空时分组编码系统信号发送和接收方法

摘要

本发明属于通信技术领域，具体的说涉及空时分组编码系统信号发送和接收方法。本发明为了解决传统的基于信道检测的STBC系统需要长导频进行信道估计的问题，本发明的方案直接对接收信号进行聚类并利用标记符号(Labelled Symbols)进行类别标注(Labeling)，进而恢复出发送符号。本发明的有益效果在于，相对于传统技术，本发明的方法不需要信道估计，且以较低复杂度实现了MLD。

权利要求

1.空时分组编码系统信号发送和接收方法，其特征在于：在发射端：发射机在发送数据信息之前，插入Nt

在接收端：利用发射端发送的Nt个互不相关的标记符号向量对应的接收信号通过线性组合的方式重构出M个标记符号组成的标记矩阵，对一个时段内收到的数据信号和标记矩阵通过聚类算法进行聚类形成M个类别，通过重构得到的标记矩阵标注每个类别对应的发送符号，根据聚类结果和标记矩阵对数据信号进行判决恢复发送符号；

所述用发射端发送的Nt个互不相关的标记符号向量重构出标记矩阵的具体方法为：设M个标记符号形成的标记矩阵为：

其秩为Nt，因此只需要发送Nt个正交的标记符号向量 即可重构完整的标记矩阵，即L＝Ls·A，其中Aij表示重建标记符号li时lsj的权重系数。

说明书

空时分组编码系统信号发送和接收方法

技术领域

[0001] 本发明属于通信技术领域，具体的说涉及空时分组编码系统信号发送和接收方法。

背景技术

[0002] STBC(Space-time Block Coding，空时分组编码)是一种利用多根发送天线提高数据传输可靠性的多天线系统。STBC及其变种技术已经广泛应用于无线通信系统，如WiFi，LTE等。传统的STBC系统需要通过发送端发送导频信号(Pilot Symbols)使接收端进行信道估计，从而使得接收机可以利用信道信息进行解耦的最大似然检测(MLD)恢复出发送符号。由于噪声的存在，只有利用较长的导频信号才能较为准确的估计出信道信息。然而即使完全知道信道信息，进行ML检测的复杂度也极高。

发明内容

[0003] 本发明的目的，就是针对上述问题，提出一种在接收端不需要进行信道估计的空时分组编码系统信号发送和接收方法。

[0004] 本发明的技术方案如下：

[0005] 空时分组编码系统信号发送和接收方法，其特征在于：

[0006] 在发射端：发射机在发送数据信息之前，插入M个标记符号，M是可能的调制符号组合的数目，即发送的符号向量可能的总类数，M为自然数，所述标记符号的内容是接收端已知的；

[0007] 在接收端：对一个时段内收到的所有信号通过聚类算法进行聚类形成M个类别，通过获得的标记符号对应的接收信号标注每个类别，根据聚类结果和标记符号对数据信号进行判决恢复发送符号。

[0008] 本发明总的技术方案，为了解决传统的基于信道检测的STBC系统需要长导频进行信道估计的问题，本发明的方案直接对接收信号进行聚类并利用标记符号(Labelled Symbols)进行类别标注(Labeling)，进而恢复出发送符号。

[0009] 本发明还提出了另一种STBC系统信号发送和接收方法，其特征在于，

[0010] 在发射端：发射机在发送数据信息之前，插入Nt

[0011] 在接收端：利用发射端发送的Nt个互不相关的标记符号向量对应的接收信号通过线性组合的方式重构出M个标记符号组成的标记矩阵，对一个时段内收到的数据信号和标记矩阵通过聚类算法进行聚类形成M个类别，通过重构得到的标记符号矩阵标注每个类别对应的发送符号，根据聚类结果和标记符号矩阵对数据信号进行判决恢复发送符号；

[0012] 所述用发射端发送的Nt个互不相关的标记符号向量重构出标记矩阵的具体方法为：

[0013] 设M个标记符号形成的标记矩阵为：

[0014]

