CN107528674A - 一种基于切比雪夫不等式的sm/al空时码识别方法 - Google Patents
一种基于切比雪夫不等式的sm/al空时码识别方法 Download PDFInfo
- Publication number
- CN107528674A CN107528674A CN201710886418.0A CN201710886418A CN107528674A CN 107528674 A CN107528674 A CN 107528674A CN 201710886418 A CN201710886418 A CN 201710886418A CN 107528674 A CN107528674 A CN 107528674A
- Authority
- CN
- China
- Prior art keywords
- space
- time code
- superthreshold
- recognition methods
- modulus value
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/02—Arrangements for detecting or preventing errors in the information received by diversity reception
- H04L1/06—Arrangements for detecting or preventing errors in the information received by diversity reception using space diversity
- H04L1/0618—Space-time coding
- H04L1/0631—Receiver arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
- H04L1/0038—Blind format detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Radio Transmission System (AREA)
Abstract
一种基于切比雪夫不等式的SM/AL空时码识别方法,首先将任意两根不同接收天线的信号作延时相关,而后计算其相关谱模值并取平方;根据相关谱模平方最大值计算阈值,选择其中大于此阈值的谱线构成超阈值序列;以空时码为SM时为依据,利用二项分布定理计算超阈值序列样本数的均值及其标准差,并以均值与实际统计出的超阈值样本数之差的绝对值作为识别统计量;利用切比雪夫不等式,根据超阈值序列样本数标准差确定门限,将识别统计量与之相比较,若识别统计量大于门限,则识别为AL码型,反之,则识别为SM码型。仿真结果表明,在无信号先验信息的条件下可对MIMO中SM及AL两种类型的空时码进行有效识别。
Description
技术领域
本发明属于信号识别与处理领域,具体涉及一种基于切比雪夫不等式的SM/AL空时码识别方法。
背景技术
在4G及未来5G通信系统中,MIMO技术已得到广泛应用。在MIMO场景下,考虑信号的识别及参数估计问题是一个的新的趋势,在认知无线电、通信侦察及频谱监测等领域有着重要的的应用。而在MIMO信号的分析与处理中,对其空时分组码类型的识别是个子内容,为后续信号的调制识别、参数估计提供基础。目前,MIMO通信中常用的空时编码为:空间分集(SM)及Alamouti(AL)空时正交块码两种。相关的识别算法可分为最大似然法、循环平稳法、高阶矩法及分布拟合检验法等。最大似然法的性能最佳,但需要信号及信道的先验信息,且计算量较大,不易实时处理;循环平稳法,不需要信号及信道的先验信息;高阶矩法及分布拟合检验法在低信噪比时性能不佳。本发明给出了一种基于切比雪夫不等式的SM/AL空时码识别方法,该方法简单有效,在低信噪比时仍具较好的性能。
发明内容
本发明的针对现有技术中的不足,提供一种基于切比雪夫不等式的SM/AL空时码识别方法。
为实现上述目的,本发明采用以下技术方案:
1)计算两根不同接收天线之间观测信号的延时相关谱模值,并取平方,得到模值平方谱;
2)根据模值平方谱最大值选择阈值,将模值平方谱中大于该阈值的谱线选出,构成超阈值序列;
3)以SM情形下的模值平方谱为依据,计算得到分别用于计算统计量及门限的两个辅助参数,即超阈值样本个数的均值及其标准差,称为参考均值与参考标准差;
4)统计模值平方谱超阈值的样本个数,并取样本个数与参考均值之差的绝对值作为识别统计量;
5)根据切比雪夫不等式,基于参考标准差计算门限;
6)将识别统计量与门限相比较,识别MIMO信号中的SM与AL两种空时编码类型。
为优化上述技术方案,采取的具体措施还包括:
在步骤1)中:
设定MIMO传输环境中,有L个发射天线,P个接收天线,L>1,P>1,接收天线的接收信号向量为:r(n)=H(n)s(n)+w(n),n=0,...,N-1,其中,H(n)为瑞利衰落型信道矩阵,w(n)为加性高斯白噪声,方差为s(n)为信号向量,N为信号样本长度;
记第i根天线的接收信号为ri(n),第j根天线的接收信号为rj(n),延时量为τ,则相关谱模值为:c(k)=|DFT[ri(n)rj(n-τ)]|,k=0,...,N-1,其中i≠j,参与相关谱运算的信号必须来自不同的接收天线,τ>1且取接收信号ri(n)样本点数的0.5倍以下。
在步骤2)中:
取模值平方谱U(k)最大值的0.9倍作为阈值,即然后将模值平方谱中大于该阈值的谱线选出,构成超阈值序列V(k)=U(k)-Vth。
在步骤3)中:
根据二项分布的性质,计算下列辅助参数:
a、参考均值:E(K0)=N[1-FU(Vth)],式中,FU(x)是当空时码为SM时,相关谱模值平方的概率分布,服从指数分布,K0是在此条件下,相关谱模值平方超阈值序列的样本数,E(K0)是相应的理论计算得到的参考均值;
