CN107018110B - 一种基于主成分序列的空频编码盲识别方法 - Google Patents

一种基于主成分序列的空频编码盲识别方法 Download PDF

Info

Publication number
CN107018110B
CN107018110B CN201710110617.2A CN201710110617A CN107018110B CN 107018110 B CN107018110 B CN 107018110B CN 201710110617 A CN201710110617 A CN 201710110617A CN 107018110 B CN107018110 B CN 107018110B
Authority
CN
China
Prior art keywords
matrix
space
principal component
adjacent
component sequence
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.)
Active
Application number
CN201710110617.2A
Other languages
English (en)
Other versions
CN107018110A (zh
Inventor
李勇朝
高明君
李涛
毛立涛
张海林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201710110617.2A priority Critical patent/CN107018110B/zh
Publication of CN107018110A publication Critical patent/CN107018110A/zh
Application granted granted Critical
Publication of CN107018110B publication Critical patent/CN107018110B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明公开了一种基于主成分序列的空频编码盲识别方法，其实现步骤为：(1)构造双载波解调矩阵；(2)计算协方差矩阵，并分解该矩阵生成特征值矩阵；(3)生成特征值矩阵；(4)通过基于噪声功率迭代的串行假设检验判断特征值矩阵的主成分个数
Figure DDA0001234311310000011
(5)利用估计符号向量和候选集的理论符号向量，求出距离判决和向量；(6)取距离判决和向量中取值最小的元素对应的码型为判决码型。本发明充分利用了OFDM系统中每一个子载波的信息，克服了现有技术在小样本、低信噪比条件下性能差的缺点，满足了空频码盲识别的工程要求，可用于通信对抗中的空频码模式识别。

