CN114244660B - 一种脉冲噪声干扰下mimo-ofdm系统sfbc类型识别方法及系统 - Google Patents

一种脉冲噪声干扰下mimo-ofdm系统sfbc类型识别方法及系统 Download PDF

Info

Publication number
CN114244660B
CN114244660B CN202111360352.4A CN202111360352A CN114244660B CN 114244660 B CN114244660 B CN 114244660B CN 202111360352 A CN202111360352 A CN 202111360352A CN 114244660 B CN114244660 B CN 114244660B
Authority
CN
China
Prior art keywords
ofdm
sfbc
mimo
correlation
vector
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
Application number
CN202111360352.4A
Other languages
English (en)
Other versions
CN114244660A (zh
Inventor
刘明骞
张俊林
葛建华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN202111360352.4A priority Critical patent/CN114244660B/zh
Publication of CN114244660A publication Critical patent/CN114244660A/zh
Application granted granted Critical
Publication of CN114244660B publication Critical patent/CN114244660B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
    • 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
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2655—Synchronisation arrangements
    • H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
    • H04L27/2691—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation involving interference determination or cancellation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明属于认知无线通信中MIMO系统参数估计技术领域，公开了一种脉冲噪声干扰下MIMO‑OFDM系统SFBC类型识别方法及系统，所述MIMO‑OFDM系统SFBC类型识别方法包括：利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)；基于非线性加权互相关向量JC(k1,k2)构建检测统计量TJ；通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型。本发明提供的MIMO‑OFDM系统SFBC类型识别方法为脉冲噪声下MIMO‑OFDM系统SFBC类型识别方法，可以有效实现脉冲噪声干扰下MIMO‑OFDM系统SFBC类型识别。

Description

一种脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法及 系统
技术领域
本发明属于认知无线通信中MIMO系统参数估计技术领域，尤其涉及一种脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法及系统。
背景技术
目前，在认知无线网络中，为了实现智能传输，通信系统参数识别是一个关键的要求。空频分组编码(SFBC，Space-Frequency Block Codes)作为MIMO-OFDM系统的重要参数，通过利用空域和频域复用技术有效提升MIMO-OFDM系统的有效性和可靠性。因此，在认知MIMO系统中智能接收机需要在参数未知或部分参数已知条件下识别MIMO-OFDM系统的SFBC类型，即类型。
现阶段，关于MIMO-OFDM系统SFBC识别的研究成果相对较少。Marey.M等人通过分析不同接收天线信号之间的互相关函数，提出一种基于假设检验的识别方法用于判别SFBC-AL信号与SFBC-SM信号(Marey M,Dobre O A.Automatic identification of space-frequency block coding for OFDM systems[J].IEEE Transactions on WirelessCommunications,2016,16(1):117-128.)。GaoM等人利用OFDM相邻子载波信号的信号子空间与噪声子空间构造特征向量，并采用特殊距离准则的决策树实现7种空频模式识别(GaoM,Li Y,Dobre O A,et al.Blind identification of SFBC-OFDM signals usingsubspace decompositions and random matrix theory[J].EEE Transactions onVehicular Technology,2018,67(10):9619-9630.)。Gao.M等人利用SFBC-OFDM的二维空频冗余，提出两种识别方法：基于假设检验的方法与基于支持向量机的方法。