基于独立成分分析与支持向量机的 MIMO-OFDM 信号调制分类
信息论
2013-07-18 v1 math.IT
摘要
针对频率选择性时变信道下的 MIMO-OFDM 信号，提出了一种基于独立成分分析 (ICA) 并结合最大似然 (ML) 或支持向量机 (SVM) 的调制分类 (MC) 方案。该方法是盲式的，即假设接收端除了知道信号的空间流在统计上独立外，关于信道和发射信号没有任何其他信息。处理过程包括分离 MIMO 流，随后对分离后的信号进行调制分类。虽然一般而言，频率选择性信道上的信号盲分离是一个难题，但 MIMO-OFDM 系统中单个符号所经历信道的非频率选择性特性使得应用众所周知的 ICA 算法成为可能。调制分类通过最大似然法以及一种依赖于预选调制相关特征的基于 SVM 的调制分类方法来实现。为了提高在时变信道中的性能，利用了信道在相干带宽和时间相干性上的不变性。研究表明，该方法在真实的 ITU 行人和车载信道上能以高概率实现正确分类。基于信道估计的 Cramer Rao 界，推导了正确分类概率的上界。
引用
@article{arxiv.1307.4430,
title = {Modulation Classification of MIMO-OFDM Signals by Independent Component Analysis and Support Vector Machines},
author = {Yu Liu and Alexander M. Haimovich and Wei Su and Jason Dabin and Emmanuel Kanterakis},
journal= {arXiv preprint arXiv:1307.4430},
year = {2013}
}
备注
Submitted to IEEE Transactions on Signal Processing, May 2013