[0015] 其秩为Nt，因此只需要发送Nt个正交的标记符号 即可重构完整的标记矩阵，即L＝Ls·A，其中Aij表示重建标记符号li时lsj的权重系数。

[0016] 本发明的有益效果在于，相对于传统技术，本发明的方法不需要信道估计，且以较低复杂度实现了MLD。

附图说明

[0017] 图1示出了本发明提出的符号检测方法一；

[0018] 图2示出了本发明提出的符号检测方法二；

[0019] 图3示出了传统导频设计方法；

[0020] 图4示出了本发明标记符号设计方法一；

[0021] 图5示出了接收信号聚类后的标注方法一；

[0022] 图6示出了本发明标记符号设计方法二；

[0023] 图7示出了本发明标记符号设计方法三；

[0024] 图8示出了本发明的聚类算法流程；

[0025] 图9示出了本发明提出的多视角聚类算法流程；

[0026] 图10示出了本发明提出的方法与传统方法的性能对比。

具体实施方式

[0027] 下面将结合附图，详细描述本发明的技术方案。

[0028] 假设信道在一段时间内保持不变，该时段发送的信号在每根接收天线上均经过相同的信道。由于噪声服从CSCG分布，使得在已知发送符号的的条件下，接收天线上收到的信号服从多维CSCG分布。考虑该短时间内收到的所有信号，其服从高斯混合模型，通过对接收信号形成的高斯混合模型进行聚类可以将同一个发射符号对应的接收信号聚类到同一个类别。利用标记信息和聚类类别之间的对应关系指明每个类别对应的发送符号，进而对接收信号做判决以恢复出其对应的发送符号。

[0029] 以Alamouti编码系统为例，两根发送天线每两个时隙发送由两个符号组成的符号T组。为发送第n个符号组，两根天线在第一个时隙发送[s1(n),s2(n)] ，其中si(n),i＝1,2分别是调制得到的星座图上的某一个符号。两根天线在第二个时隙发送 令
信道为h＝[h11,h21]，则接收信号表示为

[0030]

[0031] 其中ui(n),i＝1 ,2是服从循环对称复高斯(CSCG)分布的噪声，即ui(n)与s(n)相互独立。令

[0032]

[0033] 则(1)可表示为：

[0034] y(n)＝H·s(n)+u(n).             (3)

[0035] Alamouti编码系统的MLD可表示为：

[0036]

[0037] 即

[0038]

[0039] 假设信道在一段时间内保持不变，该时段发送的信号在每根接收天线上均经过相同的信道。令Ck表示发送符号是第k种调制状态组合，一共有M种状态组合，即发送信号共有M种类别，由于噪声服从CSCG分布，使得在给定的条件下，接收天线上在第一个时隙收到的信号y1(n)服从均值为h·Ck，方差为σ2的CSCG分布，即 同理可知接收天线在第二个时隙收到的信号y2(n)服从均值为h·
C′k，方差为σ2的CSCG分布，即

[0040] 所以该时段内接收机收到的所有的符号组的分布满足

[0041]

[0042] 其中πk是每一种Ck出现的概率。以QPSK调制为例，Ck＝[a+jb,p+jq]T，a＝{±1},b＝{±1},p＝{±1},q＝{±1}，故M＝42。从(6)可以观察得到无论是每个时隙的接收信号yi(n)或是每个符号组的接收信号y(n)均是由M个高斯分布成分组成的高斯混合模型(Gaussian Mixture Model，GMM)。

[0043] 因此本发明的方法通过对接收信号进行聚类可以将同一个发射符号对应的接收信号聚类到同一个类别，利用标记符号和聚类类别之间的对应关系可以恢复出接收信号对应的发射符号。

