[发明专利]基于部分序列参数检测的空时码模式盲识别方法

权利要求书

1.一种基于部分序列参数检测的空时码模式盲识别方法，包括如下步骤：

1)接收端通过r根接收天线接收发射端发送的长度为N的信号序列，得到r×N的接收信号矩阵R'，其中N≥64，r≥2；

2)利用所有需要识别的空时码，组成码型集合Ω，取Ω中每种码型的分组符号数s和分组长度k的组合(s,k)构成特征量集合(U,V)，记第i个组合为(s_i,k_i)，i＝1,2...Ζ，Ζ为特征量集合(U,V)中组合个数；

3)将接收信号矩阵R'的实部和虚部并联，获得并联矩阵R，即

R=Re(R′)Im(R′)]]>

其中Re(·)表示取实部运算，Im(·)表示取虚部运算；

4)计算特征量函数值：

4a）对于特征量集合(U,V)中的第i个特征量组合(s_i,k_i)，构造分组相关矩阵R_i：

Ri=R~(1)R~(ki+2)···R~((Nki-1)ki+1)R~(2)R~(ki+2)···R~((Nki-1)ki+2)············R~(ki)R~(2ki)···R~((Nki)ki)]]>

其中R(τ)表示并联矩阵R的第τ列，τ＝1,2...N；

4b）计算分组相关矩阵R_i的分组协方差矩阵：C_i＝E[R_iR_i^T]，其中E[·]表示求期望运算，(·)^T表示转置运算；

4c）对分组协方差矩阵C_i做特征值分解，将得到的特征值按降序排列，构成特征值向量其中，ρ_η为分组协方差矩阵C_i的特征值，η＝1,2,...2rk_i，取特征值向量的前2s_i个特征值构成有效特征值向量用剩余的特征值构成噪声特征值向量即

λ→i1=[ρ1,ρ2,...ρ2si],λ→i2=[ρ2si+1,ρ2si+2,...,ρ2rki];]]>

4d）根据步骤4c)，求出特征量组合(s_i,k_i)对应的特征量函数值M(s_i,k_i)：

M(si,ki)=Nki(log(∏λ→i1∏λ→i2))]]>其中∏(·)表示向量元素连乘运算；

5）预估计特征量，得到新空时码集合Ω'：

5a）对特征量集合(U,V)中的每种组合重复步骤4，得到每种组合对应的特征量函数值，组成特征量函数值向量：Φ＝[M(s₁,k₁),M(s₂,k₂)...M(s_m,k_m)...]，其中，m＝1,2,...Ζ；

5b）找出特征量函数值向量Φ中数值最小的元素对应的特征量组合得到新空时码集合Ω'；

6）写出新空时码集合Ω'中第j种码型的编码矩阵每一列的符号数，组成符号数向量P_j，其中j＝1,2...T，T为新空时码集合Ω'的码型数；

7）估计部分符号数：

7a)利用步骤(3)中的R和步骤(5b)中的分组长度k，构造部分相关矩阵V：

V=[R~(β)R~(k+β)···R~((Nk-1)k+β)],]]>

其中，β为新空时码集合Ω'中码型的编码矩阵的列标，β＝1,2,...k；

7b)计算部分相关矩阵V的部分协方差矩阵：D＝E[VV^T]，对部分协方差矩阵D做特征值分解，将得到的特征值按降序排列，构成部分特征值向量其中ε_γ为部分协方差矩阵D的特征值，γ＝1,2,...2rk；

7c)分别将n＝1，带入下式计算似然函数值L(1)，

L(n)=-n(4r-2n+1)-N2kΣα=12nlog(ϵα)-Nk(r-n)log(12(r-n)Σα=2n+12rϵα)]]>

进而得到似然函数值向量

7d)取似然函数值向量L中数值最大元素对应的n为部分符号数；

8)计算距离判决值向量：

8a)重复步骤(7)，估计出编码矩阵每一列的部分符号数，得到参数估计向量

Ψ＝[n(1),n(2),...n(β)...]，n(β)为编码矩阵第β列的部分符号数；

8b)利用步骤(6)中的符号数向量P_j，计算符号数向量P_j与参数估计向量Ψ的距离判决值θ_j＝(P_j-Ψ)²；

8c)重复步骤(8b)，得到新空时码集合Ω'中每种码型与参数估计向量Ψ的距离判决值，构成距离判决值向量Π＝[θ₁,θ₂...θ_T]；

9)取距离判决值向量Π中数值最小的元素对应的码型为判决码型，完成空时码模式盲识别。