本发明专利技术公开一种基于特征提取和分集技术的空频码模式盲识别方法。主要解决现有技术在小样本，低信噪比条件下性能差的问题。其实现步骤为：(1)构造单载波和双载波解调矩阵；(2)计算协方差矩阵，并分解该矩阵生成特征值矩阵；(3)对特征值矩阵进行迭代生成迭代特征值矩阵；(4)利用迭代特征值矩阵，采用比值法获得估计符号向量；(5)利用估计符号向量和候选集的理论符号向量，求出距离判决和向量；(6)取距离判决和向量中取值最小的元素对应的码型为判决码型。本发明专利技术充分利用了OFDM系统中每一个子载波的信息，克服了现有技术在小样本、低信噪比条件下性能差的缺点，满足了空频码盲识别的工程要求。
【技术实现步骤摘要】
基于特征提取和分集技术的空频码模式盲识别方法
本专利技术属于通信
，更进一步涉及信号检测
的空频编码模式盲识别方法，可用于多输入多输出正交频分复用(MIMO-OFDM)系统中，对空频码模式进行盲识别。
技术介绍
多输入多输出正交频分复用(MIMO-OFDM)系统是下一代无线通信的关键技术，它能够有效地获得空间分集，同时对抗多径衰落。空频码是MIMO-OFDM系统的重要组成部分，空频码的盲识别是通信对抗领域迫切需要研究的领域，它能够为MIMO-OFDM系统对抗技术提供基础和技术支撑，具有重要的理论意义和应用价值。所述空频码也称为空频编码，它是指空间传输信号和频率传输信号的结合，实质上就是空间和频率二维的处理相结合的方法，是一种用于多发射天线正交频分复用系统的编码技术。该编码在多根发射天线和不同频率上的发射信号之间能够产生空域和频域的相关性。这种空频相关性可以使接收机克服MIMO信道衰落和减少发射误码。对于空间未编码系统，空频编码可以在不牺牲带宽的情况下起到发射分集和功率增益作用。盲识别就是指在接收端不知道发送端的任何信息，只从接收信号中识别需要的信息。而空频码模式的盲识别就是指从接收信号中识别空频编码的模式，空频码的盲识别是一个新兴的课题，目前还没有已知的算法。但现有的空时分组码识别算法可以通过改进推广到频域，从而盲识别空频码。这些算法大都建立在传统概率论基础上，主要是基于模式选择的方法。文献[V.Choqueuse,M.Marazinetal.,Blindrecognitionoflinearspacetimeblockcodes:Alikelihoodbasedapproach.IEEETrans.SignalProcessing,58(3),2010,1290-1299]中引入模式选择方法，其设计思想是基于信息论准则的最小描述长度(MinimumDescriptionLength，MDL)和Akaike信息论准则(AkaikeInformationCriterion，AIC)，对频域接收信号的协方差矩阵进行特征值分解，将得到的特征值和待估识别参数带入到模式选择地似然函数中去，计算与待估识别参数可能取值相对应的似然函数值，找出使似然函数最大的参数值，通过该参数值可进一步确定发射端使用的空频编码模式。但是该方法存在的不足是：一方面需要大规模的数据样本来完成空频码模式的估计，不适用于较快衰落的通信场景；另一方面，在低信噪比的环境下识别性能差，无法满足空频码模式盲识别的工程要求；
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于特征提取和分集技术的空频码模式盲识别方法，对接收信号的自相关矩阵进行特征提取，并利用分集技术提高空频码模式识别方法在小样本，低信噪比下的性能，以满足空频码模式盲识别的工程要求。实现本专利技术目的地技术思路是：首先，对频域接收信号的自相关矩阵进行特征值分解，然后利用分集技术迭代特征值，增大信号特征值和噪声特征值之间的差距，最后通过比值判决法得到发送空频码的估计符号数向量，与候选集中码型的理论符号数向量求距离差，得出最终的识别码型。具体方案包括如下步骤：S1、接收端通过多根天线接收到发射端发送的信号序列，解调之后得到解调信号矩阵X，计算解调信号矩阵X中每一个子载波的特征值向量，构成特征值矩阵：ψ＝[λ1,λ2,...