本發(fā)明屬于通信抗干擾技術(shù)領(lǐng)域，涉及空間調(diào)制(spatialmodulation,sm)技術(shù)，盲檢測技術(shù)(blinddetection)，多輸入多輸出(multipleinputmultipleoutput,mimo)技術(shù)，以及ap聚類(affinitypropagation,ap)算法。

背景技術(shù)：

空間調(diào)制技術(shù)作為一種新的mimo技術(shù)近來受到廣泛關(guān)注。在空間調(diào)制系統(tǒng)中，每個時隙僅激活一根發(fā)送天線傳送數(shù)據(jù)，從而避免了信道間的干擾，對天線間的同步性要求也有所降低，并且在接收端，即使接收天線數(shù)小于發(fā)送天線數(shù)時也可以進行檢測。

對于空間調(diào)制系統(tǒng)的檢測也是一個熱門問題，在早期的工作中，有三種典型的空間調(diào)制檢測算法：最大似然檢測，匹配濾波檢測和球形譯碼檢測。而這些檢測均假設(shè)已知完美信道狀態(tài)信息，而完美信道狀態(tài)信息在實際中是很難獲取的。因此，近年來陸續(xù)有人提出了無需知道信道狀態(tài)信息的盲檢測算法，而大部分的盲檢測算法均需要發(fā)送一些訓(xùn)練符號序列，從而導(dǎo)致資源的浪費。于是近來又有人提出了一種基于k均值聚類算法的盲檢測算法，無需知道信道狀態(tài)信息，也無需用到訓(xùn)練符號，但其仍需事先知道聚類的數(shù)目。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的，就是針對空間調(diào)制系統(tǒng)提出一種基于ap聚類算法的盲檢測算法。

本發(fā)明的技術(shù)方案如下：

假設(shè)有nt根發(fā)送天線，nr根接收天線，調(diào)制階數(shù)為m，x＝[x1,...,xl]是長度為l的發(fā)送信號序列，即取l個時隙的發(fā)送信號。xsm是發(fā)送信號集合，是接收符號序列。將l個時隙的接收信號當(dāng)做l個觀測值，于是發(fā)送信號相同的時隙所接收到的信號可被分為一個類即因此，空間調(diào)制系統(tǒng)的盲檢測問題可以轉(zhuǎn)化為聚類問題。

ap算法通過觀測值之間的相似度進行分類，并且不需知道聚類的數(shù)目。相似度矩陣s的元素s(i,j)表示第i個觀測值和第j個觀測值間的相似度，其對角元素s(i,i)表示參考度，其值越大，則第i個觀測值是聚類中心的概率越大。s(i,j)可表示為：

聚類數(shù)目受參考度影響很大，所以合適的參考度設(shè)置可以提高聚類效果，因此可以首先通過如下方式獲得一個集合l：

1)假設(shè)l＝{iyi被選為聚類中心}是被選為聚類中心的觀測值的索引的集合，令作為初始值，輸入k值，k值為預(yù)判的聚類數(shù)目，可根據(jù)實際情況隨意設(shè)置。

2)計算每個觀察值之間的歐氏距離矩陣，以得到一個矩陣其元素為

3)令其中

4)將加入集合l中，并更新集合為其中

5)重復(fù)步驟4)直至集合l的基數(shù)為k。

越晚放入集合的元素，它和之前已被選入集合的元素在同一個類中的可能性越大，所以參考度可設(shè)置為：

其中z是i在集合l中的索引，p取矩陣s中除對角元外的所有元素的均值。

此外，定義吸引度矩陣和歸屬度矩陣如下：

吸引度矩陣r：其元素r(i,j)表示第j個觀測值適合作為第i個觀測值的聚類中心的程度，可表示為：

其中下標t表示在迭代過程中第t步的值。

歸屬度矩陣a：其元素a(i,j)表示第i個觀測值選擇第j個觀測值作為它的聚類中心的程度，可表示為：

其中下標t表示在迭代過程中第t步的值。

為了避免震蕩，在迭代更新吸引度矩陣和歸屬度矩陣時引入阻尼系數(shù)λ，公式如下：

rt+1(i,j)＝(1-λ)rt+1(i,j)+λrt(i,j)(公式5)

at+1(i,j)＝(1-λ)at+1(i,j)+λat(i,j)(公式6)