Description

一种基于主成分序列的空频编码盲识别方法
技术领域
本发明涉及一种空频编码盲识别方法，具体涉及一种对多输入多输出正交频分复用(Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing，MIMO-OFDM)系统使用的空频编码进行盲识别的方法，可适用于多径衰落环境较低信噪比下，软件定义无线电、认知无线电及通信对抗、通信物理层安全，属于无线通信信号处理技术领域。
背景技术
多输入多输出正交频分复用(MIMO-OFDM)系统是新一代无线通信的关键技术，它能够在有效获得空间分集的同时对抗多径衰落，被广泛应用于第四代蜂窝移动通信(4thGeneration-Long Term Evolution,4G-LTE)中。由于实际4G-LTE技术协议中定义的OFDM符号数为奇数，所以必须使用空频编码对数据进行传输。对空频编码进行有效盲识别，可以为软件定义无线电设备、认知无线电设备提供可靠的通信参数，也可以根据空频编码构造相应的干扰样式对窃听设备进行干扰保障通信安全。因此对空频编码盲识别的方法进行研究具有重要的理论意义和应用价值。
空频编码盲识别是指在发送端有效信息未知的情况下，仅通过接收信号的特征识别发送端的空频编码的编码方式。空频编码的盲识别是一个新兴的课题，目前空频编码方式盲识别可通过扩展空时分组码识别算法来进行。然而这些算法不能有效适应多径环境，在频率选择性信道下识别效果较差。
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]中引入模式选择方法用于识别平坦信道环境下的空时编码，将其扩展到频域进行空频编码的识别。该方法为基于信息论准则的设计思想，对频域接收信号的协方差矩阵进行特征值分解，将得到的特征值和待估识别参数带入到模式选择的似然函数中，计算使似然函数最大的参数值，进而可确定发射端使用的空频编码模式。但是该方法存在的不足是：一方面，不能识别速率相同的码型；另一方面，此方法的识别性能在多径环境下随信噪比增高出现下降；因此该方法无法满足空频编码盲识别的工程要求。
文献[Eldemerdash Y A,Dobre O A,Marey M,et al.An efficient algorithmfor space-time block code classification.Global Communications Conference(GLOBECOM),2013:3329-3334]中利用四阶统计量识别平坦信道环境下的空时编码，将其扩展为频域中空频编码的识别，其设计思想基于不同编码的四阶延迟积在给定延迟下出现不同的峰值，通过判断两个峰值之间的距离来区分不同的空频编码。但是该方法也存在不足：一方面，不能识别速率相同的码型；另一方面此方法受制于多径环境以及采样样本数。由此可见，该方法也无法满足空频编码盲识别的工程需求。
中国专利CN104038317A(公开日：2014-09-10)(下文成为专利[1])公开了一种基于特征提取和分集技术的空频码模式盲识别方法，该方法的思路是：首先，对频域接收信号的自相关矩阵进行特征值分解，然后利用分集技术迭代特征值，增大信号特征值和噪声特征值之间的差距，最后通过比值判决法得到发送空频码的估计符号数向量，与候选集中码型的理论符号数向量求欧几里得距离差，得出最终的识别码型。该方法存在的不足是：一方面，仅对比了特征值大小，在噪声功率较大时，特征值比值差异不明显，因而无法在较低信噪比的情况下精确地描述噪声特征值的数学特征；另一方面，该法在估计距离判决和时，使用了欧几里得距离，在低信噪比时，低估的概率远大于高估的概率；因而在低信噪比的条件下性能较差，无法满足空频编码盲识别的工程要求。
发明内容
针对现有技术的不足，本发明旨在提供一种基于主成分序列的空频编码盲识别方法，通过对接收信号的自相关矩阵进行特征提取，并利用精确的Tracy-Widom分布提高空频编码在小样本、低信噪比下的盲识别性能，以满足空频编码盲识别的工程要求。
为了实现上述目的，本发明采用如下技术方案：
一种基于主成分序列的空频编码盲识别方法，包括如下步骤：
S1对接收天线数据进行预处理，构造相邻子载波符号矩阵；
S2计算相邻子载波符号矩阵的自相关矩阵，并进行特征值分解，得到特征值向量，以及对应的特征值集合；
S3通过基于噪声功率迭代的串行假设检验判断主成分个数；
S4构造估计相邻载波主成分序列向量；
S5比较估计相邻载波主成分序列向量与空频编码集合主成分序列的距离判决和，选择距离判决和最小的编码作为识别的结果。
需要说明的是，步骤S1具体为：
1.1)接收端通过Nr根接收天线接收到已经经过载波解调长度为Σ的信号序列，得到Nr×Σ的接收信号矩阵Xr；
