CN111262802A - 非合作通信下基于信源特性的盲信道估计模糊度消除方法 - Google Patents

Abstract

本发明提出了一种用于非合作MIMO通信基于信源特性的盲信道估计模糊度消除方法，用于解决现有技术中系统误码率较高的技术问题，实现步骤为：获取非合作MIMO系统发射天线序号排列的顺序序列；构建发射天线排序初等矩阵集合；构建模糊度遍历矩阵集合；构建发射信号估计矩阵；构建带模糊度的发射信号估计矩阵集合；计算奇异值矩阵集合；基于信源特性计算消除模糊度后的发射信号。本发明对所有天线排序模糊度和符号模糊度的可能出现情况进行组合，利用信源特性判断带模糊度的发射估计矩阵的奇异值累积速度，得到消除模糊度后的盲信道估计矩阵，降低了系统误码率，提高了恢复出正确的发射信号的概率，进而提升系统通信的可靠性。

Description

非合作通信下基于信源特性的盲信道估计模糊度消除方法

技术领域

本发明属于无线通信技术领域，涉及一种盲信道估计模糊度消除方法，具体涉及一种用于非合作MIMO通信基于信源特性的盲信道估计模糊度消除方法，可应用于信号识别等场景。

背景技术

MIMO(Multiple-Input Multiple-Output，多输入多输出)通信系统中，发射天线向接收天线发送信号时产生信道，对信道的信道估计是指接收端获得信道状态信息(Channel State Information，CSI)的过程和方法。信道估计方法分为：利用导频信息的非盲信道估计方法、不使用导频信息的盲信道估计方法以及使用部分导频信息的半盲信道估计方法。MIMO通信系统又可分为合作通信场景和非合作通信场景。在合作通信场景下，接收端需要利用导频信息进行信道估计来获得信道状态信息，然后使用信道状态信息来恢复出发射端的信号。在非合作MIMO通信场景下，接收端在对信道进行信道估计时，无法获取合作收发端的导频信息，因此无法使用非盲信道估计方法及半盲信道估计方法，只能采用盲信道估计方法。但是，在使用盲信道估计方法得到盲信道估计值时，存在天线排序模糊度问题和符号模糊度问题，天线模糊度问题指的是天线可能存在某些天线排列顺序错误，符号模糊度问题指的是每个符号可能存在错误的相位旋转。如果不能将模糊度去除，则严重影响信道的估计值，导致系统误码率的提高，恢复正确发射信号的概率降低，系统通信的可靠性较低，其中，系统误码率指的是恢复出的发射信号的出错数据量占总数据量的比例。

例如申请公布号为CN103763222A，名称为“一种MIMO信号盲检测中的信道模糊度去除方法”的专利申请，公开了一种非合作MIMO信号盲检测中的信道模糊度去除方法，该方法首先通过将MIMO系统的信道划分为多个SIMO系统信道，消除天线排序所产生的天线排序模糊度影响，然后对各个SIMO系统信道进行盲信道估计，再通过均衡和估计后将这SIMO系统信道参数组成MIMO信道矩阵，获得MIMO信道估计值。该方法主要用来降低系统误码率，提高恢复出正确发射信号的概率，提升通信可靠性，但是其存在的不足之处在于，该方法只对天线排序模糊度进行了消除，缺少对符号模糊度的消除，导致系统误码率的降低不够理想。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提出了一种用于非合作MIMO通信基于信源特性的盲信道估计模糊度消除方法，用于解决现有技术中存在的系统误码率较高的技术问题。

为实现上述目的，本发明采取的技术方案包括如下步骤：

(1)获取非合作MIMO系统发射天线序号排列的顺序序列：

对包括n个发射天线和m个接收天线的非合作MIMO系统中的每个发射天线进行标注，并对n个标注后的发射天线进行全排列，得到n！个发射天线序号排列的顺序序列，其中，n≥2，m≥2；

(2)构建发射天线排序初等矩阵集合H_s：

(2a)构建排列单位行向量集合I＝{I₁,I₂,…，I_i,…I_n}，其中，I_i表示第i个单位行向量，I_i＝[c₁,c₂,…,c_j,…c_n]，c_j表示第j个元素的值，当j＝i时c_j＝1，当j≠i时c_j＝0；

