CN107425940B - 一种基于监督式学习聚类算法的空间调制系统检测方法 - Google Patents

Abstract

本发明属于通信抗干扰技术领域，具体的说是涉及一种基于监督式学习聚类算法的空间调制系统检测方法。本发明主要为了减少训练序列的长度，具体方法如下：首先根据星座符号间的旋转关系，有效的减少训练序列的长度，并得到和所有可能的发送信号一一对应的接收信号；然后利用接收信号和所有可能的发送信号间一一对应的关系，构造出接收信号和发送信号间的映射函数；接着输入待检测的接收信号，利用构造的映射函数进行检测，并输出结果。本发明的有益效果为，已有的基于监督式学习的检测方法需要把所有可能的发送信号作为训练序列，或者利用原点对称性将训练序列减少一半，而本发明利用旋转性可以更进一步的减少训练序列的长度，且不会有性能损失。

Description

一种基于监督式学习聚类算法的空间调制系统检测方法

技术领域

本发明属于通信抗干扰技术领域，涉及空间调制(Spatial Modulation,SM)技术，多输入多输出(Multiple Input Multiple Output,MIMO)技术，以及监督式学习(Supervised Learning)算法，具体的说是涉及一种基于监督式学习聚类算法的空间调制系统检测方法。

背景技术

空间调制系统作为一种新的MIMO技术近来受到广泛关注。在空间调制系统中，每个时隙仅激活一根发送天线传送数据，从而避免了信道间的干扰，对天线间的同步性要求也有所降低，并且在接收端，即使接收天线数小于发送天线数时也可以进行检测。

对于空间调制系统的检测也是一个热门问题，在早期的工作中，有三种典型的空间调制检测算法：最大似然检测，匹配滤波检测和球形译码检测。而这些检测均假设已知完美信道状态信息，而完美信道状态信息在实际中是很难获取的。因此，近年来陆续有人提出了无需知道信道状态信息的盲检测算法，主要包括基于无监督式学习和监督式学习的方法。其中，基于无监督式学习的方法无需训练序列，但其存在类别和标签之间的解映射问题，目前有人提出了基于信道编码的解映射方法，但随着聚类数目的增加，其搜索空间急剧增大。而监督式学习的方法利用训练序列可以避免解映射的难题，但训练序列会造成一定的资源浪费，因此需要在保证性能的同时尽量减少训练序列的长度。

发明内容

本发明的目的，就是针对空间调制系统提出一种基于监督式学习聚类算法的空间调制系统检测方法，并利用旋转性有效减少训练序列的长度。

本发明的技术方案如下：

假设有N_t根发送天线，N_r根接收天线，调制阶数为M，X＝[x₁,...,x_L]是长度为L的发送信号序列，即取L个时隙的发送信号。假设这L个时隙内信道保持不变或微小变化。X_SM是发送信号集合，是待检测的接收信号序列，其中η为加性高斯白噪声。

首先构造训练序列，训练序列需要发送所有的可能的发送信号，即其中表示第n_t(1≤n_t≤N_t)根发送天线上传送星座符号集合中的第m(1≤m≤M)个星座符号。由于信道及噪声的影响，每个信号只发送一次可能无法得到较好的映射函数，因此需要将每种可能的发送信号重复发送r次，即那么此时训练序列的长度为N_tMr，接收端接收到的信号序列为然后根据最邻近中心聚类算法的思想，将每一种可能的发送信号对应的r个接收信号求均值作为此发送信号对应的接收信号的中心，于是接收信号序列变为其中

但需要注意的是，每个星座符号之间是有联系的，例如PSK调制，每个符号都是由第一个符号依次旋转θ角得到的。已有的基于监督式学习的聚类算法只利用了星座符号关于原点对称的性质，将训练序列长度减少了一半，若充分利用星座符号之间的旋转性，可以进一步减少训练序列的长度。对旋转性定义如下：

旋转性：在复平面以原点为中心的圆上有N个不同的点{p₁,p₂,...,p_N}，这些点以{θ₁,θ₂,...,θ_N-1}为旋转角，即我们称这N个点具有关于{θ₁,θ₂,...,θ_N-1}的旋转性。圆上的这N个点形成一个旋转集合。

对于每个集合里的星座点，只需要发送一个星座点即可，其余星座点便可通过将此星座点进行旋转得到。若星座图上的所有点可以分为M'个这样的集合，则训练序列只需要发送N_tM'种可能的发送信号，其余可能的发送信号均可由这N_tM'种信号中的一种经过相位旋转得到，然后将接收信号序列经过和发送信号相同的旋转操作，扩展为和所有发送信号一一对应的接收信号序列即可。如QPSK调制，可由1个星座符号分别旋转π/2,π,3π/2得到其余3个星座符号，则只需发送一个星座符号即可，即训练序列为长度为N_tr，此时得到的接收信号序列为然后扩展为在接收信号上乘以e^iθ，根据接收信号的表达式，除了在发送信号上乘以了e^iθ外，在噪声上也乘以了e^iθ，但是由于|e^iθ|＝1，所以即使噪声上乘以e^iθ，也不会改变噪声的期望和方差，从而也不会造成性能损失。