b、参考标准差:S(K0)相应的理论计算得到的K0的标准差。
在步骤4)中:
统计观测得到的模值平方谱超阈值的样本个数K,并取其与参考均值之差的绝对值作为识别统计量,即C=|K-E(K0)|。
在步骤5)中:
根据切比雪夫不等式,选择参考标准差的3倍作为门限,即th=3S(K0)。
在步骤6)中:
当R≥th时,则码型为AL;当R<th时,码型为SM。
本发明的有益效果是:以不同接收天线之间的相关谱为依据,在分析其顺序统计量特征的基础上,提出一种基于切比雪夫不等式的SM/AL空时码识别方法,该方法将相关谱模值平方超阈值序列的个数作为MIMO空时码型的识别的依据,门限计算简单,在较低信噪比时仍具有较好的性能,方法更加简单易于实现,无需估计信号的参数。
附图说明
图1是本发明的识别方法流程图。
图2是相同条件下本发明提出的识别方法与循环平稳频率检验法的性能对比图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
在本发明的方法中,首先选择两根不同接收天线的信号,将两者进行延时相关,然后计算其相关谱模值,并设定相关谱模值最大值作为识别的统计量,将其与特定门限进行比较,若相关谱模的最大值大于门限,则识别为AL码,反之,则识别为SM码型。
图1示出了基于切比雪夫不等式的SM/AL空时码识别方法,具体包括以下步骤:
一、相关谱计算
假设MIMO传输环境中,有L个发射天线,P个接收天线,L>1,P>1,则接收天线的接收信号向量为:
r(n)=H(n)s(n)+w(n),n=0,...,N-1
式中:H(n)为瑞利衰落型信道矩阵,w(n)为加性高斯白噪声(方差为),s(n)为信号向量,N为信号样本长度。
记第i根天线的接收信号为ri(n),记第j根天线的接收信号为rj(n),则相关谱模值平方为:U(k)=|DFT[ri(n)rj(n-τ)]|2,k=0,...,N-1,式中要求i≠j,即参与相关谱运算的信号必须来自不同接收天线,τ为延时量,τ>1且取接收信号ri(n)样本点数的0.5倍以下。
二、超阈值序列构建
取相关谱模值平方U(k)的最大值0.9倍作为阈值,即后将模值平方谱中大于该阈值的谱线选出,构成超阈值序列V(k)=U(k)-Vth。
三、辅助参数计算
根据二项分布的性质,计算下列辅助参数:
a、参考均值:E(K0)=N[1-FU(Vth)],式中,FU(x)是当空时码为SM时,相关谱模值平方的概率分布,服从指数分布;K0是在此条件下,相关谱模值平方超阈值序列的样本数,E(K0)是相应的理论计算得到的均值。
b、参考标准差:E(K0)是相应的理论计算得到的K0的标准差。
四、识别统计量定义
统计观测得到的模值平方谱超阈值的样本个数为K,取其与参考均值之差的绝对值作为识别统计量,即C=|K-E(K0)|。
五、门限设定
根据切比雪夫不等式,选择参考标准差的3倍作为门限,即th=3S(K0)。
六、码型识别
将识别统计量和门限相比较,即若C>th,则码型为AL;否则,码型为SM。
表1说明了本方法的平均识别正确率,假设MIMO传输环境中,有2根发射天线,2根接收天线,则第1根接收天线与第2根的接收信号作延时相关,延时量为20个样本点。信道为瑞利衰落型信道矩阵,附加噪声为加性高斯白噪声,信号发射时共分为2个时隙,每个时隙符号个数为512点,信号采用的调制方式为QPSK调制。信噪比设定范围为-3dB至12dB步长为3dB,每种信噪比时,针对两种不同码型分别各作1000次仿真。
从表1中可看出本方法在以上仿真条件下的正确识别概率:当信噪比大于0dB时,两种码型的识别正确率均在91%以上。
SNR(dB) | -6 | -3 | 0 | 3 | 6 | 9 | 12 |
平均识别正确率 | 0.729 | 0.842 | 0.9125 | 0.9475 | 0.9555 | 0.9625 | 0.9615 |
表1基于切比雪夫不等式的SM/AL空时码识别方法在不同信噪比条件下的性能
图2所示为在表1设定的仿真条件下,本算法与循环平稳频率检测法的性能对比。由图2可见,本发明提出的算法明显优于循环平稳频率检测法。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (7)
1.一种基于切比雪夫不等式的SM/AL空时码识别方法,其特征在于,包括以下步骤:
1)计算两根不同接收天线之间观测信号的延时相关谱模值,并取平方,得到模值平方谱;
2)根据模值平方谱最大值选择阈值,将模值平方谱中大于该阈值的谱线选出,构成超阈值序列;
3)以SM情形下的模值平方谱为依据,计算得到分别用于计算统计量及门限的两个辅助参数,即超阈值样本个数的均值及其标准差,称为参考均值与参考标准差;
4)统计模值平方谱超阈值的样本个数,并取样本个数与参考均值之差的绝对值作为识别统计量;
5)根据切比雪夫不等式,基于参考标准差计算门限;
6)将识别统计量与门限相比较,识别MIMO信号中的SM与AL两种空时编码类型。
2.如权利要求1所述的一种基于切比雪夫不等式的SM/AL空时码识别方法,其特征在于:在步骤1)中:
设定MIMO传输环境中,有L个发射天线,P个接收天线,L>1,P>1,接收天线的接收信号向量为:r(n)=H(n)s(n)+w(n),n=0,...,N-1,其中,H(n)为瑞利衰落型信道矩阵,w(n)为加性高斯白噪声,方差为s(n)为信号向量,N为信号样本长度;
记第i根天线的接收信号为ri(n),第j根天线的接收信号为rj(n),延时量为τ,则相关谱模值为:c(k)=|DFT[ri(n)rj(n-τ)]|,k=0,...,N-1,其中i≠j,参与相关谱运算的信号必须来自不同的接收天线,τ>1且取接收信号ri(n)样本点数的0.5倍以下。
