CN103501207A - 基于罚函数优化的最大似然空时码模式盲识别方法 - Google Patents
基于罚函数优化的最大似然空时码模式盲识别方法 Download PDFInfo
- Publication number
- CN103501207A CN103501207A CN201310397425.6A CN201310397425A CN103501207A CN 103501207 A CN103501207 A CN 103501207A CN 201310397425 A CN201310397425 A CN 201310397425A CN 103501207 A CN103501207 A CN 103501207A
- Authority
- CN
- China
- Prior art keywords
- code
- code parameters
- pattern
- matrix
- likelihood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000007476 Maximum Likelihood Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 title abstract 3
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 239000013598 vector Substances 0.000 claims abstract description 17
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Radio Transmission System (AREA)
Abstract
本发明公开了一种基于罚函数优化的最大似然空时码模式盲识别方法,具体步骤为:提取空时码集合;得到码参数集合;计算并联矩阵;利用并联矩阵构造分组相关矩阵;利用分组相关矩阵得到特征值向量;计算每种码参数组合的罚函数值,进而得到似然函数值;重复得到码参数组合对应的似然函数值向量;选择似然函数值向量中取值最小的码型为判决码型。通过求解接收信号的协方差矩阵,得到矩阵的特征值和特征向量;根据空时码参数构造似然函数;对可能的码型计算罚函数值,进而得到似然函数值,选择使似然函数值最小的码型为识别码型。从而对似然函数进行修正,达到提高计算精度,从而提高编码模式的盲识别正确率的,增强了系统的稳定性。
Description
技术领域
本发明涉及通信技术领域,具体地,涉及一种基于罚函数优化的最大似然空时码模式盲识别方法。可用于多输入多输出MIMO系统中,对空时分组码进行盲识别。
背景技术
MIMO系统是下一代无线通信的关键技术,空时码是MIMO系统的重要组成部分。空时码的盲识别是通信对抗领域迫切需要研究的领域,它能够为MIMO系统对抗技术提供基础和技术支撑,具有重要的理论意义和军事应用价值,已引起学术界的关注。
空时码的盲识别是一个新兴的课题,已有的算法分为最大似然检测算法和时滞相关算法。时滞相关算法计算复杂度随着采样点数成几何倍数增加,在实际中难以应用于实时检测;最大似然检测算法函数构造简单,计算复杂度低,在实际应用中可用于实时检测。
在文献[V.Choqueuse,K.Yao et al., Blind recognition of linear spacetime block codes.IEEE Int.Conf.Acoust.Speech Signal Process,2008,2833-2836]中提出的决策分类检测算法属于时滞相关算法。它根据不同空时分组码的相关矩阵在不同时延下的Frobenius范数的差异性,采用逐级对比,实现对空时分组码的盲识别。由于该方法可识别的码型较广,而且对正交空时分组码的检测性能非常优越,因此在MIMO检测中也得到了一定的应用。但该方法在MIMO盲识别系统中还存在很多的不足:对多种具有相同F范数解的码型无法区分,计算复杂度随着采样点数成几何倍数增加。
文献2[V.Choqueuse,M.Marazin et al.,Blind recognition of linearspace time block codes:A likelihoodbased approach.IEEE Trans.SignalProcessing,58(3),2010,1290-1299]中提出的码参数检测算法属于最大似然检测算法。根据最大似然准则对所有候选集码型,构造仅与编码参数有关的似然函数,通过比较不同编码模式的似然函数,对编码参数做出判决,进而判断出码型。该方法判决函数构造简单,计算复杂度低。但计算精确度不高。
发明内容
本发明的目的在于,针对上述问题,提出一种基于罚函数优化的最大似然空时码模式盲识别方法,以实现提高计算精度,从而提高编码模式的盲识别正确率的优点。
为实现上述目的,本发明采用的技术方案是:
一种基于罚函数优化的最大似然空时码模式盲识别方法,包括如下步骤:
步骤一:接收端通过r根接收天线接收发射端发送的长度为N的信号序列,得到r×N的接收信号矩阵R′;
步骤二:将所有需要识别的空时码组成码型集合Ω,取Ω中每种码型的分组符号数n和分组长度l的组合(n,l)构成码参数集合(U,V);记码参数集合(U,V)中第i个码参数组合为(si,ki),i=1,2...Z,Z为码参数集合(U,V)中组合个数;
其中Re(·)表示取实部运算,Im(·)表示取虚部运算;
