基于特征量预估计的时滞相关空时码模式盲识别方法.pdf

(19)中华人民共和国国家知识产权局*CN103368700A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103368700103368700A(43)申请公布日2013.10.23(21)申请号201310291911.X(22)申请日2013.07.11(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人卢小峰张海林董阳胡梅霞张立郭松(74)专利代理机构陕西电子工业专利中心61205代理人王品华朱红星(51)Int.Cl.H04L1/06(2006.01)H04L25/02(2006.01)权权利要求书3页利要求书3页说明书8页说明书8页附图2页附图2页(54)发明名称基于特征量预估计的时滞相关空时码模式盲识别方法(57)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。CN103368700ACN103687ACN103368700A权利要求书1/3页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(si,ki)，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(si,ki)，构造分组相关矩阵Ri：其中R(j)表示并联矩阵R的第j列，j＝1,2...N；T4b）计算分组相关矩阵Ri的分组协方差矩阵E[RiRi]，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Ci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2si个特征值构成有效特征值向量用剩余特征值Qi＝2rki-2si构成噪声特征值向量即4d）估计特征量组合(si,ki)对应的噪声功率其中∏(·)表示向量元素连乘运算，表示开Qi次方运算；4e）求出特征量组合(si,ki)对应的特征量函数值M(si,ki)：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2CN103368700A权利要求书2/3页值，组成特征量函数值向量：Φ＝[M(s1,k1),M(s2,k2)…M(sm,km)…]，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[RRT]，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I2r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，-1其中，P为分时相关矩阵P的逆矩阵，νj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2算，||·||F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)：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:3CN1033