3.如权利要求2所述的一种基于切比雪夫不等式的SM/AL空时码识别方法,其特征在于:在步骤2)中:
取模值平方谱U(k)最大值的0.9倍作为阈值,即然后将模值平方谱中大于该阈值的谱线选出,构成超阈值序列V(k)=U(k)-Vth。
4.如权利要求3所述的一种基于切比雪夫不等式的SM/AL空时码识别方法,其特征在于:在步骤3)中:
根据二项分布的性质,计算下列辅助参数:
a、参考均值:E(K0)=N[1-FU(Vth)],式中,FU(x)是当空时码为SM时,相关谱模值平方的概率分布,服从指数分布,K0是在此条件下,相关谱模值平方超阈值序列的样本数,E(K0)是相应的理论计算得到的参考均值;
b、参考标准差:S(K0)是相应的理论计算得到的K0的标准差。
5.如权利要求4所述的一种基于切比雪夫不等式的SM/AL空时码识别方法,其特征在于:在步骤4)中:
统计观测得到的模值平方谱超阈值的样本个数K,并取其与参考均值之差的绝对值作为识别统计量,即C=|K-E(K0)|。
6.如权利要求5所述的一种基于切比雪夫不等式的SM/AL空时码识别方法,其特征在于:在步骤5)中:
根据切比雪夫不等式,选择参考标准差的3倍作为门限,即th=3S(K0)。
7.如权利要求6所述的一种基于切比雪夫不等式的SM/AL空时码识别方法,其特征在于:在步骤6)中:
当R≥th时,则码型为AL;当R<th时,码型为SM。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710886418.0A CN107528674B (zh) | 2017-09-26 | 2017-09-26 | 一种基于切比雪夫不等式的sm/al空时码识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710886418.0A CN107528674B (zh) | 2017-09-26 | 2017-09-26 | 一种基于切比雪夫不等式的sm/al空时码识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107528674A true CN107528674A (zh) | 2017-12-29 |
CN107528674B CN107528674B (zh) | 2020-08-11 |
Family
ID=60736339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710886418.0A Active CN107528674B (zh) | 2017-09-26 | 2017-09-26 | 一种基于切比雪夫不等式的sm/al空时码识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107528674B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112202696A (zh) * | 2020-10-12 | 2021-01-08 | 青岛科技大学 | 基于模糊自编码器的水声信号自动调制识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080165672A1 (en) * | 2007-01-05 | 2008-07-10 | National Chiao Tung University | Joint channel estimation and data detection method for STBC/OFDM systems |
US20120219095A1 (en) * | 2011-02-25 | 2012-08-30 | Renesas Mobile Corporation | Blind Control Channel Detection |
CN103973411A (zh) * | 2014-04-10 | 2014-08-06 | 沈阳理工大学 | 一种差分空时编码信号盲检测方法 |
CN104393963A (zh) * | 2014-09-30 | 2015-03-04 | 重庆邮电大学 | 基于循环平稳特性的空时分组码mc-cdma信号盲识别方法 |
CN106357574A (zh) * | 2016-09-26 | 2017-01-25 | 金陵科技学院 | 基于顺序统计量的bpsk/qpsk信号调制盲识别方法 |
CN106357369A (zh) * | 2016-09-22 | 2017-01-25 | 金陵科技学院 | 一种基于相关谱超阈值特征的mimo码型识别方法 |
-
2017
- 2017-09-26 CN CN201710886418.0A patent/CN107528674B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080165672A1 (en) * | 2007-01-05 | 2008-07-10 | National Chiao Tung University | Joint channel estimation and data detection method for STBC/OFDM systems |
US20120219095A1 (en) * | 2011-02-25 | 2012-08-30 | Renesas Mobile Corporation | Blind Control Channel Detection |
CN103973411A (zh) * | 2014-04-10 | 2014-08-06 | 沈阳理工大学 | 一种差分空时编码信号盲检测方法 |
