一种基于AP聚类算法的空间调制系统盲检测方法与流程

本发明属于通信抗干扰技术领域，涉及空间调制(spatialmodulation,sm)技术，盲检测技术(blinddetection)，多输入多输出(multipleinputmultipleoutput,mimo)技术，以及ap聚类(affinitypropagation,ap)算法。

背景技术：

空间调制技术作为一种新的mimo技术近来受到广泛关注。在空间调制系统中，每个时隙仅激活一根发送天线传送数据，从而避免了信道间的干扰，对天线间的同步性要求也有所降低，并且在接收端，即使接收天线数小于发送天线数时也可以进行检测。

对于空间调制系统的检测也是一个热门问题，在早期的工作中，有三种典型的空间调制检测算法：最大似然检测，匹配滤波检测和球形译码检测。而这些检测均假设已知完美信道状态信息，而完美信道状态信息在实际中是很难获取的。因此，近年来陆续有人提出了无需知道信道状态信息的盲检测算法，而大部分的盲检测算法均需要发送一些训练符号序列，从而导致资源的浪费。于是近来又有人提出了一种基于k均值聚类算法的盲检测算法，无需知道信道状态信息，也无需用到训练符号，但其仍需事先知道聚类的数目。

技术实现要素：

本发明的目的，就是针对空间调制系统提出一种基于ap聚类算法的盲检测算法。

本发明的技术方案如下：

假设有nt根发送天线，nr根接收天线，调制阶数为m，x＝[x1,...,xl]是长度为l的发送信号序列，即取l个时隙的发送信号。xsm是发送信号集合，是接收符号序列。将l个时隙的接收信号当做l个观测值，于是发送信号相同的时隙所接收到的信号可被分为一个类即因此，空间调制系统的盲检测问题可以转化为聚类问题。

ap算法通过观测值之间的相似度进行分类，并且不需知道聚类的数目。相似度矩阵s的元素s(i,j)表示第i个观测值和第j个观测值间的相似度，其对角元素s(i,i)表示参考度，其值越大，则第i个观测值是聚类中心的概率越大。s(i,j)可表示为：

聚类数目受参考度影响很大，所以合适的参考度设置可以提高聚类效果，因此可以首先通过如下方式获得一个集合l：

1)假设l＝{iyi被选为聚类中心}是被选为聚类中心的观测值的索引的集合，令作为初始值，输入k值，k值为预判的聚类数目，可根据实际情况随意设置。

2)计算每个观察值之间的欧氏距离矩阵，以得到一个矩阵其元素为

3)令其中

4)将加入集合l中，并更新集合为其中

5)重复步骤4)直至集合l的基数为k。

越晚放入集合的元素，它和之前已被选入集合的元素在同一个类中的可能性越大，所以参考度可设置为：

其中z是i在集合l中的索引，p取矩阵s中除对角元外的所有元素的均值。

此外，定义吸引度矩阵和归属度矩阵如下：

吸引度矩阵r：其元素r(i,j)表示第j个观测值适合作为第i个观测值的聚类中心的程度，可表示为：

其中下标t表示在迭代过程中第t步的值。

归属度矩阵a：其元素a(i,j)表示第i个观测值选择第j个观测值作为它的聚类中心的程度，可表示为：

其中下标t表示在迭代过程中第t步的值。

为了避免震荡，在迭代更新吸引度矩阵和归属度矩阵时引入阻尼系数λ，公式如下：

rt+1(i,j)＝(1-λ)rt+1(i,j)+λrt(i,j)(公式5)

at+1(i,j)＝(1-λ)at+1(i,j)+λat(i,j)(公式6)

其中0<λ<1，阻尼系数越小，迭代次数越少，但会变得难以收敛，本发明取λ＝0.7。

可知吸引度r(i,j)和归属度a(i,j)越高，第j个观测值作为聚类中心的可能性越高。

ap算法把所有观测值当做潜在的聚类中心，通过迭代更新每一个观测值的吸引度和归属度，直到产生m个高质量的聚类中心，并将其余观测值分到相应的类中。

为了实现上述目的，本发明的基于ap聚类算法的空间调制系统检测方法主要包括如下步骤：

1、初始化吸引度矩阵r和归属度矩阵a为零矩阵；

2、根据公式1和公式2输入相似度矩阵s；

3、通过公式3至公式6迭代计算矩阵r和矩阵a，直至它们收敛；

4、输出其中是第i个观测值被分配到的类的聚类中心的索引，例如第i个观察值和第j个观测值都以第k个观测值为聚类中心，则

5、将聚类结果解映射为比特信息。

本发明的有益效果在于，首先通过最大化最小欧式距离的思想，获得一个更为合适的参考度，从而可避免可能发生的错误平台问题，并在可接受的算法复杂度范围内获得更高的检测性能。

附图说明

图1为空间调制盲检测系统框图；

图2为基于ap聚类算法的盲检测算法流程图；

图3为ap算法迭代收敛过程示意图；

图4为不同检测算法性能比较(4发4收，l＝80，bpsk)；

图5为不同检测算法性能比较(4发4收，l＝800，bpsk)；其中，kmc(p)表示用不同的初始聚类中心运行p次，ap(n)表示将所有参考度设为相同的值，ap(y)表示用公式2设置参考度。

具体实施方式

下面将结合附图，给出本发明的具体实施例。需要说明的是：实施例中的参数并不影响本发明的一般性。

下面对该发明提出的一种基于ap聚类算法的盲检测算法进行说明。考虑一个nt×nr的空间调制系统，其中nt是发射天线数，nr是接收天线数，x＝[x1,...,xl]是长度为l的发送信号序列，即取l个时隙的发送信号。xsm是发送信号集合，是接收符号序列。将l个时隙的接收信号当做l个观测值，令ap聚类检测器的具体检测步骤如下：

步骤1：初始化吸引度矩阵r和归属度矩阵a为零矩阵；

步骤2：根据公式1和公式2输入相似度矩阵s，其中获得集合l的具体步骤如下：

a)假设l＝{iyi被选为聚类中心}是被选为聚类中心的观测值的索引的集合，令作为初始值，输入k值。

b)计算每个观察值之间的欧氏距离矩阵，以得到一个矩阵其元素为

c)令其中

d)将加入集合l中，并更新集合为其中

e)重复步骤4)直至集合l的基数为k。

步骤3：通过公式3至公式6迭代计算矩阵r和矩阵a，直至它们收敛；

步骤4：输出其中是第i个观测值被分配到的类的聚类中心的索引，例如第i个观察值和第j个观测值都以第k个观测值为聚类中心，则

步骤5将聚类结果解映射为比特信息。

上述ap聚类检测器的复杂度为ο(l²niter+2l²)，传统k均值聚类检测器的复杂度为ο(plntmniter)，niter为迭代次数。和传统k均值检测器相比，本发明提出的基于ap聚类的盲检测算法可以获得更好的性能，且具有较低的算法复杂度。