基于鲁棒竞争聚类的欠定系统实正交空时分组码盲识别方法
【专利摘要】本发明涉及一种基于鲁棒竞争聚类的欠定系统实正交空时分组码盲识别方法，属于信号处理【技术领域】。在本方法中，首先，建模得到与虚拟信道矩阵相关的接收信号模型，由于虚拟信道矩阵包含空时码信息，因此可用于空时码识别；其次，利用鲁棒竞争聚类算法盲估计出虚拟信道矩阵；再次，根据实正交空时分组码的特性，提取虚拟信道矩阵的相关矩阵的稀疏度和非主对角元素能量与主对角元素能量之比的能量比的识别特征参数；最后，根据此参数进行正交空时分组码识别。本发明采用的算法能以较小的复杂度有效地盲识别实正交空时分组码信号，且能在较低的输入信噪比条件下良好地工作，从而改善系统性能；而且利用鲁棒竞争聚类算法还可以盲估计出源信号的数目，具有广泛的应用前景。
【专利说明】基于鲁棒竞争聚类的欠定系统实正交空时分组码盲识别方 法
【技术领域】
[0001] 本发明属于信号处理【技术领域】，涉及一种基于鲁棒竞争聚类的欠定系统实正交空 时分组码盲识别方法。
【背景技术】
[0002] 接收分集的缺点是接收端的计算负荷很高，可能导致下行链路中的移动台的功率 消耗很大。发射端使用空时编码同样可W获得分集增益，而且在接收端解码时只需要简单 的线性处理。空时码把天线发送分集技术、信道编码及调制技术有机地结合在一起，可W有 效地提高衰落信道的传输性能。通信信号识别在民用通信和军用通信具有重要意义。转通 通信信号识别主要包括调制识别与信道编码识别。在非合作的通信侦察中，要想截获信号 信息，必须知道调制方式、信道编码方式和编码参数等。空时码是对MIMO系统中发送符号 的一种编码，空时码的识别是非合作MIMO系统的重要内容之一，要对接收信号进行解码， 需要知道它的编码方式，目前还没有公开报道该方面的研究，因此需要进一步识别空时分 组码的类型。
[0003] 稀疏分量分析（SCA)是利用信号在时域或其变换域中的稀疏特性而不是独立特 性来实现信号盲分离。SCA的基本假设条件是假设源信号是稀疏信号。稀疏信号是指该信 号在大多采样时刻的取值等于零或接近于零，只有少数采样时刻的取值明显不为零。典型 的稀疏信号其概率分布为Laplace分布。
【发明内容】
[0004] 有鉴于此，本发明的目的在于提供一种基于鲁棒竞争聚类的欠定系统实正交空时 分组码盲识别方法，该方法针对欠定系统的空时分组码类型识别的问题，引入了稀疏信号 分析用于正交空时分组码盲识别。
[0005] 为达到上述目的，本发明提供如下技术方案：
[0006] -种基于鲁棒竞争聚类的欠定系统实正交空时分组码盲识别方法，在本方法中， 首先，建模得到与虚拟信道矩阵相关的接收信号模型，由于虚拟信道矩阵包含空时码信息， 因此可用于空时码识别；其次，利用鲁棒竞争聚类算法盲估计出虚拟信道矩阵；再次，根据 实正交空时分组码的特性，提取虚拟信道矩阵的相关矩阵的稀疏度和非主对角元素能量与 主对角元素能量之比的能量比的识别特征参数；最后，根据此参数进行正交空时分组码识 别。
[0007] 进一步，本方法具体包括W下步骤：
[0008] 步骤一；建模得到与虚拟信道矩阵相关的接收信号模型：
[0009] Y [k) - ￡2' S{k) + V {k) - AS [k) + V [k) ；
[0010] 其中，S化）=[Si化)，S2化)，...，Sw化)]T为特发射的由N个符号组成的第k组数 据，且其中各符号独立分布C =[峰馬，...，C,,J，A= Q T是一个DeLXN维虚拟信道矩阵，为 个统计独立信源组成的独立向量，V(k) 为?XL维的噪声矩阵，其元素是零均值方差为tr"2 的高斯随机变量，Vm (k)是一个L维行向量；
[0011] 步骤二：利用鲁棒竞争聚类算法盲估计出虚拟信道矩阵i ;
[0012] 欠定盲分离的混合模型可W表示为：
[001 引 YGO=AS 似+VGO