1.2)去除接收信号矩阵Xr中的循环前缀，对其进行OFDM解调后，得到Nr×(M×L)维解调信号矩阵X，其中，X(m,l)为解调后第m个OFDM符号中第l个子载波上的接收信号向量，1≤m≤M，1≤l≤L，M为接收到的OFDM符号数，L为每个OFDM符号中的子载波个数；
1.3)取解调信号矩阵X第v个子载波及其相邻的子载波上的侦听信号，将两个子载波上的信号向量化，构成2Nr×M维相邻子载波符号矩阵Yv：
Figure BDA0001234311290000041
其中，1≤v≤L。
需要说明的是，步骤S2具体为：
2.1)将步骤S1得到的相邻子载波符号矩阵Yv的实部和虚部并联，得相邻载波并联矩阵
Figure BDA0001234311290000042
Figure BDA0001234311290000051
其中，
Figure BDA0001234311290000052
表示取实部运算，
Figure BDA0001234311290000053
表示取虚部运算；
2.2)计算相邻载波并联矩阵
Figure BDA0001234311290000054
的自相关矩阵：
Figure BDA0001234311290000055
其中，E[·]表示求期望运算，[·]T表示求转置运算；
2.3)对相邻载波并联矩阵的自相关矩阵Rv做特征值分解，将得到的特征值按降序排列，构成特征值向量：
Figure BDA0001234311290000056
其中，
Figure BDA0001234311290000057
为第v个子载波及其相邻载波自相关矩阵Rv的第k个特征值，
Figure BDA0001234311290000058
Nr为接收天线的数量；
则特征值集合为
Figure BDA0001234311290000059
需要说明的是，步骤S3具体如下：
3.1)对于第v个子载波及其相邻子载波，根据步骤S2得到的特征值集合
Figure BDA00012343112900000510
和终止条件利用迭代算法计算噪声功率的估计值集合
Figure BDA00012343112900000511
3.2)取第v个子载波及其相邻子载波的第k个噪声功率估计值
Figure BDA00012343112900000512
对特征值
Figure BDA00012343112900000513
进行归一化处理得到相对应的随机变量：
Figure BDA00012343112900000514
将此随机变量作为检验统计量；
3.3)求解判决门限值γk：
Figure BDA00012343112900000515
其中，
Figure BDA00012343112900000516
表示第一类Tracy-Widom分布的逆累积分布函数，Pfa表示预先设定的虚警概率；
Figure BDA0001234311290000061
Figure BDA0001234311290000062
3.4)确定主成分个数：
从k＝1开始搜索，当第一次检测出
Figure BDA0001234311290000063
时，输出主成分个数
Figure BDA0001234311290000064
需要说明的是，步骤S4具体为：计算相邻子载波符号矩阵Y1,…,YN-8的主成分个数
Figure BDA0001234311290000065
N＝L，L为每个OFDM符号中的子载波个数，构造估计相邻载波主成分序列向量
Figure BDA0001234311290000066
需要说明的是，步骤S5具体为：
5.1)利用步骤S4得到的估计相邻载波主成分序列向量
Figure BDA0001234311290000067
计算空频码组成码型集合Ω中所有码型的主成分序列与估计相邻载波主成分序列向量的距离判决和：
Figure BDA0001234311290000068
其中|·|表示取绝对值，ε(·)表示阶跃函数，有：
Figure BDA0001234311290000069
而
Figure BDA00012343112900000610
表示向上取整，
Figure BDA00012343112900000611
表示空频码集合Ω中的第t种码型的第v个子载波及其相邻子载波的主成分序列值，T为空频码集合Ω中的码型个数；N＝L，L为每个OFDM符号中的子载波个数；
5.2)空频码组成码型集合Ω中所有码型的主成分序列与估计相邻载波主成分序列向量的距离判决和构成距离判决和向量Π＝[d1,d2...dT]，取向量Π中最小的dt所对应的码型作为判决结果。
进一步需要说明的是，在步骤1.2)中，所述OFDM解调采用的是N点的FFT变换，其中N＝L。
进一步需要说明的是，步骤2.3)中，对自相关矩阵Rv进行特征分解采用的是正交对角分解法，具体为：
2.3.1)在自相关矩阵Rv两边分别乘以正交矩阵P及其转置矩阵PT，得到特征值对角矩阵PRvPT；
2.3.2)从特征值对角矩阵PRvPT中提取协方差矩阵Rv的特征值。
进一步需要说明的是，步骤3.1)中，计算噪声功率的估计值集合具体如下：
