[发明专利]基于韦罗内塞映射的欠定盲分离混合矩阵估计方法有效
申请号: | 201710023661.X | 申请日: | 2017-01-13 |
公开(公告)号: | CN106778911B | 公开(公告)日: | 2019-04-23 |
发明(设计)人: | 付卫红;农斌;周新彪;韦娟;黑永强;李晓辉;刘乃安 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 陕西电子工业专利中心 61205 | 代理人: | 田文英;王品华 |
地址: | 710071 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 韦罗内塞 映射 欠定盲 分离 混合 矩阵 估计 方法 | ||
1.一种基于韦罗内塞映射的欠定盲分离混合矩阵估计方法,包括如下步骤:
(1)构建观测信号矩阵:
(1a)构建一个行数与接收端天线个数相等、且元素全为0的观测信号矩阵;
(1b)将接收端天线采集到的通信信号,按列存入到观测信号矩阵中;
(2)对观测信号矩阵进行韦罗内塞映射:
(2a)按照下式,计算韦罗内塞映射向量的维数:
其中,m表示韦罗内塞映射向量的维数,!表示阶乘操作,i表示韦罗内塞映射的阶数,M表示接收端天线的总数;
(2b)按照下式,计算每一个韦罗内塞映射向量:
Vj=[v(x1),v(x2),…,v(xT)]
其中,Vj表示第j个韦罗内塞映射向量,v(·)表示取韦罗内塞系数操作,x1表示观测信号矩阵的第1个列向量,x2表示观测信号矩阵的第2个列向量,xT表示观测信号矩阵的最后一个列向量;
(2c)将所有的韦罗内塞映射向量按列组成韦罗内塞映射矩阵;
(3)构造韦罗内塞映射的法向量:
(3a)对韦罗内塞映射矩阵进行奇异值分解,得到韦罗内塞映射的左奇异矩阵;
(3b)取出韦罗内塞映射的左奇异矩阵中最后一个列向量,作为韦罗内塞映射的法向量;
(4)按照下式,计算韦罗内塞映射的一阶导数:
Dp=nonzero(cL⊙P)v
其中,Dp表示韦罗内塞映射的一阶导数,nonzero(·)表示剔除向量中的零元素操作,c表示韦罗内塞映射的法向量,L表示元素全为1的行向量,⊙表示点乘操作,P表示韦罗内塞映射的幂次,v表示韦罗内塞映射矩阵中的最后一个列向量;
(5)对韦罗内塞映射的一阶导数进行谱图划分,得到子空间矩阵;
(6)对子空间矩阵的所有交线列向量进行聚类,得到欠定混合矩阵;
所述对子空间矩阵的所有交线列向量进行聚类的具体步骤如下:
第1步,从子空间矩阵的所有交线列向量中选取第一个分量为负数的交线列向量,对该交线列向量的所有元素乘以-1得到翻转列向量;
第2步,将翻转列向量和未被选取的列向量按列组成翻转矩阵;
第3步,对翻转矩阵进行归一化处理,得到归一化信号矩阵;
第4步,利用K-均值聚类方法,对归一化信号矩阵中的所有列向量进行聚类,得到所有的聚类中心;
第5步,将所有的聚类中心按列组成欠定混合矩阵。
2.根据权利要求1所述的基于韦罗内塞映射的欠定盲分离混合矩阵估计方法,其特征在于:步骤(5)中所述对韦罗内塞映射的一阶导数进行谱图划分的具体步骤如下:
第1步,对韦罗内塞映射的一阶导数矩阵的拉普拉斯系数进行特征谱分析,得到特征值矩阵;
第2步,对特征值矩阵的所有行向量进行聚类,得到子空间矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710023661.X/1.html,转载请声明来源钻瓜专利网。