[发明专利]基于随机矩阵理论和特征阈值估计的MIMO发射天线数目盲估计算法

说明书

本发明公开了一种适用于MIMO系统的发射天线数目盲估计方法，主要解决时变快衰落信道环境中和低信噪比条件下MIMO系统发射天线数目识别正确率低的问题。该方法包括：(1)利用非合作接收机的接收信号构造接收样本矩阵，实现非合作接收机的数据采集；(2)利用接收信号样本矩阵构造协方差矩阵；(3)对协方差矩阵进行特征值分解；(4)设置双边检测门限，初始化计数变量；(5)计算二阶矩；(6)计算特征值判决门限；(7)根据特征值和门限进行判决，得出MIMO系统发射天线数目。本发明能确保在快衰落信道中小样本接收数据条件下和低信噪比条件下的正确识别率，保证在军事通信对抗和时变快衰落信道中的适用性。

技术领域

本发明属于无线通信技术领域，涉及一种适用于多输入多输出(Multiple InputMultiple Output,MIMO)系统的发射天线数目估计算法，主要用于通信信号盲识别和认知无线电。

背景技术

移动互联网和多媒体通信技术的快速发展，对未来移动通信系统提出了新的要求。在频谱资源日益紧张、传输速率与日俱增的背景下，MIMO技术为这些目标的实现提供了有力的技术支持。在非合作通信场景中，接收方需要对MIMO信号参数进行盲估计与识别，这些参数包括发射天线数目、空时编码类型、信道参数和调制方式等，而发射天线数目估计是其他参数估计的基本前提。

现有的适用于MIMO系统的发射天线数目估计方法可分为两类：基于模式选择的方法和基于假设检验的方法。2007年，Oren Somekh等人在“Detecting the Number ofTransmit Antennas with Unauthorized or Cognitive Receivers in MIMO Systems”一文中引入基于模式选择的方法，其设计思想是利用信息论准则的最小描述长度(MinimumDescription Length,MDL)和Akaike信息论准则(Akaike Information Criterion,AIC)，首先对接收信号的协方差矩阵进行特征值分解，然后将得到的特征值和待识别参数代入到模式选择的代价函数中，计算与待识别参数可能取值相对应的代价函数值，找出使代价函数最小的参数值，最后通过该参数值进一步确定发射天线数目。2011年，K.Hassan等人在“Blind Detection of the Number of Transmitting Antennas for Spatially-Correlated MIMO Systems”一文中提出了基于假设检验的预测特征值门限(PredictEigenvalue Threshold,PET)的算法，该算法首先计算接收信号的协方差矩阵并对该矩阵进行特征值分解，对分解得到的多个特征值进行升序排列，然后利用一步预测法分别预测各个特征值所对应的特征值门限，最后利用预测得到的特征值门限对多个特征值进行判决，将首次出现的大于特征值门限的特征值判定为最小信号特征值，通过该特征值所在的升序排列中的具体位置可进一步确定出MIMO系统的发射天线数目。

以上算法的不足之处在于：一方面需要较多的接收数据样本进行发射天线数目估计，计算复杂度高，算法实时性差，难以适用于快衰落场景；另一方面，在低信噪比环境下识别正确率较低，难以满足恶劣信噪比环境中非合作通信MIMO信号盲识别的场景需求。

发明内容

本发明的目的在于针对上述现有技术的不足，提出了一种适用于MIMO系统的发射天线数目估计方法，可利用较少的接收数据样本数，在较低的信噪比场景下，实现较高正确率的发射天线数目估计。

为实现上述目的，本发明的实现步骤如下：

(1)假设MIMO通信系统由一个天线数目为N_t的发射机和一个天线数目为N_r的非合作接收机构成，其中非合作接收机的天线数大于发射机的天线数，即N_r＞N_t。定义非合作接收机的接收信号矩阵为Y，第n个采样时刻的接收信号为y(n)，其中1≤n≤N，则N_r×N维矩阵N为接收数据样本数。