CN108736937B - 一种mimo系统码型分类判决门限的简便求解方法 - Google Patents
一种mimo系统码型分类判决门限的简便求解方法 Download PDFInfo
- Publication number
- CN108736937B CN108736937B CN201810489978.7A CN201810489978A CN108736937B CN 108736937 B CN108736937 B CN 108736937B CN 201810489978 A CN201810489978 A CN 201810489978A CN 108736937 B CN108736937 B CN 108736937B
- Authority
- CN
- China
- Prior art keywords
- decision threshold
- solving
- formula
- mimo system
- function
- 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
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
- 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
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Transmission System (AREA)
Abstract
本发明提供了一种MIMO系统码型分类判决门限的简便求解方法,步骤包括:识别统计量构建、建立判决门限求解方程、计算归一化常数以及求解判决门限。该简便求解方法利用极值定理,针对不完全Gamma函数的求逆问题,用Gumbel分布函数近似独立同分布Gamma随机变量的最大值分布,通过计算Gumbel分布函数归一化常数bm得到方程的闭合解;利用该简便求解方法可以得到具有2根以上接收天线情形下判决门限的闭合解;该简便求解方法的计算效率高,且易于硬件实现,在一定条件下可以拓展到其它相关处理中。
Description
技术领域
本发明涉及一种判决门限的简便求解方法,尤其是一种MIMO系统码型分类判决门限的简便求解方法。
背景技术
近年来,服从中心卡方分布的随机向量最大值作为一种重要的识别统计量被广泛应用于调制方式估计、编码类型识别以及GNSS接收机的卫星捕获中。对于MIMO系统中的编码类型,可通过计算任意两根天线互相关函数的最大值进行识别。针对接收天线为2的情形,其识别判决门限可以通过闭合解析式计算得到。然而,当接收天线的数量超过2时,则互相关函数最大值的累积分布函数将包含不完全Gamma函数,若要求取识别门限,必然需要涉及不完全Gamma函数逆的求解问题,但在接收天线数量超过2的情形下,很难给出其解析解,因此实际应用中通常利用牛顿迭代,Bisection等数值解法进行求取。尽管数值解法具有较高的计算精度,但其计算复杂度也较高,不便在DSP平台中实现,从而限制了其工程应用前景。
发明内容
本发明要解决的技术问题是现有的求解方法计算复杂度高,不便在DSP平台中实现,限制了其工程应用前景。
为了解决上述技术问题,本发明提供了一种MIMO系统码型分类判决门限的简便求解方法,包括以下步骤:
步骤1,识别统计量构建:针对MIMO系统中编码类型的分类识别问题,构建识别统计量γ,将MIMO系统中编码类型的分类识别问题转化为二元假设检验问题;
步骤2,建立判决门限求解方程:利用Gumbel函数代替门限求解中的不完全Gamma函数,并对判决门限的解析式用一阶泰勒级数展开,得到判决门限求解的近似方程;
步骤3,计算归一化常数:根据极值理论,计算归一化常数bm;
步骤4,求解判决门限:利用步骤2中的判决门限求解方程以及步骤3中得到的归一化常数结果求解判决门限的闭合解。
进一步地,步骤1中,将分类识别问题转化为二元假设检验问题的具体步骤为:
针对MIMO系统中编码类型的分类识别问题,以任意两根接收天线之间互相关函数的最大值为统计量,统计量可以定义为:
Υ=max Fc(τ)
根据恒虚警准则,设虚警概率为pfa,则通过下式求得判决门限λ:
(1-pfa)1/(N+v)=P(Nc,λ/2)
式中,P(Nc,λ/2)为不完整Gamma函数,N为接收信号的样本长度,v为循环前缀的长度,v值设置为N/4;
将MIMO系统中编码类型的分类识别转化为如下的二元假设检验问题:
H0:编码方案为空间复用码
H1:编码方案为空时分组码
若Υ<λ,判为H0,反之,则判为H1。
进一步地,步骤2中,得到判决门限求解的近似方程的具体步骤为:
由于服从中心卡方分布的随机向量的累积分布函数和概率密度函数由下式求得:
F(x;Nc,2)=P(Nc,x/2)
式中,F(x;Nc,2)是Gamma分布,其形状参数为Nc,尺度参数为2;
因此有:
(1-pfa)1/(N+v)=F(λ;Nc,2)
于是判决门限通过下式求得:
λ=F-1[(1-pfa)1/(N+v)]
对于底分布函数为F(x;Nc,2)的随机向量,用Mn=max(X1,X2,....Xn)表示该随机序列的最大值,若存在常数则式成立,式中G(x)=exp{-e-x},x∈R为Gumbel分布的分布函数,而归一化常数bn为:
由于pfa<<1,利用一阶泰勒级数将(1-pfa)1/(N+v)展开得到:
显然,(N+v)/Pfa>>1,因此取其整数部分,令m≈int[(N+v)/Pfa],同时式中的高阶分量忽略,上式进一步转化为:
因此,判决门限求解的近似方程为:
进一步地,步骤3中,计算归一化常数bm的具体步骤为:
根据接收信号长度N、循环前缀的长度v、虚警概率为pfa、接收天线数量Nr以及等效整数m计算归一化常数bm为:
bm=2{ln[m/Γ(Nc)]+(Nc-1)lnBm+
[(Nc-1)2lnBm-(Nc-1)2ln(Nc-1)+Nc-1]/Bm}
式中,Bm=ln[m/Γ(Nc)]+(Nc-1)ln(Nc-1),Г(x)为Gamma函数。
进一步地,步骤4中,求解判决门限的闭合解的公式为:
将步骤3中所计算的归一化常数bm代入上式,即可得到判决门限λ的闭合解。
本发明的有益效果在于:该简便求解方法利用极值定理,针对不完全Gamma函数的求逆问题,用Gumbel分布函数近似独立同分布Gamma随机变量的最大值分布,通过计算Gumbel分布函数归一化常数bm得到方程的闭合解;利用该简便求解方法可以得到具有2根以上接收天线情形下判决门限的闭合解;该简便求解方法的计算效率高,且易于硬件实现,在一定条件下可以拓展到其它相关处理中。
附图说明
图1为本发明的方法流程图;
图2为本发明的不同接收天线数量条件下MIMO系统中空时分组码识别判决门限计算结果图;
图3为本发明的不同样本数量时算法的性能比较。
具体实施方式
如图1所示,本发明公开了一种MIMO系统码型分类判决门限的简便求解方法,包括以下步骤:
步骤1,识别统计量构建:针对MIMO系统中编码类型的分类识别问题,构建识别统计量γ,将MIMO系统中编码类型的分类识别问题转化为二元假设检验问题;
步骤2,建立判决门限求解方程:利用Gumbel函数代替门限求解中的不完全Gamma函数,并对判决门限的解析式用一阶泰勒级数展开,得到判决门限求解的近似方程;
步骤3,计算归一化常数:根据极值理论,计算归一化常数bm;
步骤4,求解判决门限:利用步骤2中的判决门限求解方程以及步骤3中得到的归一化常数结果求解判决门限的闭合解。
进一步地,步骤1中,将分类识别问题转化为二元假设检验问题的具体步骤为:
针对MIMO系统中编码类型的分类识别问题,以任意两根接收天线之间互相关函数的最大值为统计量,统计量可以定义为:
Υ=max Fc(τ)
根据恒虚警准则,设虚警概率为pfa,则通过下式求得判决门限λ:
(1-pfa)1/(N+v)=P(Nc,λ/2)
式中,P(Nc,λ/2)为不完整Gamma函数,N为接收信号的样本长度,v为循环前缀的长度,v值设置为N/4;
将MIMO系统中编码类型的分类识别转化为如下的二元假设检验问题:
H0:编码方案为空间复用码
H1:编码方案为空时分组码
若Υ<λ,判为H0,反之,则判为H1。
进一步地,根据步骤1可知,MIMO系统中码型分类识别的判决门限求解问题可以转化为对不完全Gamma函数逆的求解,为了提出不完全Gamma函数逆的闭合解求解方法,需对方程中所涉及的参数进行分析,在实际应用中,虚警概率pfa为小数且数值较小,如0.01、0.001等;Nc为整数,当Nr>2时其数值大于3;N+v大于接收信号的长度,为了得到不完全Gamma逆函数的解析表达式,可以引入极值理论,将该问题转化为对服从中心卡方分布随机向量的最大值极限分布的归一化常数bm的计算,因此,步骤2中,得到判决门限求解的近似方程的具体步骤为:
由于服从中心卡方分布的随机向量的累积分布函数和概率密度函数由下式求得:
F(x;Nc,2)=P(Nc,x/2)
式中,F(x;Nc,2)是Gamma分布,其形状参数为Nc,尺度参数为2;
因此有:
(1-pfa)1/(N+v)=F(λ;Nc,2)
于是判决门限通过下式求得:
λ=F-1[(1-pfa)1/(N+v)]
对于底分布函数为F(x;Nc,2)的随机向量,用Mn=max(X1,X2,....Xn)表示该随机序列的最大值,若存在常数则式成立,式中G(x)=exp{-e-x},x∈R为Gumbel分布的分布函数,而归一化常数bn为:
由于pfa<<1,利用一阶泰勒级数将(1-pfa)1/(N+v)展开得到:
显然,(N+v)/Pfa>>1,因此取其整数部分,令m≈int[(N+v)/Pfa],同时式中的高阶分量忽略,上式进一步转化为:
因此,判决门限求解的近似方程为:
进一步地,步骤3中,计算归一化常数bm的具体步骤为:
根据接收信号长度N、循环前缀的长度v、虚警概率为pfa、接收天线数量Nr以及等效整数m计算归一化常数bm为:
bm=2{ln[m/Γ(Nc)]+(Nc-1)lnBm+
[(Nc-1)2lnBm-(Nc-1)2ln(Nc-1)+Nc-1]/Bm}
式中,Bm=ln[m/Γ(Nc)]+(Nc-1)ln(Nc-1),Γ(x)为Gamma函数。
进一步地,步骤4中,求解判决门限的闭合解的公式为:
将步骤3中所计算的归一化常数bm代入上式,即可得到判决门限λ的闭合解。
如图2所示,为不同接收天线数量条件下MIMO系统中空时分组码识别判决门限计算结果图,图中分别对不同条件下利用本文所提出的求解算法和利用数值法所得的识别判决门限计算结果进行了仿真。仿真中,虚警概率pfa分别为0.001,0.0001,0.00001,样本长度N为1024。可见,当接收天线数量Nr≤5时,两种方法下所得到的判决门限能较好的吻合,但随着接收天线数量的增加,本发明所提出的求解方法的计算精度呈下降趋势。然而,对于实际的4G通信系统,接收天线数量通常在2~4个,本文算法完全可以达到其精度要求。