(2b)按发射天线序号排列的顺序序列对I进行排列，得到发射天线排序初等矩阵集合

其中，

表示第k个发射天线排序初等矩阵，n！表示与发射天线序号排列的顺序序列个数对应的发射天线排序初等矩阵的个数；

(3)构建模糊度遍历矩阵集合H：

(3a)设符号遍历系数为α，符号遍历列向量集合为M，并令α＝0，M＝{}；

(3b)对α个-1和n-α个1进行全排列，得到子符号遍历列向量集合

并将M更新为M∪M′，其中，M_ζ表示第ζ个长度为n的子符号遍历列向量，

(3c)令α+1，并判断α＝n+1是否成立，若是，得到符号遍历列向量集合M，

并执行步骤(3d)，否则，执行步骤(3b)，其中，M_r为第r个子符号遍历列向量；

(3d)以M_r中的n个元素为主对角线、以0为其余元素构建符号遍历对角矩阵

并将2ⁿ个符号遍历矩阵组合为符号遍历矩阵集合H_c，

(3e)计算H_s与H_c的笛卡尔积，得到过渡矩阵组集合H′，

并将

中的

和

相乘所得到的2ⁿ×n！个模糊度遍历矩阵

组合为模糊度遍历矩阵集合H，

其中，H_g表示第g个模糊度遍历矩阵；

(4)构建发射信号估计矩阵

(4a)将像素大小为x×z的原始灰度图像中的每个像素点转换为二进制像素点，转换后二进制像素点的位数若不满8位，在其左侧补零，得到像素大小为x×(z×8)的灰度图像，并将其作为每个发射天线的发射信号，发送至每个接收天线，其中，x≥2⁸,z≥2⁸；