3.1.1)根据特征值
Figure BDA0001234311290000071
将噪声功率的估计值
Figure BDA0001234311290000072
初始化为噪声方差的最大似然估计值
Figure BDA0001234311290000073
3.1.2)根据噪声方差的最大似然估计值
Figure BDA0001234311290000074
和特征值
Figure BDA0001234311290000075
计算中间变量ηj：
Figure BDA0001234311290000076
其中，j＝1,2,...,k，将中间变量ηj带入迭代公式求出新的噪声方差估计值
Figure BDA0001234311290000077
具体迭代公式由下列公式确定：
Figure BDA0001234311290000078
3.1.3)设置一个
Figure BDA0001234311290000079
与
Figure BDA00012343112900000710
的最大差值Γ，令其值为10-5，将
Figure BDA00012343112900000711
与
Figure BDA00012343112900000712
进行比较：
若比较差值的结果大于Γ，则令
Figure BDA00012343112900000713
重复3.1.2)；
若比较差值结果小于或等于Γ，则终止迭代过程，
Figure BDA00012343112900000714
就是噪声功率的估计值
Figure BDA00012343112900000715
本发明的有益效果在于：
第一、由于本发明采用了基于精确Tracy-Widom分布的主成分序列法，提高了识别的收敛速度，对噪声特征值的数学特征描述更加精确，从而能够在小样本数据条件下取得良好的识别效果，提高了估计的实时性，满足了空频码盲识别的工程需要。
第二、由于本发明中噪声功率采用迭代方法，使得检验统计量的构造在在较少的天线数时也较为精确，可在满足一定识别性能的条件下降低接收机体积和成本。
第三、由于本发明中检验统计量设计使用了全部的子载波，使得OFDM符号中每一个子载波的信息都得到了有效利用，从而在较低信噪比情况下也可以得到较好的识别性能。
第四、由于本发明中计算判决距离和的方法引入过高估计次数这一因素，从而降低了在低信噪比情况下的过低估计的可能性，从而在较低信噪比情况下也可以得到较好的识别性能。
附图说明
图1是本发明使用的系统框图；
图2是本发明的实现流程图；
图3是不同信噪比和接收OFDM符号数条件下本发明及专利CN104038317A的技术的平均识别正确率对比示意图；
图4是不同信噪比和接收天线数条件下本发明及专利[1]对于上文提到的空频码组成码型集合Ω的全部码型的平均识别正确率对比示意图。
具体实施方式
以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
实现本发明目的的技术思路是：首先，对频域接收信号的自相关矩阵进行特征值分解，然后利用基于噪声功率迭代的串行假设检验判断接收信号码元主成分个数，与空时编码集合Ω中码型的理论码元主成分求距离判决和，得出最终的识别码型。该识别方法使用的系统模型包括一台发射机、一台盲接收机，其中，发射机的天线数目为Nt，接收机的天线数目为Nr，Nr＞Nt，发送信号采用OFDM调制方式并使用空频编码。空频编码集合在表1中列出：
表1
Figure BDA0001234311290000091
其中，SA(Single Antenna)表示单天线，SM(Spatial Multiplexing)表示空间多路复用，OSTBC(Orthogonal Space Time Block Code)表示正交空时分组编码。每一个OFDM符号的子载波数为N。
参照图1，本发明使用的系统包括：Nt根发射天线，Nr根接收天线，调制方式为4-QAM(Quadrature Amplitude Modulation)。在发射端，调制后串行发送序列经空频编码后转换为并行发送序列，再将并行序列进行OFDM调制后发送出去。在接收端，通过Nr根接收天线得到接收信号矩阵为Xr，其中，Nr＞Nt。图1就是一种多输入多输出的正交频分复用系统。
本发明就是根据接收信号矩阵Xr，盲识别出发送端使用的空频编码模式。
参照图2，本发明的具体实现步骤如下：
步骤1、对接收天线数据进行预处理，构造相邻子载波符号矩阵：
(a1)接收端通过Nr根接收天线接收到已经经过载波解调长度为Σ的信号序列，得到Nr×Σ的接收信号矩阵Xr；
(a2)去除接收信号矩阵中的循环前缀，对其进行OFDM解调后，得到Nr×(M×L)维解调信号矩阵X，其中，X(m,l)为解调后第m个OFDM符号中第l个子载波上的接收信号向量，1≤m≤M，1≤l≤L，M为接收到的OFDM符号数，L为每个OFDM符号中的子载波个数；