两种方法在低信噪比环境下均获得良好识别性能(Gao M,Li Y,Dobre O A,et al.Blind identificationof SFBC-OFDM signals based on the central limit theorem[J].IEEE Transactionson Wireless Communications,2019,18(7):3500-3514)。张聿远等人基于扩张稠密卷积网络设计了一种SFBC-OFDM识别方法。该方法通过对频域上的互相关函数并进行维度变换，提取二维互相关特征图，然后，构建扩张稠密卷积网络以自动提取预处理图像特征，从而完成SFBC-OFDM分类识别(张聿远,张立民,闫文君.基于互相关特征图和扩张稠密卷积网络的SFBC-OFDM识别方法[J].系统工程与电子技术,2021,43(9):2657-2664.)。
上述的MIMO-OFDM系统SFBC识别方法大多仅考虑加性高斯白噪声的影响。然而，在许多实际应用中存在着各种各样的脉冲噪声干扰，如人为脉冲噪声干扰、同频噪声干扰等，这些脉冲噪声干扰通常用alpha稳定分布来模拟。由于alpha稳定分布噪声不存在有限的二阶矩，使得现有的基于高斯噪声假设下设计的SFBC类型识别方法性能严重退化。因此，亟需一种新的脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法及系统。
通过上述分析，现有技术存在的问题及缺陷为：现有的MIMO-OFDM系统SFBC类型识别方法在脉冲噪声干扰存在的条件下，识别性能严重退化。
解决以上问题及缺陷的难度为：alpha稳定分布噪声具有厚重的拖尾，通常情况下不存在有限方差，因此，构建适应alpha稳定分布噪声干扰的统计特征，并构建合理的检测门限，实现稳健准确的MIMO-OFDM系统SFBC类型识别技术的难点。
解决以上问题及缺陷的意义为：本发明实现脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别可以为无线系统提供技术支撑，不仅可以扩展无线系统应用场景范围，而且还可以有效提升无线系统的抗噪声干扰能力。
发明内容
针对现有技术存在的问题，本发明提供了一种脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法及系统。
本发明是这样实现的，一种脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法，所述脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法，包括：
步骤一，利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)，从而提取适应脉冲干扰的特征向量；
步骤二，为了构建分类统计特征，基于非线性加权互相关向量JC(k1,k2)构建检测统计量TJ；
步骤三，通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别SFBC类型，最终实现四种SFBC识别。
进一步，所述步骤一中，利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)，包括：
基于认知MIMO系统，设计一种MIMO-OFDM无线通信系统，其中发射天线为Mt和接收天线为Mr，OFDM子载波为Nk和循环前缀为ν；在发送端，首先采用相移键控M-PSK或正交幅度调制M-QAM对发送符号进行映射，然后将调制符号划分为长度为Ns的数据块xb，
Figure GDA0004094400890000034
SFBC编码器采用Mt×L空频编码矩阵C(xb)将编码符号映射到OFDM的L个连续子载波；空频分组码编码方案为SM、AL，SFBC3和SFBC4；
编码器将编码矩阵C(xb)编码后的符号按行映射至L个连续的OFDM子载波上，每个OFDM块可表示
Figure GDA0004094400890000031
根据OFDM的原理，对OFDM块进行Nk点的快速傅里叶逆变换(IFFT)，同时添加长度为ν循环前缀；在接收端，假设信号完成同步，去除循环前缀，并对OFDM符号进行Nk点FFT实现解调；传输信道为频率选择性衰落信道；
在第n时刻接收的第k个OFDM子载波信号，脉冲噪声干扰噪声建模为alpha稳定分布。
进一步，所述SM、AL，SFBC3和SFBC4编码矩阵分别为：
Figure GDA0004094400890000032
Figure GDA0004094400890000033
Figure GDA0004094400890000041
Figure GDA0004094400890000042
进一步，所述频率选择性衰落信道矩阵如下：
Figure GDA0004094400890000043
式中，
Figure GDA0004094400890000044
表示第fi个发射天线和第fj个接收天线之间的第k个子信道系数，Hk为频率选择性衰落信道矩阵。
进一步，所述在第n时刻接收的第k个OFDM子载波信号表示为：
Figure GDA0004094400890000045
式中，rk(n)表示第k个子载波上Mr×1的接收信号向量，sk(n)表示Mt×1的发送信号向量；wk(n)为第k个子载波上高斯白噪声，Ik(n)表示第k个子载波上的非高斯脉冲噪声干扰噪声。
进一步，所述非线性加权互相关特征向量JC(k1,k2)为：
Figure GDA0004094400890000046
Figure GDA0004094400890000047
式中，
Figure GDA0004094400890000051
表示第ij根接收天线的第kl个OFDM子载波信号，Nb为接收OFDM数目，
Figure GDA0004094400890000052
表示
Figure GDA0004094400890000053
的自适应加权系数，