(4b)对m个接收天线对接收到的n个发射信号进行组合，得到大小为m×(x×z×8/n)的接收信号矩阵Y；

(4c)对Y进行盲信道估计，得到大小为m×n的盲信道估计矩阵A，并通过A的取逆结果A^-1和接收信号矩阵Y，计算发射信号估计矩阵

(5)构建带模糊度的发射信号估计矩阵集合P：

对H中的每一个模糊度遍历矩阵H_g与发射信号估计矩阵

进行乘积运算，得到带模糊度的发射信号估计矩阵集合P：

其中，P_g表示第g个带模糊度的发射信号估计矩阵，

为第h个发射信号估计列向量；

(6)计算奇异值矩阵集合S：

(6a)设像素估计矩阵集合U，并令g＝1，U＝{}；

(6b)按照从前到后的顺序对P_g中x×z×8/n个发射信号估计列向量进行拼接，得到长度为x×z×8的估计列向量

以8为单位长度对V_g按从上至下的顺序进行切分，得到包括x×z个估计子列向量的估计子列向量集合

其中，

表示第b个值为0或1的元素，

表示第u个估计子列向量，[·]^T表示转置；

(6c)将

中每个

所包含的元素进行合并后进行十进制转换，得到包括x×z个十进制数的十进制数集合

将

中由前到后排列的x×z个十进制数转化为自上而下排列的像素点估计列向量

其中，

表示第u个十进制数；

(6d)以z为单位长度对V_g′按从上至下的顺序进行切分，得到包括x个像素点估计子向量的像素点估计子列向量集合

并对V_g″进行转置，得到转置子向量集合

其中，

表示第δ个像素点估计子列向量；

(6e)将V_g″′中由前到后排列的x个转置子向量转化为自上而下排列的像素估计矩阵

并将U更新为U∪U_g，判断g＝2ⁿ×n！是否成立，若是，得到像素估计矩阵集合U，

并执行步骤(6f)，否则，令g＝g+1，并执行步骤(6b)；

(6f)对U内每个像素估计矩阵U_g进行奇异值分解，得到奇异值矩阵集合

其中，S_g表示第g个奇异值矩阵；

(7)基于信源特性计算消除模糊度后的盲信道估计矩阵A_done：

(7a)设累积速度值为ρ，奇异值矩阵序号值为

并令g＝1，ρ＝x×z×24，

(7b)构造长度均为q的奇异值向量E_g和累积量向量T_g：

其中，

表示第a个奇异值向量元素值，

表示第d个累积量向量元素值，

diag(·)表示S_g主对角线上的元素组成的列向量；

(7c)通过T_g以及E_g中所有元素的和s_g计算信源特性向量

其中，

表示第d个信源特性值，

(7d)令d＝1；

(7e)判断

是否成立，若是，执行步骤(7f)，否则，执行步骤(7g)；

(7f)判断d＜ρ是否成立，若是，令ρ＝d，

并执行步骤(7h)，否则，执行步骤(7h)；

(7g)令d＝d+1，执行步骤(7e)；

(7h)判断g＝2ⁿ×n！是否成立，若是，将P中的第

个带模糊度的发射信号估计矩阵

作为消除模糊度后的发射信号P_done，否则，令g＝g+1，并执行步骤(7b)；

(7i)通过P_done的取逆结果(P_done)^-1与步骤(4b)中的接收信号矩阵Y计算消除模糊度后的盲信道估计矩阵A_done＝Y×(P_done)^-1。

本发明与现有技术相比，具有以下优点：

本发明组合了每种可能存在的天线排序模糊度和每种可能存在的符号模糊度得到像素估计矩阵集合，再将每个像素估计矩阵的奇异值累积量向量与其奇异值的和的比值作为信源特性向量，通过比较每个信源特性向量，找到信源特性最快到达0.7的信源特性向量，通过该信源特性向量计算消除模糊度后的盲信道估计矩阵。避免了现有技术仅能消除天线排序模糊度导致的系统误码率较高的缺陷，有效提高了恢复出正确发射信号的概率，系统通信的可靠性较高。

附图说明

图1是本发明的实现流程图；

图2是本发明中非合作MIMO系统的结构示意图。

具体实施方式

下面结合附图和具体实施例，对本发明作进一步详细说明。

参照图1，本发明包括如下步骤：

步骤1)获取非合作MIMO系统发射天线序号排列的顺序序列：

构建如图2所示的非合作MIMO系统，该系统包括n个发射天线和m个接收天线，p₁,p₂,…,p_n分别对应每个发射天线发送的发射信号，y₁,y₂,…,y_n分别对应每个接收天线接收的n个发射信号，非合作是指接收方无法对其进行半盲信道估计或非盲信道估计，只能对接收信号矩阵进行盲信道估计得到盲信道估计矩阵；每个发射天线分别发送发射信号至每个接收天线，每个接收天线接收到的n个发射信号进行组合得到接收信号矩阵，将非合作MIMO系统中的每个发射天线进行标注，并对n个标注后的发射天线进行全排列，得到n！个发射天线序号排列的顺序序列，其中，n≥2，m≥2，在本实施例中，n＝2，m＝2；

步骤2)构建发射天线排序初等矩阵集合H_s：

步骤2a)构建排列单位行向量集合I＝{I₁,I₂,…，I_i,…I_n}，其中，I_i表示第i个单位行向量，I_i＝[c₁,c₂,…,c_j,…c_n]，c_j表示第j个元素的值，当j＝i时c_j＝1，当j≠i时c_j＝0；

步骤2b)针对天线排序模糊度的可能情况，按发射天线序号排列的顺序序列对I进行排列，得到发射天线排序初等矩阵集合

其中，

表示第k个发射天线排序初等矩阵，n！表示与发射天线序号排列的顺序序列个数对应的发射天线排序初等矩阵的个数，本实施例中共2种天线排列方式，对应发射天线排序初等矩阵集合为

步骤3)构建模糊度遍历矩阵集合H：

步骤3a)为解决符号模糊度问题，对所有可能的符号变化情况构造得到对应的符号遍历列向量集合，通过每个符号遍历列向量构造成符号遍历矩阵，每个符号遍历矩阵对应一种符号模糊度的可能性；设符号遍历系数为α，符号遍历列向量集合为M，并令α＝0，M＝{}；