(a3)取相解调矩阵X第v个子载波及其相邻的子载波上的侦听信号，将两个子载波上的信号向量化，构成2Nr×M维相邻载波解调矩阵Yv：
Figure BDA0001234311290000111
其中，1≤v≤L；
步骤2、计算相邻子载波符号矩阵的自相关矩阵，并进行特征值分解：
(b1)将相邻子载波符号矩阵Yv的实部和虚部并联，得相邻载波并联矩阵
Figure BDA0001234311290000112
Figure BDA0001234311290000113
其中，
Figure BDA0001234311290000114
表示取实部运算，
Figure BDA0001234311290000115
表示取虚部运算；
(b2)计算相邻载波并联矩阵
Figure BDA0001234311290000116
的自相关矩阵：
Figure BDA0001234311290000117
其中，E[·]表示求期望运算，[·]T表示求转置运算；
(b3)对相邻载波并联矩阵的自相关矩阵Rv利用正交对角分解法做特征值分解，将得到的特征值按降序排列，构成特征值向量
Figure BDA0001234311290000118
其中，ρ(v)为相邻载波自相关矩阵Rv的特征值，
Figure BDA0001234311290000119
步骤3、通过基于噪声功率迭代的串行假设检验判断主成分个数：
(c1)对于第v个子载波及其相邻子载波，进行噪声功率估计：
①根据特征值
Figure BDA00012343112900001110
将噪声方差估计值
Figure BDA00012343112900001111
初始化为噪声方差的最大似然估计值
Figure BDA00012343112900001112
②根据噪声方差的最大似然估计值
Figure BDA00012343112900001113
和特征值
Figure BDA00012343112900001114
计算中间变量ηj：
Figure BDA00012343112900001115
其中，j＝1,2,...,k，将中间变量ηj带入迭代公式求出新的噪声方差估计值
Figure BDA0001234311290000121
具体迭代公式由下列公式确定：
Figure BDA0001234311290000122
③设置一个
Figure BDA0001234311290000123
与
Figure BDA0001234311290000124
的最大差值Γ，令其值为10-5，将
Figure BDA0001234311290000125
与
Figure BDA0001234311290000126
进行比较：
若比较差值的结果大于Γ，则令
Figure BDA0001234311290000127
重复②；
若比较结果满足终止迭代条件，则终止迭代过程，
Figure BDA0001234311290000128
就是噪声方差估计值
Figure BDA0001234311290000129
(c2)构造检验统计量
Figure BDA00012343112900001210
Figure BDA00012343112900001211
(c3)求解判决门限值γk：
Figure BDA00012343112900001212
其中，
Figure BDA00012343112900001213
表示第一类Tracy-Widom分布的逆累积分布函数，Pfa表示预先设定的虚警概率，
Figure BDA00012343112900001214
Figure BDA00012343112900001215
(c4)确定主成分个数：
从k＝1开始搜索，当第一次检测出
Figure BDA00012343112900001218
时，输出主成分个数
Figure BDA00012343112900001216
步骤4、构造估计主成分序列：
重复S1的(a3)、S2、S3计算Y1,…,YN-8的主成分个数
Figure BDA00012343112900001217
构造相邻载波主成分序列向量
Figure BDA0001234311290000131
步骤5、比较估计主成分序列与空频编码集合主成分序列的距离判决和，选择距离判决和最小的编码作为识别的结果：
(d1)利用步骤4中的双载波估计向量
Figure BDA0001234311290000132
计算距离判决和：
Figure BDA0001234311290000133
其中|·|表示取绝对值，ε(·)表示阶跃函数，有：
Figure BDA0001234311290000134
而
Figure BDA0001234311290000135
表示向上取整；T为空频码集合Ω中的码型个数，
Figure BDA0001234311290000136
表示空频码集合Ω中的第t种码型的第v个子载波及其相邻子载波的的主成分序列值；