[0044] 如图1所示，为本发明提出的符号检测方法一，具体步骤如下：

[0045] 1.对一个时段内收到的所有信号y(n)进行聚类形成M个类别；

[0046] 2.通过发送端发送的标记符号对应的接收信号标注每个类别对应的发送符号；

[0047] 3.通过聚类的结果以及类别与发送符号的对应关系，对数据信号进行判决从而恢复出对应的发送符号。

[0048] 以Alamouti编码系统，QPSK调制为例，发射机在发送数据信息之前，插入M＝42个标记符号，每一个标记符号是一种可能的发送符号组合，举例说明，如两根天线上分别发送1+j和1+j，则经过聚类之后，该符号对应的接收信号会和标记符号[1+j，1+j]T处于同一个类别中，进而可以对该接收信号进行判决。

[0049] 如图2所示，为本发明的本发明提出的符号检测方法二，具体步骤如下：

[0050] 1.利用发射端发送的Nt个互不相关的标记符号向量利用线性组合重构出M个标记符号组成的标记矩阵(Label Matrix)

[0051] 2.对一个时段内收到的数据信号以及标记矩阵进行聚类形成M个类别，

[0052] 3.通过重构得到的标记符号矩阵标注每个类别对应的发送符号，

[0053] 4.通过聚类的结果以及类别与发送符号的对应关系，对数据信号进行判决从而恢复出对应的发送符号。

[0054] 以Alamouti编码系统，QPSK调制为例，M个标记符号形成了标记矩阵L＝[l1,l2,...,lM]∈C2×M，其秩(Rank)为2，故只需要发送2个互不相关的标记符号Ls＝[ls1,l's1]∈C2×2即可重构完整的标记矩阵，即L＝Ls·A，其中Aij表示重构标记符号li时lsj的权重系数。每一组发送符号对应的接收信号y(n)虽然是将两个时隙内收到的信号组合而成，但对于每T
一对发送符号[s1,s2] ，通过第一个时隙收到的信号及其重构得到的标记矩阵，可恢复出第二个时隙发送的信号，故只需发送2个互不相关的标记符号。

[0055] 本发明还进一步提出一种具有纠错能力的标记设计方法。这种方法在每个时段发送Nt个标记符号的v次重复，在标记重建之前，相同的标记符号向量取平均以降低噪声干扰。

[0056] 本发明以高斯混合模型聚类方法中的期望最大化(EM)算法为例来阐述基于聚类的符号检测系统的主要思想。与此同时，本发明以调制符号等概率以及噪声方差不变性为例说明将通信系统的固有特征作为先验来加速检测算法的主要思想。

[0057] 接收信号的似然函数为：

[0058]

[0059] 其中ψ＝[{π1,θ1},{π2,θ2},...,{πM,θM}],θk＝{μk,Σk}，因为通信系统调制符号等概率，且多根天线的噪声协方差矩阵相同，所以有Ψ＝[{π0,θ1},{π0,θ2},…,{π0,θM}],θk＝{μk,Σ0},π0＝1/M。因为每个数据点y(n)必然属于某个高斯成分，故引入隐变量zn∈{0,1}M,其中znk是zn的元素m，即zn只有一个元素为1，其余为0。接收信号和隐变量的联合分布的期望为：

[0060]

[0061] 在假设已知高斯混合分布的参数Ψ的情况下，y(n)＝Ck的后验概率为：

[0062]

[0063] 在假设已知γnk的情况下，通过将(8)关于均值和协方差矩阵求导并取0，可以得到更新公式：

[0064]

[0065] 和

[0066]

[0067] 通过迭代公式(9)和公式(10)(11)，高斯混合分布的参数即可求得，并用于后续分类。如果进一步考虑到不同时隙的噪声相互独立，即噪声协方差矩阵为对角矩阵σ2I，协方差矩阵的更新公式可写为：使用该更新公式可大幅度
提高计算速度。

[0068] 本发明进一步提出一种基于层次聚类的STBC系统解码方法。以Alamouti编码系统，QPSK调制为例，接收信号一共会形成16个类别，对所有接收到的信号先聚类为4个大类，再对每个类别分别进行聚类。该方法可以大幅度提升解码速度。