如图3所示,为对于接收信号选取不同样本点数的情形下闭合解的计算误差仿真条件为虚警概率为pfa=0.0001,样本点数N分别为256、512、1024、2048。可见,一方面,在接收天线数量一定时,随着样本点数的增加闭合解计算误差将减小;另一方面,闭合解计算误差随着接收天线数量的增加而提高。
Claims (4)
1.一种MIMO系统码型分类判决门限的简便求解方法,其特征在于,包括以下步骤:
步骤1,识别统计量构建:针对MIMO系统中编码类型的分类识别问题,构建识别统计量γ,将MIMO系统中编码类型的分类识别问题转化为二元假设检验问题;
步骤2,建立判决门限求解方程:利用Gumbel函数代替门限求解中的不完全Gamma函数,并对判决门限的解析式用一阶泰勒级数展开,得到判决门限求解的近似方程;
步骤3,计算归一化常数:根据极值理论,计算归一化常数bm;
步骤4,求解判决门限:利用步骤2中的判决门限求解方程以及步骤3中得到的归一化常数结果求解判决门限的闭合解;
步骤1中,将分类识别问题转化为二元假设检验问题的具体步骤为:
针对MIMO系统中编码类型的分类识别问题,以任意两根接收天线之间互相关函数的最大值为统计量,统计量可以定义为:
Υ=maxFc(τ)
根据恒虚警准则,设虚警概率为pfa,则通过下式求得判决门限λ:
(1-pfa)1/(N+v)=P(Nc,λ/2)
式中,P(Nc,λ/2)为不完整Gamma函数,N为接收信号的样本长度,v为循环前缀的长度,v值设置为N/4;
将MIMO系统中编码类型的分类识别转化为如下的二元假设检验问题:
H0:编码方案为空间复用码
H1:编码方案为空时分组码
若Υ<λ,判为H0,反之,则判为H1。
2.根据权利要求1所述的MIMO系统码型分类判决门限的简便求解方法,其特征在于,步骤2中,得到判决门限求解的近似方程的具体步骤为:
由于服从中心卡方分布的随机向量的累积分布函数和概率密度函数由下式求得:
F(x;Nc,2)=P(Nc,x/2)
式中,F(x;Nc,2)是Gamma分布,其形状参数为Nc,尺度参数为2;
因此有:
(1-pfa)1/(N+v)=F(λ;Nc,2)
于是判决门限通过下式求得:
λ=F-1[(1-pfa)1/(N+v)]
对于底分布函数为F(x;Nc,2)的随机向量,用Mn=max(X1,X2,....Xn)表示该随机序列的最大值,若存在常数bn>0,则式成立,式中G(x)=exp{-e-x},x∈R为Gumbel分布的分布函数,而归一化常数bn为:
由于pfa<<1,利用一阶泰勒级数将(1-pfa)1/(N+v)展开得到:
显然,(N+v)/Pfa>>1,因此取其整数部分,令m≈int[(N+ν)/Pfa],同时式中的高阶分量忽略,上式进一步转化为:
因此,判决门限求解的近似方程为:
3.根据权利要求2所述的MIMO系统码型分类判决门限的简便求解方法,其特征在于,步骤3中,计算归一化常数bm的具体步骤为:
根据接收信号长度N、循环前缀的长度v、虚警概率为pfa、接收天线数量Nr以及等效整数m计算归一化常数bm为:
bm=2{ln[m/Γ(Nc)]+(Nc-1)lnBm+[(Nc-1)2lnBm-(Nc-1)2ln(Nc-1)+Nc-1]/Bm}
式中,Bm=ln[m/Γ(Nc)]+(Nc-1)ln(Nc-1),Γ(x)为Gamma函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810489978.7A CN108736937B (zh) | 2018-05-21 | 2018-05-21 | 一种mimo系统码型分类判决门限的简便求解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810489978.7A CN108736937B (zh) | 2018-05-21 | 2018-05-21 | 一种mimo系统码型分类判决门限的简便求解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108736937A CN108736937A (zh) | 2018-11-02 |
CN108736937B true CN108736937B (zh) | 2021-03-26 |
Family
ID=63937757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810489978.7A Active CN108736937B (zh) | 2018-05-21 | 2018-05-21 | 一种mimo系统码型分类判决门限的简便求解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108736937B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8238463B1 (en) * | 2007-06-14 | 2012-08-07 | University Of South Florida | Reception and measurement of MIMO-OFDM signals with a single receiver |
CN104202106B (zh) * | 2014-09-26 | 2016-04-20 | 哈尔滨工业大学 | 移动场景中基于信任度的协作频谱感知方法 |
