基于魯棒競爭聚類的欠定系統(tǒng)實正交空時分組碼盲識別方法
【專利摘要】本發(fā)明涉及一種基于魯棒競爭聚類的欠定系統(tǒng)實正交空時分組碼盲識別方法，屬于信號處理【技術(shù)領(lǐng)域】。在本方法中，首先，建模得到與虛擬信道矩陣相關(guān)的接收信號模型，由于虛擬信道矩陣包含空時碼信息，因此可用于空時碼識別；其次，利用魯棒競爭聚類算法盲估計出虛擬信道矩陣；再次，根據(jù)實正交空時分組碼的特性，提取虛擬信道矩陣的相關(guān)矩陣的稀疏度和非主對角元素能量與主對角元素能量之比的能量比的識別特征參數(shù)；最后，根據(jù)此參數(shù)進(jìn)行正交空時分組碼識別。本發(fā)明采用的算法能以較小的復(fù)雜度有效地盲識別實正交空時分組碼信號，且能在較低的輸入信噪比條件下良好地工作，從而改善系統(tǒng)性能；而且利用魯棒競爭聚類算法還可以盲估計出源信號的數(shù)目，具有廣泛的應(yīng)用前景。
【專利說明】基于魯棒競爭聚類的欠定系統(tǒng)實正交空時分組碼盲識別方 法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信號處理【技術(shù)領(lǐng)域】，涉及一種基于魯棒競爭聚類的欠定系統(tǒng)實正交空 時分組碼盲識別方法。

【背景技術(shù)】
[0002] 接收分集的缺點是接收端的計算負(fù)荷很高，可能導(dǎo)致下行鏈路中的移動臺的功率 消耗很大。發(fā)射端使用空時編碼同樣可W獲得分集增益，而且在接收端解碼時只需要簡單 的線性處理?？諘r碼把天線發(fā)送分集技術(shù)、信道編碼及調(diào)制技術(shù)有機(jī)地結(jié)合在一起，可W有 效地提高衰落信道的傳輸性能。通信信號識別在民用通信和軍用通信具有重要意義。轉(zhuǎn)通 通信信號識別主要包括調(diào)制識別與信道編碼識別。在非合作的通信偵察中，要想截獲信號 信息，必須知道調(diào)制方式、信道編碼方式和編碼參數(shù)等?？諘r碼是對MIMO系統(tǒng)中發(fā)送符號 的一種編碼，空時碼的識別是非合作MIMO系統(tǒng)的重要內(nèi)容之一，要對接收信號進(jìn)行解碼， 需要知道它的編碼方式，目前還沒有公開報道該方面的研究，因此需要進(jìn)一步識別空時分 組碼的類型。
[0003] 稀疏分量分析（SCA)是利用信號在時域或其變換域中的稀疏特性而不是獨立特 性來實現(xiàn)信號盲分離。SCA的基本假設(shè)條件是假設(shè)源信號是稀疏信號。稀疏信號是指該信 號在大多采樣時刻的取值等于零或接近于零，只有少數(shù)采樣時刻的取值明顯不為零。典型 的稀疏信號其概率分布為Laplace分布。


【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明的目的在于提供一種基于魯棒競爭聚類的欠定系統(tǒng)實正交空時 分組碼盲識別方法，該方法針對欠定系統(tǒng)的空時分組碼類型識別的問題，引入了稀疏信號 分析用于正交空時分組碼盲識別。
[0005] 為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：
[0006] -種基于魯棒競爭聚類的欠定系統(tǒng)實正交空時分組碼盲識別方法，在本方法中， 首先，建模得到與虛擬信道矩陣相關(guān)的接收信號模型，由于虛擬信道矩陣包含空時碼信息， 因此可用于空時碼識別；其次，利用魯棒競爭聚類算法盲估計出虛擬信道矩陣；再次，根據(jù) 實正交空時分組碼的特性，提取虛擬信道矩陣的相關(guān)矩陣的稀疏度和非主對角元素能量與 主對角元素能量之比的能量比的識別特征參數(shù)；最后，根據(jù)此參數(shù)進(jìn)行正交空時分組碼識 別。
[0007] 進(jìn)一步，本方法具體包括W下步驟：
[0008] 步驟一；建模得到與虛擬信道矩陣相關(guān)的接收信號模型：
[0009] Y [k) - ￡2' S{k) + V {k) - AS [k) + V [k) ；
[0010] 其中，S化）=[Si化)，S2化)，...，Sw化)]T為特發(fā)射的由N個符號組成的第k組數(shù) 據(jù)，且其中各符號獨立分布C =[峰馬，...，C,,J，A= Q T是一個DeLXN維虛擬信道矩陣，為 個統(tǒng)計獨立信源組成的獨立向量，V(k) 為?XL維的噪聲矩陣，其元素是零均值方差為tr"2 的高斯隨機(jī)變量，Vm (k)是一個L維行向量；
[0011] 步驟二：利用魯棒競爭聚類算法盲估計出虛擬信道矩陣i ;
[0012] 欠定盲分離的混合模型可W表示為：
[001 引 YGO=AS 似+VGO
[0014] 式中s(k)為源信號矢量，A為混合矩陣，V(k)為高斯白噪聲；跟步驟一中的公式比 較可知兩個模型實際上是一致的，所W把估計混合矩陣A的方法來估計虛擬信道矩陣；混 合信號具有面聚類特點，利用該個特點在源信號個數(shù)未知的條件下，利用競爭聚類學(xué)習(xí)算 法估計
[0015] 出聚類平面，然后利用勢函數(shù)法來估計聚類平面的交線，由此得到混合矩陣的估 計；
[001引假設(shè)估計出的聚類平面的法線向量為及=[A，...，/?,/] e ，M為估計出 來的聚類平面的個數(shù)，它不一定等于聚類平面的實際個數(shù)，隨機(jī)選取向量矩陣 P二「A，.，&] E巧的難，一般取Q > M，并規(guī)則化斯=Pi/ M PJ 12 i = 1，. . .，Q ;構(gòu)成目標(biāo)函 數(shù)：
[0017]

