基于空时相关矩阵的空时分组码盲识别方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114362881A(43)申请公布日2022.04.15(21)申请号202111543422.XG06K9/62(2022.01)(22)申请日2021.12.16(71)申请人中国人民解放军战略支援部队信息工程大学地址450000河南省郑州市高新区科学大道62号(72)发明人吴迪王玉龙王世举徐岩成凯鑫马瑞鹏胡涛(74)专利代理机构郑州大通专利商标代理有限公司41111代理人周艳巧(51)Int.Cl.H04L1/00(2006.01)H04B7/0413(2017.01)G06N3/08(2006.01)权利要求书2页说明书7页附图4页(54)发明名称基于空时相关矩阵的空时分组码盲识别方法及系统(57)摘要本发明属于信号处理技术领域，特别涉及一种基于空时相关矩阵的空时分组码盲识别方法及系统，包含：通过通信系统中发射端和接收端的同步采样来对信号进行接收，并对接收信号进行预处理，获取若干组接收信号样本；设置延时量取值范围，并在该延时量取值范围内计算每个延时量下各组接收信号样本对应的空时相关矩阵；对接收信号样本中各延时量下空时相关矩阵中元素进行去冗余的白化处理，并通过计算白化处理后空时相关矩阵的Frobenis范数平方值来构造空时分组码特征向量；将空时分组码特征向量作为模型输入，利用训练后的BP神经网络对空时分组码特征进行分类识别。本发明能够满足MIMO通信中STBC类型的识别要求，可直接应用于非协作MIMO系统等，具有较好适用性。CN114362881ACN114362881A权利要求书1/2页1.一种基于空时相关矩阵的空时分组码盲识别方法，其特征在于，包含如下内容：通过通信系统中发射端和接收端的同步采样来对信号进行接收，并对接收信号进行预处理，获取若干组接收信号样本；设置延时量取值范围，并在该延时量取值范围内计算每个延时量下各组接收信号样本对应的空时相关矩阵；对接收信号样本中各延时量下空时相关矩阵中元素进行去冗余的白化处理，并通过计算白化处理后空时相关矩阵的Frobenis范数平方值来构造空时分组码特征向量；将空时分组码特征向量作为模型输入，利用训练后的BP神经网络对空时分组码特征进行分类识别。2.根据权利要求1所述的基于空时相关矩阵的空时分组码盲识别方法，其特征在于，同步采样过程中，维持接收端接收天线数大于等于发射端发送天线数，依据发送天线所发信号、该发送信号到达接收天线时的衰减系数及接收天线接收信号中高斯噪声所组成的信号接收模型来获取若干组接收信号。3.根据权利要求1或2所述的基于空时相关矩阵的空时分组码盲识别方法，其特征在于，通过对接收信号进行去载频、匹配滤波和判决的预处理操作，得到接收信号样本。4.根据权利要求1所述的基于空时相关矩阵的空时分组码盲识别方法，其特征在于，空时相关矩阵计算公式表示为：其中，Yi为第i组接收信号样本，N为接收信号样本组个数，τ为延时量。5.根据权利要求1或4所述的基于空时相关矩阵的空时分组码盲识别方法，其特征在于，白化处理中，将矩阵中各列按列组合为列向量，以对空时相关矩阵向量化；利用向量化后的矩阵、特征值对角矩阵及特征向量矩阵来获取白化处理后的矩阵。6.根据权利要求5所述的基于空时相关矩阵的空时分组码盲识别方法，其特征在于，白化处理后的矩阵W表示为：其中，Λ为对角矩阵，对角元素为矩阵的特征值，特征向量矩阵U中的相应列为对应的特征向量，H表示矩阵取转置操作，Lmax为待识别码组中空时码长度最大值，表示延时量为τ0下的空时相关矩阵，N为接收信号样本组个数。7.根据权利要求1所述的基于空时相关矩阵的空时分组码盲识别方法，其特征在于，BP神经网络在训练中，采用信噪比以预设间隔进行变化的训练样本，且训练样本中每一信噪比下至少选用两种调制方式的信号数据，以输出误差的平方作为目标函数，采用梯度下降算法计算目标函数的最小值，并基于反向传播算法对网络权值进行调整。8.一种基于空时相关矩阵的空时分组码盲识别系统，其特征在于，包含：数据获取模块、数据处理模块和数据识别模块，其中，数据获取模块，用于通过通信系统中发射端和接收端的同步采样来对信号进行接收，并对接收信号进行预处理，获取若干组接收信号样本；数据处理模块，用于通过设置延时量取值范围，并在该延时量取值范围内计算每个延时量下各组接收信号样本对应的空时相关矩阵；对接收信号样本中各延时量下空时相关矩2CN114362881A权利要求书2/2页阵中元素进行去冗余的白化处理，并通过计算白化处理后空时相关矩阵的Frobenis范数平方值来构造空时分组码特征向量；数据识别模块，用于将空时分组码特征向量作为模型输入，利用训练后的BP神经网络对空时分组码特征进行分类识别。9.一种计算机可读存储介