步骤3b)对α个-1和n-α个1进行全排列，得到子符号遍历列向量集合

并将M更新为M∪M′，其中，M_ζ表示第ζ个长度为n的子符号遍历列向量，

∪表示逻辑“并”；

步骤3c)令α+1，并判断α＝n+1是否成立，若是，得到符号遍历列向量集合M，

并执行步骤(3d)，否则，执行步骤(3b)，其中，M_r为第r个子符号遍历列向量；

步骤3d)以M_r中的n个元素为主对角线、以0为其余元素构建符号遍历对角矩阵

并将2ⁿ个符号遍历矩阵组合为符号遍历矩阵集合H_c，

本实施例中得到的符号遍历矩阵集合为

步骤3e)综合考虑天线排序模糊度及符号模糊度的影响，根据表达式H′＝{(η,γ)|η∈H_s∩γ∈H_c}，计算H_s与H_c的笛卡尔积，得到过渡矩阵组集合H′，

并将

中的

和

相乘所得到的2ⁿ×n！个模糊度遍历矩阵

组合为模糊度遍历矩阵集合H，

其中，H_g表示第g个模糊度遍历矩阵，∩表示逻辑“且”；

步骤4)构建发射信号估计矩阵

步骤4a)将像素大小为x×z的原始灰度图像中的每个像素点转换为二进制像素点，转换后二进制像素点的位数若不满8位，在其左侧补零，得到像素大小为x×(z×8)的灰度图像，并将其作为每个发射天线的发射信号，发送至每个接收天线，其中，x≥2⁸,z≥2⁸，原始灰度图像也可以为彩色图像或音频，实际情况中，接收端通过信号检测判断发射信号的类型和大小后就可继续进行步骤(4b)；在本实施例中采用像素大小为512×512的原始灰度图像，原始灰度图像的每个像素点的值为0～255的十进制数，将每个像素点做二进制转换后得到的每个二进制像素点对应的最大位数为8，将所有二进制像素点以8位补齐，确保信号结构的统一性；

步骤4b)对m个接收天线对接收到的n个发射信号进行组合，得到大小为m×(x×z×8/n)的接收信号矩阵Y；

步骤4c)对Y进行盲信道估计，得到大小为m×n的盲信道估计矩阵A，并通过A的取逆结果A^-1和接收信号矩阵Y，计算发射信号估计矩阵

步骤5)构建带模糊度的发射信号估计矩阵集合P：

对H中的每一个模糊度遍历矩阵H_g与发射信号估计矩阵

进行乘积运算，得到带模糊度的发射信号估计矩阵集合P，：

将处理盲信道估计矩阵模糊度的问题转化为处理带模糊度的发射信号中模糊度的问题，能够通过发射信号将带模糊度的发射信号构造为结构相同的矩阵形式，可直接按位对比带模糊度的发射信号与原始图像信号；P_g表示第g个带模糊度的发射信号估计矩阵，

为第h个发射信号估计列向量；

步骤6)计算奇异值矩阵集合S：

步骤6a)设像素估计矩阵集合U，并令g＝1，U＝{}；

步骤6b)每个接收天线均得到二进制数据，需要将其按原始灰度图像处理中的长度8重新切分，并经过十进制转换得到与原始灰度图像数据量一致的十进制数据；按照从前到后的顺序对P_g中x×z×8/n个发射信号估计列向量进行拼接，得到长度为x×z×8的估计列向量

以8为单位长度对V_g按从上至下的顺序进行切分，得到包括x×z个估计子列向量的估计子列向量集合

其中，

表示第b个值为0或1的元素，

表示第u个估计子列向量，[·]^T表示转置；

步骤6c)将

中每个

所包含的元素进行合并后进行十进制转换，得到包括x×z个十进制数的十进制数集合

将

中由前到后排列的x×z个十进制数转化为自上而下排列的像素点估计列向量

其中，

表示第u个十进制数；

步骤6d)以z为单位长度对V_g′按从上至下的顺序进行切分，得到包括x个像素点估计子向量的像素点估计子列向量集合

并对V_g″进行转置，得到转置子向量集合

其中，

表示第δ个像素点估计子列向量；

步骤6e)将得到的所有像素点按照原始灰度图像的尺寸，按先行后列的顺序重新排列为像素估计矩阵；将V_g″′中由前到后排列的x个转置子向量转化为自上而下排列的像素估计矩阵