CN104393963A (zh) * | 2014-09-30 | 2015-03-04 | 重庆邮电大学 | 基于循环平稳特性的空时分组码mc-cdma信号盲识别方法 |
CN106357369A (zh) * | 2016-09-22 | 2017-01-25 | 金陵科技学院 | 一种基于相关谱超阈值特征的mimo码型识别方法 |
CN106357574A (zh) * | 2016-09-26 | 2017-01-25 | 金陵科技学院 | 基于顺序统计量的bpsk/qpsk信号调制盲识别方法 |
Non-Patent Citations (3)
Title |
---|
EBRAHIM KARAMI: "Identification of SM-OFDM and AL-OFDM Signals Based on Their Second-Order Cyclostationarity", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
YAHIA A. ELDEMERDASH等: "Blind Identification of SM and Alamouti STBC-OFDM Signals", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
YAHIA A. ELDEMERDASH等: "Fourth-Order Statistics for Blind Classification of Spatial Multiplexing and Alamouti Space-Time Block Code Signals", 《IEEE TRANSACTIONS ON COMMUNICATIONS》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112202696A (zh) * | 2020-10-12 | 2021-01-08 | 青岛科技大学 | 基于模糊自编码器的水声信号自动调制识别方法 |
CN112202696B (zh) * | 2020-10-12 | 2022-03-29 | 青岛科技大学 | 基于模糊自编码器的水声信号自动调制识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107528674B (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110855591B (zh) | 一种基于卷积神经网络结构的qam和psk信号类内调制分类方法 | |
CN106357369B (zh) | 一种基于相关谱超阈值特征的mimo码型识别方法 | |
CN110099019B (zh) | 基于深度学习的LoRa调制信号检测方法 | |
CN106130942A (zh) | 一种基于循环谱的无线通信信号调制识别及参数估计方法 | |
CN113595664B (zh) | 一种基于深度学习的多用户宽带通信系统的频谱感知方法 | |
US8706045B2 (en) | Signal detection apparatus and signal detection method | |
CN109951257B (zh) | Stbc-ofdm系统中构造不同分布信号序列的方法 | |
CN102710345B (zh) | 一种基于多天线Friedman检验的认知无线电频谱感知方法 | |
CN104393963A (zh) | 基于循环平稳特性的空时分组码mc-cdma信号盲识别方法 | |
CN107018110B (zh) | 一种基于主成分序列的空频编码盲识别方法 | |
CN111027614B (zh) | 一种噪声增强射频指纹识别方法及装置 | |
US11310083B2 (en) | Method and system for selecting important delay taps of channel impulse response | |
CN108234044B (zh) | 基于混合输入信息的无线设备识别分类器的预处理方法 | |
CN109004996B (zh) | 基于多正弦窗功率谱峰值的信号检测方法 | |
CN107682119B (zh) | 一种基于分组极值模型的mimo空时码识别方法 | |
CN107528674A (zh) | 一种基于切比雪夫不等式的sm/al空时码识别方法 | |
CN101395878A (zh) | 基于信道相干带宽确定ofdm系统中的最大循环时延 | |
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 | |
CN102111228B (zh) | 一种基于循环对称性的认知无线电频谱感知方法 | |
CN107528673B (zh) | 一种基于相关谱峰值检验的sm/al空时码识别方法 | |
CN101771634B (zh) | 一种子载波分组的mimo-ofdm检测方法 | |
CN103259631A (zh) | Mimo系统中基于特征函数的频谱盲检测方法 | |
CN113660185A (zh) | 基于极值分布及小波变换特征的多载波信号类型识别方法 | |
Nerandžić et al. | Impact of AWGN estimation on classification performance of AMC algorithms based on higher order cumulants | |
CN1822579A (zh) | 一种短程无线网络中实时侦听载波信号的方法 |
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 |