λN]；S2、对该特征值矩阵进行迭代得到迭代特征值矩阵：其中，ζ为迭代步长，特征值矩阵的列向量为迭代特征值向量；S3、利用比值判决法，估计迭代特征值矩阵Ψ中每一个迭代特征值向量包含的信号特征值个数，构成单载波估计向量其中，对应迭代特征值矩阵中第j个迭代特征值向量的信号特征值个数，1≤j≤ζ；S4、利用解调矩阵X，取相邻子载波上的侦听信号，构成双载波解调矩阵Pv，计算双载波解调信号矩阵Pv中每一个子载波的特征值向量，构成特征值矩阵并利用比值判决法得到双载波估计向量其中，为双载波解调矩阵对应的迭代特征值矩阵第i个特征值向量的信号特征值个数，1≤i≤ζ；S5、利用所有需要识别的空频码组成码型集合Ω，提取Ω中每种码型的单载波符号向量△＝[n1,n2,...nζ]和双载波符号向量Λ＝[m1,m2,...,mζ]，其中nα为空频码第α个子载波的理论符号数，1≤α≤ζ，mβ为空频码第β个子载波和第和β+1子载波的联合符号数，1≤β≤ζ；所述每种码型的单载波符号向量和双载波符号向量均预先存储在空频码组成码型集合Ω中；S6、利用得到的单载波估计向量和双载波估计向量计算空频码组成码型集合Ω中所有码型的符号向量与估计向量的距离判决和：其中数值最小的距离判决和所对应的码型为判决码型，完成空频码模式盲识别。所述步骤S1包括以下步骤：1)接收端通过r根接收天线接收到发射端发送的长度为Σ的信号序列，得到r×Σ的接收信号矩阵X'，其中Σ≥1260，r>2；2)去除接收信号矩阵中的循环前缀CP，对其进行OFDM解调后，得到r×(N×C)维解调信号矩阵X：其中，x(n,l)为解调后第n个OFDM符号中第l个子载波上的接收信号向量，1≤n≤N，1≤l≤C，N为接收到的OFDM符号数，N≥10，C为每个OFDM符号中的子载波个数，C≥32；3)取解调信号矩阵X中第k个子载波对应的接收信号，构成r×N维单载波解调矩阵Yk：Yk＝[x(1,k),x(2,k),...,x(N,k)]，其中，1≤k≤C；4)计算特征值向量4a)将单载波解调矩阵Yk的实部和虚部并联，得单载波并联矩阵其中，Re(·)表示取实部运算，Im(·)表示取虚部运算；4b)计算单载波并联矩阵的自相关矩阵：其中，E[·]表示求期望运算，[·]T表示求转置运算；4c)对单载波自相关矩阵Rk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λk＝[ρ1,ρ2,...ρη...]，其中，ρη为单载波自相关矩阵Rk的特征值，ρ1≥ρ2≥，...ρη≥...，η＝1,2,...2r；5)重复步骤4)，计算得到解调信号矩阵中每一个子载波的特征值向量，构成特征值矩阵：ψ＝[λ1,λ2,...λN]。所述步骤S4包括以下步骤：6)利用X，取相邻子载波上的侦听信号，构成2r×N维双载波解调矩阵Pv：Pv＝[x(1,v),x(1,v+1),x(2,v),x(2,v+1),...,x(N,v),x(N,v+1)]，其中，1≤v≤C；7)计算双载波解调信号矩阵Pv中每一个子载波的特征值向量，构成特征值矩阵并利用比值判决法得到双载波估计向量其中，为双载波解调矩阵对应的迭代特征值矩阵第i个特征值向量的信号特征值个数，1≤i≤ζ。所述步骤2)中的中的OFDM解调采用的是64点的FFT变换。所述步骤4c)中的特征值分解，采用正交对角分解法，即先在自相关矩阵Rk两边分别乘以正交矩阵Q及其转置矩阵，得到特征值对角矩阵Φ＝QTRkQ；再从特征本文档来自技高网...
【技术保护点】
一种基于特征提取和分集技术的空频码模式盲识别方法，包括如下步骤：1)接收端通过r根接收天线接收到发射端发送的长度为Σ的信号序列，得到r×Σ的接收信号矩阵X'，其中Σ≥1260，r>2；2)去除接收信号矩阵中的循环前缀CP，对其进行OFDM解调后，得到r×(N×C)维解调信号矩阵X：X＝[x(1,1),…,x(1,C),x(2,1),…,x(2,C),……,x(N,1),…,x(N,C)]其中，x(n,l)为解调后第n个OFDM符号中第l个子载波上的接收信号向量，1≤n≤N，1≤l≤C，N为接收到的OFDM符号数，N≥10，C为每个OFDM符号中的子载波个数，C≥32；3)取解调信号矩阵X中第k个子载波对应的接收信号，构成r×N维单载波解调矩阵Yk：Yk＝[x(1,k),x(2,k),...,x(N,k)]，其中，1≤k≤C；4)计算特征值向量4a)将单载波解调矩阵Yk的实部和虚部并联，得单载波并联矩阵Y‾k=Re(Yk)Im(Yk)]]>其中，Re(·)表示取实部运算，Im(·)表示取虚部运算；4b)计算单载波并联矩阵的自相关矩阵：其中，E[·]表示求期望运算，[·]T表示转置运算；4c)对单载波自相关矩阵Rk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λk＝[ρ1,ρ2,...ρη...]，其中，ρη为单载波自相关矩阵Rk的特征值，ρ1≥ρ2≥，...ρη≥...