Figure GDA0004094400890000054
式中，
Figure GDA0004094400890000055
b0为常数(b0＞0)，
Figure GDA0004094400890000056
为第ij个接收天线接收信号
Figure GDA0004094400890000057
的第二四分位数。
进一步，所述步骤二中，基于非线性加权互相关向量构建检测统计量TJ，包括：
Figure GDA0004094400890000058
Figure GDA0004094400890000059
式中，
Figure GDA00040944008900000510
为向量
Figure GDA00040944008900000511
的元素数目，
Figure GDA00040944008900000512
表示在
Figure GDA00040944008900000513
中j能取到的最大值，符号
Figure GDA00040944008900000525
表示Hadamard积，
Figure GDA00040944008900000524
表示向量元素之和。
进一步，所述步骤三中，通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型，包括：
检测门限ΨJ为：
Figure GDA00040944008900000514
式中，
Figure GDA00040944008900000515
和
Figure GDA00040944008900000516
的估计式如下：
Figure GDA00040944008900000517
式中，
Figure GDA00040944008900000518
为向量
Figure GDA00040944008900000519
的元素数目，
Figure GDA00040944008900000520
表示在
Figure GDA00040944008900000521
中j能取到的最大值。
Figure GDA00040944008900000522
的估计值
Figure GDA00040944008900000523
可以表示为：
Figure GDA0004094400890000061
式中，
Figure GDA0004094400890000062
和
Figure GDA0004094400890000063
为：
Figure GDA0004094400890000064
Figure GDA0004094400890000065
采用假设检验方法通过对比检测统计量和检测门限依次识别四种SFBC，利用检测统计量
Figure GDA0004094400890000066
设置如下判决规则：
Figure GDA0004094400890000067
式中，当检测统量
Figure GDA0004094400890000068
大于检测门限
Figure GDA0004094400890000069
时，
Figure GDA00040944008900000610
成立；分别设置q＝4,2,1，Q＝9,5,2，若
Figure GDA00040944008900000611
则识别结果为SFBC4；若
Figure GDA00040944008900000612
则识别结果为SFBC3；若
Figure GDA00040944008900000613
则识别结果为AL，否则，识别结果为SM。
本发明的另一目的在于提供一种实施所述脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法的MIMO-OFDM系统SFBC类型识别系统，所述脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别系统，包括：
矩阵构建模块，用于利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)；
检测统计量构建模块，用于基于非线性加权互相关向量JC(k1,k2)构建检测统计量TJ；
发射天线数目估计模块，用于通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型。
本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法包括下列步骤：
步骤一，利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)；
步骤二，基于非线性加权互相关向量JC(k1,k2)构建检测统计量TJ；
步骤三，通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明为脉冲噪声下MIMO-OFDM系统SFBC类型识别方法，可以有效实现脉冲噪声条件下MIMO-OFDM系统SFBC类型识别，填补了非高斯噪声下MIMO-OFDM系统SFBC类型识别的空白。
附图说明
图1是本发明实施例提供的脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法流程图。
图2是本发明实施例提供的脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别系统结构示意图；
图2中：1、矩阵构建模块；2、检测统计量构建模块；3、发射天线数目估计模块。
图3是本发明实施例提供的脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别性能示意图。
图4是本发明实施例提供的不同接收天线数目下MIMO-OFDM系统SFBC类型识别性能示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法及系统，下面结合附图对本发明作详细的描述。
本发明提供的MIMO-OFDM系统SFBC类型识别方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法仅仅是一个具体实施例而已。
