j維數(shù)值，fl反映母雞的覓食位置對小雞的覓食位置影響的影響因子，由隨機(jī)函數(shù)隨機(jī)生成，一般取值范圍為(0，2)；

在更新小雞的覓食位置的過程中，將小雞的新覓食位置的每一維的值均約束在[-π,π]之內(nèi)，根據(jù)每個(gè)小雞的新覓食位置和上述公式(4)和公式(5)，分別計(jì)算每個(gè)小雞的最小適應(yīng)度，得到cnum個(gè)小雞的新覓食位置對應(yīng)的適應(yīng)度值。

步驟203：雞群個(gè)體最優(yōu)覓食位置更新判斷

將所有個(gè)體的新覓食位置的適應(yīng)度，與上一代(包括初始種群)對應(yīng)個(gè)體覓食位置的適應(yīng)度比較，新覓食位置適應(yīng)度較小的個(gè)體更新為該新覓食位置，參與下一次迭代，新覓食位置適應(yīng)度較大的個(gè)體放棄這次位置更新，保持舊的覓食位置參與下一次迭代。

步驟204：雞群全局最優(yōu)的覓食位置更新判斷

基于上述處理，當(dāng)?shù)竭_(dá)預(yù)設(shè)的迭代次數(shù)后，可以得到整個(gè)雞群中，每個(gè)個(gè)體在迭代過程中的個(gè)體最優(yōu)覓食位置，以及個(gè)體最優(yōu)覓食位置對應(yīng)的個(gè)體最優(yōu)適應(yīng)度，然后在個(gè)體最優(yōu)適應(yīng)度中，確定數(shù)值最小的個(gè)體最優(yōu)適應(yīng)度，作為全局最優(yōu)適應(yīng)度，并將全局最優(yōu)適應(yīng)度對應(yīng)的覓食位置，作為全局最優(yōu)覓食位置。

基于相同的技術(shù)構(gòu)思，本發(fā)明施例還提供了一種mimoota三維信道空間特性重現(xiàn)的裝置，如圖3所示，該裝置包括：

獲取模塊310，用于獲取預(yù)設(shè)進(jìn)化算法中的每個(gè)個(gè)體的初始屬性向量，所述初始屬性向量的維度根據(jù)三維信道探頭模型中預(yù)設(shè)的探頭數(shù)目n確定；

最優(yōu)屬性向量確定模塊320，用于根據(jù)所述每個(gè)個(gè)體的初始屬性向量、所述預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和所述全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量，其中，所述目標(biāo)信道空間的相關(guān)性向量是待模擬的實(shí)際信道空間的相關(guān)性向量，所述最優(yōu)屬性向量是滿足所述全局最優(yōu)適應(yīng)度時(shí)的屬性向量；

三維信道探頭模型確定模塊330，用于根據(jù)所述最優(yōu)屬性向量，確定探頭位置向量和各探頭的功率權(quán)重，并基于所述探頭位置向量和各探頭的功率權(quán)重，確定三維信道探頭模型。

可選的，所述最優(yōu)屬性向量確定模塊320，還用于：

根據(jù)所述每個(gè)個(gè)體的初始屬性向量、所述預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，分別確定每個(gè)個(gè)體對應(yīng)的個(gè)體最優(yōu)適應(yīng)度、以及所述每個(gè)個(gè)體滿足所述個(gè)體最優(yōu)適應(yīng)度時(shí)的屬性向量；

將所述個(gè)體最優(yōu)適應(yīng)度中數(shù)值最小的個(gè)體最優(yōu)適應(yīng)度，作為全局最優(yōu)適應(yīng)度，并將所述全局最優(yōu)適應(yīng)度對應(yīng)的屬性向量作為最優(yōu)屬性向量。

可選的，所述探頭位置向量包括各探頭的水平方位角和垂直高度角，所述初始屬性向量的維度為2n。

可選的，所述三維信道探頭模型確定模塊330，還用于：

在所述最優(yōu)屬性向量中，將垂直高度角對應(yīng)的分量乘以預(yù)設(shè)的調(diào)整比值，得到探頭位置向量。

本發(fā)明實(shí)施例提供的mimoota三維信道空間特性重現(xiàn)的方法及裝置，可以獲取預(yù)設(shè)進(jìn)化算法中的每個(gè)個(gè)體的初始屬性向量(該初始屬性向量的維度是根據(jù)三維信道探頭模型中預(yù)設(shè)的探頭數(shù)目n確定的)，然后根據(jù)每個(gè)個(gè)體的初始屬性向量、預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量，進(jìn)而根據(jù)最優(yōu)屬性向量，確定探頭位置向量和各探頭的功率權(quán)重，并基于探頭位置向量和各探頭的功率權(quán)重，確定三維信道探頭模型。這樣，通過靈活的調(diào)整各探頭的位置以及各探頭的權(quán)重，來進(jìn)行信道空間模擬，能夠?qū)崿F(xiàn)高精確度的信道空間模擬，并且無需設(shè)置大量的探頭，有效的降低了測試成本。

本發(fā)明實(shí)施例還提供了一種電子設(shè)備，如圖4所示，包括處理器401、通信接口402、存儲(chǔ)器403和通信總線404，其中，處理器401，通信接口402，存儲(chǔ)器403通過通信總線404完成相互間的通信，

存儲(chǔ)器403，用于存放計(jì)算機(jī)程序；

處理器401，用于執(zhí)行存儲(chǔ)器403上所存放的程序時(shí)，實(shí)現(xiàn)如下步驟：

獲取預(yù)設(shè)進(jìn)化算法中的每個(gè)個(gè)體的初始屬性向量，所述初始屬性向量的維度根據(jù)三維信道探頭模型中預(yù)設(shè)的探頭數(shù)目n確定；

