[发明专利]非高斯噪声下MIMO-OFDM空时编码方式识别方法、系统、设备及介质

说明书

非高斯噪声下MIMO‑OFDM空时编码方式识别方法、系统、设备及介质，方法包括：提取适用于非高斯噪声环境下MIMO‑OFDM信号的相关性特征，构建用于特征优化选择的特征空间；构建基于极端梯度提升序列浮动后向选择算法的特征优化选择模型，根据特征重要性确定用于最终分类的特征集合；构建基于树增强朴素贝叶斯的分类器模型，根据特征优化选择出的特征对空时编码方式进行分类识别；系统、设备及介质基于非高斯噪声下MIMO‑OFDM空时编码方式识别方法进行空时编码方式识别；本发明提取适用于非高斯噪声环境下MIMO‑OFDM信号的时滞相关峰值特征，构建特征选择模型并进行特征优化选择以确定最终分类的特征集合，实现非高斯噪声下MIMO‑OFDM空时编码方式的识别，在低广义信噪比的条件下具有良好的识别性能。

技术领域

本发明属于通信信号解调技术领域，尤其涉及一种非高斯噪声下MIMO-OFDM空时编码方式识别方法、系统、设备及介质。

背景技术

非高斯噪声下MIMO-OFDM空时编码方式识别是非合作MIMO系统深层感知技术的重要内容之一，空时分组码(Space-time block coding,STBC)是比较常见的空时编码方式，它与MIMO-OFDM的结合，能大大地提高无线通信的有效性和可靠性。在分析目前空时编码信号分类识别研究现状的基础上，在实际通信中，一些自然因素和人为因素，如雷电引起的大气噪声，多用户干扰以及多种人为产生的噪声，使得通信环境噪声变得极为复杂，这类噪声通常用非高斯分布进行描述，当所处噪声环境为非高斯噪声时，现有方法会面临失效，信号分类效果的准确度、实时性及鲁棒性均面临着严峻的挑战。因此，对非高斯噪声下MIMO-OFDM空时编码方式识别方面的研究具有非常重要的意义。

近年来，已经有许多学者开展了空时分组编码方式(STBC)识别相关的研究。针对于空时分组码(STBC)的识别：Shi等人利用双接收天线的二阶循环平稳性来区分空间复用(SM)码和Alamouti(AL)码(Shi M,Barness Y,Su W.STC and BLAST MIMO ModulationRecognition[C]//IEEE.IEEE,2007.)。Deyoung等人基于四阶矩和四阶滞后积的离散傅里叶变换可用于信号盲分类的这个先验结论，分别提出了四种适用于解决SM(SpatialMultiplexing)信号和AL(Alamouti)信号盲识别问题的方法，包括基于四阶矩的似然比检测决策算法以及三种基于四阶滞后积的傅里叶变换算法(Deyoung M R,Heath R W,EvansB L.Using Higher Order Cyclostationarity to Identify Space-Time Block Codes[C]//Global Telecommunications Conference,2008.)。Choqueuse等人提出了最大似然法用于STBC的盲识别(Choqueuse V,Marazin M,Collin L,et al.Blind Recognition ofLinear Space–Time Block Codes:A Likelihood-Based Approach[J].IEEETransactions on Signal Processing,2010,58(3):1290-1299.)。Eldemerdash等人提出了一系列基于四阶矩的方法来区分Nakagami衰落下的SM码和AL码(Eldemerdash M,YahiaA,Marey M,et al.Fourth-Order Statistics for Blind Classification of SpatialMultiplexing and Alamouti Space-Time Block Code Signals[J].IEEE Transactionson Communications,2013,61(6):2420-2431.)。这些算法在低信噪比和有限数量的接收天线的情况下，也有较为理想的识别准确度，但是依赖于数据速率、载波相位和频率偏移、相位噪声和传播信道参数等先验信息，并且有些方法计算成本很高，可分类的空时编码类型也比较受限。