本發(fā)明涉及一種空頻編碼盲識別方法,具體涉及一種對多輸入多輸出正交頻分復用(multipleinputmultipleoutput-orthogonalfrequencydivisionmultiplexing,mimo-ofdm)系統(tǒng)使用的空頻編碼進行盲識別的方法,可適用于多徑衰落環(huán)境較低信噪比下,軟件定義無線電、認知無線電及通信對抗、通信物理層安全,屬于無線通信信號處理技術領域。
背景技術:
多輸入多輸出正交頻分復用(mimo-ofdm)系統(tǒng)是新一代無線通信的關鍵技術,它能夠在有效獲得空間分集的同時對抗多徑衰落,被廣泛應用于第四代蜂窩移動通信(4thgeneration-longtermevolution,4g-lte)中。由于實際4g-lte技術協(xié)議中定義的ofdm符號數(shù)為奇數(shù),所以必須使用空頻編碼對數(shù)據(jù)進行傳輸。對空頻編碼進行有效盲識別,可以為軟件定義無線電設備、認知無線電設備提供可靠的通信參數(shù),也可以根據(jù)空頻編碼構造相應的干擾樣式對竊聽設備進行干擾保障通信安全。因此對空頻編碼盲識別的方法進行研究具有重要的理論意義和應用價值。
空頻編碼盲識別是指在發(fā)送端有效信息未知的情況下,僅通過接收信號的特征識別發(fā)送端的空頻編碼的編碼方式??疹l編碼的盲識別是一個新興的課題,目前空頻編碼方式盲識別可通過擴展空時分組碼識別算法來進行。然而這些算法不能有效適應多徑環(huán)境,在頻率選擇性信道下識別效果較差。
文獻[v.choqueuse,m.marazinetal.,blindrecognitionoflinearspacetimeblockcodes:alikelihoodbasedapproach.ieeetrans.signalprocessing,58(3),2010,1290-1299]中引入模式選擇方法用于識別平坦信道環(huán)境下的空時編碼,將其擴展到頻域進行空頻編碼的識別。該方法為基于信息論準則的設計思想,對頻域接收信號的協(xié)方差矩陣進行特征值分解,將得到的特征值和待估識別參數(shù)帶入到模式選擇的似然函數(shù)中,計算使似然函數(shù)最大的參數(shù)值,進而可確定發(fā)射端使用的空頻編碼模式。但是該方法存在的不足是:一方面,不能識別速率相同的碼型;另一方面,此方法的識別性能在多徑環(huán)境下隨信噪比增高出現(xiàn)下降;因此該方法無法滿足空頻編碼盲識別的工程要求。
文獻[eldemerdashya,dobreoa,mareym,etal.anefficientalgorithmforspace-timeblockcodeclassification.globalcommunicationsconference(globecom),2013:3329-3334]中利用四階統(tǒng)計量識別平坦信道環(huán)境下的空時編碼,將其擴展為頻域中空頻編碼的識別,其設計思想基于不同編碼的四階延遲積在給定延遲下出現(xiàn)不同的峰值,通過判斷兩個峰值之間的距離來區(qū)分不同的空頻編碼。但是該方法也存在不足:一方面,不能識別速率相同的碼型;另一方面此方法受制于多徑環(huán)境以及采樣樣本數(shù)。由此可見,該方法也無法滿足空頻編碼盲識別的工程需求。
