[发明专利]一种基于主成分序列的空频编码盲识别方法有效
申请号: | 201710110617.2 | 申请日: | 2017-02-28 |
公开(公告)号: | CN107018110B | 公开(公告)日: | 2020-06-16 |
发明(设计)人: | 李勇朝;高明君;李涛;毛立涛;张海林 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | H04L27/26 | 分类号: | H04L27/26;H04B7/0413 |
代理公司: | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人: | 黄浩威 |
地址: | 710071 陕西省*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 成分 序列 编码 识别 方法 | ||
1.一种基于主成分序列的空频编码盲识别方法,其特征在于,包括如下步骤:
S1对接收天线数据进行预处理,构造相邻子载波符号矩阵;
S2计算相邻子载波符号矩阵的自相关矩阵,并进行特征值分解,得到特征值向量,以及对应的特征值集合;
S3通过基于噪声功率迭代的串行假设检验判断主成分个数:
3.1)对于第v个子载波及其相邻子载波,根据步骤S2得到的特征值集合和终止条件利用迭代算法计算噪声功率的估计值集合Nr为接收天线的数量:
3.1.1)根据特征值将噪声功率的估计值初始化为噪声方差的最大似然估计值
3.1.2)根据噪声方差的最大似然估计值和特征值计算中间变量ηj:
其中,M为接收到的OFDM符号数,j=1,2,…,k,将中间变量ηj带入迭代公式求出新的噪声方差估计值具体迭代公式由下列公式确定:
3.1.3)设置一个与的最大差值Γ,令其值为10-5,将与进行比较:
若比较差值的结果大于Γ,则令重复3.1.2);
若比较差值结果小于或等于Γ,则终止迭代过程,就是噪声功率的估计值
3.2)取第v个子载波及其相邻子载波的第k个噪声功率估计值对特征值进行归一化处理得到相对应的随机变量:
将此随机变量作为检验统计量;
3.3)求解判决门限值γk:
其中,表示第一类Tracy-Widom分布的逆累积分布函数,Pfa表示预先设定的虚警概率;
3.4)确定主成分个数:
从k=1开始搜索,当第一次检测出时,输出主成分个数
S4构造估计相邻载波主成分序列向量;
S5比较估计相邻载波主成分序列向量与空频编码集合主成分序列的距离判决和,选择距离判决和最小的编码作为识别的结果。
2.根据权利要求1所述的基于主成分序列的空频编码盲识别方法,其特征在于,步骤S1具体为:
1.1)接收端通过Nr根接收天线接收到已经经过载波解调长度为Σ的信号序列,得到Nr×Σ的接收信号矩阵Xr;
1.2)去除接收信号矩阵Xr中的循环前缀,对其进行OFDM解调后,得到Nr×(M×L)维解调信号矩阵X,其中,X(m,l)为解调后第m个OFDM符号中第l个子载波上的接收信号向量,1≤m≤M,1≤l≤L,M为接收到的OFDM符号数,L为每个OFDM符号中的子载波个数;
1.3)取解调信号矩阵X第v个子载波及其相邻的子载波上的侦听信号,将两个子载波上的信号向量化,构成2Nr×M维相邻子载波符号矩阵Yv:
其中,1≤v≤L。
3.根据权利要求1所述的基于主成分序列的空频编码盲识别方法,其特征在于,步骤S2具体为:
2.1)将步骤S1得到的相邻子载波符号矩阵Yv的实部和虚部并联,得相邻载波并联矩阵
其中,表示取实部运算,表示取虚部运算;
2.2)计算相邻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;
2.3)对相邻载波并联矩阵的自相关矩阵Rv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:
其中,为第v个子载波及其相邻载波自相关矩阵Rv的第k个特征值,Nr为接收天线的数量;
则特征值集合为
4.根据权利要求1所述的基于主成分序列的空频编码盲识别方法,其特征在于,步骤S4具体为:计算相邻子载波符号矩阵Y1,…,YN-8的主成分个数L为每个OFDM符号中的子载波个数,构造估计相邻载波主成分序列向量
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710110617.2/1.html,转载请声明来源钻瓜专利网。