，η＝1,2,...2r；5)重复步骤4)，计算得到解调信号矩阵中每一个子载波的特征值向量，构成特征值矩阵：ψ＝[λ1,λ2,...λN]，取迭代特征值矩阵为：ψ=[λ1+λ1+ζ+...λ(Nζ-1)*ζ+1,λ2+λ2+ζ+...λ(Nζ-1)*ζ+2,...,λζ+λζ+ζ+...λ(Nζ-1)*ζ+8]]]>其中，ζ为迭代步长，称特征值矩阵的列向量为迭代特征值向量。6)利用比值判决法，估计迭代特征值矩阵Ψ中每一个迭代特征值向量包含的信号特征值个数，构成单载波估计向量其中，对应迭代特征值矩阵中第j个迭代特征值向量的信号特征值个数，1≤j≤ζ。7)利用步骤2)中的X，取相邻子载波上的侦听信号，构成2r×N维双载波解调矩阵Pv：Pv＝[x(1,v),x(1,v+1),x(2,v),x(2,v+1),...,x(N,v),x(N,v+1)]，其中，1≤v≤C；8)对步骤2)中X的所有相邻子载波重复步骤4)到步骤6)，得到双载波估计向量其中，为双载波解调矩阵对应的迭代特征值矩阵第i个特征值向量的信号特征值个数，1≤i≤ζ。9)利用所有需要识别的空频码组成码型集合Ω，提取Ω中每种码型的单载波符号向量△＝[n1,n2,...nζ]和双载波符号向量Λ＝[m1,m2,...,mζ]，其中nα为空频码第α个子载波的理论符号数，1≤α≤ζ，mβ为空频码第β个子载波和第和β+1子载波的联合符号数，1≤β≤ζ；10)计算距离判决和向量10a)利用步骤(6)中的单载波估计向量和步骤8)中的双载波估计向量计算符号向量与估计向量的距离判决和：10b)重复步骤(10a)，计算码型集合Ω中每种空频码对应的距离判决和，构成距离判决和向量Π＝[θ1,θ2...θT]，T为空频码集合Ω中的码型个数。11)取距离判决和向量Π中数值最小的元素对应的码型为判决码型，完成空频码模式盲识别。...
【技术特征摘要】
1.一种基于特征提取和分集技术的空频码模式盲识别方法，包括如下步骤：
1)接收端通过r根接收天线接收到发射端发送的长度为Σ的信号序列，得到r×Σ的接收信号矩阵X'，其中Σ≥1260，r>2；
2)去除接收信号矩阵中的循环前缀CP，对其进行OFDM解调后，得到r×(N×C)维解调信号矩阵X：
X＝[x(1,1),…,x(1,C),x(2,1),…,x(2,C),……,x(N,1),…,x(N,C)]
其中，x(n,l)为解调后第n个OFDM符号中第l个子载波上的接收信号向量，1≤n≤N，1≤l≤C，N为接收到的OFDM符号数，N≥10，C为每个OFDM符号中的子载波个数，C≥32；
3)取解调信号矩阵X中第k个子载波对应的接收信号，构成r×N维单载波解调矩阵Yk：Yk＝[x(1,k),x(2,k),...,x(N,k)]，其中，1≤k≤C；
4)计算特征值向量
4a)将单载波解调矩阵Yk的实部和虚部并联，得单载波并联矩阵
其中，Re(·)表示取实部运算，Im(·)表示取虚部运算；
4b)计算单载波并联矩阵的自相关矩阵：其中，E[·]表示求期望运算，[·]T表示转置运算；
4c)对单载波自相关矩阵Rk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λk＝[ρ1,ρ2,...ρη...]，其中，ρη为单载波自相关矩阵Rk的特征值，ρ1≥ρ2≥，...ρη≥...，η＝1,2,...2r；
5)重复步骤4)，计算得到解调信号矩阵中每一个子载波的特征值向量，构成特征值矩阵：ψ＝[λ1,λ2,...λN]，取迭代特征值矩阵为：
其中，ζ为迭代步长，称特征值矩阵的列向量为迭代特征值向量；
6)利用比值判决法，估计迭代特征值矩阵Ψ中每一个迭代特征值向量包含的信号特征值个数，构成单载波估计向量其中，对应迭代特征值矩阵中第j个迭代特征值向量的信号特征值个数，1≤j≤ζ；
7)利用步骤2)中的X，取相邻子载波上的侦听信号，构成2r×N维双载波解调矩阵Pv：
Pv＝[x(1,v),x(1,v+1),x(2,v),x(2,v+1),...,x(N,v),x(N,v+1)]，
其中，1≤v≤C；
8)对步骤2)中X的所有相邻子载波重复步骤4)到步骤6)，得到双载波估计向量其中，为双载波解调矩阵对应的迭代特征值矩阵第i个特征值向量的信号特征值个数，1≤i≤ζ；
9)利用所有需要识别...
【专利技术属性】
技术研发人员：卢小峰，张海林，李勇朝，郭松，朱德明，杨宇辰，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。