(d2)重复步骤(d1)，计算码型集合Ω中每种空频码对应的距离判决和，构成距离判决和向量Π＝[d1,d2...dT]，取向量Π中最小的dt所对应的码型作为判决结果。
所述步骤S5中的空频编码集合为空时分组码在OFDM系统中应用时，利用频域传输的别称，两者具有相同的编码矩阵，其中编码矩阵可参考文献[Alamouti S M.A simpletransmit diversity technique for wireless communications.Selected Areas inCommunications,IEEE Journal on,1998,16(8):1451-1458.]和文献[Tarokh V,Jafarkhani H,Calderbank A R.Space-time block codes from orthogonaldesigns.Information Theory,IEEE Transactions on,1999,45(5):1456-1467.]。表2为空频编码集合Ω中各空频编码的主成分序列。
表2
Figure BDA0001234311290000141
本发明的效果可通过以下仿真进一步详细说明。
仿真1：在不同的信噪比及接收OFDM符号数的条件下，用本发明及专利[1]对空频码集合Ω进行识别。
设仿真信噪比的范围为-12-8dB，间隔为2dB，接收天线为8，接收OFDM符号数集合为{50，100，200，400}，OFDM子载波为64个，调制方式为4-QAM，多径数为4，虚警概率设为10-4。空频码集合Ω中每个码型在每个信噪比点上进行1000次蒙特卡洛实验，记录下每个信噪比下不同码型的的正确识别次数，通过除以总的实验次数得到每个信噪比条件下的识别正确率，全部码型的平均识别率仿真结果如图3。从图3可以看出：随着信噪比的上升，本发明及专利[1]的正确识别率均得到了提高；而在同一信噪比条件下，接收的OFDM符号越多，本发明的正确识别率越高，这是由于随着接收OFDM符号数的上升，检验统计量的数学特性就更加精确，正确识别率就随之上升。另外，对比本发明与专利[1]，可以发现，在相同的信噪比及OFDM符号数条件下，本发明的性能优于专利[1]的性能。例如当接收OFDM符号数为50个，相同条件下本发明较之前的方法性能大约提升4dB，而当接收OFDM符号数为400个，相同条件下，性能提升6dB。这是由于专利[1]的方法仅对比了特征值大小，尤其是在噪声功率较大时，特征值比值差异不明显，本发明利用噪声特征值服从第一类Tracy-Widom分布的特性，使其在较低信噪比也能够较为精确的描述噪声特征值的数学特征。因此本发明较专利[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线的条件下，用本发明及专利[1]对空频码集合Ω进行识别。
设仿真信噪比为-8-10dB，间隔为2dB，接收天线数的集合为{4,6,8}(因为空频码集合Ω中的所有码型的最大发射天线数目Ntmax＝3，而本发明要求接收天线数Nr＞Nt，所以接收天线的数最小为4)，接收OFDM符号数为100，OFDM子载波为64个，调制方式为4-QAM，多径数为4，给定的虚警概率为10-4。空频码集合Ω中每个码型在不同的接收天线数条件下进行1000次蒙特卡洛实验，记录下不同的接收天线数下不同码型的正确识别次数，通过除以总的实验次数得到每个接收天线数下的识别正确率，全部码型的平均识别率仿真结果如图4，从图4可以看出，在相同条件下，随着接收信噪比的增加，本发明的正确识别率有所上升；另外，在相同条件下，随着接收天线数的增加，本发明的正确识别率也得到了增加。对比图中对于专利[1]的仿真结果可以发现，在相同条件下，本发明的性能要优于专利[1]中方法的性能。例如在接收天线数为8，在相同的条件下，本发明的性能较专利[1]中方法提升了5dB；而在信噪比为0dB时，本发明在接收天线数为8时，正确识别率已接近1，而专利[1]的方法正确识别率仅0.35左右。这是由于本发明利用噪声特征值服从第一类Tracy-Widom分布的特点，在较低信噪比情况下，更为精确地描述了噪声特征值的数学特征，从而能更准确的区分信号特征值和噪声特征值；而专利[1]仅对比了特征值的大小，在低信噪比条件下，对噪声特征值的数学特征描述不够精确，从而导致性能的下降；另外，专利[1]在计算距离判决和时，简单的采用了欧几里得距离，忽略了采用基于随机矩阵论的串行假设检验在低信噪比下低估的概率远大于高估的概率这一事实，从而造成了低信噪比条件下性能的不足。而本发明对于距离判决和的计算，引入了过高估计次数这一因素，从而能更加合理的给出结果，提升了性能。
对于本领域的技术人员来说，可以根据以上的技术方案和构思，作出各种相应的改变和变形，而所有的这些改变和变形都应该包括在本发明权利要求的保护范围之内。