并将U更新为U∪U_g，判断g＝2ⁿ×n！是否成立，若是，得到像素估计矩阵集合U，

并执行步骤(6f)，否则，令g＝g+1，并执行步骤(6b)；

步骤6f)对U内每个像素估计矩阵U_g进行奇异值分解，得到奇异值矩阵集合

其中，S_g表示第g个奇异值矩阵；

步骤7)基于信源特性计算消除模糊度后的盲信道估计矩阵A_done：

步骤7a)设累积速度值为ρ，奇异值矩阵序号值为

并令g＝1，ρ＝x×z×24，

步骤7b)构造长度均为q的奇异值向量E_g和累积量向量T_g：

其中，

表示第a个奇异值向量元素值，

表示第d个累积量向量元素值，

diag(·)表示S_g主对角线上的元素组成的列向量；

步骤7c)通过T_g以及E_g中所有元素的和s_g计算信源特性向量

其中，

表示第d个信源特性值，

信源特性向量表征了奇异值的累积速度快慢，奇异值累计速度最快的信源特性向量所对应的像素估计矩阵最接近原始图像信号，即消除了天线排序模糊度和排序模糊度；

步骤7d)令d＝1；

步骤7e)判断

是否成立，若是，执行步骤(7f)，否则，执行步骤(7g)；

步骤7f)判断d＜ρ是否成立，若是，令ρ＝d，

并执行步骤(7h)，否则，执行步骤(7h)，其中，ρ为所有信源特性向量中信源特性到达0.7时对应位置d的最小值，

为ρ对应的第g个信源特性向量的g值；

步骤7g)令d＝d+1，执行步骤(7e)；

步骤7h)判断g＝2ⁿ×n！是否成立，若是，通过对所有信源特性向量进行比较后得到的

为第

个信源特性向量所对应的奇异值矩阵，该奇异值矩阵所对应的带模糊度的发射信号估计矩阵，即为消除模糊度后的发射信号P_done，否则，令g＝g+1，并执行步骤(7b)；

步骤7i)通过P_done的取逆结果(P_done)^-1与接收信号矩阵Y计算消除模糊度后的盲信道估计矩阵A_done＝Y×(P_done)^-1。

以上是对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (2)

1.一种用于非合作MIMO通信的基于信源特性的盲信道估计模糊度消除方法，其特征在于，包括如下步骤：

(1)获取非合作MIMO系统发射天线序号排列的顺序序列：

对包括n个发射天线和m个接收天线的非合作MIMO系统中的每个发射天线进行标注，并对n个标注后的发射天线进行全排列，得到n！个发射天线序号排列的顺序序列，其中，n≥2，m≥2；

(2)构建发射天线排序初等矩阵集合H_s：

(2a)构建排列单位行向量集合I＝{I₁,I₂,…，I_i,…I_n}，其中，I_i表示第i个单位行向量，I_i＝[c₁,c₂,…,c_j,…c_n]，c_j表示第j个元素的值，当j＝i时c_j＝1，当j≠i时c_j＝0；

(2b)按发射天线序号排列的顺序序列对I进行排列，得到发射天线排序初等矩阵集合

其中，

表示第k个发射天线排序初等矩阵，n！表示与发射天线序号排列的顺序序列个数对应的发射天线排序初等矩阵的个数；

(3)构建模糊度遍历矩阵集合H：

(3a)设符号遍历系数为α，符号遍历列向量集合为M，并令α＝0，M＝{}；

(3b)对α个-1和n-α个1进行全排列，得到子符号遍历列向量集合

并将M更新为M∪M′，其中，M_ζ表示第ζ个长度为n的子符号遍历列向量，

(3c)令α+1，并判断α＝n+1是否成立，若是，得到符号遍历列向量集合M，

并执行步骤(3d)，否则，执行步骤(3b)，其中，M_r为第r个子符号遍历列向量；

(3d)以M_r中的n个元素为主对角线、以0为其余元素构建符号遍历对角矩阵

并将2ⁿ个符号遍历矩阵组合为符号遍历矩阵集合H_c，

(3e)计算H_s与H_c的笛卡尔积，得到过渡矩阵组集合H′，

并将

中的

和

相乘所得到的2ⁿ×n！个模糊度遍历矩阵

组合为模糊度遍历矩阵集合H，

其中，H_g表示第g个模糊度遍历矩阵；

(4)构建发射信号估计矩阵

(4a)将像素大小为x×z的原始灰度图像中的每个像素点转换为二进制像素点，转换后二进制像素点的位数若不满8位，在其左侧补零，得到像素大小为x×(z×8)的灰度图像，并将其作为每个发射天线的发射信号，发送至每个接收天线，其中，x≥2⁸,z≥2⁸；

