CN114024804B - 一种重叠聚类辅助的最大似然检测方法及系统 - Google Patents
一种重叠聚类辅助的最大似然检测方法及系统 Download PDFInfo
- Publication number
- CN114024804B CN114024804B CN202111508887.1A CN202111508887A CN114024804B CN 114024804 B CN114024804 B CN 114024804B CN 202111508887 A CN202111508887 A CN 202111508887A CN 114024804 B CN114024804 B CN 114024804B
- Authority
- CN
- China
- Prior art keywords
- clustering
- layer
- received
- clustering center
- center
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/025—Channel estimation channel estimation algorithms using least-mean-square [LMS] method
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明公开了一种重叠聚类辅助的最大似然检测方法及系统,包括:获取信道矩阵,根据信道矩阵,得接收星座点集;对接收星座点集进行第一层重叠聚类;对第一层重叠聚类的结果进行第二层重叠聚类;对第二层重叠聚类的结果进行最大似然检测,得发射信号的估计,该方法及系统能够有效降低检测的复杂度,且检测性能较高。
Description
技术领域
本发明属于信号检测技术领域,涉及一种重叠聚类辅助的最大似然检测方法及系统。
背景技术
在19世纪,伴随众多通信理论和物理学理论的成熟,移动通信时代随之到来。经历几十年的发展,无线通信技术现已深入到生活中的方方面面。从2G时代的时分多址技术,到3G时代的宽带码分多址技术,再到4G时代的正交频分多址技术与MIMO技术,移动通信的速率也越来越快。近期逐步普及的5G通信系统,使用高阶MIMO技术,极大地增加通信速率。但是随着MIMO阶数地增加,检测复杂度也随之指数倍形式增长。现有的一些检测算法,如最大似然检测算法、最小均方误差检测算法、树形搜索算法、信息传递算法等,难以直接应用于高阶MIMO,要么复杂度过高,要么检测性能不佳。现有的一些基于深度学习的MIMO检测技术,如典型的DetNet、ScNet、OAMPNet、MMNet、LISA、MHGD等,要么鲁棒性不强,难以应用于复杂多变的通信场景;要么网络结构复杂,难以直接应用于实际通信。此外,现有基于深度学习的MIMO检测算法,没有明确物理意义,无法从根本上解释网络为什么起作用,以及如何更改网络起到更好作用的问题。
因此,从传统MIMO检测算法出发,结合重叠K近邻聚类算法,能够在保留检测性能的同时,大幅度降低检测复杂度,是一个十分可行的方向。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供了一种重叠聚类辅助的最大似然检测方法及系统,该方法及系统能够有效降低检测的复杂度,且检测性能较高。
为达到上述目的,本发明所述的重叠聚类辅助的最大似然检测方法包括:
获取信道矩阵,根据信道矩阵,得接收星座点集;
对接收星座点集进行第一层重叠聚类;
对第一层重叠聚类的结果进行第二层重叠聚类;
对第二层重叠聚类的结果进行最大似然检测,得发射信号的估计。
还包括:
当信道变化时,重新根据接收星座点集进行第一层重叠聚类。
所述根据接收星座点集,得第一层重叠聚类结果的具体过程为:
根据接收星座点集,使用重叠K近邻聚类方法,将接收星座点集分为16类。
对第一层重叠聚类结果进行第二层重叠聚类的具体过程为:
对于第一层重叠聚类的16类结果,每一类结果进行重叠K近邻聚类;
其中,第一层重叠聚类的16个大类,每一大类在第二层中都有16个小类。
对第二层重叠聚类的结果进行最大似然检测,得到发射信号的估计的具体过程为:
计算接收信号y与第二层重叠聚类内各小类中每一个接收星座点的欧式距离,将欧式距离最小的星座点作为输出。
当信道矩阵变化时,重新生成接收星座点集;
当信道矩阵变化时,重新生成第一层聚类中心;
当信道矩阵变化时,重新生成第二层聚类中心;
当信道矩阵变化时,重新对接收信号进行检测。
本发明所述的重叠聚类辅助的最大似然检测系统,包括:
获取模块,用于获取信道矩阵,根据信道矩阵,得接收星座点集;
第一聚类模块,用于对接收星座点集进行第一层重叠聚类;
第二聚类模块,用于对第一层重叠聚类的结果进行第二层重叠聚类;
估计模块,用于对第二层重叠聚类的结果进行最大似然检测,得发射信号的估计。
本发明具有以下有益效果:
本发明所述的重叠聚类辅助的最大似然检测方法及系统在具体操作时,将接收信号依次经第一层重叠聚类中心、第二层重叠聚类中心及小类接收星座点比较,以估计得到发射信号,从而实现对接收信号的检测,操作简单,方便,检测复杂度较低。经仿真实验,本发明相比于传统MIMO检测算法,在误码率与执行时间方面都占优,检测性能优异。
附图说明
图1为本发明中接收星座点集空间划分示意图;
图2为本发明中接收星座点集两层重叠聚类的示意图;
图3为本申请中各种仿真算法在8×8MIMO,QPSK调制方式下时变信道的误码率示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,不是全部的实施例,而并非要限制本发明公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要的混淆本发明公开的概念。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
在附图中示出了根据本发明公开实施例的结构示意图。这些图并非是按比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明所述的MIMO(Multiple-Input Multiple-Output)技术指在发射端和接收端分别使用多个发射天线和接收天线,使信号通过发射端与接收端的多个天线传送及接收,从而改善通信质量,继而充分利用空间资源,通过多个天线实现多发多收,在不增加频谱资源和天线发射功率的情况下,成倍提高系统信道容量,大规模MIMO(Multiple-InputMultiple-Output,多输入多输出)技术被视作5G(5th-Generation,第五代移动通信技术)物理层中最有前景的技术。
实施例一
参考图1及图2,本发明所述的重叠聚类辅助的最大似然检测方法包括以下步骤:
1)根据信道矩阵,得第一层聚类中心;
步骤1)的具体操作过程为:
1a)根据信道矩阵H以及信号的调制方式,生成发射星座点集xz及接收星座点集Hxz;
1b)根据接收星座点集Hxz,使用重叠K近邻聚类方法进行聚类;
1c)随机产生16个点,作为聚类中心,将接收星座点归属于所述16个点,计算新的聚类中心;
1d)当新的聚类中心与旧的聚类中心相比没有变化,则输出第一层聚类中心,第一层聚类完成;否则,则重复1c)步骤;
1e)寻找接收星座点集离各聚类中心的最小欧式距离,以最小欧式距离的2.4倍作为半径,对于各聚类中心,将以该聚类中心为圆心,以2.4倍最小欧氏距离为半径的圆中所有接收星座点都归属于该类。
2)根据第一层聚类中心,得第二层聚类中心;
步骤2)的具体操作过程为:
2a)输入第一层聚类时各类中所有接收星座点;
2b)使用重叠K近邻聚类方法;
2c)随机产生16个点,作为聚类中心,将接收星座点归属于所述16个点,计算新的聚类中心;
2d)当新的聚类中心与旧的聚类中心相比没有变化,则输出第二层聚类中心,第二层聚类完成;否则,则重复步骤2c);
2e)寻找接收星座点集离各聚类中心的最小欧式距离,以最小欧式距离的2.4倍作为半径,对于各聚类中心,将以该聚类中心为圆心,以2.4倍最小欧氏距离为半径的圆中所有接收星座点都归属于该类。
3)当有接收信号输入时,则将接收信号与第一层聚类中心比较,再与第二层聚类中心比较,最后与第二层小类中的各接收星座点比较,以估计得到发射信号;
步骤3)的具体操作过程为:
3a)当有接收信号输入时,求取接收信号与第一层中各聚类中心的欧氏距离,寻找欧氏距离最小的聚类中心,并将该接收信号归属于该大类;
3b)求取接收信号与该大类中的第二层中各聚类中心的欧氏距离,寻找欧氏距离最小的聚类中心,并将该接收信号归属于该小类;
3c)求取接收信号与该小类中的所有接收星座点的最小欧式距离,寻找欧式距离最小的接收星座点,并将该接收星座点对应的发射信号作为输出;
4)当信道变化时,重新根据信道矩阵,得第一层聚类中心、第二层聚类中心及各接收星座点的归属关系;
步骤4)具体操作过程为:
当信道矩阵变化时,重新生成接收星座点集Hxz;
当信道矩阵变化时,重新生成第一层聚类中心;
当信道矩阵变化时,重新生成第二层聚类中心;
当信道矩阵变化时,重新对接收信号进行检测。
验证实验
将本发明与最大似然检测算法及最小均方误差检测算法在检测性能与复杂度在两个维度上进行比较,具体过程为:
分别仿真实现传统检测算法中的最大似然检测算法及最小均方误差算法;
仿真实现本发明;
采用同一测试集,将最大似然检测算法、最小均方误差算法及本发明在执行时间方面进行比较。
具体的,在windows系统MATLAB平台上,分别仿真实现最大似然检测算法、最小均方误差算法及本发明;在信噪比为0dB-20dB时生成同样的测试集,测试集用于测试上述算法的执行时间,表1为各种仿真算法在8×8MIMO,QPSK调制方式下时变信道的执行时间。
表
实施例二