如图1所示，本发明实施例提供的脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法，包括：
S101：利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)。
S102：基于非线性加权互相关向量JC(k1,k2)构建检测统计量TJ。
S103：通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型。
本发明实施例提供的S101中，利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)，包括：
基于认知MIMO系统，考虑一种MIMO-OFDM无线通信系统，其中发射天线为Mt和接收天线为Mr，OFDM子载波为Nk和循环前缀为ν。在发送端，首先采用相移键控(M-PSK)或正交幅度调制(M-QAM)对发送符号进行映射，然后将调制符号划分为长度为Ns的数据块xb，
Figure GDA0004094400890000083
SFBC编码器采用Mt×L空频编码矩阵C(xb)将编码符号映射到OFDM的L个连续子载波。空频分组码编码方案为SM、AL，SFBC3和SFBC4，其编码矩阵分别为：
Figure GDA0004094400890000081
Figure GDA0004094400890000082
Figure GDA0004094400890000091
Figure GDA0004094400890000092
编码器将编码矩阵C(xb)编码后的符号按行映射至L个连续的OFDM子载波上，每个OFDM块可表示
Figure GDA0004094400890000093
根据OFDM的原理，对OFDM块进行Nk点的快速傅里叶逆变换(IFFT)，同时添加长度为ν循环前缀。在接收端，假设信号完成同步，去除循环前缀，并对OFDM符号进行Nk点FFT实现解调。传输信道考虑频率选择性衰落信道，信道矩阵如下：
Figure GDA0004094400890000094
式中，
Figure GDA0004094400890000095
表示第fi个发射天线和第fj个接收天线之间的第k个子信道系数。在第n时刻接收的第k个OFDM子载波信号表示为：
Figure GDA0004094400890000096
式中，rk(n)表示第k个子载波上Mr×1的接收信号向量，sk(n)表示Mt×1的发送信号向量。wk(n)为第k个子载波上高斯白噪声，Ik(n)表示第k个子载波上的非高斯脉冲噪声干扰噪声，脉冲噪声干扰噪声建模为alpha稳定分布。
非线性加权互相关特征向量JC(k1,k2)为：
Figure GDA0004094400890000101
Figure GDA0004094400890000102
式中，
Figure GDA0004094400890000103
表示第ij根接收天线的第kl个OFDM子载波信号，
Figure GDA0004094400890000104
表示
Figure GDA0004094400890000105
的自适应加权系数，
Figure GDA0004094400890000106
式中，
Figure GDA0004094400890000107
b0为常数(b0＞0)，
Figure GDA0004094400890000108
为第ij个接收天线接收信号
Figure GDA0004094400890000109
的第二四分位数。
本发明实施例提供的S102中，基于非线性加权互相关向量构建检测统计量TJ，包括：
Figure GDA00040944008900001010
Figure GDA00040944008900001011
式中，
Figure GDA00040944008900001012
为向量
Figure GDA00040944008900001013
的元素数目，
Figure GDA00040944008900001014
表示在
Figure GDA00040944008900001015
中j能取到的最大值，符号
Figure GDA00040944008900001020
表示Hadamard积，
Figure GDA00040944008900001019
表示向量元素之和。
本发明实施例提供的S103中，通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型，包括：
检测门限ΨJ为：
Figure GDA00040944008900001016
式中，
Figure GDA00040944008900001017
和
Figure GDA00040944008900001018
的估计式如下：
Figure GDA0004094400890000111
式中，
Figure GDA0004094400890000112
为向量
Figure GDA0004094400890000113
的元素数目，
Figure GDA0004094400890000114
表示在
Figure GDA0004094400890000115
中j能取到的最大值。
Figure GDA0004094400890000116
的估计值
Figure GDA0004094400890000117
可以表示为：
Figure GDA0004094400890000118
式中，
Figure GDA0004094400890000119
和
Figure GDA00040944008900001110
为：
Figure GDA00040944008900001111
Figure GDA00040944008900001112
采用假设检验方法通过对比检测统计量和检测门限依次识别四种SFBC。利用检测统计量
Figure GDA00040944008900001113
