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)，空間移位鍵控(spaceshiftkeying,ssk)技術(shù)，盲檢測技術(shù)(blinddetection)，多輸入多輸出(multipleinputmultipleoutput,mimo)技術(shù)，以及k均值聚類(k-meansclustering,kmc)算法。

背景技術(shù)：

空間調(diào)制系統(tǒng)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(gè)時(shí)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(shí)也可以進(jìn)行檢測。

對于空間調(diào)制系統(tǒng)的檢測也是一個(gè)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(shí)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(fèi)。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，但其應(yīng)用仍存在較大的局限性，例如錯(cuò)誤平臺問題和高復(fù)雜度問題，以及只考慮了ssk系統(tǒng)。

技術(shù)實(shí)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k均值聚類算法的空間調(diào)制系統(tǒng)檢測方法。

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(gè)時(shí)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(gè)時(shí)隙的接收信號當(dāng)做l個(gè)觀測值，于是發(fā)送信號相同的時(shí)隙所接收到的信號可被分為一個(gè)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，其聚類的個(gè)數(shù)k為發(fā)送信號的所有可能數(shù)，即k＝nt*m。

傳統(tǒng)的k均值聚類算法隨機(jī)選擇初始聚類中心，從而導(dǎo)致錯(cuò)誤平臺問題，重復(fù)運(yùn)行k均值算法p次可以減輕錯(cuò)誤平臺問題，但同時(shí)也成倍增加了算法復(fù)雜度。對此，本發(fā)明提出了一種基于最大化最小歐氏距離思想的選擇初始聚類中心的方法，包括如下步驟：

a.輸入集合l，令h^*＝{yi|i∈l}為初始聚類中心集合，表示為是以為聚類中心的類，k為聚類的個(gè)數(shù)，即發(fā)送信號的所有可能數(shù)k＝nt*m；獲得集合l的具體方法如下：

a1.假設(shè)l＝{i|yi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；

a2.計(jì)算每個(gè)觀測值之間的歐氏距離矩陣，得到一個(gè)矩陣其元素為

a3.令其中

a4.將加入集合l中，并更新集合為其中

a5.重復(fù)步驟a4直至集合l的基數(shù)為k；

b.對于每一個(gè)觀測值yi,i＝1,2,...,l，計(jì)算并將yi加入中；

c.重新計(jì)算每個(gè)類的聚類中心，以每個(gè)類中的觀測值的均值作為新的聚類中心；

d.重復(fù)步驟b和步驟c，直至聚類結(jié)果不再發(fā)生變化；

e.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(gè)更為精確的初始聚類中心，從而避免因不好的初始聚類中心而導(dǎo)致的錯(cuò)誤平臺問題；另外，傳統(tǒng)k均值聚類檢測器需要運(yùn)行p次k均值聚類算法以減輕錯(cuò)誤平臺的影響，當(dāng)發(fā)送天線數(shù)越多以及調(diào)制階數(shù)越高時(shí)，p值也就越大，從而使得復(fù)雜度十分的高，而本發(fā)明提出的改進(jìn)的k均值聚類檢測器只需運(yùn)行一次k均值聚類算法，從而大幅度降低了算法復(fù)雜度。

附圖說明

圖1為空間調(diào)制盲檢測系統(tǒng)框圖；

圖2為改進(jìn)的基于k均值聚類算法的盲檢測算法流程圖；

圖3為不同檢測算法性能比較(4發(fā)4收，(a)為ssk系統(tǒng)，l＝40；(b)為sm系統(tǒng)，l＝80，bpsk)；其中kmc(p)表示用不同的初始聚類中心運(yùn)行p次，改進(jìn)kmc為本發(fā)明提出的檢測方法。

具體實(shí)施方式

下面將結(jié)合附圖，給出本發(fā)明的具體實(shí)施例。需要說明的是：實(shí)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)明提出的一種改進(jìn)的基于k均值聚類算法的盲檢測算法進(jìn)行說明?？紤]一個(gè)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(gè)時(shí)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(gè)時(shí)隙的接收信號當(dāng)做l個(gè)觀測值，令聚類的個(gè)數(shù)k為k＝nt*m。如圖2所示，改進(jìn)的k均值聚類檢測器的具體檢測步驟如下：

步驟1：輸入集合l，令h^*＝{yi|i∈l}為初始聚類中心集合，可表示為是

以為聚類中心的類。獲得集合l的具體方法如下：

a)假設(shè)l＝{i|yi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。

b)計(jì)算每個(gè)觀測值之間的歐氏距離矩陣，以得到一個(gè)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d)直至集合l的基數(shù)為k。

步驟2：對于每一個(gè)觀測值yi,i＝1,2,...,l，計(jì)算并將yi加入中；

步驟3：重新計(jì)算每個(gè)類的聚類中心，以每個(gè)類中的觀測值的均值作為新的聚類中心；

步驟4：重復(fù)步驟2和步驟3，直至聚類結(jié)果不再發(fā)生變化。

步驟5：將聚類結(jié)果解映射為比特信息。

上述改進(jìn)k均值聚類檢測器的復(fù)雜度為ο(lntmniter+l²)，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)明提出的改進(jìn)的基于k均值聚類的盲檢測算法可以完全避免錯(cuò)誤平臺問題的影響，且具有很低的算法復(fù)雜度。