基于罚函数优化的最大似然空时码模式盲识别方法

摘要

本发明公开了一种基于罚函数优化的最大似然空时码模式盲识别方法，具体步骤为：提取空时码集合;得到码参数集合；计算并联矩阵；利用并联矩阵构造分组相关矩阵；利用分组相关矩阵得到特征值向量；计算每种码参数组合的罚函数值，进而得到似然函数值；重复得到码参数组合对应的似然函数值向量；选择似然函数值向量中取值最小的码型为判决码型。通过求解接收信号的协方差矩阵，得到矩阵的特征值和特征向量；根据空时码参数构造似然函数；对可能的码型计算罚函数值，进而得到似然函数值，选择使似然函数值最小的码型为识别码型。从而对似然函数进行修正，达到提高计算精度，从而提高编码模式的盲识别正确率的，增强了系统的稳定性。

主权项

1.一种基于罚函数优化的最大似然空时码模式盲识别方法，其特征在于，包括如下步骤：步骤一：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′；步骤二：将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n和分组长度l的组合(n,l)构成码参数集合(U,V)；记码参数集合(U,V)中第i个码参数组合为(s_i,k_i)，i＝1,2...Z，Z为码参数集合(U,V)中组合个数；步骤三：将上述步骤一的接收信号矩阵R′的实部和虚部并联，获得并联矩阵，即$\tilde{R}=\left[\begin{array}{c}\mathrm{Re}\left(R^{\prime }\right)\\ \mathrm{Im}\left(R^{\prime }\right)\end{array}\right]$其中Re(·)表示取实部运算，Im(·)表示取虚部运算；步骤四：根据上述步骤三中的并联矩阵对上述步骤二中的码参数集合(U,V)中的第i个码参数组合(s_i,k_i)，构造分组相关矩阵R_i：$R_i=\left[\begin{array}{cccc}\tilde{R}\left(1\right)& \tilde{R}(k_i+1)& ...& \tilde{R}((\frac{N}{k_i}-1)k_i+1)\\ \tilde{R}\left(2\right)& \tilde{R}(k_i+2)& ...& \tilde{R}((\frac{N}{k_i}-1)k_i+2)\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ \tilde{R}\left(k_i\right)& \tilde{R}\left({2k}_i\right)& ...& \tilde{R}\left(\left(\frac{N}{k_i}\right)k_i\right)\end{array}\right]$其中表示并联矩阵的第j列，j＝1,2...N；步骤五：计算上述步骤四中的分组相关矩阵R_i的分组协方差矩阵：C_i＝E[R_iR_i^T]，其中E[·]表示求期望运算，(·)^T表示转置运算；步骤六：对分组协方差矩阵C_i做特征值分解，将得到的特征值按降序排列，构成特征值向量步骤七：求出码参数组合(s_i,k_i)对应的码参数罚函数值Φ(s_i,k_i)，其具体公式如下：$\Phi (s_i,k_i)=(2s_i+1)\times (2r{k}_i-s_i)+1-N(r{k}_i-s_i-1/2)\log {\rho }_{2s_i+1};$步骤八：利用上述步骤七的码参数罚函数值Φ(s_i,k_i)，计算码参数似然函数值L(s_i,k_i)，其具体公式如下：$L(s_i,k_i)=-\Phi (s_i,k_i)-\frac{N}{2}\underset{k=1}{\overset{{2s}_i}{\Sigma }}\log \left({\rho }_k\right)-N({\mathrm{rk}}_i-s_i)\log \left(\frac{1}{2({\mathrm{rk}}_i-s_i)}\right)\underset{k={2s}_i+1}{\overset{{2\mathrm{rk}}_i}{\Sigma }}{\rho }_k)$步骤九：对上述步骤二中的码参数集合(U,V)中的每种组合重复步骤四到步骤八，得到每种组合对应的码参数似然函数值，组成码参数似然函数值向量：Δ＝[L(s₁,k₁),L(s₂,k₂)…L(s_m,k_m)…]，其中，m＝1,2,…Z；步骤十：选择使上述步骤九中码参数似然函数值向量取值最小的码参数组合对应的码型为判决码型。