其中0<λ<1，阻尼系數(shù)越小，迭代次數(shù)越少，但會變得難以收斂，本發(fā)明取λ＝0.7。

可知吸引度r(i,j)和歸屬度a(i,j)越高，第j個觀測值作為聚類中心的可能性越高。

ap算法把所有觀測值當(dāng)做潛在的聚類中心，通過迭代更新每一個觀測值的吸引度和歸屬度，直到產(chǎn)生m個高質(zhì)量的聚類中心，并將其余觀測值分到相應(yīng)的類中。

為了實現(xiàn)上述目的，本發(fā)明的基于ap聚類算法的空間調(diào)制系統(tǒng)檢測方法主要包括如下步驟：

1、初始化吸引度矩陣r和歸屬度矩陣a為零矩陣；

2、根據(jù)公式1和公式2輸入相似度矩陣s；

3、通過公式3至公式6迭代計算矩陣r和矩陣a，直至它們收斂；

4、輸出其中是第i個觀測值被分配到的類的聚類中心的索引，例如第i個觀察值和第j個觀測值都以第k個觀測值為聚類中心，則

5、將聚類結(jié)果解映射為比特信息。

本發(fā)明的有益效果在于，首先通過最大化最小歐式距離的思想，獲得一個更為合適的參考度，從而可避免可能發(fā)生的錯誤平臺問題，并在可接受的算法復(fù)雜度范圍內(nèi)獲得更高的檢測性能。

附圖說明

圖1為空間調(diào)制盲檢測系統(tǒng)框圖；

圖2為基于ap聚類算法的盲檢測算法流程圖；

圖3為ap算法迭代收斂過程示意圖；

圖4為不同檢測算法性能比較(4發(fā)4收，l＝80，bpsk)；

圖5為不同檢測算法性能比較(4發(fā)4收，l＝800，bpsk)；其中，kmc(p)表示用不同的初始聚類中心運行p次，ap(n)表示將所有參考度設(shè)為相同的值，ap(y)表示用公式2設(shè)置參考度。

具體實施方式

下面將結(jié)合附圖，給出本發(fā)明的具體實施例。需要說明的是：實施例中的參數(shù)并不影響本發(fā)明的一般性。

下面對該發(fā)明提出的一種基于ap聚類算法的盲檢測算法進行說明。考慮一個nt×nr的空間調(diào)制系統(tǒng)，其中nt是發(fā)射天線數(shù)，nr是接收天線數(shù)，x＝[x1,...,xl]是長度為l的發(fā)送信號序列，即取l個時隙的發(fā)送信號。xsm是發(fā)送信號集合，是接收符號序列。將l個時隙的接收信號當(dāng)做l個觀測值，令ap聚類檢測器的具體檢測步驟如下：

步驟1：初始化吸引度矩陣r和歸屬度矩陣a為零矩陣；

步驟2：根據(jù)公式1和公式2輸入相似度矩陣s，其中獲得集合l的具體步驟如下：

a)假設(shè)l＝{iyi被選為聚類中心}是被選為聚類中心的觀測值的索引的集合，令作為初始值，輸入k值。

b)計算每個觀察值之間的歐氏距離矩陣，以得到一個矩陣其元素為

c)令其中

d)將加入集合l中，并更新集合為其中

e)重復(fù)步驟4)直至集合l的基數(shù)為k。

步驟3：通過公式3至公式6迭代計算矩陣r和矩陣a，直至它們收斂；

步驟4：輸出其中是第i個觀測值被分配到的類的聚類中心的索引，例如第i個觀察值和第j個觀測值都以第k個觀測值為聚類中心，則

步驟5將聚類結(jié)果解映射為比特信息。

上述ap聚類檢測器的復(fù)雜度為ο(l²niter+2l²)，傳統(tǒng)k均值聚類檢測器的復(fù)雜度為ο(plntmniter)，niter為迭代次數(shù)。和傳統(tǒng)k均值檢測器相比，本發(fā)明提出的基于ap聚類的盲檢測算法可以獲得更好的性能，且具有較低的算法復(fù)雜度。