设置如下判决规则：
Figure GDA00040944008900001114
式中，当检测统量
Figure GDA00040944008900001115
大于检测门限
Figure GDA00040944008900001116
时，
Figure GDA00040944008900001117
成立。分别设置q＝4,2,1，Q＝9,5,2，若
Figure GDA00040944008900001118
则识别结果为SFBC4；若
Figure GDA00040944008900001119
则识别结果为SFBC3；若
Figure GDA00040944008900001120
则识别结果为AL，否则，识别结果为SM。
如图2所示，本发明实施例提供的MIMO-OFDM系统SFBC类型识别系统，包括：
矩阵构建模块1，用于利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)；
检测统计量构建模块2，用于基于非线性加权互相关向量JC(k1,k2)构建检测统计量TJ；
发射天线数目估计模块3，用于通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型。
下面结合仿真实验对本发明的技术效果作详细的描述。
为了评估本发明的性能，进行仿真验证。在仿真实验中，考虑一种采用空频分组码的MIMO-OFDM无线通信系统，待识别的空频分组码类型为Θ＝{SM,AL,SFBC3,SFBC4}。仿真参数设置如下：基带调制方式为QPSK，子载波数为Nk＝64，循环前缀数为ν＝Nk4，OFDM块的数量为Nb＝100，接收天线数目为Mr＝4，信道设置为Lh＝4的频率选择性信道。仿真实验采取1000次迭代的统计仿真，验证性能。本发明所提方法(GCM-ACF)与现有的基于假设检验的方法进行对比分析，其仿真结果如图3所示。由图3可以看出，本发明方法对于脉冲噪声干扰具有较强的适应能力，与现有算法比较，本发明方法具有明显的性能优势。图4给出了不同接收天线数目下本发明所提方法的识别性能，由图4可以看出，随着接收天线数目的增加，本发明所提方法性能逐渐提升。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法，其特征在于，所述MIMO-OFDM系统SFBC类型识别方法，包括：
步骤一，利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)；
步骤二，基于非线性加权互相关向量JC(k1,k2)构建检测统计量TJ；
步骤三，通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型；
所述步骤一中，利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)，包括：
基于认知MIMO系统，设计一种MIMO-OFDM无线通信系统，其中发射天线为Mt和接收天线为Mr，OFDM子载波为Nk和循环前缀为ν；在发送端，首先采用相移键控M-PSK或正交幅度调制M-QAM对发送符号进行映射，然后将调制符号划分为长度为Ns的数据块xb，
Figure FDA0004170165780000011
SFBC编码器采用Mt×L空频编码矩阵C(xb)将编码符号映射到OFDM的L个连续子载波；空频分组码编码方案为SM、AL，SFBC3和SFBC4；
编码器将编码矩阵C(xb)编码后的符号按行映射至L个连续的OFDM子载波上，每个OFDM块可表示
Figure FDA0004170165780000012
根据OFDM的原理，对OFDM块进行Nk点的快速傅里叶逆变换(IFFT)，同时添加长度为ν循环前缀；在接收端，信号完成同步，去除循环前缀，并对OFDM符号进行Nk点FFT实现解调；传输信道为频率选择性衰落信道；
在第n时刻接收的第k个OFDM子载波信号，脉冲噪声干扰噪声建模为alpha稳定分布；
所述非线性加权互相关特征向量JC(k1,k2)为：
Figure FDA0004170165780000021
Figure FDA0004170165780000022
式中，
Figure FDA0004170165780000023
表示第ij根接收天线的第kl个OFDM子载波信号，
Figure FDA0004170165780000024
表示
Figure FDA0004170165780000025
的自适应加权系数，
Figure FDA0004170165780000026
式中，
Figure FDA0004170165780000027
b0为常数，b0＞0，
Figure FDA0004170165780000028
为第ij个接收天线接收信号
Figure FDA0004170165780000029
的第二四分位数；
所述步骤二中，基于非线性加权互相关向量构建检测统计量TJ，包括：
Figure FDA00041701657800000210
Figure FDA00041701657800000211
式中，
Figure FDA00041701657800000212
为向量
Figure FDA00041701657800000213
的元素数目，
Figure FDA00041701657800000214
表示在
Figure FDA00041701657800000215
中j能取到的最大值，符号
Figure FDA00041701657800000216
表示Hadamard积，
Figure FDA00041701657800000217
表示向量元素之和；
所述步骤三中，通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型，包括：
检测门限ΨJ为：
Figure FDA00041701657800000218
式中，
Figure FDA00041701657800000219
和