本发明所述的重叠聚类辅助的最大似然检测系统,包括:
获取模块,用于获取信道矩阵,根据信道矩阵,得接收星座点集;
第一聚类模块,用于对接收星座点集进行第一层重叠聚类;
第二聚类模块,用于对第一层重叠聚类的结果进行第二层重叠聚类;
估计模块,用于对第二层重叠聚类的结果进行最大似然检测,得发射信号的估计。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (3)
1.一种重叠聚类辅助的最大似然检测方法,其特征在于,包括:
获取信道矩阵,根据信道矩阵,得接收星座点集;
对接收星座点集进行第一层重叠聚类;
对第一层重叠聚类的结果进行第二层重叠聚类;
对第二层重叠聚类的结果进行最大似然检测,得发射信号的估计;
所述对接收星座点集进行第一层重叠聚类的具体操作过程为:
1a)根据信道矩阵H以及信号的调制方式,生成发射星座点集xz及接收星座点集Hxz;
1b)根据接收星座点集Hxz,使用重叠K近邻聚类方法进行聚类;
1c)随机产生16个点,作为聚类中心,将接收星座点归属于所述16个点,计算新的聚类中心;
1d)当新的聚类中心与旧的聚类中心相比没有变化,则输出第一层聚类中心,第一层聚类完成;否则,则重复1c)步骤;
1e)寻找接收星座点集离各聚类中心的最小欧式距离,以最小欧式距离的2.4倍作为半径,对于各聚类中心,将以该聚类中心为圆心,以2.4倍最小欧氏距离为半径的圆中所有接收星座点都归属于该类;
所述对第一层重叠聚类的结果进行第二层重叠聚类的具体操作过程为:
2a)输入第一层聚类时各类中所有接收星座点;
2b)使用重叠K近邻聚类方法;
2c)随机产生16个点,作为聚类中心,将接收星座点归属于所述16个点,计算新的聚类中心;
2d)当新的聚类中心与旧的聚类中心相比没有变化,则输出第二层聚类中心,第二层聚类完成;否则,则重复步骤2c);
2e)寻找接收星座点集离各聚类中心的最小欧式距离,以最小欧式距离的2.4倍作为半径,对于各聚类中心,将以该聚类中心为圆心,以2.4倍最小欧氏距离为半径的圆中所有接收星座点都归属于该类;
所述对第二层重叠聚类的结果进行最大似然检测,得发射信号的估计的具体操作过程为:
3a)当有接收信号输入时,求取接收信号与第一层中各聚类中心的欧氏距离,寻找欧氏距离最小的聚类中心,并将该接收信号归属于该大类;
3b)求取接收信号与该大类中的第二层中各聚类中心的欧氏距离,寻找欧氏距离最小的聚类中心,并将该接收信号归属于该小类;
3c)求取接收信号与该小类中的所有接收星座点的最小欧式距离,寻找欧式距离最小的接收星座点,并将该接收星座点对应的发射信号作为输出。
2.根据权利要求1所述的重叠聚类辅助的最大似然检测方法,其特征在于,还包括:
当信道变化时,重新根据接收星座点集进行第一层重叠聚类。
3.根据权利要求1所述的重叠聚类辅助的最大似然检测方法,其特征在于,当信道矩阵变化时,重新生成接收星座点集;
当信道矩阵变化时,重新生成第一层聚类中心;
当信道矩阵变化时,重新生成第二层聚类中心;
当信道矩阵变化时,重新对接收信号进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111508887.1A CN114024804B (zh) | 2021-12-10 | 2021-12-10 | 一种重叠聚类辅助的最大似然检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111508887.1A CN114024804B (zh) | 2021-12-10 | 2021-12-10 | 一种重叠聚类辅助的最大似然检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114024804A CN114024804A (zh) | 2022-02-08 |
CN114024804B true CN114024804B (zh) | 2022-10-25 |
Family
ID=80068396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111508887.1A Active CN114024804B (zh) | 2021-12-10 | 2021-12-10 | 一种重叠聚类辅助的最大似然检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114024804B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108667523A (zh) * | 2018-03-06 | 2018-10-16 | 苏州大学 | 基于无数据辅助的knn算法的光纤非线性均衡方法 |