Claims (7)

1.一种基于主成分序列的空频编码盲识别方法，其特征在于，包括如下步骤：
S1对接收天线数据进行预处理，构造相邻子载波符号矩阵；
S2计算相邻子载波符号矩阵的自相关矩阵，并进行特征值分解，得到特征值向量，以及对应的特征值集合；
S3通过基于噪声功率迭代的串行假设检验判断主成分个数：
3.1)对于第v个子载波及其相邻子载波，根据步骤S2得到的特征值集合
Figure FDA0002316327480000011
和终止条件利用迭代算法计算噪声功率的估计值集合
Figure FDA0002316327480000012
Nr为接收天线的数量：
3.1.1)根据特征值
Figure FDA0002316327480000013
将噪声功率的估计值
Figure FDA0002316327480000014
初始化为噪声方差的最大似然估计值
Figure FDA0002316327480000015
3.1.2)根据噪声方差的最大似然估计值
Figure FDA0002316327480000016
和特征值
Figure FDA0002316327480000017
计算中间变量ηj：
Figure FDA0002316327480000018
其中，M为接收到的OFDM符号数，j＝1,2,…,k，将中间变量ηj带入迭代公式求出新的噪声方差估计值
Figure FDA0002316327480000019
具体迭代公式由下列公式确定：
Figure FDA00023163274800000110
3.1.3)设置一个
Figure FDA00023163274800000111
与
Figure FDA00023163274800000112
的最大差值Γ，令其值为10-5，将
Figure FDA00023163274800000113
与
Figure FDA00023163274800000114
进行比较：
若比较差值的结果大于Γ，则令
Figure FDA00023163274800000115
重复3.1.2)；
若比较差值结果小于或等于Γ，则终止迭代过程，
Figure FDA0002316327480000021
就是噪声功率的估计值
Figure FDA0002316327480000022
3.2)取第v个子载波及其相邻子载波的第k个噪声功率估计值
Figure FDA0002316327480000023
对特征值
Figure FDA0002316327480000024
进行归一化处理得到相对应的随机变量：
Figure FDA0002316327480000025
将此随机变量作为检验统计量；
3.3)求解判决门限值γk：
Figure FDA0002316327480000026
其中，
Figure FDA0002316327480000027
表示第一类Tracy-Widom分布的逆累积分布函数，Pfa表示预先设定的虚警概率；
Figure FDA0002316327480000028
Figure FDA0002316327480000029
3.4)确定主成分个数：
从k＝1开始搜索，当第一次检测出
Figure FDA00023163274800000210
时，输出主成分个数
Figure FDA00023163274800000211
S4构造估计相邻载波主成分序列向量；
S5比较估计相邻载波主成分序列向量与空频编码集合主成分序列的距离判决和，选择距离判决和最小的编码作为识别的结果。
2.根据权利要求1所述的基于主成分序列的空频编码盲识别方法，其特征在于，步骤S1具体为：
1.1)接收端通过Nr根接收天线接收到已经经过载波解调长度为Σ的信号序列，得到Nr×Σ的接收信号矩阵Xr；
1.2)去除接收信号矩阵Xr中的循环前缀，对其进行OFDM解调后，得到Nr×(M×L)维解调信号矩阵X，其中，X(m,l)为解调后第m个OFDM符号中第l个子载波上的接收信号向量，1≤m≤M，1≤l≤L，M为接收到的OFDM符号数，L为每个OFDM符号中的子载波个数；
1.3)取解调信号矩阵X第v个子载波及其相邻的子载波上的侦听信号，将两个子载波上的信号向量化，构成2Nr×M维相邻子载波符号矩阵Yv：
Figure FDA0002316327480000031
其中，1≤v≤L。
3.根据权利要求1所述的基于主成分序列的空频编码盲识别方法，其特征在于，步骤S2具体为：
2.1)将步骤S1得到的相邻子载波符号矩阵Yv的实部和虚部并联，得相邻载波并联矩阵
Figure FDA0002316327480000032
Figure FDA0002316327480000033
其中，
Figure FDA0002316327480000034
表示取实部运算，
Figure FDA0002316327480000035
表示取虚部运算；
2.2)计算相邻载波并联矩阵
Figure FDA0002316327480000036
的自相关矩阵：
Figure FDA0002316327480000037
其中，E[·]表示求期望运算，[·]T表示求转置运算；
2.3)对相邻载波并联矩阵的自相关矩阵Rv做特征值分解，将得到的特征值按降序排列，构成特征值向量：
Figure FDA0002316327480000038
其中，
Figure FDA0002316327480000039
为第v个子载波及其相邻载波自相关矩阵Rv的第k个特征值，
Figure FDA0002316327480000041
Nr为接收天线的数量；
则特征值集合为
Figure FDA0002316327480000042
4.根据权利要求1所述的基于主成分序列的空频编码盲识别方法，其特征在于，步骤S4具体为：计算相邻子载波符号矩阵Y1,…,YN-8的主成分个数
Figure FDA0002316327480000043
L为每个OFDM符号中的子载波个数，构造估计相邻载波主成分序列向量
Figure FDA0002316327480000044
5.根据权利要求1所述的基于主成分序列的空频编码盲识别方法，其特征在于，步骤S5具体为：
5.1)利用步骤S4得到的估计相邻载波主成分序列向量
Figure FDA0002316327480000045
计算空频码组成码型集合Ω中所有码型的主成分序列与估计相邻载波主成分序列向量的距离判决和：
Figure FDA0002316327480000046
其中|·|表示取绝对值，ε(·)表示阶跃函数，有：
Figure FDA0002316327480000047
而
Figure FDA0002316327480000048
表示向上取整，
Figure FDA0002316327480000049
表示空频码集合Ω中的第t种码型的第v个子载波及其相邻子载波的主成分序列值，T为空频码集合Ω中的码型个数；N＝L，L为每个OFDM符号中的子载波个数；
5.2)空频码组成码型集合Ω中所有码型的主成分序列与估计相邻载波主成分序列向量的距离判决和构成距离判决和向量Π＝[d1,d2...dT]，取向量Π中最小的dt所对应的码型作为判决结果。
6.根据权利要求2所述的基于主成分序列的空频编码盲识别方法，其特征在于，在步骤1.2)中，所述OFDM解调采用的是N点的FFT变换，其中N＝L。
7.根据权利要求3所述的基于主成分序列的空频编码盲识别方法，其特征在于，步骤2.3)中，对自相关矩阵Rv进行特征分解采用的是正交对角分解法，具体为：
2.3.1)在自相关矩阵Rv两边分别乘以正交矩阵P及其转置矩阵PT，得到特征值对角矩阵PRvPT；
2.3.2)从特征值对角矩阵PRvPT中提取协方差矩阵Rv的特征值。
CN201710110617.2A 2017-02-28 2017-02-28 一种基于主成分序列的空频编码盲识别方法 Active CN107018110B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710110617.2A CN107018110B (zh) 2017-02-28 2017-02-28 一种基于主成分序列的空频编码盲识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710110617.2A CN107018110B (zh) 2017-02-28 2017-02-28 一种基于主成分序列的空频编码盲识别方法