Figure FDA00041701657800000220
的估计式如下：
Figure FDA00041701657800000221
式中，
Figure FDA0004170165780000031
为向量
Figure FDA0004170165780000032
的元素数目，
Figure FDA0004170165780000033
表示在
Figure FDA0004170165780000034
中j能取到的最大值；
Figure FDA0004170165780000035
的估计值
Figure FDA0004170165780000036
表示为：
Figure FDA0004170165780000037
式中，
Figure FDA0004170165780000038
和
Figure FDA0004170165780000039
为：
Figure FDA00041701657800000310
Figure FDA00041701657800000311
采用假设检验方法通过对比检测统计量和检测门限依次识别四种SFBC，利用检测统计量
Figure FDA00041701657800000312
设置如下判决规则：
Figure FDA00041701657800000313
式中，当检测统量
Figure FDA00041701657800000314
大于检测门限
Figure FDA00041701657800000315
时，
Figure FDA00041701657800000316
成立；分别设置q＝4,2,1，Q＝9,5,2，若
Figure FDA00041701657800000317
则识别结果为SFBC4；若
Figure FDA00041701657800000318
则识别结果为SFBC3；若
Figure FDA00041701657800000319
则识别结果为AL，否则，识别结果为SM。
2.如权利要求1所述脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法，其特征在于，所述SM、AL，SFBC3和SFBC4编码矩阵分别为：
Figure FDA00041701657800000320
Figure FDA00041701657800000321
Figure FDA0004170165780000041
Figure FDA0004170165780000042
3.如权利要求1所述脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法，其特征在于，所述频率选择性衰落信道矩阵如下：
Figure FDA0004170165780000043
式中，
Figure FDA0004170165780000044
表示第fi个发射天线和第fj个接收天线之间的第k个子信道系数。
4.如权利要求1所述脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法，其特征在于，所述在第n时刻接收的第k个OFDM子载波信号表示为：
Figure FDA0004170165780000045
式中，rk(n)表示第k个子载波上Mr×1的接收信号向量，sk(n)表示Mt×1的发送信号向量；Hk为频率选择性衰落信道矩阵，wk(n)为第k个子载波上高斯白噪声，Ik(n)表示第k个子载波上的非高斯脉冲噪声干扰噪声。
5.一种实施如权利要求1～4任意一项所述脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法的MIMO-OFDM系统SFBC类型识别系统，其特征在于，所述MIMO-OFDM系统SFBC类型识别系统包括：
矩阵构建模块，用于利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)；
检测统计量构建模块，用于基于非线性加权互相关向量JC(k1,k2)构建检测统计量TJ；
发射天线数目估计模块，用于通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型；
利用非线性加权互相关函数对观测信号r(n)进行处理，构建非线性加权互相关特征向量JC(k1,k2)，包括：
基于认知MIMO系统，设计一种MIMO-OFDM无线通信系统，其中发射天线为Mt和接收天线为Mr，OFDM子载波为Nk和循环前缀为ν；在发送端，首先采用相移键控M-PSK或正交幅度调制M-QAM对发送符号进行映射，然后将调制符号划分为长度为Ns的数据块xb，
Figure FDA0004170165780000051
SFBC编码器采用Mt×L空频编码矩阵C(xb)将编码符号映射到OFDM的L个连续子载波；空频分组码编码方案为SM、AL，SFBC3和SFBC4；
编码器将编码矩阵C(xb)编码后的符号按行映射至L个连续的OFDM子载波上，每个OFDM块可表示
Figure FDA0004170165780000052
根据OFDM的原理，对OFDM块进行Nk点的快速傅里叶逆变换(IFFT)，同时添加长度为ν循环前缀；在接收端，信号完成同步，去除循环前缀，并对OFDM符号进行Nk点FFT实现解调；传输信道为频率选择性衰落信道；
在第n时刻接收的第k个OFDM子载波信号，脉冲噪声干扰噪声建模为alpha稳定分布；
所述非线性加权互相关特征向量JC(k1,k2)为：
Figure FDA0004170165780000053
Figure FDA0004170165780000061
式中，
Figure FDA0004170165780000062
表示第ij根接收天线的第kl个OFDM子载波信号，
Figure FDA0004170165780000063
表示
Figure FDA0004170165780000064
的自适应加权系数，Nb为接收OFDM数目，
Figure FDA0004170165780000065
式中，