(4b)对m个接收天线对接收到的n个发射信号进行组合，得到大小为m×(x×z×8/n)的接收信号矩阵Y；

(4c)对Y进行盲信道估计，得到大小为m×n的盲信道估计矩阵A，并通过A的取逆结果A^-1和接收信号矩阵Y，计算发射信号估计矩阵

(5)构建带模糊度的发射信号估计矩阵集合P：

对H中的每一个模糊度遍历矩阵H_g与发射信号估计矩阵

进行乘积运算，得到带模糊度的发射信号估计矩阵集合P：

其中，P_g表示第g个带模糊度的发射信号估计矩阵，

为第h个发射信号估计列向量；

(6)计算奇异值矩阵集合S：

(6a)设像素估计矩阵集合U，并令g＝1，U＝{}；

(6b)按照从前到后的顺序对P_g中x×z×8/n个发射信号估计列向量进行拼接，得到长度为x×z×8的估计列向量

以8为单位长度对V_g按从上至下的顺序进行切分，得到包括x×z个估计子列向量的估计子列向量集合

其中，

表示第b个值为0或1的元素，

表示第u个估计子列向量，[·]^T表示转置；

(6c)将

中每个

所包含的元素进行合并后进行十进制转换，得到包括x×z个十进制数的十进制数集合

将

中由前到后排列的x×z个十进制数转化为自上而下排列的像素点估计列向量

其中，

表示第u个十进制数；

(6d)以z为单位长度对V_g′按从上至下的顺序进行切分，得到包括x个像素点估计子向量的像素点估计子列向量集合

并对V_g″进行转置，得到转置子向量集合

其中，

表示第δ个像素点估计子列向量；

(6e)将V_g″′中由前到后排列的x个转置子向量转化为自上而下排列的像素估计矩阵

并将U更新为U∪U_g，判断g＝2ⁿ×n！是否成立，若是，得到像素估计矩阵集合U，

并执行步骤(6f)，否则，令g＝g+1，并执行步骤(6b)；

(6f)对U内每个像素估计矩阵U_g进行奇异值分解，得到奇异值矩阵集合

其中，S_g表示第g个奇异值矩阵；

(7)基于信源特性计算消除模糊度后的盲信道估计矩阵A_done：

(7a)设累积速度值为ρ，奇异值矩阵序号值为

并令g＝1，ρ＝x×z×24，

(7b)构造长度均为q的奇异值向量E_g和累积量向量T_g：

其中，

表示第a个奇异值向量元素值，

表示第d个累积量向量元素值，

diag(·)表示S_g主对角线上的元素组成的列向量；

(7c)通过T_g以及E_g中所有元素的和s_g计算信源特性向量

其中，

表示第d个信源特性值，

(7d)令d＝1；

(7e)判断

是否成立，若是，执行步骤(7f)，否则，执行步骤(7g)；

(7f)判断d＜ρ是否成立，若是，令ρ＝d，

并执行步骤(7h)，否则，执行步骤(7h)；

(7g)令d＝d+1，执行步骤(7e)；

(7h)判断g＝2ⁿ×n！是否成立，若是，将P中的第

个带模糊度的发射信号估计矩阵

作为消除模糊度后的发射信号P_done，否则，令g＝g+1，并执行步骤(7b)；

(7i)通过P_done的取逆结果(P_done)^-1与步骤(4b)中的接收信号矩阵Y计算消除模糊度后的盲信道估计矩阵A_done＝Y×(P_done)^-1。

2.根据权利要求1所述的用于非合作MIMO通信的基于信源特性的盲信道估计模糊度消除方法，其特征在于，步骤(3e)中所述的计算H_s与H_c的笛卡尔积，表达式为：

H′＝{(η,γ)|η∈H_s∩γ∈H_c}

其中，∩表示逻辑“且”。

Images