[0069] 本发明进一步提出一种基于共同约束多视角聚类(Co-regularized Multi-view Clustering)的STBC解码系统。以Alamouti编码系统为例，由于同一个符号组对应的两个时隙的接收信号y1(n)和y2(n)对应的发射符号，对该时段内两个时隙收到的信号分别做聚类，其聚类得到的结果应该趋于一致，以EM计算的GMM为例，其计算得到的(9)应近似。令一共有L个时隙，对于第r个时隙进行聚类时，(7)等价于最小化下式：

[0070]

[0071] 其中 urnk等于第r个时隙计算得到的γnk。用下式约束每个时隙的计算结果近似：

[0072]

[0073] 令 进一步可得对所有时隙同时进行聚类等价于下式：

[0074]

[0075] 通过求导可求得更新规则为：

[0076]

[0077] 和

[0078]

[0079] 图3示出了传统导频设计方法，其中灰色为发送0的天线，黑色为发送1的天线，每根天线发送一次1，共需要发送Nt个符号。由于单一导频受噪声影响方差很大，需要重复发送多次导频才能准确估计。

[0080] 图4示出了本发明的一种标记符号设计方法。本方法在发送数据符号之前，插入M个标记符号，每个标记符号向量是一种可能的发送符号向量。以2×2天线阵列，QPSK调制为2 T
例，一共有4 中可能的发送符号向量。以发送的数据符号为[1+j,1+j]为例，由于数据符号和标记符号在该段时间内经过的信道相同，所有发送符号为[1+j,1+j]T的数据符号和标记符号[1+j,1+j]T会被聚类到同一个类别。通过标记符号建立起聚类类别和发送符号之间的关系，然后所有该类别的数据信号都被判决成与该标记符号相同的发送符号。

[0081] 图5示出了图4示出的方法聚类的结果和标记的位置。

[0082] 图6示出了本发明提出的另一种在一个时间段只需发送Nt个标记符号而非M个标记符号的标记设计方法。以4×4天线阵列，16QAM调制为例，M＝164个标记符号形成了标记矩阵 其秩(Rank)为Nt＝4，故只需要发送Nt个线性无关的标记符号即可重建完整的标记矩阵，即L＝Ls·A，其中Aij表示重建li时lsj的
权重系数。

[0083] 图7示出了本发明提出的另一种具有纠错功能的标记符号设计方法。由于噪声影响，标记可能出现在距离相应类别均值较远的位置从而影响性能。通过重复v次同一个标记，一共需要发送vNt个标记符号，从而提高了抗噪声能力。

[0084] 图8示出了本发明作为示例使用的聚类算法的算法流程。首先对高斯混合分布的参数进行初始化，然后迭代计算y(n)＝ck的后验概率

[0085]

[0086] 和高斯混合分布的参数更新，即：

[0087]

[0088] 和

[0089]

[0090] 通过迭代公式上述，高斯混合分布的参数即可求得，并用于后续分类。

[0091] 图9示出了本发明提出的应用于STBC系统的多视角聚类算法流程。首先对高斯混合分布的参数进行初始化，然后对每一个时隙分别更新高斯成分的参数，然后对每一个时隙分别更新后验概率。

[0092] 图10示出了本发明提出的方法与传统方法的性能对比。其中STBC-GMM曲线使用了本发明提出的第三种标记符号设计方法及相应的聚类算法，标记符号重复两次，MLD-channel estimation曲线是基于信道估计的MLD，导频数量和STBC-GMM使用的标记符号数量相同，MLD-known CSI曲线为完全知道信息信息的MLD，本发明提出的算法在SNR高出某个门限后，在不知道信道信息的情况下，达到了准确知道信道信息的MLD性能，优于基于信道估计的MLD性能。

[0093] 本发明利用的EM算法也可不局限于等概率发送符号场景，同时，噪声的方差也可随时间变化。另外，本发明也不局限于利用EM算法来求得高斯混合分布的参数。本发明提出的层次聚类STBC系统也不局限于两阶段聚类方法。本发明提出的方法可轻易推广至任意数目发送天线和接收天线，不局限于Alamouti编码系统。