Figure FDA0004170165780000066
b0为常数(b0＞0)，
Figure FDA0004170165780000067
为第ij个接收天线接收信号
Figure FDA0004170165780000068
的第二四分位数；
基于非线性加权互相关向量构建检测统计量TJ，包括：
Figure FDA0004170165780000069
Figure FDA00041701657800000610
式中，
Figure FDA00041701657800000611
为向量
Figure FDA00041701657800000612
的元素数目，
Figure FDA00041701657800000613
表示在
Figure FDA00041701657800000614
中j能取到的最大值，
Figure FDA00041701657800000615
表示q取值处的非线性加权互相关特征向量，z0为尺度参数，符号
Figure FDA00041701657800000616
表示Hadamard积，
Figure FDA00041701657800000617
表示向量元素之和；
通过利用互相关误差向量设计检测门限ΨJ，并采用假设检验方法依次识别四种SFBC类型，包括：
检测门限ΨJ为：
Figure FDA00041701657800000618
式中，Q-1(.)为互补累计分布函数，
Figure FDA00041701657800000619
为虚警概率，
Figure FDA00041701657800000620
和
Figure FDA00041701657800000621
的估计式如下：
Figure FDA00041701657800000622
式中，
Figure FDA0004170165780000071
为向量
Figure FDA0004170165780000072
的元素数目，
Figure FDA0004170165780000073
表示在
Figure FDA0004170165780000074
中j能取到的最大值；
Figure FDA0004170165780000075
的估计值
Figure FDA0004170165780000076
表示为：
Figure FDA0004170165780000077
式中，
Figure FDA0004170165780000078
和
Figure FDA0004170165780000079
为：
Figure FDA00041701657800000710
Figure FDA00041701657800000711
采用假设检验方法通过对比检测统计量和检测门限依次识别四种SFBC，利用检测统计量
Figure FDA00041701657800000712
设置如下判决规则：
Figure FDA00041701657800000713
式中，当检测统量
Figure FDA00041701657800000714
大于检测门限
Figure FDA00041701657800000715
时，
Figure FDA00041701657800000716
成立；分别设置q＝4,2,1，Q＝9,5,2，若
Figure FDA00041701657800000717
则识别结果为SFBC4；若
Figure FDA00041701657800000718
则识别结果为SFBC3；若
Figure FDA00041701657800000719
则识别结果为AL，否则，识别结果为SM。
6.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求1～4任意一项所述脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法。
CN202111360352.4A 2021-11-17 2021-11-17 一种脉冲噪声干扰下mimo-ofdm系统sfbc类型识别方法及系统 Active CN114244660B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111360352.4A CN114244660B (zh) 2021-11-17 2021-11-17 一种脉冲噪声干扰下mimo-ofdm系统sfbc类型识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111360352.4A CN114244660B (zh) 2021-11-17 2021-11-17 一种脉冲噪声干扰下mimo-ofdm系统sfbc类型识别方法及系统

Publications (2)

Publication Number Publication Date
CN114244660A CN114244660A (zh) 2022-03-25
CN114244660B true CN114244660B (zh) 2023-05-23

Family

ID=80749759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111360352.4A Active CN114244660B (zh) 2021-11-17 2021-11-17 一种脉冲噪声干扰下mimo-ofdm系统sfbc类型识别方法及系统

Country Status (1)

Country Link
CN (1) CN114244660B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107483376A (zh) * 2017-09-07 2017-12-15 西安电子科技大学 一种用于mimo‑ofdm系统的信号检测方法