步骤五:计算上述步骤四中的分组相关矩阵Ri的分组协方差矩阵:Ci=E[RiRi T],其中E[·]表示求期望运算,(·)T表示转置运算;
步骤七:求出码参数组合(si,ki)对应的码参数罚函数值Φ(si,ki),其具体公式如下:
步骤八:利用上述步骤七的码参数罚函数值Φ(si,ki),计算码参数似然函数值L(si,ki),其具体公式如下:
步骤九:对上述步骤二中的码参数集合(U,V)中的每种组合重复步骤四到步骤八,得到每种组合对应的码参数似然函数值,组成码参数似然函数值向量:Δ=[L(s1,k1),L(s2,k2)…L(sm,km)…],其中,m=1,2,…Z;
步骤十:选择使上述步骤九中码参数似然函数值向量取值最小的码参数组合对应的码型为判决码型。
根据本发明的优选实施例,所述步骤二中的空时码集合Ω,至少包括正交空时分组码,准正交空时分组码和非正交空时分组码。
本发明的技术方案具有以下有益效果:
本发明的技术方案,通过求解接收信号的协方差矩阵,得到矩阵的特征值和特征向量;根据空时码参数构造似然函数;对可能的码型计算罚函数值,进而得到似然函数值,选择使似然函数值最小的码型为识别码型。从而对似然函数进行修正,达到提高计算精度,从而提高编码模式的盲识别正确率的,增强了系统的稳定性。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为MIMO系统的原理框图;
图2为本发明实施例所述的基于罚函数优化的最大似然空时码模式盲识别方法流程图;
图3为采用本发明实施例所述的基于罚函数优化的最大似然空时码模式盲识别方法在不同参数下仿真图;
图4为采用本发明实施例所述的基于罚函数优化的最大似然空时码模式盲识别方法和现有的最大似然检测算法识别正确率仿真对比图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例一:
如图2所示,一种基于罚函数优化的最大似然空时码模式盲识别方法,包括如下步骤:
步骤一:接收端通过r根接收天线接收发射端发送的长度为N的信号序列,得到r×N的接收信号矩阵R′;
步骤二:将所有需要识别的空时码组成码型集合Ω,取Ω中每种码型的分组符号数n和分组长度l的组合(n,l)构成码参数集合(U,V);记码参数集合(U,V)中第i个码参数组合为(si,ki),i=1,2...Z,Z为码参数集合(U,V)中组合个数;
其中Re(·)表示取实部运算,Im(·)表示取虚部运算;
步骤五:计算步骤四中的分组相关矩阵Ri的分组协方差矩阵:Ci=E[RiRi T],其中E[·]表示求期望运算,(·)T表示转置运算;
步骤七:求出码参数组合(si,ki)对应的码参数罚函数值Φ(si,ki),其具体公式如下:
步骤八:利用步骤七的码参数罚函数值Φ(si,ki),计算码参数似然函数值L(si,ki),其具体公式如下:
步骤九:对步骤二中的码参数集合(U,V)中的每种组合重复步骤四到步骤八,得到每种组合对应的码参数似然函数值,组成码参数似然函数值向量:Δ=[L(s1,k1),L(s2,k2)…L(sm,km)…],其中,m=1,2,…Z;
步骤十:选择使步骤九中码参数似然函数值向量取值最小的码参数组合对应的码型为判决码型。
其中,步骤二中的空时码集合Ω,至少包括正交空时分组码,准正交空时分组码和非正交空时分组码。
实施例二:
在实施例一的基础上,选用4根发射天线,8根接收天线,调制方式为4QAM。在发射端,串行发送序列经空时编码后转换为并行发送序列,再将并行序列调制后发送出去。在接收端,接收信号矩阵为R′:R′=HX+B,其中,R′为接收信号矩阵,H为元素独立的服从复高斯分布的信道矩阵,X为发射的信息序列,B为高斯白噪声矩阵。
步骤1,获得接收信号矩阵R′:
接收端通过r根接收天线接收发射端发送的长度为N的信号序列,得到r×N的接收信号矩阵R′,本实例中r=8,N=1024或N=512;
步骤2,获取码参数集合(U,V):
利用所有需要识别的空时码组成空时码集合Ω,本实例中空时码集合Ω={BLAST(4,1),Tarokh-OSTBC(4,8),Ganesan-OSTBC(3,4),STBC(8,4),STBC(4,2),STBC(6,2)},其中,BLAST为分层空时码,OSTBC为正交空时分组码,QOSTBC为准正交空时分组码,STBC为非正交空时分组码,空时码后的括号代表码型的分组符号数n和分组长度l的组合(n,l);记码参数集合(U,V)中第i个码参数组合为(si,ki),i=1,2...Z,Z为码参数集合(U,V)中组合个数,本实例中取Z=6;
其中Re(·)表示取实部运算,Im(·)表示取虚部运算;
步骤4,利用并联矩阵对码参数集合(U,V)中的第i个码参数组合(si,ki),构造分组相关矩阵Ri:
步骤5,计算分组相关矩阵Ri的分组协方差矩阵:Ci=E[RiRi T],其中E[·]表示求期望运算,(·)T表示转置运算;
步骤7,求出码参数组合(si,ki)对应的码参数罚函数值Φ(si,ki):
步骤8,利用步骤7,计算码参数似然函数值L(si,ki):
步骤9,对码参数集合(U,V)中的每种组合重复步骤4到步骤8,得到每种码参数组合对应的似然函数值,组成似然函数值向量:
Δ=[L(s1,k1),L(s2,k2)…L(sm,km)…],其中,m=1,2,···Z;
步骤10,选择使似然函数值向量最小的码参数组合对应的码型为判决码型。
本发明技术方案的效果可通过以下仿真进一步详细说明,