中國專利cn104038317a(公開日:2014-09-10)(下文成為專利[1])公開了一種基于特征提取和分集技術的空頻碼模式盲識別方法,該方法的思路是:首先,對頻域接收信號的自相關矩陣進行特征值分解,然后利用分集技術迭代特征值,增大信號特征值和噪聲特征值之間的差距,最后通過比值判決法得到發(fā)送空頻碼的估計符號數(shù)向量,與候選集中碼型的理論符號數(shù)向量求歐幾里得距離差,得出最終的識別碼型。該方法存在的不足是:一方面,僅對比了特征值大小,在噪聲功率較大時,特征值比值差異不明顯,因而無法在較低信噪比的情況下精確地描述噪聲特征值的數(shù)學特征;另一方面,該法在估計距離判決和時,使用了歐幾里得距離,在低信噪比時,低估的概率遠大于高估的概率;因而在低信噪比的條件下性能較差,無法滿足空頻編碼盲識別的工程要求。
技術實現(xiàn)要素:
針對現(xiàn)有技術的不足,本發(fā)明旨在提供一種基于主成分序列的空頻編碼盲識別方法,通過對接收信號的自相關矩陣進行特征提取,并利用精確的tracy-widom分布提高空頻編碼在小樣本、低信噪比下的盲識別性能,以滿足空頻編碼盲識別的工程要求。
為了實現(xiàn)上述目的,本發(fā)明采用如下技術方案:
一種基于主成分序列的空頻編碼盲識別方法,包括如下步驟:
s1對接收天線數(shù)據(jù)進行預處理,構造相鄰子載波符號矩陣;
s2計算相鄰子載波符號矩陣的自相關矩陣,并進行特征值分解,得到特征值向量,以及對應的特征值集合;
s3通過基于噪聲功率迭代的串行假設檢驗判斷主成分個數(shù);
s4構造估計相鄰載波主成分序列向量;
s5比較估計相鄰載波主成分序列向量與空頻編碼集合主成分序列的距離判決和,選擇距離判決和最小的編碼作為識別的結果。
需要說明的是,步驟s1具體為:
1.1)接收端通過nr根接收天線接收到已經經過載波解調長度為σ的信號序列,得到nr×σ的接收信號矩陣xr;
1.2)去除接收信號矩陣xr中的循環(huán)前綴,對其進行ofdm解調后,得到nr×(m×l)維解調信號矩陣x,其中,x(m,l)為解調后第m個ofdm符號中第l個子載波上的接收信號向量,1≤m≤m,1≤l≤l,m為接收到的ofdm符號數(shù),l為每個ofdm符號中的子載波個數(shù);
1.3)取解調信號矩陣x第v個子載波及其相鄰的子載波上的偵聽信號,將兩個子載波上的信號向量化,構成2nr×m維相鄰子載波符號矩陣yv:
其中,1≤v≤l。
需要說明的是,步驟s2具體為:
2.1)將步驟s1得到的相鄰子載波符號矩陣yv的實部和虛部并聯(lián),得相鄰載波并聯(lián)矩陣
其中,
2.2)計算相鄰載波并聯(lián)矩陣
2.3)對相鄰載波并聯(lián)矩陣的自相關矩陣rv做特征值分解,將得到的特征值按降序排列,構成特征值向量:
其中,
則特征值集合為
需要說明的是,步驟s3具體如下:
3.1)對于第v個子載波及其相鄰子載波,根據(jù)步驟s2得到的特征值集合
3.2)取第v個子載波及其相鄰子載波的第k個噪聲功率估計值
將此隨機變量作為檢驗統(tǒng)計量;
3.3)求解判決門限值γk:
其中,
3.4)確定主成分個數(shù):
從k=1開始搜索,當?shù)谝淮螜z測出
需要說明的是,步驟s4具體為:計算相鄰子載波符號矩陣y1,…,yn-8的主成分個數(shù)
需要說明的是,步驟s5具體為:
5.1)利用步驟s4得到的估計相鄰載波主成分序列向量
其中|·|表示取絕對值,ε(·)表示階躍函數(shù),有:
5.2)空頻碼組成碼型集合ω中所有碼型的主成分序列與估計相鄰載波主成分序列向量的距離判決和構成距離判決和向量π=[d1,d2...dt],取向量π中最小的dt所對應的碼型作為判決結果。
進一步需要說明的是,在步驟1.2)中,所述ofdm解調采用的是n點的fft變換,其中n=l。
進一步需要說明的是,步驟2.3)中,對自相關矩陣rv進行特征分解采用的是正交對角分解法,具體為:
2.3.1)在自相關矩陣rv兩邊分別乘以正交矩陣p及其轉置矩陣pt,得到特征值對角矩陣prvpt;
2.3.2)從特征值對角矩陣prvpt中提取協(xié)方差矩陣rv的特征值。
進一步需要說明的是,步驟3.1)中,計算噪聲功率的估計值集合具體如下:
3.1.1)根據(jù)特征值
3.1.2)根據(jù)噪聲方差的最大似然估計值
其中,j=1,2,...,k,將中間變量ηj帶入迭代公式求出新的噪聲方差估計值
3.1.3)設置一個
若比較差值的結果大于γ,則令
若比較差值結果小于或等于γ,則終止迭代過程,
本發(fā)明的有益效果在于:
第一、由于本發(fā)明采用了基于精確tracy-widom分布的主成分序列法,提高了識別的收斂速度,對噪聲特征值的數(shù)學特征描述更加精確,從而能夠在小樣本數(shù)據(jù)條件下取得良好的識別效果,提高了估計的實時性,滿足了空頻碼盲識別的工程需要。
第二、由于本發(fā)明中噪聲功率采用迭代方法,使得檢驗統(tǒng)計量的構造在在較少的天線數(shù)時也較為精確,可在滿足一定識別性能的條件下降低接收機體積和成本。
第三、由于本發(fā)明中檢驗統(tǒng)計量設計使用了全部的子載波,使得ofdm符號中每一個子載波的信息都得到了有效利用,從而在較低信噪比情況下也可以得到較好的識別性能。
第四、由于本發(fā)明中計算判決距離和的方法引入過高估計次數(shù)這一因素,從而降低了在低信噪比情況下的過低估計的可能性,從而在較低信噪比情況下也可以得到較好的識別性能。
附圖說明
圖1是本發(fā)明使用的系統(tǒng)框圖;
圖2是本發(fā)明的實現(xiàn)流程圖;
圖3是不同信噪比和接收ofdm符號數(shù)條件下本發(fā)明及專利cn104038317a的技術的平均識別正確率對比示意圖;
圖4是不同信噪比和接收天線數(shù)條件下本發(fā)明及專利[1]對于上文提到的空頻碼組成碼型集合ω的全部碼型的平均識別正確率對比示意圖。
具體實施方式
以下將結合附圖對本發(fā)明作進一步的描述,需要說明的是,本實施例以本技術方案為前提,給出了詳細的實施方式和具體的操作過程,但本發(fā)明的保護范圍并不限于本實施例。
實現(xiàn)本發(fā)明目的的技術思路是:首先,對頻域接收信號的自相關矩陣進行特征值分解,然后利用基于噪聲功率迭代的串行假設檢驗判斷接收信號碼元主成分個數(shù),與空時編碼集合ω中碼型的理論碼元主成分求距離判決和,得出最終的識別碼型。該識別方法使用的系統(tǒng)模型包括一臺發(fā)射機、一臺盲接收機,其中,發(fā)射機的天線數(shù)目為nt,接收機的天線數(shù)目為nr,nr>nt,發(fā)送信號采用ofdm調制方式并使用空頻編碼。空頻編碼集合在表1中列出:
表1
其中,sa(singleantenna)表示單天線,sm(spatialmultiplexing)表示空間多路復用,ostbc(orthogonalspacetimeblockcode)表示正交空時分組編碼。每一個ofdm符號的子載波數(shù)為n。
參照圖1,本發(fā)明使用的系統(tǒng)包括:nt根發(fā)射天線,nr根接收天線,調制方式為4-qam(quadratureamplitudemodulation)。在發(fā)射端,調制后串行發(fā)送序列經空頻編碼后轉換為并行發(fā)送序列,再將并行序列進行ofdm調制后發(fā)送出去。在接收端,通過nr根接收天線得到接收信號矩陣為xr,其中,nr>nt。圖1就是一種多輸入多輸出的正交頻分復用系統(tǒng)。
本發(fā)明就是根據(jù)接收信號矩陣xr,盲識別出發(fā)送端使用的空頻編碼模式。
參照圖2,本發(fā)明的具體實現(xiàn)步驟如下:
步驟1、對接收天線數(shù)據(jù)進行預處理,構造相鄰子載波符號矩陣:
(a1)接收端通過nr根接收天線接收到已經經過載波解調長度為σ的信號序列,得到nr×σ的接收信號矩陣xr;
(a2)去除接收信號矩陣中的循環(huán)前綴,對其進行ofdm解調后,得到nr×(m×l)維解調信號矩陣x,其中,x(m,l)為解調后第m個ofdm符號中第l個子載波上的接收信號向量,1≤m≤m,1≤l≤l,m為接收到的ofdm符號數(shù),l為每個ofdm符號中的子載波個數(shù);
(a3)取相解調矩陣x第v個子載波及其相鄰的子載波上的偵聽信號,將兩個子載波上的信號向量化,構成2nr×m維相鄰載波解調矩陣yv:
其中,1≤v≤l;
步驟2、計算相鄰子載波符號矩陣的自相關矩陣,并進行特征值分解:
(b1)將相鄰子載波符號矩陣yv的實部和虛部并聯(lián),得相鄰載波并聯(lián)矩陣
其中,
(b2)計算相鄰載波并聯(lián)矩陣
(b3)對相鄰載波并聯(lián)矩陣的自相關矩陣rv利用正交對角分解法做特征值分解,將得到的特征值按降序排列,構成特征值向量
步驟3、通過基于噪聲功率迭代的串行假設檢驗判斷主成分個數(shù):
(c1)對于第v個子載波及其相鄰子載波,進行噪聲功率估計:
①根據(jù)特征值
②根據(jù)噪聲方差的最大似然估計值
其中,j=1,2,...,k,將中間變量ηj帶入迭代公式求出新的噪聲方差估計值
③設置一個
若比較差值的結果大于γ,則令
若比較結果滿足終止迭代條件,則終止迭代過程,
(c2)構造檢驗統(tǒng)計量
(c3)求解判決門限值γk:
其中,
(c4)確定主成分個數(shù):
從k=1開始搜索,當?shù)谝淮螜z測出
步驟4、構造估計主成分序列:
重復s1的(a3)、s2、s3計算y1,…,yn-8的主成分個數(shù)
步驟5、比較估計主成分序列與空頻編碼集合主成分序列的距離判決和,選擇距離判決和最小的編碼作為識別的結果:
(d1)利用步驟4中的雙載波估計向量
其中|·|表示取絕對值,ε(·)表示階躍函數(shù),有:
(d2)重復步驟(d1),計算碼型集合ω中每種空頻碼對應的距離判決和,構成距離判決和向量π=[d1,d2...dt],取向量π中最小的dt所對應的碼型作為判決結果。
所述步驟s5中的空頻編碼集合為空時分組碼在ofdm系統(tǒng)中應用時,利用頻域傳輸?shù)膭e稱,兩者具有相同的編碼矩陣,其中編碼矩陣可參考文獻[alamoutism.asimpletransmitdiversitytechniqueforwirelesscommunications.selectedareasincommunications,ieeejournalon,1998,16(8):1451-1458.]和文獻[tarokhv,jafarkhanih,calderbankar.space-timeblockcodesfromorthogonaldesigns.informationtheory,ieeetransactionson,1999,45(5):1456-1467.]。表2為空頻編碼集合ω中各空頻編碼的主成分序列。
表2
本發(fā)明的效果可通過以下仿真進一步詳細說明。
仿真1:在不同的信噪比及接收ofdm符號數(shù)的條件下,用本發(fā)明及專利[1]對空頻碼集合ω進行識別。
設仿真信噪比的范圍為-12-8db,間隔為2db,接收天線為8,接收ofdm符號數(shù)集合為{50,100,200,400},ofdm子載波為64個,調制方式為4-qam,多徑數(shù)為4,虛警概率設為10-4。空頻碼集合ω中每個碼型在每個信噪比點上進行1000次蒙特卡洛實驗,記錄下每個信噪比下不同碼型的的正確識別次數(shù),通過除以總的實驗次數(shù)得到每個信噪比條件下的識別正確率,全部碼型的平均識別率仿真結果如圖3。從圖3可以看出:隨著信噪比的上升,本發(fā)明及專利[1]的正確識別率均得到了提高;而在同一信噪比條件下,接收的ofdm符號越多,本發(fā)明的正確識別率越高,這是由于隨著接收ofdm符號數(shù)的上升,檢驗統(tǒng)計量的數(shù)學特性就更加精確,正確識別率就隨之上升。另外,對比本發(fā)明與專利[1],可以發(fā)現(xiàn),在相同的信噪比及ofdm符號數(shù)條件下,本發(fā)明的性能優(yōu)于專利[1]的性能。例如當接收ofdm符號數(shù)為50個,相同條件下本發(fā)明較之前的方法性能大約提升4db,而當接收ofdm符號數(shù)為400個,相同條件下,性能提升6db。這是由于專利[1]的方法僅對比了特征值大小,尤其是在噪聲功率較大時,特征值比值差異不明顯,本發(fā)明利用噪聲特征值服從第一類tracy-widom分布的特性,使其在較低信噪比也能夠較為精確的描述噪聲特征值的數(shù)學特征。因此本發(fā)明較專利[1]的方法有性能上的提升。
仿真2:在不同的信噪比及接收天線的條件下,用本發(fā)明及專利[1]對空頻碼集合ω進行識別。
設仿真信噪比為-8-10db,間隔為2db,接收天線數(shù)的集合為{4,6,8}(因為空頻碼集合ω中的所有碼型的最大發(fā)射天線數(shù)目ntmax=3,而本發(fā)明要求接收天線數(shù)nr>nt,所以接收天線的數(shù)最小為4),接收ofdm符號數(shù)為100,ofdm子載波為64個,調制方式為4-qam,多徑數(shù)為4,給定的虛警概率為10-4??疹l碼集合ω中每個碼型在不同的接收天線數(shù)條件下進行1000次蒙特卡洛實驗,記錄下不同的接收天線數(shù)下不同碼型的正確識別次數(shù),通過除以總的實驗次數(shù)得到每個接收天線數(shù)下的識別正確率,全部碼型的平均識別率仿真結果如圖4,從圖4可以看出,在相同條件下,隨著接收信噪比的增加,本發(fā)明的正確識別率有所上升;另外,在相同條件下,隨著接收天線數(shù)的增加,本發(fā)明的正確識別率也得到了增加。對比圖中對于專利[1]的仿真結果可以發(fā)現(xiàn),在相同條件下,本發(fā)明的性能要優(yōu)于專利[1]中方法的性能。例如在接收天線數(shù)為8,在相同的條件下,本發(fā)明的性能較專利[1]中方法提升了5db;而在信噪比為0db時,本發(fā)明在接收天線數(shù)為8時,正確識別率已接近1,而專利[1]的方法正確識別率僅0.35左右。這是由于本發(fā)明利用噪聲特征值服從第一類tracy-widom分布的特點,在較低信噪比情況下,更為精確地描述了噪聲特征值的數(shù)學特征,從而能更準確的區(qū)分信號特征值和噪聲特征值;而專利[1]僅對比了特征值的大小,在低信噪比條件下,對噪聲特征值的數(shù)學特征描述不夠精確,從而導致性能的下降;另外,專利[1]在計算距離判決和時,簡單的采用了歐幾里得距離,忽略了采用基于隨機矩陣論的串行假設檢驗在低信噪比下低估的概率遠大于高估的概率這一事實,從而造成了低信噪比條件下性能的不足。而本發(fā)明對于距離判決和的計算,引入了過高估計次數(shù)這一因素,從而能更加合理的給出結果,提升了性能。
對于本領域的技術人員來說,可以根據(jù)以上的技術方案和構思,作出各種相應的改變和變形,而所有的這些改變和變形都應該包括在本發(fā)明權利要求的保護范圍之內。