[发明专利]基于特征量预估计的时滞相关空时码模式盲识别方法

摘要

本发明公开一种基于特征量预估计的时滞相关空时码模式盲识别方法。其实现步骤为：（1）提取空时码集合，得到特征量集合；（2）计算并联矩阵，并计算特征量函数值向量；（3）利用特征量函数值向量预估计特征量，得到新空时码集合和噪声功率估计值；（4）白化并联矩阵，得到解相关矩阵；（5）计算解相关矩阵的时滞相关范数；（6）计算新空时码集合中码型的时滞相关矩阵；（7）利用步骤（5）和（6）中参数计算时滞相关度向量；（8）取时滞相关度向量中取值最小的元素对应的码型为判决码型。本发明克服了现有技术由于运算量大导致系统复杂度高的缺点，增大了现有空时码盲识别方法的识别范围，可用于盲识别发送端使用的空时码模式。

主权项

1.一种基于特征量预估计的时滞相关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'，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f和分组长度g的组合(f,g)构成特征量集合(U,V)；记特征量集合(U,V)中第i个特征量组合为(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+1)···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(j)表示并联矩阵R的第j列，j＝1,2...N；4b）计算分组相关矩阵R_i的分组协方差矩阵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特征值Q_i＝2rk_i-2s_i构成噪声特征值向量即λ→i=[ρ2si+1,ρ2si+2,···,ρ2rki];]]>4d）估计特征量组合(s_i,k_i)对应的噪声功率σi2=Πλ→i2Qi]]>其中∏(·)表示向量元素连乘运算，表示开Q_i次方运算；4e）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(Πλi1→σi2Qi)).]]>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根据步骤4d）得出特征量组合对应的噪声功率估计值为σ²；5c）取出空时码集合Ω中分组长度为k，分组符号数为的所有码型，构成新空时码集合Ω'；6）计算接收信号的白化矩阵：6a）计算并联矩阵R的协方差矩阵E[RR^T]，并结合步骤5b）中的噪声功率估计值σ²，得到去除噪声影响的分时相关矩阵P：其中I_2r表示大小为2r*2r的单位矩阵，*表示乘法运算；6b）对分时相关矩阵P进行特征值分解，将得到的特征值按降序排列，作为特征值矩阵Λ的对角元素，求出特征值矩阵Λ对应的特征向量矩阵U：U＝PΛP^-1，其中，P^-1为分时相关矩阵P的逆矩阵，ν_j为分时相关矩阵P的特征值，j＝1,2,...2r；6c）利用上述参数计算白化矩阵：其中Λ^-1为特征值矩阵Λ的广义逆矩阵；7）对并联矩阵R进行白化，获得白化后的解相关矩阵：Y＝W×R；8）计算解相关矩阵Y的时滞相关范数||θ(τ)||F2=1N2||Σb=0N-1Y(b)Y((b+τ)modN)T||F2,]]>其中，τ＝0,1,…,N，Y(b)是解相关矩阵Y的第b列,b＝0,1,…,N-1,mod为取模运算，||·||_F²表示矩阵的Frobenius范数；9）计算新空时码集合Ω'中码型的时滞相关矩阵θ(τ)：θ(τ)=Σu=0N-k-1Re(A(u))×Re(A(u+τ))T00Im(A(u))×Im(A(u+τ))T,]]>其中，A(u)是新空时码集合Ω'中码型的编码矩阵A的第u列，u＝1,2,...ω，ω为码型分组长度；10）得到判决码型：10a）利用上述参数计算新空时码集合Ω'中码型的时滞相关度d:d=Στ=1N-1(||θ(τ)||F2-2t*||θ(τ)||F2||θ(0)||F2)2,]]>其中，t为发送天线数；10b)重复步骤10a），求出新空时码集合Ω'中每种码型对应的时滞相关度，构成时滞相关度向量Δ＝[d(1),d(2),…d(l)]，其中l是新空时码集合Ω'中码型个数，记时滞相关度向量Δ中取值最小的元素对应的码型为判决码型。