根據(jù)所述每個(gè)個(gè)體的初始屬性向量、所述預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和所述全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量，其中，所述目標(biāo)信道空間的相關(guān)性向量是待模擬的實(shí)際信道空間的相關(guān)性向量，所述最優(yōu)屬性向量是滿足所述全局最優(yōu)適應(yīng)度時(shí)的屬性向量；

根據(jù)所述最優(yōu)屬性向量，確定探頭位置向量和各探頭的功率權(quán)重，并基于所述探頭位置向量和各探頭的功率權(quán)重，確定三維信道探頭模型。

可選的，所述根據(jù)所述每個(gè)個(gè)體的初始屬性向量、所述預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和所述全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量，包括：

根據(jù)所述每個(gè)個(gè)體的初始屬性向量、所述預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，分別確定每個(gè)個(gè)體對應(yīng)的個(gè)體最優(yōu)適應(yīng)度、以及所述每個(gè)個(gè)體滿足所述個(gè)體最優(yōu)適應(yīng)度時(shí)的屬性向量；

將所述個(gè)體最優(yōu)適應(yīng)度中數(shù)值最小的個(gè)體最優(yōu)適應(yīng)度，作為全局最優(yōu)適應(yīng)度，并將所述全局最優(yōu)適應(yīng)度對應(yīng)的屬性向量作為最優(yōu)屬性向量。

可選的，所述探頭位置向量包括各探頭的水平方位角和垂直高度角，所述初始屬性向量的維度為2n。

可選的，所述根據(jù)所述最優(yōu)屬性向量，確定探頭位置向量，包括：

在所述最優(yōu)屬性向量中，將垂直高度角對應(yīng)的分量乘以預(yù)設(shè)的調(diào)整比值，得到探頭位置向量。

可選的，所述根據(jù)所述最優(yōu)屬性向量，確定各探頭的功率權(quán)重，包括：

根據(jù)所述最優(yōu)屬性向量和預(yù)設(shè)的空間相關(guān)性算法，確定所述最優(yōu)屬性向量對應(yīng)的相關(guān)性向量；

根據(jù)所述目標(biāo)信道空間的相關(guān)性向量和所述最優(yōu)屬性向量對應(yīng)的相關(guān)性向量，確定適應(yīng)度函數(shù)的表達(dá)式；

根據(jù)所述適應(yīng)度函數(shù)的表達(dá)式，確定所述適應(yīng)度函數(shù)取最小值時(shí)各探頭的功率權(quán)重。

上述電子設(shè)備提到的通信總線可以是外設(shè)部件互連標(biāo)準(zhǔn)(peripheralpomponentinterconnect，簡稱pci)總線或擴(kuò)展工業(yè)標(biāo)準(zhǔn)結(jié)構(gòu)(extendedindustrystandardarchitecture，簡稱eisa)總線等。該通信總線可以分為地址總線、數(shù)據(jù)總線、控制總線等。為便于表示，圖中僅用一條粗線表示，但并不表示僅有一根總線或一種類型的總線。

通信接口用于上述電子設(shè)備與其他設(shè)備之間的通信。

存儲(chǔ)器可以包括隨機(jī)存取存儲(chǔ)器(randomaccessmemory，簡稱ram)，也可以包括非易失性存儲(chǔ)器(non-volatilememory)，例如至少一個(gè)磁盤存儲(chǔ)器?？蛇x的，存儲(chǔ)器還可以是至少一個(gè)位于遠(yuǎn)離前述處理器的存儲(chǔ)裝置。

上述的處理器可以是通用處理器，包括中央處理器(centralprocessingunit，簡稱cpu)、網(wǎng)絡(luò)處理器(networkprocessor，簡稱np)等；還可以是數(shù)字信號處理器(digitalsignalprocessing，簡稱dsp)、專用集成電路(applicationspecificintegratedcircuit，簡稱asic)、現(xiàn)場可編程門陣列(field－programmablegatearray，簡稱fpga)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件。

本發(fā)明實(shí)施例提供的mimoota三維信道空間特性重現(xiàn)的方法及裝置，可以獲取預(yù)設(shè)進(jìn)化算法中的每個(gè)個(gè)體的初始屬性向量(該初始屬性向量的維度是根據(jù)三維信道探頭模型中預(yù)設(shè)的探頭數(shù)目n確定的)，然后根據(jù)每個(gè)個(gè)體的初始屬性向量、預(yù)設(shè)進(jìn)化算法和預(yù)先存儲(chǔ)的目標(biāo)信道空間的相關(guān)性向量，確定全局最優(yōu)適應(yīng)度和全局最優(yōu)適應(yīng)度對應(yīng)的最優(yōu)屬性向量，進(jìn)而根據(jù)最優(yōu)屬性向量，確定探頭位置向量和各探頭的功率權(quán)重，并基于探頭位置向量和各探頭的功率權(quán)重，確定三維信道探頭模型。這樣，通過靈活的調(diào)整各探頭的位置以及各探頭的權(quán)重，來進(jìn)行信道空間模擬，能夠?qū)崿F(xiàn)高精確度的信道空間模擬，并且無需設(shè)置大量的探頭，有效的降低了測試成本。

需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

本說明書中的各個(gè)實(shí)施例均采用相關(guān)的方式描述，各個(gè)實(shí)施例之間相同相似的部分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處。尤其，對于系統(tǒng)實(shí)施例而言，由于其基本相似于方法實(shí)施例，所以描述的比較簡單，相關(guān)之處參見方法實(shí)施例的部分說明即可。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均包含在本發(fā)明的保護(hù)范圍內(nèi)。