一种基于机器学习的太赫兹信道多径分簇方法

本发明涉及一种基于机器学习的太赫兹信道多径分簇方法，属于通信太赫兹信道建模技术领域，以解决现有分簇方法参数敏感性强、鲁棒性差、依赖人工经验的技术问题。技术方案包括：对太赫兹信道测量数据进行校准去噪处理；提取多径分量的方位到达角、俯仰到达角和时延参数；采用多径分量距离替代欧几里得距离，构建时‑空域联合度量；基于收发端物理距离设定比例因子范围，通过网格搜索法确定最佳参数组；固定最小簇样本数量为四，利用k‑dist图拐点检测自动计算连接阈值；使用轮廓系数评估聚类质量并输出最优分簇结果。技术效果体现为显著提升多径分簇精度与自适应能力，有效降低信道建模复杂度，避免信道容量高估，增强太赫兹通信系统设计的可靠性。