[0014] 式中s(k)为源信号矢量，A为混合矩阵，V(k)为高斯白噪声；跟步骤一中的公式比 较可知两个模型实际上是一致的，所W把估计混合矩阵A的方法来估计虚拟信道矩阵；混 合信号具有面聚类特点，利用该个特点在源信号个数未知的条件下，利用竞争聚类学习算 法估计
[0015] 出聚类平面，然后利用势函数法来估计聚类平面的交线，由此得到混合矩阵的估 计；
[001引假设估计出的聚类平面的法线向量为及=[A，...，/?,/] e ，M为估计出 来的聚类平面的个数，它不一定等于聚类平面的实际个数，随机选取向量矩阵 P二「A，.，&] E巧的难，一般取Q > M，并规则化斯=Pi/ M PJ 12 i = 1，. . .，Q ;构成目标函 数：
[0017]
【权利要求】
1. 一种基于鲁棒竞争聚类的欠定系统实正交空时分组码盲识别方法，其特征在于：在 本方法中，首先，建模得到与虚拟信道矩阵相关的接收信号模型，由于虚拟信道矩阵包含空 时码信息，因此可用于空时码识别；其次，利用鲁棒竞争聚类算法盲估计出虚拟信道矩阵； 再次，根据实正交空时分组码的特性，提取虚拟信道矩阵的相关矩阵的稀疏度和非主对角 元素能量与主对角元素能量之比的能量比的识别特征参数；最后，根据此参数进行正交空 时分组码识别。
2. 根据权利要求1所述的一种基于鲁棒竞争聚类的欠定系统实正交空时分组码盲识 别方法，其特征在于：本方法具体包括以下步骤： 步骤一：建模得到与虚拟信道矩阵相关的接收信号模型： Y(k)^QrS(k) + V(k) = AS{k) + V(k) , 其中，S(k) = 为特发射的由N个符号组成的第k组数据， 且其中各符号独立分布公=吳，...,A7J，A = Q T是一个nKLXN维虚拟信道矩阵，为个 统计独立信源组成的独立向量，V(k) SnKXL维的噪声矩阵，其元素是零均值方差为<r"2的 高斯随机变量，Vm (k)是一个L维行向量； 步骤二：利用鲁棒竞争聚类算法盲估计出虚拟信道矩阵j ; 欠定盲分离的混合模型可以表示为： Y(k) =AS(k)+V(k) 式中S(k)为源信号矢量，A为混合矩阵，V(k)为高斯白噪声；跟步骤一中的公式比较 可知两个模型实际上是一致的，所以把估计混合矩阵A的方法来估计虚拟信道矩阵；混合 信号具有面聚类特点，利用这个特点在源信号个数未知的条件下，利用竞争聚类学习算法 估计 出聚类平面，然后利用势函数法来估计聚类平面的交线，由此得到混合矩阵的估计； 假设估计出的聚类平面的法线向量为B = [A ，M为估计出来 的聚类平面的个数，它不一定等于聚类平面的实际个数，随机选取向量矩阵 户= [/^1,…，，一般取Q彡M，并规则化：Pi = Pi/I Ipi I 12i = 1，…，Q ;构成目标函 数：
€ i = g(Pi)/max(g(P))彡e，则Pi为混合矩阵的列向量； 步骤三：估计出虚拟信道相关矩阵矩阵R = AtA = Q Q T
(a = 1，2, ? ? ?，P) 其中K为观测的时间，即发射数据组数；A i为分解自相关矩阵Ry按降序排列的第i个 特征，P = 2nKL ; 步骤五：根据实正交空时分组码的特性，提取虚拟信道矩阵的相关矩阵的非主对角元 素方差特征参数，预判码型：
其中F为主对角元素个数，当D > Dth时，取Y = Y2，当D彡Dth时，取Y = Y1 ; 步骤六：根据实正交空时分组码的特性，提取虚拟信道矩阵的相关矩阵的稀疏度特征 参数：
N，而非正交空时分组码的R矩阵的稀疏度0 > N，取特征参数0 =N; 步骤七：进行比较判决，即如果9 =N说明采用了 OSTBC信号；否则，采用了 NOSTBC信 号。
【文档编号】H04L1/06GK104363078SQ201410722926
【公开日】2015年2月18日 申请日期:2014年12月2日 优先权日:2014年12月2日
【发明者】张天骐, 裴光盅, 张刚 申请人:重庆邮电大学