仿真1:在两组不同的参数下,仿真本发明对空时码集合Ω中空时码的识别正确率,仿真结果如图3。其中:
图3中的带星实线代表发射天线为4,接收天线为8,发送序列长度N=1024的系统识别正确率;,
图3中的带圈实线代表发射天线为4,接收天线为8,发送序列长度N=512的系统识别正确率,
从图3可以看出:带星实线在带圈实线之上,说明增加发送序列长度可以提高本发明对空时码集合Ω的识别正确率。
仿真2:用本发明技术方案与现有似然函数盲识别方法对空时码集合Ω进行识别。
文献[V.Choqueuse,M.Marazin et al.,Blind recognition of linear spacetime block codes:A likelihoodbased approach.IEEE Trans.Signal Processing,58(3),2010,1290-1299]中提出的码参数检测算法,它根据最大似然准则对所有候选集码型,构造仅与编码参数有关的似然函数,通过比较不同编码模式的似然函数,对编码参数做出判断,进而得出判决码型,在本仿真中简记为码参数检测方法。
设仿真信噪比范围为-10dB~10dB,每隔2dB仿真1000次蒙特卡洛实验,每次蒙特卡洛实验将空时码集合Ω中的空时码依次发送识别,记录下每个信噪比下的正确识别次数,进而得到每个信噪比下的识别正确率,即可识别码型占空时码集合Ω的比例,仿真结果如图4。其中带圈实线代表本发明方法的识别正确率,带菱形实线代表最大似然方法的识别正确率。
从图4可以看出:带圈实线在性噪比为-5dB后在带菱形实线之上,说明本发明技术方案方法的检测性能优于现有最大似然方法。带菱形实线在性噪比为2dB后正确检测概率就为100%,说明发明技术方案的方法在低信噪比下就可以达到完全正确识别编码模式。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于罚函数优化的最大似然空时码模式盲识别方法,其特征在于,包括如下步骤:
步骤一:接收端通过r根接收天线接收发射端发送的长度为N的信号序列,得到r×N的接收信号矩阵R′;
步骤二:将所有需要识别的空时码组成码型集合Ω,取Ω中每种码型的分组符号数n和分组长度l的组合(n,l)构成码参数集合(U,V);记码参数集合(U,V)中第i个码参数组合为(si,ki),i=1,2...Z,Z为码参数集合(U,V)中组合个数;
其中Re(·)表示取实部运算,Im(·)表示取虚部运算;
步骤五:计算上述步骤四中的分组相关矩阵Ri的分组协方差矩阵:Ci=E[RiRi T],其中E[·]表示求期望运算,(·)T表示转置运算;
步骤七:求出码参数组合(si,ki)对应的码参数罚函数值Φ(si,ki),其具体公式如下:
步骤八:利用上述步骤七的码参数罚函数值Φ(si,ki),计算码参数似然函数值L(si,ki),其具体公式如下:
步骤九:对上述步骤二中的码参数集合(U,V)中的每种组合重复步骤四到步骤八,得到每种组合对应的码参数似然函数值,组成码参数似然函数值向量:Δ=[L(s1,k1),L(s2,k2)…L(sm,km)…],其中,m=1,2,…Z;
步骤十:选择使上述步骤九中码参数似然函数值向量取值最小的码参数组合对应的码型为判决码型。
2.根据权利要求1所述的基于罚函数优化的最大似然空时码模式盲识别方法,其特征在于,所述步骤二中的空时码集合Ω,至少包括正交空时分组码,准正交空时分组码和非正交空时分组码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310397425.6A CN103501207B (zh) | 2013-09-04 | 2013-09-04 | 基于罚函数优化的最大似然空时码模式盲识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310397425.6A CN103501207B (zh) | 2013-09-04 | 2013-09-04 | 基于罚函数优化的最大似然空时码模式盲识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103501207A true CN103501207A (zh) | 2014-01-08 |
CN103501207B CN103501207B (zh) | 2018-10-09 |
Family
ID=49866385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310397425.6A Expired - Fee Related CN103501207B (zh) | 2013-09-04 | 2013-09-04 | 基于罚函数优化的最大似然空时码模式盲识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103501207B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681236A (zh) * | 2016-01-13 | 2016-06-15 | 中国人民解放军国防科学技术大学 | 一种球形译码算法的初值选取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101534168A (zh) * | 2009-04-16 | 2009-09-16 | 中国电子科技集团公司第五十四研究所 | 一种容误码的rs码编码参数盲识别方法 |
