一种重叠聚类辅助的最大似然检测方法及系统与流程

1.本发明属于信号检测技术领域，涉及一种重叠聚类辅助的最大似然检测方法及系统。


背景技术：

2.在19世纪，伴随众多通信理论和物理学理论的成熟，移动通信时代随之到来。经历几十年的发展，无线通信技术现已深入到生活中的方方面面。从2g时代的时分多址技术，到3g时代的宽带码分多址技术，再到4g时代的正交频分多址技术与mimo技术，移动通信的速率也越来越快。近期逐步普及的5g通信系统，使用高阶mimo技术，极大地增加通信速率。但是随着mimo阶数地增加，检测复杂度也随之指数倍形式增长。现有的一些检测算法，如最大似然检测算法、最小均方误差检测算法、树形搜索算法、信息传递算法等，难以直接应用于高阶mimo，要么复杂度过高，要么检测性能不佳。现有的一些基于深度学习的mimo检测技术，如典型的detnet、scnet、oampnet、mmnet、lisa、mhgd等，要么鲁棒性不强，难以应用于复杂多变的通信场景；要么网络结构复杂，难以直接应用于实际通信。此外，现有基于深度学习的mimo检测算法，没有明确物理意义，无法从根本上解释网络为什么起作用，以及如何更改网络起到更好作用的问题。
3.因此，从传统mimo检测算法出发，结合重叠k近邻聚类算法，能够在保留检测性能的同时，大幅度降低检测复杂度，是一个十分可行的方向。


技术实现要素：

4.本发明的目的在于克服上述现有技术的缺点，提供了一种重叠聚类辅助的最大似然检测方法及系统，该方法及系统能够有效降低检测的复杂度，且检测性能较高。
5.为达到上述目的，本发明所述的重叠聚类辅助的最大似然检测方法包括：
6.获取信道矩阵，根据信道矩阵，得接收星座点集；
7.对接收星座点集进行第一层重叠聚类；
8.对第一层重叠聚类的结果进行第二层重叠聚类；
9.对第二层重叠聚类的结果进行最大似然检测，得发射信号的估计。
10.还包括：
11.当信道变化时，重新根据接收星座点集进行第一层重叠聚类。
12.所述根据接收星座点集，得第一层重叠聚类结果的具体过程为：
13.根据接收星座点集，使用重叠k近邻聚类方法，将接收星座点集分为16类。
14.对第一层重叠聚类结果进行第二层重叠聚类的具体过程为：
15.对于第一层重叠聚类的16类结果，每一类结果进行重叠k近邻聚类；
16.其中，第一层重叠聚类的16个大类，每一大类在第二层中都有16个小类。
17.对第二层重叠聚类的结果进行最大似然检测，得到发射信号的估计的具体过程为：
multiple-output，多输入多输出)技术被视作5g(5th-generation，第五代移动通信技术)物理层中最有前景的技术。
36.实施例一
37.参考图1及图2，本发明所述的重叠聚类辅助的最大似然检测方法包括以下步骤：
38.1)根据信道矩阵，得第一层聚类中心；
39.步骤1)的具体操作过程为：
40.1a)根据信道矩阵h以及信号的调制方式，生成发射星座点集xz及接收星座点集hxz；
41.1b)根据接收星座点集hxz，使用重叠k近邻聚类方法进行聚类；
42.1c)随机产生16个点，作为聚类中心，将接收星座点归属于所述16个点，计算新的聚类中心；
43.1d)当新的聚类中心与旧的聚类中心相比没有变化，则输出第一层聚类中心，第一层聚类完成；否则，则重复1c)步骤；
44.1e)寻找接收星座点集离各聚类中心的最小欧式距离，以最小欧式距离的2.4倍作为半径，对于各聚类中心，将以该聚类中心为圆心，以2.4倍最小欧氏距离为半径的圆中所有接收星座点都归属于该类。
45.2)根据第一层聚类中心，得第二层聚类中心；
46.步骤2)的具体操作过程为：
47.2a)输入第一层聚类时各类中所有接收星座点；
48.2b)使用重叠k近邻聚类方法；
49.2c)随机产生16个点，作为聚类中心，将接收星座点归属于所述16个点，计算新的聚类中心；
50.2d)当新的聚类中心与旧的聚类中心相比没有变化，则输出第二层聚类中心，第二层聚类完成；否则，则重复步骤2c)；
51.2e)寻找接收星座点集离各聚类中心的最小欧式距离，以最小欧式距离的2.4倍作为半径，对于各聚类中心，将以该聚类中心为圆心，以2.4倍最小欧氏距离为半径的圆中所有接收星座点都归属于该类。
52.3)当有接收信号输入时，则将接收信号与第一层聚类中心比较，再与第二层聚类中心比较，最后与第二层小类中的各接收星座点比较，以估计得到发射信号；
53.步骤3)的具体操作过程为：
54.3a)当有接收信号输入时，求取接收信号与第一层中各聚类中心的欧氏距离，寻找欧氏距离最小的聚类中心，并将该接收信号归属于该大类；
55.3b)求取接收信号与该大类中的第二层中各聚类中心的欧氏距离，寻找欧氏距离最小的聚类中心，并将该接收信号归属于该小类；
56.3c)求取接收信号与该小类中的所有接收星座点的最小欧式距离，寻找欧式距离最小的接收星座点，并将该接收星座点对应的发射信号作为输出；
57.4)当信道变化时，重新根据信道矩阵，得第一层聚类中心、第二层聚类中心及各接收星座点的归属关系；
58.步骤4)具体操作过程为：
59.当信道矩阵变化时，重新生成接收星座点集hxz；
60.当信道矩阵变化时，重新生成第一层聚类中心；
61.当信道矩阵变化时，重新生成第二层聚类中心；
62.当信道矩阵变化时，重新对接收信号进行检测。
63.验证实验
64.将本发明与最大似然检测算法及最小均方误差检测算法在检测性能与复杂度在两个维度上进行比较，具体过程为：
65.分别仿真实现传统检测算法中的最大似然检测算法及最小均方误差算法；
66.仿真实现本发明；
67.采用同一测试集，将最大似然检测算法、最小均方误差算法及本发明在执行时间方面进行比较。
68.具体的，在windows系统matlab平台上，分别仿真实现最大似然检测算法、最小均方误差算法及本发明；在信噪比为0db-20db时生成同样的测试集，测试集用于测试上述算法的执行时间，表1为各种仿真算法在8
×
8mimo，qpsk调制方式下时变信道的执行时间。
69.表
[0070][0071]
实施例二
[0072]
本发明所述的重叠聚类辅助的最大似然检测系统，包括：
[0073]
获取模块，用于获取信道矩阵，根据信道矩阵，得接收星座点集；
[0074]
第一聚类模块，用于对接收星座点集进行第一层重叠聚类；
[0075]
第二聚类模块，用于对第一层重叠聚类的结果进行第二层重叠聚类；
[0076]
估计模块，用于对第二层重叠聚类的结果进行最大似然检测，得发射信号的估计。
[0077]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。