对此，利用旋转性，本发明提出了一种基于监督式学习的可有效减少训练序列长度的检测方法，包括如下步骤：

a.利用训练序列构造映射函数，其具体方法如下：

a1.输入调制方式，将星座符号分为M'个旋转集合，N_m'是第m'(1≤m'≤M')个集合的元素个数，是第m'个集合的旋转角。在每个旋转集合里选取一个星座点作为星座符号集合的前M'个元素，即令星座符号集合的所有元素都可由前M'个元素中的一个经过相位旋转得到。发送信号集合可改写为记为于是训练序列可构造为

a2.将训练序列发送出去，在接收端的接收信号为取均值后为其中，然后扩展为记为

a3.建立映射关系构造映射函数为

b.对于每一个待检测信号y_i,i＝1,2,...,L，根据步骤a3中的映射函数将y_i映射为u_i，从而得到检测结果为序列[u₁,u₂,...,u_L]。

本发明的有益效果在于，利用星座符号间的旋转关系，在不损失性能的前提下，能有效的减少了训练序列的长度，从而也使得使用相同的训练序列长度可以获得更好的检测性能。

附图说明

图1为空间调制检测系统框图；

图2为基于监督式学习的检测算法流程图；

图3为检测算法性能比较示意图；参数如下：空间调制系统，QPSK调制，4发4收，时隙L＝80，最优ML检测假设知道完美信道状态信息；

图4为检测算法性能比较示意图；参数如下：空间调制系统，16QAM调制，4发4收，时隙L＝80，最优ML检测假设知道完美信道状态信息。

具体实施方式

下面将结合附图，给出本发明的具体实施例。需要说明的是：实施例中的参数并不影响本发明的一般性。

下面对该发明提出的一种基于监督式学习的聚类算法的盲检测算法进行说明。考虑一个N_t×N_r的空间调制系统，其中N_t是发射天线数，N_r是接收天线数，X＝[x₁,...,x_L]是长度为L的发送信号序列，即取L个时隙的发送信号。X_SM是发送信号集合，是待检测的接收信号序列。如图2所示，基于监督式学习的聚类检测器的具体检测步骤如下：

步骤1：利用训练序列构造映射函数，其具体方法如下：

a)输入调制方式，将星座符号分为M'个旋转集合，N_m'是第m'(1≤m'≤M')个集合的元素个数，是第m'个集合的旋转角。在每个旋转集合里选取一个星座点作为星座符号集合的前M'个元素，即令星座符号集合的所有元素都可由前M'个元素中的一个经过相位旋转得到。发送信号集合可改写为记为于是训练序列可构造为

b)将训练序列发送出去，在接收端的接收信号为取均值后为其中，然后扩展为记为

c)建立映射关系构造映射函数为

步骤2：对于每一个待检测信号y_i,i＝1,2,...,L，根据步骤c)中的映射函数将y_i映射为u_i，

从而得到序列[u₁,u₂,...,u_L]；

步骤3：步骤2中得到的序列[u₁,u₂,...,u_L]即为检测结果。

上述利用旋转性的基于监督式学习的检测方法的训练序列长度为rN_tM'，传统方法的训练序列长度为rN_tM，特别地，对于PSK调制方式而言，M'＝1，即训练序列长度为rN_t；对于16QAM调制方式而言，M'＝3，即训练序列长度为3rN_t，从而十分有效的减少了训练序列的长度，且不会有性能损失。

Claims (1)

1.一种基于监督式学习聚类算法的空间调制系统检测方法，设定空间调制系统有N_t根发送天线，N_r根接收天线，调制阶数为M，X＝[x₁,...,x_L]是长度为L的发送信号序列，X_SM是发送信号集合，是待检测的接收符号序列；其特征在于，包括以下步骤：

a.利用训练序列构造映射函数，其具体方法如下：

a1.输入调制方式，将星座符号分为M'个旋转集合，N_m'是第m'个集合的元素个数，1≤m'≤M'，{θ_m',1,θ_m',2,...,θ_m',Nm'-1}是第m'个集合的旋转角；在每个旋转集合里选取一个星座点作为星座符号集合的前M'个元素，即令星座符号集合的所有元素都可由前M'个元素中的一个经过相位旋转得到；则发送信号集合可改写为：

记为：

于是训练序列构造为：

r是指将每种可能的发送信号重复发送r次；

a2.将训练序列发送出去，在接收端的接收信号为：

取均值后为：

其中：

n_t是指第n_t根发送天线，1≤n_t≤N_t；

然后扩展为：

记为：

a3.建立映射关系：

构造映射函数为：

b.对于每一个待检测信号y_i,i＝1,2,...,L，根据步骤a3中的映射函数将y_i映射为u_i，从而得到检测结果为序列[u₁,u₂,...,u_L]。