CN109729035A (zh) * 2018-11-07 2019-05-07 宁波大学 一种正交频分复用技术通信系统中的脉冲噪声抑制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011524711A (ja) * 2008-06-17 2011-09-01 センター オブ エクセレンス イン ワイアレス テクノロジー 干渉軽減方法及びシステム
US10177942B2 (en) * 2016-12-21 2019-01-08 Zte Corporation Blind identification of transmission structure in a wireless communications system
CN108923829B (zh) * 2018-07-11 2020-11-03 中国人民解放军海军航空大学 一种基于相关函数的空频分组码盲识别方法
CN109861793A (zh) * 2019-01-29 2019-06-07 中国人民解放军海军航空大学 一种基于二阶统计量的空频分组码信号盲识别方法
CN112187413B (zh) * 2020-08-28 2022-05-03 中国人民解放军海军航空大学航空作战勤务学院 基于cnn-lstm的识别sfbc的方法及装置
CN112600594B (zh) * 2020-12-08 2022-02-08 中国人民解放军海军航空大学航空作战勤务学院 空频分组码识别方法、装置、计算机设备和存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107483376A (zh) * 2017-09-07 2017-12-15 西安电子科技大学 一种用于mimo‑ofdm系统的信号检测方法
CN109729035A (zh) * 2018-11-07 2019-05-07 宁波大学 一种正交频分复用技术通信系统中的脉冲噪声抑制方法

Also Published As

Publication number Publication date
CN114244660A (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
Gecgel et al. Jammer detection based on artificial neural networks: A measurement study
CN104393963B (zh) 基于循环平稳特性的空时分组码mc‑cdma信号盲识别方法
Like et al. Signal classification in fading channels using cyclic spectral analysis
CN106936743B (zh) 一种电力线通信系统脉冲噪声抑制方法
CN107018110B (zh) 一种基于主成分序列的空频编码盲识别方法
CN106506427A (zh) 一种基于folp的stbc‑ofdm信号盲识别方法
Wong et al. Emitter identification using CNN IQ imbalance estimators
Zhang et al. Efficient residual shrinkage CNN denoiser design for intelligent signal processing: Modulation recognition, detection, and decoding
CN114884777A (zh) 一种基于变换域的信道估计方法
Wang et al. Residual learning based RF signal denoising
CN114244660B (zh) 一种脉冲噪声干扰下mimo-ofdm系统sfbc类型识别方法及系统
CN107483376A (zh) 一种用于mimo‑ofdm系统的信号检测方法
Newman et al. Security threats to cognitive radio signal classifiers
Hazza et al. Robustness of digitally modulated signal features against variation in HF noise model
Mihandoost et al. Introducing an efficient statistical model for automatic modulation classification
CN113556157B (zh) 非高斯干扰下mimo系统发射天线数估计方法及系统
CN116800575A (zh) Mimo-ofdm信号子载波盲调制识别
CN114244659B (zh) 一种非高斯噪声干扰下的mimo系统空时模式识别方法及系统
De Souza et al. A novel signal detector in MIMO systems based on complex correntropy
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
US10749718B2 (en) System and method for modulation classification using signal graphs
CN102325123A (zh) Rayleigh衰落信道下MQAM调制信号的盲识别方法
Beknadj et al. Digital Modulation Identification in Spatial Modulation MIMO Systems
Ito et al. High-sensitivity detection method for signals in PhyC-SN
CN115086124B (zh) 一种基于信道频率相关性的ofdm子载波调制识别方法

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