US9967028B2 (en) * | 2014-10-22 | 2018-05-08 | Indian Institute Of Technology Delhi | System and a method for free space optical communications |
CN104869096B (zh) * | 2015-04-30 | 2018-02-06 | 南京信息职业技术学院 | 基于Bootstrap的BPSK信号盲处理结果可信性检验方法 |
CN106169945A (zh) * | 2016-07-04 | 2016-11-30 | 广东工业大学 | 一种基于最大最小特征值之差的协作频谱感知方法 |
-
2018
- 2018-05-21 CN CN201810489978.7A patent/CN108736937B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108736937A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Elvira et al. | A gradient adaptive population importance sampler | |
CN104506378B (zh) | 一种预测数据流量的装置及方法 | |
CN110210330B (zh) | 基于内隐知识构建图卷积网络的电磁信号识别方法及装置 | |
CN104977558A (zh) | 一种基于贝叶斯压缩感知的分布源中心波达方向估计方法 | |
CN113259031B (zh) | 一种面向卫星频谱态势生成的底噪拟合与消除方法 | |
CN114268388B (zh) | 一种在大规模mimo中基于改进gan网络的信道估计方法 | |
CN104360334A (zh) | 相关噪声背景下基于特征值mimo雷达目标盲检测方法 | |
Zhao et al. | UWB radar target detection based on hidden markov models | |
CN108736937B (zh) | 一种mimo系统码型分类判决门限的简便求解方法 | |
CN108318748B (zh) | 一种基站电磁辐射强度相似度评估方法 | |
US9407339B2 (en) | Monotonic optimization method for achieving the maximum weighted sum-rate in multicell downlink MISO systems | |
CN107561501A (zh) | 一种基于改进music算法的测向方法 | |
CN115883297A (zh) | 一种基于信源参数估计的超大规模mimo混合场信道估计方法 | |
Hsieh et al. | Fast OMP: Reformulating OMP via iteratively refining ℓ 2-norm solutions | |
He et al. | Compressive channel estimation and user activity detection in distributed-input distributed-output systems | |
CN108234083A (zh) | 一种多天线空时分组码识别门限的快速确定方法 | |
Martino et al. | Orthogonal MCMC algorithms | |
Martino et al. | Parallel interacting Markov adaptive importance sampling | |
Koziel et al. | Accelerated antenna optimization using gradient search with selective Broyden updates | |
CN104363078B (zh) | 基于鲁棒竞争聚类的欠定系统实正交空时分组码盲识别方法 | |
CN115932721B (zh) | 超宽带射频天线的近距离探测系统及其方法 | |
Garcia-Ariza et al. | Computing the closest positive definite correlation matrix for experimental MIMO channel analysis | |
Bolkhovskaya et al. | Determination of threshold values of the generalized likelihood ratio in the problem of detecting partially coherent spatial signals in the case of short samples | |
Li et al. | Joint channel parameter estimation using evolutionary algorithm | |
Tabaa et al. | NLOS Identification for UWB Body Communications |
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 |