【權(quán)利要求】
1. 一種基于魯棒競爭聚類的欠定系統(tǒng)實正交空時分組碼盲識別方法，其特征在于：在 本方法中，首先，建模得到與虛擬信道矩陣相關(guān)的接收信號模型，由于虛擬信道矩陣包含空 時碼信息，因此可用于空時碼識別；其次，利用魯棒競爭聚類算法盲估計出虛擬信道矩陣； 再次，根據(jù)實正交空時分組碼的特性，提取虛擬信道矩陣的相關(guān)矩陣的稀疏度和非主對角 元素能量與主對角元素能量之比的能量比的識別特征參數(shù)；最后，根據(jù)此參數(shù)進(jìn)行正交空 時分組碼識別。
2. 根據(jù)權(quán)利要求1所述的一種基于魯棒競爭聚類的欠定系統(tǒng)實正交空時分組碼盲識 別方法，其特征在于：本方法具體包括以下步驟： 步驟一：建模得到與虛擬信道矩陣相關(guān)的接收信號模型： Y(k)^QrS(k) + V(k) = AS{k) + V(k) , 其中，S(k) = 為特發(fā)射的由N個符號組成的第k組數(shù)據(jù)， 且其中各符號獨立分布公=吳，...,A7J，A = Q T是一個nKLXN維虛擬信道矩陣，為個 統(tǒng)計獨立信源組成的獨立向量，V(k) SnKXL維的噪聲矩陣，其元素是零均值方差為<r"2的 高斯隨機(jī)變量，Vm (k)是一個L維行向量； 步驟二：利用魯棒競爭聚類算法盲估計出虛擬信道矩陣j ; 欠定盲分離的混合模型可以表示為： Y(k) =AS(k)+V(k) 式中S(k)為源信號矢量，A為混合矩陣，V(k)為高斯白噪聲；跟步驟一中的公式比較 可知兩個模型實際上是一致的，所以把估計混合矩陣A的方法來估計虛擬信道矩陣；混合 信號具有面聚類特點，利用這個特點在源信號個數(shù)未知的條件下，利用競爭聚類學(xué)習(xí)算法 估計 出聚類平面，然后利用勢函數(shù)法來估計聚類平面的交線，由此得到混合矩陣的估計； 假設(shè)估計出的聚類平面的法線向量為B = [A ，M為估計出來 的聚類平面的個數(shù)，它不一定等于聚類平面的實際個數(shù)，隨機(jī)選取向量矩陣 戶= [/^1,…，，一般取Q彡M，并規(guī)則化：Pi = Pi/I Ipi I 12i = 1，…，Q ;構(gòu)成目標(biāo)函 數(shù)：
€ i = g(Pi)/max(g(P))彡e，則Pi為混合矩陣的列向量； 步驟三：估計出虛擬信道相關(guān)矩陣矩陣R = AtA = Q Q T
(a = 1，2, ? ? ?，P) 其中K為觀測的時間，即發(fā)射數(shù)據(jù)組數(shù)；A i為分解自相關(guān)矩陣Ry按降序排列的第i個 特征，P = 2nKL ; 步驟五：根據(jù)實正交空時分組碼的特性，提取虛擬信道矩陣的相關(guān)矩陣的非主對角元 素方差特征參數(shù)，預(yù)判碼型：
其中F為主對角元素個數(shù)，當(dāng)D > Dth時，取Y = Y2，當(dāng)D彡Dth時，取Y = Y1 ; 步驟六：根據(jù)實正交空時分組碼的特性，提取虛擬信道矩陣的相關(guān)矩陣的稀疏度特征 參數(shù)：
N，而非正交空時分組碼的R矩陣的稀疏度0 > N，取特征參數(shù)0 =N; 步驟七：進(jìn)行比較判決，即如果9 =N說明采用了 OSTBC信號；否則，采用了 NOSTBC信 號。
【文檔編號】H04L1/06GK104363078SQ201410722926
【公開日】2015年2月18日 申請日期:2014年12月2日 優(yōu)先權(quán)日:2014年12月2日
【發(fā)明者】張?zhí)祢U, 裴光盅, 張剛 申請人:重慶郵電大學(xué)