王英捷 周涛 陶成

（北京交通大学电子信息工程学院，北京 100044）

随着我国交通的不断发展，高铁目前在我国占骨干地位，其中通信系统是满足铁路运营与乘客需求必不可少的部分. 近年来，用户对通信服务质量需求逐步提升，为了满足用户移动通信的需求，铁路下一代移动通信技术铁路长期演进(long-term evolution for railway, LTE-R)将在不久的将来成为铁路专用宽带移动通信系统主体[1]. 此外，5G的时代已经到来，5G系统将支持各种高速场景的应用，因此也非常适宜部署在高铁上，满足乘客在5G时代对通信服务的各类需求.

高铁列车沿线通过多个场景[2]，根据电磁波传播特性，高铁信道场景具体被划分成12类：高架桥、U形槽、车站、隧道、丘陵、乡村、郊区、城市等[3]. 此外，有作者提出一种在高铁通信系统中出现的特殊场景：多链路场景[4]. 各种不同的传播场景对应了电磁波在其中不同的传播特性，影响着通信系统的性能[5]. 如果无线通信系统能够智能地识别出当前的传播场景，则通过一些自适应技术，如自适应调制与编码，并结合资源分配与调度，可以有效地提高系统整体性能. 因此，信道场景识别对于高铁无线通信网络的设计十分重要.

机器学习作为一种在自然语言、图像领域被大量使用且效果显著的算法模型，目前在无线通信信道领域应用仍然不多. He Ruisi等人采用一系列聚类算法对信道功率延时谱中的多径分量进行聚类分析，提出了多种针对高速场景下的聚类算法，并取……