US20130177114A1 (en) * | 2012-01-10 | 2013-07-11 | Samsung Electronics Co. Ltd. | Method of detection of signal in communication systems with mimo channel |
-
2013
- 2013-09-04 CN CN201310397425.6A patent/CN103501207B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101534168A (zh) * | 2009-04-16 | 2009-09-16 | 中国电子科技集团公司第五十四研究所 | 一种容误码的rs码编码参数盲识别方法 |
US20130177114A1 (en) * | 2012-01-10 | 2013-07-11 | Samsung Electronics Co. Ltd. | Method of detection of signal in communication systems with mimo channel |
Non-Patent Citations (1)
Title |
---|
赵知劲等: "一种正交空时分组码盲识别方法", 《压电与声光》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681236A (zh) * | 2016-01-13 | 2016-06-15 | 中国人民解放军国防科学技术大学 | 一种球形译码算法的初值选取方法 |
CN105681236B (zh) * | 2016-01-13 | 2019-04-05 | 中国人民解放军国防科学技术大学 | 一种球形译码算法的初值选取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103501207B (zh) | 2018-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104393963B (zh) | 基于循环平稳特性的空时分组码mc‑cdma信号盲识别方法 | |
CN104113398B (zh) | 基于正交空时分组编码的mimo盲信道估计模糊度去除方法 | |
CN105721106A (zh) | 基于串行策略的scma上行通信系统多用户检测方法 | |
CN102624666B (zh) | 稀疏信道模型下多路收发的正交多载波水声通信循环译码方法 | |
CN106357311A (zh) | 一种基于载波索引调制的mimo‑ofdm系统的检测方法 | |
CN107018110B (zh) | 一种基于主成分序列的空频编码盲识别方法 | |
CN100571098C (zh) | 通信系统中低复杂度的极大似然检测方法及装置 | |
CN102790747A (zh) | 一种空间调制系统映射方法 | |
CN106712898A (zh) | 基于高斯迭代列消元的信道编码盲识别方法 | |
CN106713190B (zh) | 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法 | |
CN103368700B (zh) | 基于特征量预估计的时滞相关空时码模式盲识别方法 | |
CN110365414B (zh) | 一种适合于对数正态湍流信道的增强型光空间调制方法 | |
CN112215335A (zh) | 一种基于深度学习的系统检测方法 | |
CN103763086A (zh) | 一种基于滤波器组的多用户多信道协作频谱感知方法 | |
CN103490863B (zh) | 基于部分序列参数检测的空时码模式盲识别方法 | |
CN103501207A (zh) | 基于罚函数优化的最大似然空时码模式盲识别方法 | |
CN106341360A (zh) | 一种多输入单输出空时分组码系统的分层调制识别方法 | |
CN113938234B (zh) | 一种低复杂度稀疏化大规模mimo检测方法 | |
CN104184505A (zh) | 发射信号的多输入多输出mimo检测方法、装置及系统 | |
CN102891723B (zh) | Mimo-ofdm系统的无线电监测方法和装置 | |
CN102882654A (zh) | 一种基于编码约束及概率计算的编解码同步方法 | |
CN104038317B (zh) | 基于特征提取和分集技术的空频码模式盲识别方法 | |
CN109067683A (zh) | 无线通信中盲检测及调制星座优化方法、存储介质 | |
CN103188003A (zh) | 基于迭代检测的低复杂度并行干扰消除方法及系统 | |
Kim | Performance of decremental antenna selection algorithms for spatial multiplexing MIMO systems with linear receiver over correlated fading channels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181009 Termination date: 20190904 |