Publications (2)

Publication Number Publication Date
CN107018110A CN107018110A (zh) 2017-08-04
CN107018110B true CN107018110B (zh) 2020-06-16

Family

ID=59440483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710110617.2A Active CN107018110B (zh) 2017-02-28 2017-02-28 一种基于主成分序列的空频编码盲识别方法

Country Status (1)

Country Link
CN (1) CN107018110B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108256449B (zh) * 2018-01-02 2021-11-16 重庆邮电大学 一种基于子空间分类器的人体行为识别方法
CN108966272B (zh) * 2018-07-27 2020-09-15 电子科技大学 基于累积功率信息的无线网络通联关系识别方法
CN109412984B (zh) * 2018-11-15 2021-01-01 中国电子科技集团公司第三十八研究所 一种基于Aitken加速法的多天线场景下盲信噪比估算方法
CN111786680B (zh) * 2019-04-03 2023-01-13 华为技术有限公司 一种生成矩阵的确定方法及装置
CN112737733B (zh) * 2020-12-28 2024-06-07 中国人民解放军国防科技大学 一种基于一维卷积神经网络的信道编码码型识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103368700A (zh) * 2013-07-11 2013-10-23 西安电子科技大学 基于特征量预估计的时滞相关空时码模式盲识别方法
CN103490863A (zh) * 2013-10-07 2014-01-01 西安电子科技大学 基于部分序列参数检测的空时码模式盲识别方法
CN104038317A (zh) * 2014-06-21 2014-09-10 西安电子科技大学 基于特征提取和分集技术的空频码模式盲识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103368700A (zh) * 2013-07-11 2013-10-23 西安电子科技大学 基于特征量预估计的时滞相关空时码模式盲识别方法
CN103490863A (zh) * 2013-10-07 2014-01-01 西安电子科技大学 基于部分序列参数检测的空时码模式盲识别方法
CN104038317A (zh) * 2014-06-21 2014-09-10 西安电子科技大学 基于特征提取和分集技术的空频码模式盲识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Blind Identification of Digital Communication Signals Based on Statistics of Directional Data;Lu Man-jun;《ACM》;20080731;全文 *
Blind Recognition of Linear Space-Time Block Codes: A likehood-Based Approach;Vincent Choqueuse等;《IEEE Transactions on Signal Processing》;20091106;全文 *
空时码盲识别方法研究;陈林;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120815;全文 *

Also Published As

Publication number Publication date
CN107018110A (zh) 2017-08-04

Similar Documents

Publication Publication Date Title
CN107018110B (zh) 一种基于主成分序列的空频编码盲识别方法
KR100918717B1 (ko) 다입다출력 직교주파수분할다중화 이동통신 시스템에서의신호 시퀀스 추정 방법 및 장치
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
CN106161328B (zh) 基于载波索引调制的mimo-ofdm系统的检测方法
CN106059639B (zh) 基于矩阵盖尔圆的发射天线数目盲估计方法
Pathy et al. Design and implementation of blind modulation classification for asynchronous MIMO-OFDM system
CN100571098C (zh) 通信系统中低复杂度的极大似然检测方法及装置
CN101588335A (zh) 利用信道相关性的mimo检测方法及系统
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
CN106385308A (zh) 基于k‑s检测的stbc‑ofdm信号盲识别算法
CN106506427A (zh) 一种基于folp的stbc‑ofdm信号盲识别方法
CN104301281A (zh) 频率选择性衰落信道下mimo-ofdm系统的发射天线数目估计方法
CN114124168B (zh) 一种基于深度学习的mimo-noma系统信号检测方法及系统
CN103368700A (zh) 基于特征量预估计的时滞相关空时码模式盲识别方法
CN102710567A (zh) Mimo无线通信接收机干扰消除技术中的部分判决方法
Jiang et al. An experimental investigation of enhanced SM-OFDM over indoor rician multipath channels
CN108768475B (zh) 用于mimo-ofdm-im的低复杂度ml接收机方法
Mohammadkarimi et al. A novel algorithm for blind detection of the number of transmit antenna
Mahmood et al. A design of extreme learning machine based receiver for 2× 2 MIMO-OFDM system
CN104038317B (zh) 基于特征提取和分集技术的空频码模式盲识别方法
CN107483376A (zh) 一种用于mimo‑ofdm系统的信号检测方法
Gao et al. Blind identification of SFBC-OFDM signals using two-dimensional space-frequency redundancy
De Souza et al. A novel signal detector in MIMO systems based on complex correntropy
CN105429925A (zh) 基于快速独立分量分析的多天线ofdma信号解码方法
CN104601295A (zh) 一种基于高阶累积量的正交空时分组码盲识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant