一种基于DSP的MIMO系统空时编码盲识别方法

码达到提高系统传输性能的目的，因此在不同时刻从不同天线发送的数据具有一定的相关性，而不同空时编码之间的相关度并不同，因此可利用该相关度来区分不同的码型，从而将空时编码的模式识别出来。

2.2空时编码盲识别方法

(1)预白化。预白化的目的是去除信道对接收信号相关性的影响。白化矩阵W通过对分时相关矩阵P做特征值分解得到

，其中A-1为特征值矩阵Λ的广义逆。W与原数据相乘便可得到解相关矩阵Y.(2)计算时滞相关度。利用接收信号预白化后得到的解相关矩阵Y，依据统计学公式计算时滞相关范数

空时编码矩阵的理论时滞相关特性仅与编码矩阵本身有关。因此，应用与式(1)相同的形式，可将编码矩阵不同的列进行矩阵乘加运算，并取F范数来表征。

由此得出计算空时编码的时滞相关矩阵R(τ)

其中，空时编码矩阵的每一列代表不同的发射时刻，A(u)是码型A编码矩阵的第u列，l为码型分组长度。已预白化后的接收信号矩阵与发送端编码矩阵，在时滞相关函数F范数上有如下关系

(3)判决码型。遍历候选码集，计算出接收信号与候选码集中每一种空时码的相关度，取其中最相关的码型便为判决码型。

2.3软件设计

软件系统采用模块化结构软件系统采用模块化结构设计，程序流程如图5所示。包括系统启动、配置系统寄存器、设置全局变量和开启中断控制等。当ADC模块将采样数据全部写入SDRAM后，CPLD通知DSP触发DMA中断1，将SDRAM中的数据读入DSP，读取结束后DMA触发中断2，并对ADC采样数据进行处理：(1)预白化，去除新到对采样数据相关性的影响。(2)计算采样数据与候选集中每种码字的时滞相关度。(3)根据上述计算结果，选取使时滞相关度最小的码型为判决码型。

图5 软件系统采用模块化结构

通过对DMAC寄存器的设置，可控制DMA的流向、通道和方式，典型的数据读取关键代码如下：

数据处理部分的关键函数包括白化和时滞相关量计算，数据传递采用了单维读入与多维传递的方式，即将多天线的数据按照天线顺序依次读入，但在DSP内部数据传递时，多根天线的数据按照时间顺序传递，在函数内部手动寻址，即符合算法要求，又加快了数据处理的速度。数据处理时包括大量的矩阵转置和乘加操作，在计算时优化为内积计算模式，使用ALU运算块X和Y，每个周期并行计算时滞矩阵两列之间的相关范数，这便节省了内存资源，减少了寻址次数，且加快了计算速度。

本算法在不同参数下的Matlab性能仿真如图6所示，采样数据越长，接收天线数越多，识别性能也越好。实际测试证明与期望相一致，验证了设计的合理性和正确性。

图6 算法在不同参数下的Matlab性能仿真

3结束语

DSP芯片具有的特殊软硬件结构和指令系统，使其能高速处理各种数字信号处理算法。基于此设计的空时编码盲识别方法具有速度快、精度高的特点。同时该系统依靠简洁的外部硬件电路设计和合理的软件程序设计，能够实现对常用空时编码模式的正确识别。且该系统的可扩展性良好，当需要识别最新的空时编码时，只需将其放入编码方式候选集中，为其分配显示接口即可，而无需过多更改硬件设置及软件程序。