CN112737992A (zh) * | 2020-09-23 | 2021-04-30 | 青岛科技大学 | 一种水声信号调制方式自适应类内识别方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI424699B (zh) * | 2008-08-31 | 2014-01-21 | Realtek Semiconductor Corp | 多層叢集式多輸入多輸出偵測方法及相關多輸入多輸出偵測器 |
CN101662341B (zh) * | 2009-09-25 | 2012-08-01 | 意法·爱立信半导体(北京)有限公司 | 一种多输入多输出信号检测方法和装置 |
CN112183425B (zh) * | 2020-10-09 | 2024-01-30 | 中国科学院大学 | 信道参数估计方法及装置 |
CN113364535B (zh) * | 2021-05-28 | 2023-03-28 | 西安交通大学 | 数学形式多输入多输出检测方法、系统、设备及存储介质 |
-
2021
- 2021-12-10 CN CN202111508887.1A patent/CN114024804B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108667523A (zh) * | 2018-03-06 | 2018-10-16 | 苏州大学 | 基于无数据辅助的knn算法的光纤非线性均衡方法 |
CN112737992A (zh) * | 2020-09-23 | 2021-04-30 | 青岛科技大学 | 一种水声信号调制方式自适应类内识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114024804A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100571098C (zh) | 通信系统中低复杂度的极大似然检测方法及装置 | |
CN113098571B (zh) | 大规模mimo系统信号检测方法、系统、基站及存储介质 | |
CN106788626B (zh) | 一种能够获得二阶发射分集的改进正交空间调制传输方法 | |
CN106028456A (zh) | 一种5g高密度网络中虚拟小区的功率分配方法 | |
CN113114313A (zh) | 一种mimo-noma系统导频辅助信号检测方法、系统及存储介质 | |
CN115037338B (zh) | 一种通信信号传输方法及设备 | |
CN110417515B (zh) | 一种基于离散迭代估计的大规模mimo信号检测方法 | |
CN105119665B (zh) | 一种基于格基规约的mimo检测方法 | |
CN114024804B (zh) | 一种重叠聚类辅助的最大似然检测方法及系统 | |
CN106301495B (zh) | 基于最大化信道容量准则的广义空间调制系统天线选择方法 | |
CN111030739B (zh) | 一种基于lll-sd的大规模mimo信号检测方法 | |
CN110190880B (zh) | 一种广义空间调制递增发射天线组合选择方法 | |
CN101958875B (zh) | 在移动环境下高阶调制mimo系统的检测方法 | |
CN113364535B (zh) | 数学形式多输入多输出检测方法、系统、设备及存储介质 | |
CN114389655B (zh) | 一种相关信道下大规模mimo系统非相干编码的检测方法 | |
CN106254039B (zh) | 一种广义空间调制系统的天线选择方法 | |
CN114422005A (zh) | 一种智能反射面辅助认知无线电系统的符号级预编码方法 | |
CN114640561A (zh) | 一种通信信号传输方法和设备 | |
CN104753839A (zh) | 最大似然检测方法及装置 | |
Lu et al. | Fast group detection for massive MIMOs | |
CN112636795A (zh) | 一种基于最小速率保证的多小区大规模mimo中高谱效功率分配方法 | |
Huang et al. | An efficient ADMM-aided deep learning-based signal detector for uplink massive MIMO | |
CN108900450A (zh) | Esl系统、无线通信系统及其接收端和信号接收方法 | |
CN110417451A (zh) | 一种广义空间调制递增发射天线组合选择方法 | |
CN110504995A (zh) | 基于格基规约和K-Best的软输出MIMO检测方法 |
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 |