[发明专利]一种基于监督式学习聚类算法的空间调制系统检测方法

说明书

本发明属于通信抗干扰技术领域，具体的说是涉及一种基于监督式学习聚类算法的空间调制系统检测方法。本发明主要为了减少训练序列的长度，具体方法如下：首先根据星座符号间的旋转关系，有效的减少训练序列的长度，并得到和所有可能的发送信号一一对应的接收信号；然后利用接收信号和所有可能的发送信号间一一对应的关系，构造出接收信号和发送信号间的映射函数；接着输入待检测的接收信号，利用构造的映射函数进行检测，并输出结果。本发明的有益效果为，已有的基于监督式学习的检测方法需要把所有可能的发送信号作为训练序列，或者利用原点对称性将训练序列减少一半，而本发明利用旋转性可以更进一步的减少训练序列的长度，且不会有性能损失。

技术领域

本发明属于通信抗干扰技术领域，涉及空间调制(Spatial Modulation,SM)技术，多输入多输出(Multiple Input Multiple Output,MIMO)技术，以及监督式学习(Supervised Learning)算法，具体的说是涉及一种基于监督式学习聚类算法的空间调制系统检测方法。

背景技术

空间调制系统作为一种新的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，主要包括基于无监督式学习和监督式学习的方法。其中，基于无监督式学习的方法无需训练序列，但其存在类别和标签之间的解映射问题，目前有人提出了基于信道编码的解映射方法，但随着聚类数目的增加，其搜索空间急剧增大。而监督式学习的方法利用训练序列可以避免解映射的难题，但训练序列会造成一定的资源浪费，因此需要在保证性能的同时尽量减少训练序列的长度。

发明内容

本发明的目的，就是针对空间调制系统提出一种基于监督式学习聚类算法的空间调制系统检测方法，并利用旋转性有效减少训练序列的长度。

本发明的技术方案如下：

假设有N_t根发送天线，N_r根接收天线，调制阶数为M，X＝[x₁,...,x_L]是长度为L的发送信号序列，即取L个时隙的发送信号。假设这L个时隙内信道保持不变或微小变化。X_SM是发送信号集合，是待检测的接收信号序列，其中η为加性高斯白噪声。

首先构造训练序列，训练序列需要发送所有的可能的发送信号，即其中表示第n_t(1≤n_t≤N_t)根发送天线上传送星座符号集合中的第m(1≤m≤M)个星座符号。由于信道及噪声的影响，每个信号只发送一次可能无法得到较好的映射函数，因此需要将每种可能的发送信号重复发送r次，即那么此时训练序列的长度为N_tMr，接收端接收到的信号序列为然后根据最邻近中心聚类算法的思想，将每一种可能的发送信号对应的r个接收信号求均值作为此发送信号对应的接收信号的中心，于是接收信号序列变为其中

但需要注意的是，每个星座符号之间是有联系的，例如PSK调制，每个符号都是由第一个符号依次旋转θ角得到的。已有的基于监督式学习的聚类算法只利用了星座符号关于原点对称的性质，将训练序列长度减少了一半，若充分利用星座符号之间的旋转性，可以进一步减少训练序列的长度。对旋转性定义如下：